CN109597061B - 一种目标运动状态判别方法及系统 - Google Patents

Abstract

本发明公开了一种目标运动状态判别方法及系统，应用于车载雷达，方法包括：根据预先建立的一元关系式，计算获得雷达检测点相对车辆的标量运动速度，一元关系式用于表征标量运动速度与多普勒速度、方位角、以及车载雷达的雷达安装角度之间的运算关系；对标量运动速度进行直方图统计，利用频数统计结果计算静止雷达检测点相对车辆的标量估计速度；根据标量估计速度判别每个雷达检测点的运动状态。本发明在无需智能驾驶系统向车载雷达输入车身运动速度的前提下，实现对车载雷达的雷达检测点运动状态的自适应判别，且运算性能稳定，有较高的工程实用价值。

Description

一种目标运动状态判别方法及系统

技术领域

本发明涉及车载雷达技术领域，特别是涉及一种目标运动状态判别方法及系统。

背景技术

车载雷达由于其对目标较好的测速能力和对雨雾较好的穿透能力，成为智能驾驶方案中不可替代的传感器选择。对智能驾驶决策而言，雷达检测到的物体的运动状态是进行决策时主要的考量因素。由于通常会认为运动的目标比静止的目标更有危险性，因此大量静止目标作为雷达“杂波”通常会被雷达检测到，对运动目标形成干扰，而且也会占用车载雷达有限的处理运算硬件资源。所以，车载雷达需要完成的主要工作是对检测到的目标的运动状态(包括运动和静止)进行判别。

传统雷达一般是固定放置，其本身是绝对静止的，可以通过测量检测到的目标的多普勒速度来判断该目标与雷达是否存在相对运动，从而判断目标的运动状态。但是，对于车载雷达由于其本身是随车辆进行运动的，上述方案已经不适用。目前应用的方式是由智能驾驶控制系统输出车辆自身的运动状态到雷达传感器，雷达传感器根据已有先验信息与目标的测量信息进行对比判别，但这需要实现智能驾驶控制系统与雷达的双向通讯，会提高系统的复杂度，并占用信号传输资源。针对上述问题，现有技术中基于随机采样一致性算法或者最小二乘意义下的矩阵计算静止目标的估计速度，根据估计速度和目标的测量信息进行运动状态判别，但是由于上述方案通过随机抽样进行参数估计，运算性能很不稳定，实用价值较低。

发明内容

针对于上述问题，本发明提供一种目标运动状态判别方法及系统，在无需智能驾驶系统向车载雷达输入车身运动速度的前提下，实现对雷达检测点运动状态的自适应判别，且运算性能稳定，有较高的工程实用价值。

为了实现上述目的，本发明提供了如下技术方案：

一种目标运动状态判别方法，应用于车载雷达，所述方法包括：

根据预先建立的一元关系式，计算获得雷达检测点相对车辆的标量运动速度，所述一元关系式用于表征标量运动速度与多普勒速度、方位角、以及所述车载雷达的雷达安装角度之间的运算关系；

对计算出的标量运动速度进行直方图统计，利用频数统计结果计算静止雷达检测点相对车辆的标量估计速度；

根据所述标量估计速度判别每个雷达检测点的运动状态。

可选地，所述一元关系式包括第一关系式和第二关系式，所述第一关系式用于表征多普勒速度与方位角之间的运算关系，所述第二关系式用于表征所述车载雷达的雷达安装角度与方位角之间的运算关系，所述第一关系式和所述第二关系式的比值为所述标量运动速度，其中，所述根据预先建立的一元关系式，计算获得雷达检测点相对车辆的标量运动速度，包括：

