CN104408927B - 一种基于调频连续波雷达的车型分类方法 - Google Patents
一种基于调频连续波雷达的车型分类方法 Download PDFInfo
- Publication number
- CN104408927B CN104408927B CN201410587122.5A CN201410587122A CN104408927B CN 104408927 B CN104408927 B CN 104408927B CN 201410587122 A CN201410587122 A CN 201410587122A CN 104408927 B CN104408927 B CN 104408927B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- statistics
- peak
- array
- continuous wave
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
Abstract
本发明公开了一种基于调频连续波雷达的车型分类方法,属于智能交通的车辆检测领域。本发明首先进行恒虚警率处理,对噪声和干扰的功率谱进行估计并设置门限,然后对车辆的功率谱峰值进行统计。接着,对统计的车辆功率谱峰值进行直方图统计。最后,根据直方图统计的结果,得到不同车型所对应的功率谱峰值能量分割门限并依此判断出车的类型。本发明的优点是可以利用调频连续波雷达对不同车型进行分类。
Description
技术领域
本发明涉及一种基于调频连续波雷达的车型分类方法,属于智能交通的车辆检测领域。
背景技术
智能交通系统是交通系统的发展方向,是构建智慧城市的重要组成部分。道路交通信息采集系统是智能交通系统中的重要范畴。目前常用的交通信息采集系统主要有视频采集、环形线圈检测、雷达检测等。雷达检测因其探测精度高、抗干扰性能强、全天候、易于安装等特点呈高速发展之势。
调频连续波交通雷达是智能交通系统中,雷达检测的一种重要方式。正向安装的雷达可以精确的得到单个车道车辆的距离、车流量、车速等信息。侧向安装的雷达可以获得多个车道的车辆距离信息。
道路交通信息采集往往需要对所检车辆进行车型分类,这样可以用来分析道路使用的寿命并且给道路规划带来依据。而车型分类的实现在调频连续波雷达体制中还是个难点,尤其是侧向安装的交通雷达,会因为无法获得精确的多普勒信息而导致车型更是难以判断。
中国专利号CN101136141A,专利名称为基于单频连续波雷达的车型分类方法,公开了一种基于单频连续波雷达的车型分类方法,通过对雷达信号时频分析得到回波频谱图、再通过哈夫变换、Karhunen-Loeve筛选和压缩、Fisher准则进行样本分类等操作进行车型分类。该方法只是针对单频连续波,不适用于正侧式安装的调频连续波雷达,且操作较复杂。
发明内容
为了解决以上的技术问题,本发明提供了一种基于调频连续波雷达的车型分类方法。该识别方法包括如下步骤:
本发明采用以下技术方案:
步骤1:利用恒虚警率处理方法估计噪声和干扰的功率谱并设置门限;
步骤2:车辆功率谱峰值统计,得到统计数组:temp[T],其中T为数组长度;
步骤3:对统计数组temp[T]进行直方图统计;
步骤4:计算用于车型划分的功率谱峰值门限。
步骤1所述的恒虚警率处理,是在一系列距离单元上进行的。对于一特定的频点x,以被检测频点x为中心,在距离方向上,前后分别保留L/2个距离单元的功率谱保护单元之后,再分别选取M/2个距离单元的功率谱作为参考单元来计算该检测单元的噪声和干扰的功率谱,其对应的门限Ex可表示如下:
式中,P(xj)表示频点j位置的功率谱,N1和N2分别表示系统设定的雷达测距范围所对应的频点最小值和最大值,K0为根据检测性能所确定的虚警常数。
步骤2所述的车辆功率谱峰值统计,在一个车道内,计算车辆功率谱峰值Ppeak,表示如下:
式中,P(x)表示车辆雷达回波信号功率谱的峰值,Ex表示雷达回波信号功率谱所对应的噪声和干扰门限。将非0的Ppeak依次保存到统计数组temp[T]中,数组长度为T。
步骤3所述对统计数组temp[T]进行直方图统计,首先遍历获得统计数组的最小和最大值分别为Smin和Smax。根据预先设定的直方图统计的等级H(H<<T),将Smin和Smax之间均匀分割成等间距的H个区间,分割间距设为每个区间对应的功率谱能量范围分别为:(Smin,Smin+a),(Smin+a,Smin+2a),…,(Smax-a,Smax)将数组temp[T]中的值依次进行判断,若该值处于上述某个能量范围区间,则将对应区间的计数值加一,将每个区间的计数值分别保存到G(1),G(2),…,G(H)中,最终得到计数数组G[H]。
步骤4所述的计算用于车型划分的功率谱峰值门限,因为不同车型的车辆其对应的雷达散射截面积不一样,所以其对应的功率谱峰值大小也不一样。同时,同样型号的车在同样的测试环境下,具有接近的雷达散射面积,因此其对应的功率谱峰值也接近。
经过足够数量的统计,数组G[H]包含了在路上行驶的车辆的主要车型的功率谱峰值分布情况。具体表现为,相同车型的能量相对集中,形成谱峰聚集区间。没有谱峰能量聚集的区域或者相邻谱峰能量聚集之间的区域自然形成车型谱峰分类的门限,在数组G[H]中,表现为计数值为0或相对较小数值所对应的区间。
相比现有技术,本发明具有以下有益效果:
