【技術實現步驟摘要】
本專利技術涉及目標檢測，具體涉及到一種基于雷達和視覺數據融合的低慢小目標識別方法。
技術介紹
1、鐵路運輸在經濟、軍事、生態等領域占據著重要地位，保障鐵路運輸的安全成為鐵路建設中不可或缺的一環。其中，在湖泊沿線修建的鐵路，對低空低慢小目標(簡稱低慢小目標，包括了飛行高度在1-100米數量級，飛行速度在0.1-10米/秒數量級，尺度范圍0.1-10米數量級內的目標)的監測可謂是至關重要。低慢小目標，如小型無人機，與鐵路線上的列車發生碰撞，會引發安全事故；甚至，低慢小目標惡意攜帶爆炸物或干擾物等，其帶來的危害更加不可設想。
2、現有技術對湖泊沿線鐵路附近的低慢小目標檢測通常分別基于雷達或相機。
3、雷達探測具有主動性，在中高空范圍具有移動目標識別準確度高、距離遠、范圍廣等優勢，但是細節分辨率不夠高，也無法進行成像處理。雷達技術應用在湖泊地區，水面上低空雜波的影響更大，使得該區域范圍的低慢小目標相對更加難以準確。
4、而相機等基于視覺成像的技術，依靠光譜獲得探測目標的信息，可以較為準確獲得目標的細節(顏色、結構特征)，也能夠進行成像，但是探測范圍有限，無法準確鎖定目標，在湖泊地區水面上移動的目標，也無法準確獲知方位和速度信息。
技術實現思路
1、本專利技術提供一種基于雷達和視覺數據融合的低慢小目標識別方法，相比于現有依靠雷達或相機單一數據進行目標識別的方案，既可以保證目標識別的準確性，也可以獲取目標的立體精準的成像信息。
2、為實現上述目的
3、第一方面，本申請提供一種基于雷達和視覺數據融合的低慢小目標識別方法，所述方法，包括：
4、s1，設置用于采集雷達數據的雷達系統，以及用于采集視覺數據的相機系統；
5、s2，同步雷達系統和相機系統的數據采集，分別得到所對應的雷達點云數據和圖像數據；
6、s3，對雷達系統得到的雷達點云數據和相機系統的圖像數據進行預處理后，進行數據融合，得到融合數據；
7、s4，將融合數據輸入預先訓練好的神經網絡模型，進行低慢小目標的檢測和分類。
8、在一種實現方式中，所述s1中，包括：保持所述相機系統和所述雷達系統結構和位置相對固定。
9、在一種實現方式中，在所述s2中，同步雷達系統和相機系統的數據采集包括：啟動雷達系統后，通過loam算法調用相機系統進行視覺數據的采集。
10、在一種實現方式中，所述s3中的數據融合，為基于時間戳的雷達點云數據和圖像數據的配準融合。
11、在一種實現方式中，在雷達點云數據的預處理中，還包括點云數據中的雜波抑制處理。
12、在一種實現方式中，所述雜波抑制處理基于op-svd-cfar的雙重雜波抑制算法。
13、在一種實現方式中，所述s4中，神經網絡模型，采用yolov9模型。
14、在一種實現方式中，在所述s2之后，所述方法還包括：
15、通過對雷達系統和相機系統的聯合標定，獲得兩者之間的聯合標定關系；
16、在所述s4之后，所述方法還包括：
17、在檢測到低慢小目標后，對所述檢測到的低慢小目標進行基于多重算法的點云和視頻幀的三維融合成像。
18、在一種實現方式中，包括：
19、首先通過open?cv算法實現對相機系統采集的圖像數據的畸變校正；
20、基于shi-tomasi角點檢測算法識別求解出低慢小目標的圖像角點像素坐標；
21、然后將多組標定板點云角點坐標與相對應的圖像角點像素坐標，通過線性變換法計算出雷達系統和相機系統間的標定初值，并構造點云重投影坐標與圖像像素坐標差值的最小二乘函數；并通過改進lm算法對最小二乘函數進行非線性優化計算出最小值，進而求出優化后的聯合標定結果；
