CN113466819A - 一种基于先验数据的高分辨三维点迹凝聚方法 - Google Patents
一种基于先验数据的高分辨三维点迹凝聚方法 Download PDFInfo
- Publication number
- CN113466819A CN113466819A CN202110751960.1A CN202110751960A CN113466819A CN 113466819 A CN113466819 A CN 113466819A CN 202110751960 A CN202110751960 A CN 202110751960A CN 113466819 A CN113466819 A CN 113466819A
- Authority
- CN
- China
- Prior art keywords
- data
- pole
- envelope
- radar
- template
- 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.)
- Pending
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种基于先验数据的高分辨三维点迹凝聚方法,属于雷达目标检测技术领域,具体过程为:通过雷达视频模拟器构建中高空邻近目标三维点迹的雷达视频投影数据仓。采用类似“等高线”的方式描述雷达视频数据在距离、方位和俯仰三个维度上的包络特征,特征包含极点幅度、极点个数、极点间梯度、极点雷达视频数据单元跨度。利用数据仓中的样本数据,形成邻近目标包络匹配模板。邻近目标根据多维索引查询对应的模板,利用具有相对性的特征数据完成包络多采样点的匹配。利用匹配的包络信息,完成对目标视频数据的分割,对分割后的视频数据进行距离凝聚和角度凝聚,形成目标三维点迹信息。
Description
技术领域
本发明属于雷达目标检测技术领域。
背景技术
雷达系统的主要任务就是判定目标是否存在,以及对多批次多目标进行精确的探测和跟踪,而回波数据的点迹提取是这一切任务实现的基础。性能良好的点迹提取系统能够精确有效地提取目标,这对于雷达系统的性能有着至关重要的意义。理想的目标回波在方位上应表现为雷达天线方向图的展宽,而在距离上则取决于信号处理机所采用的脉冲压缩波形。因此,回波信号经前端处理以后,一个目标可能在不同距离、不同方位和不同俯仰波束同时输出多个过门限的信号。通过三维点迹凝聚来解决如何确定目标真实的距离中心、方位中心和俯仰度的问题。
雷达在方位和俯仰上分辨目标的能力主要由方位和俯仰波束宽度决定。两个处于几乎同样距离上的相同目标A和B之间的间隔比波束宽度稍大一些。当波束扫过它们的时候,雷达先从目标A收到回波,然后从目标B收到回波。目标A和目标B在方位上容易分辨。如果同样两个目标的间隔小于波束宽度,当波束扫过它们的时候,雷达仍然是先从目标A收到回波,然后从目标B收到回波。但是在雷达停止从目标A接收回波之前,就开始从目标B接收回波了,因此,从两个目标来的回波就混在一起。在雷达工作中,在天线方向图调制和检测门限的影响下,实际的雷达角度分辨力比一个波束宽度要小。通常使用3dB波束宽度作为雷达角分辨力的度量(《机载雷达导论(第二版)》)。
不同雷达体制,目标回波形式与参数不同,目标点迹分辨与归并的准则也不相同,但基本的流程一样。在文献《三坐标雷达点迹提取系统的设计》(舰船电子对抗,2010,Vol.33,No.5pp:78-82)中提出了利用“距离上按峰值搜索、仰角和方位上求质量中心”准则的三坐标雷达点迹提取方法;文献《一种基于三坐标雷达的点迹凝聚方法》(雷达与对抗,2013,Vol.33,No.4pp:46-50)中提出了利用多个重复周期积累和统计学提高点迹真实可信度的方法;文献《目标积累检测与点迹凝聚技术研究》中对经过信号处理的雷达视频数据,首先进行距离上分辨与归并,然后进行方位上分辨与归并,最后利用质心法求出点迹的距离和角度信息。通常的点迹凝聚方法在凝聚过程中采用的都是无先验信息的连通归并处理,因此雷达方位角分辨力和中高空俯俯仰分辨力一般为大于等于2倍的3dB波束宽度,距离分辨力大于等于C/2B,C为光速,B为雷达等效带宽。雷达低空的俯俯仰通常会受到多径效应的干扰,与方位角的处理方式不同。
