Chinese Journal of Ship Research
遮挡环境下基于航海雷达的舰船目标跟踪方法研究
本文网址:http://www.ship-research.com/cn/article/doi/10.19693/j.issn.1673-3185.03349 期刊网址:www.ship-research.com
引用格式:孙帅,吕红光, 黄骁.遮挡环境下基于航海雷达的舰船目标跟踪方法研究[J]. 中国舰船研究, 2024, 19(1): 55–61. SUN S, LYU H G, HUANG X. Ship target tracking for marine radar in occluded environments[J]. Chinese Journal of Ship Research, 2024, 19(1): 55–61 (in both Chinese and English).孙帅*1,吕红光1,黄骁2
1大连海事大学航海学院,辽宁大连 116026 2中国舰船研究设计中心,湖北武汉 430064
摘 要:[目的]针对无人艇平台航海雷达在舰船目标跟踪中因障碍物遮挡而造成的目标航迹断裂问题,需综合利用环境先验信息,以提高雷达探测受限时目标跟踪航迹的连续性。[方法]通过提出遮挡环境下的
综合概率数据互联(IPDA)算法,即O-IPDA,对环境遮挡情况进行实时预判;在遮挡环境中通过采用低检测概率和针对性设计的存在状态概率转移矩阵,以维持目标跟踪的连续性。[结果]在单目标跟踪场景中,当目标
被暂时遮挡时,O-IPDA可以避免目标因持续性漏检而丢失,以保持跟踪航迹的稳定性,其中算法的抗遮挡能力取决于 O-IPDA存在状态概率转移矩阵中的相关参数设置。[结论] O-IPDA目标跟踪方法具有一定的抗遮挡能力,可为航海雷达单目标跟踪研究提供参考。关键词:目标检测与跟踪;目标遮挡;环境先验信息;综合概率数据互联(IPDA)
中图分类号: U666.14文献标志码:A DOI:10.19693/j.issn.1673-3185.03349
Ship target tracking for marine radar in occluded environments
SUN Shuai*1, LYU Hongguang1, HUANG Xiao2
1 Navigation College, Dalian Maritime University, Dalian 116026, China 2 China Ship Development and Design Center, Wuhan 430064, China
Abstract: [Objective]In order to address track breakages that commonly occur in occluded environments for marine radar target tracking with an unmanned surface vehicle (USV), it is necessary to comprehensively utilize prior environmental information to improve track continuity when radar detection is occluded. [ Methods] An occluded integrated probability data association (IPDA) algorithm, known as O-IPDA, is proposed for the real-time prediction of environmental occlusion information. Appropriate use is then made of its low detection probability in combination with a tailored track existence probability transition matrix to maintain target tracking performance.[ Results] For the application of single target tracking, O-IPDA can avoid target track loss in temporarily occluded environments where its track maintenance ability during occlusion is determined by the corresponding parameters in the existence state transition probability matrix. [ Conclusions] The proposed O-IPDA algorithm has the potential to address target occlusion in complex maritime environments and can provide useful references for marine radar single target tracking.
