Analysis of the joint detection capability of the SMILE satellite and EISCAT-3D radar

The Solar wind Magnetosphere Ionosphere Link Explorer(SMILE)satellite is a small magnetosphere–ionosphere link explorer developed cooperatively between China and Europe.It pioneers the use of X-ray imaging technology to perform large-scale imaging of the Earth’s magnetosheath and polar cusp regions.It uses a high-precision ultraviolet imager to image the overall configuration of the aurora and monitor changes in the source of solar wind in real time,using in situ detection instruments to improve human understanding of the relationship between solar activity and changes in the Earth’s magnetic field.The SMILE satellite is scheduled to launch in 2025.The European Incoherent Scatter Sciences Association(EISCAT)-3D radar is a new generation of European incoherent scatter radar constructed by EISCAT and is the most advanced ground-based ionospheric experimental device in the high-latitude polar region.It has multibeam and multidirectional quasi-real-time three-dimensional(3D)imaging capabilities,continuous monitoring and operation capabilities,and multiple-baseline interferometry capabilities.Joint detection by the SMILE satellite and the EISCAT-3D radar is of great significance for revealing the coupling process of the solar wind–magnetosphere–ionosphere.Therefore,we performed an analysis of the joint detection capability of the SMILE satellite and EISCAT-3D,analyzed the period during which the two can perform joint detection,and defined the key scientific problems that can be solved by joint detection.In addition,we developed Web-based software to search for and visualize the joint detection period of the SMILE satellite and EISCAT-3D radar,which lays the foundation for subsequent joint detection experiments and scientific research.

An improved bicubic imaging fitting algorithm for 3D radar detection target

3D ground-penetrating radar has been widely used in urban road underground disease detection due to its nondestructive,efficient,and intuitive results.However,the 3D imaging of the underground target body presents the edge plate phenomenon due to the space between the 3D radar array antennas.Consequently,direct 3D imaging using detection results cannot reflect underground spatial distribution characteristics.Due to the wide-beam polarization of the ground-penetrating radar antenna,the emission of electromagnetic waves with a specific width decreases the strong middle energy on both sides gradually.Therefore,a bicubic high-precision 3D target body slice-imaging fitting algorithm with changing trend characteristics is constructed by combining the subsurface target characteristics with the changing spatial morphology trends.Using the wide-angle polarization antenna’s characteristics in the algorithm to build the trend factor between the measurement lines,the target body change trend and the edge detail portrayal achieve a 3D ground-penetrating radar-detection target high-precision fitting.Compared with other traditional fitting techniques,the fitting error is small.This paper conducts experiments and analyses on GpaMax 3D forward modeling and 3D ground-penetrating measured radar data.The experiments show that the improved bicubic fitting algorithm can eff ectively improve the accuracy of underground target slice imaging and the 3D ground-penetrating radar’s anomaly interpretation.

应用3D雷达最小化钻芯数量评价沥青路面压实质量的可行性研究

本研究通过介电常数-空隙率关系模型比选、室内外试验和试验路验证,探讨了应用3D雷达最小化钻芯取样数量或替代钻芯取样进行沥青路面压实质量评价的可行性。研究结果显示,Pearce模型具有模型形式简单、与室内外数据拟合效果较好、物理意义明确、介电常数适应范围宽等特点,适用于预测沥青混合料的空隙率;与钻芯样品的检测结果比较,由3D雷达检测结果得出的空隙率和压实度误差很小,没有改变钻芯取样抽样检测对检测路段压实质量的整体判断结论;应用3D雷达替代钻芯取样或最小化钻芯取样数量进行沥青路面压实质量评价是可行的。

基于改进Centerfusion的自动驾驶3D目标检测模型

针对自动驾驶路面上目标漏检和错检的问题,提出一种基于改进Centerfusion的自动驾驶3D目标检测模型。该模型通过将相机信息和雷达特征融合,构成多通道特征数据输入,从而增强目标检测网络的鲁棒性,减少漏检问题;为了能够得到更加准确丰富的3D目标检测信息,引入了改进的注意力机制,用于增强视锥网格中的雷达点云和视觉信息融合;使用改进的损失函数优化边框预测的准确度。在Nuscenes数据集上进行模型验证和对比,实验结果表明,相较于传统的Centerfusion模型,提出的模型平均检测精度均值(mean Average Precision,mAP)提高了1.3%,Nuscenes检测分数(Nuscenes Detection Scores,NDS)提高了1.2%。

