李瑞偉, 李立剛, 金久才, 劉德慶, 李方旭, 戴永壽

基于歐氏距離的無人艇載毫米波雷達(dá)點跡凝聚方法

李瑞偉1, 李立剛2*, 金久才3, 劉德慶3, 李方旭2, 戴永壽2

(1. 中國石油大學(xué)(華東) 控制科學(xué)與工程學(xué)院, 山東 青島, 266580; 2. 中國石油大學(xué)(華東) 海洋與空間信息學(xué)院, 山東 青島, 266580; 3. 自然資源部第一海洋研究所, 山東 青島, 266061)

毫米波雷達(dá)在工作中會存在虛警和目標(biāo)點跡分裂等問題。當(dāng)前多數(shù)研究均通過處理雷達(dá)回波, 根據(jù)波形特征降低虛警, 但結(jié)果中仍存在無效點跡; 通過依次比較點跡距離和角度等多維信息判斷其是否屬于同一目標(biāo), 方法過程較為繁瑣, 且表示目標(biāo)狀態(tài)常用的質(zhì)心法不夠準(zhǔn)確。因此文中提出一種基于歐氏距離的點跡凝聚方法, 通過對雷達(dá)點跡數(shù)據(jù)進(jìn)行處理解決了虛警和目標(biāo)點跡分裂問題。首先, 結(jié)合雷達(dá)回波強(qiáng)度和有效檢測范圍等先驗知識, 采用閾值濾波法去除無效點跡。然后, 依據(jù)“屬于同一個目標(biāo)的點跡速度相同、距離相近”這一規(guī)律, 通過歐氏距離度量點跡間的信息相似度, 實現(xiàn)目標(biāo)點跡聚類。最后, 計算障礙目標(biāo)的位置和截面寬度等信息, 以矩形危險區(qū)域表示障礙目標(biāo)所屬范圍, 從而實現(xiàn)無人艇前方障礙目標(biāo)的準(zhǔn)確檢測。實船試驗驗證了文中方法的有效性。

無人艇; 毫米波雷達(dá); 障礙目標(biāo)檢測; 點跡凝聚

0 引言

無人艇是一種新型水面無人平臺, 具有體積小、靈活自主等優(yōu)點, 逐漸在水質(zhì)檢測、偵查取證及海上搜救等應(yīng)用領(lǐng)域引起廣泛關(guān)注。海面障礙物的準(zhǔn)確檢測是實現(xiàn)無人艇自主作業(yè)的前提。毫米波雷達(dá)通過發(fā)射1~10 mm電磁波對目標(biāo)進(jìn)行檢測, 精度高且受光線等環(huán)境因素的干擾較小, 應(yīng)用于無人艇前方障礙目標(biāo)檢測具有顯著優(yōu)勢。由于雷達(dá)檢測波束有一定寬度[1], 檢測波束掃過目標(biāo)時, 一個目標(biāo)可能會反射多個回波, 導(dǎo)致雷達(dá)將其誤識為多個目標(biāo), 輸出多個目標(biāo)點跡, 進(jìn)而造成目標(biāo)點跡分裂的問題。此外, 受風(fēng)浪干擾, 雷達(dá)隨無人艇俯仰晃動時會檢測到海面并將其誤識別為障礙目標(biāo), 輸出無效目標(biāo)點跡, 造成虛警。

目前, 以無人艇自主避碰為應(yīng)用背景的毫米波雷達(dá)海面障礙目標(biāo)檢測方法較少, 通常采用點跡凝聚的方法[1]解決虛警和點跡分裂問題。其中, 針對虛警問題, 當(dāng)前大多數(shù)研究均在回波層, 通過對雷達(dá)回波進(jìn)行處理, 采用恒虛警檢測[2]等方法, 根據(jù)波形特征等降低虛警, 但處理效果有限, 雷達(dá)檢測結(jié)果中仍存在無效點跡, 而且在采購成品雷達(dá)后, 雷達(dá)回波也并不容易獲取; 在數(shù)據(jù)層, 通常采用閾值濾波法[3], 通過對點跡的距離等關(guān)鍵信息設(shè)置有效范圍, 來濾除無效目標(biāo)點跡, 該方法原理簡單, 易于實現(xiàn), 可有效地進(jìn)一步抑制虛警。針對目標(biāo)點跡分裂問題, 通常采用點跡聚類方法劃分屬于同一目標(biāo)的點跡, 常用的聚類方法有均值法、基于密度的聚類算法(density-based spatial clustering of applications with noise, DBSCAN)等。其中均值法必須預(yù)知目標(biāo)數(shù)量[4-5], 顯然難以滿足當(dāng)前需求。DBSCAN法認(rèn)為只有某區(qū)域內(nèi)點跡密度達(dá)到一定閾值時點跡有效[6], 容易造成目標(biāo)丟失。

