CN113805179A - 一种机载气象雷达目标的三维建模方法 - Google Patents

Abstract

本发明设计了一种机载气象雷达目标的三维建模方法，对机载毫米波气象雷达探测的气象目标的三维点云数据进行三维表面建模。方法先对气象目标的三维点云提取外轮廓点；再对外轮廓点进行法向量估计，获得拥有法向量信息的气象目标的外轮廓点；最后使用表面重建算法对气象目标的数据进行三维表面建模。本发明得到的气象目标的三维表面模型结果轮廓清晰，表面细节特征明显，能够反映气象目标的空间外形特征。

Description

一种机载气象雷达目标的三维建模方法

技术领域

本发明涉及气象雷达数据处理领域，具体涉及一种机载气象雷达目标的三维建模方法。

背景技术

机载气象雷达的主要功能是探测飞机航路前方及左右扇形区域内的天气状况，以便帮助飞行员选择安全的航线避绕各种危险的气象区域，对保障飞行安全有着积极意义。然而，气象雷达原始数据繁冗，难以从中直接发现规律。使用先进的可视化技术能使某一时刻气象目标的分布和形态变得形象直观，将气象数据转换为易于观察的图形或图像，能够提升飞行员对复杂气象状况的快速研判能力。

现有技术可以从气象雷达的回波信号中恢复测量出属于冰雹和强降水云团等气象目标的三维点云数据。然而，目前许多气象数据可视化研究都是基于地面气象雷达基站，对于机载气象雷达数据可视化的研究较少。与地基雷达相比，机载气象雷达以飞机为运载平台，在飞行中观测更具灵活性，可以从新的视角揭示天气信息。但是机载雷达数据由于动态观测的特点，获得的气象点云噪声更加严重，俯仰观测角的范围也相对狭窄。

传统的机载气象回波数据的可视化大多局限在二维平面上，只能反映某一个切面的气象分布情况。平面可视化时一般采用不同的色标来表示雷达目标的大小和方向，比如平面位置显示器(Plan Position Indicator，PPI)和距离高度显示器(Range HeightIndicator，RHI)等。事实上，雷达回波发生在三维空间内，仅显示二维信息会使得体扫描数据展现不充分，无法直观地了解雷达回波细节和目标空间分布情况等。对气象目标进行三维结构的可视乎显示，有助于飞行员掌握气象目标的全局信息，可更有效地分析出整个回波中降水、湍流或雷暴等目标的轮廓和云内部分布情况。

气象雷达回波数据可视化中，单凭二维回波强度，难以对气象目标进行准确地研究分析，具有一定的局限性。目前对于机载气象雷达数据三维可视化的研究较少。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：如何实现对机载气象雷达探测的气象目标进行三维可表面建模，服务于可视乎。

(二)技术方案

为了解决上述技术问题，本发明提供了一种机载气象雷达目标的三维建模方法，包括以下步骤如：

步骤S1、机载气象雷达向处理器输入气象目标的点云数据，利用外轮廓提取算法，提取气象目标的点云的外轮廓点；

步骤S2、根据提取的气象目标的外轮廓点，利用法向量估计算法进行法向量估计；

步骤S3、将拥有法向量的气象目标的外轮廓点作为输入数据，利用三维表面重建算法对气象目标的点云进行三维表面重建。

优选地，步骤S1中，所述的外轮廓提取算法使用α-shape算法，包括以下步骤：

步骤S1.1、设输入点云为Q，对其建立空间索引，空间索引采用k-D树，从Q中任选一点p，计算其k近邻平均距离，作为参数α的值；在点集Q中搜索到距离p点2α内的所有点，记为点集Q₁；

步骤S1.2、选取Q₁中任意两点q和r，根据p、q、r三点的坐标和α，计算过三点且半径为α的球的球心坐标o和o′；

步骤S1.3、在点集Q₁中除去q和r点后，计算其他点分别到o和o′的距离，记为d和d′，若d和d′中有一个集合的距离均＞α，则表明p、q、r是边缘轮廓点，三点构成边界三角形；反之，则表明p、q、r不是边界点；执行下一步；

步骤S1.4、选择点集Q₁中的下一组点，依照步骤S1.1、步骤S1.2和步骤S1.3进行判断，直到遍历完点集Q₁中的所有点；

步骤S1.5、选择Q中的下一个点，重复步骤S1.1、步骤S1.2、步骤S1.3和步骤S1.4进行判断，直到遍历完点集Q中的所有点；所有循环步骤S1.3中的p、q、r边缘轮廓点组成了外轮廓点S_α。

优选地，步骤S2中，所述的法向量估计采用主元分析法，主元分析法简称PCA算法，步骤为：

步骤S2.1、对外轮廓点S_α的每一个点p，获得其k邻域点集{p₁，p₂，...，p_k}，根据总体最小二乘原理，计算出这些点所拟合的局部平面∏，其表述方程如下。其中，d为平面∏到坐标原点的距离，n为平面∏的法向量；

