基于多核DSP激光成像雷达数据处理系统

采用多核DSP设计了一个用于地面目标检测的激光雷达实时图像处理系统。在详细分析算法各模块资源消耗量的基础上,完成了硬件电路设计,实现了以主辅拓扑结构为框架的软件并行处理系统开发。在系统实现时,先将图像进行分区,并合理地将分区后的图像分配到四个DSP核中进行处理。最后,将并行系统进一步扩展到双核和六核,并与单核系统进行性能比较。对算法运算时间的测试结果表明,系统处理一帧图像仅需50 ms达到了实时性要求。结果表明,对于固定负载的处理系统,单纯地通过增加并行的核数来提高加速比的幅度是有限的。当增加并行的核数已不能明显地提高计算效率时,在系统设计中应着重减少每个核串行运算的负载量。     

基于一维距离像的抗箔条干扰算法研究

对箔条进行有效识别是对抗雷达箔条干扰特别是冲淡式干扰的关键。阐述了箔条干扰的原理,分析了舰船和箔条一维距离像的波形稳定性、距离像分布及相邻距离像相关性等差异,提取了距离像峰值点位置熵、距离像分散性以及相邻距离像相关系数三个目标特征,构造了BP神经网络识别器并完成了相应的参数设计以实现目标识别。利用真实数据进行了舰船和箔条的目标识别实验,结果表明该算法识别率高,收敛速度快,便于工程实现,具有较强的应用价值。     

基于Link口和USB的数据传输设计

为了满足多DSP软件调试系统中DSP和上位机之间的数据传输需求,以FPGA作为时序控制,采用Link口和USB2．0接口完成了数据传输设计。多个DSP之间以及DSP和FPGA之间采用Link连接,FPGA和上位机之间采用USB2．0连接。重点介绍了系统组成,完成了芯片选型、Link口和FX2芯片时序设计,并给出了固件程序、驱动程序和应用程序的设计方法。该系统工作稳定可靠,使用方便灵活,能很好地完成ADSP-TS101与上位机之间的数据通信。     

基于投影分布熵的多视点三维点云场景拼接方法

多视点三维点云场景拼接是解决激光三维主动成像目标自遮挡或被遮挡情况下目标数据不完全问题的一种有效方法,它将直接影响到后续的目标检测与识别处理。通过点云投影分布熵对场景独立坐标系进行估计,由此计算待拼接场景之间的空间变换参数,最后通过退火最近点迭代(ICP)方法,实现多视点场景的精确拼接。仿真实验结果表明,此方法是一种有效可行的方法。     

一种新的点云拼接算法

迭代最近点(ICP)算法广泛运用于三维点云数据的多视拼接,其精度和迭代收敛性严重依赖于待拼接数据的初始拼接位置,这就决定ICP只能是一个性能优越的精确拼接算法。粗拼接算法旨在为ICP提供一个良好的初始拼接位置。基于信息论中熵的概念,分析了点云的空间分布规律与所处位置的关系,在此基础上提出了一种新的粗拼接算法—迭代最小空间分布熵法。实验表明,该算法有效可行,可以提供很好的初始拼接位置,在误差允许范围内,该算法可以直接实现点云拼接。     

采用投影轮廓特征的激光雷达快速目标识别

激光雷达可以获得目标的三维形状信息,已成为目标识别领域新的研究热点。针对传统匹配识别算法计算量大的问题,提出了一种快速的激光雷达目标识别方法。采用由粗到精的策略,提出了一种新的点云正交投影轮廓特征(PCF)实现模型的快速预选,在此基础上利用迭代最近点(ICP)算法将目标与模型点云精确匹配,并综合利用特征匹配和点云匹配信息构建相似性度量实现目标识别。采用25类地面装甲目标在96个不同视角下的点云数据进行实验,结果表明该算法的运算效率远优于逐一匹配法,且对目标姿态估计误差和目标遮挡具有很强的稳健性,具有较好的综合性能和应用推广价值。     

一种新的激光雷达目标姿态估计算法

在激光雷达目标识别中,通常需要估计目标姿态,进而将点云和模型匹配以完成识别。对目标姿态与投影点云分布的关系进行了分析,提取了投影点云密度熵(PDE)特征对点云分布进行度量。依据目标姿态与PDE之间的关系,提出了一种新的目标姿态估计方法,将点云绕坐标轴旋转,并计算旋转后点云的PDE,以PDE最小值所对应的旋转角作为目标姿态角。仿真了5类地面装甲目标在不同视点下的激光雷达点云,对比分析了PDE方法和矩形拟合法及主成分分析(PCA)方法在自遮挡下和遮挡下的目标姿态估计性能,讨论了参数选择对算法性能的影响,给出了PDE方法的快速实现方式。实验结果表明,PDE方法在自遮挡和遮挡情况下的姿态角估计性能及算法稳健性明显优于矩形拟合法和PCA方法,特别适合严重遮挡下的目标姿态估计。