如何判斷不同點跡是否屬于同一目標(biāo)是實現(xiàn)點跡聚類的關(guān)鍵環(huán)節(jié), 目前主流方法通過依次比較點跡距離和角度等多維信息進(jìn)行判斷[6-9], 每次判斷需多次比較, 較為繁瑣。采用基于點跡信息相似度的方法可有效簡化判斷過程, 常見的相似度度量有歐幾里德距離和曼哈頓距離等。曼氏距離常用于度量路徑差異, 而歐氏距離常用于度量空間中兩點間的直線距離, 用于度量點跡信息相似度更加準(zhǔn)確。

在點跡完成聚類后, 通常采用質(zhì)心法[8-12]1.91.101.11根據(jù)點跡信息計算各目標(biāo)的位置、距離和角度等信息, 該方法較簡單, 但無法獲取目標(biāo)最近距離及所屬區(qū)域范圍等信息, 計算結(jié)果在近距離(200 m)無人艇避碰應(yīng)用中顯然不夠完整和準(zhǔn)確。

綜上所述, 現(xiàn)有方法在無人艇避碰應(yīng)用背景下尚存不足, 為此文中提出了基于歐氏距離的雷達(dá)目標(biāo)點跡凝聚(plots-centroid based on Euclideansistance, PCBED)方法, 以實現(xiàn)海面障礙物的準(zhǔn)確檢測, 為無人艇避碰和路徑規(guī)劃準(zhǔn)確提供前方障礙目標(biāo)的相對距離、角度、速度和橫向和縱向截面寬度等信息。

1 基于歐氏距離的點跡凝聚方法

首先, 采用閾值濾波法濾除無效目標(biāo)點跡。然后, 依據(jù)“屬于同一個目標(biāo)的點跡速度值相同、距離相近”的規(guī)律, 通過歐氏距離度量點跡間的信息相似度, 實現(xiàn)目標(biāo)點跡聚類。最后, 計算目標(biāo)距離、角度、速度和寬度等信息, 并以矩形危險區(qū)域表示目標(biāo)所屬范圍。

1.1 數(shù)據(jù)獲取與預(yù)處理

將雷達(dá)安裝于船艏, 檢測無人艇前方障礙目標(biāo), 可實時獲取目標(biāo)點跡的相對距離()、角度()、徑向速度()、雷達(dá)散射截面()和位置(,)等信息。通過觀察分析大量試驗數(shù)據(jù), 結(jié)合毫米波雷達(dá)檢測原理, 可以得出無效目標(biāo)點跡具有以下特點: 其、、值可能會超出雷達(dá)有效檢測范圍; 無效目標(biāo)點跡對應(yīng)的回波強(qiáng)度通常較低, 因此其值較低。根據(jù)上述特點, 采用閾值濾波法去除無效目標(biāo)點跡, 具體如下: 設(shè)置、、及閾值, 確定信息有效范圍, 即當(dāng)點跡的、、及值不滿足以下條件時, 則該點跡將被視為無效目標(biāo)點跡濾除。

式中:min0、min0、min0、max0、max0和max0分別為相對距離、角度、速度的最小閾值和最大閾值, 具體數(shù)值根據(jù)所用毫米波雷達(dá)的性能指標(biāo)設(shè)置;0為雷達(dá)散射截面最小閾值, 具體數(shù)值應(yīng)結(jié)合應(yīng)用場景經(jīng)試驗分析設(shè)定。

由于從雷達(dá)得到的點跡數(shù)據(jù)未按距離排序, 此時按文中方法的聚類過程處理亂序目標(biāo)點跡時, 容易導(dǎo)致聚類失敗, 即一個目標(biāo)被錯誤處理為多個目標(biāo)。為了減少上述情況的發(fā)生, 按照目標(biāo)點跡的相對距離, 由近及遠(yuǎn)對所有目標(biāo)點跡進(jìn)行重排列, 得到一組新的有序目標(biāo)點跡。

