CN108761460A - 一种基于改进fast-surf算法的v波段功率放大器的车载雷达设备 - Google Patents

一种基于改进fast-surf算法的v波段功率放大器的车载雷达设备 Download PDF

Info

Publication number
CN108761460A
CN108761460A CN201810416961.9A CN201810416961A CN108761460A CN 108761460 A CN108761460 A CN 108761460A CN 201810416961 A CN201810416961 A CN 201810416961A CN 108761460 A CN108761460 A CN 108761460A
Authority
CN
China
Prior art keywords
pseudo
transistor
matching network
capacitance
output
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.)
Granted
Application number
CN201810416961.9A
Other languages
English (en)
Other versions
CN108761460B (zh
Inventor
陈永兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CHINA HIGHWAY ENGINEERING CONSULTING GROUP Co Ltd
CHECC Data Co Ltd
Original Assignee
Mao Shuchun
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mao Shuchun filed Critical Mao Shuchun
Priority to CN201810416961.9A priority Critical patent/CN108761460B/zh
Publication of CN108761460A publication Critical patent/CN108761460A/zh
Application granted granted Critical
Publication of CN108761460B publication Critical patent/CN108761460B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Amplifiers (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明请求保护一种基于改进FAST‑SURF算法的V波段功率放大器的车载雷达设备，包括外壳，所述外壳内设置有信号发生单元、发射器和接收器，所述信号发生单元被配置为生成车载雷达信号，并发送给发射器进行发射，所述接收器用于接收外部发送来的雷达信号；其在信号发生单元与发射器之间还设置有一个高增益甚高频波段功率放大器，所述高增益甚高频波段功率放大器包括：输入端匹配网络、第一伪差分共源放大器、第二伪差分共源放大器、级间匹配网络、输出匹配网络及电阻负载，所述第一伪差分共源放大器和第二伪差分共源放大器之间采用X型交叉混合耦合电容，所述输入端匹配网络的输入端连接信号发生单元的输出端。

