CN113447926B - 一种基于车载滑轨sar成像的机场跑道异物检测方法及系统 - Google Patents
一种基于车载滑轨sar成像的机场跑道异物检测方法及系统 Download PDFInfo
- Publication number
- CN113447926B CN113447926B CN202110712228.3A CN202110712228A CN113447926B CN 113447926 B CN113447926 B CN 113447926B CN 202110712228 A CN202110712228 A CN 202110712228A CN 113447926 B CN113447926 B CN 113447926B
- Authority
- CN
- China
- Prior art keywords
- runway
- target
- radar
- fod
- grid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9094—Theoretical aspects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/933—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft
- G01S13/934—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft on airport surfaces, e.g. while taxiing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/411—Identification of targets based on measurements of radar reflectivity
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于车载滑轨SAR成像的机场跑道异物检测方法及系统,包括:读取机场跑道参数、配置雷达系统参数,对机场跑道进行分块处理,配置成像处理参数和CFAR目标检测处理参数;依次采集各子块回波数据,完成全跑道扫描;采用改进的BP算法依次对各子块回波数据进行聚焦成像处理;采用CFAR算法对成像结果进行目标检测处理,比较检出目标和已知目标位置坐标和幅度值,若存在FOD目标,输出FOD目标位置坐标和幅度值。本发明提出的机场跑道异物检测方法避免了传统车载SAR成像方法中复杂的运动补偿,相较布设分布式雷达系统的成本较低,可实现全跑道的快速扫描检测,是一种高效、准确的机场跑道异物检测方法。
Description
技术领域
本发明涉及雷达目标检测技术领域,具体涉及一种基于车载滑轨SAR成像的机场跑道异物检测方法及系统。
背景技术
机场跑道异物(Foreign Object Debris,FOD)指任何可能损伤航空器的某种外来物质、碎屑或物体。典型的FOD主要有螺丝、螺钉、碎石、塑料、报纸,以及动植物等。在航空器起降过程中,FOD可能对发动机或机身造成破坏,影响起落架或机翼等设备正常运行,造成经济损失,严重时危害人生安全。据统计,每年机场跑道上的外来碎片造成的直接经济损失高达40亿美元,而由于FOD导致的航班延误、设备检修、跑道维护带来的间接损失更是超过直接经济损失的三倍。目前,国内机场跑道的检查工作仍主要依赖于人工步行方式检测,维护跑道降低了航班的通行时间,难以满足机场高效运行的要求;因此,自动化、智能化的机场跑道异物检测方法研究具有重要意义。
FOD探测系统主要可分为雷达探测系统和光学视频图像识别系统,光学视频图像识别系统的成像分辨率高,但易受光照和气候的影响;雷达探测系统具有主动成像、测距精度高和全天候工作等特点,但分辨率较低且易受杂波背景影响,通常一定尺寸的金属异物相较其他材质的异物威胁更大,而采用雷达更容易发现。
随着毫米波雷达技术的快速发展,基于毫米波雷达的异物检测系统成为研发热点,根据雷达布设方式的不同,可分为边灯式(分布式)、塔架式和车载式:边灯式检测性能较好,但对硬件设备要求较高,设备维护成本高;塔架式技术成熟,但检测率较低,扫描速度慢,存在盲区,受跑道倾斜影响;车载式系统利用合成孔径雷达成像技术实现对机场跑道的二维高分辨率成像,进而实现FOD目标检测。基于车载式系统的检测方法具有效率高、重访快、成本低、易维护的优点,是一种极具潜力的系统方法;但由于车辆运动补偿困难,成像结果易出现散焦而导致漏检。
发明内容
为解决车载式系统检测过程中存在车辆运动补偿困难、成像结果易出现散焦而导致漏检的问题,本发明提供一种基于车载滑轨SAR成像的机场跑道异物检测方法及系统,其通过对全跑道进行分块、精确的成像,提高系统最小检出目标尺寸和检测效率。
本发明公开了一种基于车载滑轨SAR成像的机场跑道异物检测方法,包括:
步骤1、读取机场跑道参数、配置雷达系统参数,对机场跑道进行分块处理,配置成像处理参数和CFAR目标检测处理参数;
步骤2、依次采集各子块回波数据,完成全跑道扫描;
步骤3、采用改进的BP算法依次对各子块回波数据进行聚焦成像处理;
步骤4、采用CFAR算法对成像结果进行目标检测处理,比较检出目标和已知目标位置坐标和幅度值,若存在FOD目标,输出FOD目标位置坐标和幅度值。
作为本发明的进一步改进,所述步骤1,具体包括:
步骤101、读取机场跑道参数和配置雷达系统参数;
所述机场跑道参数包括跑道长度L0、跑道宽度W0、车载平台所在辅路与跑道近侧边的距离D0;以工作车在辅路上标定行驶路线的起点作为坐标原点,机场跑道横向为x轴,机场跑道纵向为y轴,垂直地面向上为z轴建立直角坐标系,机场跑道标识灯的数量NL以及坐标列表PL,其中,标识灯l位置坐标PLl(xl,yl);
