基于RANSAC的ISAR图像三维重构方法

基于ransac的isar图像三维重构方法
技术领域
1.本发明属于雷达技术领域，具体涉及一种基于ransac的isar图像三维重构方法。


背景技术：

2.逆合成孔径雷达(inverse synthetic aperture radar，isar)因其能够对非合作目标进行全天时、全天候的高分辨率成像而得到广泛应用。二维isar图像是三维目标在距离多普勒平面上的投影，由于维度的降低，二维成像具有一些不可避免的缺点；例如，二维isar图像的方位向仅反映每个散射点的多普勒分布，无法体现出目标的高度维信息，更不能从二维图像获得目标的姿态信息。因此，目标三维重构的研究受到了广泛的关注。
3.相关技术中，三维重构方法可利用单基地雷达系统或多基地雷达系统实现。具体地，对于单基地雷达系统，可基于isar图像序列实现三维重构。但是，该方法需要获得精确的目标三维图像，即需要精确的散射点提取、散射点轨迹关联和散射点轨迹的矩阵分解，因而耗时较长；并且，基于isar图像序列的三维重构需要较大的旋转角度，计算量极大，难以实现实时三维重构。
4.而对于多基地雷达系统，可通过干涉式逆合成孔径雷达(interferometric inverse synthetic aperture radar，inisar)进行目标三维重构。由于inisar依靠相位差获取目标的三维图像，故inisar至少需要三个天线，且天线应按照一定的方式部署在特殊的位置，并且为了避免出现模糊现象，天线之间的基线长度不能太长，通常只有几米。可见，上述方法不仅具有相对较高的硬件成本，对雷达的要求也较高。


技术实现要素：

5.为了解决现有技术中存在的上述问题，本发明提供了一种基于ransac的isar图像三维重构方法。本发明要解决的技术问题通过以下技术方案实现：
6.第一方面，本发明提供一种基于ransac的isar图像三维重构方法，应用于分布式雷达系统，所述分布式雷达系统包括第一雷达和第二雷达；
7.所述基于ransac的isar图像三维重构方法，包括：
8.所述第一雷达接收回波信号，得到第一isar图像，所述第二雷达接收回波信号，得到第二isar图像；
9.利用散射中心提取算法，分别将所述第一isar图像转换为第一散射点集，并将所述第二isar图像转换为第二散射点集；
10.利用随机抽样一致性ransac算法，匹配所述第一散射点集与所述第二散射点集；
11.根据匹配结果，确定所述第一雷达的入射角估计值、以及所述第一散射点集中各个散射点的高度估计值；
12.根据所述入射角估计值以及所述高度估计值进行重构，得到目标的三维重构图像。
13.在本发明的一个实施例中，所述利用随机抽样一致性ransac算法，匹配所述第一
散射点集与所述第二散射点集的步骤，包括：
14.每次迭代时，分别在所述第一散射点集和所述第二散射点集中随机选取三个散射点，得到三个散射点对；
15.利用所述三个散射点对形成仿射变换，并确定所述第一散射点集与所述第二散射点集之间的仿射变换关系；
16.根据所述仿射变换关系，对所述第一散射点集中的各个散射点进行仿射变换，得到多个第一类散射点；
17.分别计算各第一类散射点与第二散射点集中各个散射点之间的匹配量；
18.判断当前迭代次数是否小于等于预设迭代次数；若是，则返回分别在所述第一散射点集和所述第二散射点集中随机选取三个散射点，得到三个散射点对的步骤；
19.若否，则记录所述匹配量中的最小值，并记录将所述最小值对应的仿射变换关系确定为最优仿射变换关系。
20.在本发明的一个实施例中，所述根据匹配结果，确定所述第一雷达的入射角估计值、以及所述第一散射点集中各个散射点的高度估计值的步骤，包括：
21.每次迭代时，根据所述最优仿射变换关系，确定所述第一雷达入射角的当前估计值、以及所述第二雷达入射角当前估计值；
22.根据所述第一雷达入射角的当前估计值、以及所述第二雷达入射角当前估计值，形成当前仿射变换关系，并确定第二类散射点；
23.确定所述第二类散射点与所述第二散射点集中对应散射点的位移差；
24.根据所述位移差、所述第一雷达入射角的当前估计值、以及所述第二雷达入射角的当前估计值，确定所述第一散射点集中各个散射点的当前高度估计值；