Description

一种基于改进FAST-SURF算法的V波段功率放大器的车载雷达 设备
技术领域
本发明属于车载雷达设备技术领域，尤其涉及一种车载雷达设备。
背景技术
随着车辆普及率的提高，人们在生活中更加广泛的使用车辆作为交通工具。车辆的安全性、便捷性和舒适性成为用户更为关心的问题。汽车雷达顾名思义是用于汽车或其他地面机动车辆的雷达。因此，它包括基于不同技术(比如激光、超声波、微波)的各种不同雷达，有着不同的功能(比如发现障碍物、预测碰撞、自适应巡航控制)，以及运用不同的工作原理(比如脉冲雷达、FMCW雷达、微波冲击雷达)。微波雷达在汽车雷达中有着重要的商业意义。对汽车雷达的需求可以从3个层次来理解。从国家这一层次看，车辆事故带来的死伤和财产损失的统计数据，以及技术辅助手段可以预防部分事故的估计数据，促进了机动车雷达的发展。这些事故导致的经济损失与不断下滑的机动车雷达的成本之间的成本收益比，充分说明它将得到广泛的应用。从汽车制造商的角度来说，雷达是吸引消费者购买的另一大特色，它是潜在的收入来源和竞争优势。而且法规部门和公共部门也有可能要求更安全的汽车。从汽车所有者的角度而言，汽车雷达作为一个安全装置，方便而且不是很昂贵，这对消费者很有吸引力。它还具有更实际的重要性，即它可以承担一些需要注意力、判断力和技术性的工作，从而降低驾驶的强度，减少驾驶员的负担。然而现有的汽车雷达采用的功率放大器，高频特别是毫米波段，米勒电容的存在严重影响了晶体管的稳定性。为了使晶体管满足稳定条件,现有的技术一般是采用:a)阻容反馈电路；b)输入串联电阻或者并联电阻。但这两种技术的缺陷是会降低晶体管的最大可用功率增益。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种提高安全度、提高威胁预测精确度的基于改进FAST-SURF算法的V波段功率放大器的车载雷达设备。
本发明的技术方案如下：
一种基于改进FAST-SURF算法的V波段功率放大器的车载雷达设备，包括外壳，所述外壳内设置有信号发生单元、发射器和接收器，所述信号发生单元被配置为生成车载雷达信号，并发送给发射器进行发射，所述接收器用于接收外部发送来的雷达信号；其在信号发生单元与发射器之间还设置有一个高增益甚高频波段功率放大器，所述高增益甚高频波段功率放大器包括：输入端匹配网络、第一伪差分共源放大器、第二伪差分共源放大器、级间匹配网络、输出匹配网络及电阻负载，所述第一伪差分共源放大器和第二伪差分共源放大器之间采用X型交叉混合耦合电容，所述输入端匹配网络的输入端连接信号发生单元的输出端,所述输入匹配网络的输出端连接第一伪差分共源放大器的输入端,第一伪差分共源放大器的输出端连接级间匹配网络的输入端，级间匹配网络的输出端接第二伪差分共源放大器的输入端，第二伪差分共源放大器的输出端通过输出匹配网络后连接负载，所述输入端匹配网络用于实现输入匹配，第一伪差分共源放大器用于提高电路增益，第二伪差分共源放大器用于实现输出，级间匹配网络用于实现共轭匹配，输出匹配网络用于实现最佳负载阻抗匹配，及高电阻负载用于连接偏置电压；所述接收器采用改进的FAST-SURF算法进行优化定位，得到定位准确的V波段信号；对接收器的接收信号进行获取图像地理位置，然后采用改进的FAST算法进行初步处理，得到特征点；改进的FAST算法改进主要体现在：将检测对比点的个数由16个降为12个，加快检测的速度；根据得到的特征点，使用SURF算法对目标区域进行特征点对的匹配以及筛选；根据得到的匹配对，使用RANSAC算法对匹配对进行筛选，得到多组特征匹配点对；根据得到的多组特征匹配点对，利用三角形测量算法计算出点位的三维坐标，精确定位物体三维坐标；还包括温度感测装置，其具有输出端并且被设置为在其输出端生成输出信号，所述温度感测装置的输出端与发射器相连接，所述输出信号包含有所述雷达设备的至少一部分的温度，温度传感器的输出端耦合反馈到所述信号发生单元，其中所述信号发生单元被配置为当所述输出信号指示在第一温度范围内的温度时所述输出功率是第一功率，以及当所述输出信号指示在高于第一温度范围的第二温度范围内的温度时所述输出功率是低于第一功率的第二功率；所述第一伪差分共源放大器和第二伪差分共源放大器的结构一样,每一个伪差分共源放大器分别包括第一晶体管M1、第二晶体管M2、第一电容CC1、第二电容CC2,所述第一晶体管M1和第二晶体管M2的源极连接在一起,所述第一电容CC1跨接在第二晶体管M2的栅极和第一晶体管MI的漏极,第二电容CC2跨接在第一晶体管Ml的栅极和第二晶体管M2的漏极,信号从第一晶体管M1和第二晶体管M2的栅极输入,从第一晶体管M1和第二晶体管M2的漏极输出。