所述雷达系统参数包括工作载频Fc、系统带宽B、调频率Kr、脉冲重复频率PRF、脉冲宽度τ、系统采样率Fs、方位向波束宽度θa、距离向波束宽度θr、雷达下视角γ、雷达斜视角θsq,雷达平台距地面高度H、雷达天线运动速度V、有效轨道长度LT,回波数据距离向采样点数Nr、回波数据方位向采样点数Na,雷达相对导轨中心三维位置坐标PR(XT,YT,ZT)、雷达系统参考地距Rg、参考斜距Rref、距离门开启时刻距离Rmin;
根据公式(1),计算距离向分辨率ρr和方位向分辨率ρa;
式中,C表示光速,为常数;R表示斜距,方位向分辨率与斜距呈线性关系;
步骤102、对机场跑道进行分块处理,划分为多个子块;
根据公式(2)设置子块跑道长度La,计算子块数量Nb和各子块跑道场景中心坐标PSk(XSk,YSk,ZSk)(k=1,2,...,Nb);第k个子块跑道场景中心坐标表达式如下:
根据公式(3)计算第k个子块对应理想的导轨中心位置坐标PRCk(XCk,YCk,ZCk)(k=1,2,...,Nb):
步骤103、配置成像处理参数;
设置X方向地面成像网格的尺寸为Xp,Y方向地面成像网格尺寸为Yp,根据分辨率指标ρr和ρa,X方向网格像素间隔为Δx,Y方向网格像素间隔为Δy,地面成像网格点数为Nx×Ny,具体由公式(4)得到:
Xp=Nx·Δx
Yp=Ny·Δy (4)
以第k个子块跑道场景为例对X方向和Y方向的地面成像网格矩阵化,初始设置Ptx是大小为1×Nx的矩阵,Pty是大小为1×Ny的矩阵,以场景中心PSk(XSk,YSk,ZSk)为网格中心,m=1,2,...,Nx,n=1,2,...,Ny,根据公式(5)对网格进行离散化表示为:
Ptx(1,m)=XSk-Xp+(2·Xp)×(m-1)/(Nx-1)
Pty(1,n)=YSk-Yp+(2·Yp)×(n-1)/(Ny-1) (5)
步骤104、配置CFAR目标检测处理参数;
根据MATLAB中相控阵系统工具箱中的phased.CFARDetector2D函数,设置检测方法Method、保护间隔尺寸GuardBandSize、训练间隔尺寸TrainingBandSize、虚警概率ProbabilityFalseAlarm;设置距离判别因子β。
作为本发明的进一步改进,所述步骤2,具体包括:
步骤201、工作车行驶至第k个子块跑道对应的观测点并保持静止,调整导轨使雷达天线正侧视于机场跑道,波束中心照射当前子块跑道的中心位置;
步骤202、开启雷达系统模块和运动导轨模块采集当前子块跑道的去调频回波数据Sk;
步骤203、工作车依次遍历子块,得到共Nb段Na×Nr大小的回波数据矩阵。
作为本发明的进一步改进,所述步骤3,具体包括:
步骤301、采用改进的BP算法对每个子块跑道的回波数据进行成像;
读取子块跑道k回波数据Sk,计算FMCW脉内距离徙动校正函数,根据公式(6)构造HFd,HFd是大小为Na×Nr的矩阵;Fd是大小为Na×1的列向量,第(p,q)个点的表达如下:
ta=(p-0.5Na)/PRF
tr=(q-0.5Nr)/Fs
式中,j表示虚数单位,p=1,2,…,Na表示方位向采样点序列,q=1,2,…,Nr表示距离向采样点序列,ta为方位向采样时间,tr为距离向采样时间,sinθsq,c为对应方位时间雷达瞬时斜视角;
将回波数据Sk与HFd点乘,得到脉内距离徙动校正后的信号Srmc;
步骤302、调用MATLAB自带的IFFT函数,对Srmc每一行进行快速傅里叶逆变换,得到距离向聚焦信号Src;
步骤303、计算相位补偿因子并做补偿;其中,
对子块跑道k对应的第k段回波数据,首先调用成像网格k,根据公式(7)逐方位向地计算雷达与所有网格点的距离Rt:
根据公式(8)计算距离向聚焦信号Src的距离门单元分辨率res:
计算当前网格点对应的回波落在距离门位置,通过线性插值计算网格点对应的回波值,根据公式(9)当前方位向网格点(m,n)的回波表达式temp(m,n):
Num′=(Rt-Rmin)/res
α=Num′-Num
temp(m,n)=(1-α(m,n))·Src(i,Num(m,n))+α(m,n)·Src(i,Num(m,n)+1) (9)
根据公式(10)计算补偿相位因子HC表达式:
temp和Hc同为Nx×Ny大小的矩阵,将temp和HC点乘,得到当前方位向回波在网格的值SCi,i=1,2,...,Na;
步骤304、遍历Src所有方位向,将所有方位向在网格的回波进行相干叠加,根据公式(11)最终得到BP聚焦后的信号SBP:
对SBP取幅度值得到子块跑道成像幅值结果图FMCWImage。
作为本发明的进一步改进,所述步骤4,具体包括:
步骤401、读取所述CFAR目标检测处理参数:
调用MATLAB自带的相控阵系统工具箱中的phased.CFARDetector2D函数,生成二维CFAR检测器cfar2D;构造待检测单元行坐标为1×XNum的向量,范围为[X1,X2],列坐标为1×YNum向量,范围[Y1,Y2];调用MATLAB自带函数meshgrid生成待检测网格的行坐标索引和列坐标索引,输入为行向量[X1:X2]和[Y1:Y2],输出大小为XNum×YNum的列坐标索引矩阵columnInds和行坐标索引矩阵rowInds;构造大小为2×(XNum×YNum)的待检测单元索引矩阵CUTIdx,第一行为rowInds矩阵拉直的1×(XNum×YNum)行向量,第二行为columnInds矩阵拉直的1×(XNum×YNum)行向量;
步骤402、调用cfar2D函数,输入参数分别为子块跑道成像幅度结果abs(SBP)和待检测单元索引矩阵CUTIdx,输出大小(XNum×YNum)×1向量,布尔类型的检测结果Detections,其中存在目标结果为1;调用MATLAB自带的reshape函数将检测结果转化为XNum×YNum矩阵的CFAR检测结果图CFARImage;
