一种利用特征索引排除信号干扰的方法与流程

1.本发明属于雷达监测技术领域，具体涉及一种利用特征索引排除信号干扰的方法。


背景技术：

2.在日常的生产环境中，各种不明信号、意外目标、天气因素，又或人为制造的干扰源始终存在。这些干扰源通常都会对监控设备造成不可避免的性能损失，有时候甚至会使监控设备失效，从而严重影响生产活动的有序进行。
3.为减少或排除这些干扰因素，市面上推出了各种不同种类的产品，或是改进固有产品的使用方法，试图通过这些产品和方法去规避或者降低干扰因素对生产的影响。但是从结果来看，这些方案不但增加了生产成本，而且始终难以避免的出现一些意外的缺陷，使得最终结果难以符合预期。
4.这些意外缺陷包括但不限于以下几个方面：(1)长波雷达发出长波的绕射能力强，且大气对它的吸收少，因此长波传播具有稳定性好、受干扰小、传播距离远等优点；同时长波雷达的定位精度不高、测量精度低和分辨率差；(2)普通雷达设备：分辨率高，可以较为精准的观测到目标的空间几何特征，但是对天气、烟尘等环境因素的抗干扰能力较差，易受意外因素影响。
5.综上所述，可见长波类监测设备存在穿透力强，但是精度差的问题，而普通雷达监测设备则存在精度高，却容易受到外部因素干扰的问题。因此，在日常的生产环境中，通过传统的单一监测手段始终难以彻底排除环境因素的干扰，即便是使用各种较为先进的算法，也只能排除掉少量干扰因素，其最终结果仍然无法满足生产环境的需求。


