CN114089370A - 一种雷达回波视频数据矢量化的处理方法、系统及设备 - Google Patents

一种雷达回波视频数据矢量化的处理方法、系统及设备 Download PDF

Info

Publication number
CN114089370A
CN114089370A CN202111359347.1A CN202111359347A CN114089370A CN 114089370 A CN114089370 A CN 114089370A CN 202111359347 A CN202111359347 A CN 202111359347A CN 114089370 A CN114089370 A CN 114089370A
Authority
CN
China
Prior art keywords
polygon
data segment
data
variable
ending
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
Application number
CN202111359347.1A
Other languages
English (en)
Inventor
刘志勇
李刚
詹剑峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Haihua Electronics Enterprise China Corp
Original Assignee
Haihua Electronics Enterprise China Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Haihua Electronics Enterprise China Corp filed Critical Haihua Electronics Enterprise China Corp
Priority to CN202111359347.1A priority Critical patent/CN114089370A/zh
Publication of CN114089370A publication Critical patent/CN114089370A/zh
Pending legal-status Critical Current

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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种雷达回波视频数据矢量化的处理方法、系统及设备，该方法包括下述步骤：计算出视频门限，对视频数据二值化处理后进行拆分和拼接，查找每一方位的数据段，存储数据段开始像素和结束像素，连续多个方位上的数据段构成多边形；将各个多边形的最新数据段与当前方位数据段集合进行数据交集判断，若存在交集，将当前方位数据段拼接到对应的多边形上，若不存在交集，将当前方位数据段存储至已完成的多边形集合中；遍历整个雷达视频方位数据；对多边形进行轮廓分析，查找每个多边形的拐点；计算多边形每个拐点的经纬度；采用经纬度方式传输并进行多雷达视频融合。本发明降低数据量并有效地解决了现有的雷达图像视频矢量化延时的问题。