步骤403、比较检出目标和已知目标的位置坐标:
调用MATLAB自带的find函数,提取检测结果图CFARImage中值为1元素的行坐标yd和列坐标xd,以及幅度图FMCWImage中对应元素的幅度值Index构成检出目标结构体数组Results,包括成员检出结果坐标Results.Position,为1×2向量,元素分别为xd和yd;幅度值Results.Index;目标类型Results.type,为bool类型,取值1表示FOD目标,取值0表示标识灯;检出目标数量为Nd,坐标为PDd(xd,yd),d=1,2,...,Nd;读入判别范围因子β和标识灯坐标PLl(xLl,yLl),l=1,2,...,L;进一步,判断检出目标与已知目标欧式距离是否超过β,即若满足公式(12)则检出目标为FOD目标;构建FOD目标结构体数组FODs,长度为NFOD,包括坐标FODs.Position和幅度FODs.Index;FOD目标坐标为(xFOD,yFOD);
‖PDd(xd,yd)-PLl(xLl,yLl)‖2>β (12)
步骤404、根据公式(13)计算FOD目标实际位置(XFOD,YFOD):
式中,Xsk和Ysk为成像网格k中心位置,Nx和Ny为网格x方向和y方向点数,dx和dy网格分辨率;
步骤405、对所有子块跑道成像结果进行CFAR检测,即步骤401-404,输出FOD目标实际位置坐标PFOD(xFOD,yFOD)和幅度值IndexFOD,完成全跑道异物检测。
本发明还公开了一种用于实现上述机场跑道异物检测方法的车载滑轨SAR成像系统,包括:工作车、系统控制模块、运动导轨模块和雷达系统模块;
所述雷达系统模块由雷达发射机、雷达接收机、雷达发射天线、雷达接收天线和信号处理模块组成;
所述雷达系统模块采用调频连续波体制,收发天线安装在运动导轨模块上,运动导轨模块安装在车载平台上。
与现有技术相比,本发明的有益效果为:
本发明的机场跑道异物检测方法利用车载滑轨SAR对机场跑道进行分块成像,避免了传统车载SAR成像检测方法中由于行驶过程中晃动导致成像散焦的问题;本发明能够较为快速、方便地获取高分辨率、精确聚焦的成像结果,进而实现高效、准确的机场跑道异物检测。
附图说明
图1为本发明一种实施例公开的基于车载滑轨SAR成像的机场跑道异物检测方法的流程图;
图2为本发明一种实施例公开的车载滑轨SAR成像系统的装置原理图;
图3为本发明一种实施例公开的车载滑轨SAR成像系统的工作模型图;
图4为本发明一种实施例公开的对子块跑道进行CFAR目标检测结果以及FOD目标识别图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合附图对本发明做进一步的详细描述:
本发明提供一种基于车载滑轨SAR成像的机场跑道异物检测方法,其基于车载滑轨SAR成像系统实现;其中,
如图2所示,车载滑轨SAR成像系统由工作车、系统控制模块、运动导轨模块和雷达系统模块组成,其中雷达系统模块由雷达发射机、雷达接收机、雷达发射天线、雷达接收天线和信号处理模块组成。雷达系统采用调频连续波体制,收发天线安装在运动导轨上,运动导轨安装在车载平台上。
如图1、3所示,机场跑道异物检测方法,包括:
步骤1、读取机场跑道参数、配置雷达系统参数,对机场跑道进行分块处理,配置成像处理参数和CFAR目标检测处理参数;
具体包括:
步骤101、读取机场跑道参数和配置雷达系统参数;
在本实施例中包括:跑道长度L0=2400m、跑道宽度W0=60m、工作车所在辅路与跑道近侧边的距离D0=90m;以工作车在辅路上标定行驶路线的起点作为坐标原点,机场跑道横向为x轴,机场跑道纵向为y轴,垂直地面向上为z轴建立直角坐标系,机场跑道标识灯的数量NL=15以及坐标列表PL,其中标识灯l位置坐标PLl(xl,yl,yl),反射强度σL=1;本实施例中,假设FOD目标位置坐标PT(x,y,z),反射强度为σT=10。仿真目标坐标信息和类型列表如表1所示。
表1仿真目标坐标信息和类型列表
雷达系统参数包括工作载频Fc=77GHz、带宽B=4GHz、调频率Kr=8000GHz/s、脉冲重复频率PRF=2000Hz、脉冲宽度τ=0.5ms、系统采样率Fs=10MHz、方位向波束宽度θa=120°、距离向波束宽度θr=15°、雷达下视角γ=89.05°、雷达斜视角θsq=0°,雷达平台距地面高度H=2m、雷达天线运动速度V=1.25m/s、有效轨道长度LT=5m,回波数据距离向采样点数Nr=16384、回波数据方位向采样点数Na=8000,雷达相对三维位置坐标PR(XT,YT,ZT),其中XT,YT,ZT均为1×Na向量,雷达系统参考地距Rg=120m、雷达场景中心距离R0=120.0167m、参考斜距Rref=151.0818m、距离门开启时刻距离Rmin=26.3315m、距离向分辨率ρr=0.0375m,R0处方位向分辨率ρa1=0.0468m,Rref处方位向分辨率ρa2=0.0588m;
步骤102、对机场跑道进行分块处理,划分为多个子块;
根据公式(14)设置子块跑道长度La=240m,计算子块数量Nb=10,α=0.8;各子块跑道场景中心坐标PSk(XSk,YSk,ZSk)(k=1,2,...,Nb),XSk=120m,YSk=[120,360,...,2280],ZSk=0;第k个子块跑道场景中心坐标表达式如下:
根据公式(15)计算第k个子块对应雷达中心位置坐标PRCk(XCk,YCk,ZCk):
步骤103、根据分辨率指标ρr=0.0375m和ρa2=0.0588m,设置X方向地面网格的尺寸为Xp=60m,Y方向地面网格尺寸为Yp=247m,X方向网格像素间隔为Δx=0.0375m,Y方向网格像素间隔为Δy=0.0588m,地面成像网格点数为Nx×Ny=4200×1600,具体由公式(16)得到:
Xp=Nx·Δx
Yp=Ny·Δy (16)
以第k个子块跑道场景为例对X方向和Y方向的网格矩阵化,初始设置Ptx是大小为1×Nx的矩阵,Pty是大小为1×Ny的矩阵,以场景中心PSk(XSk,YSk,ZSk)为网格中心,m=1,2,...,Nx,n=1,2,...,Ny,根据公式(17)对网格进行离散化表示为:
Ptx(1,m)=XSk-Xp+(2·Xp0×(m-1)/(Nx-1)
Pty(1,n)=YSk-Yp+(2·Yp0×(n-1)/(Ny-1) (17)
步骤104、配置CFAR目标检测处理参数。根据MATLAB中相控阵系统工具箱中的phased.CFARDetector2D函数,设置检测方法Method=CA、保护间隔尺寸GuardBandSize=10、训练间隔尺寸TrainingBandSize=20、虚警概率ProbabilityFalseAlarm=0.0001;设置距离判别因子β=5。
步骤2、使用车载滑轨SAR系统依次采集各子块回波数据,完成全跑道扫描;
如图3所示,具体包括:
工作车行驶至第k个子块跑道对应的观测点并保持静止,调整导轨使雷达天线正侧视于机场跑道,波束中心照射当前子块跑道的中心位置;开启雷达系统和运动导轨系统采集当前子块跑道的去调频回波数据Sk;遍历所有子块,得到共Nb=10段Na×Nr=8000×16384大小的回波数据复矩阵。本实施例中,根据机场跑道参数和雷达系统参数以及仿真点目标生成子块跑道仿真回波数据。
步骤3、采用改进的BP算法依次对各子块回波数据进行聚焦成像处理;
具体包括:
步骤301、采用改进的BP算法对回波数据进行成像;
读取子块跑道k回波数据Sk,计算FMCW脉内距离徙动校正函数,根据公式(18)构造HFd,HFd是大小为Na×Nr的矩阵;Fd是大小为Na×1的列向量,第(p,q)个点的表达如下:
ta=(p-0.5Na)/PRF
tr=(q-0.5Nr)/Fs
式中,j表示虚数单位,p=1,2,…,Na表示方位向采样点序列,q=1,2,…,Nr表示距离向采样点序列,tq为方位向采样时间,tr为距离向采样时间,sinθsq,c为对应方位时间雷达瞬时斜视角;
将回波数据Sk与HFd点乘,得到脉内距离徙动校正后的信号Srmc;
步骤302、调用MATLAB自带的IFFT函数,对Srmc每一行进行快速傅里叶逆变换,得到距离向聚焦信号Src;
步骤303、计算相位补偿因子并做补偿;其中,
对第k段回波数据,首先调用成像网格k,根据公式(19)逐方位向地计算雷达与所有网格点的距离Rt:
根据公式(20)计算距离向聚焦信号Src的距离门单元分辨率res:
计算当前网格点对应的回波落在距离门位置,通过线性插值计算网格点对应的回波值,根据公式(21)当前方位向网格点(m,n)的回波表达式temp(m,n):
Num′=(Rt-Rmin)/res
α=Num′-Num
temp(m,n)=(1-α(m,n))·Src(i,Num(m,n))+α(m,n)·Src(i,Num(m,n)+1) (21)
根据公式(22)计算补偿相位因子HC表达式:
temp和HC同为Nx×Ny大小的矩阵,将temp和HC点乘,得到当前方位向回波在网格的值SCi,i=1,2,...,Na;
步骤304、遍历Src所有方位向,将所有方位向在网格的回波进行相干叠加,根据公式(23)最终得到BP聚焦后的信号SBP:
对SBP取幅度值得到子块跑道成像幅值结果图FMCWImage。
步骤4、采用CFAR算法对成像结果进行目标检测处理,比较检出目标和已知目标位置坐标和幅度值,若存在FOD目标,输出FOD目标位置坐标和幅度值;
具体包括:
步骤401、读取前述CFAR目标检测处理参数。调用MATLAB相控阵系统工具箱中的phased.CFARDetector2D函数,生成二维CFAR检测器函数cfar2D;设置XNum=1600,YNum=4000设置待检测单元CUT行坐标为1×XNum的向量,范围为[X1,X2]=[1,1600],列坐标为1×YNum向量,范围[Y1,Y2]=[1,4000];调用MATLAB自带函数meshgrid生成待检测网格的行坐标索引和列坐标索引,输入为行向量[X1:X2]和[Y1:Y2],输出大小为XNum×YNum的列坐标索引矩阵columnInds和行坐标索引矩阵rowInds。构造大小为2×(XNum×YNum)的待检测单元索引矩阵CUTIdx,第一行为rowInds矩阵拉直的1×(XNum×YNum)行向量,第二行为columnInds矩阵拉直的1×(XNum×YNum)行向量;
步骤402、调用cfar2D函数,输入参数分别为子块跑道成像幅度结果FMCWImage和待检测单元索引矩阵CUTIdx,输出大小(XNum×YNum)×1向量,布尔类型的检测结果Detections,其中存在目标结果为1。调用MATLAB自带的reshape函数将检测结果转化为XNum×YNum矩阵的CFAR检测结果图CFARImage。
步骤403、比较检出目标和已知目标的位置坐标。调用MATLAB自带的find函数,提取检测结果图CFARImage中值为1元素的行坐标yd和列坐标xd,以及幅度图FMCWImage中对应元素的幅度值构成检出目标结构体数组Results,包括成员检出结果坐标Results.Position,幅度值Results.Index,以及目标类型Results.type,为bool类型。检出目标数量为Nd=16,坐标为PDd(xd,yd),d=1,2,...,Nd;读入距离判别因子β和标识灯坐标PLl(xLl,yLl),l=1,2,...,L;进一步,判断检出目标与已知目标欧式距离是否超过β,即若满足表达式(24)则type置为1,表示字符FOD,否则置为0,表示标识灯;构建FOD目标结构体数组FODs,长度为NFOD=1,包括坐标FODs.Position和幅度FODs.Index。FOD目标坐标为(xFOD,yFOD)。