1.2 目標(biāo)點跡聚類

目標(biāo)點跡聚類即通過數(shù)據(jù)處理將屬于同一目標(biāo)的點跡進(jìn)行有效劃分。依據(jù)“屬于同一個目標(biāo)的點跡速度值相同、距離相近”這一規(guī)律, 根據(jù)目標(biāo)點跡的速度和位置信息, 計算點跡之間的歐氏距離, 用其度量點跡之間的信息相似度[13], 并據(jù)此對目標(biāo)點跡進(jìn)行聚類處理, 流程如圖1所示。

首先, 獲取預(yù)處理后的目標(biāo)點跡數(shù)據(jù), 建立目標(biāo)點跡集與空目標(biāo)集,且

式中:為目標(biāo)點跡集中的點跡序號;為目標(biāo)集中的目標(biāo)序號, 將屬于目標(biāo)的點跡稱為目標(biāo)的“成員點跡”;為成員點跡序號。

生成新目標(biāo)并將首個點跡設(shè)定為該目標(biāo)的成員點跡, 即

然后, 依次計算第1個目標(biāo)所有成員點跡1p與下一目標(biāo)點跡D的歐氏距離, 用其度量兩點跡間的數(shù)據(jù)信息相似度,值越小, 則兩點跡的信息相似度越高, 反之亦然。標(biāo)準(zhǔn)歐氏距離

圖1 目標(biāo)點跡聚類流程圖

式中,、和分別為點跡的橫向距離、縱向距離和徑向速度值。

由于計算歐氏距離時使用了位置和徑向速度2種不同量綱的信息, 而且當(dāng)無人艇以某一角度與大型障礙目標(biāo)接近時, 可能造成同一目標(biāo)的點跡徑向速度值差異較大, 此時直接采用式(4)將會造成較大誤差。針對上述問題, 首先采用閾值化方法對位置和速度指標(biāo)進(jìn)行無量綱化處理, 然后在計算歐氏距離時為點跡速度信息設(shè)置衰減系數(shù),在10~100 m內(nèi)隨點跡距離減小而減小, 從而在一定程度上降低隨著目標(biāo)的靠近同一目標(biāo)點跡徑向速度值不同帶來的影響, 即

式中:1、2為位置和速度指標(biāo)在計算歐氏距離時所占權(quán)重, 分別取值0.7和0.3;d、d分別為位置差異和速度差異的閾值,d=2 m/s, 而由于隨著探測距離增大, 雷達(dá)分辨率會逐漸降低, 同時考慮無人艇自主避碰的安全性等因素,d取值為

判斷是否存在＜1, 若是, 則認(rèn)為該目標(biāo)點跡是屬于該目標(biāo)的一個成員點跡, 繼續(xù)按上述過程處理下一目標(biāo)點跡; 若否, 則計算下一目標(biāo)所有成員點跡與該目標(biāo)點跡的歐氏距離, 進(jìn)行上述判定; 若遍歷所有已存在目標(biāo)仍無法將該目標(biāo)點跡劃分, 則在目標(biāo)集生成新目標(biāo), 并將該點跡設(shè)定為新目標(biāo)的第1個成員點跡。循環(huán)上述過程, 直至遍歷所有目標(biāo)點跡。

最后, 將目標(biāo)集中成員點跡個數(shù)小于經(jīng)驗閾值0的目標(biāo)視為虛假目標(biāo), 刪除此類目標(biāo), 降低離散點跡對檢測結(jié)果的影響。

通過上述過程, 能夠遍歷所有目標(biāo)點跡, 將屬于不同目標(biāo)的點跡進(jìn)行區(qū)分, 將屬于同一目標(biāo)的點跡實現(xiàn)聚類。

1.3 目標(biāo)信息計算與表示

由于無人艇自主避碰不僅需要獲取前方障礙目標(biāo)的距離、角度和速度, 還必須得到障礙目標(biāo)的寬度等信息, 因此采用主流方法質(zhì)心法獲取的障礙目標(biāo)信息在無人艇近距離避碰應(yīng)用中顯然不夠完整和準(zhǔn)確。文中根據(jù)各目標(biāo)所包含的成員點跡信息, 計算相應(yīng)目標(biāo)的最近距離、角度、速度和橫向、縱向截面寬度等信息, 并得到一個矩形危險區(qū)域來表示障礙目標(biāo)所屬范圍。