25.判断所述第一雷达入射角的当前估计值、以及所述第二雷达入射角当前估计值是否满足预设条件；若是，则将所述第一雷达入射角的当前估计值作为所述第一雷达的入射角估计值、将所述第二雷达入射角的当前估计值作为所述第二雷达的入射角估计值、将所述第一散射点集中各个散射点的当前高度估计值作为所述第一散射点集中各个散射点的高度估计值；
26.若否，则返回所述根据所述最优仿射变换关系，确定所述第一雷达入射角的当前估计值、以及所述第二雷达入射角当前估计值的步骤。
27.在本发明的一个实施例中，每次迭代时，按照如下公式确定所述第一雷达入射角的当前估计值、以及所述第二雷达入射角的当前估计值：
[0028][0029][0030]
α1为所述第一雷达入射角的当前估计值、β1为所述第二雷达入射角的当前估计值，u1、u2为所述三个散射点对形成的仿射变换，其中，
表示相位补偿后的残余相位。
[0031]
在本发明的一个实施例中，按照如下公式确定所述第二类散射点与所述第二散射点集中对应散射点的位移差：
[0032][0033]
其中，(x
b
,y
b
)表示所述第二散射点集中各个散射点的坐标，表示各第二类散射点的坐标，(δx
b
,δy
b
)表示第二类散射点与第二散射点集中对应散射点的位移差。
[0034]
在本发明的一个实施例中，按照如下公式确定所述第一散射点集中各个散射点的当前高度估计值：
[0035][0036]
其中，α1为所述第一雷达入射角的当前估计值、β1为所述第二雷达入射角的当前估计值，表示相位补偿后的残余相位，(δx
b
,δy
b
)表示第二类散射点与第二散射点集中对应散射点的位移差。
[0037]
在本发明的一个实施例中，所述预设条件为：
[0038]
本次迭代得到的第一雷达入射角的当前估计值与上一次迭代得到的第一雷达入射角的当前估计值之差小于预设阈值、且本次迭代得到的第二雷达入射角的当前估计值与上一次迭代得到的第二雷达入射角的当前估计值之差小于所述预设阈值。
[0039]
在本发明的一个实施例中，所述根据所述入射角估计值以及所述高度估计值进行重构，得到目标的三维重构图像的步骤之前，还包括：
[0040]
根据所述第一雷达入射角的当前估计值以及所述第一散射点集中各个散射点的高度估计值，确定所述第一散射点集中各个散射点在目标系中的位置。
[0041]
在本发明的一个实施例中，按照如下公式确定所述第一散射点集中各个散射点在目标系中的位置：
[0042][0043][0044]
其中，α表示所述第一雷达的入射角估计值，z表示所述第一散射点集中各个散射点在目标坐标系下的高度估计值，x
a
表示所述第一散射点集中第一散射点的横坐标，y
a
表示所述第一散射点集中第一散射点的纵坐标。
[0045]
与现有技术相比，本发明的有益效果在于：
[0046]
本发明提供了一种基于ransac的isar图像三维重构方法，应用于分布式雷达系统，该分布式雷达系统包括第一雷达和第二雷达；基于ransac的isar图像三维重构方法包括：第一雷达和第二雷达分别接收回波信号，得到第一isar图像及第二isar图像，利用散射
中心提取算法将第一isar图像转换为第一散射点集、将第二isar图像转换为第二散射点集，利用随机抽样一致性ransac算法，匹配第一散射点集与第二散射点集，进而根据匹配结果，确定第一雷达的入射角估计值、以及第一散射点集中各个散射点的高度估计值，以得到目标的三维重构图像。由于本发明利用分布式雷达系统，通过比较两个任意雷达的散射点位置的差异来估计目标的三维图像，在降低成本的同时解决了isar图像旋转、缩放、畸变等问题，提高了三维重构的精度；此外，本发明采用ransac进行散射点集匹配，没有苛刻的功能描述，也降低了三维重构过程所需时长。
[0047]
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
[0048]
图1是本发明实施例提供的基于ransac的isar图像三维重构方法的一种流程示意图；
[0049]
图2是本发明实施例提供的分布式雷达系统的一种示意图；
[0050]
图3是本发明实施例提供的分布式雷达系统的另一种示意图；
[0051]
图4是本发明实施例提供的基于ransac的isar图像三维重构方法的另一种流程示意图；
[0052]
图5是本发明实施例提供的基于ransac的isar图像三维重构方法的另一种流程示意图；
[0053]