‖PDd(xd,yd)-PLl(xLl,yLl)‖2>β (24)
步骤404、根据表达式(25)计算FOD目标实际位置(XFOD,YFOD);
式中,Xsk和Ysk为成像网格k中心位置,Nx和Ny为网格x方向和y方向点数,dx和dy网格分辨率。本实施例中取Xsk=120.167,Ysk=0。
步骤405、对所有子块跑道成像结果进行CFAR检测,即步骤401-404,输出FOD目标实际位置坐标和幅度值,完成全跑道异物检测,如图4所示。子块跑道FOD目标识别结果如表2所示。
表2子块跑道FOD目标识别结果表
本实施例中,各目标坐标位置信息、幅度值以及目标类型如表3所示。
表3子块跑道FOD目标识别结果
本发明的优点为:
本发明的机场跑道异物检测方法利用车载滑轨SAR对机场跑道进行分块成像,避免了传统车载SAR成像检测方法中由于行驶过程中晃动导致成像散焦的问题,能够较为快速、方便地获取高分辨率、精确聚焦的成像结果,进而实现高效、准确的机场跑道异物检测。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于车载滑轨SAR成像的机场跑道异物检测方法,其特征在于,包括:
步骤1、读取机场跑道参数、配置雷达系统参数,对机场跑道进行分块处理,配置成像处理参数和CFAR目标检测处理参数;
步骤2、依次采集各子块回波数据,完成全跑道扫描;
步骤3、采用改进的BP算法依次对各子块回波数据进行聚焦成像处理;具体包括:
步骤301、计算脉内距离徙动校正函数并做校正,得到脉内距离徙动校正后的信号;
读取子块跑道k回波数据Sk,计算FMCW脉内距离徙动校正函数,根据公式(6)构造HFd,HFd是大小为Na×Nr的矩阵;Fd是大小为Na×1的列向量,第(p,q)个点的表达如下:
ta=(p-0.5Na)/PRF
tr=(q-0.5Nr)/Fs
式中,脉冲重复频率PRF,系统采样率Fs,雷达天线运动速度V、参考斜距Rref、j表示虚数单位,p=1,2,…,Na表示方位向采样点序列,q=1,2,…,Nr表示距离向采样点序列,ta为方位向采样时间,tr为距离向采样时间,sinθsq,c为对应方位时间雷达瞬时斜视角,C表示光速;
将回波数据Sk与HFd点乘,得到脉内距离徙动校正后的信号Srmc;
步骤302、调用MATLAB自带的IFFT函数,对Srmc每一行方位向数据进行快速傅里叶逆变换,得到距离向聚焦信号Src;
步骤303、计算相位补偿因子并做补偿;其中,
对第k段回波数据,首先调用成像网格k,根据公式(7)逐方位向地计算雷达与所有网格点的距离Rt:
式中,雷达坐标为(Ptx、Pty、Ptz),网格点坐标为(Px、Py、Pz);
根据公式(8)计算距离向聚焦信号Src的距离门单元分辨率res:
计算当前网格点对应的回波落在距离门位置,通过线性插值计算网格点对应的回波值,根据公式(9)当前方位向网格点(m,n)的回波表达式temp(m,n):
Num′=(Rt-Rmin)/res
α=Num′-Num
temp(m,n)=(1-α(m,n))·Src(i,Num(m,n))+α(m,n)·Src(i,Num(m,n)+1) (9)
根据公式(10)计算补偿相位因子HC表达式:
temp和HC同为Nx×Ny大小的矩阵,将temp和HC点乘,得到当前方位向回波在网格的值SCi,i=1,2,...,Na;
步骤304、遍历Src所有方位向,将所有方位向在网格的回波进行相干叠加,根据公式(11)最终得到BP聚焦后的信号SBP:
对SBP取幅度值得到子块跑道成像幅值结果图FMCWImage;
步骤4、采用CFAR算法对成像结果进行目标检测处理,比较检出目标和已知目标位置坐标和幅度值,若存在FOD目标,输出FOD目标位置坐标和幅度值。
2.如权利要求1所述的机场跑道异物检测方法,其特征在于,所述步骤1,具体包括:
步骤101、读取机场跑道参数和配置雷达系统参数;
所述机场跑道参数包括跑道长度L0、跑道宽度W0、车载平台所在辅路与跑道近侧边的距离D0;以工作车在辅路上标定行驶路线的起点作为坐标原点,机场跑道横向为x轴,机场跑道纵向为y轴,垂直地面向上为z轴建立直角坐标系,机场跑道标识灯的数量NL以及坐标列表PL,其中,标识灯l位置坐标PLl(xl,yl);
所述雷达系统参数包括工作载频Fc、系统带宽B、调频率Kr、脉冲重复频率PRF、脉冲宽度τ、系统采样率Fs、方位向波束宽度θa、距离向波束宽度θr、雷达下视角γ、雷达斜视角θsq,雷达平台距地面高度H、雷达天线运动速度V、有效轨道长度LT,回波数据距离向采样点数Nr、回波数据方位向采样点数Na,雷达相对导轨中心三维位置坐标PR(XT,YT,ZT)、雷达系统参考地距Rg、参考斜距Rref、距离门开启时刻距离Rmin;
根据公式(1),计算距离向分辨率ρr和方位向分辨率ρa;
式中,C表示光速,为常数;R表示斜距,方位向分辨率与斜距呈线性关系;
步骤102、对机场跑道进行分块处理,划分为多个子块;
根据公式(2)设置子块跑道长度La,计算子块数量Nb和各子块跑道场景中心坐标PSk(XSk,YSk,ZSk)(k=1,2,...,Nb);第k个子块跑道场景中心坐标表达式如下:
根据公式(3)计算第k个子块对应理想的导轨中心位置坐标PRCk(XCk,YCk,ZCk)(k=1,2,...,Nb):
步骤103、配置成像处理参数;
设置X方向地面网格的尺寸为Xp,Y方向地面网格尺寸为Yp,根据分辨率指标ρr和ρa,X方向网格像素间隔为Δx,Y方向网格像素间隔为Δy,地面成像网格点数为Nx×Ny,具体由公式(4)得到:
Xp=Nx·Δx
Yp=Ny·Δy (4)
