Real-Time Vessel Detection and Velocity Estimation in Trondheim Harbor using FMCW Radar
Abstract
Dette masteroppgaveprosjektet fokuserer på å utvikle et sanntids radar system for fartøy-deteksjon og hastighetsestimering i Trondheim havn. Målet er å løse utfordringene med å gi nøyaktig hastighet tilbakemelding til fartøyene i havnen og varsle den autonome fergen "milliAmpere2" om i motkommende fartøy i Ravnkloaløpet tunnelen. Prosjektet bruker en frekvens modulert kontinuerlig bølge (FMCW) radar, spesifikt K-MD2 24 GHz radaren fra RFbeam, og implementerer en signalbehandlings- og deteksjonsalgoritme ved å bruke: Bølger kompresjon (Waveform Compresion), puls-Doppler prosesering, Bevegelig målindikasjon (Moving Target Indication), Celle gjennomsnitt - konstant falsk alarmfrekvens (CA-CFAR) deteksjon og DBSCAN gruppering. I tillegg ble sporingsfunksjonalitet implementert gjennom Spororientert multihypotesesporing (Track Oriented Multi-hypothesis Tracking (TOMHT)) for å filtrere ut falske deteksjoner. Systemet er designet for å kjøre i sanntid og oppfylle tre nøkkelkrav: Betimelig fartøydeteksjon, nøyaktig hastighetsestimering og sanntids drift.
Vurdering av radar systemets ytelse viser lovende resultater. Sporingsalgoritmen viser nøyaktig hastighetsestimering med en liten Kvadratisk gjennomsnitt feil (RMSE) på 0,079 knop mellom den estimerte hastigheten fra radarsystemet og sanne hastigheten fra GPS-data. Diskusjonen fremhever imidlertid flere utfordringer og presenterer løsninger for videre forbedringer, som å håndtere saturasjonsproblemer i mottakeren og forbedre beregningsytelsen (Computational efficiency). Løsninger inkluderer alternativ radar posisjonering og implementering av Automatisk forsterkningskontroll (AGC) for dynamisk forsterknings justering. Enklere sporingsalgoritmer som Probabilistisk datatilknytningsfilter (Probabilistic Data Association Filter) også for å forbedre beregningsytelsen. Likevel viser den implementerte TOMHT-algoritmen god nøyaktighet og tilfredsstillende beregningsytelse for sanntids drift.
Alt i alt utvikler dette arbeidet suksessfullt et sanntids radarsystem for å detektere fartøy og estimere dens hastighet i Trondheim havn. Systemet viser god ytelse og etablerer et solid fundament for videre implimentasjon av et komplett system som integrerer radar deteksjon, hastighetsestimering og brukerkommunikasjon, noe som bidrar til tryggere navigasjon i Trondheim havn. Fremtidig arbeid bør fokusere på å implementere de foreslåtte forbedringene, gjennomføre felttesting med det komplette systemet, håndtere identifiserte begrensninger og implementere brukerkommunikasjon for å fullføre systemet. This master’s thesis project develops and implements a real-time radar system for vessel detection and velocity estimation in Trondheim Harbor. The goal is to address the challenges of providing accurate velocity feedback to vessels in the harbor and notifying the autonomous ferry ”milliAmpere2” of approaching vessels in the Ravnkloaløpet tunnel. The system uses a Frequency Modulated Continuous Wave (FMCW) radar, specifically the K-MD2 24 GHz radar from RFbeam, and implements a custom signal processing and detection algorithm. The algorithm consists of waveform compression, pulse-Doppler processing, Moving Target Indication (MTI) processing, Cell Averaging-Constant False Alarm Rate (CA-CFAR) detection, and DBSCAN clustering. Additionally, tracking was implemented through Track Oriented Multi-hypothesis Tracking (TOMHT) to filter out false detections. The system is designed to run in real-time and meet three key requirements: timely vessel detection, accurate velocity estimation, and real-time operation.
The system demonstrates promising results where the tracking algorithm shows accurate velocity estimation with a small Root-Mean-Square Error (RMSE) of 0.079 knots between the radar system’s estimated velocity and the GPS data’s true velocity. However, the discussion presents several key issues surrounding receiver saturation and computational efficiency. The solutions presented to these issues are to implement Automatic Gain Control (AGC) for dynamic gain adjustment to reduce saturation and simpler tracking algorithms like the Probabilistic Data Association Filter (PDAF) to improve computational efficiency. Nevertheless, the implemented TOMHT algorithm demonstrates good performance relative to the goals of the system and satisfactory computational performance for real-time operations.
Overall, this work successfully develops and implements a real-time radar system for detecting and estimating the velocity of vessels in Trondheim Harbor. The system demonstrates good performance in line with the requirements for the system. It creates a strong basis on which a complete system with radar detection, velocity estimation, and user communication can be developed, contributing to improved safety in Trondheim Harbor. Future work should focus on implementing the suggested improvements, addressing the limitations identified, and implementing user communication to complete the system.i