发明内容
传统点迹凝聚中通常采用的是无先验信息连通归并处理,受到目标回波混叠的限制,在天线方向图调制和检测门限的影响下,雷达方位角分辨力和中高空俯俯仰分辨力一般为大于等于2倍的3dB波束宽度,距离分辨力大于等于C/2B,C为光速,B为雷达等效带宽。为了提高雷达对临近目标的分辨能力,本发明通过雷达视频模拟器构建中高空邻近目标三维点迹的雷达视频投影数据仓。雷达视频数据经过脉压处理、方向图调制和检测门限过滤,在距离维、方位维和俯仰维通常具有类似sinc函数的包络特征,因此用“等高线”来描述投影在三个维度上的视频数据,包含极点幅度、极点个数、极点间梯度、极点雷达视频数据单元跨度。利用雷达视频投影数据仓中的样本数据,形成邻近目标包络匹配模板。雷达工作场景下,邻近目标根据多维索引查询对应的视频数据包络模板,利用具有相对性的特征数据完成包络多采样点的匹配。利用匹配的包络信息,完成对目标视频数据的分割,根据分割后的视频数据进行距离凝聚和角度凝聚,形成目标三维点迹信息。
本发明是通过以下技术方案实现的:对雷达回波视频进行“等高线”三维投影,与通过雷达视频模拟器建模方式构建的三维点迹数据库进行包络匹配,形成匹配关系的点迹后进行高分辨点迹凝聚处理。
进一步的,三维点迹数据库的建模方法为:步骤1:通过雷达视频模拟器构建中高空邻近目标三维点迹的雷达视频投影数据仓;步骤2:用“等高线”来描述投影在距离、方位和俯仰三个维度上的视频数据,包含极点幅度、极点个数、极点间梯度、极点间雷达视频数据单元跨度。步骤3:利用雷达视频投影数据仓中的样本数据,形成邻近目标在距离、方位和俯仰三个维度上的包络匹配模板。
进一步的,三维点迹数据库的维护方法为:通过雷达视频模拟器,按照雷达不同的工作方式进行分类,按照①邻近目标连线中心与雷达站址的距离段,②邻近目标方位邻近夹角,③邻近目标俯仰邻近夹角,④邻近目标距离邻近间距,进行组合,完成先验数据的生成。先验数据的存储采用多层索引嵌套的树型结构,多层索引树包含:①雷达工作方式->②邻近目标连线中心与雷达站址的距离->③邻近目标连线与雷达视线的夹角和邻近目标距离间距。先验数据按照索引存储在对应的位置,采用“压扁”处理的方法对三维先验数据进行数据压缩,获得距离维度、方位维度和俯仰维度的雷达视频投影数据,并提取其包络特征,具体包括:极点幅度A、极点个数M、极点梯度G、极点雷达视频数据单元跨度(CellNumS,CellNumE)。
进一步的,高分辨点迹凝聚处理方法为:步骤1:雷达工作场景下,当目标间位置小于雷达传统分辨力能力时,进行高分辨点迹凝聚处理;步骤2:通过多层索引树选择匹配的先验数据包络作为模板;步骤3:对截取的三维实测目标视频数据进行“压扁”投影获取三维包络;步骤4:对模板包络和实测包络进行匹配,匹配成功,根据模板包络的特征范围对三维实测目标视频数据进行分割,对分割后的三维实测目标视频数据分别进行常规三维凝聚,实现高分辨点迹凝聚处理;步骤5:匹配不成功,直接进行常规三维凝聚,并向上位机提示。
其中,匹配处理以滑窗的形式进行,匹配处理步骤如下:①极点搜索;②模板平移;③模板放缩;④多采样点匹配。步骤1:极点搜索:在极点搜索中,利用包络模板的极点个数M、极点梯度G极性以及极点雷达视频数据单元跨度进行搜索。由实际数据尺寸和样本数据尺寸的比例关系预估实际数据的极点分布,以投票表决的方式确定极点梯度G极性。实际数据在三个维度上的极点分布特性与模板一致,则匹配成功,反之匹配失败,退出高分辨点迹凝聚处理,进行常规三维点迹凝聚处理。