蔣罕寒,郭 銳,武軍安,趙 旭

(1.南京理工大學(xué) 智能彈藥技術(shù)國(guó)防重點(diǎn)學(xué)科實(shí)驗(yàn)室,江蘇 南京 210094；2.北京信息科技大學(xué) 高動(dòng)態(tài)導(dǎo)航技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室,北京 100101)

1 引 言

傳統(tǒng)末敏彈在發(fā)揮良好作戰(zhàn)效能的同時(shí),仍存在部分缺陷。一是作用過(guò)程復(fù)雜,增加了各部分的設(shè)計(jì)制造難度；二是在穩(wěn)態(tài)掃描階段存在落速較慢、滯空時(shí)間長(zhǎng)、受風(fēng)影響大等缺點(diǎn)[1]。針對(duì)這些缺點(diǎn),已有許多主動(dòng)防御末敏彈的研究[2],這大大降低了末敏彈在戰(zhàn)場(chǎng)上的威懾力。針對(duì)這一問(wèn)題,高旋掠飛彈藥[3]成為最新的研究方向之一。

有別于一般末敏彈的工作原理,高旋掠飛彈藥具有打擊速度快、掃描范圍廣等作戰(zhàn)特點(diǎn)[4]。為了適應(yīng)高旋掠飛彈藥高速、高轉(zhuǎn)速的飛行特點(diǎn),要求彈載的激光雷達(dá)掃描頻率足夠高、響應(yīng)時(shí)間足夠快,因此選用具有高精度、高分辨率及高抗光電干擾能力[5]的高重頻的單元激光雷達(dá)作為敏感裝置。單元激光雷達(dá)可以獲取目標(biāo)的一維距離像,從而結(jié)合目標(biāo)的特征對(duì)目標(biāo)進(jìn)行提取與識(shí)別。

目前基于單元激光雷達(dá)的目標(biāo)分割與識(shí)別主有以下研究成果。莊秀華[6]等人基于不同類型障礙物的表面特征提出了一種最近鄰聚類算法,利用相鄰兩點(diǎn)的距離對(duì)障礙物進(jìn)行聚類；劉偉[7]等人提出了改進(jìn)的凝聚層次聚類算法對(duì)地面目標(biāo)進(jìn)行聚類分割,再基于SVM方法對(duì)車輛目標(biāo)進(jìn)行識(shí)別；梁雄[8]等人提出了基于ABD算法檢測(cè)分割點(diǎn)后再次分割聚類判定的方法,提高了對(duì)地面目標(biāo)的分割準(zhǔn)度?？讞漑9]等人利用局部均值變點(diǎn)統(tǒng)計(jì)進(jìn)行標(biāo)記提取,最后基于最大期望聚類識(shí)別車道標(biāo)線。

高旋掠飛彈藥特定的掃描特點(diǎn)導(dǎo)致一維點(diǎn)云數(shù)據(jù)稀疏、密度低,因此以上各種算法都能較好地解決各自領(lǐng)域中的問(wèn)題,卻不適用于搭載單元激光雷達(dá)的高旋掠飛彈藥。本文結(jié)合其穩(wěn)態(tài)掃描特點(diǎn),提出一種對(duì)地面裝甲目標(biāo)提取方法。

2 提取方法處理流程與思路

斜置在彈頭部的單元激光雷達(dá)工作時(shí)跟隨彈丸同時(shí)做旋轉(zhuǎn)和水平飛行運(yùn)動(dòng)。如圖1所示,高旋掠飛彈藥穩(wěn)態(tài)掃描階段掃描線終點(diǎn)的軌跡線為螺旋線。其螺距取決于彈丸的飛行速度、轉(zhuǎn)速、飛行高度以及單元激光雷達(dá)的采樣頻率。為了探測(cè)時(shí)不遺失目標(biāo),彈丸設(shè)計(jì)時(shí)應(yīng)保證螺距寬度盡量小于裝甲目標(biāo)的長(zhǎng)度。

