[发明专利]一种基于机载光子雷达的远距离舰船类型识别方法

权利要求书

1.一种基于机载光子计数雷达的远距离舰船类型识别方法，其特征在于，所述方法包括如下

步骤1，接收机载光子计数雷达探测海上目标的目标原始信息，

步骤2，对目标原始信息执行预处理，所述的预处理包括：点云去噪、海面点云拟合和点云聚类；

步骤3，针对经过预处理的目标信号，提取舰船特征，所述的舰船特征包括：舰船维度特征、舰船的几何特征、甲板形状特征和法向量直方图；所述的舰船维度特征包括舰船的长度，宽度和高度；所述舰船的几何特征是指甲板上建筑物的空间分布特征，所述的甲板形状特征指船头夹角；

步骤4，将提取的舰船特征输入分类器执行舰船识别；

步骤5，输出舰船识别结果。

2.如权利要求1所述的方法，其特征在于，步骤2包括子步骤：

步骤2.1，点云去噪，所述的点云去噪包括：通过设定密度阈值和使用离散点云提取算法去除目标原始信息的噪声；

步骤2.2，海面点云拟合，针对海面的海浪起伏设置高度阈值，使用平面拟合算法去除海面点云；

步骤2.3，目标的点云聚类，使用聚类算法将同一艘舰船点云归为一类，以供后续步骤提取舰船特征。

3.如权利要求2所述的方法，其特征在于，所述的平面拟合算法包括RANSAC平面拟合算法；所述的聚类算法包括DBSCAN算法。

4.如权利要求3所述的方法，其特征在于，所述的DBSCAN算法包括子步骤：

步骤2.31，对点云数据建立空间拓扑关系，

步骤2.32，以任一点为圆心，计算在半径esp内的临近点数量minpts_i，minpts_i为点p_i的密度，

其中p_i为中心点坐标，p_j为点云集其余点坐标,设esp为固定值，自适应计算数据集点云密度的均值minpts，

步骤2.33，将minpts代入DBSCAN算法计算，得到分类结果。

5.如权利要求1所述的方法，其特征在于，步骤3包括子步骤：

步骤3.1，提取同一艘舰船点云中长度、宽度和高度作为三维模型的维度特征；

步骤3.2，使用同心圆分割法提取上层建筑物的几何特征，其中根据船体大小选取同心圆分割法中最佳圆环数；

步骤3.3，提取舰船船头角度。

6.如权利要求5所述的方法，其特征在于，步骤3.2包括子步骤：

步骤3.21，将探测的场景进行坐标偏转，使得场景平面与地球水平面重合；

步骤3.22，将z区间划分为多个子块，统计每个子块的点云数量；

步骤3.23，统计占比最高的区间子块高度确定为甲板高度，将z高度大于甲板高度的点云提取出来，得到数据集F；

步骤3.24，分别计算数据集F中所有点在x轴、y轴、z轴的均值，得到中心点；

步骤3.25，遍历每个点，计算各点到中心点的距离；

步骤3.26，将各点按照距离中心点的远近划分为不同半径的环，计算各环中点数量的占比，得到几何特征。

7.如权利要求1所述的方法，其特征在于，步骤3.3包括子步骤：

步骤3.31，提取船头或船尾点云；

步骤3.32，平行于船长轴方向将船头点云划分为多个区间，并取每个区间距离雷达最近的点；

步骤3.33，将抽取的点以中值为界分为2组，投影到x-y面，然后应用最小二乘法拟合直线，选取直线上的向量a、b计算角度,角度计算公式如下：

其中∣•∣表示绝对值。

8.如权利要求1所述的方法，其特征在于，步骤4包括子步骤：

步骤4.1，执行步骤1到步骤3取得按类型区分的已知舰船特征数据集，将数据集存储到舰船特征数据库中；

步骤4.2，将海上实时获取的海上目标的目标原始信息输入分类器执行分类；

步骤4.3，将分类后的信息与舰船特征数据库的对应信息比较，确定所探测到的海上目标的舰船类型。

9.如权利要求8所述的方法，其特征在于，所述分类器是采用随机森林算法进行深度培训的分类器。