进一步的，所述第一晶体管M1和第二晶体管M2的参数一样,所述第一电容CC1、第二电容CC1的电容值一样，以此跨接构成的电容结构为交叉耦合电容中和结构。
进一步的，所述输入端匹配网络包括：两个隔直电容Cin和电感L；两个隔直电容Cin电容值相等，通过调节电感L和电容Cin的值使得输入阻抗为纯实数。
进一步的，所采用改进的FAST算法进行初步处理，得到特征点具体包括步骤：
S21：FAST算法：从图片中选取一个像素点P为圆心，半径为3像素的离散化的Bresenhan圆，圆的边界有16个像素；
S22：FAST算法的改进
将与周围比较的16个像素点降为12个像素点，检测原则是连续9个像素点都比Ip+t大或者比Ip-t小，则该像素点为特征点候选点；
S23：待检测的点周围的一圈像素的灰度值与候选的点的灰度值差别够大，可以认为这个候选点是一个特征点；
S24：对特征点进行非极大值抑制，得到特征点输出。
进一步的，所述根据得到的匹配对，使用RANSAC算法对匹配对进行筛选具体包括步骤：
S51：从数据集中随机抽出四个样本数据，计算出变换矩阵，记为M；
S52：计算数据集中所有数据与模型M的投影误差，若误差小于阈值，加入内点集I；
S53：如果当前内点集I元素个数大于u内点集I_best,则更新I_best＝I；同时更新迭代次数k；
S54:如果迭代次数大于k,则退出；否则迭代次数加1，并重复上述步骤。
本发明的有益效果
本发明通过在信号发生单元与发射器之间设置有一个高增益甚高频波段功率放大器，充分实现了对雷达发射信号的功率增大的同时，通过第一伪差分共源放大器和第二伪差分共源放大器之间采用X型交叉混合耦合电容，并没有降低晶体管的最大可用功率增益，所述输入端匹配网络用于实现输入匹配，第一伪差分共源放大器用于提高电路增益，第二伪差分共源放大器用于实现输出，级间匹配网络用于实现共轭匹配，输出匹配网络用于实现最佳负载阻抗匹配及高电阻负载用于连接偏置电压；所述接收器采用改进的FAST-SURF算法进行优化定位，得到定位准确的V波段信号；对接收器的接收信号进行获取图像地理位置，然后采用改进的FAST算法进行初步处理，得到特征点；改进的FAST算法改进主要体现在：将检测对比点的个数由16个降为12个，加快检测的速度；根据得到的特征点，使用SURF算法对目标区域进行特征点对的匹配以及筛选；根据得到的匹配对，使用RANSAC算法对匹配对进行筛选，得到多组特征匹配点对；根据得到的多组特征匹配点对，利用三角形测量算法计算出点位的三维坐标，精确定位物体三维坐标；将FAST算法的16个检测对比点减少到12个，减少了FAST检测特征点的时间。同时采用RANSAC算法剔除误匹配对，提高了正确率；还包括温度感测装置，输出信号包含有所述雷达设备的至少一部分的温度，温度传感器的输出端耦合反馈到所述信号发生单元，实现了动态调节和信号的反馈平衡，其中所述信号发生单元被配置为当所述输出信号指示在第一温度范围内的温度时所述输出功率是第一功率，以及当所述输出信号指示在高于第一温度范围的第二温度范围内的温度时所述输出功率是低于第一功率的第二功率；当高出第二温度时，则停止雷达信号的产生，可以避免过温情况下的设备工作异常。采用两级伪差分共源结构设计，相比于单端口功率放大器，输出功率更大。功率增益高。由于本发明采用交叉耦合电容中和技术,引入电容Cc1，Cc2，在不增加电路工作影响功耗的情况下能够提高差分放大器的功率增益。电路稳定性高,隔离度好。由于本发明采用交叉耦合电容中和技术,引入电容Cc1，Cc2，能够有效的克服米勒效应带来的不稳定的问题。
附图说明
图1是本发明提供优选实施例采用基于改进FAST-SURF算法的V波段功率放大器的车载雷达设备结构示意图；
图2是高增益甚高频波段功率放大器电路示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是：