根据所述第一关系式计算获得每个雷达检测点的速度分子量；

根据所述第二关系式计算获得每个雷达检测点的速度分母量；

筛选出速度分母量的绝对值大于分母门限值的雷达检测点；

计算筛选出的雷达检测点相对车辆的标量运动速度。

可选地，所述根据预先建立的一元关系式，计算获得雷达检测点相对车辆的标量运动速度，还包括：

判断筛选出的雷达检测点的数量是否大于检测点数量阈值；

若筛选出的雷达检测点的数量大于检测点数量阈值，计算筛选出的雷达检测点相对车辆的标量运动速度，否则，计算所有雷达检测点相对车辆的标量运动速度。

可选地，所述对计算出的标量运动速度进行直方图统计，利用频数统计结果计算静止雷达检测点相对车辆的标量估计速度，包括：

对计算出的标量运动速度利用滑窗式的直方图统计算法进行统计，得到频数统计结果中频数最大的区间的频数和中心值，以及频数最大的区间相邻区间的频数和中心值；

利用频数最大的区间的频数和中心值，以及频数最大的区间相邻区间的频数和中心值，计算获得静止雷达检测点相对车辆的标量估计速度。

可选地，所述根据所述标量估计速度判别每个雷达检测点的运动状态，包括：

根据所述标量估计速度，所述车载雷达的雷达安装角度，以及每个雷达检测点的方位角，计算获得每个雷达检测点的多普勒估计速度；

根据每个雷达检测点的多普勒估计速度和每个雷达检测点的多普勒速度，计算获得每个雷达检测点的多普勒速度偏差；

根据每个雷达检测点的多普勒速度偏差和预设偏差门限值，判别每个雷达检测点的运动状态。

可选地，所述方法还包括：

判断检测到的雷达检测点的数量是否大于预设数量阈值，如果是，则根据预先建立的一元关系式计算雷达检测点相对车辆的标量运动速度。

一种目标运动状态判别系统，应用于车载雷达，所述系统包括：

计算单元，用于根据预先建立的一元关系式，计算获得雷达检测点相对车辆的标量运动速度，所述一元关系式用于表征标量运动速度与多普勒速度、方位角、以及所述车载雷达的雷达安装角度之间的运算关系；

统计单元，用于对计算出的标量运动速度进行直方图统计，利用频数统计结果计算静止雷达检测点相对车辆的标量估计速度；

判别单元，用于根据所述标量估计速度判别每个雷达检测点的运动状态。

可选地，所述一元关系式包括第一关系式和第二关系式，所述第一关系式用于表征多普勒速度与方位角之间的运算关系，所述第二关系式用于表征所述车载雷达的雷达安装角度与方位角之间的运算关系，所述第一关系式和所述第二关系式的比值为所述标量运动速度，所述计算单元包括：

第一计算子单元，用于根据所述第一关系式计算获得每个雷达检测点的速度分子量；

第二计算子单元，用于根据所述第二关系式计算获得每个雷达检测点的速度分母量；

筛选子单元，用于筛选出速度分母量的绝对值大于分母门限值的雷达检测点；

第三计算子单元，用于计算筛选出的雷达检测点相对车辆的标量运动速度。

可选地，所述计算单元还包括：

判断子单元，用于判断筛选出的雷达检测点的数量是否大于检测点数量阈值；

第四计算子单元，用于若筛选出的雷达检测点的数量大于检测点数量阈值，计算筛选出的雷达检测点相对车辆的标量运动速度，否则，计算所有雷达检测点相对车辆的标量运动速度。

可选地，所述统计单元包括：

统计子单元，用于对计算出的标量运动速度利用滑窗式的直方图统计算法进行统计，得到频数统计结果中频数最大的区间的频数和中心值，以及频数最大的区间相邻区间的频数和中心值；

第五计算子单元，用于利用频数最大的区间的频数和中心值，以及频数最大的区间相邻区间的频数和中心值，计算获得静止雷达检测点相对车辆的标量估计速度。

可选地，所述判别单元包括：

第六计算子单元，用于根据所述标量估计速度，所述车载雷达的雷达安装角度，以及每个雷达检测点的方位角，计算获得每个雷达检测点的多普勒估计速度；

第七计算子单元，用于根据每个雷达检测点的多普勒估计速度和每个雷达检测点的多普勒速度，计算获得每个雷达检测点的多普勒速度偏差；

判别子单元，用于根据每个雷达检测点的多普勒速度偏差和预设偏差门限值，判别每个雷达检测点的运动状态。

可选地，所述系统还包括：

数量判断单元，用于判断检测到的雷达检测点的数量是否大于预设数量阈值，如果是，则根据预先建立的一元关系式计算雷达检测点相对车辆的标量运动速度。

相较于现有技术，本发明提供了一种目标运动状态判别方法及系统，利用能够表征标量运动速度与多普勒速度、方位角、以及车载雷达的雷达安装角度之间的运算关系的一元关系式，计算获得雷达检测点相对车辆的标量运动速度，然后根据该标量运动速度进行直方图统计后计算获得静止雷达检测点相对车辆的标量估计速度，依据此标量估计速度判别每个雷达检测点的运动状态。本发明实施例的技术方案，在雷达检测点运动状态的判别过程中无需智能驾驶系统向车载雷达输入车身运动速度，即可实现对车载雷达的雷达检测点运动状态的自适应判别，同时由于静止雷达检测点相对车辆的标量估计速度基于雷达检测点的多普勒速度、方位角、雷达安装角度计算出的标量运动速度统计得到，因此相比传统方法的随机抽样估算的计算过程，其运算性能稳定，有较高的工程实用价值。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种目标运动状态判别方法的流程示意图；

