[发明专利]基于ICP点云的多源信息数据融合研判方法

权利要求书

1.基于ICP点云的多源信息数据融合研判方法，其特征在于，包括以下步骤：

步骤1：采集多源信息，包括雷达源信息和无线电源信息；

步骤2：采用ICP算法对雷达源信息和无线电源信息的数据分别进行点云匹配变换，通过计算旋转矩阵R和平移矩阵T对坐标系的点云数据坐标进行调整，再对调整后的坐标进行畸形矫正，实现雷达源和无线电源的数据到地球坐标系的转换；从而得到雷达源和无线电源数据到地球坐标系的映射矩阵；

步骤3：获取所有的无线电源的数据，将其映射到地球坐标系中，对于每个无线电源的数据均进行空间特征和运动特征的提取，并将得到的空间特征和运动特征整合记录到点的特征中；

步骤4：获取所有的雷达源的数据，将其映射到地球坐标系中，对于每个雷达源的目标数据均进行空间特征和运动特征的提取，并将得到的空间特征和运动特征整合记录到点的特征中；

步骤5：对每个雷达源的目标数据与在点云中的无线电源的数据进行对比，根据雷达源和无线电源的时间差，以及目标源的速度粗估算在相同时间点的经纬度和高度，判断雷达源和无线电源数据得到的距离、高低和速度是否在偏差内；

步骤6：若所有对比结果均在偏差内，则认为是同一个目标，并将2个目标进行融合处理；随着时间推移关注这两个目标的时候，如果出现目标判断时连续3次不满足对比结果在均偏差内的条件，则认为融合失败，解除融合状态。

2.根据权利要求1所述的基于ICP点云的多源信息数据融合研判方法，其特征在于，所述雷达源的信息包括距离、方位角、高度、反射面、物体的运动速度、经纬度以及海拔。

3.根据权利要求1所述的基于ICP点云的多源信息数据融合研判方法，其特征在于，所述无线电源的信息包括无人机的无人机名称编号、经纬度、海拔高度、速度、相对飞手距离和飞手经纬度。

4.根据权利要求1所述的基于ICP点云的多源信息数据融合研判方法，其特征在于，所述步骤2具体包括：

步骤201：根据无线电源信息和雷达源信息分别得到对应的三维直角坐标数据，形成无线电数据目标点集Q和雷达数据点集P；

步骤202：将点集Q和点集P中的点一一对应

步骤203：将无线电源信息和雷达源信息分别得到对应的三维直角坐标数据通过ICP算法进行点云匹配变换，形成点云数据；

步骤204：计算旋转矩阵R和平移矩阵T，判断在所述旋转矩阵R和平移矩阵T的误差函数是否最小；若否，则返回步骤202；若是，则ICP算法结束；

步骤205：计算畸形矩阵，通过畸形矩阵对转换后的源坐标系进行矫正；

步骤206：得到最终的雷达源和无线电源数据到地球坐标系的映射矩阵。

5.根据权利要求4所述的基于ICP点云的多源信息数据融合研判方法，其特征在于，所述点云匹配变换公式为：

其中，R_3×3表示旋转矩阵，T_3×1表示平移向量，S表示整体比例因子，O_1×3为零向量，地球坐标系和源坐标系都是基于真实世界的比例，因此S＝1；

其中，T_3×1＝[t_x t_y t_z]^T；

其中，α、β、γ分别表示点沿x、y、z轴的旋转角度，t_x、t_y、t_z分别表示点沿x、y、z轴的平移量；其中，

R_3×3进一步表示为

6.根据权利要求4所述的基于ICP点云的多源信息数据融合研判方法，其特征在于，所述旋转矩阵R和平移矩阵T的误差函数为：

其中，f(R，t)表示源点集P在变换矩阵(R，t)下与目标点集Q之间的误差，R为旋转矩阵，t为平移矩阵；p_i为源点集中的点集元素；q_i为目标点集中的点集元素；n表示点集的规模。