极点被描述为:极点个数M、极点间梯度G:{P1(G+,G-),...,Pm(G+,G-)}极点雷达视频数据单元跨度:其中P1到Pm是极点个数,G+代表正梯度,G-代表负梯度,()中的正负梯度的前后次序代表这个极点的属性,是极大值还是极小值,CellNumS,CellNumE代表起始数据单元序号和终止数据单元序号;步骤2:模板平移:根据极点搜索的结果,采用滑窗的方式,精细化实际数据极点的起止范围。从模板包络上按照距离维由近及远,方位维由小及大,俯仰维由小及大的顺序,将模板包络上极点与实际数据的极点对齐,完成模板平移。模板包络平移过程中数据单元交叠的部分进行数值叠加,断裂的数据单元进行数值插值;步骤3:模板放缩:利用模板包络数据中的极点幅值A、极点两侧梯度P(G+,G-)、极点雷达视频数据单元跨度(CellNumS,CellNumE),计算模板包络数据在极点零点处的数值,利用实际数据的极点的幅度,按照模板包络数据中的极点两侧梯度,以模板包络数据中极点零点处数值为终止条件,计算该极点雷达视频数据单元跨度,完成对三个维度上模板包络的放大或者缩小;步骤4:多采样点匹配:采用多采样点匹配的方法进行包络一致性判断,为了在保证判断正确率的同时降低计算量,选取的采样点数量≥极点个数×4。一致性判断采用假设检验的方式实现。
本发明有益效果包括:
(1)数据压缩处理和包络多点匹配的方式与传统方法中“九宫格”遍历的方法相比,计算量降低50%,富余的时间资源等效于性能的提升空间;
(2)邻近目标在接近过程中,其回波的幅度和尺寸受到目标回波交叠、目标遮蔽和信噪比的影响,存在数值上的起伏。传统方法中点迹凝聚处理的判决准则固定,目标回波的起伏会造成目标虚警或者目标漏检。本发明的方法在匹配处理时,可以按照模型的数学特征进行动态调整,在同等目标漏检率的前提下,目标虚警率下降50%。经过模板匹配分割后的目标点迹在展宽和尺寸上有损失,但是其位置精度无损失;
(3)本发明的方法可以提高雷达对邻近目标的空间分辨力,角分辨力由≥2倍的3dB波束宽度提升至≥1倍的3dB波束宽度,距离分辨力由≥C/2B提升至≤C/2B。
附图说明
图1基于先验数据的高分辨三维点迹凝聚处理流程图;
图2仿真数据样本分类组合示意图;
图3多层索引树型结构图;
图4包络曲线的数学描述示意图;
图5匹配处理示意图。
具体实施方式
为了更好地理解本发明的技术方案,下面结合附图对本发明做进一步的详细说明。
本发明提出了一种基于先验数据的高分辨三维点迹凝聚方法,对雷达回波视频进行“等高线”三维投影,与通过雷达视频模拟器建模方式构建的三维点迹数据库进行包络匹配,形成匹配关系的点迹后进行高分辨点迹凝聚处理。本发明对邻近点目标的空间分辨力有提升,角分辨力由≥2倍的3dB波束宽度提升至≥1倍的3dB波束宽度,距离分辨力由≥C/2B提升至≤C/2B,与传统方法中“九宫格”遍历的方法相比,计算量能够降低50%,在同等目标漏检率的前提下,目标虚警率下降50%,凝聚出的点迹在位置精度上无损失。
本发明如图1所示,具体过程为:
先验数据的生成和维护:
(1)通过雷达视频模拟器,完成雷达分辨能力以下邻近目标的模拟。通过统计海目标和空目标产生回波交叠的场景,邻近目标个数N取2。邻近目标连线中心与雷达站址的距离R设为5km:25km:250km。邻近目标连线中心与雷达视线在距离-方位上投影的夹角θ设为5°:15°:360°。邻近目标连线中心与雷达视线在距离-俯仰上投影的夹角α设为5°:15°:360°。邻近目标做方位夹角仿真时目标之间相距d=R×2倍的3dB方位波束宽度,邻近目标做俯仰夹角仿真时目标之间相距d=R×2倍的3dB俯仰波束宽度,邻近目标做距离仿真时目标之间相距d=C/2B。仿真数据样本如图2所示;
(2)为了提高样本数据的管理效率和匹配处理时搜索效率以及系统实时性要求,将存储样本数据的数据设计成嵌套方式,多层索引包含:1雷达工作方式->2邻近目标连线中心与雷达站址的距离->3邻近目标连线与雷达视线的夹角和邻近目标距离间距,具体如图3所示;