图2为本发明实施例提供的一种二元相对运动模型的示意图；

图3为本发明实施例提供的简化的一元相对运动模型示意图；

图4为本发明实施例提供的雷达监测点的分布示意图；

图5为本发明实施例提供的筛选后的有效检测点的分布示意图；

图6为本发明实施例提供的检测点的斜率值计算结果的示意图；

图7为本发明实施例提供的一种直方图统计结果的示意图；

图8为本发明实施例提供的一种多普勒速度偏差计算值的示意图；

图9为本发明实施例提供的一种目标运动状态判别系统的结构示意图。

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、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有设定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。

在本发明实施例中提供了一种目标运动状态判别方法，该方法应用于车载雷达，目标表征车载雷达检测获得的雷达检测点，即通过本方法可以实现对雷达检测点的运动状态判别，其中，运动状态可以包括静止和运动。参见图1，该方法可以包括以下步骤：

S101、根据预先建立的一元关系式，计算获得雷达检测点相对车辆的标量运动速度。

这里的一元关系式用于表征标量运动速度与多普勒速度、方位角、以及车载雷达的雷达安装角度之间的运算关系。其中，每个雷达检测点的多普勒速度、方位角由该车载雷达测量得到，车载雷达的雷达安装角度预先存储在车载雷达中。

参见图2，为一种二元相对运动模型的示意图。在该示意图中，以车载雷达为基准建立雷达坐标系，其中，该雷达坐标系中雷达波束中心指向为y轴，平行天线阵列方向为x轴，天线中心为原点。在不考虑车载雷达的二维运动方向或安装角度，只考虑雷达检测点在雷达坐标系下的运动状态时，静止目标相对车载雷达的运动方向和运动速度都一致，如图2中空白圆圈表示，其在该雷达坐标下的运动速度绝对值为V_s，相对速度方向与x轴的夹角为θ(顺时针为负)。静止目标的多普勒速度为相对速度矢量在雷达-雷达检测点连线方向上的投影，其数值为V_r，定义雷达检测点多普勒速度方向指向车载雷达时V_r为负值，反之则为正值。β为雷达检测点相对速度方向与多普勒速度方向的夹角。雷达检测点相对y轴的方位角定义为α(顺时针为正)。在图2中运动目标如黑色圆圈所示，其相对运动方向与静止目标不同，相对速度大小为V_m。其中，在实际应用中静止目标在雷达坐标下的运动速度绝对值V_s即为雷达检测点相对车辆的标量运动速度。

则根据图2确定的几何关系为：

其中，V_x＝V_scosθ为雷达检测点在雷达坐标系下的矢量速度沿x轴的分量，V_y＝V_ssinθ为雷达检测点在雷达坐标系下的矢量速度沿y轴的分量。

对车载雷达检测到的i＝1～N个静止目标，有如下方程：

对式(2)，可以基于矩阵求伪逆的方式计算给出V_x和V_y。

传统运动模型虽然理论上较为完备且精确，但需要估计两个参数V_x和V_y，为了简化模型以降低运算需求，由于雷达的采样周期非常短，加速度带来的影响基本可以忽略，在本发明实施例中假设车载雷达随车辆作匀速直线运动，且雷达安装角度已知，即雷达安装角度预先存储在车载雷达中。将雷达安装角度定义为天线波束中心方向与车头正前方的夹角。参见图3，为本发明实施例提供的简化的一元相对运动模型示意图。雷达安装角度为γ，定义车载雷达安装于车右侧时γ为正，安装于左侧时γ为负。车辆向前以V_s速度匀速直线运动，因此静止目标以同样大小的速度向车后方运动。在图3中示出了两个车载雷达，一个车载雷达安装在车辆右侧，向右前方观测，另一个车载雷达安装在车辆左侧，向正左侧观测。可以根据几何关系给出多普勒速度表达式，该多普勒速度表达式表征静止目标的多普勒速度：

V_r＝-V_scosαcosγ+V_ssinαsinγ (3)

通过式(3)中所示，可见静止目标多普勒速度测量值V_r与方位角测量值α之间的关系为非线性的。

对(3)式进行变形写为y＝ax+b的线性形式：

可以看出，上述(4)式给出了标量运动速度V_s与多普勒速度V_r、方位角α、以及雷达安装角度γ之间的运算关系，在实际应用中可以(4)式作为预先建立的一元关系式，但本发明实施例并不限于此。例如，可以对(4)式进行变量替换，将非线性模型转换为线性模型，如式(5-1)和式(5-2)所示：

y_p＝V_sx (5-1)

