CN110361071A - 使用毫米波雷达传感器进行液体检测的装置和方法 - Google Patents
使用毫米波雷达传感器进行液体检测的装置和方法 Download PDFInfo
- Publication number
- CN110361071A CN110361071A CN201910281018.6A CN201910281018A CN110361071A CN 110361071 A CN110361071 A CN 110361071A CN 201910281018 A CN201910281018 A CN 201910281018A CN 110361071 A CN110361071 A CN 110361071A
- Authority
- CN
- China
- Prior art keywords
- liquid
- millimetre
- data structure
- image
- vector
- 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
Links
- 239000007788 liquid Substances 0.000 title claims abstract description 127
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000000007 visual effect Effects 0.000 claims abstract description 76
- 230000009466 transformation Effects 0.000 claims abstract description 30
- 230000001131 transforming effect Effects 0.000 claims abstract description 23
- 239000013598 vector Substances 0.000 claims description 89
- 238000010407 vacuum cleaning Methods 0.000 claims description 56
- 238000012549 training Methods 0.000 claims description 34
- 238000001514 detection method Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 16
- 238000013528 artificial neural network Methods 0.000 claims description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 14
- 238000003780 insertion Methods 0.000 claims description 10
- 230000037431 insertion Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 5
- 210000002700 urine Anatomy 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims 1
- 239000004744 fabric Substances 0.000 claims 1
- 230000006870 function Effects 0.000 description 31
- 238000005259 measurement Methods 0.000 description 9
- 230000009471 action Effects 0.000 description 7
- 238000001914 filtration Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 230000005855 radiation Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000010348 incorporation Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- VIKNJXKGJWUCNN-XGXHKTLJSA-N norethisterone Chemical compound O=C1CC[C@@H]2[C@H]3CC[C@](C)([C@](CC4)(O)C#C)[C@@H]4[C@@H]3CCC2=C1 VIKNJXKGJWUCNN-XGXHKTLJSA-N 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 1
- 239000004952 Polyamide Substances 0.000 description 1
- 239000004676 acrylonitrile butadiene styrene Substances 0.000 description 1
- 229920000122 acrylonitrile butadiene styrene Polymers 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 239000003599 detergent Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N ferric oxide Chemical compound O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 229920002647 polyamide Polymers 0.000 description 1
- 239000004417 polycarbonate Substances 0.000 description 1
- 229920000515 polycarbonate Polymers 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
