基于双目视觉与毫米波雷达融合的主动避障方法研究

钱波, 陈洁, 徐淇, 王红星, 黄郑*

(1.国网江苏省电力有限公司常州供电分公司， 江苏， 常州 213000；2.江苏方天电力技术有限公司， 江苏， 南京 211102)

0 引言

随着雷达测控技术的发展，毫米波雷达被广泛应用在避障控制系统中，构建优化的毫米波雷达主动避障控制系统需要研究毫米波雷达主动避障方法，这在机器人控制、飞行器控制以及无人驾驶汽车控制等方面具有重要意义[1]。毫米波雷达主动避障方法的研究建立在对毫米波雷达信号检测和特征分析的基础上的，构建毫米波雷达主动避障的参数融合和信号特征分析模型，通过模糊度参数采集和信号融合实现对毫米波雷达主动避障的参数自适应调节[2-3]。根据上述分析可得，直接采用毫米波雷达进行动态避障存在误差较大等问题[4-5]，为此本文提出的基于双目视觉的毫米波雷达主动避障方法。本文方法在提高毫米波雷达主动避障和自适应控制能力方面有优越的性能。

1 毫米波雷达信号处理与检测

1.1 毫米波雷达信号处理模型

为了实现基于双目视觉的毫米波雷达主动避障控制的构建，采用单脉冲雷达跟踪和信号检测方法。构建毫米波雷达主动信号采集的回波分析模型，得到雷达信号的输出间距dx，在y轴方向得到多个目标单脉冲输出信号特征分量，设置毫米波雷达信号的输出阵元间隔为dy，根据接收机带宽分析和AD采样结果，得到单脉冲雷达分辨单元满足：

r(e)=dx+dyn(t)

(1)

式中，n(t)表示分离出的噪声分量。在接收机带宽远大于脉冲信号带宽的情况下，采用自相关频谱特征检测方法进行双目视觉下的毫米波雷达脉冲信号融合和滤波处理[6]，根据回波相位角分布构建毫米波雷达脉冲的信号检测模型，得到双目视觉下毫米波雷达信号的互相关特征量为

q=∑e=1r(e)+Rs(ψ)+h(t)

(2)

其中，Rs(ψ)为毫米波雷达脉冲信号的特征分量，h(t)为雷达毫米波探测的互相关函数。采用条件广义的似然比检测方法引入互相关函数，并采用匹配滤波检测方法实现双目视觉下毫米波雷达信号融合处理。

根据瑞利目标的假设检验结果，得到双目视觉下毫米波雷达信号的融合度为v，基于奈曼-皮尔逊检测准则[7]得到双目视觉下毫米波雷达目标方位角和扩展角的关系为

jh=s0+(q+v)+h(t)

(3)

其中，s0表示双目视觉下毫米波雷达目标分布的二维谱峰，简称尺度。根据式(3)获取的毫米波雷达目标方位角和扩展角之间的关系，构建双目视觉下毫米波雷达目标主动避障的信号处理模型，如图1所示。

图1 双目视觉下毫米波雷达目标主动避障信号处理模型

1.2 毫米波雷达信号检测

在双目视觉下毫米波雷达目标主动避障信号处理模型的基础上对毫米波雷达目标参数进行估计，将双目视觉下毫米波雷达目标参数估计问题转化为信号检测问题，采用回波检测和自适应跟踪探测方法完成毫米波雷达信号检测。首先采用双目视觉跟踪检测方法对毫米波雷达目标主动避障的回波成像进行处理，根据处理结果对基于双目视觉的毫米波雷达信号特征进行分析，得到毫米波雷达主动避障的尺度因子：

d(j)=w(s)+jhm+s0

(4)

其中，m表示复共轭数值。结合单个目标回波的采样点特征分析[8]，得到毫米波雷达脉冲信号的输出均值记为w(s)，把毫米波雷达脉冲信号的时域和频域结合在一起，根据最大波束形成方法进行多个目标的波达方向分辨处理[9]，得到信号高分辨融合结果为

Z=x(t)+[yp+∫j=1dj]

(5)

式中，x(t)表示输入的高分辨汽车自动避障毫米波雷达探测信号，yp表示加窗操作下的毫米波雷达目标信号的输出脉冲展宽。根据最大波峰检测结果，获取引起信噪比估计值突变的目标DOA估计结果为

kp=Zf(s)+myp+giv

(6)

其中，f(s)为最大波峰检测结果参数，根据DOA估计结果，在多瑞利目标情况下实现毫米波雷达信号特征提取，输出为giv。利用毫米波雷达探测回波冲激响应进行障碍物检测，估计单个目标的信噪比，得到双目视觉下毫米波雷达目标的空间聚类参数估计结果，根据估计结果，采用回波检测和自适应跟踪探测方法对毫米波雷达信号进行检测，其表达式为

A=kp+f(s)+giv

(7)

2 毫米波雷达主动避障控制优化

2.1 双目视觉下毫米波雷达信号谱特征提取

根据上述检测到的毫米波雷达信号进行双目视觉下毫米波雷达信号谱特征提取，采集双目视觉毫米波雷达信号的空间频谱特征量，根据信号的频谱分布特性进行波束形成处理[10-11]，得到不同尺度和时延下的双目视觉毫米波雷达信号的脉冲波束为

u(m)=f(t)kp+(A+Cx)