即一元关系式可以包括表征多普勒速度和方位角之间的运算关系的第一关系式(即y_p的计算式)，以及表征车载雷达的雷达安装角度与方位角之间的运算关系的第二关系式(即x_p的计算式)，第一关系式和第二关系式的比值即为标量运动速度V_s。另外，第一关系式和第二关系式也能进行变形，只要第一关系式和第二关系式的比值为标量运动速度V_s即可。例如，第一关系式可以为y_p＝V_r，第二关系式可以为x_p＝sinγsinα-cosγcosα。

以上述为基础，在本发明的另一实施例中还提供了一种计算标量运动速度的方法，该方法包括以下步骤：

S201、根据第一关系式计算获得每个雷达检测点的速度分子量；

S202、根据第二关系式计算获得每个雷达检测点的速度分母量；

S203、筛选出速度分母量的绝对值大于分母门限值的雷达检测点；

S204、计算筛选出的雷达检测点相对车辆的标量运动速度。

其中，速度分子量即第一关系式的计算结果y_p，速度分母量即第二关系式的计算结果x_p。需要说明的是，在上述计算标量运动速度方法的实施例中，上述步骤的先后顺序只是本实施例提供的一种顺序表征方式，也可以先计算速度分母量，再对速度分量进行筛选，然后计算速度分子量，最后再进行标量运动速度的计算。

之所以对速度分母量进行筛选，是由于考虑到第二关系式计算得到的每个雷达检测点的速度分母量x_p的计算值会存在测量不准确时引入的误差，其作为分母在计算标量运动速度可能生成较大的野值，为了保证运算过程的准确性，在上述实施例中首先进行雷达检测点的筛选，即通过x_p进行筛选。

例如，只选取绝对值|x_p|大于分母门限值X_T的点作为筛选出的雷达检测点，然后计算筛选出的雷达检测点相对车辆的标量运动速度。其中，分母门限值的取值范围通常取决于x_p计算值的误差与真实值的比例，一般应小于30％。

需要说明的是，在某些情况下，若考虑计算时间、运算量或者效率等方面时，也可以不进行雷达检测点的筛选，但是在这种情况下计算出的标量运动速度的误差会相对较大。

在上述实施例的基础上，该计算标量运动速度的过程还包括：

S205、判断筛选出的雷达检测点的数量是否大于检测点数量阈值；

S206、如筛选出的雷达检测点的数量大于检测点数量阈值，计算筛选出的雷达检测点相对车辆的标量运动速度，否则，计算所有雷达检测点相对车辆的标量运动速度。

即考虑到一种可能的情形时绝对值|x_p|大于分母门限值X_T的点数量较少，不适宜进行后续直方图统计，因此筛选后首先要判断筛选出的雷达检测点是否足够多，假设筛选后雷达检测点数量为P，如果P少于预先设定的检测点数量阈值P_min，则忽略筛选操作，重新用所有雷达检测点进行标量运动速度计算。

S102、对计算出的标量运动速度进行直方图统计，利用频数统计结果计算静止雷达检测点相对车辆的标量估计速度。

假设计算了P个雷达检测点相对车辆的标量运动速度，其中，数量值P可能为所有雷达检测点的数量总和N，也可能为通过筛选获得筛选后的雷达检测点数量。

利用一元关系式包括第一关系式和第二关系式的表征方式，则第一关系式计算获得每个雷达检测点的速度分子量y_p，和第二关系式计算获得每个雷达检测点的速度分母量x_p。在P个雷达检测点中第i个雷达检测点对应的参数信息为

其中i＝1～P，则计算获得第i个雷达检测点相对车辆的标量运动速度

为：

由于雷达检测点中会有运动的雷达检测点的存在，直接对所有

求均值估计静止雷达检测点相对车辆的标量估计速度可能存在较大误差。因此在本发明实施例中对标量运动速度进行直方图统计，并且在本发明实施例中利用直方图频数统计可以便于分析和减少运算量，即利用频数统计结果计算静止雷达检测点相对车辆的标量估计速度。从而排除运动的雷达检测点及噪声点等对标量估计速度计算结果的影响。

对统计

的直方图分布，考虑到

的估计误差，采用滑窗式的直方图统计方法。对应的，在本发明实施例中还提供了一种滑窗式直方图统计方法，包括：

S301、对计算出的标量运动速度利用滑窗式的直方图统计算法进行统计，得到频数统计结果中频数最大的区间的频数和中心值，以及频数最大的区间相邻区间的频数和中心值；

S302、利用频数最大的区间的频数和中心值，以及频数最大的区间相邻区间的频数和中心值，计算获得静止雷达检测点相对车辆的标量估计速度。

令直方图有K个区间，K的大小可以根据组距和车辆运动速度范围确定。例如，每个区间覆盖宽度为3m/s。定义各个区间的频数为H[k](初始值为0)，第k个区间对应的范围h_axis[k]和中心值h_cent[k]为：