假設(shè)目標(biāo)包含成員點跡數(shù)量為, 則根據(jù)各成員點跡信息計算目標(biāo)的信息

式中:R,A和V表示目標(biāo)的距離, 角度和速度; (X,Y)表示目標(biāo)所屬矩形危險區(qū)域的左下角位置;XW和YW分別表示目標(biāo)矩形危險區(qū)域的橫向、縱向截面寬度, 考慮安全性, 設(shè)置最小目標(biāo)寬度值0, 若目標(biāo)寬度值小于0, 則令其等于0。

2 實船試驗與結(jié)果分析

為驗證PCBED法在工程應(yīng)用中的有效性, 通過實船試驗, 選取多個不同試驗場景, 并采用PCBED法(方法1)和常用的基于DBSCAN聚類的點跡凝聚方法(方法2)分別對各試驗場景獲取的目標(biāo)點跡數(shù)據(jù)進(jìn)行二次處理, 對比分析文中方法應(yīng)用于障礙目標(biāo)檢測的有效性和準(zhǔn)確性。

2.1 試驗準(zhǔn)備及過程

該試驗在1~2級海況下進(jìn)行, 地點為青島膠州灣海域, 共有4處試驗場景。3種被測目標(biāo)分別為: 小型皮劃艇、小型漁船和大型輪船。試驗中, 為使雷達(dá)保持穩(wěn)定, 保證試驗數(shù)據(jù)的可靠性, 試驗船以低速行駛靠近被測目標(biāo), 獲取檢測數(shù)據(jù)。經(jīng)調(diào)研, 試驗選用德國 Continental公司的ARS408-21型77 GHz長距離毫米波雷達(dá)。該雷達(dá)采用快斜率調(diào)頻連續(xù)波體制, 檢測范圍可達(dá)200 m(20o~120o), 測距精度為0.1~0.4 m, 檢測周期為70 ms。將毫米波雷達(dá)安裝于船艏位置, 距海平面高度約1.5 m, 通過計算機(jī)控制毫米波雷達(dá)開啟, 獲取各試驗場景中本船前方障礙目標(biāo)點跡信息并進(jìn)行實時處理。

試驗前對方法中涉及的各個閾值參數(shù)進(jìn)行設(shè)定: 根據(jù)雷達(dá)性能說明書設(shè)置min0=0,max0=200,min0=-60,max0=60,min0=-40,max0=25,0=3, 其中速度值的正負(fù)分別代表目標(biāo)遠(yuǎn)離和靠近; 考慮無人艇避碰安全距離等因素設(shè)置0=3。0設(shè)置過小會導(dǎo)致濾除效果較差, 過大容易造成漏檢, 因此對其進(jìn)行合理設(shè)定最為關(guān)鍵。在車載雷達(dá)中0參考值為0, 即值正負(fù)分別代表點跡有效和無效。但海上障礙目標(biāo)類型、材質(zhì)等更加多樣復(fù)雜, 采用該值相對過大, 易濾除有效點跡, 造成漏檢。因此從各類目標(biāo)中分別隨機(jī)選取若干不同目標(biāo)的300個點跡, 統(tǒng)計其值分布情況, 如表1所示。

表1 海面障礙目標(biāo)RCS值分布表

顯然, 各類目標(biāo)點跡的值基本大于–10 dBsm, 因此設(shè)置0=–10 dBsm。

2.2 試驗結(jié)果

在4個試驗場景的檢測結(jié)果中均存在以下問題: 盡管試驗船低速行駛, 行駛過程中仍不可避免地產(chǎn)生俯仰運動, 導(dǎo)致毫米波雷達(dá)會檢測到海面并將其誤識別為目標(biāo), 從而檢測結(jié)果存在無效目標(biāo)點跡, 同時, 受雷達(dá)分辨率等因素影響, 有效目標(biāo)會被分裂為多個目標(biāo)點跡。以2種點跡凝聚方法分別對4處試驗場景獲取的目標(biāo)點跡數(shù)據(jù)進(jìn)行凝聚處理, 具體結(jié)果如下。

