基于激光雷达和导航雷达的多目标识别方法及系统技术方案

本发明专利技术公开了一种基于激光雷达和导航雷达的多目标识别方法及系统，建立激光雷达坐标系，将极坐标下的角度和距离转化为笛卡尔坐标下的下x、y和z；建立导航雷达坐标系，以所述导航雷达为坐标原点建立二维平面坐标系x、y；使用导航雷达采集多目标数据；使用激光雷达传感器采集多目标数据；使用所述激光雷达传感器采集的所述多目标数据对所述使用导航雷达采集的多目标数据进行辅助，将所述导航雷达采集的所述多目标数据中的错误数据筛除。本发明专利技术提供的基于激光雷达和导航雷达的多目标识别方法及系统，无人水面艇上在自主航行中不受天气因素的影响，从而提高多目标的检测与跟踪能力。

Multi target recognition method and system based on lidar and navigation radar

【技术实现步骤摘要】
基于激光雷达和导航雷达的多目标识别方法及系统
本专利技术涉及一种多目标识别方法及系统，尤其涉及一种基于激光雷达和导航雷达的多目标识别方法及系统。
技术介绍
无人水面艇(UnmannedSurfaceVehicle,USV)是一种智能化的小型水面平台,可以代替有人水面艇在特定水域完成一些繁琐的、复杂的甚至危险的任务。如果要在多变的、复杂的海况下安全自主地完成各项任务,则无人水面艇必须具备良好的环境感知能力,其中准确稳定的障碍物检测能力是无人水面艇实现自主导航避障的前提和关键技术。无人水面艇目标检测分为被动检测法和主动检测法两种。被动检测法，被动检测法主要采用单目视觉或立体视觉传感器进行环境信息的感知，由于传感器的特点使得通过该方法可以获得平台周围环境中丰富的颜色特征，对环境信息的处理方式一般利用边缘检测算法进行数据处理，提取出海天、陆天交界线，借以区分地面目标与悬空目标，然后根据需求的不同，可在交界线上方或下方根据目标模型搜寻目标。但是这两种被动检测方法均存在着一定的缺陷，如单目视觉法除理想状态外往往难以精确的获得图像深度信息，无法在环境中定位目标深度，且受光照干扰极大，同环境下随着光照量的变化最终得出的结果有很大差异；而立体视觉检测法的数据量与计算量十分庞大，难以保障算法的实时性与快速性，无法满足实时处理环境信息的需求。主动检测法则是利用导航雷达、激光雷达等主动传感器来检测无人水面艇周围目标。在无人水面艇上的雷达一般为导航雷达。导航雷达采用缝隙阵列天线，工作在厘米波段，作用距离较近，盲区小，距离和方位的精度和分辨力较高，抑制海面和雨雪等杂波的能力较强，由于其波长相对较长，探测距离较远，并且技术成熟，目前主要用于中远距离的水面目标检测与跟踪，但是由于探测精度限制，导航雷达通常只能为本船提供目标的位置信息、速度信息，无法识别目标的形状特征，并且导航雷达在本船船体附近的近距离范围内存在盲区，在大型船只上可以通过人工瞭望等方式对近距离目标观测进行弥补，但是对于无人水面艇需要无人作业的前提下，导航雷达无法为无人水面艇的安全航行提供保障。激光雷达根据其垂面激光束的数量多少可划分为二维激光雷达和三维激光雷达，二者均可达到良好的目标检测效果。激光雷达使用激光作为主动探测源，激光的波长非常短，使得激光雷达具备了很高的测量精度以及很强的抗干扰能力等非常优秀的特点，这让激光雷达具有非常适用于无人水面艇近距离目标检测的能力。但是激光雷达对工作环境的要求较高，对天气变化比较敏感，在雨雪天、风沙天等恶劣天气探测效果不理想，探测范围有限，跟踪目标较少。因此有必要开发一种系统，可以提高无人水面艇在水域环境下检测障碍物的能力。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于激光雷达和导航雷达的多目标识别方法及系统，无人水面艇上在自主航行中不受天气因素的影响，从而提高多目标的检测与跟踪能力。