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
- 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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
- A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
- A47L9/2805—Parameters or conditions being sensed
- A47L9/2826—Parameters or conditions being sensed the condition of the floor
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/04—Systems determining presence of a target
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
- G01S13/08—Systems for measuring distance only
- G01S13/10—Systems for measuring distance only using transmission of interrupted, pulse modulated waves
- G01S13/18—Systems for measuring distance only using transmission of interrupted, pulse modulated waves wherein range gates are used
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
- G01S13/42—Simultaneous measurement of distance and other co-ordinates
-
- 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
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
-
- 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
- G01S7/28—Details of pulse systems
- G01S7/282—Transmitters
-
- 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/295—Means for transforming co-ordinates or for evaluating data, e.g. using computers
-
- 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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/414—Discriminating targets with respect to background clutter
-
- 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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/417—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
- A47L2201/06—Control of the cleaning action for autonomous devices; Automatic detection of the surface condition before, during or after cleaning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/22—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water
- G01F23/28—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water by measuring the variations of parameters of electromagnetic or acoustic waves applied directly to the liquid or fluent solid material
- G01F23/284—Electromagnetic waves
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
- G01S13/522—Discriminating between fixed and moving objects or between objects moving at different speeds using transmissions of interrupted pulse modulated waves
- G01S13/524—Discriminating between fixed and moving objects or between objects moving at different speeds using transmissions of interrupted pulse modulated waves based upon the phase or frequency shift resulting from movement of objects, with reference to the transmitted signals, e.g. coherent MTi