Description

一种雷达回波视频数据矢量化的处理方法、系统及设备
技术领域
本发明涉及雷达视频数据处理技术领域，具体涉及一种雷达回波视频数据矢量化的处理方法、系统及设备。
背景技术
在VTS船舶交通管理系统中，雷达回波视频数据是显示系统中很重要的一部分，也是数据量最大的。单部雷达原始数据占用带宽约为5Mbyte/秒，一般VTS系统由多部雷达构成，少则一两部，多则二十多部，雷达回波视频数据传输的成本很高，对VTS系统的影响很大。因此对雷达回波视频数据进行矢量化具有很重要的意义。
雷达视频数据包含正确的船舶、航标、海岸线等有用的数据，同时也包含了海浪、雨雪等杂波数据，雷达视频二维数据是指方位和距离数据，方位是0到360度，距离则是像素点。例如，方位90度，距离100，假如雷达的分辨率为5.4米，则这个数据点则代表，在雷达90度方向，100*5.4米的位置的回波强度。
目前，国内外研究学者和专家对雷达视频矢量化的理论和方法有大量的研究。主要方法包括：基于回波强度处理，由256阶强度，降低为16阶、8阶强度；基于回波轮廓处理方法，对雷达图像进行数据分层处理。分析采集到的雷达图像数据格式，根据雷达图像数据的灰度值进行分层处理，研究边缘检测方法，选取Canny算子进行边缘检测并对轮廓进行跟踪，最后对特征点进行图元拟合形成多个闭合的多边形。现有的矢量化技术大部分是需要在视频数据扫描完一圈，形成图像之后才能处理，一般雷达扫描一圈所用的时间为2.5秒，存在延时的问题。
发明内容
为了克服现有技术存在的缺陷与不足，本发明提供一种雷达回波视频数据矢量化的处理方法，本发明是边扫描边处理，有效地解决延时的问题；同时，本发明矢量化数据量很低，压缩比高达90％以上，解决了大量的视频数据网络传输的难题，针对具有视频灰度值的数据，进行有效的、快速的处理，降低数据量。
本发明的第二目的在于提供一种雷达回波视频数据矢量化的处理系统；
本发明的第三目的在于提供一种计算设备。
为了达到上述目的，本发明采用以下技术方案：
本发明提供一种雷达回波视频数据矢量化的处理方法，包括下述步骤：
基于雷达滤波计算出视频门限，对二维视频数据进行二值化处理；
将二值化处理后的数据进行拆分和拼接，查找每一方位的数据段，同时存储数据段的开始像素和结束像素，连续多个方位上的数据段构成多边形，并存储至未完成的多边形集合中；
将未完成的多边形集合中各个多边形的最新数据段与当前方位数据段集合进行数据交集判断，若存在交集，将当前方位数据段拼接到对应的多边形上，若不存在交集，将当前方位数据段存储至已完成的多边形集合中；
遍历完整个雷达视频方位数据，将未完成的多边形集合中的多边形转移存储至已完成的多边形集合中；
对完成的多边形集合中的多边形进行轮廓分析，查找每个多边形的拐点；
基于雷达安装位置的经纬度，计算出多边形每个拐点的经纬度；
将二维视频数据矢量成多个多边形，采用经纬度方式传输，进行多雷达视频融合。
作为优选的技术方案，遍历到方位上有新的数据段，上一方位对应位置没有数据时，判定为出现新的回波目标，将所述新的数据段存储至未完成的多边形集合中的新的多边形；
当下一方位没有数据段时，判定为拼接结束，将数据段存储至已完成的多边形集合中的多边形。
作为优选的技术方案，所述将未完成的多边形集合中各个多边形的最新数据段与当前方位数据段集合进行数据交集判断，具体步骤包括：
当前方位数据段集合中与未完成的多边形集合中各个多边形的最新数据段中均有单个数据段相交时，判定为回波目标连续，将当前方位数据段存入未完成的多边形集合中的多边形中。
作为优选的技术方案，所述将未完成的多边形集合中各个多边形的最新数据段与当前方位数据段集合进行数据交集判断，具体步骤包括：
当前方位数据段集合中有多个数据段均与单个多边形有交集时，判定为回波图像断开；
所述数据段的数据结构体中，存储方位序号变量、开始变量、第一结束点变量和第二结束点变量；
所述第一结束点变量的值为数据段的结束像素值，所述第二结束点变量初始值为零；
当前方位数据段集合中的末尾数据段的结束像素值小于或等于多边形数据段的结束像素值时，修改当前方位数据段集合中的起始数据段的第二结束点变量值，修改为末尾数据段的第一结束点变量的值，同时修改多边形数据段的第一结束点变量值和第二结束点变量值，分别修改为当前方位数据段集合中的末尾数据段的第二结束点变量的值、多边形数据段的第一结束点变量的值；
当前方位数据段集合中的末尾数据段的结束像素值大于多边形数据段的结束像素值时，修改当前方位数据段集合中的起始数据段的第二结束点变量值，修改为多边形数据段的第一结束点变量的值；
修改后当前方位数据段集合中的起始数据段的第二结束点变量后，将起始数据段存入多边形，其余的作为新的多边形存入未完成的多边形集合中。
作为优选的技术方案，所述将未完成的多边形集合中各个多边形的最新数据段与当前方位数据段集合进行数据交集判断，具体步骤包括：
当前方位数据段集合中有单个数据段与多个多边形均有交集时，判定为回波图像合并；
所述数据段的数据结构体中，存储方位序号变量、开始变量、第一结束点变量和第二结束点变量；