Key words: target detection and tracking; target occlusion; prior environmental information; integrated probability data association (IPDA) 0 引 言作为主动探测设备,航海雷达(又称船舶导航雷达)在水面无人艇(unmanned surface vehicle,USV)的自主环境感知中发挥了至关重要的作用[1-2]。基于航海雷达的目标检测与跟踪结果,可为USV 自主避障和路径规划等应用提供必要的周围在航船舶状态信息,例如位置、航速、航向等。然而,局
收稿日期: 2023–05–06 修回日期: 2023–08–22 网络首发时间: 2023–11–08 15:36
基金项目:国家自然科学基金面上资助项目(52071049)
作者简介: 孙帅,男,1989 年生,博士,讲师。研究方向:雷达目标检测与跟踪。E-mail:shuai.sun@dlmu.edu.cn吕红光,男,1981年生,博士,副教授。研究方向:海上智能交通系统,船舶自动避碰黄骁,男,1988年生,博士,高级工程师
*通信作者:孙帅
部复杂水域、体积较大的岛屿以及大型舰船经常会对跟踪目标造成一定程度的遮挡,进而影响雷达目标的稳定检测;如果存在长时间目标遮挡,则会导致跟踪目标丢失,进而造成目标航迹断裂;当丢失目标再次进入雷达视野时,跟踪系统需要重新对该目标进行航迹起始和确认,此类工况的影响如下: 1)如果不做断裂航迹辨识、粘连等特殊处理,该目标的历史航迹与新生航迹将被视为不同的目标航迹,从而影响对目标运动属性的判断与识别; 2)当目标处于被岛屿、大型舰船等物标频繁遮挡的水域环境中,跟踪目标一旦丢失,则将导致目标再次起始、确认的困难;当目标距离较近时,可能出现碰撞预警延迟,造成潜在的碰撞风险。因此,有必要结合航行水域的环境特征以及周围在航船舶信息,研究遮挡环境下 USV目标的稳定检测与跟踪方法。传统的雷达目标检测与跟踪方法主要在航迹管理(包括航迹起始、维持、终结)、数据关联(目标航迹与雷达量测数据进行归属性关联判断)以及状态估计等方面有所区别[3],而现有的遮挡目标检测与跟踪方法则主要集中在知识信息辅助遮挡辨识、多传感器信息融合互补、遮挡环境下目标航迹预测等方面。例如,Wang等 针对在航船舶[4]互相靠近时产生的遮挡问题,提出了基于目标多普勒速度信息辅助的扩展目标量测聚类辨识方法; [5]陈法领等 针对视觉图像中出现的目标遮挡问题,提出了基于时空环境信息辅助的遮挡目标检测与[6]跟踪方法;石义芳等 针对空中目标被山峦、建筑物等物标遮挡问题,提出了一种基于多帧数据关联的改进综合航迹分裂方法,可在目标遮挡过程中实现对其航迹的自动预测。在陆地自动驾驶和室内定位等工程应用中,针对车辆、行人、移动用户等目标的跟踪方法也往往因受到其他物标不同程[7] [8]度的遮挡而失效 。兰浩然等 针对陆地自动驾驶在遮挡环境下造成的观测数据缺失问题,提出了采用毫米波雷达和激光雷达的多传感器信息融合滤波方法;Sun等 针对室内定位中移动用户身[9]体对设备信号的遮挡问题,提出了一种基于层级式隐马尔科夫模型用户定位方法。目前,在环境遮挡因素的影响下,鲜有针对基于 USV移动平台的航海雷达目标检测与跟踪问题的研究成果。为此,本文拟充分利用环境中的先验遮挡信息,例如岛屿、锚泊船等可能对跟踪目标产生遮挡的大型物标的位置、形状、尺寸等信息,研究抗遮挡目标跟踪算法,以有效避免跟踪航迹断裂。综合概率数据互联(integrated probability data association,IPDA)算法在概率数据关联基础上引入目标存在状态变量,可用于解决目标跟踪航迹的管理问题[10],故本文将在 IPDA 算法基础上,引入遮挡物标先验信息,探索基于先验环境遮挡信息的 IPDA算法参数设计方法和遮挡环境下的实时航迹推算方法,从而为环境障碍物遮挡导致量测持续缺失工况下的水面舰船目标跟踪关键问题提供可行的解决思路。
1 遮挡环境目标跟踪建模1.1 问题描述
针对遮挡环境下航海雷达目标的检测与跟踪问题,定义 k时刻的雷达回波集为zk = { z k, 1 z 2 , ..., k z i , ..., z Nk },其中z i为第 i个雷达回波量测, Nk为 k
k k k时刻接收的总回波个数。需注意的是,环境中障碍物对目标的遮挡可能造成目标漏检,即雷达回波集可能不包含该目标的回波。为了便于后续描述,定义Z = [ z1 , z2 , ..., zk ]为从起始时刻到 k时刻k的所有雷达回波量测。同时,定义k 时刻USV在全局坐标系下的位姿[ ]信息为Uk = u u y u ,其中u , u y , u θ分别为 USV x θ x k k k k k k在x 和y轴的坐标位置以及USV艏向。定义跟踪目标的状态为Xk = [xk yk vx vy]T ,其中xk , yk , vx , vy分别表示目标在全局坐标系中x和 y轴的坐标位置及其相应的速度信息。由此可见,目标跟踪问题可以描述为基于环境先验信息和雷达回波量测的实时检测与跟踪问题,进而据此估计各时刻的目标状态Xk。
1.2 环境遮挡物的先验信息建模
