一种传感器的数据融合方法技术

本发明专利技术公开了一种传感器的数据融合方法。该方法包括：使用可见光传感器和红外传感器分别获得运动目标的可见光图像和红外图像；从可见光图像和红外图像中分别提取当前的运动目标位置；使用改进的α-β滤波算法对运动目标进行目标轨迹预测，得到目标预测轨迹；根据运动目标在可见光图像和红外图像中的绝对位置以及目标预测轨迹确定各个传感器输出的角偏差量的加权值；根据各个传感器输出的角偏差量及其相应的加权值，确定融合后的输出角偏差量。通过使用本发明专利技术所提供的传感器的数据融合方法，从而有效地避免了噪声干扰产生的虚假目标判决对融合检测结果的影响。

【技术实现步骤摘要】

本专利技术涉及信息传输与处理
，特别涉及一种传感器的数据融合方法。
技术介绍
数据融合的基本原理是充分利用多个传感器资源，通过对这些传感器及其观测信息的合理支配和使用，把多个传感器的冗余和互补信息依据某种准则来进行组合，以获得对被测对象的一致性解释或描述。信息融合的基本目标是：通过数据组合而不是出现在输入信息中的任何个别元素，推导出更多信息。这是最佳协同作用的结果，即利用多个传感器共同或联合操作的优势，提高传感器系统的有效性。要解决多传感器跟踪信息的融合问题，使多路视频的目标跟踪信息有效融合，主要在于如何对各路视频处理得到的角偏差信号进行加权处理。设N路视频跟踪器输出的角偏差量分别为Δω1，Δω2，…，ΔωN，第i路视频输出量的加权值为Wi，则视频跟踪信息融合后的输出角偏差量为： Δω = Σ i = 1 N W i · Δω i ]]>在现有技术中的常用的融合算法中，加权值按目标信噪比确定，设N路视频图像的信噪比分别为SNR1，SNR2，…，SNRN，则第i路视频输出量的加权值Wi为： W i = SNR i Σ i = 1 N SNR i ]]>由上可知，现有技术中的数据融合算法采用信噪比作为加权值，而在复杂干扰环境下，干扰的信噪比有时会在目标之上，因此按信噪比作为加权值来融合并不可靠。
技术实现思路
有鉴于此，本专利技术提供一种传感器的数据融合方法，从而可以有效地避免了噪声干扰产生的虚假目标判决对融合检测结果的影响。本专利技术的技术方案具体是这样实现的：一种自传感器的数据融合方法，该方法包括：使用可见光传感器和红外传感器分别获得运动目标的可见光图像和红外图像；从可见光图像和红外图像中分别提取当前的运动目标位置；使用改进的α-β滤波算法对运动目标进行目标轨迹预测，得到目标预测轨迹；根据运动目标在可见光图像和红外图像中的绝对位置以及目标预测轨迹确定各个传感器输出的角偏差量的加权值；根据各个传感器输出的角偏差量及其相应的加权值，确定融合后的输出角偏差量。较佳的，所述从可见光图像和红外图像中分别提取当前的运动目标位置包括：利用转塔方位和俯仰角数据，结合转塔位置和目标在图像中的相对位置，获得运动目标在可见光图像和红外图像中的绝对位置。较佳的，所述使用改进的α-β滤波算法对运动目标进行目标轨迹预测包括：根据目标运动模型建立目标状态方程及测量方程；将当前的运动目标位置作为目标轨迹预测的测量值，使用改进的α-β滤波算法获得当前运动目标的目标预测轨迹。较佳的，所述根据运动目标在可见光图像和红外图像中的绝对位置以及目标预测轨迹确定各个传感器输出的角偏差量的加权值包括：计算运动目标在可见光图像中当前的绝对位置与目标预测轨迹中的预测位置的第一距离，以及运动目标在红外图像中当前的绝对位置与目标预测轨迹中的预测位置的第二距离；根据所述第一距离和第二距离确定各个传感器输出的角偏差量的加权值。较佳的，通过如下所述的公式计算得到所述第一距离和第二距离： a = | X TV ( k ) - X ‾ ( k - 1 ) | ; ]]> b = | X IR ( k ) - X ‾ ( k - 1 ) | ; ]]>其中，a为所述第一距离；b为所述第二距离；XTV(k)和XIR(k)分别是运动目标在可见光图像和红外图像中第k时刻的绝对位置；是根据目标预测轨迹由第k-1时刻预测第k时刻的运动目标的预测位置；“||”表示求模操作。较佳的，通过如下所述的公式确定各个传感器输出的角偏差量的加权值： W TV = b a + b ; ]]> W IR = a a + b ; ]]>其中，WTV为可见光传感器输出的角偏差量的加权值，WIR为红外传感器输出的角偏差量的加权值。较佳的，通过如下所述的公式确定融合后的输出角偏差量：Δω＝WTV·Δω1+WIR·Δω2其中，Δω为融合后的输出角偏差量，Δω1为可见光传感器输出的角偏差量，Δω2为红外传感器输出的角偏差量。如上可见，在本专利技术中的传感器的数据融合方法中，使用了两种传感器，可以从两种传感器获取的图像中分别提取当前的运动目标位置，并使用改进的α-β滤波算法对运动目标进行目标轨迹预测，得到目标预测轨迹，然后再根据运动目标在可见光图像和红外图像中的绝对位置以及目标预测轨迹确定各个传感器输出的角偏差量的加权值，最后再根据上述的加权值确定融合后的输出角偏差量。由于上述的加权值是根据目标预测轨迹来确定的，因此可以充分利用目标飞行轨迹平滑，而干扰物的轨迹不会和目标轨迹重合的特点，有效地避免了由于噪声干扰产生的虚假目标判决对最终融合检测结果的影响，大大提高融合后的数据的可靠性。附图说明图1为本专利技术实施例中的传感器的数据融合方法的流程示意图。具体实施方式为使本专利技术的目的、技术方案及优点更加清楚明白，以下参照附图并本文档来自技高网...