如图1所示为一种基于改进FAST-SURF算法的V波段功率放大器的车载雷达设备，包括外壳，所述外壳内设置有信号发生单元、发射器和接收器，所述信号发生单元被配置为生成车载雷达信号，并发送给发射器进行发射，所述接收器用于接收外部发送来的雷达信号；其在信号发生单元与发射器之间还设置有一个高增益甚高频波段功率放大器，如图2所示，所述高增益甚高频波段功率放大器包括：输入端匹配网络、第一伪差分共源放大器、第二伪差分共源放大器、级间匹配网络、输出匹配网络及电阻负载，所述第一伪差分共源放大器和第二伪差分共源放大器之间采用X型交叉混合耦合电容，所述输入端匹配网络的输入端连接信号发生单元的输出端,所述输入匹配网络的输出端连接第一伪差分共源放大器的输入端,第一伪差分共源放大器的输出端连接级间匹配网络的输入端，级间匹配网络的输出端接第二伪差分共源放大器的输入端，第二伪差分共源放大器的输出端通过输出匹配网络后连接负载，所述输入端匹配网络用于实现输入匹配，第一伪差分共源放大器用于提高电路增益，第二伪差分共源放大器用于实现输出，级间匹配网络用于实现共轭匹配，输出匹配网络用于实现最佳负载阻抗匹配，及高电阻负载用于连接偏置电压；所述接收器采用改进的FAST-SURF算法进行优化定位，得到定位准确的V波段信号；对接收器的接收信号进行获取图像地理位置，然后采用改进的FAST算法进行初步处理，得到特征点；改进的FAST算法改进主要体现在：将检测对比点的个数由16个降为12个，加快检测的速度；根据得到的特征点，使用SURF算法对目标区域进行特征点对的匹配以及筛选；根据得到的匹配对，使用RANSAC算法对匹配对进行筛选，得到多组特征匹配点对；根据得到的多组特征匹配点对，利用三角形测量算法计算出点位的三维坐标，精确定位物体三维坐标；还包括温度感测装置，其具有输出端并且被设置为在其输出端生成输出信号，所述温度感测装置的输出端与发射器相连接，所述输出信号包含有所述雷达设备的至少一部分的温度，温度传感器的输出端耦合反馈到所述信号发生单元，其中所述信号发生单元被配置为当所述输出信号指示在第一温度范围内的温度时所述输出功率是第一功率，以及当所述输出信号指示在高于第一温度范围的第二温度范围内的温度时所述输出功率是低于第一功率的第二功率；所述第一伪差分共源放大器和第二伪差分共源放大器的结构一样,每一个伪差分共源放大器分别包括第一晶体管M1、第二晶体管M2、第一电容CC1、第二电容CC2,所述第一晶体管M1和第二晶体管M2的源极连接在一起,所述第一电容CC1跨接在第二晶体管M2的栅极和第一晶体管MI的漏极,第二电容CC2跨接在第一晶体管Ml的栅极和第二晶体管M2的漏极,信号从第一晶体管M1和第二晶体管M2的栅极输入,从第一晶体管M1和第二晶体管M2的漏极输出。
优选的，所述第一晶体管M1和第二晶体管M2的参数一样,所述第一电容CC1、第二电容CC1的电容值一样，以此跨接构成的电容结构为交叉耦合电容中和结构。
优选的，所述输入端匹配网络包括：两个隔直电容Cin和电感L；两个隔直电容Cin电容值相等，通过调节电感L和电容Cin的值使得输入阻抗为纯实数。
优选的，所采用改进的FAST算法进行初步处理，得到特征点具体包括步骤：
FAST算法：从图片中选取一个像素点P为圆心，半径为3像素的离散化的Bresenhan圆，圆的边界有16个像素；
FAST算法的改进
将与周围比较的16个像素点降为12个像素点，检测原则是连续9个像素点都比Ip+t大或者比Ip-t小，则该像素点为特征点候选点；
待检测的点周围的一圈像素的灰度值与候选的点的灰度值差别够大，可以认为这个候选点是一个特征点；
对特征点进行非极大值抑制，得到特征点输出。
优选的，所述根据得到的匹配对，使用RANSAC算法对匹配对进行筛选具体包括步骤：
从数据集中随机抽出四个样本数据，计算出变换矩阵，记为M；
计算数据集中所有数据与模型M的投影误差，若误差小于阈值，加入内点集I；
如果当前内点集I元素个数大于u内点集I_best,则更新I_best＝I；同时更新迭代次数k；
如果迭代次数大于k,则退出；否则迭代次数加1，并重复上述步骤。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (5)