- G01S13/5242—Discriminating between fixed and moving objects or between objects moving at different speeds using transmissions of interrupted pulse modulated waves based upon the phase or frequency shift resulting from movement of objects, with reference to the transmitted signals, e.g. coherent MTi with means for platform motion or scan motion compensation, e.g. airborne MTI
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/60—Velocity or trajectory determination systems; Sense-of-movement determination systems wherein the transmitter and receiver are mounted on the moving object, e.g. for determining ground speed, drift angle, ground track
-
- 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
- G01S7/027—Constructional details of housings, e.g. form, type, material or ruggedness
Abstract
本发明公开了使用毫米波雷达传感器进行液体检测的装置和方法。该装置包括:毫米波雷达传感器电路,其被配置成生成用于感测数据的N个虚拟通道,其中N是大于1的整数;以及处理器,该处理器被配置成:基于来自用于感测数据的N个虚拟通道所感测的数据生成毫米波雷达传感器电路的视场中的表面的2D雷达图像,其中,2D雷达图像包括方位和范围信息;利用变换函数基于2D雷达图像生成多维数据结构;将多维数据结构与参考多维数据结构进行比较;以及基于多维数据结构与参考多维数据结构的比较确定毫米波雷达传感器的视场中是否存在液体。
Description
技术领域
本发明总体涉及电子系统和方法,并且在特定实施方式中,涉及使用毫米波雷达传感器的液体检测。
背景技术
液体检测传感器能够检测介质中液体的存在。液体检测传感器通常通过检测液体检测传感器的一部分的性质的变化来工作,上述液体检测传感器的一部分的性质被设计成在存在液体例如水的情况下改变。例如,一些电子设备包括小贴纸,其设计成当贴纸与水接触时改变颜色(例如,从白色变成红色)。
电子液体检测传感器通常依赖介质的电导率的变化来检测水或其他液体的存在。例如,电子液体检测传感器可以包括两个间隔开并配置成传导电流的端子。在正常工作期间,由于两个端子之间没有电传导路径,因此在正常工作期间两个端子之间没有电流流动。当两个端子之间存在水时,水产生允许两个端子之间的电流的流动的电传导路径。因此,当流过端子的电流大于预定阈值时,液体检测传感器可以感测两个端子之间的液体的存在。例如,当流过两个端子的电流大于预定阈值时,电子液体检测传感器可以触发警报以警告用户存在水。
因此,常规的电子液体检测传感器能够在液体检测传感器的至少一部分与液体接触时检测液体的存在。
发明内容
根据实施方式,一种装置包括:毫米波雷达传感器电路,其被配置成生成用于感测数据的N个虚拟通道,其中N是大于1的整数;以及处理器,该处理器被配置成:基于来自用于感测数据的N个虚拟通道的感测数据生成毫米波雷达传感器电路的视场中的表面的2D雷达图像,其中,2D雷达图像包括方位角和范围信息;利用变换函数基于2D雷达图像生成多维数据结构;将多维数据结构与参考多维数据结构进行比较;以及基于多维数据结构与参考多维数据结构的比较确定毫米波雷达传感器的视场中是否存在液体。
根据实施方式,一种用于从移动载体检测液体的方法包括:基于来自由毫米波雷达传感器电路生成的N个虚拟通道的感测数据来生成毫米波雷达传感器电路的视场中的表面的2D雷达图像;利用变换函数基于2D雷达图像生成多维数据结构;将多维数据结构与参考多维数据结构进行比较;以及基于多维数据结构与参考多维数据结构的比较确定毫米波雷达传感器的视场中是否存在液体。
根据实施方式,一种真空吸尘器机器人包括:毫米波雷达传感器电路,其被配置成生成用于感测数据的N个虚拟通道,其中N是大于1的整数;以及处理器,该处理器被配置成:基于来自用于感测数据的N个虚拟通道的感测数据生成毫米波雷达传感器电路的视场中的表面的2D雷达图像,其中,2D雷达图像包括方位角和范围信息;利用变换函数基于2D雷达图像生成多维数据结构;将多维数据结构与参考多维数据结构进行比较;以及基于多维数据结构与参考多维数据结构的比较确定毫米波雷达传感器的视场中是否存在液体。
附图说明
为了更完整地理解本发明及其优点,现在参考以下结合附图的描述,在附图中:
图1示出了根据本发明的实施方式的雷达系统;
图2示出了根据本发明的实施方式的真空吸尘器机器人的图;
图3A示出了根据本发明的实施方式的用于生成用于利用如图2的真空吸尘器机器人中使用的图1的雷达系统来检测液体的二维(2D)图像的实施方法;
图3B示出了根据本发明的实施方式的2D图像的示例;
图4A示出了使用毫米波雷达传感器执行基于毫米波传感器的液体检测的实施方法的框图;
图4B示出了毫米波雷达传感器电路的TX和RX元件的可能布置;
图4C示出了根据本发明的实施方式的波束成形的图形表示;
图5示出了示出用于特征提取和识别的机器学习流水线的框图;
图6示出了示出根据本发明的实施方式的嵌入处理流程的框图;
图7A至图7C示出了根据本发明的实施方式的具有透明壳体的图2的毫米波雷达;以及
图8示出了根据本发明的实施方式的传送带的图。
除非另有指示,否则不同附图中的对应数字和符号通常指代对应的部件。绘制附图以清楚地阐明优选实施方式的相关方面,并且不一定按比例绘制附图。为了更清楚地阐明某些实施方式,指示相同结构、材料或处理步骤的变化的文字可以遵循图号。
具体实施方式