第一多边形最新数据段的第二结束点变量值修改为第一多边形最新数据段的第一结束点变量的值，所述第一多边形最新数据段的第一结束点变量值修改为当前方位数据段集合中单个数据段的第一结束点变量的值。
作为优选的技术方案，所述查找每个多边形的拐点，具体步骤包括：
当多边形有一个数据段时，将多边形丢弃；
当多边形有两个数据段时，将两个数据段的开始和结束像素点作为拐点；
当多边形有两个以上的数据段时，第一个数据段的开始像素点存入左边的拐点集合变量Rl，结束像素点存入右边拐点集合变量Rr，遍历后面的数据段，计算数据段的开始像素的斜率，如果斜率发生变化，则存入左边的拐点集合变量Rl，计算数据段的结束像素，如果斜率发生变化，则存入右边拐点集合变量Rr，直至所有的数据段都遍历完成，将两个拐点集合连接成一个多边形。
作为优选的技术方案，所述斜率计算方式为：
Figure BDA0003358442110000041
其中，k表示斜率，y2、y1分别表示相邻两个位置，x2、x1分别表示相邻两个方位。
作为优选的技术方案，所述查找每个多边形的拐点，具体步骤包括：
当多边形有一个数据段时，将多边形丢弃；
当多边形有两个数据段时，将两个数据段的开始和结束像素点作为拐点；
当多边形有两个以上的数据段时，第一个数据段的开始像素点存入左边的拐点集合变量Rl，结束像素点存入右边拐点集合变量Rr，遍历后面的数据段，计算数据段的开始像素的斜率，如果斜率发生变化或者数据段的第二结束点变量大于零，则存入左边的拐点集合变量Rl，计算数据段的结束像素，如果斜率发生变化或者数据段的第二结束点变量大于零，则存入右边拐点集合变量Rr，
若数据段的第二结束点变量大于零，将当前数据段的第一结束点变量和第二结束点变量均存入拐点集合中；
直至所有的数据段都遍历完成，将两个拐点集合连接成一个多边形。
为了达到上述第二目的，本发明采用以下技术方案：
一种雷达回波视频数据矢量化的处理系统，包括：
视频门限计算模块、二值化处理模块、拆分和拼接模块、数据遍历模块、轮廓分析模块、经纬度计算模块和输出模块；
所述视频门限计算模块用于基于雷达滤波计算出视频门限；
所述二值化处理模块用于对二维视频数据进行二值化处理；
所述拆分和拼接模块用于将二值化处理后的数据进行拆分和拼接，查找每一方位的数据段，同时存储数据段的开始像素和结束像素，连续多个方位上的数据段构成多边形，并存储至未完成的多边形集合中；
将未完成的多边形集合中各个多边形的最新数据段与当前方位数据段集合进行数据交集判断，若存在交集，将当前方位数据段拼接到对应的多边形上，若不存在交集，将当前方位数据段存储至已完成的多边形集合中；
所述数据遍历模块用于遍历完整个雷达视频方位数据，将未完成的多边形集合中的多边形转移存储至已完成的多边形集合中；
所述轮廓分析模块用于对完成的多边形集合中的多边形进行轮廓分析，查找每个多边形的拐点；
所述经纬度计算模块用于基于雷达安装位置的经纬度，计算出多边形每个拐点的经纬度；
所述输出模块用于将二维视频数据矢量成多个多边形，采用经纬度方式传输，进行多雷达视频融合。
为了达到上述第三目的，本发明采用以下技术方案：
一种计算设备，包括处理器和用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述雷达回波视频数据矢量化的处理方法。
本发明与现有技术相比，具有如下优点和有益效果：
(1)本发明针对具有视频灰度值的数据，进行有效的、快速的处理，降低数据量。
(2)本发明采用边扫描边计算的技术方案，有效地解决了现有的雷达图像视频矢量化延时的问题，达到了更优的实时显示效果。
(3)本发明采用现有的雷达数据进行处理，在保证视频不失真的情况下，矢量化数据压缩率高达90％以上，解决了传统的雷达视频网络传输的难题。
(4)本发明通过设置EndIndex2参数，如果EndIndex2大于0，代表当前点是多数据段的交集点，因此必定是一个拐点，则将当前的EndIndex和EndIndex2都存入拐点集合中，从而解决图像还原绘制中出现的尖刺问题。
附图说明
图1为本发明雷达回波视频数据矢量化的处理方法的流程示意图；
图2为本发明雷达回波视频二维数据示意图；
图3为本发明数据拼接逻辑场景一(拼接结束)示意图；
图4为本发明数据拼接逻辑场景二(新的多边形)示意图；
图5为本发明数据拼接逻辑场景三(1对1拼接)示意图；
图6为本发明数据拼接逻辑场景四(多对1拼接)示意图；
图7为本发明数据拼接逻辑场景五(1对多拼接)示意图；
图8为本发明计算拐点逻辑场景一(两个数据)示意图；
图9为本发明计算拐点逻辑场景二(多个数据)示意图；
图10为某款雷达杂波较少的原始视频图像；
图11为利用图10的原始视频数据进行矢量化并还原之后的视频图像；
图12为某款雷达杂波较多的原始视频图像；
图13为利用图12的原始视频数据进行矢量化并还原之后的视频图像；
图14为本发明利用拐点进行还原绘制时出现的尖刺示意图；
图15为利用EndIndex2解决尖刺问题的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例1