图6a是采用msift算法提取第一isar图像中关键点的结果示意图；
[0054]
图6b是采用msift算法提取第二isar图像中关键点的结果示意图；
[0055]
图7a是本发明实施例提供的第一isar图像中散射点的结果示意图；
[0056]
图7b是本发明实施例提供的第二isar图像中散射点的结果示意图；
[0057]
图8a是采用msift算法的关键点匹配结果示意图；
[0058]
图8b是本发明实施例提供的关键点匹配结果示意图；
[0059]
图9a是采用msift算法的图像融合结果示意图；
[0060]
图9b是本发明实施例提供的图像融合结果示意图；
[0061]
图10a是本发明实施例提供的目标三视图；
[0062]
图10b是本发明实施例提供isar图像三维重构的目标三视图；
[0063]
图11是本发明实施例提供的cadfeko仿真模型；
[0064]
图12a是本发明实施例提供的cadfeko仿真模型的抽象模型示意图；
[0065]
图12b是本发明实施例提供的cadfeko仿真模型中第一雷达与第二雷达在坐标系中的位置示意图；
[0066]
图13是本发明实施例提供的第一散射点集与第二散射点集的匹配示意图；
[0067]
图14是本发明实施提供的雷达坐标系下目标的三维重构结果示意图；
[0068]
图15是本发明实施提供的目标坐标系下目标的三维重构结果示意图。
具体实施方式
[0069]
下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。
[0070]
请参见图1，本发明实施例提供的基于ransac的isar图像三维重构方法，应用于分布式雷达系统，分布式雷达系统包括第一雷达和第二雷达；
[0071]
上述基于ransac的isar图像三维重构方法，包括：
[0072]
s101、第一雷达接收回波信号，得到第一isar图像，第二雷达接收回波信号，得到第二isar图像；
[0073]
s102、利用散射中心提取算法，分别将所述第一isar图像转换为第一散射点集，并将所述第二isar图像转换为第二散射点集；
[0074]
s103、利用随机抽样一致性ransac算法，匹配第一散射点集与第二散射点集；
[0075]
s104、根据匹配结果，确定第一雷达的入射角估计值、以及第一散射点集中各个散射点的高度估计值；
[0076]
s105、根据入射角估计值以及高度估计值进行重构，得到目标的三维重构图像。
[0077]
本实施例中，分布式雷达系统包括任意的两个雷达，如图2
‑
3所示，第一雷达a和第二雷达b均可以为逆合成孔径雷达。具体地，由于雷达观测时间较短，可以认为在信号处理时间内，目标坐标系不变。假设目标为沿着z轴运动的刚体目标，则其散射点p可表示为：
[0078][0079]
其中，ω＝|ω|，t
m
表示慢时间。
[0080]
z与z0之间的夹角记为θ，可以表示为：
[0081][0082]
由于假设z与z0间夹角小于90
°
，因此，z轴在雷达坐标系中表示为：
[0083][0084]
目标坐标系在过渡坐标系中表示为：
[0085][0086][0087][0088]
过渡坐标系在雷达坐标系中表示为：
[0089][0090][0091][0092]
因此，三个坐标系之间的关系为：
[0093]
s1＝s0c1[0094]
s＝s1c
[0095]
其中，进一步地，目标散射点从目标坐标系转换到雷达坐标系表示为：
[0096][0097]
其中，cos2β＜sin2α,α∈(0,π/2)。ξ
i
，i＝1,2,3可以表示为：
[0098]
ξ1＝sinα(xcos(wt
m
)
‑
ysin(wt
m
))+zcosα+vt
m
cosα
[0099][0100][0101]
请继续参见图3，第一雷达a的位置表示为则散射点到第一雷达a的距离表示为：
[0102][0103]
对上式进行一阶泰勒展开，上式可表示为：
[0104][0105]
将ξ1带入上式并展开得到：
[0106][0107]
第二雷达b的位置表示为：
[0108][0109]
则散射点p到第二雷达b的距离表示为：
[0110][0111]
假设第一雷达a和第二雷达b发射线性调频信号，对接收到的信号经过脉压和运动补偿后，散射点p的回波表示为：
[0112][0113]
其中，i＝a,b，σ
p