1) 試驗一: 被測目標(biāo)為前方70 m外一艘小型皮劃艇, 試驗船與其相對徑向速度約為–2 m/s, 試驗場景及雷達(dá)原始目標(biāo)點跡如圖2所示。

通過圖2可以看出, 被測目標(biāo)在原始目標(biāo)點跡圖中表現(xiàn)為6個點跡, 圖中存在3個無效目標(biāo)點跡, 分別采用2種點跡凝聚方法對本幀數(shù)據(jù)進(jìn)行處理, 效果如圖3所示。通過2種點跡凝聚方法所得目標(biāo)信息如表2所示。

圖2 試驗一場景及雷達(dá)原始目標(biāo)點跡圖

圖3 試驗一數(shù)據(jù)處理效果圖

表2 試驗一計算所得目標(biāo)信息

通過對比試驗結(jié)果可知, 2種方法均對目標(biāo)信息進(jìn)行較為準(zhǔn)確的計算, 而方法1可獲取目標(biāo)最近距離、最高速度以及目標(biāo)寬度等信息, 能夠在無人艇進(jìn)行自主避碰時進(jìn)一步提高安全性。

2) 試驗二: 被測目標(biāo)為前方15 m以外一艘小型漁船, 本船與其相對徑向速度約為–1 m/s試驗場景及雷達(dá)原始目標(biāo)點跡如圖4所示。

圖4 試驗二場景及雷達(dá)原始目標(biāo)點跡圖

通過圖4可以看出, 原始目標(biāo)點跡圖中除目標(biāo)船返回的4個點跡外, 還存在大量無效目標(biāo)點跡, 分別采用2種點跡凝聚方法對本幀數(shù)據(jù)進(jìn)行處理, 效果如圖5所示。通過2種點跡凝聚方法所得目標(biāo)信息如表3所示。通過對比試驗結(jié)果可知, 方法2所得的目標(biāo)1實際為虛假目標(biāo), 而針對虛警問題, 方法1通過數(shù)據(jù)預(yù)處理及聚類后刪除離散點跡雙重處理, 有效濾出了虛假目標(biāo)。

圖5 試驗二數(shù)據(jù)處理效果圖

3) 試驗三: 被測目標(biāo)為前方80 m以外一艘大型輪船, 試驗船與其相對徑向速度約為–2 m/s試驗場景及雷達(dá)原始目標(biāo)點跡如圖6所示。

通過圖6可以看出, 被測大型輪船返回了大量點跡, 分別采用2種點跡凝聚方法對本幀數(shù)據(jù)進(jìn)行處理, 效果如圖7所示。通過2種點跡凝聚方法所得目標(biāo)信息如表4所示。

表3 試驗二計算所得目標(biāo)信息

圖6 試驗三場景及雷達(dá)原始目標(biāo)點跡圖

圖7 試驗三數(shù)據(jù)處理效果圖

表4 試驗三計算所得目標(biāo)信息

通過試驗結(jié)果可知, 相對方法1而言, 盡管方法2計算得出了目標(biāo)的質(zhì)心距離、角度和速度等信息, 但在無人艇進(jìn)行自主避碰及路徑規(guī)劃時該結(jié)果顯然不能代表目標(biāo)實際情況, 甚至嚴(yán)重威脅本船安全。

4) 試驗四: 實驗船緩慢行駛與試驗三被測大型輪船不斷靠近至30 m左右, 實際速度約–3 m/s, 點跡的徑向速度檢測值為–2.75~0 m/s, 試驗場景及雷達(dá)原始目標(biāo)點跡如圖8所示。

圖8 試驗四場景及雷達(dá)原始目標(biāo)點跡圖

分別采用2種點跡凝聚方法對本幀數(shù)據(jù)進(jìn)行處理, 效果如圖9所示。

圖9 試驗四數(shù)據(jù)處理效果圖

通過2種點跡凝聚方法所得目標(biāo)信息如表5所示。

當(dāng)試驗船與大型目標(biāo)靠近時會導(dǎo)致屬于同一目標(biāo)的點跡速度值不同, 影響聚類效果。通過試驗結(jié)果可知, 在計算歐氏距離時為速度設(shè)置與距離相關(guān)的衰減系數(shù), 有效解決了上述問題。