(3)三维视频数据按照索引存储在对应的位置。为了获取距离维度、方位维度和俯仰维度上的数据包络,对三维视频数据采用平均或者取大的方式进行数据“压扁”处理,生成三个维度上的雷达视频投影数据,假设三维视频数据的截取范围为距离单元起止:d1-dl,方位单元起止:θ1-θn,俯仰单元起止:α1-αm则计算公式如下:
(4)提取雷达视频投影数据的幅度信息,形成视频投影数据包络。对多次仿真得到的包络曲线进行多次元平滑性拟合。对拟合后的包络曲线进行数学建模,将其描述为极点幅度A、极点个数M、极点梯度G、极点雷达视频数据单元跨度(CellNumS,CellNumE)。具体如图4所示。
高分辨点迹凝聚处理的详细过程:
(1)雷达工作场景下,当一个天线周期结束时,利用目标航迹位置信息包含距离、方位、俯仰和运动信息包含航向、航速以及更新时刻,预测下一次天线扫描时刻邻近目标间位置和雷达传统分辨力的关系。假设目标1,距离Dis1、方位Azi1、俯仰Ele1、航速XVelocity1、YVelocity1、ZVelocity1以及更新时刻T1,假设目标2,距离Dis2、方位Azi2、俯仰Ele2、航速XVelocity2、YVelocity2、ZVelocity2以及更新时刻T2。天线扫描周期△T,雷达传统分辨力设为距离分辨力△R、方位分辨力△θ、俯仰分辨力△α,计算公式如下:
若△Dis≤△R且△Azi≤△θ且△Ele≤△α,则进入高分辨点迹凝聚处理,反之进行常规三维点迹凝聚处理;
(2)根据雷达当前工作方式确定方式索引值,根据目标连线中心位置的距离信息Dis,计算距离索引值(Dis/25+1),根据目标方位连线与雷达视线的夹角β,计算邻近目标连线中心与雷达视线在距离-方位上投影的夹角索引值(β/10+1),根据目标方位连线与雷达视线的夹角γ,计算邻近目标连线中心与雷达视线在距离-俯仰上投影的夹角索引值(γ/10+1)。组合以上的各级索引值,确定邻近目标包络匹配模板;
(3)根据邻近目标的位置分布,按照距离单元起止:da-db,方位单元起止:θc-θd,俯仰单元起止:αe-αf截取邻近目标的三维视频数据,对三维视频数据进行数据“压缩”处理,生成三个维度上的雷达视频投影数据的包络,计算公式同“先验数据的生成和维护(3)”;
(4)对邻近目标的三维视频投影数据的包络与对应的邻近目标包络匹配模板进行匹配,匹配处理以滑窗的形式进行,匹配处理步骤如下:①极点搜索;②模板平移;③模板放缩;④多采样点匹配。
极点搜索:考虑实际场景中目标包络的峰值与信噪比有关,因此在极点搜索中,利用包络模板的极点个数M、极点梯度G极性以及极点雷达视频数据单元跨度进行搜索。将模板中的极点被描述为:
极点个数M、极点梯度G:{P1(G+,G_),...,Pm(G+,G_)}
其中P1到Pm是极点个数,G+代表正梯度,G_代表负梯度,()中的正负梯度的前后次序代表这个极点的属性,是极大值还是极小值,CellNumS,CellNumE代表起始数据单元序号和终止数据单元序号。
针对每一维视频投影数据的包络,根据截取的实际数据尺寸和样本数据尺寸生成比例关系,例如实际数据尺寸为8个数据单元,样本为10个数据单元,则比例尺为4:5,实际数据在前。根据模板的极点雷达视频数据单元跨度经过比例尺的放缩,得到实际数据的预期极点分布{△CellNumexpect_1,...,△CellNumexpect_m-1},在每段△CellNumexpect内计算相邻视频数据单元的极性,并进行投票表决,投票表决采用7:3准则,即用结果中数量超过70%的梯度极性作为该段△CellNumexpect的极性。实际数据在三个维度上的极点分布特性与模板一致,则匹配成功,反之匹配失败,退出高分辨点迹凝聚处理,进行常规三维点迹凝聚处理。
模板平移:根据①中极点搜索的结果,估算实际数据在三个维度上的极点位置范围,在每一个极点位置范围内采用滑窗的方式,精细化极点的起止范围,对起止范围内的数据单元对应的幅度值进行加权平均,确定当前极点的幅度和对应的数据单元序号。从模板包络上按照距离维由近及远,方位维由小及大,俯仰维由小及大的顺序,将模板包络上极点对应的波峰与实际数据在三个维度包络上极点对应的数据单元序号对齐,完成模板平移。平移过程中数据单元交叠的部分进行数值叠加,断裂的数据单元进行数值插值。