表示散射点p的反射强度，t表示快时间，f
c
表示发射信号的中心频率，c表示光速，b是信号带宽。
[0114]
可选地，第一雷达a与第二雷达b的isar图像表示为：
[0115][0116]
其中，i＝a,b，是相位补偿后的残余相位，x
i
和y
i
表示散射点在图像i
i
中的位置。对于短时间观测，cos(wt
m
)可以近似为1，sin(wt
m
)可以近似为wt
m
。通过散射中心提取算法，图像i
i
被转换成散射点集，即包含n
a
个散射点的第一散射点集a(x
a
,y
a
)和包含n
b
个散射点的第二散射点集b(x
b
,y
b
)。
[0117]
具体而言，第一散射点集a(x
a
,y
a
)表示为：
[0118]
x
a
＝xsinα+zcosα
[0119]
y
a
＝
‑
ysinα
[0120]
第二散射点集b(x
b
,y
b
)表示为：
[0121][0122][0123]
第一散射点a与第二散射点b的关系为：
[0124][0125]
u∈r3×3，u
i
,i＝1,2,...,6是u的元素，,i＝1,2,...,6是u的元素，u4＝
‑
u2，u5＝u1，
[0126][0127]
其中，u1和u5是i
b
距离向与方位向变化的尺度因子，u3和u6是高度维z造成距离向与方位向偏移的尺度因子，u2和u4分别表示另一维对相应维的影响。因为u5＝u1，距离向与方位向变形的尺度因子是相同的。另外，每个散射点的高度维z不同，这意味着每个散射点在方位维与距离维的偏移不同。u
i
,i＝1,2,...,6都与α，β和相关，因此，通过求解u
i
,i＝1,2,...,6，可以估计α和β。
[0128]
图4是本发明实施例提供的基于ransac的isar图像三维重构方法的另一种流程示意图。请参见图4，在上述步骤s103中，利用随机抽样一致性ransac算法，匹配第一散射点集与第二散射点集的步骤，包括：
[0129]
s201、每次迭代时，分别在第一散射点集和第二散射点集中随机选取三个散射点，得到三个散射点对；
[0130]
s202、利用三个散射点对形成仿射变换，并确定第一散射点集与第二散射点集之间的仿射变换关系；
[0131]
s203、根据仿射变换关系，对第一散射点集中的各个散射点进行仿射变换，得到多个第一类散射点；
[0132]
s204、分别计算各第一类散射点与第二散射点集中各个散射点之间的匹配量；
[0133]
s205、判断当前迭代次数是否小于等于预设迭代次数；若是，则返回步骤s201，执行分别在第一散射点集和第二散射点集中随机选取三个散射点，得到三个散射点对的步骤；
[0134]
s206、若否，则记录匹配量中的最小值，并记录将最小值对应的仿射变换关系确定为最优仿射变换关系。
[0135]
本实施例中，设置预设迭代次数为k，在第k次迭代的过程中，分别从第一散射点集和第二散射点集中随机选取三个散射点，得到三个散射点对，形成仿射变换，如下式所示：
[0136][0137]
上式可重写为：
[0138][0139]
其中，a由第一散射点集中随机选择的三个散射点组成。
[0140]
对a进行qr分解，得到：
[0141]
a＝qr
[0142]
其中，q是正交矩阵，qq
t
＝i，i是单位矩阵，(
·
)
t
表示转置操作，r是上三角矩阵。
[0143]
经过计算得到
[0144][0145]
根据估计的令对第一散射点集进行仿射变换，得到第二类散射点
[0146][0147]
计算(x
b
,y
b
)与的匹配量，可选地，匹配量通过计算欧式距离获得。
[0148]
判断是否小于等于k，若是，则重复步上述步骤，否则记录匹配量中的最小值，并记
录将最小值对应的仿射变换关系确定为最优仿射变换关系。
[0149]
进一步地，如图5所示，根据匹配结果，确定所述第一雷达的入射角估计值、以及所述第一散射点集中各个散射点的高度估计值的步骤，包括：
[0150]
s301、每次迭代时，根据最优仿射变换关系，确定第一雷达入射角的当前估计值、以及第二雷达入射角当前估计值；
[0151]
具体地，按照如下公式确定第一雷达入射角的当前估计值、以及第二雷达入射角的当前估计值：
[0152][0153][0154]
α1为第一雷达入射角的当前估计值、β1为第二雷达入射角的当前估计值，u1、u2为所述三个散射点对形成的仿射变换，为：