下面详细讨论目前优选实施方式的形成和使用。然而,应当理解,本发明提供了许多可以在各种具体上下文中实施的可应用的发明概念。所讨论的具体实施方式仅阐明形成和使用本发明的具体方式,并不限制本发明的范围。
以下描述示出了各种具体细节,以提供对根据本说明书的若干示例实施方式的深入理解。可以在没有具体细节中的一个或更多个具体细节的情况下或者在具有其他方法、部件、材料等的情况下获得实施方式。在其他情况下,未详细示出或描述已知的结构、材料或操作,以免使实施方式的不同方面不清楚。本说明书中对“实施方式”的引用指示关于该实施方式描述的特定配置、结构或特征被包括在至少一个实施方式中。因此,可能出现在本说明书的不同点处的诸如“在一个实施方式中”的短语不一定完全指代相同的实施方式。此外,在一个或更多个实施方式中,可以以任何适当的方式组合特定的构造、结构或特征。
将结合具体上下文中的实施方式,用于通过使用毫米波雷达来检测诸如水的液体的系统和方法来描述本发明。使用毫米波雷达进行液体检测允许检测不与液体接触的应用中的液体。在一个实施方式中,雷达传感器阵列用于形成相对于雷达传感器移动的表面的二维图像。实施方式可以针对诸如机器人真空吸尘器、传送带监视系统和对液体的存在敏感的其他类型的系统的应用。这些实施方式的优点包括检测未知表面中的液体的能力。另外的优点包括检测相对于毫米波雷达以各种速度移动的表面中的液体。
在本发明的实施方式中,毫米波雷达通过生成2D图像并将2D图像与一个或更多个参考图像进行比较来确定液体是否存在于毫米波雷达的视场中。2D图像包括视场的方位角和深度信息。在将2D图像与一个或更多个参考图像进行比较之前,执行标准化步骤以补偿真空吸尘器机器人的速度和振动运动。使用人工智能(AI)算法生成一个或更多个参考图像。
在实施方式中,毫米波雷达可以用于检测毫米波雷达的视场中的移动和静止对象,并且将液体与视场中的其他对象区分开。例如,图1示出了根据本发明的实施方式的雷达系统100。雷达系统100包括毫米波雷达102和处理器104。
在正常操作期间,毫米波雷达102将多个辐射脉冲106例如啁啾(chirp)发射到场景108。经发射的辐射脉冲106在场景108的对象中被反射。经反射的辐射脉冲(也称为回波信号)(图1中未示出)由毫米波雷达102检测并且由处理器104处理,用于例如检测液体。
场景108中的对象可以包括诸如水的液体110、移动对象112和静止对象114。其他对象也可以存在于场景108中。
处理器104使用信号处理块116分析回波数据以识别毫米波雷达102的视场中的对象。例如,信号处理块116可以使用范围快速傅里叶变换(FFT)来识别对象所处的范围区间(range bin)。
处理器104使用确定块118来确定毫米波雷达102的视场中的任何识别的对象是否是液体。例如,在一些实施方式中,确定块118将经处理的回波数据与一个或更多个特征标记(或特征标记数据库)进行比较,以确定经识别的对象是否是液体。处理器104可以生成指示在毫米波雷达102的视场中是否已经检测到液体的数据信号。
处理器104可以被实现为通用处理器、控制器或数字信号处理器(DSP)。在一些实施方式中,处理器104可以被实现为定制专用集成电路(ASIC)。在一些实施方式中,处理器104包括多个处理器,每个处理器具有一个或更多个处理核。可替选地,可以使用专用逻辑来实现每个实施方式功能。在其他实施方式中,处理器104包括具有一个或更多个处理核的单个处理器。
毫米波雷达102包括毫米波雷达传感器电路和一个或更多个天线(未示出)。例如,可以使用二维毫米波相控阵雷达来实现毫米波雷达传感器电路,该二维毫米波相控阵雷达发射和接收20GHz至122GHz范围内的信号。可替选地,也可以使用该范围之外的频率。一些实施方式可以包括单个毫米波雷达传感器电路。其他实施方式使用多个毫米波雷达传感器电路,由处理器104收集和处理多个毫米波雷达传感器电路的数据,处理器104可以实现为集中处理装置。
在一些实施方式中,毫米波雷达102包括均匀线性阵列天线。使用带通滤波器(BPF)、低通滤波器(LPF)、混频器、低噪声放大器(LNA)和中频(IF)放大器以本领域已知的方式对所接收的回波信号进行滤波和放大。然后,使用一个或更多个模数转换器(ADC)将回波信号数字化以进行进一步处理。其他实现也是可行的。
在没有直接物理接触的情况下识别液体在各种应用中是有利的。例如,图2示出了根据本发明的实施方式的真空吸尘器机器人202的图。真空吸尘器机器人202包括设置在真空吸尘器机器人202前面的两个毫米波雷达102。每个毫米波雷达102在朝向真空吸尘器机器人202前向移动的方向上具有视场210。
图2的上部示出了真空吸尘器机器人202朝向地板206中的液体204移动的顶视图。图2的底部示出了真空吸尘器机器人202在地板206上的侧视图。如图2所示,视场210中的每一个在高度h1处开始,具有视场方位角α、视场仰角β并且覆盖前向距离d1。
在正常操作期间,真空吸尘器机器人202以速度v1在x方向上移动。毫米波雷达102连续地发射辐射脉冲、接收回波,处理回波数据并确定在视场(FoV)210中是否存在液体。当在视场210中检测到液体时,真空吸尘器机器人202采取预定动作。在一些实施方式中,无论在视场210中检测到的液体的位置如何,都采取预定动作。预定动作的示例是:降低移动速度、停止、沿不同方向(例如,左、右或反向)移动、发出声音、打开灯光或其组合。也可以采取其他动作。
视场210覆盖距离d1(例如,90cm),具有可以是例如70°的视场方位角α以及可以是例如85°的仰角β。在一些实施方式中,视场方位角α可以是65至75度。在一些实施方式中,视场的仰角β可以高于60°,例如65°或更高,或者视场的仰角β可以低于60°,例如55°或更低。在一些实施方式中,角度β在60°至75°之间。在一些实施方式中,距离d1可以高于15cm,例如17cm、20cm或更高,或者距离d1可以低于15cm,例如13cm、10cm或更低。
如图所示,作为具体示例,真空吸尘器机器人202包括两个毫米波雷达102。然而,应当理解,实施方式可以包括单个毫米波雷达102,而其他实施方式可以包括多于两个毫米波雷达102。在一些实施方式中,真空吸尘器机器人202包括多个等同的毫米波雷达。其他实施方式可以包括不同的毫米波雷达。