步骤S2.2、平面∏过k个相邻点的质心

且平面∏的法向量n应满足模为1，对下式中协方差矩阵M进行特征值分解，M的最小特征值对应的特征向量即可作为p的法向量；

步骤S2.3、对法向量进行方向一致性处理，可以根据视点方向进行调整，假设视点v_p，对于法线n_i需满足下式，若不满足方程，则n_i用-n_i代替：

(v_p-p_i)·n_i＞0

步骤S2.4、对气象目标的点云的外轮廓点中的每一个点，按照步骤S2.1、步骤S2.2和步骤S2.3计算其法向量，得到拥有法向量的外轮廓点。

优选地，步骤S3中，所述的三维表面重建算法使用泊松重建算法，包括以下步骤：

步骤S3.1、对样本点数据集S，使用样本点的位置定义八叉树θ，θ的最大深度为D。给θ的每个节点o，附加一个描述函数F₀。设定基函数F，F作为盒滤波的n维卷积，如下式。F₀可以通过基函数平移缩放生成，其中o.c表示节点o对应的包围盒的中心，o.w表示节点o对应的包围盒的宽度；

F(x，y，z)≡(B(x)B(y)B(z))^*n，

步骤S3.2、计算向量场。为了提高子节点的精度，使用三线性插值法将采样点扩展到8个最邻近的节点，生成向量场

其中，N_D(s)为靠近样本点s.p的最邻近八个深度为D的节点集合，α_o.s是三线性插值的加权系数；

步骤S3.3、求解泊松问题。向量空间

和指示函数χ满足

利用散度算子建立泊松方程

并采用拉普拉斯矩阵迭代方式对该方程进行解算χ；

步骤S3.4、构造等值面。首先选择一个等值γ，γ对应的等值面应尽可能包含多的输入的样本点。利用样本点的位置估计标量函数

使用其平均值来提取等值面

获取

的过程即为重建表面的过程。

步骤S3.5、结合等值面上的点，使用移动立方体算法，提取三角形的网格，实现气象目标点云的三维表面建模。

(三)有益效果

本发明采用以上技术方案，对气象目标进行三维表面重建，重建结果可以清楚地反映气象目标的轮廓信息，直观地展示气象目标在三维空间中的分布情况，为机载导航系统提供可视化模型数据支撑。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1本发明的方法流程图；

图2机载气象雷达探测的气象目标的点云分布；

图3 α-shape算法流程图；

图4主元分析法流程图；

图5泊松表面重建算法流程图；

图6气象目标的表面重建结果示意图。

具体实施方式

为使本发明的目的、内容、和优点更加清楚，下面结合实施例，对本发明的具体实施方式作进一步详细描述。

结合附图对本发明作更进一步的说明。参见图1，本发明提供了一种机载气象雷达目标的三维建模方法，实施步骤如下：

1、数据输入，载入气象目标点云初始数据。初始气象雷达数据是经过地杂波抑制等质量控制后，提取的气象目标点云，将点云文件转换为符合算法接口的文件格式，进行文件解析判断，得到气象目标数据点云，如图2所示。

2、外轮廓点获取。输入气象目标点云数据Q，利用k-D树计算每个点的k近邻平均距离，以该距离作为α值，通过动态的α，得到点云数据的α-shape表面，进而提取外轮廓点集S_α＝{p₁，p₂，...，p_n}。算法过程参见图3。步骤如下：

(ss1.1)输入点云为Q，对其建立空间索引k-D树，从Q中任选一点p，计算其k近邻平均距离，作为参数α的值。在点集Q中搜索到距离p点2α内的所有点，记为点集Q₁；

(ss1.2)从Q₁中选取任意两点q和r，根据p、q、r三点的坐标和半径α，计算过三点且半径为α的球的球心坐标o和o′；

(ss1.3)在点集Q₁中除去q和r点后，计算其他点分别到o和o′的距离，记为d和d′，若d和d′中有一个集合的距离均＞α，则表明p、q、r是边缘轮廓点，三点构成边界三角形。反之，则表明p、q、r不是边界点。执行下一步；

(ss1.4)选择点集Q₁中的下一组点，依照步骤(ss1.1)、步骤(ss1.2)和(ss1.3)进行判断，直到遍历完点集Q₁中的所有点；

(ss1.5)选择Q中的下一个点，重复上述流程进行判断，直到遍历完点集Q中的所有点。输出所有在步骤(ss1.3)中构建三角形的点，获得外轮廓点集S_α＝{p₁，p₂，...，p_n}。

3、法向量估计。输入气象目标点云外轮廓的点集S_α＝{p₁，p₂，...，p_n}，利用PCA来进行法向量估计，得到包含法向量信息的点云集合S＝{s₁，s₂，...，s_n}，其中每个样本点s都存在一个点坐标s.p和对应法向量s.n。算法过程参见图4。步骤如下：

(ss2.1)对点云中的每一个点p，获得其k邻域点集{p₁，p₂，...，p_k}，根据总体最小二乘原理，计算出这些点所拟合的局部平面∏，其表述方程如下。其中，d为平面∏到坐标原点的距离，n为平面∏的法向量；