模板放缩:针对完成对齐之后的模板包络和实际数据包络,利用模板包络数据中的极点幅值A、极点两侧梯度P(G+,G_)、极点雷达视频数据单元跨度(CellNumS,CellNumE),计算模板包络数据中在极点零点处的数值,利用实际数据的极点的幅度,按照模板包络数据中的极点两侧梯度,以模板包络数据中极点零点处数值为终止条件,计算该极点雷达视频数据单元跨度,完成对模板包络的放大或者缩小。
多采样点匹配:针对放缩处理之后的模板包络和实际数据包络,采用多采样点匹配的方法进行包络一致性判断,为了在保证判断正确率的同时降低计算量,选取的采样点数量≥极点个数×4。一致性判断采用假设检验的方式进行,假设实际数据包络和放缩处理之后的模板包络的差值满足均值为0,标准差为σ0的正态分布,则对于每一个采样点,其判决公式如下:
假设:μ=μ0,σ=σ0
拒绝域:W={|U|>Zα/2}
通过假设检验,认定匹配成功,反之匹配失败,退出高分辨点迹凝聚处理,进行常规三维点迹凝聚处理。匹配成功的雷达视频数据,按照匹配时的模板包络形状分割提取对应距离单元、方位单元和俯仰单元内的实际雷达视频数据组成三维视频数据,对三维视频数据进行常规三维点迹凝聚处理。处理示意如图5所示。
Claims (5)
1.一种基于先验数据的高分辨三维点迹凝聚方法,其特征在于:对雷达回波视频进行“等高线”三维投影,与通过雷达视频模拟器建模方式构建的三维点迹样本进行包络匹配,形成匹配关系的点迹后进行高分辨点迹凝聚处理。
2.根据权利要求1所述的基于先验数据的高分辨三维点迹凝聚方法,其特征在于:所述三维点迹样本的建模方法包括:
步骤1:通过雷达视频模拟器构建中高空邻近目标三维点迹的雷达视频投影数据仓;
步骤2:用“等高线”来描述投影在距离、方位和俯仰三个维度上的视频数据,包含极点幅度、极点个数、极点间梯度、极点间雷达视频数据单元跨度;
步骤3:利用雷达视频投影数据仓中的样本数据,形成邻近目标在距离、方位和俯仰三个维度上的包络匹配模板。
3.根据权利要求2所述的基于先验数据的高分辨三维点迹凝聚方法,其特征在于:所述三维点迹的雷达视频投影数据仓构建方法包括:通过雷达视频模拟器,按照雷达不同的工作方式进行分类,按照①邻近目标连线中心与雷达站址的距离段,②邻近目标方位邻近夹角,③邻近目标俯仰邻近夹角,④邻近目标距离邻近间距进行组合,完成先验数据的生成;先验数据的存储采用多层索引嵌套的树型结构,多层索引树包含:①雷达工作方式->②邻近目标连线中心与雷达站址的距离->③邻近目标连线与雷达视线的夹角和邻近目标距离间距;先验数据按照索引存储在对应的位置,采用“压扁”处理的方法对三维先验数据进行数据压缩,获得距离维度、方位维度和俯仰维度的雷达视频投影数据,并提取其包络特征,包括极点幅度A、极点个数M、极点梯度G、极点雷达视频数据单元跨度(CellNumS,CellNumE)。
4.基于权利要求1所述的基于先验数据的高分辨三维点迹凝聚方法,其特征在于:所述高分辨点迹凝聚前的包络匹配以滑窗的形式进行,包括:
步骤1:极点搜索:在极点搜索中,利用包络模板的极点个数M、极点梯度G极性以及极点雷达视频数据单元跨度进行搜索;由实际数据尺寸和样本数据尺寸的比例关系预估实际数据的极点分布,以投票表决的方式确定极点梯度G极性;实际数据在三个维度上的极点分布特性与模板一致,则匹配成功,反之匹配失败,退出高分辨点迹凝聚处理,进行常规三维点迹凝聚处理;极点被描述为:极点个数M、极点间梯度G:{P1(G+,G-),...,Pm(G+,G-)}极点雷达视频数据单元跨度:其中P1到Pm是极点个数,G+代表正梯度,G-代表负梯度,()中的正负梯度的前后次序代表这个极点的属性,是极大值还是极小值,CellNumS,CellNumE代表起始数据单元序号和终止数据单元序号;