基于3D毫米波雷达与相机的改进联合标定方法

针对传统的相机和毫米波雷达联合标定方法只能在某一固定平面标定存在数据采集繁琐的问题,基于传统方法提出一种适用于三维空间内的快速标定改进方法。首先进行雷达与图像预处理;其次通过时间同步策略在短时间内完成大量数据的采集与匹配;然后在空间标定上使用随机采样一致性算法(RANSAC)减少离群点的干扰,完成初步的粗标定;最后使用列文伯格-马夸尔特(LM)算法对粗标定结果进一步迭代完成精标定。实验表明:改进的标定方法使整体均方根误差收敛约10 pixels,与使用传统联合标定算法相比,标定精度显著提升;整体标定过程时间约12 min完成。

基于激光雷达的3D目标检测研究综述

近年来,随着自动驾驶技术的快速发展,智能汽车对于环境感知技术的需求也越来越高,由于激光雷达数据具有较高的精度,能够更好的获取环境中的三维信息,已经成为了3D目标检测领域研究的热点。为了给智能汽车提供更加准确的环境信息,对激光雷达3D目标检测领域主要研究内容进行综述。首先,分析了自动驾驶车辆各种环境感知传感器的优缺点;其次,根据3D目标检测算法中数据处理方式的不同,综述了基于点云的检测算法和图像与点云融合的检测算法;然后,梳理了主流自动驾驶数据集及其3D目标检测评估方法;最后对当前点云3D目标检测算法进行总结和展望,结果表明当前研究中2D视图法和多模态融合法对自动驾驶技术发展的重要性。

BEV-radar:毫米波雷达-相机双向融合的三维目标检测

在自动驾驶场景下的3D目标检测任务中,探索毫米波雷达数据作为RGB图像输入的补充正成为多模态融合的新兴趋势。然而,现有的毫米波雷达-相机融合方法高度依赖于相机的一阶段检测结果,导致整体性能不够理想。本文提供了一种不依赖于相机检测结果的鸟瞰图下双向融合方法(BEV-radar)。对于来自不同域的两个模态的特征,BEV-radar设计了一个双向的基于注意力的融合策略。具体地,以基于BEV的3D目标检测方法为基础,我们的方法使用双向转换器嵌入来自两种模态的信息,并根据后续的卷积块强制执行局部空间关系。嵌入特征后,BEV特征在3D对象预测头中解码。我们在nu Scenes数据集上评估了我们的方法,实现了48.2 m AP和57.6 NDS。结果显示,与仅使用相机的基础模型相比,不仅在精度上有所提升,特别地,速度预测误差项有了相当大的改进。代码开源于https://github.com/Etah0409/BEV-Radar。

一种基于权重自适应相似性度量改进的InSAR-BM3D算法

针对InSAR-BM3D算法在三维成像雷达高度计干涉图近距端纹理密集区域、远距端低信噪比区域干涉条纹细节保持及去噪能力不足的问题,提出了一种基于权重自适应相似性度量改进的InSAR-BM3D算法。以皮尔森相关系数和余弦相异性为基础,构建了一种根据干涉条纹密集程度和噪声水平变化而对皮尔森相关系数和余弦相异性进行权重分配的相似性度量,进一步保证了相似块搜索过程的准确性;在最终估计阶段,对基础估计图像中噪声残留区域进行了进一步滤波处理,提高了算法的去噪能力。利用模拟数据和机载三维成像雷达高度计影像数据进行了实验,并与均值滤波、Goldstein滤波、NL-Means滤波以及各向异性扩散滤波等算法进行了比较,结果证明该算法能够在有效滤除噪声的同时进一步保留干涉条纹的细节。

基于状态解耦的两坐标外源雷达3D目标跟踪

考虑利用两部两坐标外源雷达对高度近似恒定的目标进行三维跟踪。结合外源雷达自身的特点,提出了一种将目标高度与水平状态(水平位置、速度等)进行解耦估计的方法,通过两个并行估计器来实现对三维目标的跟踪。在高度估计器中,将目标高度区间划分为多个高度子区间,然后利用量测值递推计算目标在各个高度子区间的权重,最后通过加权融合各个高度子区间的方式估计目标高度;在水平面的状态估计器中,进一步考虑了目标在水平面机动的场景,利用交互式多模型扩展卡尔曼滤波器,并结合目标高度的估计值,更新目标的水平状态。仿真与实验结果显示,利用两部两坐标外源雷达可以实现对高度近似恒定目标的精确三维跟踪,为水平机动的目标提供精度在200 m以内的高度估计,并消除了二维跟踪情况下因未考虑目标高度而引起的误差。

3D motion and geometric information system of single-antenna radar based on incomplete 1D range data

A 3D motion and geometric information system of single-antenna radar is proposed,which can be supported by spotlight synthetic aperture radar（SAR） system and inverse SAR（ISAR） system involving relative 3D motion of the rigid target.In this system,applying the geometry invariance of the rigid target,the unknown 3D shape and motion of the radar target can be reconstructed from the 1D range data of some scatterers extracted from the high-resolution range image.Compared with the current 1D-to-3D algorithm,in the proposed algorithm,the requirement of the 1D range data is expanded to incomplete formation involving large angular motion of the target and hence,the quantity of the scatterers and the abundance of 3D motion are enriched.Furthermore,with the three selected affine coordinates fixed,the multi-solution problem of the reconstruction is solved and the technique of nonlinear optimization can be successfully utilized in the system.Two simulations are implemented which verify the higher robustness of the system and the better performance of the 3D reconstruction for the radar target with unknown relative motion.