真空吸尘器机器人202包括毫米波雷达102,该毫米波雷达102在高度h1(例如,9cm)处被布置在真空吸尘器机器人202的前部,并且具有指向真空吸尘器机器人202的前方的视场。在一些实施方式中,毫米波雷达102中的至少一个可以被设置在真空吸尘器机器人202的其他部分中并且处于不同的高度。例如,在一些实施方式中,毫米波雷达102中的一个可以被设置在真空吸尘器机器人202后部并且具有朝向真空吸尘器机器人202的后部的视场。这种定位在真空吸尘器机器人202能够反向移动的情况下是有利的。其他实施方式可以将至少一个毫米波雷达102定位在真空吸尘器机器人202的侧面并且具有朝向真空吸尘器机器人202的侧面的视场。这种定位在真空吸尘器机器人202转弯并朝向侧面方向移动的情况下是有利的。
在所示的示例中,液体204是静止的并且具有直径d2,例如4cm。应当理解,液体204可以具有与所示尺寸不同的尺寸。例如,液体204可以具有更大的直径(例如10cm或更高),或者具有更小的直径(例如2cm或更小)。液体204的形状可以是对称的、不对称的,并且取决于具体情况可以具有各种高度。在一些实施方式中,液体204可以不是静止的。
液体204可以是例如水或水基液体、尿(例如猫或狗的尿液)、或者其他类型的液体。例如,液体204可以是洗涤剂或其他化学品。
真空吸尘器机器人204可以在各种类型的表面上操作,并以各种速度行进。尽管毫米波雷达102相对于真空吸尘器机器人204不移动,并且视场210中的一些对象相对于地板206可以是静止的,但是当真空吸尘器机器人204移动时,对象相对于毫米波雷达102可以表现为移动对象。另外,当真空吸尘器机器人移动穿过地板206时,对于毫米波雷达102来说,真空吸尘器机器人202的振动可以表现为视场中的对象的振动。
在本发明的实施方式中,毫米波雷达通过生成2D图像并将2D图像与一个或更多个参考图像进行比较来确定液体是否存在于毫米波雷达的视场中。2D图像包括视场的方位角和深度信息。在将2D图像与一个或更多个参考图像进行比较之前,执行标准化步骤以补偿真空吸尘器机器人的速度和振动运动。使用人工智能(AI)算法生成一个或更多个参考图像。
图3A示出了根据本发明的实施方式的用于利用如在真空吸尘器机器人202中使用的毫米波雷达102来生成用于检测液体的2D图像314的实施方法300。方法300可以例如由处理器104执行。
在包括步骤302和304的步骤301期间,辐射脉冲由雷达系统发射、由雷达系统的视场内的对象反射,并且由雷达系统例如毫米波雷达102接收。在步骤302期间,诸如啁啾的一系列辐射脉冲被朝向场景例如场景108发射。一些实施方式雷达系统可以在500ms周期期间发射例如32个啁啾。可替选地,可以发射不同时段(例如,1s或250ms)内的不同数目的啁啾(例如,8至256个啁啾)。在一些实施方式中,在预定义时段内发射的啁啾的数目是2的幂。
在辐射脉冲被来自场景的对象反射之后,在步骤304期间接收回波信号。辐射脉冲从两个发射器元件TX1和TX2发射,并且由两个接收器元件RX1和RX2接收。例如,在第一时间处,发射器元件TX1发射32个啁啾,其在对象上被反射并且由接收器元件RX1和RX2接收,从而产生虚拟通道316和318。在第二时间处,发射器元件TX2发射32个啁啾,其在对象上被反射并且由接收器元件RX1和RX2接收,从而产生虚拟通道320和322。一些实施方式可以使用多于两个的发射器元件和/或多于两个的接收器元件。
虚拟通道316、318、320和322中的每一个在步骤308期间生成相应的范围向量324、326、328和330。范围向量324、326、328和330中的每一个具有L个范围区间,例如32个。一些实施方式可以在每个范围向量中具有更少(例如,16)或更多(例如,64、128或更多)范围区间。
由于毫米波雷达102以与真空吸尘器机器人202相同的速度并且在与真空吸尘器机器人202相同的振动下移动,因此在所有虚拟通道316、318、320和322中存在相同的速度和振动信息。在步骤310期间,速度和振动信息从范围向量(range vector)324中提取,并且用于消除来自虚拟通道316、318、320和322的速度和振动信息,以生成标准化范围向量334、336、338和340。在一些实施方式中,不同的虚拟通道可以用作执行标准化步骤的参考。
在一些实施方式中,目标的径向速度/多普勒分量沿着固定脉冲重复时间处的连续脉冲在给定范围区间(对应于其距离)处调制所接收信号的相位。如果第k个目标散射体引入ωk多普勒,则沿慢时间(slow time)的向量化信号可以表示为:
Y(ts)=ρk[exp(jωkTPRT) … exp(jNPωkTPRT)]
其中,ρk考虑沿该维度的常数,时间索引ts指示慢时间,TPRT表示脉冲重复时间,NP表示帧/驻留中的脉冲数。
一些实施方式在接收器处理中使输出信噪比(SNR)最大化以改善多普勒检测。使输出SNR最大化可以通过匹配滤波来实现,匹配滤波是信号的时间反转的共轭版本。在一些实施方式中,匹配滤波器由下式给出:
h=[exp(jωkTPRT) … exp(jωkNPTPRT)]
因此,离散时间傅立叶变换(DTFT)是用于估计目标的径向速度/多普勒/振动的最大SNR检测器,因此相干处理技术涉及沿着慢时间部署FFT。
在步骤312期间,执行波束空间变换,其中,标准化范围向量334、336、338和340的范围区间中的每一个被扩展为具有N个区间,其中,N可以是例如121。在一些实施方式中,N可以是81、61、41或其他数字。
从标准化范围向量334、336、338和340生成具有L个范围区间和N个方位角区间的2D图像314。由于2D图像314是从标准化范围向量生成的,因此2D图像314是独立的,或者松散地依赖于真空吸尘器机器人202的振动和速度。因此,标准化步骤有利地促进了与一个或更多个参考2D图像的比较步骤,以确定毫米波雷达的视场中液体的存在。标准化步骤允许在真空吸尘器机器人202移动时以及当真空吸尘器机器人202不移动或缓慢移动时检测液体。
图3B示出了根据本发明的实施方式的示例2D图像。图3B的顶部示出了2D图像350,其示出了在毫米雷达的视场中不存在液体。图3B的底部示出了2D图像352,其示出了在方位角范围的中心(121个中的区间60)处从最近的可检测距离(范围区间0)直到距离d1(范围区间31)存在液体。
