一种基于无人船航海雷达的目标检测、跟踪方法及系统技术方案

本发明专利技术涉及一种基于无人船航海雷达的目标检测、跟踪方法及系统。目标检测方法为：获取雷达回波信号，提取当前扫描周期的回波散点数据；根据当前扫描周期的数据密度为每个回波散点数据添加密度流向中心；基于密度流向中心对回波散点数据进行聚类，每个类别确定为一个目标。各扫描周期采用上述目标检测方法进行目标检测，以上述每一个扫描周期的目标检测结果为基础，根据相邻两个扫描周期的多目标状态对两个扫描周期的各个目标进行匹配，匹配标准是最近邻匹配；当出现新目标会开启新的航迹，当原有目标暂时消失会有目标影子的留存，直到目标影子完全消失才判定目标消失，完成目标跟踪。现有技术相比，本发明专利技术检测、跟踪精度高。

【技术实现步骤摘要】
一种基于无人船航海雷达的目标检测、跟踪方法及系统
本专利技术涉及一种水面目标的感知方法及系统，尤其是涉及一种基于无人船航海雷达的目标检测、跟踪方法及系统。
技术介绍
目前主流的目标检测通常采用聚类算法处理离散的雷达数据，从而实现水上物体的检测和定位。聚类算法主要有以下几种：(1)基于划分的聚类，这类算法将n个数据对象组织为k个划分(k≤n)，例如K-Means聚类算法及其衍生算法；(2)基于层次的聚类，这类算法最开始将所有的点都看成簇，簇与簇之间通过接近的程度来进行组合，例如CUR聚类算法；(3)基于密度的聚类，基于密度的聚类算法的基本思想是数据密度比较大的部分是被数据密度较小的区域分隔开的，找到数据集中数据密度比较大的区域进行分割，这类聚类方法的代表算法有：MeanShif、DBSCAN和OPTIC等聚类算法；(4)基于网格的聚类，基于网格的聚类算法的基本思想是按照一定的标准将数据空间划分成多个网格，然后将数据归属到各个划分好的网格中，根据网格中数据的密度以及网格间的临近程度进行聚类，基于网格的聚类算法有GRIDCLUS、STING等聚类算法本文档来自技高网...

【技术保护点】
1.一种基于无人船航海雷达的目标检测方法，其特征在于，该方法包括如下步骤：/nS1、获取雷达回波信号，提取当前扫描周期的回波散点数据；/nS2、根据当前扫描周期的数据密度为每个回波散点数据添加密度流向中心；/nS3、基于密度流向中心对回波散点数据进行聚类，每个聚类类别确定为一个目标。/n

【技术特征摘要】
1.一种基于无人船航海雷达的目标检测方法，其特征在于，该方法包括如下步骤：
S1、获取雷达回波信号，提取当前扫描周期的回波散点数据；
S2、根据当前扫描周期的数据密度为每个回波散点数据添加密度流向中心；
S3、基于密度流向中心对回波散点数据进行聚类，每个聚类类别确定为一个目标。


2.根据权利要求1所述的一种基于无人船航海雷达的目标检测方法，其特征在于，步骤S2中密度流向中心的计算过程具体为：
S21、设数据集为X＝{x1,x2,…,xn}，xi∈X2，X2为二维数据空间，设定滑框大小和形状，从数据集中随机选取一个点xi作为滑框中心
S22、根据滑框内框定的数据点集K＝{k1,k2,…,km}，kl∈X2，计算新的滑框中心
S23、将滑框滑动至新的滑框中心位置处，重复执行步骤S22；
在上述过程重复执行过程中，得到一个新的滑框中心后计算新的滑框中心和上一个滑框中心的距离，若距离小于δ则停止滑框滑动，将新的滑框中心确定为xi的密度流向中心，δ为设定常数。


3.根据权利要求2所述的一种基于无人船航海雷达的目标检测方法，其特征在于，步骤S22新的滑框中心为：





4.根据权利要求1所述的一种基于无人船航海雷达的目标检测方法，其特征在于，步骤S3具体为：当两个密度流向中心之间的距离小于标准阈值则判定这两个密度流向中心对应的回波散点数据属于同一个聚类类别，当两个密度流向中心之间的距离大于标准阈值则判定这两个密度流向中心对应的回波散点数据属于不同的聚类类别。


5.根据权利要求1所述的一种基于无人船航海雷达的目标检测方法，其特征在于，步骤S3根据聚类类别确定目标时还包括目标的二次融合，具体为：对每个目标赋予半径特征，即将目标所属聚类类别中最远点到聚类中心的距离确定为该目标的聚类半径，根据两个目标聚类中心之间的距离和两个目标的聚类半径判断目标是否进行融合，即当目标i和目标j满足：dij＜k(ri+rj)时，将目标i和目标j融合为一个目标，其中，dij为目标i和目标j的聚类中心之...

【专利技术属性】
技术研发人员：张卫东，赵泽宏，胡智焕，张各各，何星，方兴其，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31