[发明专利]低能见度下稀疏点云航空器快速捕获方法

权利要求书

1.一种低能见度下稀疏点云航空器快速捕获方法，其特征在于，步骤如下：

1)获取机场泊位位置的激光雷达的连续点云数据，对每帧点云进行预处理；

2)密度聚类，获取机头簇集；

3)根据机头簇集中心点坐标与滑行线和停止线的交点相对位置变换，来判断进入激光雷达覆盖范围的航空器目标位置；

4)针对泊位到指定位置的航空器，进行密度聚类，获取完整的航空器点云集，并进行入侵检测。

2.根据权利要求1所述的低能见度下稀疏点云航空器快速捕获方法，其特征在于，所述步骤1)具体包括：

11)基于航空器运动的区域，剔除不属于该区域的点；

12)对获取的原始点云逐帧进行平面分割，以剔除点云中地面点集；

13)基于连续帧进行动目标检测，获取仅包含运动目标的点云。

3.根据权利要求2所述的低能见度下稀疏点云航空器快速捕获方法，其特征在于，所述步骤13)具体为：基于八叉树算法进行前后帧空间变换检测，航空器进入雷达扫射范围，空间变换检测获取动目标点云，当连续多帧的动目标点云中点数量为增长趋势，簇最高点坐标满足航空器运动轨迹，基于时间保存空间变换点云，得到基于时间序列的动目标点云集。

4.根据权利要求1所述的低能见度下稀疏点云航空器快速捕获方法，其特征在于，所述步骤2)具体包括：

基于所述得到动目标点云集，初始化邻域半径为引导车簇集最远两点间的距离，最小邻居数为点云中人物簇集点的点数目，对空间变换点云进行密度聚类，获取连续两帧中簇集最高点及最高点附近最小邻居数的点高度平均值，其运动方向和所在位置满足航空器运动轨迹，则判断属于航空器，簇集中包含航空器机头，计算簇集点云的分辨率，作为下一帧的邻域半径，保存簇集点，计算簇集中心点坐标并保存；根据航空器运动轨迹和卡尔曼滤波预测下一次聚类簇集中心点坐标，划出包括所述簇集所在区域，在该区域进行下一帧聚类，保存航空器簇集，计算簇集中心点坐标并保存，计算簇集点云分辨率，基于航空器运动轨迹更新区域，依照上述的方法迭代聚类；当前后两帧得到簇集分辨率差小于阈值，或基于簇集中心点坐标变化判断出航空器运动方向时，则不再迭代计算簇集分辨率，以固定的邻域半径继续聚类，此时确定聚类到的簇集为航空器机头簇集。

5.根据权利要求4所述的低能见度下稀疏点云航空器快速捕获方法，其特征在于，所述卡尔曼滤波的系统状态方程为：x_k＝Ax_k-1+Bu_k-1+w_k-1；

卡尔曼滤波的观测方程：z_k＝Hx_k+v_k；

其中，X_k表示系统状态矩阵，A是状态转移矩阵，B是控制输入矩阵，W_k-1是过程噪声；Z_k表示状态矩阵的观测值，即实测值，H是状态观测矩阵，V_k是测量噪声；

卡尔曼滤波器时间更新方程：

其中，和分别表示k时刻和k-1时刻的后验状态估计值，也即最有估计；表示k时刻的先验状态估计值，根据上一时刻的最有估计预测k时刻的结果；u_k是k时刻外界对系统的作用；Q是预测噪声噪声协方差矩阵；P_k-1和P_k分别表示k-1时刻和k时刻的后验估计协方差，即和的协方差，为k时刻的先验估计协方差，即的协方差；

卡尔曼滤波器状态更新方程：

其中，K_k是滤波增益矩阵，R是测量噪声协方差矩阵，表示实际观测和预测的残差，其和卡尔曼增益修正先验，得到后验，I为1的矩阵，对于单模型单测量，I＝1。