常见的水域环境遮挡物多为岛屿、大型锚泊或在航船舶等,其在尺寸、形状等方面可能存在明显差异。对于安装于USV平台的航海雷达,遮挡物形成的遮挡区域将随着USV艇体运动和遮挡物本身(例如近距离大型在航船舶)的移动而变化,从而引起跟踪目标遮挡情况的实时变化。假设已知k时刻水域环境中的有效遮挡物信息Ok =
{ O k, O , ..., Oj , ..., O |Ok |},第j个遮挡物信息 包括
1 2 j
O k k k k
其具体的位置和尺寸信息,其中 |Ok |,且j = 1, 2, ..., |Ok |为 k时刻的遮挡物总数量。所需信息可以通过多种途径来获取。例如,船舶自动识别系统(automatic identification system,AIS)可能对锚泊船的位置和长/宽尺寸等信息进行了播报;在艇岸协同条件下,岸基指挥系统也可为USV提供大型遮挡物
标的尺寸信息。由于 USV平台的雷达架高较低,当遮挡物高度大于雷达架高时,可以省略高度遮挡判别。本文将根据遮挡物的尺寸对其进行椭圆形状近似建模(图1)。首先,采用椭圆的长轴、短轴和朝向来模拟遮挡船舶的船长、船宽和艏向;然后,通过判断平面雷达天线与目标位置连线是否穿过遮挡物,对环境遮挡进行判断。定义目标与遮挡物判断函数Sk = f (Uk , Ok , Xk ),其函数输出值,即遮挡指示向量Sk为取值 0 或 1 的 |Ok |维向量。若Sj = 0,表k j ;反示在雷达探测目标时没有被遮挡物Ok遮挡j k遮之,若Sk = 1,表示雷达探测目标时被遮挡物Oj挡。对雷达探测目标而言,任何一个遮挡物都会∪Sk影响目标探测,定义 为遮挡指示向量Sk所有∪Sk元素的综合影响, =1即表明当前时刻至少有1个遮挡物对雷达探测目标造成遮挡, =0 则∪Sk表明当前时刻所有遮挡物均不会对雷达探测目标造成遮挡。
1.4 雷达量测方程
航海雷达的量测信息为目标距离和方位,可以采用坐标转换将量测信息转换为全局笛卡尔直角坐标系,则目标量测方程zk可以建模为
式中: Hk为观测矩阵; vk ∼N (0, Rk ),为服从零均值方差为Rk的高斯噪声,其中N (0, Rk)为高斯分布。
2 基于 IPDA 跟踪方法
针对遮挡环境下航海雷达的目标跟踪稳定性问题,本节将设计基于IPDA的改进目标检测与跟
1.3 目标航迹的存在状态
为了便于描述目标航迹的存在性以及在遮挡环境下目标航迹的存在特征,根据文献[10] 对目标在 k时刻的航迹存在状态χk进行建模,包括目标航迹不存在χ¯ 、目标航迹存在且可被雷达探测k χ o、目标航迹存在但由于障碍物遮挡不能被雷达
k探测χ n这 3种航迹存在状态,即 χk = {χ¯ ,χ o ,χ n }。k k k k 3种航迹存在状态相互独立,且可互相转换,其时序转换过程可建模为一阶马尔科夫链,如图2所示。踪方法,该算法因此命名为 O-IPDA。与 IPDA 类似, O-IPDA算法为实时递推方法,主要包括目标状态预测与状态更新2个模块,可以同时处理目标检测与目标跟踪问题。本文讨论的目标状态包括: 1) 离散空间的目标航迹存在状态χk ( 1.3 节),可用于目标航迹管理,即航迹起始、航迹维持和航迹终结; 2)连续空间的目标运动状态Xk ,即目标在笛卡尔坐标系下的位置、速度等。在k 1~ − k时刻的递推过程中, Xˆ ˆ −1 1和Pk 分别为k k−1|k− − 1 | k − 1时刻目标的状态均值以及协方差估计; Xˆ k|k−1和
Pˆ 分别为k − 1~k时刻目标运动状态的预测均k|k−1
值和预测协方差估计, Xˆ k| k和 Pk|k ˆ 分别为 k时刻目
式中, rk为目标向存在状态的转移概率之和与向不存在状态转移概率之和的比值,其值越大,目标转向消亡的趋势越低,如图5(b) 在 20~30 拍遮挡区间内目标存在概率的变化趋势。rk决定了遮挡时目标存在概率的下降速度, rk越大,后者下降得越慢,目标在遮挡环境中的存活时间越长,直至其存在概率低于目标终结门限。由式(7)和式(14)
可知,目标存在概率在每次递推时的下降幅度为M (13)P( χ |Z |Z
1 o 1 n k−1 )+ M (23)P( χ k−1)。因此,选k k k−1 k−1
择较小的M (13)和M (23),可提高目标航迹在遮1 1 k k挡环境下的维持时间。当目标的航速、航向及遮挡物的尺寸已知时,可以初步估算目标在被遮挡时需要的航迹维持时间,进而指导算法参数设计。但需注意的是,在遮挡过程中如果没有其他额外信源来提供目标信息,则仅能以航迹预测来推算目标航迹,其在短时间内的精度较为可靠;当目标发生机动时,预测精将显著下降,此时对该目标航迹进行终结则更为合理。由此可见,遮挡环境下对目标的航迹维持也不宜过长,故表1 中M 1参数的设置k需结合实际情况进行折中考虑。
4 结 语
针对单目标被障碍物遮挡造成的持续性漏检或检测概率严重降低等问题,本文基于IPDA 算法引入了先验环境遮挡信息,针对性地设计了存在状态转移概率矩阵,从而保持了目标航迹的持续性。通过对遮挡物建模和遮挡状态预判,可以有效避免目标被遮挡时因无法进行雷达探测而盲目决策所造成的航迹断裂问题。实验验证结果表明,在遮挡物信息先验已知的情况下,O-IPDA可以提高目标航迹的连续性和目标跟踪的稳定性。在后续研究工作中,拟进一步考虑多目标跟踪过程中因船舶互相遮挡而造成的目标航迹断裂问题。
参考文献:
[1] 张磊, 庄佳园, 王博. 水面无人艇技术 [M]. 上海: 上海交通大学出版社, 2018: 143−192.