上式(7)中将每个区间的宽度设为3m/s，相邻区间中心值间隔(组距)为1。这里组距取1，区间宽度取3，主要为方便编程实现，实际应用中也可以根据硬件能力设定适宜的值。基于上式，统计直方图的方式为：

一种上述统计方式的具体实现方法可以为：

1)将

进行四舍五入取整，

2)若m＝1，则H[m]＝H[m]+1，H[m+1]＝H[m+1]+1；

3)若m＝K，则H[m]＝H[m]+1，H[m-1]＝H[m-1]+1；

4)若m≠1且m≠K，则

H[m]＝H[m]+1，H[m-1]＝H[m-1]+1，H[m+1]＝H[m+1]+1

考虑到直方图统计结果是离散的，因此可采用相邻点加权平均的方式求V_s，即先获得频数统计结果中频数最大的区间的频数和中心值，以及获得频数最大的区间相邻区间的频数和中心值，然后根据频数最大的区间的频数和中心值，然后获得频数最大的区间相邻区间的频数和中心值计算最终的标量估计速度

需要说明的是，在计算静止雷达检测点相对车辆的标量估计速度过程中，也可以不采用相邻点加权平均的方式计算，如直接计算标量运动速度在该区间的平均值即可。

S103、根据标量估计速度判别每个雷达检测点的运动状态。

由于在上述步骤S102中计算获得了静止雷达检测点相对车辆的标量估计速度，可以以此为基准根据每个雷达检测点的多普勒速度、方位角等信息判断每个雷达检测点的运动状态。

在本发明实施例中还提供了一种雷达检测点的运动状态的判别方法，包括：

S401、根据标量估计速度，车载雷达的雷达安装角度，以及每个雷达检测点的方位角，计算获得每个雷达检测点的多普勒估计速度；

S402、根据每个雷达检测点的多普勒估计速度和每个雷达检测点的多普勒速度，计算获得每个雷达检测点的多普勒速度偏差；

S403、根据每个雷达检测点的多普勒速度偏差和预设偏差门限值，判别每个雷达检测点的运动状态。

需要说明的是上述判别方法只是本发明实施例中提供的一种方式，对应的，还可以采用一种相对简单的方式，即不考虑标量运动速度计算的误差分布受速度分母量大小影响时，将每个雷达检测点相对车辆的标量运动速度与静止雷达检测点相对车辆的标量估计速度进行比较，根据二者偏差的大小判断雷达检测点的运动状态。

但考虑标量运动速度计算的误差分布受速度分母量大小影响，在本实施例中是通过先计算每个雷达检测点的多普勒估计速度，再进行运动状态的判别的。即将静止雷达检测点的标量估计速度

代入(3)式，即可以计算得到每个雷达检测点的多普勒估计速度

其中，αⁱ为第i个雷达检测点的方位角测量值。

将每个雷达检测点的多普勒估计速度

与车载雷达测量得到的多普勒速度V_r比较，可以得到每个雷达检测点的多普勒速度偏差

其中

为第i个雷达检测点的多普勒速度测量值。

将每个雷达检测点对应的多普勒速度偏差

与预设偏差门限值V_T比较即可以判断每个雷达检测点的运动状态是静止还是运动。具体的，将多普勒速度偏差大于预设偏差门限值对应的雷达检测点的状态确定为运动，否则将雷达检测点的状态确定为静止。其中，预设偏差门限值可以根据雷达测量误差等因素进行设定。

在上述实施例的基础上，该方法还包括：

判断检测到的雷达检测点的数量是否大于预设数量阈值，如果是，则根据预先建立的一元关系式计算雷达检测点相对车辆的标量运动速度。

如果雷达检测点的数量小于等于预设数量阈值，则不进行目标运动状态的判别，或者生成提示信息，该提示信息用于表征此次判别出的雷达检测点的运动状态不可信。

需要说明的是，本发明实施例的前提假设为静止雷达检测点对应直方图频数应为整个直方图频数的峰值，即静止雷达检测点数目占比较高，这一假设在一般情况下是满足的，这是因为在车辆行驶过程中，道路两侧存在护栏、树木、建筑等大量静止目标，而且雷达探测距离一般也可以达到50米以上。但不排除在某些开阔地带的荒漠型公路、或车载雷达被近处目标遮挡时，可能会出现不满足前述假设的情形。通常这几种特殊情形下运动雷达检测点数也会较少，导致整体雷达检测点数很少。因此为了保证方法的准确性可以设定车载雷达检测到的雷达检测点的数量大于某一门限值N_min时才工作或认为输出结果可信，即才可以执行本发明实施例中提供的目标运动状态判别方法。否则会输出提示信息，表征本方案的结果不可信，或者也可以直接拒绝输出结果。例如，在具体实施例中所使用雷达距离分辨率0.5米，最大探测距离80米，正常情况下检测点数在30～100个。因此可以设定检测点数小于10个时方法不工作或输出结果不可信。

