包 琳

(大連海洋大學，遼寧 大連 116023)

0 引言

無人船借助遠程遙控和自主控制器實現(xiàn)水面的無人作業(yè)，由于其顯著的成本優(yōu)勢和靈活特性，在軍事、商業(yè)領(lǐng)域獲得了廣泛的重視，尤其以水面船只等目標探測的無人船，已經(jīng)成為一個重要研究方向。本文針對無人船的目標探測技術(shù)，主要做以下工作：

1）解析水面無人船的激光雷達目標探測技術(shù)，介紹激光雷達系統(tǒng)的基本原理，對激光雷達的信號進行數(shù)學建模；

2）研究水面無人船基于計算機視覺技術(shù)的目標探測技術(shù)，對計算機視覺的圖像分割、圖像濾波[1]、特征提取等內(nèi)容重點進行介紹；

3）提出一種基于視覺信息融合技術(shù)的水面船只目標檢測技術(shù)，重點介紹激光雷達探測信號和計算機視覺信號的融合方法，從時間序列和空間配準等方面進行詳細研究。

1 無人船的激光雷達目標檢測技術(shù)

在水面無人船中裝載量最大的目標探測設(shè)備為超聲波雷達、毫米波雷達和激光雷達傳感器等，其中，毫米波雷達傳感器的傳輸介質(zhì)為24 GHz 頻率的毫米波，能夠?qū)崿F(xiàn)微波制導，具有體積小、空間分辨率高等優(yōu)點。激光雷達傳感器的信息傳輸介質(zhì)為激光，其工作原理是向目標發(fā)射激光束，然后解析目標的激光回波信號，經(jīng)過數(shù)字信號處理后就可以獲得目標的距離、方位、高度、速度等參數(shù)[2]。

由于毫米波雷達傳感器的穿透能力和抗干擾能力強，因此，本文在設(shè)計基于視覺信息融合技術(shù)的目標檢測技術(shù)時，采用的研究對象為毫米波雷達。

圖1 為毫米波雷達傳感器的工作原理圖。

圖1 毫米波雷達傳感器的工作原理圖Fig.1 Working principle diagram of millimeter wave radar sensor

如圖，毫米波雷達傳感器系統(tǒng)主要包括雷達收發(fā)前端、接收天線、發(fā)射天線、控制電路、數(shù)字信號處理器、雷達信號發(fā)生器等。

控制電路產(chǎn)生的線性調(diào)頻信號模型可表示為：

毫米波雷達系統(tǒng)的目標探測區(qū)域坐標表示為：

其中：R0為毫米波雷達與目標的距離；θα為雷達信號的發(fā)射方位角，θr為雷達的接收方位角。

毫米波雷達的信號模型如下：

其中：a(t)為毫米波幅值函數(shù)；f0為毫米波信號的初始頻率；φ(t)為毫米波的相位函數(shù)；T為毫米波雷達信號的周期。

2 無人船的計算機視覺目標探測技術(shù)

基于計算機視覺的目標探測技術(shù)是近年來的一種新興技術(shù)，而高性能計算機和圖像學理論的發(fā)展為這一技術(shù)提供了保障。

無人船利用攝像頭等圖像采集設(shè)備獲取海上目標的視頻和圖像，然后通過圖像的分析和處理進行目標的定位與提取?；谟嬎銠C視覺的目標探測對硬件設(shè)備的要求較高，但目標探測的精度也相對于毫米波雷達更高。

無人船的計算機視覺目標探測流程如圖2 所示。

1）目標視頻和圖像獲取

包含目標的視頻圖像獲取，是進行目標探測的第一步，視頻和圖像的分辨率直接決定了目標探測的精度。因此，本文無人船采用50 倍可變焦鏡頭，分辨率可達到1 080 P。

2）圖像的預處理

目標視頻圖像識別的重要因素是圖像的色度信號和亮度信號，首先，進行圖像的顏色空間分解。使用YUV（顏色、亮度、灰度）顏色空間進行無人船探測目標圖像的分解，空間轉(zhuǎn)換公式如下：