(8)

其中，Cx为空间频谱特征量参数，A∈Cn×n(n×n维复数空间)为双目视觉毫米波雷达避障的模糊度矩阵，f(t)为多目标检测时虚警概率分布下的双目视觉毫米波雷达信号的采样频率。估计出对应单个目标的信噪比，得到测距分量为r(t)，则：

r(t)=j(r)+seg(t)+∫m=1u(m)dm

(9)

其中，g(t)为双目视觉毫米波雷达的反射回波，j(r)为背景干扰，提取双目视觉毫米波雷达信号的谱分量，根据测距结果进行避障控制，得到双目视觉毫米波雷达目标避障输出se。根据DOA估计结果，在偏差和均方根误差的约束下，得到双目视觉毫米波雷达信号的频谱特征分离结果为

dp(a)=τ+t+sef+∑t=1r(t)

(10)

其中，τ为双目视觉毫米波雷达信号的时延分量，f为频域分解特征，t为先验信息的确定因素。根据信号的频谱分布特性进行波束形成处理，采用波谱增益聚类分析方法对毫米波雷达信号增强处理，根据处理结果提取双目视觉下毫米波雷达信号谱特征

B=Etdp(a)+R(λ)+(t)

(11)

其中，Et为毫米波雷达测距分量，R(λ)为毫米波雷达测距DOA参数，(t)为多个目标的径向距离。

2.2 雷达目标避障控制

根据提取的毫米波雷达信号谱特征进行雷达目标避障控制，设置信号采样的间距为d=λmin/4，在同一分辨单元内，得到毫米波雷达目标的避障控制分量为

Pf=d+(a2+c1)+tqB

(12)

其中，a2与c1为双目视觉毫米波雷达频谱分量，tq表示任意一个m×n维矩阵A中双目视觉毫米波雷达信号的空间分布域。双目视觉毫米波雷达信号的多次回波数据：

w(t,i)=[pf+a(u)]+lg

(13)

式中，a(u)为准平稳随机模型下的毫米波雷达信号的空间参数估计结果。根据参数估计结果实现毫米波雷达目标的探测和定位，位置参数定位结果为lg。根据两目标信噪比的比值结合滤波检测方法，得到避障控制律：

X(o)=A(t)+θ(t)+w(t,i)

(14)

其中，A(t)为毫米波雷达脉冲的复包络，θ(t)为单脉冲雷达系统中的信号分布相位。根据式(14)确定参数t0，其表达式如下：

t0=X(o)+A(t)+θ(t)f0

(15)

其中，f0为单脉冲比实部的均值估计。根据毫米波雷达信号探测结果[12-15]得到避障参数优化解析式：

L=Xi+(e(p)+t0)

(16)

式中，Xi(i=1,2,…,n)表示毫米波雷达轨迹参数，e(p)表示避障输出结果。通过幅度、回波相位角的参数融合结果实现雷达主动避障。

3 实验测试分析

为了验证本文方法在实现毫米波雷达主动避障中的应用性能进行仿真测试分析。设置毫米波雷达的单脉冲比为0.36，信噪比为-24 dB，毫米波雷达信号的检测序列可标记为0 000 101 111 000，波束宽度为12，虚警概率为0.014，根据上述参数设定进行毫米波雷达主动避障的仿真分析，得到雷达信号时域波形如图2所示。

图2 雷达信号时域波形

根据图2的雷达信号时域分布，在不同毫米波雷达轨迹参数下进行避障参数估计，将本文的避障参数估计状态与实际的避障参数估计状态进行对比，对比结果如图3所示。

(a) X1下的避障参数估计结果

分析图3得知，在不同毫米波雷达轨迹参数下，本文方法进行毫米波雷达主动避障的参数定位估计与实际避障参数估计结果拟合度较高。采用本文提出的基于双目视觉的毫米波雷达主动避障方法、文献[4]提出的基于车车通信的毫米波雷达主动避障方法和文献[5]提出的基于多传感器的无人机避障方法进行毫米波雷达主动避障测试，比较3种方法的雷达避障轨迹偏离误差，得到对比结果如图4所示。

图4 3种方法的避障偏离误差对比结果

分析图4得知，本文方法进行毫米波雷达主动避障的偏离误差比文献[4]提出的基于车车通信的毫米波雷达主动避障方法和文献[5]提出的基于多传感器的无人机避障方法的毫米波雷达主动避障的偏离误差小，避障精准度高。

4 总结

针对传统的毫米波雷达主动避障方法存在的避障偏离误差较大的问题，本文提出了基于双目视觉的毫米波雷达主动避障方法。采用单脉冲雷达跟踪和信号检测方法构建毫米波雷达主动信号采集的回波分析模型，采用回波检测和自适应跟踪探测方法进行毫米波雷达信号检测，根据信号的频谱分布特性进行波束形成处理，根据两目标信噪比的比值结合滤波检测方法得到避障控制律，实现双目视觉下的雷达主动避障处理。研究得知，本文方法进行毫米波雷达主动避障的偏离误差较小，避障效果较好。