以第k个子块跑道场景为例对X方向和Y方向的网格矩阵化,初始设置Ptx是大小为1×Nx的矩阵,Pty是大小为1×Ny的矩阵,以场景中心PSk(XSk,YSk,ZSk)为网格中心,m=1,2,...,Nx,n=1,2,...,Ny,根据公式(5)对网格进行离散化表示为:
Pt_x(1,m)=XSk-Xp+(2·Xp)×(m-1)/(Nx-1)
Pty(1,n)=YSk-Yp+(2·Yp)×(n-1)/(Ny-1) (5)
步骤104、配置CFAR目标检测处理参数;
根据MATLAB中相控阵系统工具箱中的phased.CFARDetector2D函数,设置检测方法Method、保护间隔尺寸GuardBandSize、训练间隔尺寸TrainingBandSize、虚警概率ProbabilityFalseAlarm;设置距离判别因子β。
3.如权利要求2所述的机场跑道异物检测方法,其特征在于,所述步骤2,具体包括:
步骤201、工作车行驶至第k个子块跑道对应的观测点并保持静止,调整导轨使雷达天线正侧视于机场跑道,波束中心照射当前子块跑道的中心位置;
步骤202、开启雷达系统模块和运动导轨模块采集当前子块跑道的去调频回波数据Sk;
步骤203、工作车依次遍历子块,得到共Nb段Na×Nr大小的回波数据矩阵。
4.如权利要求3所述的机场跑道异物检测方法,其特征在于,所述步骤4,具体包括:
步骤401、读取所述CFAR目标检测处理参数:
调用MATLAB自带的相控阵系统工具箱中的phased.CFARDetector2D函数,生成二维CFAR检测器cfar2D;构造待检测单元行坐标为1×XNum的向量,范围为[X1,X2],列坐标为1×YNum向量,范围[Y1,Y2];调用MATLAB自带函数meshgrid生成待检测网格的行坐标索引和列坐标索引,输入为行向量[X1:X2]和[Y1:Y2],输出大小为XNum×YNum的列坐标索引矩阵columnInds和行坐标索引矩阵rowInds;构造大小为2×(XNum×YNum)的待检测单元索引矩阵CUTIdx,第一行为rowInds矩阵拉直的1×(XNum×YNum)行向量,第二行为columnInds矩阵拉直的1×(XNum×YNum)行向量;
步骤402、调用cfar2D函数,输入参数分别为子块跑道成像幅度结果abs(SBP)和待检测单元索引矩阵CUTIdx,输出大小(XNum×YNum)×1向量,布尔类型的检测结果Detections,其中存在目标结果为1;调用MATLAB自带的reshape函数将检测结果转化为XNum×YNum矩阵的CFAR检测结果图CFARImage;
步骤403、比较检出目标和已知目标的位置坐标:
调用MATLAB自带的find函数,提取检测结果图CFARImage中值为1元素的行坐标yd和列坐标xd,以及幅度图FMCWImage中对应元素的幅度值Index构成检出目标结构体数组Results,包括成员检出结果坐标Results.Position,为1×2向量,元素分别为xd和yd;幅度值Results.Index;目标类型Results.type,为bool类型,取值1表示FOD目标,取值0表示标识灯;检出目标数量为Nd,坐标为PDd(xd,yd),d=1,2,...,Nd;读入判别范围因子β和标识灯坐标PLl(xLl,yLl),l=1,2,...,L;进一步,判断检出目标与已知目标欧式距离是否超过β,即若满足公式(12)则检出目标为FOD目标;构建FOD目标结构体数组FODs,长度为NFOD,包括坐标FODs.Position和幅度FODs.Index;FOD目标坐标为(xFOD,yFOD);
‖PDd(xd,yd)-PLl(xLl,yLl)‖2>β (12)
步骤404、根据公式(13)计算FOD目标实际位置(XFOD,YFOD):
式中,Xsk和Ysk为成像网格k中心位置,Nx和Ny为网格x方向和y方向点数,dx和dy网格分辨率;
步骤405、对所有子块跑道成像结果进行CFAR检测,即步骤401-404,输出FOD目标实际位置坐标PFOD(xFOD,yFOD)和幅度值IndexFOD,完成全跑道异物检测。
5.一种车载滑轨SAR成像系统,用于实现如权利要求1~4中任一项所述的机场跑道异物检测方法,其特征在于,所述车载滑轨SAR成像系统包括:工作车、系统控制模块、运动导轨模块和雷达系统模块;
所述雷达系统模块由雷达发射机、雷达接收机、雷达发射天线、雷达接收天线和信号处理模块组成;
所述雷达系统模块采用调频连续波体制,收发天线安装在运动导轨模块上,运动导轨模块安装在车载平台上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110712228.3A CN113447926B (zh) | 2021-06-25 | 2021-06-25 | 一种基于车载滑轨sar成像的机场跑道异物检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110712228.3A CN113447926B (zh) | 2021-06-25 | 2021-06-25 | 一种基于车载滑轨sar成像的机场跑道异物检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113447926A CN113447926A (zh) | 2021-09-28 |
CN113447926B true CN113447926B (zh) | 2023-02-28 |
Family
