为了提高末敏弹在复杂背景条件下对装甲目标的识别能力, 将线阵激光雷达作为探测器, 结合卷积神经网络对线阵激光雷达距离像进行目标分类与识别.利用末敏弹边旋转边下降的运动特点, 实现对扫描区域的距离成像, 并通过采样率控制及插值等算法将原始距离像构造成适用于卷积神经网络的灰度像.针对弹载高实时性、小体积和低功耗的要求, 建立了由两层卷积层和一层全链接层构成的浅层卷积网络, 选用Xilinx ZYNQSoC 芯片作为硬件平台, 通过基于HLS技术和SDSoC开发环境将卷积操作放在端进行硬件并行加速.缩比模拟试验结果验证了该方法具有较高的目标识别精度, 对复杂背景下的装甲目标也能有效识别.ZYNQSoC的PL硬件相较于普通CPU方案, 加速性能提升了5倍, 能够满足弹载的要求.

为了提高末敏弹在复杂战场环境下对地面装甲目标的识别概率, 提出了一种用于弹载线阵激光成像雷达的目标提取方法, 结合末敏弹边旋转边下降的稳态运动特点, 实现了线阵列激光雷达对扫描区域的三维点云成像。首先通过对点云中高度数据分析, 提出了基于高度与梯度的组合阈值分割算法, 实现了地面背景的快速分割; 然后利用坐标变换, 对有坡度的地面进行调整, 并通过典型装甲目标的几何尺寸自动获取种子点进行区域增长分割; 最后利用最小外接矩形特征获取目标的几何信息, 由目标的几何特征实现装甲目标的提取。仿真结果表明: 此方法可以实现线阵列激光雷达在50~120 m高度下对地面装甲目标的准确提取, 从而为新型末敏弹目标探测提供技术支撑。