本专利技术为解决上述技术问题而采用的技术方案是提供一种基于激光雷达和导航雷达的多目标识别方法,包括以下步骤：建立激光雷达坐标系，将极坐标下的角度和距离转化为笛卡尔坐标下的下x、y和z；建立导航雷达坐标系，以所述导航雷达为坐标原点建立二维平面坐标系x、y；使用所述导航雷达采集多目标数据；使用激光雷达传感器采集多目标数据；使用所述激光雷达传感器采集的所述多目标数据对所述使用导航雷达采集的多目标数据进行辅助，将所述导航雷达采集的所述多目标数据中的错误数据筛除。优选地，用以下公式将极坐标下的角度和距离转化为笛卡尔坐标下的下x、y、z以建立激光雷达坐标系：其中，r为实测距离，ω为激光的垂直角度，α为激光的水平旋转角度，x、y和z为极坐标投影到X、Y、Z轴上的坐标。优选地，以导航雷达为坐标原点建立导航雷达坐标系，转换关系如下：xl＝xmyl＝ymzl＝zm+0.2其中，以所述激光雷达为坐标原点的三维坐标系中有一点坐标l(xl，yl，zl),对应在以所述导航雷达为坐标原点的三维坐标系中的一点坐标m(xm，ym，zm)。优选地，所述使用所述激光雷达传感器采集的所述多目标数据对所述使用导航雷达采集的多目标数据进行辅助，包括使用以下基于有理数倍采样的异步融合算法：步骤1，将来自各传感器的测量值在融合中心的坐标系中和时钟下进行映射统一；步骤2，基于下一时刻目标状态的预测值与当前时刻目标状态的估计值之差，建立描述该融合周期内各个观测点处的目标状态向量之间的动态模型；步骤3，依据当前时刻目标状态基于全局信息的估计值,结合所述动态模型和传统的滤波器，利用本周期内按序到达的所述各传感器测量值，依次对各观测点处的目标状态进行估计；步骤4，获得下一时刻目标状态基于全局信息的估计值。优选地，使用所述导航雷达的距离和角度确定一目标之后，使用所述激光雷达确定该目标周围返回的目标数量，根据以下最近邻聚类法判断该目标是否采用：步骤1：任取样本Xi作为第一个聚类中心的初始值，令Z1＝X1；步骤2：计算样本X2到Z1的欧式距离D21＝||X2-Z1||，若D21>T，定义一新的聚类中心Z2＝X2，否则X2∈以Z1为中心的聚类；步骤3：假设已有聚类中心Z1，Z2，计算D31＝||X3-Z1||和D32＝||X3-Z2||，若D31>T且D32>T，则建立第三个聚类中心Z3＝X3，否则X3∈离Z1和Z2中最近邻的聚类中心；步骤4：以此类推，直到将所有的N个样本都进行分类；待分类的模式{X1,X2,…,Xn}，按T分类到以Z1,Z2,…为聚类中心的模式类中，其中，Z1是起始值，T是预设的距离阈值。优选地，还包括以下步骤：使用激光导航的距离参数确定一目标之后，设置一阈值，若所述导航雷达的距离超过该阈值，判断该目标出错，不予采用。优选地，无人艇前方目标速度以导航雷达的速度为准。优选地，所述多目标数据使用最近邻算法，依据最近邻的至少一个目标轨迹点的运动目标来确定待分目标轨迹点所属的运动目标，从而构成了多目标的航迹。假设第j帧第m个运动目标的返回角度、距离、速度参数为(θjm，djm，vjm)，其在以激光雷达传感器为坐标原点的世界坐标系中坐标为(xj,m，yj,m)，其中xj,m＝djm·sinθjm，yj,m＝djm·cosθjm，所述第j帧第m个运动目标与下一帧第j+1帧第k个运动目标的距离dk(k＝1，2，···nj+1)由两点间的距离公式表示为：优选地，所述多目标数据使用联合概率数据关联。优选地，所述联合概率数据关联包括第j帧nj个目标与第j+1帧nj+1个目标进行关联，产生多个目标关联排列组合,将所有的相邻两帧配对目标的关联概率相乘,取最大概率值为对应的关联排列。本专利技术为解决上述技术问题而采用的另一技术方案是提供一种基于激光雷达和导航雷达的多目标识别方法的系统，包括使用基于激光雷达和导航雷达的多目标识别方法的方法，本文档来自技高网...