ID=77812938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110712228.3A Active CN113447926B (zh) | 2021-06-25 | 2021-06-25 | 一种基于车载滑轨sar成像的机场跑道异物检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113447926B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114998836B (zh) * | 2022-06-13 | 2023-03-03 | 北京拙河科技有限公司 | 机场跑道全景监控方法及装置 |
WO2024047678A1 (en) | 2022-08-29 | 2024-03-07 | Universita' Degli Studi Di Firenze | Vehicle equipped with a system for identifying foreign object or debris on runways, discontinuities or fractures in a pavement |
CN116203557B (zh) * | 2023-03-06 | 2024-03-05 | 北京交通大学 | 一种基于探地雷达的传统石砌墙体内部残损及异常物无损辨识方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5608404A (en) * | 1993-06-23 | 1997-03-04 | The United States Of America As Represented By The United States Department Of Energy | Imaging synthetic aperture radar |
CN204515166U (zh) * | 2015-04-15 | 2015-07-29 | 中国人民解放军空军预警学院 | 一种基于合成孔径雷达的机场跑道异物检测系统 |
CN107229050A (zh) * | 2017-05-11 | 2017-10-03 | 西北工业大学 | 一种基于极坐标格式的雷达成像优化方法 |
CN108776342A (zh) * | 2018-07-13 | 2018-11-09 | 电子科技大学 | 一种高速平台sar慢速动目标检测与速度估计方法 |
CN109669183A (zh) * | 2017-12-27 | 2019-04-23 | 北京航空航天大学 | 一种基于Keystone和时频变换的地球同步轨道SAR运动目标成像处理装置 |
CN110109102A (zh) * | 2019-04-04 | 2019-08-09 | 电子科技大学 | 一种sar运动目标检测与速度估计的方法 |
CN110568434A (zh) * | 2019-07-15 | 2019-12-13 | 电子科技大学 | 一种多通道匀加速轨迹sar动目标二维速度估计方法 |
CN111538002A (zh) * | 2020-04-07 | 2020-08-14 | 苏州理工雷科传感技术有限公司 | 一种基于车载毫米波雷达的fod探测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102230964B (zh) * | 2011-03-23 | 2013-03-20 | 西安电子科技大学 | 曲线轨迹模型下的geo sar调频率变标成像方法 |
CN102819020B (zh) * | 2012-08-17 | 2013-12-18 | 北京航空航天大学 | 一种俯冲模型方位向非线性变标的合成孔径雷达成像方法 |
CN104251990B (zh) * | 2014-09-15 | 2016-08-24 | 电子科技大学 | 合成孔径雷达自聚焦方法 |
-
2021
- 2021-06-25 CN CN202110712228.3A patent/CN113447926B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5608404A (en) * | 1993-06-23 | 1997-03-04 | The United States Of America As Represented By The United States Department Of Energy | Imaging synthetic aperture radar |
CN204515166U (zh) * | 2015-04-15 | 2015-07-29 | 中国人民解放军空军预警学院 | 一种基于合成孔径雷达的机场跑道异物检测系统 |
CN107229050A (zh) * | 2017-05-11 | 2017-10-03 | 西北工业大学 | 一种基于极坐标格式的雷达成像优化方法 |
CN109669183A (zh) * | 2017-12-27 | 2019-04-23 | 北京航空航天大学 | 一种基于Keystone和时频变换的地球同步轨道SAR运动目标成像处理装置 |
CN108776342A (zh) * | 2018-07-13 | 2018-11-09 | 电子科技大学 | 一种高速平台sar慢速动目标检测与速度估计方法 |
CN110109102A (zh) * | 2019-04-04 | 2019-08-09 | 电子科技大学 | 一种sar运动目标检测与速度估计的方法 |
CN110568434A (zh) * | 2019-07-15 | 2019-12-13 | 电子科技大学 | 一种多通道匀加速轨迹sar动目标二维速度估计方法 |
CN111538002A (zh) * | 2020-04-07 | 2020-08-14 | 苏州理工雷科传感技术有限公司 | 一种基于车载毫米波雷达的fod探测方法 |