步骤2:模板平移:根据极点搜索的结果,采用滑窗的方式,精细化实际数据极点的起止范围;从模板包络上按照距离维由近及远,方位维由小及大,俯仰维由小及大的顺序,将模板包络上极点与实际数据的极点对齐,完成模板平移;模板包络平移过程中数据单元交叠的部分进行数值叠加,断裂的数据单元进行数值插值;
步骤3:模板放缩:利用模板包络数据中的极点幅值A、极点两侧梯度P(G+,G-)、极点雷达视频数据单元跨度(CellNumS,CellNumE),计算模板包络数据在极点零点处的数值,利用实际数据的极点的幅度,按照模板包络数据中的极点两侧梯度,以模板包络数据中极点零点处数值为终止条件,计算该极点雷达视频数据单元跨度,完成对三个维度上模板包络的放大或者缩小;
步骤4:多采样点匹配:采用多采样点匹配的方法进行包络一致性判断,为了在保证判断正确率的同时降低计算量,选取的采样点数量≥极点个数×4;一致性判断采用假设检验的方式实现。
5.基于权利要求1所述的基于先验数据的高分辨三维点迹凝聚方法,其特征在于:所述高分辨点迹凝聚处理包括:
步骤1:雷达工作场景下,当目标间位置小于雷达传统分辨力能力时,进行高分辨点迹凝聚处理;
步骤2:通过多层索引树选择匹配的先验数据包络作为模板;
步骤3:对截取的三维实测目标视频数据进行“压扁”投影获取三维包络;
步骤4:对模板包络和实测包络进行匹配,匹配成功,根据模板包络的特征范围对三维实测目标视频数据进行分割,对分割后的三维实测目标视频数据分别进行常规三维凝聚,实现高分辨点迹凝聚处理;
步骤5:匹配不成功,直接进行常规三维凝聚,并向上位机提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110751960.1A CN113466819A (zh) | 2021-07-02 | 2021-07-02 | 一种基于先验数据的高分辨三维点迹凝聚方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110751960.1A CN113466819A (zh) | 2021-07-02 | 2021-07-02 | 一种基于先验数据的高分辨三维点迹凝聚方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113466819A true CN113466819A (zh) | 2021-10-01 |
Family
ID=77877659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110751960.1A Pending CN113466819A (zh) | 2021-07-02 | 2021-07-02 | 一种基于先验数据的高分辨三维点迹凝聚方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113466819A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113820685A (zh) * | 2021-10-19 | 2021-12-21 | 中安锐达(北京)电子科技有限公司 | 一种基于扇块结构的一次点迹凝聚方法 |
-
2021
- 2021-07-02 CN CN202110751960.1A patent/CN113466819A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113820685A (zh) * | 2021-10-19 | 2021-12-21 | 中安锐达(北京)电子科技有限公司 | 一种基于扇块结构的一次点迹凝聚方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106842165B (zh) | 一种基于不同距离角度分辨率雷达集中式异步融合方法 | |