本发明实施例提供了一种目标运动状态判别方法，利用能够表征标量运动速度与多普勒速度、方位角、以及车载雷达的雷达安装角度之间的运算关系的一元关系式，计算获得雷达检测点相对车辆的标量运动速度，然后根据该标量运动速度进行直方图统计后计算获得静止雷达检测点相对车辆的标量估计速度，依据此标量估计速度判别每个雷达检测点的运动状态。本发明实施例的技术方案，在雷达检测点运动状态的判别过程中无需智能驾驶系统向车载雷达输入车身运动速度，即可实现对车载雷达的雷达检测点运动状态的自适应判别，同时由于静止雷达检测点相对车辆的标量估计速度基于雷达检测点的多普勒速度、方位角、雷达安装角度计算出的标量运动速度统计得到，因此相比传统方法的随机抽样估算的计算过程，其运算性能稳定，有较高的工程实用价值。

下面的实施例基于车载雷达实测数据对本发明实施例中目标运动状态的方法进行说明。

雷达检测点对应的多普勒速度、方位角信息使用一部安装于车上的车载雷达在车辆正常行驶中测量得到，该车载雷达的雷达安装角度为-90°，某一时刻该车载雷达共检测到N＝31个雷达检测点，将所有雷达检测点按照本发明提供的上述实施例中的式(5-2)计算给出x_p和y_p的值，如图4所示，可以看出多数雷达检测点为静止雷达检测点，即其基本分布于过原点的一条直线附近，但也有5个雷达检测点分布于离直线较远的地方。

当只选取|x_p|大于分母门限值X_T＝0.5的雷达检测点进行静止雷达检测点相对车辆的标量速度估计，如图5所示，筛选后只保留了22个雷达检测点。参见图6，图6的纵坐标表征标量运动速度，对应每个雷达检测点的斜率计算值，横坐标表征雷达检测点编号。可以看出筛选前有两个雷达检测点的斜率绝对值超过了50m/s，显然错误。经过筛选后所有雷达检测点的数值都分布于正常范围内。

对斜率的直方图统计结果如图7所示，横坐标为直方图中心值h_cent[k]，纵坐标为频数H[k]，可以看出多数雷达检测点的斜率都分布于15m/s附近。基于(9)式，根据图7示出的直方图计算得到的标量速度估计结果

根据(11)式计算得到的多普勒速度偏差结果如图8所示，可以得出静止雷达检测点的多普勒速度偏差基本都在2m/s以内，在运动雷达检测点的多普勒速度偏差都在15m/s以上。以V_T为2m/s的门限进行静止目标判别，可以判别得到31个检测点中只有5个雷达检测点为运动目标，其余雷达检测点都为静止目标。

在本发明实施例中，具体的实施参数为：

预设数量阈值：N_min＝10；

检测点数量阈值：P_min＝8；

分母门限值：X_T＝0.5；

直方图区间数K：30；

预设偏差门限值V_T：2m/s。

本发明实施例所提供的目标运动状态判别方法，该方法可以在无需输入车身运动速度的前提下实现对雷达检测点运动/静止的自适应判别，相比传统方法具有更稳定的运算性能，而且整体运算量和实现复杂度也相对较低，目前已经在实测数据处理中取得了较好的验证效果。

在本发明实施例中还提供了一种目标运动状态判别系统，参见图9，该系统包括：

计算单元901，用于根据预先建立的一元关系式，计算获得雷达检测点相对车辆的标量运动速度，所述一元关系式用于表征标量运动速度与多普勒速度、方位角、以及所述车载雷达的雷达安装角度之间的运算关系；

统计单元902，用于对计算出的标量运动速度进行直方图统计，利用频数统计结果计算静止雷达检测点相对车辆的标量估计速度；

判别单元903，用于根据所述标量估计速度判别每个雷达检测点的运动状态。

在本发明实施例提供的目标运动状态判别系统中，在计算单元中利用能够表征标量运动速度与多普勒速度、方位角、以及车载雷达的雷达安装角度之间的运算关系的一元关系式，计算获得雷达检测点相对车辆的标量运动速度，然后在统计单元中根据该标量运动速度进行直方图统计后计算获得静止雷达检测点相对车辆的标量估计速度，在判断单元依据此标量估计速度判别每个雷达检测点的运动状态。本发明实施例的技术方案，在雷达检测点运动状态的判别过程中无需智能驾驶系统向车载雷达输入车身运动速度，即可实现对车载雷达的雷达检测点运动状态的自适应判别，同时由于静止雷达检测点相对车辆的标量估计速度基于雷达检测点的多普勒速度、方位角、雷达安装角度计算出的标量运动速度统计得到，因此相比传统方法的随机抽样估算的计算过程，其运算性能稳定，有较高的工程实用价值。

