激光雷达场景三维姿态点法向量估计方法

激光成像雷达能够获取反映目标三维空间位置的点云数据,可直接估计目标三维姿态角,是完成特征提取、目标配准等工作的重要参数。实现场景的三维姿态估计,借鉴基于点法向量的三维姿态估计算法（PDVA）,针对真实场景中表征场景坐标系（SCS）坐标轴的正方向向量偏差较大的问题,提出了一种优化的三维姿态估计算法（OPDVA）。该方法利用场景点云存在大面积近似平面区域的特点,通过随机抽样一致算法（RANdom SAmple Consensus,RANSAC）的平面模型对聚类中其他方向的点法向量进行滤除,得到最优拟合平面对应的法向量即为修正后的SCS坐标轴。利用旋转变换和重采样等技术手段,分别采用矩形包围盒法、PDVA和OPDVA对3组真实场景距离像进行实验。实验结果表明:OPDVA方法对场景的姿态估计明显优于其他两种方法,姿态估计误差不超过4°,对存在遮挡的场景也同样适用。     

基于激光雷达距离像的目标3D姿态估计

在激光雷达目标识别中,目标姿态的精确估计可以有效地简化识别过程.现有的PDVA算法主要是针对地面结构化目标而提出的一种3D目标姿态估计方法.该方法利用模型坐标系(MCS)各个坐标轴的正方向向量来确定目标的三维姿态角,其有效性通过实验得到了验证.但该方法在确定MCS各坐标轴的正方向向量时,所消耗的时间比较多,影响了算法的执行效率.文中提出了一种改进的PDVA算法,利用聚类中心邻域判别CCND法来加速MCS各坐标轴的正方向向量的确定过程.采用四种地面军用车模型目标进行了仿真实验,实验结果显示,改进的PDVA算法的平均运行时间约占PDVA算法的66%,极大地提高了目标3D姿态估计的执行效率.     

超分辨率面阵激光雷达的动目标姿态估计

提出一种基于新型成像传感器——电子倍增电荷耦合器件的超分辨率偏振调制三维成像系统。利用低带宽电光调制器作为亚纳秒级高速快门,实现三维成像系统时间(距离)分辨能力。该系统只需要采集一帧原始数据,就可以从灰度图像中重建深度信息,实现动态成像。基于该系统结构提出多维数据融合求解目标位姿的方法,并通过试验验证了方法的可行性。实验结果表明,对距离激光雷达1km外的目标进行测量,其位移精度小于3cm,位姿角误差小于3°。     

一种新的近场源三维参数联合估计算法

本文研究近场源距离、频率和到达角(DOA)三维参数的联合估计问题，并提出一种计算有效的新算法。该算法利用特征值及相应的特征矢量估计信号参数，不需要谱峰搜索且各参数自动配对。此外，新算法使用四阶累积量，因此适用于任意的加性高斯噪声环境。计算机仿真证实了所提算法的有效性。     

一种雷达目标形状识别算法研究

针对超宽带雷达信号的高空间分辨力和宽频谱特性,提出了一种基于雷达目标形状识别的算法,并结合该算法给出了硬件电路实现的原理框图。     

激光雷达一维距离像的目标识别算法研究

本文针对复杂背景下激光雷达一维距离像的目标识别,提出了利用最小二乘估计器和线性滑动窗口构造滤波器的算法。根据目标本身形态的总体尺度范围特征设定滤波窗口,很好地实现了对目标的识别过程。给出了该算法的设计思路和算法流程图,分析和优化了算法的时间复杂度,并列出了算法在不同距离上的目标识别概率。算法的时间复杂度分析和模拟实验结果表明,该算法目标识别的正确率可以达到89%以上,能够很好满足实时条件下的目标识别要求。     