[0155][0156]
其中，分别表示在第一散射点集中随机选取的三个散射点坐标，分别表示在第二散射点集中随机选取的三个散射点坐标，的三个散射点坐标，的三个散射点坐标，表示相位补偿后的残余相位。
[0157]
s302、根据第一雷达入射角的当前估计值、以及第二雷达入射角当前估计值，形成当前仿射变换关系，并确定第二类散射点；
[0158]
s303、确定第二类散射点与第二散射点集中对应散射点的位移差；
[0159]
按照如下公式确定第二类散射点与第二散射点集中对应散射点的位移差：
[0160][0161]
其中，(x
b
,y
b
)表示第二散射点集中各个散射点的坐标，表示各第二类散射点的坐标，(δx
b
,δy
b
)表示第二类散射点与第二散射点集中对应散射点的位移差。
[0162]
s304、根据位移差、第一雷达入射角的当前估计值、以及第二雷达入射角的当前估
计值，确定第一散射点集中各个散射点的当前高度估计值；
[0163]
s305、判断第一雷达入射角的当前估计值、以及第二雷达入射角当前估计值是否满足预设条件；若否，则返回上述步骤s301，执行根据最优仿射变换关系，确定第一雷达入射角的当前估计值、以及第二雷达入射角当前估计值的步骤。
[0164]
本实施例中，预设条件为：本次迭代得到的第一雷达入射角的当前估计值与上一次迭代得到的第一雷达入射角的当前估计值之差小于预设阈值、且本次迭代得到的第二雷达入射角的当前估计值与上一次迭代得到的第二雷达入射角的当前估计值之差小于所述预设阈值。
[0165]
s306、若是，则将第一雷达入射角的当前估计值作为第一雷达的入射角估计值、将第二雷达入射角的当前估计值作为第二雷达的入射角估计值、将第一散射点集中各个散射点的当前高度估计值作为所述第一散射点集中各个散射点的高度估计值。
[0166]
示例性地，按照如下公式确定第一散射点集中各个散射点的当前高度估计值：
[0167][0168]
其中，α1为第一雷达入射角的当前估计值、β1为第二雷达入射角的当前估计值，表示相位补偿后的残余相位，(δx
b
,δy
b
)表示第二类散射点与第二散射点集中对应散射点的位移差。
[0169]
可选地，根据入射角估计值以及高度估计值进行重构，得到目标的三维重构图像的步骤之前，还包括：
[0170]
根据第一雷达入射角的当前估计值以及第一散射点集中各个散射点的高度估计值，确定第一散射点集中各个散射点在目标系中的位置：
[0171][0172][0173]
其中，α表示所述第一雷达的入射角估计值，z表示所述第一散射点集中各个散射点在目标坐标系中的高度估计值，x
a
表示所述第一散射点集中第一散射点的横坐标，y
a
表示所述第一散射点集中第一散射点的纵坐标。
[0174]
通过上述各实施例可知，本发明的有益效果在于：
[0175]
由于本发明利用分布式雷达系统，通过比较两个任意雷达的散射点位置的差异来估计目标的三维图像，在降低成本的同时解决了isar图像旋转、缩放、畸变等问题，提高了三维重构的精度；此外，本发明采用ransac进行散射点集匹配，没有苛刻的功能描述，也降低了三维重构过程所需时长。
[0176]
下面通过仿真实验对上述基于ransac的isar图像三维重构方法进行说明。具体地，实验参数如下表1所示：
[0177]
表1
[0178]
参数arxary双基角散射点个数
设定值60.00
°
45
°
20
°
212
[0179]
图6a、6b分别是采用msift算法提取第一isar图像和第二isar图像中关键点的结果示意图，图7a、7b分别是本发明实施例提供的第一isar图像和第二isar图像中散射点的结果示意图。结合图6a、6b、7a和7b，可以理解的是，由于成像机制的不同，isar图像不像光学图像那样具有严格的灰度相似性，并且msift特征描述向量在isar图像上过于苛刻，因而大大减少了msift用在isar图像上的匹配点数，不利于提高三维重构图像的精度。
[0180]
图9a是采用msift算法的图像融合结果示意图，从棋盘融合结果中可以看出，不同图像的散射点有不同的纹理。图9b是本发明实施例提供的图像融合结果示意图，与msift算法不同，本技术提供的融合图像是散射点图像，并且有图8a、8b可知，图8b中几乎所有散射点都得到了匹配。
[0181]