如图1所示，本实施例提供一种雷达回波视频数据矢量化的处理方法，适合雷达视频数据按方位扫描的特性，可边扫描边计算，具体包括下述步骤：
S1：利用滤波技术计算出视频门限，对二维视频数据进行二值化处理；
S11：基于雷达滤波计算出视频门限λ；
S12：利用雷达按方位扫描的特性，待某个方位上数据更新后，可对该方位进行二值化，如果数据点的值大于视频门限λ，则修改对应的值为1，否则设置为0，如图2所示，遍历完成后得到二维数据，本实施例雷达为2048个方位，4096个数据点；
S2：二值化数据进行拆分和拼接，遍历二维视频数据，查找每一方位的有效数据段，并与上一方位的多边形进行拼接；
利用图像的特征，每一行的有效数据段与上一行在列上总有交集。本实施例利用这个特征进行后续的拆分和拼接，按照方位进行遍历，分析每个方位上的有效数据段，同时存储数据段的开始像素和结束像素。
S21：找出某一个方位上的有效数据段集合，得到一个数据段集合R，如公式(1)：
[(n1s,n1e),(n2s,n2e)...,(nms,nme)](1)
上式中表示某一个方位上多个有效的数据段，在同一个方位上，距离像素点连续两个或两个以上为“1”即为有效数据段，(n1s,n1e)表示第n个方位，第1个数据段的开始像素“s”和结束像素“e”，(nms,nme)表示第n个方位，第m个数据段的开始像素“s”和结束像素“e”；
数据段采用的数据结构体为：
Figure BDA0003358442110000081
其中EndIndex2是计算拐点时需要使用的变量，用于解决图像尖刺问题，在当前的查找数据段步骤中，EndIndex2固定为0，后续在场景四和场景五中，再根据具体情况赋值；
如图3的第2个方位，只有一个数据段，其中RowIndex等于2，StartIndex等于3，EndIndex等于8，EndIndex2等于0。
S22：按照步骤S21的方法，查找整个雷达视频的第一个方位数据段集合R1。由于第1个方位是整个视频图像的开始位置，因此数据段都是多边形的边缘，每个数据段都可认为是各自多边形的开始位置。将这些数据段存入未完成的多边形集合M1中(即该多边形的下一个方位还存在数据段交集)，如公式(2)。
M1＝[p1,p2,...pn](2)
其中P＝[l1,l2,...,ln](3)
每个多边形P由连续多个方位上的数据段l组成。
S23：同样是按照步骤S21，先找出下一方位的数据段集合Rn，然后遍历集合Rn下所有的数据段，按照以下的逻辑进行拼接：
为了方便描述，采用以下符号定义：
ln：某个数据段；
Rn：某个方位的数据段集合；
Pn：某个多边形；
M1：未完成拼接的多边形集合，集合中每个多边形均可能与下一个方位的数据段进行拼接，从而不断延伸；
M2：已完成拼接的多边形集合；
整体的拼接逻辑为：将“未完成的多边形集合M1中各个多边形Pn的最新数据段”与“当前方位数据段集合Rn”进行数据交集判断，如果有交集，则认为当前多边形还会继续延伸，将Rn中的数据段ln分别拼接到对应的Pn上；如果没有交集，则认为当前多边形已经结束，存入M2中。
经过分析，可能出现以下场景(这几个场景为遍历到某一个方位后可能出现的情况)：
场景一：“拼接结束”，下一方位没有数据段，将数据段存入已完成的多边形列表中；
图中行表示方位，列表示距离像素点。(本实施例后面的场景采用相同的表示方法)。
遍历图3的方位1，没有有效数据段，M1为空；
遍历图3的方位2，有一个数据段(3,8)，数据存入P1，同时将P1存入M1；
遍历图3的方位3，有一个数据段(5,7)，与M1的P1有重叠，因此将这个数据段存入P1；
遍历图3的方位4，有一个数据段(5,7)，与M1的P1有重叠，因此将这个数据段存入P1，此时P1＝[(3,8),(5,7),(5,7)]；
遍历图3的方位5，没有有效数据段，因此，M1的P1没有重叠部分，需要将P1移到已完成的多边形集合M2中。
场景一就是遍历方位5，所需要处理的情况。
场景二：“新的多边形”，如图4所示，遍历到方位2时有新的数据段，上一方位对应位置没有数据，则将这个数据段存入P1，同时P1将存入中M1；
对于方位1，像素3到像素8之间，没有有效数据，但是下一方位2，像素3到像素8存在有效数据，这是第二种场景“有新的数据段”，表示出现新的回波目标。
场景三：“1对1拼接”，如图5所示，遍历到方位3时，与方位2有数据段有交集，将方位3的数据段存入多边形P1中，此时P1＝[(3,8),(5,7)]；
对于方位2，有效数据段为像素3到像素8，它的下一方位3，存在像素5到像素7的重叠部分，这是第三种场景“单个数据段相交”，表示回波目标连续。
场景四：“多对1拼接”，如图6所示，遍历到方位3时，查找出2个数据段，(2,4)和(7,9)，此时M1中有多边形P1，其中P1的最新数据段为(3,8)。方位3的这两个数据段均与多边形P1有交集，这就是第四种场景，表示回波图像中间断开。
如：-------------P1(l0)-----------
----l1--------l2------l3---
