一种面向全态势感知的目标信息融合方法

技术领域

本发明属于航海导航领域，具体涉及一种面向全态势感知的目标信息融合方法。

背景技术

由于脉冲发射原因，传统导航雷达具有近距离雷达观测盲区(RadarObservationBlindArea/Zone)。雷达观测盲区是指处于雷达波最小探测距离以内的区域，在此距离内，不管目标有多大均发现不了。雷达观测盲区通常又指位于雷达天线辐射角下缘，雷达波不能射及的区域，该区域的大小主要取决于雷达脉冲宽度等性能和雷达天线的架设高度。导航雷达的最大作用距离主要取决于雷达天线高度、目标大小、形状及反射天线等。

目前多采用将雷达天线架得更高的方式来减小雷达观测盲区，但此种方式无法从根本上解决盲区问题，不能实现有效的全过程精确导航，尤其对船舶近距离有效避碰不能发挥应有的作用，存在较大的安全隐患。

发明内容

本发明的目的在于克服上述现有技术中存在的不足，通过增设激光雷达来实现近距离目标探测，并与原有导航雷达的目标信息进行融合，提高船舶航行全程的目标全态势感知能力，为船舶近距离安全避碰提供了保障，船舶自主航行能力得到提升。

为实现上述发明目的，本发明提供一种面向全态势感知的目标信息融合方法，以激光雷达覆盖导航雷达的观测盲区，将激光雷达与导航雷达分别探测到的目标信息进行融合，基于融合的目标信息对阻碍本船航行的目标进行全态势感知，以安全地避碰。

进一步地，包括如下步骤：(1)时空对准：将导航雷达和激光雷达置于同一坐标系下同时工作；(2)航迹关联：将激光雷达与导航雷达分别探测到的同一个目标的航迹关联到同一个航迹；(3)航迹融合：根据目标距离和激光雷达探测距离判断是否融合，如需要融合，则将实时探测到的局部航迹融合进当前的系统航迹。

进一步地，所述步骤(1)中，将导航雷达的一致参考点设定在激光雷达的安装位置。

进一步地，所述步骤(2)中，对激光雷达和导航雷达探测的目标航迹进行对比，构建可信度评估目标函数，采取最大误差似然估计对航迹的可信度进行判定，对处于该函数的置信区间内的航迹进行关联。

进一步地，所述可信度评估目标函数为

进一步地，通过构建雷达的系统误差模型得到最大允许误差范围，对比判定待融合航迹是否位于最大允许误差范围之内。

进一步地，所述系统误差模型为σ(X，Y)，其中，

式中，

进一步地，所述步骤(3)中，当激光雷达和导航雷达所探测的航迹之间的估计误差不相关时，采用关联法或卡尔曼滤波法进行航迹融合。

进一步地，所述步骤(3)中，当激光雷达和导航雷达所探测的航迹之间的估计误差相关时，采用自适应的加权平均法进行航迹融合。

与现有技术相比，本发明的有益效果为：

将导航雷达和激光雷达等探测设备采集的数据进行雷达目标信息融合，其中激光雷达完成近距离目标探测，解决了传统导航雷达由于脉冲发射原因导致的近距离盲区问题，提高船舶目标全态势感知能力，为船舶有效执行避碰提供了必要的信息支撑和安全保障。

附图说明

图1为本发明一个实施例中时空对准的流程图；

图2为本发明一个实施例中激光雷达和导航雷达各自所探测同一目标的航迹对比示意图；

图3为本发明一个实施例中速度/航向差拟合曲线示意图；

图4为本发明一个实施例中激光雷达目标衰减示意图；

图5为本发明一个实施例中航迹融合示意图；

图6为本发明一个实施例的流程图。

具体实施方式

下面结合附图和具体实施例，对本发明的技术方案做进一步说明。

1、时空对准

雷达测量目标在本地极坐标系中进行，多部雷达探测数据及目标信息应在统一的坐标系下进行观察与融合。统一坐标系是雷达信息融合的基本模型。当前主流激光雷达探测距离在100-150米，与导航雷达同采用极坐标方式进行数据处理，可近似认为两部雷达在同一平面工作，空间坐标系的选择对雷达探测及目标跟踪影响较小。

传统磁控管导航雷达与激光雷达属于机械扫描式雷达，目标探测具有周期性，导航雷达探测周期一般为2-2.5s，激光雷达旋转周期为0.1s。对于运动目标，探测的时间点不同，其运动状态与运动参数不同，因此在进行目标融合时，需要将目标的状态信息统一到同一时刻。

船舶在高速航行时，导航雷达探测周期内位置可能已经发生了较大的位移，因此在进行航迹融合或避碰解算时，需要基于运动状态进行航迹推演。

如图1所示，时空对准可按如下流程：

(1)系统CCRP(consistence common reference point，一致参考点)标定：由于导航雷达天线传感器和激光雷达传感器架设位置不同，故需要通过X、Y轴校正的方法将参考点空间上校准到同一点；