當(dāng)高旋掠飛彈藥進(jìn)入穩(wěn)態(tài)掃描階段時(shí),其轉(zhuǎn)速、飛行速度及高度基本保持不變。單元激光雷達(dá)每一個(gè)采樣時(shí)間內(nèi)可以獲取一條掃描線數(shù)據(jù)ρ。ρ為雷達(dá)接收單元測(cè)得的距離值。基于公式(1)將一維距離像轉(zhuǎn)化為如圖2所示的以彈體質(zhì)心為原點(diǎn)的xy坐標(biāo)系中的二維點(diǎn)云數(shù)據(jù)。

圖1 高旋掠飛彈藥掃描示意圖

(1)

其中，θ為彈體與敏感器軸線間的夾角；τ為敏感器軸線在垂直于彈體軸線方向的投影與鉛錘線的夾角；H為飛行高度。

圖2 實(shí)測(cè)點(diǎn)云數(shù)據(jù)

探測(cè)時(shí),螺旋線可能會(huì)多次掃過(guò)裝甲目標(biāo)。為保證起爆的時(shí)效性,在螺旋線第一次掃過(guò)目標(biāo)后,此時(shí)應(yīng)有效識(shí)別目標(biāo)。螺旋線掃描一周時(shí)還會(huì)掃描地面、房屋及樹(shù)木等其他非目標(biāo)信息。如何快速準(zhǔn)確的分離并識(shí)別目標(biāo)是本算法的最終目的,因此文中提出的分割與識(shí)別方法流程如下:

(1)基于梯度分割。將經(jīng)過(guò)去燥、濾波及坐標(biāo)轉(zhuǎn)化后的點(diǎn)云數(shù)據(jù)初步分割,獲取初始聚類數(shù)與聚類中心。

(2)優(yōu)化分割。裝甲目標(biāo)存在不連續(xù)界面,僅依據(jù)梯度分割會(huì)分割裝甲目標(biāo)。采用改進(jìn)的kmeans算法調(diào)整上述分割結(jié)果。

(3)識(shí)別裝甲目標(biāo)。根據(jù)裝甲目標(biāo)的真實(shí)特征與分割出的聚類目標(biāo)的特征進(jìn)行匹配分析,進(jìn)而識(shí)別出裝甲目標(biāo)。

為驗(yàn)證算法的有效性,搭建實(shí)驗(yàn)室半仿真平臺(tái),模擬高旋掠飛彈藥穩(wěn)態(tài)掃描探測(cè)過(guò)程。采用縮比實(shí)驗(yàn)的方法,按100∶1的比例在保證速度/轉(zhuǎn)速比保持不變(保證掃描螺距不變)的前提下縮小速度、轉(zhuǎn)速與飛行高度；按1∶30的比例縮小裝甲目標(biāo)與障礙物,布置實(shí)驗(yàn)場(chǎng)景。具體實(shí)施方式如圖3所示。

圖3 實(shí)驗(yàn)裝置圖

3 具體流程

3.1 基于梯度的自動(dòng)生長(zhǎng)預(yù)分割處理

一維距離像經(jīng)去噪、坐標(biāo)轉(zhuǎn)化后,其結(jié)果表征的是反射點(diǎn)離地距離及距離彈體軸線的水平距離。對(duì)應(yīng)的高度及水平位置數(shù)據(jù)為:

(2)

其中，xi，yi分別為上述二維彈體坐標(biāo)系中X，Y軸數(shù)據(jù)。

在三維空間中,裝甲目標(biāo)往往與障礙物的高度不同,即裝甲目標(biāo)邊緣和與其鄰近的目標(biāo)邊緣存在較大高度變化。圖4是由式(3)根據(jù)圖2數(shù)據(jù)計(jì)算出的梯度值圖。

Gi={H[i+1]-H[i],i=1～n}

(3)

其中，G是當(dāng)前采集點(diǎn)與其鄰點(diǎn)的高度梯度值。

圖4 梯度值圖

可以看出,相鄰兩點(diǎn)位于同一物體時(shí)梯度較小,位于不同物體時(shí)梯度較大,進(jìn)而采用種子自動(dòng)生長(zhǎng)的方式,以梯度作為判斷依據(jù),將數(shù)據(jù)劃分成不同的簇。