技术实现要素：

6.本发明针对上述的传统的监测手段始终难以彻底排除环境因素的干扰问题，提供了一种利用特征索引排除信号干扰的方法。
7.为了达到上述目的，本发明采用的技术方案为：一种利用特征索引排除信号干扰的方法，包括以下步骤：步骤一在数据库中保存目标的特征索引，所述特征索引包括几何轮廓特征、局部特征和温度特征；步骤二当出现不良天气且利用雷达和普通摄像头不能识别监测区域的目标时，采用特征索引与目标对应的雷达点云区域进行模糊匹配，排除不良天气对信号干扰并成功识别，然后进行后续操作。
8.作为优选，所述几何轮廓特征包括组成部分数量、整体几何形状、整体长宽高比例；所述局部特征包括每个组成部分的形状和长宽高比例、局部特征纹理；所述温度特征包括局部温度高于设定值。
9.作为优选，步骤二中采用几何轮廓特征、局部特征和温度特征中的一种或多种组合，对出现在监测区域的目标进行监测。
10.作为优选，已知出现在监测区域的目标的整体几何形状差别大，步骤二中仅通过几何轮廓特征对出现在监测区域的目标进行监测；已知出现在监测区域的目标的表面温度差别大，步骤二中仅通过温度特征对出现在监测区域的目标进行监测，用到的监测设备包括红外测温摄像头。
11.作为优选，已知出现在监测区域的目标的整体几何形状差别小或者由于不良天气的影响，雷达探测后不能得到目标完整的整体轮廓时，采用几何轮廓特征和局部特征组合，对出现在监测区域的目标进行监测；已知出现在监测区域的目标局部温度高于设定值，采用几何轮廓特征和温度特征组合，对出现在监测区域的目标进行监测。
12.作为优选，其特征在于，步骤二中所述不良天气包括下雨、浓雾、下雪和沙尘天气。
13.作为优选，所述监测区域的目标为运输车辆，所述运输车辆包括火车和汽运货车。
14.与现有技术相比，本发明的优点和积极效果在于：本发明的利用特征索引排除信号干扰的方法中(1)当出现不良天气且利用雷达和普通摄像头不能识别监测区域的目标时，采用特征索引与目标对应的雷达点云区域进行模糊匹配，排除不良天气对信号干扰并成功识别；(2)特征索引包括几何轮廓特征、局部特征和温度特征，特征索引包括了目标的多种不同特征；当出现不良天气时，采用几何轮廓特征、局部特征和温度特征中的一种或多种组合，对出现在监测区域的目标进行监测；采用特征索引与目标对应的雷达点云区域进行模糊匹配的手段多，在不良天气情况下识别成功率高。
具体实施方式
15.为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合实施例对本发明做进一步说明。
16.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用不同于在此描述的其他方式来实施，因此，本发明并不限于下面公开说明书的具体实施例的限制。
17.实施例1下面对本发明作进一步的描述。本发明方法的中提到的信号干扰为自然环境中因为天气因素而产生的干扰变量，而非人为产生的或者无法被监测设备穿透的监测屏障。这是因为由天气因素而产生的干扰变量虽然结构复杂、多变，但是浓度一般较低，存在被监测设备穿透的可能性。
18.雷达波等波状信号之所以会受到环境因素的干扰，主要是因为波状信号因为受到波长的限制而无法有效穿透空气中悬浮的微状颗粒。特别是在雾气浓度较高、雨水量较大时，空气中存在的微粒密度越大，能够有效抵达目标监测物的信号数量就越少，因此降低了监测物的信号强度。另外，由于沿途中存在大量的干扰信号，使得雷达波对监测目标的锁定也较为困难。即便能有足够的信号穿越了沿途障碍，但是也无法确认信号反射的有效区域。
19.不良天气情况下，目标对应的雷达点云区域只有模糊的轮廓，即在雷达点云数据里只有一些杂乱的点集，这些点集很难构成清晰的几何数据特征。
20.本发明的利用特征索引排除信号干扰的方法，包括以下步骤：步骤一在数据库中保存目标的特征索引，特征索引包括几何轮廓特征、局部特征和温度特征；步骤二当出现不良天气且利用雷达和普通摄像头不能识别监测区域的目标时，采用特征索引与目标对应的雷达点云区域进行模糊匹配，排除不良天气对信号干扰并成功识别，然后进行后续操作。
21.几何轮廓特征包括组成部分数量、整体几何形状、整体长宽高比例；局部特征包括每个组成部分的形状和长宽高比例、局部特征纹理；温度特征包括局部温度高于设定值。
22.步骤二中采用几何轮廓特征、局部特征和温度特征中的一种或多种组合，对出现在监测区域的目标进行监测。
23.步骤二中不良天气包括下雨、浓雾、下雪和沙尘天气。
24.监测区域的目标为运输车辆，运输车辆包括火车和汽运货车。
25.已知出现在监测区域的目标的整体几何形状差别大，步骤二中仅通过几何轮廓特征对出现在监测区域的目标进行监测。
26.本实施例中的已知的监测目标为火车和栏板式汽运货车，由于两者的整体几何形状差别大，所以步骤二中仅通过几何轮廓特征对出现在监测区域的目标进行监测。
27.不良天气时，不能通过雷达的点云模型得到目标准确的几何形状和尺寸，这时将几何轮廓特征中的整体几何形状、整体长宽高比例与目标对应的雷达点云区域进行模糊匹配，如果目标对应的雷达点云区域轮廓与数据库中保存的栏板式汽运货车的整体几何形状匹配度达到或超过阈值，那么匹配成功，对目标运输车辆的识别成功，进行后续操作。
28.实施例2本实施例与实施例1的区别是：已知出现在监测区域的目标的整体几何形状差别小或者由于不良天气的影响，雷达探测后不能得到目标完整的整体轮廓时，采用几何轮廓特征和局部特征组合，对出现在监测区域的目标进行监测。
29.本实施例中已知运输车辆为栏板式汽运货车和平板式汽运货车，两者的整体几何形状差别小，仅是车厢有无栏板的区别。在不良天气下，就需要采用几何轮廓特征和局部特征(车厢有无栏板)组合，对出现在监测区域的目标进行监测。
30.实施例3本实施例与实施例2的区别是：本实施例中已知运输车辆为自卸式汽运货车和罐式汽运货车，两者的整体几何形状差别小，且两者均运载高温物体(罐式汽运货车运载液态金属，自卸式汽运货车运载高温渣料),仅是车厢形状的区别。在不良天气下，就需要采用几何轮廓特征和局部特征(车厢形状)组合，对出现在监测区域的目标进行监测。
31.实施例4本实施例中已知出现在监测区域的目标中存在高温渣料运输车辆，当出现不良天气时，利用雷达和普通摄像头不能识别监测区域的目标，红外测温摄像头探测到监测区域目标的表面温度高于设定值，那么仅通过温度特征就可以识别出该目标为高温渣料运输车辆。
32.以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其他形式的限制，任
何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其他领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，仍属于本发明技术方案的保护范围。