1.一种基于改进FAST-SURF算法的V波段功率放大器的车载雷达设备，包括外壳，所述外壳内设置有信号发生单元、发射器和接收器，所述信号发生单元被配置为生成车载雷达信号，并发送给发射器进行发射，所述接收器用于接收外部发送来的雷达信号；其特征在于，在信号发生单元与发射器之间还设置有一个高增益甚高频波段功率放大器，所述高增益甚高频波段功率放大器包括：输入端匹配网络、第一伪差分共源放大器、第二伪差分共源放大器、级间匹配网络、输出匹配网络及电阻负载，所述第一伪差分共源放大器和第二伪差分共源放大器之间采用X型交叉混合耦合电容，所述输入端匹配网络的输入端连接信号发生单元的输出端,所述输入匹配网络的输出端连接第一伪差分共源放大器的输入端,第一伪差分共源放大器的输出端连接级间匹配网络的输入端，级间匹配网络的输出端接第二伪差分共源放大器的输入端，第二伪差分共源放大器的输出端通过输出匹配网络后连接负载，所述输入端匹配网络用于实现输入匹配，第一伪差分共源放大器用于提高电路增益，第二伪差分共源放大器用于实现输出，级间匹配网络用于实现共轭匹配，输出匹配网络用于实现最佳负载阻抗匹配，及高电阻负载用于连接偏置电压；所述接收器采用改进的FAST-SURF算法进行优化定位，得到目标点定位准确的V波段信号；对接收器的接收信号进行获取图像地理位置，然后采用改进的FAST算法进行初步处理，得到特征点；改进的FAST算法改进主要体现在：将检测对比点的个数由16个降为12个，加快检测的速度；根据得到的特征点，使用SURF算法对目标区域进行特征点对的匹配以及筛选；根据得到的匹配对，使用RANSAC算法对匹配对进行筛选，得到多组特征匹配点对；根据得到的多组特征匹配点对，利用三角形测量算法计算出点位的三维坐标，精确定位物体三维坐标；还包括温度感测装置，其具有输出端并且被设置为在其输出端生成输出信号，所述温度感测装置的输出端与发射器相连接，所述输出信号包含有所述雷达设备的至少一部分的温度，温度传感器的输出端耦合反馈到所述信号发生单元，其中所述信号发生单元被配置为当所述输出信号指示在第一温度范围内的温度时所述输出功率是第一功率，以及当所述输出信号指示在高于第一温度范围的第二温度范围内的温度时所述输出功率是低于第一功率的第二功率；所述第一伪差分共源放大器和第二伪差分共源放大器的结构一样,每一个伪差分共源放大器分别包括第一晶体管M1、第二晶体管M2、第一电容CC1、第二电容CC2,所述第一晶体管M1和第二晶体管M2的源极连接在一起,所述第一电容CC1跨接在第二晶体管M2的栅极和第一晶体管MI的漏极,第二电容CC2跨接在第一晶体管Ml的栅极和第二晶体管M2的漏极,信号从第一晶体管M1和第二晶体管M2的栅极输入,从第一晶体管M1和第二晶体管M2的漏极输出。
2.根据权利要求1所述的基于改进FAST-SURF算法的V波段功率放大器的车载雷达设备，其特征在于，所述第一晶体管M1和第二晶体管M2的参数一样,所述第一电容CC1、第二电容CC1的电容值一样，以此跨接构成的电容结构为交叉耦合电容中和结构。
3.根据权利要求1所述的基于改进FAST-SURF算法的V波段功率放大器的车载雷达设备，其特征在于，所述输入端匹配网络包括：两个隔直电容Cin和电感L；两个隔直电容Cin电容值相等，通过调节电感L和电容Cin的值使得输入阻抗为纯实数。
4.根据权利要求1所述的基于改进FAST-SURF算法的V波段功率放大器的车载雷达设备，其特征在于，所述采用改进的FAST算法进行初步处理，得到特征点具体包括步骤：
S21：FAST算法：从图片中选取一个像素点P为圆心，半径为3像素的离散化的Bresenhan圆，圆的边界有16个像素；
S22：FAST算法的改进
将与周围比较的16个像素点降为12个像素点，检测原则是连续9个像素点都比Ip+t大或者比Ip-t小，则该像素点为特征点候选点；
S23：待检测的点周围的一圈像素的灰度值与候选的点的灰度值差别够大，可以认为这个候选点是一个特征点；
S24：对特征点进行非极大值抑制，得到特征点输出。
5.根据权利要求4所述的基于改进FAST-SURF算法的V波段功率放大器的车载雷达设备，其特征在于，所述根据得到的匹配对，使用RANSAC算法对匹配对进行筛选具体包括步骤：
S51：从数据集中随机抽出四个样本数据，计算出变换矩阵，记为M；
S52：计算数据集中所有数据与模型M的投影误差，若误差小于阈值，加入内点集I；
S53：如果当前内点集I元素个数大于u内点集I_best,则更新I_best＝I；同时更新迭代次数k；
S54:如果迭代次数大于k,则退出；否则迭代次数加1，并重复上述步骤。
CN201810416961.9A 2018-05-04 2018-05-04 一种基于改进fast-surf算法的v波段功率放大器的车载雷达设备 Active CN108761460B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810416961.9A CN108761460B (zh) 2018-05-04 2018-05-04 一种基于改进fast-surf算法的v波段功率放大器的车载雷达设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810416961.9A CN108761460B (zh) 2018-05-04 2018-05-04 一种基于改进fast-surf算法的v波段功率放大器的车载雷达设备