说明：多边形P1的最新数据段l0，(示例的“--”长度代表数据段的长度)，该示例表示l0与l1，l2，l3均有交集，l2在l0的内部，l1的StartIndex小于l0的StartIndex，l3的EndIndex大于l0的EndIndex。
处理逻辑：对于数据段l1，修改l1的EndIndex2字段：
Figure BDA0003358442110000111
如果没有l3，则EndIndex2等于数据段l2的EndIndex，同时修改l0，l0的EndIndex2等于l0的EndIndex，l0的EndIndex等于l2的EndIndex2；如果有l3，则EndIndex2等于l0的EndIndex，有没有l3的主要区别是l0的EndIndex与下一个数据段的EndIndex的大小不同。这样修改的目的是延长l1的EndIndex，与l0有垂直点。修改完l1后，将l1存入P1；对于l2和l3，则当成新的多边形P2和P3，存入M1中。
“尖刺”问题的来源：在进行还原绘制时，由于是将多个点按照直线进行连接，因此，当两个点的行和列没有重复的时候，就会出现一个三角形(参考图14所示)，这些三角形最后形成大大小小的尖刺。
EndIndex2的原理：是为了增加一个新的垂直于EndIndex的点，在进行绘制时，总是按照正方形的方式绘制，尽量避免出现三角形区域。
场景五：“1对多拼接”，如图7所示，遍历到方位5时，查找出一个数据段l1(3,9)，此时M1中应该有P1和P2，数据段l1与这两个多边形均有交集，这就是第五种场景，表示回波图像合并。
如：------P1(l10)-------------P2(l20)------
------------l1------------
说明：多边形P1的最新数据段l10，多边形P2的最新数据段l20，(示例的“--”长度代表数据段的长度)，该示例表示l1与l10，l20均有交集，l1的StartIndex小于l10的StartIndex，l1的EndIndex小于l20的EndIndex。
处理逻辑：对于多边形p1，修改p1的数据段l10：l10的EndIndex2等于l10的EndIndex，l10的EndIndex等于l1的EndIndex。这样修改的目的：延长l10的EndIndex，与l1的EndIndex垂直，然后l1存入p1中，而多边形p2则移到已完成的集合M2中。
S24：按照S23的方法，遍历完整个雷达视频方位数据，可得到一个完整的多边形集合M2和一个未完成的多边形集合M1。因为已经遍历到最后一个方位，后面不会再有数据段，因此，将M1的多边形都移到M2中。最终可得到一个完整的多边形集合M2。
S3：对多边形进行轮廓分析，逐一处理集合中的多边形，查找出每个多边形的拐点。
拐点的数据结构体为：
Figure BDA0003358442110000121
处理逻辑如下：
场景一：如图8所示，如果多边形只有2个数据段，则将2个数据段的开始和结束像素点当成是4个拐点。如果多边形只有1个数据段，一条直线无法形成面，因此将这个多边形丢弃，这个场景一般是属于杂波。
场景二：如图9所示，对于大于2个数据段的情况，先定义左边的拐点集合变量Rl和右边拐点集合变量Rr。第一个数据段的开始像素点存入Rl，结束像素点存入Rr。遍历后面的数据段，计算数据段的开始像素的斜率，如果斜率发生变化，则存入Rl；同理，计算数据段的结束像素，如果斜率发生变化(或者EndIndex2大于0)，则存入Rr。直至所有的数据段都遍历完成，将两个拐点集合连接成一个多边形。
其中，斜率的计算方法为：
Figure BDA0003358442110000131
(其中x为方位，y为位置)
根据以上的公式，要判断斜率是否发生变化，则需判断上一方位、当前方位、下一方位，共3个方位的数据段。首先计算上一方位和当前方位的斜率值。本实施例用图3举例，假如当前判断的是方位3,数据段为(5,7)，判断像素5和7是否为拐点，。
计算方位3的开始像素3的斜率：
Figure BDA0003358442110000132
(上一方位和当前方位开始像素的斜率)
Figure BDA0003358442110000133
(当前方位和下一方位开始像素的斜率)
k2≠k1，斜率发生变化，因此判断出当前方位3的开始像素是拐点，存入Rl集合中。
同理可计算方位3的结束像素7的斜率：
Figure BDA0003358442110000134
(上一方位和当前方位结束像素的斜率)
Figure BDA0003358442110000141
(当前方位和下一方位结束像素的斜率)
k3≠k4，因此判断出当前方位3的结束像素也是拐点，存入Rr集合中。
图9中，遍历完多边形之后，Rl存储的拐点为{1,2,3,4}；Rr存储的拐点为{8,7,6,5}，Rl采用顺序，Rr采用倒序，将多边形的拐点存储起来，这种拼接顺序在VTS系统进行视频还原时，可方便绘制。