(1)本发明方法可以实现对于调频连续波雷达体制的车型分类;
(2)本发明方法的车型分类层级可以自行设定;
(3)本发明方法运算简单,操作方便;
附图说明
图1为本发明的一个具体实施例的车型分类操作流程图;
图2为本发明的一个具体实施例中的交通雷达安装和道路环境示意图;
图3为本发明的一个具体实施例中的无目标恒虚警门限设定结果;
图4为本发明的一个具体实施例中的有目标恒虚警门限设定结果;
图5为本发明的一个具体实施例中的功率谱峰值统计结果;
图6为本发明的一个具体实施例中的谱峰统计数组直方图化统计之后的示例。
具体实施方式
下面结合附图对本发明的技术方案进行详细说明。
如图1根据本发明的一个具体实施例的基于调频连续波雷达的车型分类方法的流程图所示,首先进行恒虚警率处理对噪声和干扰的功率谱进行估计并设置门限,然后对车辆的功率谱峰值进行统计。在车辆的功率谱峰值累积到一定数量后,对结果进行直方图统计。最后,根据直方图统计的结果,自适应得到不同车型所对应的功率谱峰值能量分割门限,最终达到流量统计、车型分类的目的。
如图2根据本发明的一个具体实施例中的交通雷达安装和公路环境示意图如图所示,在已搭建好的硬件平台201的基础上,我们在南京航空航天大学江宁校区的天桥上进行了实地测试。调频连续波雷达201装在天桥的栏杆202上,并保证雷达的波束方向垂直于公路上汽车行进方向。不失一般性,我们规定检测车道选定为第二车道203。
如图3根据本发明的一个具体实施例中的无目标恒虚警率处理结果所示,设定恒虚警率处理的保护单元长度为L=50,参考单元长度为M=20,虚警常数K0=1.2。此时虚警概率为Pfa≈1.4×10-7。由于路面对雷达回波信号的影响和雷达系统本身的噪声影响,表现为实线所表示的杂波功率谱的形式。虚线部分为经过恒虚警率计算的门限值。可见,恒虚警率计算得到的门限可以滤除绝大多数的杂波和噪声干扰。
如图4根据本发明的一个具体实施例中的有目标恒虚警率处理结果所示,车辆回波对应的功率谱峰值401高于相应频点对应的恒虚警率门限402,因此目标并不会被恒虚警率门限所滤除。
如图5根据本发明的一个具体实施例中的功率谱峰值统计,是表示记录了100辆车经过时的功率谱峰值的情况,即T=100。
如图6根据本发明的一个具体实施例中的谱峰统计数组直方图化,因为不同车型车辆的雷达散射截面积不一样,所以其功率谱峰值也存在差异。具体表现为在雷达与目标距离相同,角度相同的情况下,大车的雷达散射截面积大,其对应的功率谱峰值也大。经过对功率谱峰值统计数组进行直方图化操作,设H=40,结果形成601、602、603三个能量集中区域。这三个区域自然形成三种车型的能量分布特性。取601和602中间的功率谱峰值12.9作为车型1的判决门限,602和603中间的功率谱峰值21.4作为车型2的判决门限。通过增大直方图的等级,可以提高可识别车型的种类。
根据实际观测,统计过程中,实际有1辆集装箱式车、9辆大巴式车、90辆中小型车经过雷达观测区域。与图6所示的分类结果一致。由此验证了本发明方法对车型分类的可行性与准确性。
Claims (5)
1.一种基于调频连续波雷达的车型分类方法,其特征在于:
包括如下步骤:
步骤1:利用恒虚警率处理方法估计噪声和干扰的功率谱并设置门限;
步骤2:车辆功率谱峰值统计,得到统计数组:temp[T],其中T为数组长度;
步骤3:对统计数组temp[T]进行直方图统计;
步骤4:计算用于车型划分的功率谱峰值门限。
2.如权利要求1所述的基于调频连续波雷达的车型分类方法,其特征在于:
步骤1所述的恒虚警率处理,是在一系列距离单元上进行的;对于一特定的频点x,以被检测频点x为中心,在距离方向上,前后分别保留L/2个距离单元的功率谱保护单元之后,再分别选取M/2个距离单元的功率谱作为参考单元来计算被检测频点x的噪声和干扰的功率谱,其对应的门限Ex可表示如下:
式中,P(xj)表示频点j位置的功率谱,N1和N2分别表示系统设定的雷达测距范围所对应的频点最小值和最大值,K0为根据检测性能所确定的虚警常数。
3.如权利要求2所述的基于调频连续波雷达的车型分类方法,其特征在于:
步骤2所述的车辆功率谱峰值统计,在一个车道内,计算车辆功率谱峰值Ppeak,公式表示如下:
式中,P(x)表示车辆雷达回波信号功率谱的峰值,Ex表示雷达回波功率谱所对应的噪声和干扰门限;将非0的Ppeak依次保存到统计数组temp[T]中,T为数组长度。
4.如权利要求3所述的基于调频连续波雷达的车型分类方法,其特征在于:
步骤3所述对统计数组temp[T]进行直方图统计,首先遍历获得统计数组temp[T]的最小和最大值分别为Smin和Smax;根据预先设定的直方图统计的等级H,其中H远小于T, 将Smin和Smax之间均匀分割成等间距的H个区间,分割间距设为每个区间对应的功率谱能量范围分别为:(Smin,Smin+a),(Smin+a,Smin+2a),...,(Smax-a,Smax)将统计数组temp[T]中的值依次进行判断,若统计数组temp[T]中的值处于某个上述能量范围区间,则将对应区间的计数值加一,将每个区间的计数值分别保存到G(1),G(2),...,G(H)中,最终得到计数数组G[H]。
5.如权利要求4所述的基于调频连续波雷达的车型分类方法,其特征在于:
步骤4所述的计算用于车型划分的功率谱峰值门限,因为不同车型的车辆其对应的雷达散射截面积不一样,所以其对应的功率谱峰值大小也不一样,同时,同样型号的车在同样的测试环境下,具有接近的雷达散射截面积,因此其对应的功率谱峰值也接近;