【技术保护点】
1.一种基于激光雷达和导航雷达的多目标识别方法,其特征在于，包括以下步骤：/n建立激光雷达坐标系，将极坐标下的角度和距离转化为笛卡尔坐标下的下x、y和z；/n建立导航雷达坐标系，以所述导航雷达为坐标原点建立二维平面坐标系x、y；/n使用所述导航雷达采集多目标数据；/n使用激光雷达传感器采集多目标数据；/n使用所述激光雷达传感器采集的所述多目标数据对所述使用导航雷达采集的多目标数据进行辅助，将所述导航雷达采集的所述多目标数据中的错误数据筛除。/n

【技术特征摘要】
1.一种基于激光雷达和导航雷达的多目标识别方法,其特征在于，包括以下步骤：
建立激光雷达坐标系，将极坐标下的角度和距离转化为笛卡尔坐标下的下x、y和z；
建立导航雷达坐标系，以所述导航雷达为坐标原点建立二维平面坐标系x、y；
使用所述导航雷达采集多目标数据；
使用激光雷达传感器采集多目标数据；
使用所述激光雷达传感器采集的所述多目标数据对所述使用导航雷达采集的多目标数据进行辅助，将所述导航雷达采集的所述多目标数据中的错误数据筛除。


2.如权利要求1所述的基于激光雷达和导航雷达的多目标识别方法，其特征在于，用以下公式将极坐标下的角度和距离转化为笛卡尔坐标下的下x、y、z以建立激光雷达坐标系：



其中，r为实测距离，ω为激光的垂直角度，α为激光的水平旋转角度，x、y和z为极坐标投影到X、Y、Z轴上的坐标。


3.如权利要求1所述的基于激光雷达和导航雷达的多目标识别方法，其特征在于，以导航雷达为坐标原点建立导航雷达坐标系，转换关系如下：
xl＝xm
yl＝ym
zl＝zm+0.2
其中，以所述激光雷达为坐标原点的三维坐标系中有一点坐标l(xl，yl，zl),对应在以所述导航雷达为坐标原点的三维坐标系中的一点坐标m(xm，ym，zm)。


4.如权利要求1所述的基于激光雷达和导航雷达的多目标识别方法，其特征在于，所述使用所述激光雷达传感器采集的所述多目标数据对所述使用导航雷达采集的多目标数据进行辅助，包括使用以下基于有理数倍采样的异步融合算法：
步骤1，将来自各传感器的测量值在融合中心的坐标系中和时钟下进行映射统一；
步骤2，基于下一时刻目标状态的预测值与当前时刻目标状态的估计值之差，建立描述该融合周期内各个观测点处的目标状态向量之间的动态模型；
步骤3，依据当前时刻目标状态基于全局信息的估计值,结合所述动态模型和传统的滤波器，利用本周期内按序到达的所述各传感器测量值，依次对各观测点处的目标状态进行估计；
步骤4，获得下一时刻目标状态基于全局信息的估计值。


5.如权利要求1所述的基于激光雷达和导航雷达的多目标识别方法，其特征在于，使用所述导航雷达的距离和角度确定一目标之后，使用所述激光雷达确定该目标周围返回的目标数量，根据以下最近邻聚类法判断该目标是否采用：
步骤1：任取样本Xi作为第一个聚类中心的初始值，令Z1＝X1；
步骤2：计算样本X2到Z1的欧式距离D21＝||X2-Z1||，若D21>T，定义一新的聚类中心Z2＝X2，否则X2∈以Z1为中心的聚类；
步骤3：假设已有聚类中心Z1，Z2，计算D31＝||X3-...

【专利技术属性】
技术研发人员：倪侃俊，王新雅，袁敏，钱伟，张国兴，王南南，
申请(专利权)人：上海埃威航空电子有限公司，
类型：发明
国别省市：上海;31