于加其， 杨树兴， 朱伯立

(1.北京理工大学 宇航学院，北京 100081；2.飞行器动力学与控制教育部重点实验室，北京 100081；3.北京特种机电技术研究所，北京 100012)

弹载激光成像雷达距离像的目标提取技术

于加其1，2， 杨树兴1，2， 朱伯立3

(1.北京理工大学 宇航学院，北京 100081；2.飞行器动力学与控制教育部重点实验室，北京 100081；3.北京特种机电技术研究所，北京 100012)

为了实现对弹载激光成像雷达距离像中不同目标的准确分离和提取，提出了一种基于其点云数据特点的距离像目标提取方法. 通过对点云数据进行聚类和类间距离校正，实现了不同目标的准确分离；通过提取各目标边缘点和遮挡补偿，实现了对被遮挡目标的提取；根据需要提取目标的尺寸设置结构元素大小，采用形态学滤波方法实现了特定目标的快速提取. 对实测距离像目标数据的处理结果表明，所提出的方法可以实现弹载激光成像雷达距离像目标的准确提取.

激光成像雷达；距离像；目标提取；目标遮挡

激光成像雷达获取的三维距离像，反映了目标最本质的尺寸特征，能够充分利用先验信息，是复杂环境下探测识别目标的有效手段[1-3]. 复杂地面环境下弹载激光成像雷达的目标提取是其中的一个重要的研究方向.

复杂地面环境下视场内存在的信息繁多，同时弹载雷达视线与地面的夹角往往会导致各目标的距离信息混杂，且存在遮挡情况[4]. 目前国内外的相关研究中对弹载的特殊情况考虑较少，难以满足实际需求. Palm等[5-6]利用目标高度和边缘轮廓采用多种方法进行了提取，但对被遮挡目标无法进行可靠处理. Walter等[7]基于模板匹配方法直接提取识别距离像目标，但计算量庞大，实用性较差. 黄涛等[8]针对水平或接近水平探测的情况，采用了距离直方图峰值提取来分离不同距离上的目标，获得了较好的效果，但在其他角度下效果较差.

本文根据弹载激光成像雷达获得的地面目标距离像的特点，提出了一种不受雷达视线与地面夹角影响的距离像目标提取方法，实现了复杂环境下对目标的准确提取，并采用小视角下的实测地面目标距离像进行了验证.

1 距离像目标提取分析及流程

激光成像雷达获取的距离像可以表示为αβ角度坐标系中的二维图像，也可以转换为xyz空间坐标系中的三维点云. 激光成像雷达观测地面目标获得的距离像中包含地面、目标、障碍物等多种信息，通过地面估计及分割等算法处理可以去除其中的地面背景信息[9-11]. 从地表上的繁杂数据中分离并提取满足需求的目标是目标提取算法的目的.

弹载激光成像雷达视线方向与地面夹角通常处于0～90°之间的某个角度，如图1所示，此时距离像中有可能包含了目标侧面及顶面信息，在同一距离上存在多个不同目标上的点，导致难以直接通过距离信息分离不同目标；另外，当夹角较小时，较近处目标会遮挡住较远处目标，导致被遮挡目标在距离像中呈现的尺寸缩小，难以进行可靠提取. 因此在处理过程中必须考虑以上情况.

根据以上分析，本文提出的距离像目标提取算法流程如下：

① 不同目标的分离：根据距离像点云的分布特性进行分类，分离出不同目标上的各组点，同时保证分离算法不受视线方向与地面夹角的影响;

② 被遮挡目标的搜索与补偿：利用扫描线搜索的方法提取出被遮挡的目标，并根据遮挡情况进行分析和补偿;

③ 基于形态学的目标提取：根据搜寻目标的三维尺寸范围计算在特定距离上的结构元素大小，并利用形态学算法提取出所需的目标.

图2是一幅去除了地面信息的实测二维距离像，包含了车辆、树木、雕塑、石材、杂物堆等多种目标，其中横轴和纵轴分别代表激光在水平和竖直两个方向上的扫描角度. 激光成像雷达与图片中间车辆的距离约为120 m，视线方向与地面的夹角约为7°，包含了目标正面、侧面和顶面数据，车辆后方的雕塑被遮挡. 图2展现了弹载成像雷达对地面目标进行探测时常见的各种典型情况，本文以图2所示的距离像对算法进行说明和验证.