(ss2.2)平面∏过k个相邻点的质心

且平面∏的法向量n应满足模为1。因此问题转化为对下式中协方差矩阵M进行特征值分解，利用SVD分解求M的最小特征值对应的特征向量，即为p的法向量；

(ss2.3)根据视点方向对法向量进行调整。视点设为v_p，对于法线n_i需满足下式，若不满足方程，则n_i用-n_i代替。

(v_p-p_i)·n_i＞0

4、表面重建。输入拥有法向量的气象目标点云外轮廓数据S＝{s₁，s₂，...，s_n}，利用泊松重建算法，设置八叉树深度值为6，得到气象目标点云的三维表面。算法过程参见图5。步骤如下：

(ss3.1)离散化问题。对样本点数据集S，使用样本点的位置定义八叉树θ，θ的最大深度为D，D为6。给θ的每个节点o，附加一个描述函数F₀。设定基函数F，F作为盒滤波的n维卷积，如下式。F₀可以通过基函数平移缩放生成，其中o.c表示节点o对应的包围盒的中心，o.w表示节点o对应的包围盒的宽度；

F(x，y，z)≡(B(x)B(y)B(z))^*n，

(ss3.2)计算向量场。为了提高子节点的精度，使用三线性插值法将采样点扩展到8个最邻近的节点，生成向量场

其中，N_D(s)为靠近样本点s.p的最邻近八个深度为D的节点集合，α_o.s是三线性插值的加权系数；

(ss3.3)求解泊松问题。向量空间

和指示函数χ满足

利用散度算子建立泊松方程

并采用拉普拉斯矩阵迭代方式对该方程进行解算χ；

(ss3.4)构造等值面。首先选择一个等值γ，γ对应的等值面应尽可能包含多的输入的样本点。利用样本点的位置估计标量函数

使用其平均值来提取等值面

获取

的过程即为重建表面的过程。如图6，得到气象目标的三维模型。

(ss3.5)提取三角形的网格。结合等值面上的点，使用移动立方体算法，提取三角形的网格，实现气象目标点云的三维表面建模，重建结果示例见图6。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (4)

1.一种机载气象雷达目标的三维建模方法，其特征在于，针对机载气象雷达探测的气象目标的三维点云数据，进行三维表面建模，包括以下步骤：

步骤1.1、输入气象目标点云数据，利用外轮廓提取算法提取气象目标的外轮廓点；

步骤1.2、利用法向量估计算法对所述的气象目标的外轮廓点进行法向量估计；

步骤1.3、输入拥有法向量的外轮廓点，利用三维表面重建算法对机载气象目标进行三维表面建模，得到三维表面模型。

2.如权利要求1所述的方法，其特征在于，步骤1.1中，外轮廓提取算法采用α-shape算法，使用动态α值来重建α-shape表面，得到气象目标的外轮廓点，α-shape算法步骤为：

步骤2.1、设输入点云为Q，对其建立空间索引，从Q中任选一点p，计算其k近邻平均距离，作为参数α的值，在点集Q中搜索到距离p点2α内的所有点，记为点集Q₁；

步骤2.2、选取Q₁中任意两点q和r，根据p、q、r三点的坐标和α，计算过三点且半径为α的球的球心坐标o和o′；

步骤2.3、在点集Q₁中除去q和r点后，计算其它点分别到o和o′的距离，记为d和d′，若d和d′中有一个集合的距离均＞α，则表明p、q、r是边缘轮廓点，三点构成边界三角形，反之，则表明p、q、r不是边界点，执行下一步；

步骤2.4、选择点集Q₁中的下一组点，依照步骤2.1、步骤2.2和步骤2.3进行判断，直到遍历完点集Q₁中的所有点；

步骤2.5、选择Q中的下一个点，循环步骤2.1、步骤2.2、步骤2.3和步骤2.4进行判断，直到遍历完点集Q中的所有点，所有循环步骤2.3中的p、q、r边缘轮廓点组成了外轮廓点S_α。

3.如权利要求1所述的方法，其特征在于，步骤1.2中，所述的法向量估计采用主元分析法，步骤为：对点云中的每一个点p，获得其邻域点的集和，用主元分析法计算出由集和点拟合的局部平面∏，平面∏的法向量n作为p的法向量；逐点操作，得到拥有法向量的外轮廓点。

4.如权利要求1所述的方法，其特征在于，步骤1.3中，三维表面建模使用泊松重建算法，包括以下步骤：

步骤4.1、对拥有法向量的外轮廓点S_α，定义八叉树θ，给θ的每个节点o附加一个描述函数F₀，根据函数F₀，将S_α所在的空间构造生成向量场

步骤4.2、利用散度算子建立泊松方程，用拉普拉斯矩阵迭代方式对泊松方程进行解算；

步骤4.3、根据泊松方程的解，在向量场

中找到等值面，使用移动立方体算法，提取三角形的网格，实现气象目标点云的三维表面建模。

Images