经过足够数量的统计,计数数组G[H]包含了在路上行驶的车辆的主要车型的功率谱峰值分布情况;具体表现为,相同车型的能量相对集中,形成谱峰聚集区间;没有谱峰能量聚集的区域或者相邻谱峰能量聚集之间的区域自然形成车型谱峰分类的门限,在计数数组G[H]中,表现为计数值为0或相对较小数值所对应的区间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410587122.5A CN104408927B (zh) | 2014-10-23 | 2014-10-23 | 一种基于调频连续波雷达的车型分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410587122.5A CN104408927B (zh) | 2014-10-23 | 2014-10-23 | 一种基于调频连续波雷达的车型分类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104408927A CN104408927A (zh) | 2015-03-11 |
CN104408927B true CN104408927B (zh) | 2017-03-22 |
Family
ID=52646553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410587122.5A Expired - Fee Related CN104408927B (zh) | 2014-10-23 | 2014-10-23 | 一种基于调频连续波雷达的车型分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104408927B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105739541B (zh) * | 2016-02-17 | 2018-07-10 | 广州佳帆计算机有限公司 | 一种具有识别功能的智能物品分类装置 |
CN107134143A (zh) * | 2016-02-26 | 2017-09-05 | 南京航空航天大学 | 一种基于连续波雷达的车流量统计与车型判别的方法 |
CN106685441B (zh) * | 2016-12-09 | 2019-05-14 | 南京航空航天大学 | 一种基于合作博弈的射频隐身雷达组网功率分配方法 |
CN108627820A (zh) * | 2017-03-24 | 2018-10-09 | 北京行易道科技有限公司 | 雷达及其测高方法、无人机、存储介质和处理器 |
CN108627826A (zh) * | 2017-03-24 | 2018-10-09 | 北京行易道科技有限公司 | 雷达及其测高方法、无人机、存储介质和处理器 |
CN109597061B (zh) * | 2018-12-28 | 2021-05-18 | 北京润科通用技术有限公司 | 一种目标运动状态判别方法及系统 |
CN112986970A (zh) * | 2019-12-13 | 2021-06-18 | 华为技术有限公司 | 目标检测方法和装置 |
CN112349102B (zh) * | 2020-10-29 | 2022-05-20 | 深圳大学 | 一种车型分类方法、装置、计算机设备及存储介质 |
CN114913693B (zh) * | 2022-04-06 | 2023-06-13 | 河北工业大学 | 一种识别纯电动汽车的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5717390A (en) * | 1995-03-20 | 1998-02-10 | Hasselbring; Richard E. | Doppler-radar based automatic vehicle-classification system |
JP2001195685A (ja) * | 2000-01-12 | 2001-07-19 | Nec Corp | 車両識別装置 |
JP2004361154A (ja) * | 2003-06-03 | 2004-12-24 | Fujitsu Ten Ltd | 目標物判別装置 |
CN101136141A (zh) * | 2007-10-12 | 2008-03-05 | 清华大学 | 基于单频连续波雷达的车型分类方法 |
CN201051310Y (zh) * | 2007-06-21 | 2008-04-23 | 南京理工大学 | 具有车型识别功能的毫米波和超声波双频交通参数检测器 |
CN102289938A (zh) * | 2011-05-23 | 2011-12-21 | 辽宁金洋集团信息技术有限公司 | 双列垂直雷达波的车辆分型方法 |
CN102360528A (zh) * | 2011-07-01 | 2012-02-22 | 上海慧昌智能交通系统有限公司 | 基于多普勒交通雷达进行车型识别的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4016826B2 (ja) * | 2002-12-10 | 2007-12-05 | 株式会社デンソー | 物標識別方法及び装置、プログラム |