Non-Patent Citations (2)
Title |
---|
Multiple Local Autofocus Back-Projection Algorithm for Space-Variant Phase-Error Correction in Synthetic Aperture Radar;Lei Ran,et al;《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》;20160930;第13卷(第9期);全文 * |
后向投影成像算法的GPU优化方法研究;班阳阳 等;《雷达科学与技术》;20141231;第12卷(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113447926A (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113447926B (zh) | 一种基于车载滑轨sar成像的机场跑道异物检测方法及系统 | |
EP3885794A1 (en) | Track and road obstacle detecting method | |
Sugimoto et al. | Obstacle detection using millimeter-wave radar and its visualization on image sequence | |
US7903023B2 (en) | Obstacle detection system notably for an anticollision system | |
US5663720A (en) | Method and system for regional traffic monitoring | |
Gierull | Ground moving target parameter estimation for two-channel SAR | |
CN109085570A (zh) | 基于数据融合的车辆检测跟踪算法 | |
CN112946628A (zh) | 一种基于雷达与视频融合的道路运行状态检测方法及系统 | |
CN107942329B (zh) | 机动平台单通道sar对海面舰船目标检测方法 | |
CN103487803B (zh) | 迭代压缩模式下机载扫描雷达成像方法 | |
CN109375177B (zh) | 一种用于机场场面监视雷达系统的运动目标检测方法 | |
EP0550073B1 (de) | System zur Ortung einer Vielzahl von Objekten und Hindernissen sowie zur Erfassung und Bestimmung des Rollzustands von beweglichen Objekten, wie Flugzeugen, Bodenfahrzeugen u.ä. | |
CN104280566A (zh) | 基于空时幅相估计的低空风切变风速估计方法 | |
CN113504525B (zh) | 一种雾区能见度反演方法及系统 | |
US7498968B1 (en) | Synthetic aperture design for increased SAR image rate | |
CN106707278B (zh) | 一种基于稀疏表示的多普勒波束锐化成像方法及装置 | |
Lu et al. | Resolution enhancement for forwarding looking multi-channel SAR imagery with exploiting space–time sparsity | |
CN113167885B (zh) | 车道线检测方法和车道线检测装置 | |
CN113570632B (zh) | 基于高时相星载sar序贯图像的运动小目标检测方法 | |
Hinz et al. | Spaceborne traffic monitoring with dual channel synthetic aperture radar theory and experiments | |
CN104914421A (zh) | 基于和差波束的低空风切变风速估计方法 | |
CN110515043B (zh) | 基于波形捷变天基雷达目标及杂波距离解模糊方法及系统 | |
CN110244267B (zh) | 弹载毫米波切向前视sar三维成像模型性能分析方法 | |
Long et al. | Wideband Radar System Applications | |
CN104569970B (zh) | 一种用于机载雷达前视单脉冲成像的自聚焦方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20210928 Assignee: Beijing Qiangwang Technology Co.,Ltd. Assignor: BEIHANG University Contract record no.: X2023990000710 Denomination of invention: A Foreign Object Detection Method and System for Airport Runway Based on Vehicle Skid SAR Imaging Granted publication date: 20230228 License type: Common License Record date: 20230714 |