表5 試驗四計算所得目標(biāo)信息

2.3 試驗結(jié)果分析

通過對比不同場景下2種方法效果可得: PCBED法有效濾除了大量虛假目標(biāo)點跡, 降低虛警; 基于歐氏距離實現(xiàn)點跡聚類, 解決了不同大小目標(biāo)的點跡分裂問題; 計算獲得了目標(biāo)的最近距離、角度、速度和橫向、縱向截面寬度, 并以矩形危險區(qū)域表示障礙目標(biāo)的所屬范圍, 所得信息較為全面, 有效提高了檢測結(jié)果的準(zhǔn)確性, 保證了無人艇的安全。

3 結(jié)束語

針對毫米波雷達(dá)應(yīng)用于無人艇前方海面障礙目標(biāo)檢測存在的虛警和目標(biāo)點跡分裂問題, 文中提出了PCBED法, 能夠有效提高雷達(dá)檢測結(jié)果的準(zhǔn)確性。采用閾值濾波法濾除了無效目標(biāo)點跡, 同時能夠降低數(shù)據(jù)量, 提高后續(xù)數(shù)據(jù)處理的效率; 通過計算歐氏距離度量點跡間信息相似度的方式判定點跡是否屬于同一目標(biāo), 簡化了目標(biāo)點跡聚類過程; 得到了目標(biāo)的位置、速度和橫向、縱向截面寬度等信息, 以矩形危險區(qū)域表示障礙目標(biāo)的所屬范圍, 為無人艇自主避碰提供更完整、準(zhǔn)確的障礙物信息。

PCBED法是基于單幀檢測數(shù)據(jù)的處理, 在下一步研究中, 可根據(jù)“同一目標(biāo)在多幀檢測數(shù)據(jù)中存在關(guān)聯(lián)”進(jìn)行展開, 通過處理連續(xù)多幀檢測數(shù)據(jù), 進(jìn)一步提高檢測結(jié)果的有效性和準(zhǔn)確性。

[1] 劉美云. 一種基于兩坐標(biāo)搜索雷達(dá)的點跡凝聚算法[J]. 科學(xué)技術(shù)創(chuàng)新, 2018(24): 60-61.

[2] 孫元, 孫梧雨, 韋家軍, 等. 基于恒虛警檢測的汽車主動防撞毫米波雷達(dá)信號處理算法[J]. 兵工自動化, 2017, 36(9): 45-49.Sun Yuan, Sun Wu-yu, Wei Jia-jun, et a1. CFAR Based Signals Processing of Millimeter-wave Radar for Automotive Anti-collision[J]. Ordnance Industry Automation, 2017, 36(9): 45-49.

[3] Liu Y Y, Gao S W, Wang J, et a1. Design and Implementation of Target Detection System for Miniature Intelligent Vehicles[J]. Journal of Beijing University of Technology, 2016, 42(10): 1509-1518.

[4] 何佩佩, 唐霜天, 匡華星. 一種基于層次劃分聚類的雷達(dá)信號分選算法[J]. 現(xiàn)代防御技術(shù), 2016, 44(4): 51-55.He Pei-pei, Tang Shuang-tian, Kuang Hua-xin. A Radar Signal Sorting Algorithm Based on Hierarchical Clustering[J]. Modern Defence Technology, 2016, 44(4): 51-55.

[5] 張什永, 張海黎, 胡澤賓, 等. 基于聚類分析的雷達(dá)信號分選研究[J]. 航天電子對抗, 2013, 29(1): 49-52.Zhang Shi-yong, Zhang Hai-li, Hu Ze-bin, et al. Research on Clustering-based Radar Signal Sorting[J]. Aerospace Electronic Warfare, 2013, 29(1): 49-52.

[6] 王曉峰, 張國毅, 王然. 一種新的未知雷達(dá)信號快速分選方法[J]. 電子信息對抗技術(shù), 2011, 26(5): 19-22.Wang Xiao-feng, Zhang Guo-yi, Wang Ran. A New Method of Unknown Radar Signals Sorting[J]. Electronic Information Warfare Technology, 2011, 26(5): 19-22.

[7] 劉志英. 基于TS-201的三坐標(biāo)雷達(dá)點跡處理器的設(shè)計與實現(xiàn)[J]. 信息技術(shù)與信息化, 2012(1): 79-81.Liu Zhi-ying. The Design and Implementation of Plot Acquisition Processor for 3D Radar Based on TS-201[J]. Information Technology and Informatization, 2012(1): 79-81.