基于视觉的非合作空间目标三维姿态估计方法

基于视觉的非合作空间目标3维姿态估计,关键在于建立观测图像与目标模型的特征关联。当前方法往往通过采用复杂的多维特征、产生候选关联结果的方式确保特征关联的准确性,难以兼顾算法效率。为解决以上问题,该文提出一种结合深度学习技术的姿态估计方法,首先通过深度神经网络得到姿态初值,然后基于姿态初值建立图像和目标模型之间的特征关联,进而求解目标姿态。所提方法中,深度神经网络提供了稳定的姿态初值,缩小了特征关联的候选空间;在姿态初值的支撑下采取了更为高效的特征提取与匹配方法。仿真实验表明,该文方法相比于现有方法更好地兼顾了算法准确率和效率。     

机载激光雷达动态图像的姿态修正

机载激光雷达是为飞行员提供的前视系统,目的是满足直升机环境适应性.由于激光雷达的发射和接收装置加装于直升机前机身的下方,直升机飞行过程中的转弯、拉起、俯冲等动作会引起激光雷达图像的姿态变化,同时产生图形的变形.因此,显示的图像不利于飞行员短时间内对前方危险障碍物做出反应.通过分析激光雷达成像的特点,考虑形成图像的每个像素的角度信息,严格按照角度和像素的关系对图像做伸缩、旋转等变化,最终可以解决图像失真问题.     

一种基于地球重力场和磁场的姿态估计新算法

本文分析了基于地球重力场和磁场矢量观测进行姿态测量的算法存在的不足,提出了一种新的基于四元数的递推优化估计算法,算法本身内蕴保证了四元数估计值具有单位长度,在结合载体动态实现递推估计的同时,消除了现有递推算法中要求准确已知当地地磁矢量的限制,并可同步提供载体姿态的角速率信息.仿真结果表明了所提算法可以明显地提高测量精度.     

基于边沿方向特征的地面时敏目标识别方法

地面时敏目标机动性强,目标姿态无法准确预知导致识别出现困难。传统SIFT特征对旋转、尺度、光照等畸变有很好的抑制作用,但是其只能在较小的视角变换范围内起作用,当视角变换较大时SIFT识别率较低。针对此问题,提出了一种基于边沿方向特征的地面时敏目标识别方法。首先利用积分图像及Haar小波模板计算图像梯度场,以模值极大值点作为特征点;然后将满足距离约束的两点组合成为特征点对,利用互相校验的方法,增强了特征点对的独特性;最后将梯度方向作为匹配依据,实现目标识别。实验结果表明,给出的识别方法具有可行性和有效性,可以在大角度视角变化中保持稳定,在45°范围内均能实现目标的正确识别,具有较强的鲁棒性,优于SIFT算法。     

采用投影轮廓特征的激光雷达快速目标识别

激光雷达可以获得目标的三维形状信息,已成为目标识别领域新的研究热点。针对传统匹配识别算法计算量大的问题,提出了一种快速的激光雷达目标识别方法。采用由粗到精的策略,提出了一种新的点云正交投影轮廓特征(PCF)实现模型的快速预选,在此基础上利用迭代最近点(ICP)算法将目标与模型点云精确匹配,并综合利用特征匹配和点云匹配信息构建相似性度量实现目标识别。采用25类地面装甲目标在96个不同视角下的点云数据进行实验,结果表明该算法的运算效率远优于逐一匹配法,且对目标姿态估计误差和目标遮挡具有很强的稳健性,具有较好的综合性能和应用推广价值。     

一种综合考虑目标检测与估计的波形设计方法

讨论了在综合考虑目标检测与估计性能的条件下,雷达发射波形的优化设计问题.由于衡量目标检测与估计性能的直接指标是信噪比(SNR)和互信息(MI),文中采用将SNR作为约束条件下最大化MI的准则,通过引入发射信号的自相关序列将优化目标转发为凸优化问题,进而优化设计发射波形.仿真实验的结果表明,利用该方法所设计的波形能够满足输出SNR约束(对于目标检测性能)且同时能够最大化MI(对应目标估计性能).     