Publications (2)

Publication Number Publication Date
CN108761460A true CN108761460A (zh) 2018-11-06
CN108761460B CN108761460B (zh) 2022-01-04

Family

ID=64009014

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810416961.9A Active CN108761460B (zh) 2018-05-04 2018-05-04 一种基于改进fast-surf算法的v波段功率放大器的车载雷达设备

Country Status (1)

Country Link
CN (1) CN108761460B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102104362A (zh) * 2011-03-01 2011-06-22 北京大学 一种毫米波倍频器及级联倍频器
CN103095230A (zh) * 2012-12-31 2013-05-08 东南大学 一种高增益高功率的毫米波功率放大器
CN105678307A (zh) * 2016-01-11 2016-06-15 河海大学 基于fast-surf的移动端实时特征检测匹配方法
US20160178729A1 (en) * 2014-01-10 2016-06-23 Raytheon Company Detection of stealth vehicles using vhf radar
CN107784263A (zh) * 2017-04-28 2018-03-09 新疆大学 基于改进加速鲁棒特征的平面旋转人脸检测的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102104362A (zh) * 2011-03-01 2011-06-22 北京大学 一种毫米波倍频器及级联倍频器
CN103095230A (zh) * 2012-12-31 2013-05-08 东南大学 一种高增益高功率的毫米波功率放大器
US20160178729A1 (en) * 2014-01-10 2016-06-23 Raytheon Company Detection of stealth vehicles using vhf radar
CN105678307A (zh) * 2016-01-11 2016-06-15 河海大学 基于fast-surf的移动端实时特征检测匹配方法
CN107784263A (zh) * 2017-04-28 2018-03-09 新疆大学 基于改进加速鲁棒特征的平面旋转人脸检测的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周莉莉，姜枫: ""基于Fast和BRIEF的图像匹配算法"", 《计算机工程与设计》 *

Also Published As

Publication number Publication date
CN108761460B (zh) 2022-01-04

Similar Documents

Publication Publication Date Title
CN110441777A (zh) 一种基于激光雷达的气溶胶垂直廓线的反演方法
US20220018943A1 (en) Ranging Method, Radar, and Vehicle-Mounted Radar
CN110395200B (zh) 检测车轮定位状况的设备和方法
Ponn et al. Systematic analysis of the sensor coverage of automated vehicles using phenomenological sensor models
CN102346910B (zh) 一种基于单帧红外图像的点目标的实时检测方法
US20210165084A1 (en) Light receiving apparatus and distance measuring apparatus
US20190317213A1 (en) Distance measurement processing device, image processing method, and distance measuring system
WO2020191727A1 (zh) 一种雷达功率控制方法及装置
Wayne et al. Comparing the log-normal and gamma-gamma model to experimental probability density functions of aperture averaging data
CN115629388B (zh) 一种基于红外和微波成像仪数据的雷达回波模拟方法
Conan et al. Adaptive Optics for GEO-Feeder Links: from performance analysis via reciprocity based models to experimental demonstration
CN104568174A (zh) 一种基于阵列探测器的光场匹配外差探测装置及方法
CN108761460A (zh) 一种基于改进fast-surf算法的v波段功率放大器的车载雷达设备
Salvi et al. AI based solar powered railway track crack detection and notification system with chatbot support
CN117826635A (zh) 车载激光雷达雾天探测能力仿真方法、系统、终端及介质
Zhao et al. An improved retrieval method of atmospheric parameter profiles based on the BP neural network
CN109584630A (zh) 一种基于车联网的车辆变道预警装置及预警方法
Xie et al. Real-time in-situ laser ranging via back propagation neural network on FPGA
CN108732569A (zh) 一种采用高增益甚高频波段功率放大器的车载雷达设备
CN106910606A (zh) 一种变压器有源噪声降噪装置及控制方法
CN102519491A (zh) 基于复Duffing方程的微弱复信号检测方法
CN113655531B (zh) 一种基于高频电磁场的周边目标探测定位装置和方法
Rapp et al. Dead time compensation for high-flux depth imaging
US20120075020A1 (en) Network communication device and method for detecting abnormal load
CN108957440B (zh) 一种基于改进fast-surf算法的无人机雷达设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Gong Tingting

Inventor after: Yang Xuan

Inventor after: Liu Xiaodong

Inventor after: Chen Yongbing

Inventor before: Chen Yongbing

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211213

Address after: 100097 908, block a, 8th floor, 116 Zizhuyuan Road, Haidian District, Beijing

Applicant after: ZHONGZI DATA CO.,LTD.

Applicant after: China Highway Engineering Consulting Group Co., Ltd.

Address before: 401121 6-1, building 19, 8 Hongye Road, Yubei District, Chongqing

Applicant before: Mao Shuchun

GR01 Patent grant
GR01 Patent grant