2 距离像目标提取算法

2.1 不同目标的分离

在三维空间坐标系中，位于同一目标上的点分布较为聚集，而不同目标之间的距离相对很大，这一特征不受雷达视线方向与地面夹角变化的影响，具有普遍性. 因此根据距离像中各点之间最小间距的分布可以提取出同一目标上的点.

设点在三维空间坐标系对应的坐标为

Pi=[xiyizi]，i=1，2，…，n.

则点Pi到其他点的最小间距为

现在，学习舞蹈已经成为一种时尚，上至白发老人，下至蹒跚小孩，一是为了强身健体，二是提升气质，她们对于舞蹈学习的方式就是模仿，只不过是通过老师的讲解使得模仿的方式更加的简便。不管是老人、孩子以及老师，她们在学习舞蹈的过程中都是经过模仿，模仿的不仅仅是肢体动作，还有表情、韵律和神态。现在一款炙手可热的APP——抖音，相信很多的人都在使用，抖音上舞蹈视频的传播速度可谓是神速，究其原因是因为动作简单、节奏强，就算是没有任何基础的人都能很快的模仿和参与。这应该可以说是舞蹈中“模仿”方式的最直接的体现。

(1)

式中：Δdik为点Pi到点Pk的距离，则各点最小间距的均值和均方差为

(2)

(3)

不同目标上各点的最小间距差别很小，远小于不同目标之间的距离，可以将点的最小间距近似为同一个正态分布，则点最小间距99%置信区间的边界为

(4)

通常与当前点间距最小的点属于当前目标，因此可以认为与当前点间距满足式(4)的点位于当前目标上. 实际上，点与当前点的距离越近，位于当前目标的可能性越高，因此与当前点间距只需满足式(4)上限

(5)

则与当前点Pi属于同一目标的邻域点满足

(6)

在计算过程中，同一目标上的点有可能被划分为不同的目标，因此需要根据各组点云间的最小距离进行校正，若小于设定的阈值则属于同一目标.

图3为对图2距离像处理后的结果，颜色代表了44个不同目标，可以看出不同目标得到了准确分离，但需要进一步处理存在的大量虚假目标.

2.2 被遮挡目标的搜索与补偿

可知当前目标在扫描方向β=βk上边缘点的提取准则为

(7)

若目标边缘处的近邻点属于距离较近的其他目标，则当前目标被遮挡.

被遮挡目标在距离像中只存在未被遮挡的一小部分，为了防止被错误剔除，在目标提取时将被遮挡目标区域和障碍物区域之和作为被遮挡目标的实际区域，如图4所示.

图中左侧白色目标为被遮挡目标，右侧灰色目标为遮挡目标的障碍物，补偿后的目标区域为虚线框内区域.

2.3 基于形态学的目标快速提取

在二维距离像中，根据目标的距离信息可以求出实际尺寸所对应的图像窗口大小，根据这一特点可以利用形态学进行目标的快速提取.

设某目标上各点的距离信息为ri(i=1，2，…，n)，则目标到雷达的距离为

(8)

令激光成像雷达在横轴α和纵轴β方向上的扫描步进角分别为Δα和Δβ，设需要滤除距离像中边长小于l的目标，则对应的结构元素大小为

(9)

根据求出的结构元素对目标距离像转化的二值化图像进行形态学滤波，并记录结果. 对图3中分离出的目标进行处理，结果如图5所示.

从图5的结果可以看出，算法可以准确地分离并提取出距离像中满足不同尺寸要求的目标，其中被遮挡目标被补偿为较大型的目标. 算法考虑了弹载激光成像雷达探测时的特殊情况，在计算中依据的目标特征不受雷达视线方向与地面夹角变化影响，能有效满足弹载激光成像雷达距离像目标提取的要求.

3 结 论

通过对弹载激光成像雷达获取的地面目标距离像特点的分析，提出了一种不受视线角度影响的距离像目标提取的方法. 首先将距离像点云按聚集程度进行了初步分类，并根据各组间最小距离校正了过度分类情况，准确分离了不同目标；然后根据目标边缘信息提取并补偿了被遮挡目标；最后根据各目标的距离和尺寸，通过形态学方法提取了其中满足要求的目标，实现了对目标的可靠提取. 算法依据的目标特征不随雷达视线与地面夹角的变化而变化，并考虑了目标遮挡问题，满足了弹载激光成像雷达对地面目标提取的要求.