【技术保护点】
一种自传感器的数据融合方法，其特征在于，该方法包括：使用可见光传感器和红外传感器分别获得运动目标的可见光图像和红外图像；从可见光图像和红外图像中分别提取当前的运动目标位置；使用改进的α‑β滤波算法对运动目标进行目标轨迹预测，得到目标预测轨迹；根据运动目标在可见光图像和红外图像中的绝对位置以及目标预测轨迹确定各个传感器输出的角偏差量的加权值；根据各个传感器输出的角偏差量及其相应的加权值，确定融合后的输出角偏差量。

【技术特征摘要】
1.一种自传感器的数据融合方法，其特征在于，该方法包括：
使用可见光传感器和红外传感器分别获得运动目标的可见光图像和红外图
像；
从可见光图像和红外图像中分别提取当前的运动目标位置；
使用改进的α-β滤波算法对运动目标进行目标轨迹预测，得到目标预测轨
迹；
根据运动目标在可见光图像和红外图像中的绝对位置以及目标预测轨迹确
定各个传感器输出的角偏差量的加权值；
根据各个传感器输出的角偏差量及其相应的加权值，确定融合后的输出角偏
差量。
2.根据权利要求1所述的方法，其特征在于，所述从可见光图像和红外
图像中分别提取当前的运动目标位置包括：
利用转塔方位和俯仰角数据，结合转塔位置和目标在图像中的相对位置，
获得运动目标在可见光图像和红外图像中的绝对位置。
3.根据权利要求2所述的方法，其特征在于，所述使用改进的α-β滤波
算法对运动目标进行目标轨迹预测包括：
根据目标运动模型建立目标状态方程及测量方程；
将当前的运动目标位置作为目标轨迹预测的测量值，使用改进的α-β滤
波算法获得当前运动目标的目标预测轨迹。
4.根据权利要求3所述的方法，其特征在于，所述根据运动目标在可见
光图像和红外图像中的绝对位置以及目标预测轨迹确定各个传感器输出的角
偏差量的加权值包括：
计算运动目标在可见光图像中当前的绝对位置与目标预测轨迹中的预测
位置的第一距离，以及运动目标在红外图像中当前的绝对位置与目标预测轨
迹中的预测位置的第二距离；
根据所述第一距离和第二距离确定各个传感器输出的角偏差量的加权
值。
5.根据权利要求4所述的方法，其特征在于，通过如下所述的公式计算
得到所述第一距离和第二距离：
a = | X TV ...

【专利技术属性】
技术研发人员：冯雪，陈良瑜，罗院红，杨舒，
申请(专利权)人：北京环境特性研究所，
类型：发明
国别省市：北京;11