22、基于共線方程原理利用聯合標定結果，通過圖像像素點與點云單應性計算方法，求解低慢小目標的點云坐標所對應的圖像的像素坐標，并將圖像的rgb值賦給相應的點云，最終實現點云圖像融合的三維重建。
23、本專利技術技術方案，提供一種基于雷達和視覺數據融合的低慢小目標識別方法，在解決雜波對于雷達數據的影響后，可以顯著提高雷達對湖泊沿線“低慢小”目標的識別準確度，使雷達能夠更精準地捕捉目標信號，準確判斷目標的位置、速度和運動軌跡；同時解決單一光電(相機)/雷達識別準確率低的問題，綜合利用多種傳感器的優勢，實現優勢互補，光電傳感器可以提供高分辨率的圖像信息，彌補雷達在細節識別上的不足，雷達則可以在遠距離和惡劣環境下發揮作用，提高對目標的探測范圍和抗干擾能力，兩者結合可以大大提高目標識別的準確率，降低誤判和漏判的風險；也可以解決單一光電成像缺失立體數據支撐的問題和解決單一雷達成像缺失像素點數據的問題，其通過結合點云數據和圖像數據，構建出目標的三維圖像，使目標的外觀和結構更加清晰地呈現出來，有助于操作人員更直觀地了解目標的特征，進行更深入的分析和判斷，為后續的目標跟蹤、識別和分類等任務提供更好的數據基礎，為決策提供更有力的支持。
本文檔來自技高網...【技術保護點】
1.一種基于雷達和視覺數據融合的低慢小目標識別方法，其特征在于，所述方法，包括：
2.根據權利要求1所述的基于雷達和視覺數據融合的低慢小目標識別方法，其特征在于，所述S1中，包括：保持所述相機系統和所述雷達系統結構和位置相對固定。
3.根據權利要求1所述的基于雷達和視覺數據融合的低慢小目標識別方法，其特征在于，在所述S2中，同步雷達系統和相機系統的數據采集包括：啟動雷達系統后，通過LOAM算法調用相機系統進行視覺數據的采集。
4.根據權利要求1所述的基于雷達和視覺數據融合的低慢小目標識別方法，其特征在于，所述S3中的數據融合，為基于時間戳的雷達點云數據和圖像數據的配準融合。
5.根據權利要求4所述的基于雷達和視覺數據融合的低慢小目標識別方法，其特征在于，在雷達點云數據的預處理中，還包括點云數據中的雜波抑制處理。
6.根據權利要求5所述的基于雷達和視覺數據融合的低慢小目標識別方法，其特征在于，所述雜波抑制處理基于OP-SVD-CFAR的雙重雜波抑制算法。
7.根據權利要求1所述的基于雷達和視覺數據融合的低慢小目
8.根據權利要求1所述的基于雷達和視覺數據融合的低慢小目標識別方法，其特征在于，在所述S2之后，所述方法還包括：
9.根據權利要求8所述的基于雷達和視覺數據融合的低慢小目標識別方法，其特征在于，包括：
...【技術特征摘要】
1.一種基于雷達和視覺數據融合的低慢小目標識別方法，其特征在于，所述方法，包括：
2.根據權利要求1所述的基于雷達和視覺數據融合的低慢小目標識別方法，其特征在于，所述s1中，包括：保持所述相機系統和所述雷達系統結構和位置相對固定。
3.根據權利要求1所述的基于雷達和視覺數據融合的低慢小目標識別方法，其特征在于，在所述s2中，同步雷達系統和相機系統的數據采集包括：啟動雷達系統后，通過loam算法調用相機系統進行視覺數據的采集。
4.根據權利要求1所述的基于雷達和視覺數據融合的低慢小目標識別方法，其特征在于，所述s3中的數據融合，為基于時間戳的雷達點云數據和圖像數據的配準融合。
5.根據權利要求...
【專利技術屬性】
技術研發人員：羅靜，李雪，毛少將，王曉，孫芯彤，張麗，周昌鋒，郭宇鵬，
申請(專利權)人：通號通信信息集團有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。