处理“尖刺”问题的方法：尖刺是由于一个非正规图像，被人为的拆成多个多边形，在还原绘制时出现部分空的区域。如图14所示。原始图像，经过以上的流程计算，可得到6个拐点，在还原绘制时，绘制出6条闭合线。因此就出现一个三角形区域，形成了“尖刺”。为了解决这个问题，本实施案例采用了EndIndex2参数，具体的计算方法参考步骤S23的场景四和合场景五。如果EndIndex2大于0，代表当前点是多数据段的交集点，因此必定是一个拐点。则将当前的EndIndex和EndIndex2都存入拐点集合中。效果参考图15所示。
S4：计算多边形的经纬度：
得到多边形的拐点集合后，利用雷达安装位置的经纬度，计算出多边形每个拐点的经纬度。
步骤1：根据拐点的方位和像素点，计算出拐点相对雷达的角度α和距离γ。
其中
Figure BDA0003358442110000142
Figure BDA0003358442110000143
步骤2：利用WGS84椭球模型大地主题公式进行计算，可得到某一个拐点的经纬度；
输入雷达安装位置的经纬度、目标拐点方位角(度)、目标拐点距离(海里)即可得出目标拐点经纬度。
示例如下：
int locateOnRhumb(double lat0,double lon0,double brg,double dist,double*lat1,double*lon1)
*@param lat0:【输入】雷达安装位置的纬度
*@param lon0:【输入】雷达安装位置的经度
*@param brg:【输入】目标拐点方位角(度)
*@param dist:【输入】目标拐点距离(海里)
*@param lat1:【输出】目标拐点纬度
*@param lon1:【输出】目标拐点经度
遍历多边形所有拐点，利用以上公式，从而得到多边形各个拐点的经纬度。
S5：多雷达回波视频合并：经过处理后的视频数据以经纬度方式传输，方便VTS进行多雷达视频融合。
经过前面的步骤，可以将单个雷达的视频矢量成多个多边形。每个多边形的拐点用经纬度表示。VTS系统在绘制第一部雷达视频时，在海图上对应的经纬度位置绘制多个拐点，然后形成多边形回波视频。采用同样的方法，可以绘制多部雷达的回波视频，由于拐点是采用物理的经纬度表示，对于同一目标，多雷达最终转换成的拐点经纬度理论上是相同的，因此可以有效的解决多雷达视频融合的问题。
本实施例是基于2048个方位，每个方位4096个数据点的雷达视频数据进行处理。原始数据为2048*4096(Byte)＝8388608(Byte)。
情况1：基于原始雷达回波视频(回波视频较清晰)，如图10所示：
首先经过滤波，再经过矢量化过程，最后生成270个多边形，共2804个拐点。由于每个拐点由经纬度组成，因此一个拐点需要8Byte数据表示(4Byte经度，4Byte纬度)。上面的回波视频矢量化之后的数据量为2804*8＝22432(Byte)，为原来数据量的22432/8388608＝0.26％。压缩率高达99％。如图11所示，经过还原之后形成最终的还原图像。
情况2：基于较为复杂的雷达回波视频(杂波较多)，如图12所示；
经过滤波，矢量化之后，形成3731个多边形，共35757个拐点。数据量为35757*8＝286056(Byte)，为原来数据的286056/4194304等于3.4％。
如图13所示，经过还原之后，形成最终的还原图像。
综上，本发明的雷达回波视频数据矢量化的处理方法对数据压缩具有很好的效果。
实施例2
本实施例提供一种雷达回波视频数据矢量化的处理系统，包括：
视频门限计算模块、二值化处理模块、拆分和拼接模块、数据遍历模块、轮廓分析模块、经纬度计算模块和输出模块；
在本实施例中，视频门限计算模块用于基于雷达滤波计算出视频门限；
在本实施例中，二值化处理模块用于对二维视频数据进行二值化处理；
在本实施例中，拆分和拼接模块用于将二值化处理后的数据进行拆分和拼接，查找每一方位的数据段，同时存储数据段的开始像素和结束像素，连续多个方位上的数据段构成多边形，并存储至未完成的多边形集合中；
将未完成的多边形集合中各个多边形的最新数据段与当前方位数据段集合进行数据交集判断，若存在交集，将当前方位数据段拼接到对应的多边形上，若不存在交集，将当前方位数据段存储至已完成的多边形集合中；
在本实施例中，数据遍历模块用于遍历完整个雷达视频方位数据，将未完成的多边形集合中的多边形转移存储至已完成的多边形集合中；
在本实施例中，轮廓分析模块用于对完成的多边形集合中的多边形进行轮廓分析，查找每个多边形的拐点；
在本实施例中，经纬度计算模块用于基于雷达安装位置的经纬度，计算出多边形每个拐点的经纬度；
在本实施例中，输出模块用于将二维视频数据矢量成多个多边形，采用经纬度方式传输，进行多雷达视频融合。
实施例3
本实施例提供一种计算设备，该计算设备可以是台式电脑、笔记本电脑、智能手机、PDA手持终端、平板电脑或其他具有显示功能的终端设备，该计算设备包括处理器和存储器，存储器存储有一个或多个程序，处理器执行存储器存储的程序时，实现实施例1的雷达回波视频数据矢量化的处理方法。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (10)