在上述实施例的基础上，所述一元关系式包括第一关系式和第二关系式，所述第一关系式用于表征多普勒速度与方位角之间的运算关系，所述第二关系式用于表征所述车载雷达的雷达安装角度与方位角之间的运算关系，所述第一关系式和所述第二关系式的比值为所述标量运动速度，计算单元901包括：

第一计算子单元，用于根据所述第一关系式计算获得每个雷达检测点的速度分子量；

第二计算子单元，用于根据所述第二关系式计算获得每个雷达检测点的速度分母量；

筛选子单元，用于筛选出速度分母量的绝对值大于分母门限值的雷达检测点；

第三计算子单元，用于计算筛选出的雷达检测点相对车辆的标量运动速度。

在上述实施例的基础上，计算单元901还包括：

判断子单元，用于判断筛选出的雷达检测点的数量是否大于检测点数量阈值；

第四计算子单元，用于若筛选出的雷达检测点的数量大于检测点数量阈值，计算筛选出的雷达检测点相对车辆的标量运动速度，否则，计算所有雷达检测点相对车辆的标量运动速度。

在上述实施例的基础上，统计单元902包括：

统计子单元，用于对计算出的标量运动速度利用滑窗式的直方图统计算法进行统计，得到频数统计结果中频数最大的区间的频数和中心值，以及频数最大的区间相邻区间的频数和中心值；

第五计算子单元，用于利用频数最大的区间的频数和中心值，以及频数最大的区间相邻区间的频数和中心值，计算获得静止雷达检测点相对车辆的标量估计速度。

在上述实施例的基础上，判别单元903包括：

第六计算子单元，用于根据所述标量估计速度，所述车载雷达的雷达安装角度，以及每个雷达检测点的方位角，计算获得每个雷达检测点的多普勒估计速度；

第七计算子单元，用于根据每个雷达检测点的多普勒估计速度和每个雷达检测点的多普勒速度，计算获得每个雷达检测点的多普勒速度偏差；

判别子单元，用于根据每个雷达检测点的多普勒速度偏差和预设偏差门限值，判别每个雷达检测点的运动状态。

在上述实施例的基础上，该系统还包括：

数量判断单元，用于判断检测到的雷达检测点的数量是否大于预设数量阈值，如果是，则根据预先建立的一元关系式计算雷达检测点相对车辆的标量运动速度。

以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种目标运动状态判别方法，其特征在于，应用于车载雷达，所述方法包括：

根据预先建立的一元关系式，计算获得雷达检测点相对车辆的标量运动速度，所述一元关系式用于表征标量运动速度与多普勒速度、方位角、以及所述车载雷达的雷达安装角度之间的运算关系，所述一元关系式包括：

其中，γ为雷达安装角度，V_s为标量运动速度、V_r为多普勒速度，α为方位角；

对计算出的标量运动速度进行直方图统计，利用频数统计结果计算静止雷达检测点相对车辆的标量估计速度，所述对计算出的标量运动速度进行直方图统计，利用频数统计结果计算静止雷达检测点相对车辆的标量估计速度，包括：对计算出的标量运动速度利用滑窗式的直方图统计算法进行统计，得到频数统计结果中频数最大的区间的频数和中心值，以及频数最大的区间相邻区间的频数和中心值；利用频数最大的区间的频数和中心值，以及频数最大的区间相邻区间的频数和中心值，计算获得静止雷达检测点相对车辆的标量估计速度；

根据所述标量估计速度判别每个雷达检测点的运动状态，其中，所述运动状态包括运动和静止，所述根据所述标量估计速度判别每个雷达检测点的运动状态，包括：将每个雷达检测点相对车辆的标量运动速度与所述标量估计速度进行比较，基于比较结果判断每个雷达监测点的运动状态；或者，根据所述标量估计速度，所述车载雷达的雷达安装角度，以及每个雷达检测点的方位角，计算获得每个雷达检测点的多普勒估计速度；根据每个雷达检测点的多普勒估计速度和每个雷达检测点的多普勒速度，计算获得每个雷达检测点的多普勒速度偏差；根据每个雷达检测点的多普勒速度偏差和预设偏差门限值，判别每个雷达检测点的运动状态。