逆合成孔径成像激光雷达微多普勒效应分析及特征提取

 研究了基于逆合成孔径成像激光雷达的目标微多普勒效应,分析了激光信号高载频和大带宽对目标微动点一维距离像的影响,在此基础上建立了相应的微多普勒特征参数方程并讨论了快时间对微多普勒效应的影响.针对逆合成孔径成像激光雷达系统目标微多普勒效应的特点,提出了一种结合二值数学形态学腐蚀膨胀运算和推广Hough变换的目标微多普勒特征提取方法.仿真实验验证了文中微多普勒效应理论分析和微多普勒特征提取算法的正确性,并证明了逆合成孔径成像激光雷达对厘米或毫米量级微动观测的有效性.     

基于双视角距离像序列的空间锥体目标参数估计方法

空间锥体目标在自由段是典型的微动目标。该文研究了基于双视角距离像的空间锥体目标参数估计方法,估计的目标参数包括进动参数和结构参数。首先分析了雷达俯仰角在空间锥体目标自由段的变化情况,并且利用建立的目标进动模型,得到了目标散射中心在雷达视线(RLOS)上的投影方程。然后基于双视角下的距离像序列推导出目标参数的解析解,并引入弹道信息来解决半锥角的估计对信噪比(SNR)要求较高的问题。最后利用电磁计算数据验证了方法的有效性。     

A New Method for Target Recognition

1　Introduction　SinceZadeh[1] establishedfuzzysettheoryin 196 5 ,fuzzysetmakesgreatachievementintheoryandapplica tion[2～ 5] .Becausethereexistintrinsicfuzzinessinpat ternrecognition ,usingfuzzysettopatternrecognitionacquiregreatsuccess.Toexplainthedifferentandrela tionbetweenfuzzysetandprobabilitytheory ,Zadeh[6 ]introducedpossibilitytheoryin 1978.Possibilitytheoryhadbeenusedinfuzzyreason ,fuzzycontrolandexpertsystem[7～ 9] .Applingpossibilitytheoryto patternrecognitionisattemptedbyHalland…     

一种新的基于稀疏表示的宽带信号DOA估计方法

该文提出一种基于稀疏表示的宽带信号波达方向(DOA)估计方法,解决稀疏表示方法在宽带信号DOA估计中由于基矩阵维数过大而使算法存储量和重构计算量大的问题。用单一频点的基矩阵代替频率和角度联合构建的基矩阵,使基矩阵的列数仅相当于一个频点处冗余基矩阵的列数,大大降低了稀疏重构方法的存储量和计算量。该方法首先对各频点的频域数据进行聚焦处理,将不同频率的数据堆叠到参考频率上并建立参考频率处的基矩阵,然后建立聚焦后的稀疏表示模型进行DOA估计,并采用奇异值分解进一步降低算法的运算量,最后给出残差门限的选择方法。该算法不仅适用于非相关信号,也可直接处理相关信号而不需要任何的去相关运算,且具有高的检测概率和估计精度,仿真实验和分析验证了该方法的有效性。     

地面红外目标图像识别方法研究

红外成像自动目标识别是精确制导武器的重要研究内容.针对地面复杂背景条件下,目标难以检测识别的问题,在分析地面目标红外图像场景的基础上,首先利用形态学技术对图像进行去噪和抑制背景,采用Otsu法对图像进行阈值分割并用形态学技术消除虚警目标点,用扩展像素标记法对图像进行区域标记,然后提取目标形状、矩和统计分布三类特征作为识别特征,并采用模糊综合评判方法识别目标.对实地拍摄的100幅坦克目标红外图像进行了识别实验,结果表明,该方法在坦克的典型作战环境下具有较强的抗噪性能和抑制背景结构干扰的能力,能有效识别出目标,并且易于用并行处理和硬件实现.     

一种新颖的DOA估计算法

子空间类波达方向(Direction Of Arrival, DOA)估计算法的关键在于得到高质量的信号子空间估计。该文利用矩阵伪逆的双正交性,针对源信号不相关而其本身是色信号的情况,给出了一种新颖的DOA估计算法,它不需要知道噪声统计特性。该算法利用一组空时相关矩阵的结构化信息,能稳健而精确地估计出信号子空间,从而得到DOA的精确估计。仿真实验证实了所给算法的有效性。