具體策略是先將第一個(gè)點(diǎn)作為種子,計(jì)算與其相鄰點(diǎn)的梯度值并與預(yù)先設(shè)定的的梯度閾值Gmax進(jìn)行比較,將梯度值小于梯度閾值的點(diǎn)與當(dāng)前種子歸于同一簇；將首次出現(xiàn)的不屬于該簇的點(diǎn)作為新種子,繼續(xù)生長(zhǎng),直至將點(diǎn)云分割成不同的簇。圖5是上述算法分割后的結(jié)果。

圖5 預(yù)分割效果圖

3.2 改進(jìn)kmeans算法優(yōu)化分割

然而僅通過(guò)梯度進(jìn)行聚類分割存在一定的缺陷。受掃描方位的影響,掃過(guò)裝甲目標(biāo)的掃描線會(huì)被切斷,即采集于裝甲目標(biāo)上的點(diǎn)不連續(xù)。中斷的位置梯度值較高進(jìn)而影響分割結(jié)果。圖6是基于梯度分割后的結(jié)果,顯然裝甲目標(biāo)上的點(diǎn)被分成兩簇。

圖6 分割示例圖

特定的彈載工況下激光雷達(dá)掃描半徑較大且激光雷達(dá)的采樣頻率因現(xiàn)有工藝及結(jié)構(gòu)尺寸受到限制,彈丸旋轉(zhuǎn)一周采集到的點(diǎn)云數(shù)據(jù)較為稀疏。進(jìn)而選用改進(jìn)的kmeans算法對(duì)聚類結(jié)果進(jìn)行迭代優(yōu)化。kmeans算法是以誤差平方和最小準(zhǔn)則作為聚類標(biāo)準(zhǔn)。先選定k個(gè)初始聚類中心c1,c2,…,ck。將點(diǎn)云中的每一點(diǎn)按照最小距離原則分配給各聚類中心。若:

||ρ-ci||<||ρ-cj||

(4)

其中，i,j=1,2,…,k,i≠j。則ρ∈f(i),f(i)表示以第個(gè)i聚類中心為中心的聚類集。

分配完成后,按式(5)重新計(jì)算聚類中心:

(5)

其中，Ni為第i個(gè)聚類集f(i)中點(diǎn)的個(gè)數(shù)。按新的聚類中心計(jì)算誤差平方和J:

(6)

多次迭代,當(dāng)誤差平方和不變時(shí),跳出迭代,計(jì)算完畢,此時(shí)輸出的是滿足誤差最小標(biāo)準(zhǔn)的k個(gè)聚類。kmeans算法最顯著的缺點(diǎn)是初始聚類數(shù)k必須事先給定,一旦選擇的k值不合理,得到的聚類結(jié)果就會(huì)存在較大誤差。改進(jìn)方式為:

(1)以梯度分割時(shí)記錄的種子數(shù)量作為初始聚類數(shù)

k={num(seeds)}

(7)

(2)以梯度分割得到的聚類集數(shù)據(jù)中點(diǎn)作為初始聚類數(shù)

ci={(ρfirst+ρend)/2,ρ∈f(i)}

(8)

其中,i=1～k；ρfirst，ρend是聚類集f(i)中第一個(gè)(即種子)及最后一個(gè)被聚類的點(diǎn)。

(3)設(shè)置簇間最小距離度量d

d(ci,cj)={minp?cip′?cj||p-p′||}

(9)

其中,i，j=1～k,i≠j；ci,cj是兩個(gè)簇；||p-p′||是兩個(gè)點(diǎn)p和p′間的距離。

當(dāng)輸出滿足誤差最小的k個(gè)聚類后,計(jì)算簇間最小距離度量并與預(yù)設(shè)的簇間距離閾值dmax比較,若滿足:

d(ci,cj)

(10)