2.根据权利要求1所述的方法，其特征在于，所述一元关系式包括第一关系式和第二关系式，所述第一关系式用于表征多普勒速度与方位角之间的运算关系，所述第二关系式用于表征所述车载雷达的雷达安装角度与方位角之间的运算关系，所述第一关系式和所述第二关系式的比值为所述标量运动速度，其中，所述根据预先建立的一元关系式，计算获得雷达检测点相对车辆的标量运动速度，包括：

根据所述第一关系式计算获得每个雷达检测点的速度分子量；

根据所述第二关系式计算获得每个雷达检测点的速度分母量；

筛选出速度分母量的绝对值大于分母门限值的雷达检测点；

计算筛选出的雷达检测点相对车辆的标量运动速度。

3.根据权利要求2所述的方法，其特征在于，所述根据预先建立的一元关系式，计算获得雷达检测点相对车辆的标量运动速度，还包括：

判断筛选出的雷达检测点的数量是否大于检测点数量阈值；

若筛选出的雷达检测点的数量大于检测点数量阈值，计算筛选出的雷达检测点相对车辆的标量运动速度，否则，计算所有雷达检测点相对车辆的标量运动速度。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

判断检测到的雷达检测点的数量是否大于预设数量阈值，如果是，则根据预先建立的一元关系式计算雷达检测点相对车辆的标量运动速度。

5.一种目标运动状态判别系统，其特征在于，应用于车载雷达，所述系统包括：

计算单元，用于根据预先建立的一元关系式，计算获得雷达检测点相对车辆的标量运动速度，所述一元关系式用于表征标量运动速度与多普勒速度、方位角、以及所述车载雷达的雷达安装角度之间的运算关系，所述一元关系式包括：

其中，γ为雷达安装角度，V_s为标量运动速度、V_r为多普勒速度，α为方位角；

统计单元，用于对计算出的标量运动速度进行直方图统计，利用频数统计结果计算静止雷达检测点相对车辆的标量估计速度，所述统计单元包括：统计子单元，用于对计算出的标量运动速度利用滑窗式的直方图统计算法进行统计，得到频数统计结果中频数最大的区间的频数和中心值，以及频数最大的区间相邻区间的频数和中心值；第五计算子单元，用于利用频数最大的区间的频数和中心值，以及频数最大的区间相邻区间的频数和中心值，计算获得静止雷达检测点相对车辆的标量估计速度；

判别单元，用于根据所述标量估计速度判别每个雷达检测点的运动状态，其中，所述运动状态包括静止和运动，所述判别单元包括：

第一判别子单元，用于将每个雷达检测点相对车辆的标量运动速度与所述标量估计速度进行比较，基于比较结果判断每个雷达监测点的运动状态；

或者，第六计算子单元，用于根据所述标量估计速度，所述车载雷达的雷达安装角度，以及每个雷达检测点的方位角，计算获得每个雷达检测点的多普勒估计速度；第七计算子单元，用于根据每个雷达检测点的多普勒估计速度和每个雷达检测点的多普勒速度，计算获得每个雷达检测点的多普勒速度偏差；第二判别子单元，用于根据每个雷达检测点的多普勒速度偏差和预设偏差门限值，判别每个雷达检测点的运动状态。

6.根据权利要求5所述的系统，其特征在于，所述一元关系式包括第一关系式和第二关系式，所述第一关系式用于表征多普勒速度与方位角之间的运算关系，所述第二关系式用于表征所述车载雷达的雷达安装角度与方位角之间的运算关系，所述第一关系式和所述第二关系式的比值为所述标量运动速度，所述计算单元包括：

第一计算子单元，用于根据所述第一关系式计算获得每个雷达检测点的速度分子量；

第二计算子单元，用于根据所述第二关系式计算获得每个雷达检测点的速度分母量；

筛选子单元，用于筛选出速度分母量的绝对值大于分母门限值的雷达检测点；

第三计算子单元，用于计算筛选出的雷达检测点相对车辆的标量运动速度。

7.根据权利要求6所述的系统，其特征在于，所述计算单元还包括：

判断子单元，用于判断筛选出的雷达检测点的数量是否大于检测点数量阈值；

第四计算子单元，用于若筛选出的雷达检测点的数量大于检测点数量阈值，计算筛选出的雷达检测点相对车辆的标量运动速度，否则，计算所有雷达检测点相对车辆的标量运动速度。

8.根据权利要求5所述的系统，其特征在于，所述系统还包括：

数量判断单元，用于判断检测到的雷达检测点的数量是否大于预设数量阈值，如果是，则根据预先建立的一元关系式计算雷达检测点相对车辆的标量运动速度。

Images