在一些实施方式中,在所有范围区间中执行波束空间变换以生成2D图像314。在其他实施方式中,仅具有识别的对象的范围区间被波束空间变换。在2D图像314中,在没有识别的对象的范围区间中填充例如零。通过仅在具有识别的对象的范围区间上执行光束空间变换,降低了计算功率(power),并且增加了2D图像314的生成速度。增加2D图像314的生成速度有利于使真空吸尘器机器人202有足够的时间对毫米波雷达102的视场中的液体的存在作出反应。
图4A示出了执行基于毫米波传感器的液体检测的实施方法400的框图。方法400可以由例如真空吸尘器机器人202实现。雷达处理如下发生。在步骤402、404、408、410和413中,从毫米波雷达传感器收集雷达数据,并且在毫米波雷达传感器的视场中检测对象。在步骤420和438中,部分地使用Capon/MVDR分析来生成具有方位角和深度信息的范围交叉范围(range-cross-range)2D图像。在步骤440、442和444期间,根据预测模型来变换2D图像,并且将其与特征标记数据库的2D参考图像进行比较,以确定液体是否存在于视场中。
在步骤402中,从毫米波雷达传感器收集实时雷达数据。在一些实施方式中,该雷达数据从数字化基带雷达数据收集,并且可以包括来自多个天线的单独基带雷达数据。在一些实施方式中,这些天线可以是如上所述的“虚拟天线”。
在步骤404中,执行信号调理、低通滤波和背景去除。在步骤404期间,对在步骤402期间接收的雷达数据进行滤波,去除DC分量,并且对IF数据进行滤波,以例如去除Tx-Rx自干扰并且可选地对干扰色噪声进行预滤波。在一些实施方式中,滤波包括去除具有与其他相邻范围选通(range-gate)测量结果明显不同的值的数据异常值。因此,该滤波还用于从雷达数据中去除背景噪声。在具体的示例中,Hampel滤波器在每个范围选通处应用滑动窗口以去除这些异常值。可替选地,可以使用本领域已知的用于范围预处理的其他滤波。
在步骤408中,对由步骤404产生的经调整的雷达数据执行一系列FFT。在一些实施方式中,对于数据帧中的预定数目啁啾中的每一个,沿着每个波形计算具有啁啾长度(例如,256个样本)的加窗FFT。可替选地,可以使用其他帧长度。每个波形或啁啾的FFT可以被称为“范围FFT”。在替选实施方式中,除了FFT之外还可以使用其他变换类型,诸如离散傅立叶变换(DFT)或z变换。在步骤410中,每个范围FFT的结果在慢时间中存储。
在步骤413中,基于在慢时间中收集的一系列范围FFT来得到多普勒FFT。在一些实施方式中,计算多普勒FFT需要计算慢时间内的范围FFT的加窗二维FFT,以确定检测到的对象的速度和振动。由于这种速度和振动与真空吸尘器机器人的速度和振动有关,因此速度和振动信息可以用于从范围FFT数据中去除速度和振动分量,如参照图3B所解释的。
在各种实施方式中,通过基于由不同接收器或其组合接收的多个信号对多个基带信号进行后处理,在发射器处形成波束。通过对接收的基带信号进行后处理来实现波束成形可以允许实现低复杂度的发射器。
在一个示例中,毫米波传感器系统与以线性阵列布置的Nt=2个发射(TX)元件和Nr=2个接收(RX)元件一起使用。因此,在用于方位角分布的线性阵列配置中存在从TX阵列到RX阵列的Nt×Nr=4个不同的传播通道。如果可以在RX阵列处识别所接收信号的发射源(TX通道),则可以利用Nt+Nr个天线元件来合成Nt×Nr个元素的虚拟相控阵列。在各种实施方式中,时分复用MIMO阵列为能够近场成像的完全填充的天线孔径提供低成本解决方案。
在一些实施方式中,可以使用TX和RX元件的对称线性布置,其中,TX阵列与RX阵列之间具有一定垂直偏移以用于减少耦合。例如,参照图2,可以按照图4B所示的布置来设置毫米波雷达102的TX和RX元件,其中,TX元件的照明和视场方向指向真空吸尘器机器人202的前方。
图4C示出了用于阐明实施方式算法的坐标轴。如图所示,图4C示出了目标480、发射(TX)天线元件482和接收(RX)天线元件484的位置。目标480的位置r可以表示为:
r=[R cos(θ)sin(φ);R cos(θ)cos(φ);Rsin(θ)]
其中,R是从原点到目标480的距离。目标480的方向向量u可以表示为:
u=[cos(θ)sin(φ);cos(θ)cos(φ);sin(θ)]
在空间中将TX天线元件的3D位置坐标表示为并且将RX天线元件的3D位置坐标表示为然后假设远场条件,从TX元件到目标480(假设是点散射体)的信号传播以及随后从目标480到RX天线元件的反射可以近似为2*x+dij,其中,x是目标480到虚拟线性阵列的中心的基础距离,dij指的是虚拟元件到阵列中心的距离。
发射导向向量可以被写为:
并且接收导向向量可以表示为:
其中,λ是发射信号的波长。联合TX和RX导向向量a(θ,φ)可以被导出为发射和接收导向向量的克罗内克(Kronecker)积(假设i=j=1):
根据联合导向向量,可以根据角度θ和φ计算以下波束空间谱,所述角度θ和φ可以根据最小方差无失真响应(MVDR)算法来估计:
在上面的表达式中,C=E{x(r,d)x(r,d)H}被计算为协方差矩阵,其中,E{.}是期望算子。可以将上述协方差矩阵估计为如下的样本矩阵指示符:
其中,xi(r,d)表示多普勒数据(r,d)的测量范围。
为了生成考虑方位角和范围的2D图像,可以知道或假设角度φ的值,并且可以省略角度φ的确定。例如,在一些实施方式中,φ等于零。在各种实施方式中,如下应用MVDR算法。
在步骤422中,保存来自检测到的范围多普勒区间的行中的所有虚拟天线的数据。在步骤424中,如下估计所检测到的范围多普勒区间的天线协方差矩阵:
其中,Rr,d是天线协方差矩阵,x r,d(n)表示特定(范围,多普勒)=(r,d)内的数据,以及n表示跨越多个帧(n是索引,并且N是考虑的帧的数目)的特定(r,d)数据。在步骤426中,如下使用上述得到的协方差矩阵将MVDR算法应用于范围和多普勒数据:
其中,P(θ)表示方位角空间谱,以及a(θ)是沿针对视场内的测试角θ的方位角的虚拟天线导向向量。在实施方式中,找到提供P(θ)的峰值的值θ。该θ的确定值是检测到的异物的估计方位角θest。
在步骤438中,生成具有方位角和范围信息的范围交叉范围(range-cross-range)2D图像。在一些实施方式中,2D图像包括所有范围区间的信息。在其他实施方式中,2D图像仅包括已经识别到对象的范围区间中的信息。没有识别对象的范围区间被填充例如零。