則將ci；cj歸于一類,并將聚類數(shù)k減一。重新計(jì)算聚類中心,繼續(xù)迭代,直至簇間最小距離均小于簇間距離閾值,退出迭代。此時(shí)分類即是最合理的分類。

圖7為改進(jìn)的kmeans算法優(yōu)化分割后的效果圖,可以看出裝甲目標(biāo)上的點(diǎn)被聚為一簇。經(jīng)過(guò)大量數(shù)據(jù)分析,優(yōu)化分割后,分割準(zhǔn)確率從61.34 %提高到了83.57 %,性能提升明顯。

圖7 優(yōu)化分割后的效果圖

3.3 特征匹配識(shí)別裝甲目標(biāo)

通過(guò)上述分割算法分離出的目標(biāo)還需要進(jìn)一步識(shí)別。上述一維點(diǎn)云數(shù)據(jù)包含以下特征:

(1)聚類點(diǎn)云個(gè)數(shù)；

(2)反射點(diǎn)距地高度信息；

(3)反射點(diǎn)水平位置信息；

為有效識(shí)別裝甲目標(biāo),先計(jì)算聚類目標(biāo)點(diǎn)集平均高度與最大寬度,再統(tǒng)計(jì)該聚類目標(biāo)中處于預(yù)設(shè)定高度區(qū)間的點(diǎn)數(shù)。接著與裝甲目標(biāo)真實(shí)特征進(jìn)行比對(duì)。為了量化分析,這里引入特征匹配相似度p。

p=(sh+sw+sn)/3

(11)

其中,sh，sw與sn分別為分割出目標(biāo)的高度、寬度與點(diǎn)數(shù)與其真實(shí)值的相似比。

(12)

其中,havg，wavg與navg是真實(shí)平均高度、寬度與點(diǎn)數(shù),實(shí)驗(yàn)時(shí)值為10 cm,10 cm,10。hk、wk與nk是聚類k計(jì)算出的高度、寬度與點(diǎn)數(shù)。

(13)

其中，xkmax，xkmin是聚類點(diǎn)集中水平距離的極大與極小值。f(k)是上述分割聚類點(diǎn)集高度值；nk是該集合點(diǎn)集個(gè)數(shù)。hmin，hmax是依據(jù)裝甲目標(biāo)預(yù)設(shè)的高度區(qū)間,實(shí)驗(yàn)取值為8 cm,12 cm。

若相似度p>75 %,則認(rèn)為提取出的目標(biāo)為裝甲目標(biāo)。為了驗(yàn)證本文算法在不同條件下的適用性,實(shí)驗(yàn)按梯度設(shè)置了不同高度、視場(chǎng)角條件下計(jì)算相似度p。具體參數(shù)與結(jié)果如表1、表2所示。由表中數(shù)據(jù)可以得出此算法能有效識(shí)別提取地面裝甲目標(biāo)。

表1 不同高度下分割出的目標(biāo)高度、寬度與點(diǎn)數(shù)及相似度

表2 不同視場(chǎng)角下分割出的目標(biāo)高度、寬度與點(diǎn)數(shù)及相似度

4 結(jié) 論

通過(guò)理論分析研究現(xiàn)狀,實(shí)驗(yàn)室采集實(shí)測(cè)數(shù)據(jù)并應(yīng)用本方法對(duì)數(shù)據(jù)進(jìn)行處理,驗(yàn)證了本方法能有效的分割并提取地面裝甲目標(biāo),50°斜置角下相似度可達(dá)到87 %以上,從而為高旋掠飛彈藥的總體設(shè)計(jì)奠定基礎(chǔ)。由于本文數(shù)據(jù)均是模擬平臺(tái)下獲取,還需要進(jìn)一步獲取外場(chǎng)實(shí)彈數(shù)據(jù)進(jìn)行驗(yàn)證。此外,為提高高旋掠飛彈藥探測(cè)識(shí)別能力,接下來(lái)應(yīng)考慮多種探測(cè)方式進(jìn)行復(fù)合制導(dǎo)。