[1] 闫小伟，邓甲昊，孙志慧.线阵扫描式激光成像探测系统建模与仿真[J].北京理工大学学报，2010，30(4):456-459.

Yan Xiaowei， Deng Jiahao， Sun Zhihui. Modelling and simulation of laser imaging system based on linear array detection[J]. Transactions of Beijing Institute of Technology， 2010，30(4):456-459.(in Chinese)

[2] 陈晓清.激光成像雷达目标识别算法研究[D].长沙：国防科学技术大学，2010.

Chen Xiaoqing. Research on target recognition algorithm for laser imaging radar[D]. Changsha: National University of Defense Technology， 2010. (in Chinese)

[3] 于加其，杨树兴，朱伯立.激光雷达距离像噪声抑制及方法评价[J].光电子·激光，2015，26(6):1215-1221.

Yu Jiaqi， Yang Shuxing， Zhu Boli. Noise suppression and evaluation method for ladar range images[J]. Journal of Optoelectronics·Laser， 2015，26(6):1215-1221. (in Chinese)

[4] 赵明波.激光成像雷达地面遮蔽目标检测方法研究[D].长沙：国防科学技术大学，2013.

Zhao Mingbo. Research on ground obscured target detection for imaging laser radar[D]. Changsha: National University of Defense Technology, 2013. (in Chinese)

[5] Palm H C， Haavardsholm T V， Ajer H. Detection of military objects in LADAR-images[R]. Kjeller: Forsvarets Forskningsinstitutt， 2007.

[6] Palm H C， Haavardsholm T V， Ajer H， et al. Extraction and classification of vehicles in LADAR imagery[C]∥Proceedings of SPIE Defense， Security， and Sensing. Baltimore， USA: International Society for Optics and Photonics， 2013:873102-873102-15.

[7] Walter A. Exploiting range imagery: techniques and applications[C]∥Proceedings of International Symposium on Photoelectronic Detection and Imaging 2009. Beijing: International Society for Optics and Photonics， 2009:738203-738203-12.

[8] 黄涛，胡以华，赵钢，等.基于激光成像雷达距离图像的目标提取与分类技术[J].红外与毫米波学报，2011，30(2):179-183.

Huang Tao， Hu Yihua， Zhao Gang， et al. Target extraction and classification base on imaging LADAR range image[J]. Journal of Infrared and Millimeter Waves， 2011，30(2):179-183. (in Chinese)

[9] Stevens M R， Snorrason M， Stouch D W， et al. Estimating the ground plane in ladar three-dimensional imagery for target detection[C]∥Proceedings of AeroSense 2003. Orlando， USA: International Society for Optics and Photonics， 2003：1-9.

[10] Felip R L， Ferradans S， Jose D C， et al. Target detection in LADAR data using robust statistics[C]∥Proceedings of European Symposium on Optics and Photonics for Defence and Security. Bruges， Belgium: International Society for Optics and Photonics， 2005:160-170.

[11] Witte C， Jäger K， Hebel M， et al. A novel segmentation method for object tracking and recognition[C]∥Proceedings of Defense and Security Symposium. Orlando， USA: International Society for Optics and Photonics， 2007:65690D-65690D-8.

(责任编辑：李兵)

Target Extraction Base on Range Image from Missile-Borne Imaging LADAR

YU Jia-qi1,2, YANG Shu-xing1,2, ZHU Bo-li3

(1.School of Aerospace Engineering, Beijing Institute of Technology, Beijing 100081, China; 2.Key Laboratory of Dynamics and Control of Flight Vehicle，Ministry of Education, Beijing 100081, China;3.Beijing Institute of Special Mechanic-Electric, Beijing 100012, China)

A method was proposed for separating and extracting different targets in LADAR range image base on the characteristics of point cloud data obtained from the missile-borne imaging LADAR to solve some special problems in this case. Different targets were separated accurately by clustering points and adjusting nearby classes according to the minimum distance between points. The obscured targets were found by searching the edge points, and the compensation strategy was proposed. The probable targets were extracted rapidly base on the morphology method by adjusting the size of the morphology structure element. The experimental result shows the method can be used to extract targets exactly.

LADAR; range image; target extraction; target occlusion

2015-10-30

于加其(1986—)，男，博士生，E-mail:yujq2004@163.com；杨树兴(1962—)，男，教授，博士生导师，E-mail：yangshx@bit.edu.cn.

TN 958.98

A

1001-0645(2016)12-1279-04

10.15918/j.tbit1001-0645.2016.12.013