应当理解，散射点匹配为不受噪声影响提供了强有力的保障，经过第一雷达入射角的迭代估计以及散射点高度的迭代估计后，可同时获得雷达入射角估计值和如图10b所示的目标三维重构图像。结合图10a与图10b，通过对比目标三视图与重构的目标三视图可知，本发明提供的基于ransac的isar图像三维重构方法通过雷达入射角与目标散射点高度的迭代估计的准确性。
[0182]
下面，通过基于cadfeko仿真实验对上述基于ransac的isar图像三维重构方法进一步加以说明。
[0183]
请参见图11，图11是本发明实施例提供的cadfeko仿真模型和β；目标是一个仿真卫星，太阳能电池板的长度和宽度分别为1m和0.28m。中间主体是一个直径为0.4m的球体。两块太阳能电池板之间的距离为0.6m。系统参数如表2所示，第一雷达a和第二雷达b在目标坐标系中的单位向量可以分别表示为：
[0184][0185][0186]
其中，ψ表示第一雷达a与第二雷达b之间的夹角，φ表示雷达a在目标坐标系中的方位角，与组成平面o0x0y0，则z0轴可以表示为：
[0187][0188]
则y0轴表示为：
[0189][0190]
因此β表示为：
[0191][0192]
其中，表示的第三个元素。分析上式，β与ψ和α的关系密切。通过计算，得到β与ψ和α的关系如图9(b)所示，β随着ψ的增大而增大，另一方面，β是关于α的偶函数。为了方便对cadfeko模型进行分析，请参见图12a及图12b，可以表示为：
[0193]
[0194]
其中，cosγ＝sinθsin(ψ/2)。经过以上分析与计算，β和分别计算为91.73
°
和19.69
°
。
[0195]
综上，实验参数如表2所示：
[0196]
表2
[0197][0198]
对第一isar图像a与第二isar图像b分别进行散射中心提取，获得第一散射点集spa和第二散射点集spb，如图13所示，因为噪声对ransac的影响相对较小，所以在初步散射点匹配之后，第二散射点集b中旁瓣的影响很大程度被消除掉了，但依然可以发现初步匹配结果有偏差。
[0199]
进一步地，经过雷达入射角与散射点高度的迭代估计，雷达坐标系下目标的目标三维重构结果示意图如图14所示。太阳能电池板的估计长度为2.56m，太阳能电池板与主体总长实际为2.6m，估计值与真实值相差0.04m。表3是估计的两个角度的结果，即arx和ary，误差分别为4.33
°
和2.65
°
。根据估计的arx和ary，在目标坐标系中估计的目标的3d重构如图15所示，并在图中标识了两个太阳能电池面板。
[0200]
表3
[0201]
参数设置值估计值估计误差arx80.00
°
75.67
°
4.33
°
ary91.73
°
94.38
°
2.65
°
[0202]
显然，本发明提供的基于ransac的isar图像三维重构方法能够从isar图像中获得目标的高度维信息以及姿态信息，提高了isar图像的信息利用率，通过本发明中ransac方法可以获得较为精确的估计值，降低了运算的复杂度，提高了图像匹配的性能。
[0203]
与现有技术相比，本发明的有益效果在于：
[0204]
本发明提供了一种基于ransac的isar图像三维重构方法，应用于分布式雷达系统，该分布式雷达系统包括第一雷达和第二雷达；基于ransac的isar图像三维重构方法包括：第一雷达和第二雷达分别接收回波信号，得到第一isar图像及第二isar图像，利用散射中心提取算法将第一isar图像转换为第一散射点集、将第二isar图像转换为第二散射点集，利用随机抽样一致性ransac算法，匹配第一散射点集与第二散射点集，进而根据匹配结果，确定第一雷达的入射角估计值、以及第一散射点集中各个散射点的高度估计值，以得到目标的三维重构图像。由于本发明利用分布式雷达系统，通过比较两个任意雷达的散射点位置的差异来估计目标的三维图像，在降低成本的同时解决了isar图像旋转、缩放、畸变等问题，提高了三维重构的精度；此外，本发明采用ransac进行散射点集匹配，没有苛刻的功能描述，也降低了三维重构过程所需时长。
[0205]
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定
本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。