(2)各设备时间校准：导航雷达和激光雷达时间调整一致，这样才能保证在同一时刻的扫描线是时空对准的；

(3)运动状态解算：本船在运动过程中，导航雷达和激光雷达传感器都随船进行了移动，探测出的运动状态需要进行结算后才能与地面静止参照物保持一致；

(4)航迹时空对准：空间、时间、运动状态解算后，时空对准趋于一致，为关联本船的航迹提供了基础；

(5)航迹关联：对不同雷达探测出的信息进行航迹关联，保证航迹是以地面静止参照物为基准。

2、航迹关联

导航雷达与激光雷达上报的目标航迹信息存在重复上报的情况，如果不进行融合处理，可能对自主避碰与路径规划产生影响。针对激光雷达探测范围较小、探测目标位于探测临界范围内时单次探测目标回波强度较弱、可信度较低的特殊情况，采取目标航迹关联方式对目标进行融合处理，通过长时间数据相干积累，获得连续、相关的目标动态数据，提高目标融合的可信度。

航迹关联是把多部雷达上报的目标航迹关联为同一个目标航迹。对于同一个目标，多个雷达应该产生较为一致的航迹信息，航迹的延时、跳跃、丢失不应影响航迹的整体质量，从而影响目标融合的解算结果。

如图2所示，两条航迹线条趋于一致，其中一条代表导航雷达所探测的目标航迹，另一条代表激光雷达所探测的同一目标的航迹，两部雷达探测内容基本一致，可以进行目标运动轨迹融合。

航迹联合主要通过对两部雷达探测目标的位置、航速、航向进行对比判定，构建可信度目标函数设置置信区间、模糊区间与拒绝区间来给出相应的结果。

对于航迹位置的可信度判定，主要采取最大误差似然估计，通过构建雷达的系统误差模型，得到最大允许误差范围，对比解算待融合航迹是否位于误差允许范围之内。雷达的误差主要由测量系统误差、定位系统误差、定向系统误差、信息传输延时误差等因素决定。雷达测量系统误差是系统性误差，根据雷达工作环境、气象条件等条件变化而变化，定位、定向系统误差由定位传感器、定向传感器传递误差引起，信息传输延时误差包含电磁波收发延时、信号处理、信息在网络中传输延时等引起的误差。

进行航迹关联，首先要构建航迹关联的位置可信度评估目标函数：

式中，d

位置可信度评估的主要难点在于构建系统误差模型σ(X，Y)。综合测量系统误差、定位系统误差、定向系统误差、信息传输延时误差，构建误差模型：

式中，

根据雷达相关规范要求，雷达方位、距离精度分别为1°、30m或量程的1％(取大值)，可计算得到在第k个航迹点的精度范围

对于同向异舷航行，距离较近的运动目标，需要对航速、航向进行融合，通过运动特性区分是否属于同一目标。计算得到待融合目标航迹的航速、航向差，通过求解方差最小拟合出近似曲线，对于同一目标的航速、航向，差值近似曲线应逐步稳定，收敛至误差允许范围之内。

航速、航向估算主要采用差值最小二乘法进行估算，计算得到速度、航向差v

设定速度差的收敛曲线为v

使得M（a,b)最小，计算得到：

理想的拟合曲线应使得速度差值v

激光雷达由于探测距离较近，在目标逐步远离本船时，其探测精度与可信度逐渐下降。因此在航迹融合时，需要考虑激光雷达探测目标的可信系数目标函数M(l

若两条航迹融合可信度M(d

3、航迹融合

伴随着目标被跟踪的领域的增大，因为一个传感器跟踪范围的限制，并且或许会出现对象丢失的状况，跟踪系统也将面对着诸多不足及被优化的需要。为满足这些需求，多传感器协同跟踪技术开始得到更多重视，也在当代目标跟踪系统的设计中处于更加重要的地位。与此同时，伴随着目标跟踪系统工作时间的持续增长，整个跟踪过程所面临的外部环境变的更加的繁杂，如运动的目标媒质变化、多个目标互相存在障碍物等，这会间接引起采取同质传感器的目标跟踪系统的性能降低，在目标检测的时可能会出现目标被漏检，为解决这一缺陷，在进行系统设计时要尽可能采用异质传感器，以完成对目标的移动状态的检测及跟踪。而不同于单一传感器的跟踪，多传感器目标跟踪的好处特别的显明，而其中最显著的优点就在于可以将不同传感器的量测数据相互间的冗余性和互补性这一特点进行有效的运用来增进整个融合系统的跟踪性能。