Using MC Algorithm to Implement 3D Image Reconstruction for Yunnan Weather Radar Data

3D image reconstruction for weather radar data can not only help the weatherman to improve the forecast efficiency and accuracy, but also help people to understand the weather conditions easily and quickly. Marching Cubes (MC) algorithm in the surface rendering has more excellent applicability in 3D reconstruction for the slice images;it may shorten the time to find and calculate the isosurface from raw volume data, reflect the shape structure more accurately. In this paper, we discuss a method to reconstruct the 3D weather cloud image by using the proposed Cube Weighting Interpolation (CWI) and MC algorithm. Firstly, we detail the steps of CWI, apply it to project the raw radar data into the cubes and obtain the equally spaced cloud slice images, then employ MC algorithm to draw the isosurface. Some experiments show that our method has a good effect and simple operation, which may provide an intuitive and effective reference for realizing the 3D surface reconstruction and meteorological image stereo visualization.

TIME-SPACE 3D MATCHED FILTERING FOR PERFORMANCE ANALYSIS OF SYNTHETIC IMPULSE AND ANTENNA RADAR

The principle and performance of Synthetic Impulse and Antenna Radar(SIAR) are analyzed with the concept of 3D matched filtering. The discussion here is concentrated on the characteristics of SIAR in the case of three dimensions. The results obtained are helpful for designing this new style radar.

基于Flowmaster的雷达阵面管网1D-3D流动传热联合仿真

为研究某雷达阵面管网系统的流量分配,采用1D-3D联合仿真方法对阵面进行流动与传热仿真。首先采用一维系统级仿真软件Flowmaster对阵面进行一维建模,并通过三维仿真软件FloEFD对水接头以及冷板组件进行详细的流动仿真,获得其流量-流阻变化关系,并将结果带入Flowmaster软件中得到拟合曲线,定义一维模型各元件参数进行阵面流动与传热仿真计算,实现1D-3D联合仿真。结果表明,经优化后的阵面各支路流量差异低于1.5%,且阵面温度分布均匀。文中还研究了插拔组件对阵面流量分配的影响,各支路流量差异低于2%。通过1D-3D联合仿真研究,可以实现高精度流量分配并获得直观的阵面详细仿真结果,并且大大节省了计算时间与研发成本,对今后雷达阵面流量分配设计具有重要的参考价值。

盖革APD激光雷达高空间分辨率三维重构方法研究

盖革模式阵列APD激光雷达由于像元数的限制导致重构的三维距离像分辨率低,严重限制了对场景信息的感知识别能力。为此,提出一种基于改进图像引导的盖革模式阵列APD激光雷达超分辨三维图像重构算法。主要研究基于配准后的盖革APD低分辨距离图像、增强电荷耦合器件(ICCD)相机高分辨强度图像和马尔科夫随机场模型,建立具有距离保真项和正则化项约束的全局能量函数,最终对优化模型的最优化求解实现高分辨强度图像对低分辨距离图像的超分辨引导重构。实验结果表明,相较于现有算法,文中算法在提升重构三维图像分辨率的同时,也使图像的边缘更加锐利。该研究对于盖革模式阵列APD激光雷达的目标探测、识别和跟踪具有重要意义。

基于改进的GoogleNet-ResNet算法的路基病害智能分类方法

针对路基病害分类算法存在的复杂病害辨识难度大、多视图雷达图像特征利用不充分等问题,提出一种基于改进的GoogleNet-ResNet算法的路基病害智能分类方法;首先,引入坐标注意力和改进的Inception模块对GoogleNet网络结构进行优化;然后,利用改进的GoogleNet学习c-scan数据特征剔除非目标病害,实现病害目标的粗分类;最后,将分类成病害的b-scan数据输入基于迁移学习的ResNet50,实现病害的细分类;实验表明,改进的GoogleNet进行病害粗分类的准确率可达到98.2%,检测速度可达90.9 fps;基于迁移学习的ResNet50进行病害细分类的准确率可达90.5%,检测速度可达52.6 fps;该算法的准确率比单独的改进的GoogleNet网络高10.1%,比单独的ResNet50网络高7.4%,有效地提高了道路路基病害的识别精度与效率。