CN111239766B (zh) | 基于激光雷达的水面多目标快速识别跟踪方法 | |
CN107064902B (zh) | 一种用于机场场面监视雷达系统的目标凝聚方法 | |
CN106680798B (zh) | 一种机载lidar航带重叠区冗余辨识及消除方法 | |
Mou et al. | Marine target detection based on improved faster R-CNN for navigation radar PPI images | |
CN112051568B (zh) | 一种两坐标雷达的俯仰测角方法 | |
CN107576959B (zh) | 一种基于区域映射解模糊的高重频雷达目标检测前跟踪方法 | |
CN110007299B (zh) | 一种基于混合坐标伪谱技术的微弱目标检测跟踪方法 | |
CN107340516B (zh) | 基于多普勒速度的联合逻辑快速航迹起始方法 | |
CN108562885B (zh) | 一种高压输电线路机载LiDAR点云提取方法 | |
CN111220956B (zh) | 一种基于地理信息的机载雷达对海探测陆地目标剔除方法 | |
CN112130142A (zh) | 一种复杂运动目标微多普勒特征提取方法及系统 | |
CN110738275A (zh) | 基于ut-phd的多传感器序贯融合跟踪方法 | |
JPH0980146A (ja) | レーダ装置 | |
CN104569923A (zh) | 基于速度约束的Hough变换快速航迹起始方法 | |
CN110764083B (zh) | 毫米波雷达防入侵的数据融合方法及系统 | |
CN110412609B (zh) | 一种多脉冲激光雷达目标检测方法 | |
CN113466819A (zh) | 一种基于先验数据的高分辨三维点迹凝聚方法 | |
Guo et al. | KD-tree-based euclidean clustering for tomographic SAR point cloud extraction and segmentation | |
CN113295142B (zh) | 一种基于faro扫描仪和点云的地形扫描分析方法和装置 | |
CN114184256A (zh) | 一种多目标背景下的水位测量方法 | |
CN111929676A (zh) | 一种基于密度聚类的x波段雷达目标检测与跟踪方法 | |
CN109633678A (zh) | 大视场光电成像跟踪系统多约束条件航迹起始检测方法 | |
CN109031278A (zh) | 一种基于幅度的对海雷达多目标融合跟踪方法 | |
CN111723797B (zh) | 一种确定三维目标的包围框的方法及系统 |
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 | ||
CB02 | Change of applicant information |
Address after: 210003 No. 346, Zhongshan North Road, Jiangsu, Nanjing Applicant after: 724 Research Institute of China Shipbuilding Corp. Address before: 210003 No. 346, Zhongshan North Road, Jiangsu, Nanjing Applicant before: 724TH RESEARCH INSTITUTE OF CHINA SHIPBUILDING INDUSTRY Corp. |
|
CB02 | Change of applicant information |