在也称为变换步骤或嵌入步骤的步骤440中,使用由嵌入处理生成的预测模型来变换2D图像。在变换步骤期间,2D图像被映射成允许容易的液体识别的经变换的2D图像或向量。例如,尽管液体对象和非液体对象在2D图像中可能彼此接近,但是液体对象和非液体对象在经变换的2D图像或向量中彼此远离(在欧几里得意义上)。使用最近邻算法将经变换的2D图像与特征标记数据库的一个或更多个参考特征标记进行比较,以确定在视场中是否存在液体。
实施方法400的应用诸如真空吸尘器机器人可以基于是否检测到液体来采取动作。例如,当检测到液体时,真空吸尘器机器人可以降低移动速度、停止、沿不同方向(例如,左、右或反向)移动、发出声音、打开灯或其组合。也可以采取其他动作。
真空吸尘器机器人检测各种类型的地板中的各种直径的液体,并且同时以各种速度移动或不移动。图5图示示出用于基于机器语言的特征提取和识别的机器学习流水线的框图,该机器学习流水线可以用于生成参考特征标记(步骤444)以将对象分类为液体(步骤442)。图5的顶部500专用于处理特征的存储,以便与后面的测量结果进行比较。此部分中显示的数据和步骤表示在针对分类类别执行和处理雷达测量时执行的动作。底部520专用于处理和比较新的测量结果以与存储的数据进行比较。这些数据和步骤表示当系统在识别和检测液体时执行的动作。
如图5的顶部500所示,训练数据502被变换成存储的特征向量510和对应的标签512。训练数据502表示原始数据(例如,回声)。特征向量510表示代表训练数据502的生成向量的集合。标签512表示与对应训练数据502和特征向量510相关联的用户元数据。
如图所示,使用实施方式图像形成算法将训练数据502变换成特征向量510。数据准备块504表示原始传感器数据的初始形成,并且数据注释块508表示来自训练数据502的状态标识。
在操作期间,使用上述毫米波传感器拍摄包括一个或更多个液体和/或非液体对象的受控环境的一个或更多个雷达图像。在某些情况下,记录多个雷达图像以提高识别的准确性。嵌入深度神经网络514评估嵌入模型530识别特征向量的能力并且迭代地更新训练数据502,以提高算法的分类准确率。可以通过计算交叉熵性能来确定机器学习算法的训练性能。在一些实施方式中,嵌入深度神经网络514迭代地调整图像形成参数以获得至少90%的分类准确率。可替选地,可以使用其他分类准确率。
可以使用本领域中已知的各种机器学习算法来实现嵌入深度神经网络514。例如,诸如comma.ai、Nvidia SDC CNN、LeCunn Net或本领域中已知的其他神经网络算法的神经网络算法可以用于对存储的特征向量510进行分类和分析。在存储的特征向量510的迭代优化期间,可以更新图像形成506的多个参数。
一旦已经使用参考训练数据502训练了系统,参考特征标记再正常操作期间可以用于分类。在正常操作期间,接收到新目标数据522。数据准备块524准备用于图像形成的新目标数据522,并且图像形成块526形成新提取的特征向量528。嵌入模型530利用嵌入深度神经网络514来将新提取的特征向量528与存储的特征向量510进行匹配。当确定时,提供标识新特征向量的预测标签。在一些实施方式中,来自存储标签512的数据被提供为预测标签。嵌入模型530可以是具有通过机器学习算法计算/评估的最佳参数的机器学习模型。
标准化步骤通过将移动速度和相关振动作为变量移除来简化训练阶段期间的参考特征标记的生成。换句话说,如参照图5所描述的训练阶段可以用静态图像来执行,而不是用真空吸尘器机器人以不同速度移动生成的图像来执行。在识别阶段期间,在将2D图像与参考特征标记进行比较以识别视场中的液体之前,将相同的标准化步骤应用于2D图像。
为了便于在具有不同表面和材料的各种类型的地板上的液体的识别,使用嵌入处理在更高维度的变换空间中生成嵌入向量(步骤440、步骤530)。图6图示示出根据本发明的实施方式的嵌入处理流程的框图。图6的左边部分600专用于训练阶段的嵌入处理。右边部分620专用于推断阶段,在推断阶段中发生使用嵌入的预测模型相对于参考图像对新图像的处理和比较。
在训练阶段期间,一次三个地分析来自一组图像602的图像。例如,在步骤604期间,深度神经网络模块接收具有液体的第一地板的第一2D图像、具有液体的第二地板的第二2D图像,以及没有液体的地板的第三2D图像。深度神经网络模块为第一2D图像、第二2D图像和第三2D图像生成相应的向量,在步骤606期间将这些向量存储在示例数据库中。然后,深度神经网络模块修改测量/变换函数,使得所生成的与具有液体的表面相关联的向量(例如,在该示例中为第一2D图像和第二2D图像)彼此接近(在欧几里得意义上)并且在欧几里得意义上远离与不具有液体的表面相关联的向量(例如,该示例中的第三2D图像)。在该示例中,嵌入处理修改测量/变换函数,使得第一向量和第二向量与第二向量和第三向量相比更彼此接近。
对于组602的所有2D图像重复步骤604和步骤606。在一些实施方式中,在步骤604和步骤606期间分析来自组602的2D图像的不同排列。组602可以具有数千或数万个2D图像。
在迭代步骤604和步骤606之后,调整所得的深度神经网络模块测量/变换函数,以确定在各种类型的地板中是否存在液体。得到的深度神经网络模块也称为预测深度神经网络模型,其在推断阶段被使用。由于测量/变换函数已被调整以区分具有液体的地板与没有液体的地板,因此在训练阶段期间进行对未使用的对地板中的液体的准确检测是可能的。
在一些实施方式中,由深度神经网络模块生成的向量是例如32维度空间或16维度空间中的向量。一些实施方式可以使用不同数目的维度。在一些实施方式中,深度神经网络模块可以生成其他多维数据结构而不是向量,诸如矩阵。在其他实施方式中,深度神经网络模块可以在其他维度空间中生成向量。
在推断阶段期间(例如,在正常操作期间),接收新的2D图像622。可以如关于方法300和方法400所描述的那样生成新的2D图像622。嵌入深度神经网络模型624使用在训练阶段期间生成的测量/变换函数来生成新向量。在步骤626期间,将新向量与在步骤606期间生成的参考向量的数据库进行比较,以确定是否在新2D图像622中检测到液体。在步骤626期间,可以使用k最近邻算法来将新向量与参考向量进行比较。