ZHANG L, ZHUANG J Y, WANG B. Unmanned surface vehicle[M]. Shanghai: Shanghai Jiao Tong University Press, 2018: 143-192 (in Chinese).
[2] 王耀南, 安果维, 王传成, 等.智能无人系统技术应用与发展趋势 [J]. 中国舰船研究, 2022, 17(5): 9–26. WANG Y N, AN G W, WANG C C, et al. Technology application and development trend of intelligent unmanned system[J]. Chinese Journal of Ship Research, 2022, 17(5): 9–26 (in Chinese).
[3] VO B N, MALLICK M, BAR-SHALOM Y, et al. Multitarget tracking[J/OL]. Wiley Encyclopedia of Electrical and Electronics Engineering. (2015-09-15)[2023-05-06] . DOI: 10.1002/047134608X.W8275
[4] WANG J, LI Y L, FAN C Y, et al. Knowledge-based plot agglomeration for multiple extended targets in partial occlusion conditions[C]//IEEE 6th International Conference on Signal and Image Processing. Nanjing,China: IEEE, 2021: 93−97.
[5] 陈法领, 丁庆海, 罗海波, 等. 采用时空上下文的抗遮挡实时目标跟踪 [J]. 红外与激光工程, 2021, 50(1): 20200105.
CHEN F L, DING Q H, LUO H B, et al. Anti-occlusion real time target tracking algorithm employing spatiotemporal context[J]. Infrared and Laser Engineering, 2021, 50(1): 20200105 (in Chinese).
[6] 石义芳, 方伟业, 周福珍, 等.复杂环境下针对遮挡目标的鲁棒自动跟踪方法 [J]. 传感技术学报, 2022, 35(9): 1186–1196.
SHI Y F, FANG W Y, ZHOU F Z, et al. A robust method for occluded target automatic tracking in complex environment[J]. Chinese Journal of Sensors and Actuators, 2022, 35(9): 1186–1196 (in Chinese). [7] GILROY S, JONES E, GLAVIN M. Overcoming occlusion in the automotive environment —a review[J]. IEEE Transactions on Intelligent Transportation Systems, 2021, 22(1): 23–35.
[8] 兰浩然, 李旭, 朱建潇, 等.遮挡环境下基于路侧异源雷达融合的多交通目标鲁棒跟踪方法 [J]. 仪器仪表学报, 2022, 43(11): 31–39.
LAN H R, LI X, ZHU J X, et al. Robust tracking of multiple traffic targets based on roadside heterogeneous radar fusion in occlusion environment[J]. Chinese Journal of Scientific Instrument, 2022, 43(11): 31–39 (in Chinese). [9] SUN S, LI S X, LI Y, et al. Smartphone user tracking by incorporating user orientation using a double-layer HMM[J]. IEEE Transactions on Vehicular Technology, 2022, 71(7): 7780–7790. [10] MUSICKI D, EVANS R, STANKOVIC S. Integrated probabilistic data association[J]. IEEE Transactions on Automatic Control, 1994, 39(6): 1237–1241. [11] BAR-SHALOM Y, TSE E. Tracking in a cluttered environment with probabilistic data association[J]. Automatica, 1975, 11(5): 451–460. [12] HELGESEN Ø K, VASSTEIN K, BREKKE E F, et al. Heterogeneous multi-sensor tracking for an autonomous surface vehicle in a littoral environment[J]. Ocean Engineering, 2022, 252: 111168.