1.一种雷达回波视频数据矢量化的处理方法，其特征在于，包括下述步骤：
基于雷达滤波计算出视频门限，对二维视频数据进行二值化处理；
将二值化处理后的数据进行拆分和拼接，查找每一方位的数据段，同时存储数据段的开始像素和结束像素，连续多个方位上的数据段构成多边形，并存储至未完成的多边形集合中；
将未完成的多边形集合中各个多边形的最新数据段与当前方位数据段集合进行数据交集判断，若存在交集，将当前方位数据段拼接到对应的多边形上，若不存在交集，将当前方位数据段存储至已完成的多边形集合中；
遍历完整个雷达视频方位数据，将未完成的多边形集合中的多边形转移存储至已完成的多边形集合中；
对完成的多边形集合中的多边形进行轮廓分析，查找每个多边形的拐点；
基于雷达安装位置的经纬度，计算出多边形每个拐点的经纬度；
将二维视频数据矢量成多个多边形，采用经纬度方式传输，进行多雷达视频融合。
2.根据权利要求1所述的雷达回波视频数据矢量化的处理方法，其特征在于，遍历到方位上有新的数据段，上一方位对应位置没有数据时，判定为出现新的回波目标，将所述新的数据段存储至未完成的多边形集合中的新的多边形；
当下一方位没有数据段时，判定为拼接结束，将数据段存储至已完成的多边形集合中的多边形。
3.根据权利要求1所述的雷达回波视频数据矢量化的处理方法，其特征在于，所述将未完成的多边形集合中各个多边形的最新数据段与当前方位数据段集合进行数据交集判断，具体步骤包括：
当前方位数据段集合中与未完成的多边形集合中各个多边形的最新数据段中均有单个数据段相交时，判定为回波目标连续，将当前方位数据段存入未完成的多边形集合中的多边形中。
4.根据权利要求1所述的雷达回波视频数据矢量化的处理方法，其特征在于，所述将未完成的多边形集合中各个多边形的最新数据段与当前方位数据段集合进行数据交集判断，具体步骤包括：
当前方位数据段集合中有多个数据段均与单个多边形有交集时，判定为回波图像断开；
所述数据段的数据结构体中，存储方位序号变量、开始变量、第一结束点变量和第二结束点变量；
所述第一结束点变量的值为数据段的结束像素值，所述第二结束点变量初始值为零；
当前方位数据段集合中的末尾数据段的结束像素值小于或等于多边形数据段的结束像素值时，修改当前方位数据段集合中的起始数据段的第二结束点变量值，修改为末尾数据段的第一结束点变量的值，同时修改多边形数据段的第一结束点变量值和第二结束点变量值，分别修改为当前方位数据段集合中的末尾数据段的第二结束点变量的值、多边形数据段的第一结束点变量的值；
当前方位数据段集合中的末尾数据段的结束像素值大于多边形数据段的结束像素值时，修改当前方位数据段集合中的起始数据段的第二结束点变量值，修改为多边形数据段的第一结束点变量的值；
修改后当前方位数据段集合中的起始数据段的第二结束点变量后，将起始数据段存入多边形，其余的作为新的多边形存入未完成的多边形集合中。
5.根据权利要求1所述的雷达回波视频数据矢量化的处理方法，其特征在于，所述将未完成的多边形集合中各个多边形的最新数据段与当前方位数据段集合进行数据交集判断，具体步骤包括：
当前方位数据段集合中有单个数据段与多个多边形均有交集时，判定为回波图像合并；
所述数据段的数据结构体中，存储方位序号变量、开始变量、第一结束点变量和第二结束点变量；
第一多边形最新数据段的第二结束点变量值修改为第一多边形最新数据段的第一结束点变量的值，所述第一多边形最新数据段的第一结束点变量值修改为当前方位数据段集合中单个数据段的第一结束点变量的值。
6.根据权利要求1所述的雷达回波视频数据矢量化的处理方法，其特征在于，所述查找每个多边形的拐点，具体步骤包括：
当多边形有一个数据段时，将多边形丢弃；
当多边形有两个数据段时，将两个数据段的开始和结束像素点作为拐点；
当多边形有两个以上的数据段时，第一个数据段的开始像素点存入左边的拐点集合变量Rl，结束像素点存入右边拐点集合变量Rr，遍历后面的数据段，计算数据段的开始像素的斜率，如果斜率发生变化，则存入左边的拐点集合变量Rl，计算数据段的结束像素，如果斜率发生变化，则存入右边拐点集合变量Rr，直至所有的数据段都遍历完成，将两个拐点集合连接成一个多边形。
7.根据权利要求6所述的雷达回波视频数据矢量化的处理方法，其特征在于，所述斜率计算方式为：
Figure FDA0003358442100000031
其中，k表示斜率，y2、y1分别表示相邻两个位置，x2、x1分别表示相邻两个方位。
8.根据权利要求4-5任一项所述的雷达回波视频数据矢量化的处理方法，其特征在于，所述查找每个多边形的拐点，具体步骤包括：
当多边形有一个数据段时，将多边形丢弃；
当多边形有两个数据段时，将两个数据段的开始和结束像素点作为拐点；
当多边形有两个以上的数据段时，第一个数据段的开始像素点存入左边的拐点集合变量Rl，结束像素点存入右边拐点集合变量Rr，遍历后面的数据段，计算数据段的开始像素的斜率，如果斜率发生变化或者数据段的第二结束点变量大于零，则存入左边的拐点集合变量Rl，计算数据段的结束像素，如果斜率发生变化或者数据段的第二结束点变量大于零，则存入右边拐点集合变量Rr，
若数据段的第二结束点变量大于零，将当前数据段的第一结束点变量和第二结束点变量均存入拐点集合中；
直至所有的数据段都遍历完成，将两个拐点集合连接成一个多边形。
9.一种雷达回波视频数据矢量化的处理系统，其特征在于，包括：
视频门限计算模块、二值化处理模块、拆分和拼接模块、数据遍历模块、轮廓分析模块、经纬度计算模块和输出模块；
所述视频门限计算模块用于基于雷达滤波计算出视频门限；
所述二值化处理模块用于对二维视频数据进行二值化处理；
所述拆分和拼接模块用于将二值化处理后的数据进行拆分和拼接，查找每一方位的数据段，同时存储数据段的开始像素和结束像素，连续多个方位上的数据段构成多边形，并存储至未完成的多边形集合中；
将未完成的多边形集合中各个多边形的最新数据段与当前方位数据段集合进行数据交集判断，若存在交集，将当前方位数据段拼接到对应的多边形上，若不存在交集，将当前方位数据段存储至已完成的多边形集合中；
所述数据遍历模块用于遍历完整个雷达视频方位数据，将未完成的多边形集合中的多边形转移存储至已完成的多边形集合中；
所述轮廓分析模块用于对完成的多边形集合中的多边形进行轮廓分析，查找每个多边形的拐点；
所述经纬度计算模块用于基于雷达安装位置的经纬度，计算出多边形每个拐点的经纬度；
所述输出模块用于将二维视频数据矢量成多个多边形，采用经纬度方式传输，进行多雷达视频融合。
10.一种计算设备，包括处理器和用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时，实现如权利要求1-8任一项所述雷达回波视频数据矢量化的处理方法。
CN202111359347.1A 2021-11-17 2021-11-17 一种雷达回波视频数据矢量化的处理方法、系统及设备 Pending CN114089370A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111359347.1A CN114089370A (zh) 2021-11-17 2021-11-17 一种雷达回波视频数据矢量化的处理方法、系统及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111359347.1A CN114089370A (zh) 2021-11-17 2021-11-17 一种雷达回波视频数据矢量化的处理方法、系统及设备