基于計算機視覺技術(shù)的目標探測易受到噪聲信號的干擾，比如海上的霧氣、太陽光反射等，因此，在目標識別前需要對圖像進行噪聲處理。使用高斯線性濾波算法進行圖像的降噪，高斯濾波函數(shù)模型如下：

式中：σ為濾波標準差，σ越大，則濾波的帶寬越寬，可過濾。

3）圖像背景濾波

背景濾波是將視頻圖像中前后兩幀中相同的背景像素進行過濾和消減，主要采用差分算法，判斷前后兩幀差值與設(shè)定的閾值關(guān)系，當?shù)陀陂撝禃r，可將圖像背景消減，得到二值化圖像。

視頻圖像的差分算法如下：

式中：fe(x,y,t)為含有目標信息的當前幀圖像；fr(x,y,t)為含有目標的背景圖像；T為設(shè)定的閾值。圖像背景濾波算法的原理如圖3 所示。

圖3 圖像背景濾波算法的原理Fig.3 Principle of image background filtering algorithm

4）圖像分割和目標識別

對前文處理的目標圖像進行邊緣圖像分割和特征提取，可以獲得被測目標的完整信息。

3 基于視覺信息融合技術(shù)的無人船水面船只檢測技術(shù)

3.1 雷達與計算機視覺探測技術(shù)的信息融合算法

基于計算機視覺技術(shù)的目標探測技術(shù)精度更高，但易受海上氣象噪聲的干擾；基于毫米波雷達的目標探測精度略低，但信號穿透能力強，能夠?qū)崿F(xiàn)全天候的目標探測。因此，文中重點研究將雷達與計算機視覺探測技術(shù)的信息融合算法，既能提升目標探測的精度，又能降低探測過程的噪聲。

輸入到統(tǒng)計決策模型或非線性濾波器(貝葉斯決策規(guī)則，擴展卡爾曼濾波器EKF，無損卡爾曼濾波器UKF)中，以獲得融合結(jié)果。

信息融合是在特征的層級上進行融合，將雷達和視覺探測提取的目標特征進行運算，在時間序列和空間配準等維度實現(xiàn)融合，如圖4 所示。

圖4 雷達與計算機視覺探測的信息融合算法Fig.4 Information fusion algorithm of radar and computer vision detection

雷達和視覺傳感器信息融合過程采用LEE 濾波算法提高信號精度，濾波器的模型如下式：

其中：W(t)為權(quán)重函數(shù)；σ0為雷達噪聲均值；σi為圖像噪聲方差；I(t)為目標圖像的像素。

模型噪聲方差滿足：

LEE 濾波器的小波變換能夠提高噪聲濾波的帶寬，如下式：

式中：s，t為小波變換因子。

3.2 無人船水面船只目標檢測的時空對準

毫米波雷達與視覺探測器的融合可分為時間配準和空間配準，分別如下：

1）時間配準

無人船毫米波雷達采樣周期為8 ms，視覺傳感器的采樣頻率為2 ms，在信息融合過程中需要保證2 種傳感器在時間上的同步，水面船只探測的時間配準示意圖如圖5 所示。

2）空間配準

毫米波雷達與視覺傳感器的目標探測空間參考不同，因此需要進行空間配準，建立空間配準坐標系如圖6 所示。

圖6 空間配準坐標系Fig.6 Spatial registration coordinate system

毫米波雷達空間的點p 坐標(Xw,Yw,Zw)，視覺傳感器中對應(yīng)坐標(u,v,l)，可得轉(zhuǎn)換關(guān)系為：

式中：m為 映射長度；α為坐標系相對傾角；R目標距離。

4 結(jié)語

本文提出一種將毫米波雷達與視覺傳感器相結(jié)合的水面船只目標探測算法，能夠提高無人船的目標探測性能。