通过局部航迹与系统航迹融合方法，达到导航雷达和激光雷达目标信息融合的目的。

如图5所示，将激光雷达探测的数据和导航雷达探测的数据进行融合，两部雷达探测的目标相同，只是探测方式不同，通过公式计算得到系统的综合航迹。融合特点是：

(1)只要融合中心接收到新的局部航迹数据，融合算法就把前一时间点的系统航迹的状态外推到接收局部航迹的时间点；

(2)然后再与新接收到的局部航迹数据进行关联和融合，从而得到当前时间点上的系统航迹的状态估计，而形成新的系统航迹；

(3)当又获得新的另外的一组局部航迹时，重复上面的步骤；

(4)必须面对相关估计误差的问题。

有相关误差的，这是由于它们都与两种雷达传感器航迹信息相关。现实工作中，系统航迹中的任何误差，由于对历史航迹的关联或融合处理等产生误差，都将降低融合精确度。必需使用去相关算法来去除由于这些操作引起的误差。

该误差主要出现形式包括：

(1)当被融合的两条航迹之间的估计误差不相关时，融合就会变得相对比较简单。各个航迹数据看作是拥有独立误差的测量数据，跟其他航迹数据估计融合。可利用标准的方法，如关联和卡尔曼滤波法进行航迹融合的操作。

(2)当它们之间的估计误差存在相关性。

采用自适应的加权平均航迹融合算法。自适应加权融合算法由分布式跟踪架构，结合船舶导航平台，导航雷达和激光雷达的观测之间彼此独立。因此使用加权航迹融合算法的关键点是怎样求得权值，权值的求解方法会直接影响最终的航迹融合算法的性能。

常用的有等权值融合法，就是把多个传感器的测量数据的实行等权值相加再进行平均后形成最终融合值。该方法能够实时分析传感器传过来的航迹数据，然而这种权重的选取必然是不客观的，在显示中进行使用时，性能并不能到达最佳，这是因为可能存在某个传感器的数值严重偏离真值而使得融合结果严重偏离真实值。

加权航迹融合算法是多个传感器对某个区域中的同一个目标的参量实现测量，顾全所有传感器的局部航迹数据，按一定的准则给各个传感器设置权值，最终使用加权将各个传感器的局部航迹预测融合获得全局的最优航迹估计。

关于权值的解算方式如下：

假设有n个传感器从不同的方位对同一个目标的参数进行测量，各传感器的测量值分别为Si(i＝1，2，3…，n)，各传感器的方差分别为

设各个传感器的加权因子值分别为ω

设融合后的航迹估计值为

等权重时：

非等权重时，需要做如下分析，融合后的总的均方误差为

因为Si(i＝1，2，3…，n)彼此独立，且为s的无偏估计，故

E[(s-s

因此，

从上式可以得到总的均方误差是由各加权因子组成的多元二次函数，故均方误差σ

按照多元函数求极值的方法，可求得总均方误差最小的时候相对的权值因子为

所对应的最小均方误差为：

上面的分析是按照每个传感器在某个时间点的航迹测量值实现的估计。最佳权值和每个传感器的方差相关，因此需要凭借传感器输入的航迹数据算得传感器的方差。

假设导航雷达传感器为p，激光雷达传感器为q，其对应的量测值分别为s

s

式中α

因为v

R

s的自相关系数R

两式相减得

对应R

设两种雷达测量目标个数为k，R

同理，

由此，可以根据推理算法和传感器的测量值求出R

4、算法实现途径

如图6所示，通过软件程序实现两种雷达的信息融合，解决传统导航雷达由于脉冲发射原因导致的近距离盲区问题，通过激光雷达完成近距离目标探测并与导航雷达目标进行融合，提高船舶目标全态势感知能力，进一步保障船舶自主航行。具体包括如下步骤：第一步，设定导航雷达一致参考点(CCRP)至激光雷达安装位置；第二步，接收导航雷达和激光雷达传输过来的目标信息；第三步，通过导航雷达目标探测结果判定目标距离是否大于200米，如大于200米执行第四步，否则执行第五步；第四步，以导航雷达探测目标距离和方位信息为准上传至自主航行系统，重新执行第二步；第五步，通过导航雷达目标探测结果判定目标距离是否小于150米，如小于150米执行第六步，否则执行第七步；第六步，以激光雷达探测目标距离和方位信息为准上传至自主航行系统，重新执行第二步；第七步，遍历激光雷达100米-150米范围内的目标，计算距离差值和方位差值，选取方位差值小于1度以内并计算距离差值，选取距离差值最小的目标；第八步，判断最小距离差值是否小于25米，如小于，则以导航雷达信息和激光雷达信息最优权值的比例上传目标的距离和方位信息，如不小于，同时输出导航雷达和激光雷达探测的目标信息，重新执行第二步。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。