-
2014
- 2014-10-23 CN CN201410587122.5A patent/CN104408927B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5717390A (en) * | 1995-03-20 | 1998-02-10 | Hasselbring; Richard E. | Doppler-radar based automatic vehicle-classification system |
JP2001195685A (ja) * | 2000-01-12 | 2001-07-19 | Nec Corp | 車両識別装置 |
JP2004361154A (ja) * | 2003-06-03 | 2004-12-24 | Fujitsu Ten Ltd | 目標物判別装置 |
CN201051310Y (zh) * | 2007-06-21 | 2008-04-23 | 南京理工大学 | 具有车型识别功能的毫米波和超声波双频交通参数检测器 |
CN101136141A (zh) * | 2007-10-12 | 2008-03-05 | 清华大学 | 基于单频连续波雷达的车型分类方法 |
CN102289938A (zh) * | 2011-05-23 | 2011-12-21 | 辽宁金洋集团信息技术有限公司 | 双列垂直雷达波的车辆分型方法 |
CN102360528A (zh) * | 2011-07-01 | 2012-02-22 | 上海慧昌智能交通系统有限公司 | 基于多普勒交通雷达进行车型识别的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104408927A (zh) | 2015-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104408927B (zh) | 一种基于调频连续波雷达的车型分类方法 | |
CN107591002B (zh) | 一种基于分布式光纤的高速公路交通参数实时估计方法 | |
CN102810250B (zh) | 基于视频的多车型交通信息检测方法 | |
TWI403990B (zh) | 一種辨認車道邊界的方法 | |
CN103809163B (zh) | 一种基于局部极大值的车辆雷达目标检测方法 | |
Ki et al. | Model for accurate speed measurement using double-loop detectors | |
CN103345842B (zh) | 一种道路车辆分型系统及方法 | |
CN103093194B (zh) | 一种基于视频的违章车辆检测方法及装置 | |
CN116644373B (zh) | 基于人工智能的汽车流量数据分析管理系统 | |
CN102568206B (zh) | 一种基于视频监控的违章停车检测方法 | |
CN107134143A (zh) | 一种基于连续波雷达的车流量统计与车型判别的方法 | |
CN112085950B (zh) | 交通状态判别指标的估计方法、系统、存储介质及应用 | |
Pan et al. | Traffic surveillance system for vehicle flow detection | |
CN103136528A (zh) | 一种基于双边缘检测的车牌识别方法 | |
CN101876705A (zh) | 基于单频连续波雷达的频域车辆检测方法 | |
CN102636775B (zh) | 基于模糊逻辑识别的风廓线雷达回波谱重构方法 | |
CN102542799A (zh) | 基于路面标记的行采集视频车辆检测器及其检测方法 | |
CN107907864A (zh) | 一种风廓线雷达降水干扰抑制方法和系统 | |
CN202422420U (zh) | 一种基于视频监控的违章停车检测系统 | |
CN103175897A (zh) | 一种基于振动信号端点检测的高速道岔伤损识别方法 | |
CN104616495A (zh) | 一种基于公交gps探测车的城市交通状态识别方法 | |
CN110648542B (zh) | 基于方位识别窄波雷达的高精度车流量检测系统 | |
CN109116346B (zh) | 一种基于雷达的人车识别门禁系统及方法 | |
CN104036288A (zh) | 一种基于视频的车型分类方法 | |
Xiaoyong et al. | Vehicle class composition identification based mean speed estimation algorithm using single magnetic sensor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170322 Termination date: 20191023 |
|
CF01 | Termination of patent right due to non-payment of annual fee |