[8] 吉軍. 雷達(dá)點跡的目標(biāo)智能特征提取方法研究[J]. 信息技術(shù), 2013(6): 83-87.Ji Jun. Intelligent Radar Point Target Trace Feature Extraction Method[J]. Information Technology, 2013(6): 83-87.

[9] 周釔辛. 基于多維特征數(shù)據(jù)信息的點跡凝聚算法[J]. 工程技術(shù)(文摘版), 2017(9): 96-97.

[10] Ruoskanen J, Eskelinen P, Heikkila H. Target Detection Trials with a Millimeter Wave Radar System[J]. IEEE Aerospace and Electronic Systems Magazine, 2003, 18(11): 26-30.

[11] 韓俊峰, 寧軍. 一種三坐標(biāo)雷達(dá)的點跡凝聚處理方法[J]. 現(xiàn)代導(dǎo)航, 2011(5): 363-366.Han Jun-feng, Ning Jun. A Plots Centriod Method of Three Dimension Radar[J]. Modern Navigation, 2011(5): 363-366.

[12] 熊毅, 張承志. VxWorks平臺下的米波雷達(dá)點跡凝聚方法研究[J]. 雷達(dá)科學(xué)與技術(shù), 2009, 7(6): 47-50, 55.Xiong Yi, Zhang Cheng-zhi. A Plot Clotting Approach of Meter Wave Radar Based on VxWorks[J]. Radar Science and Technology, 2009, 7(6): 47-50, 55.

[13] Wang X, Xu L H, Sun H B, et al. On-Road Vehicle Detection and Tracking Using MMW Radar and Monovision Fusion[J]. IEEE Transactions on Intelligent Transportation Systems, 2016, 17(7): 2075-2084.

Plots-Centroid Method for USV-Borne Millimeter-Wave Radar Based on Euclidean Distance

LI Rui-wei1, LI Li-gang2*, JIN Jiu-cai3, LIU De-qing3, LI Fang-xu2, DAI Yong-shou2

(1. College of Control Science and Engineering, China University of Petroleum(East China), Qingdao 266580, China; 2. College of Ocean and Space Information, China University of Petroleum(East China), Qingdao 266580, China; 3. Laboratory of Marine Physics and Remote Sensing, First Institute of Oceanography, Ministry of Natural Resources, Qingdao 266061, China)

To solve the problems of false alarm and target-plot splitting of millimeter-wave(MMW) radar used in the detection of obstacles in unmanned surface vessels(USVs) on the sea, most recent studies have reduced false alarms by processing radar echo based on waveform characteristics. These studies have also compared multi-dimensional information such as the distance and angle of plots to determine whether the plots belong to the same target, this studies are cumbersome. And the centroid methods are not sufficiently accurate to represent the target state. Therefore, this study proposes a plots-centroid method based on Euclidean distance that solves the problems of false alarm and target-plot splitting by processing radar plot data. First, using prior knowledge related to radar echo intensity and effective detection range, a threshold filtering method is used to remove invalid plots. Then, based on the rule stating that plots belonging to the same target have the same speed and close distance, the Euclidean distance is used to measure the similarity of information between plots. Finally, target-plot clustering is realized. Finally, the position and section width of the obstacle target are calculated, where the range of the obstacle target is denoted by a rectangular dangerous area to enable accurate detection of the obstacle target in front of the USV. The effectiveness of this method is verified by an actual ship test conducted.

unmanned surface vessel(USV); millimeter-wave radar; obstacle target detection; plots-centroid

李瑞偉, 李立剛, 金久才, 等. 基于歐氏距離的無人艇載毫米波雷達(dá)點跡凝聚方法[J]. 水下無人系統(tǒng)學(xué)報, 2020, 28(6): 604-610.

TJ630; U674.91; TN959.1

A

2096-3920(2020)06-0604-07

10.11993/j.issn.2096-3920.2020.06.003

2020-05-16;

2020-07-29.

國家重點研發(fā)計劃(2017YFC1405203); 中央高?；究蒲袠I(yè)務(wù)費專項資助(19CX05003A-1).

李立剛(1976-), 男, 博士, 副教授, 主要研究方向為無人船智能信息處理技術(shù).

(責(zé)任編輯: 許 妍)