基于先验距离约束的3D卷积毫米波雷达目标检测方法

用于辅助和自动驾驶系统的各种传感器中,相机和激光雷达的感知性能受天气影响较大,而车载毫米波雷达是一种低成本且几乎不受天气影响的全天候工作器件,对于运动的物体,可提取丰富的多普勒信息。随着雷达技术和开源标注数据集的发展,基于底层雷达数据的目标检测已经成为一个非常有前景的领域。为解决车载毫米波雷达数据的角度分辨率低导致的目标检测和定位不准确的问题,并提升毫米波雷达目标检测的性能,提出了一种基于先验框距离约束的3D卷积毫米波雷达目标检测方法,以实现多种动态目标的检测及分类。在本文方法中,通过设计3D ResNet的特征提取器来表征距离-角度-多普勒张量中的目标信息,解决现有的模型因忽略来自原始3D雷达信号的多普勒信息而表征不足的问题;其次,添加了绝对距离损失函数来训练模型,克服距离对目标呈现的影响,提高目标检测的准确性和鲁棒性;此外,还提出了分距离单元区间重新设置先验框的方法,解决现有方法中先验框设计不合理的问题。所提出的模型在RADDet数据集上进行训练以及测试,实验结果表明:与目前的最先进的方法相比,本文模型在IoU阈值为0.1、0.3、0.5、0.7时均达到最优,其中IoU为0.1和0.3时提升最为显著方法,分别提升了6.6%和5.1%。

块匹配三维协同滤波算法(BM3D)在探地雷达图像去噪的应用

采用探地雷达设备进行地下缺陷探测的过程中会产生大量的探地雷达图像,在使用人工智能算法进行地下病害体识别的研究中,输入的探地雷达图像的品质决定了人工智能识别成果的准确性。本文采用块匹配三维协同滤波算法(BM3D)对探地雷达图像进行预处理,压制噪声、干扰,提高地下病害体图像的信噪比,突出病害体的图像特征,为人工智能算法识别病害体图像特征提供高质量训练图像。

高精度毫米波柱面孔径全息成像算法研究

近年来,国际恐怖袭击事件时有发生,使得安全形势变得极为严峻,因此迫切需要引入新型的安全检查手段,防范和应对重大安全事故的发生。在此背景下,毫米波全息三维成像凭借其安全性、穿透性和高分辨率成像等优势,被广泛地应用在安检领域。由于人体安检需要在短时间内对目标进行精确的检测,具有实时性的特点,即需要在实时情况下快速做出判断和决策,因此对成像精度有着更高的要求。本文提出了一种高精度毫米波柱面孔径全息成像算法,给出了柱面孔径三维成像所需要满足的采样准则;首先,将成像区域划分为序列不同半径的成像柱面,依据成像精度和相位误差控制范围设置成像参考柱面,简化重复计算匹配滤波函数的过程;然后,将回波信号变换至三维波数域中,并与匹配滤波函数相乘;接着,沿距离向对匹配滤波的结果进行积分,聚焦获得相应半径柱面上目标的散射信息;最后,对不同半径柱面上的目标进行聚焦,获取目标的全部散射信息,进而完成对整个观测区域的三维图像重建。本文给出了参考面最佳分配策略和算法成像复杂度分析,并通过点目标仿真详细地分析了相位误差对成像质量的影响,并与现有的方法进行了比较,以及在同样的系统参数下对人体模特进行成像实验,仿真和实验的结果表明本文方法的有效性、精确性和正确性。

三维探地雷达在道路检测中的研究与应用

近年来,城市建设的发展及地下空间的开发利用在为群众生活带来便利的同时,一定程度上也导致了城市道路病害的发生,道路塌陷事故频发促使需要对城市道路进行一次全面的体检。本文基于三维时域有限差分方法原理的GprMax,对地质雷达在充气型管道、方涵、空洞等的传播特性进行了数值模拟,初步建立了雷达图像的正演特征模型,并以三维探地雷达在天津地区的道路检测工作为例,对雷达数据体的图像特征进行分析,同时介绍了城市道路地下病害体检测中的相关经验和应用,为道路检测提供了技术方法和指导。

机载激光3D探测成像系统的发展现状

机载激光3D探测成像是通过激光主动成像产生目标的角-角-距、角-角-速度3D图像的一种新的探测成像技术。本文重点阐述了机载激光3D探测成像系统的原理、功能和系统的组成。介绍了该系统在军事和民用两大领域的应用,详细地讨论了近几年机载激光3D探测成像技术的国内外发展现状及动态,总结了该项技术的发展方向。认为国外的机载激光3D探测系统正向远距离、高分辨率、轻量化、低功耗、高实时性和人眼安全方向发展,而目前国内的相关研究仍处于实验室阶段,与国外相比还存在一定差距。文章最后以用户需求为例,从设计的角度对机载激光3D探测成像系统进行了分析,讨论了该系统在测距机制、扫描机构、探测器、数据处理和显示等方面的处理。