Publications (1)

Publication Number Publication Date
CN114089370A true CN114089370A (zh) 2022-02-25

Family

ID=80301100

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111359347.1A Pending CN114089370A (zh) 2021-11-17 2021-11-17 一种雷达回波视频数据矢量化的处理方法、系统及设备

Country Status (1)

Country Link
CN (1) CN114089370A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115630191A (zh) * 2022-12-22 2023-01-20 成都纵横自动化技术股份有限公司 基于全动态视频的时空数据集检索方法、装置及存储介质
CN116389855A (zh) * 2023-06-01 2023-07-04 旷智中科(北京)技术有限公司 基于ocr的视频标签方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115630191A (zh) * 2022-12-22 2023-01-20 成都纵横自动化技术股份有限公司 基于全动态视频的时空数据集检索方法、装置及存储介质
CN115630191B (zh) * 2022-12-22 2023-03-28 成都纵横自动化技术股份有限公司 基于全动态视频的时空数据集检索方法、装置及存储介质
CN116389855A (zh) * 2023-06-01 2023-07-04 旷智中科(北京)技术有限公司 基于ocr的视频标签方法

Similar Documents

Publication Publication Date Title
de Queiroz Mendes et al. On deep learning techniques to boost monocular depth estimation for autonomous navigation
CN114089370A (zh) 一种雷达回波视频数据矢量化的处理方法、系统及设备
CN109712071B (zh) 基于航迹约束的无人机图像拼接与定位方法
CN104156968A (zh) 大面积地形复杂区域无人机序列影像快速无缝拼接方法
EP4060458A1 (en) Gesture recognition method and apparatus, and storage medium
CN109934857B (zh) 一种基于卷积神经网络与orb特征的回环检测方法
CN111127538A (zh) 一种基于卷积循环编码-解码结构的多视影像三维重建方法
Zhang et al. Channel attention in LiDAR-camera fusion for lane line segmentation
CN109711242A (zh) 车道线的修正方法、装置和存储介质
CN115331029A (zh) 基于跨模态转换网络与最优传输理论的异源图像匹配方法
Li et al. Vehicle object detection based on rgb-camera and radar sensor fusion
CN113421217A (zh) 可行驶区域检测方法和装置
CN114266879A (zh) 三维数据增强、模型训练检测方法、设备及自动驾驶车辆
CN117789028A (zh) 一种基于大核卷积与方向条带卷积的遥感影像道路提取方法、系统、设备及介质
CN106780577B (zh) 一种基于组特征的直线匹配方法
CN116879886A (zh) 一种微变监测雷达分级连通滑坡面预警方法
CN110211164B (zh) 基于神经网络学习基础图形的特征点算子的图片处理方法
CN108805896B (zh) 一种应用于城市环境的距离图像分割方法
Liu et al. Road mapping in LiDAR images using a joint-task dense dilated convolutions merging network
CN116188249A (zh) 基于图像块三阶段匹配的遥感图像配准方法
CN110378253B (zh) 一种基于轻量化神经网络的实时关键点检测方法
CN111462195A (zh) 基于主线约束的非规则角度方向代价聚合路径确定方法
CN114612519B (zh) 基于双模板特征融合的孪生网络目标跟踪方法
CN114677380B (zh) 一种基于多样化交互的视频对象分割方法及系统
CN114926655B (zh) 地理与视觉跨模态预训练模型的训练方法、位置确定方法

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