在一些实施方式中,毫米波雷达102包括透明壳体(即,对毫米波雷达102使用的发射频率和接收频率透明),该透明壳体至少部分地包围毫米波雷达102的TX元件和RX元件。由于透明壳体的材料特征和几何特征,由TX元件发射的脉冲中的一些脉冲可能由透明壳体反射而不是由视场210中的对象反射。来自透明壳体的反射可以产生在方法300和方法400中分析的回波数据和2D图像中表现为噪声的反向散射。大量的反向散射可能导致不能正确地确定地板中是否存在液体。
图7A示出了根据本发明实施方式的具有透明壳体702的毫米波雷达102。如图7A所示(未按比例绘制),毫米波雷达102包括透明壳体702。视场210覆盖视场线701和718之间的区域,并且具有与表面轴704正交的中心线716,并且轴708平行于透明壳体702的垂直侧壁。
当轴704和轴708之间的角度706在25°和40°之间时,反向散射被最小化。例如,在一些实施方式中,角度706是30°。可以在保持角度706是固定的同时通过旋转透明壳体702,从而使反向散射最小化的同时获得不同的角度β。
透明壳体702可以用塑料、玻璃或其他类型的材料实现。例如,一些实施方式可以用聚碳酸酯、聚酰胺或ABS的透明壳体702来实现。
在一个实施方式中,高度h2和距离d4分别为8mm和8mm。其他实施方式可以使用不同的维度。例如,一些实施方式具有在7mm至10mm之间的高度h2和距离d4。在一些实施方式中,角度β被选择成使紧邻雷达平台的盲点最小化,同时使视场范围最大化并使反向散射最小化。
图7B示出了根据本发明的实施方式的如图7A所示的毫米波雷达102的附加视场细节。为清楚起见,图7B中省略了透明壳体702。在一个实施方式中,角度714是25°,角度710是65°,角度706是30°,角度712是70°,高度h1是8cm,盲距d6是3.7cm,距离d7是13.85cm。在其他实施例中,角度714为15°,角度710为75°,角度706为40°,角度712为70°,高度h1为8cm,盲距d6为2.14cm,并且距离d7为9.53cm,距离d1为91.44cm。角度706、角度710、角度712、角度714,距离d1、距离d6和距离d7以及高度h1的其他值是可能的。
图7C示出了根据本发明的实施方式的如图7A和图7B所示的毫米波雷达102的顶视图。为清楚起见,图7C中省略了透明壳体702。在一个实施方式中,角度α为70°,角度720为55°,距离d8为119.25mm,距离d9为340mm,距离d10为81.5mm,距离d11为88.5mm,其中距离d9为真空吸尘器机器人202的边缘之间的距离。角度α和角度720以及距离d8、d9、d10和d11的其他值是可能的。
除真空吸尘器机器人202之外的各种应用可以实现所公开的实施方式。例如,其他移动应用例如其他移动机器人或附接有毫米波雷达的载体可以实现所公开的实施方式。
液体检测也可以在毫米波雷达是静止的并且包含液体的表面在移动的应用中实施。例如,图8示出了根据本发明的实施方式的传送带系统800的图。传送带系统800可以是例如仓库、工厂、机场安检或超市中的传送带系统。传送带系统800包括传送带802和毫米波雷达102,毫米波雷达102在朝向带表面806的方向上具有视场810。毫米波雷达102在传送带系统800中以与在真空吸尘器机器人202中类似的方式操作。然而,在传送带系统800中,代替毫米波雷达102相对于表面206移动,带表面806相对于毫米波雷达102移动。传送带系统可以实现方法300、方法400、方法500和方法600,用于检测表面中的液体。
图8的顶部示出了传送带系统800的侧视图,其中带表面朝向图8的左侧移动对象(例如,朝向视场810移动液体204)。图8的底部示出了传送带系统800的顶视图。如图8所示,视场810相对于带表面806在高度h3处开始,具有视场方位角α,视场仰角β并且覆盖前向距离d5。
在正常操作期间,传送带表面806以x方向以速度v2移动。毫米波雷达102以与参照图1至图7描述的方式类似的方式操作。当在视场810中检测到液体时,传送带系统800采取预定动作。预定动作的示例是:降低带表面806的移动速度、停止带表面806的移动、沿相反方向移动带表面806、发出声音,打开灯或其组合。也可以采取其他动作。
视场810覆盖距离d5(例如,15cm),具有可以是例如70°的视场方位角α和可以是例如60°的仰角β。在一些实施方式中,视场方位角α可以高于70°例如75°或更高,或者可以低于70°例如65°或更低。在一些实施方式中,视场方位角α可以在65°和70°之间。在一些实施方式中,视场仰角β可以高于60°例如65°或更高,或者可以低于60°例如55°或更低。在一些实施方式中,角度β在65°和85°之间。在一些实施方式中,距离d5可以高于15cm例如17cm、20cm或更高,或者可以低于15cm例如13cm、10cm或更低。在一些实施方式中,基于高度h3选择角度β以优化视场810,例如,如参考图7A和图7B所描述的。
传送带系统800包括单个毫米波雷达102。一些实施方式可以包括可以彼此相同或不同的不止一个毫米波雷达102。
带表面806可以以各种速度操作并且可以承载不同类型和不同尺寸的对象。视野810可以覆盖被配置为由带表面806承载的最大对象。可以调节高度h3以允许视场810覆盖最大的对象。
在此总结了本发明的示例实施方式。根据本文中提交的说明书以及权利要求书的全部内容,还可以理解其他实施方式。
示例1.一种装置包括:毫米波雷达传感器电路,其被配置成生成用于感测数据的N个虚拟通道,其中N是大于1的整数;以及处理器,该处理器被配置成:基于来自用于感测数据的N个虚拟通道的感测数据生成毫米波雷达传感器电路的视场中的表面的2D雷达图像,其中,2D雷达图像包括方位角和范围信息;利用变换函数基于2D雷达图像生成多维数据结构;将多维数据结构与参考多维数据结构进行比较;以及基于多维数据结构与参考多维数据结构的比较确定毫米波雷达传感器电路的视场中是否存在液体。
示例2.根据示例1所述的装置,其中由处理器生成且与具有液体的表面对应的多维数据结构在欧几里得意义上彼此接近,并且在欧几里得意义上远离由处理器生成且与没有液体的表面对应的多维数据结构。
示例3.根据示例1或2所述的装置,其中,所述装置安装在移动载体上。
示例4.根据示例1至3之一所述的装置,其中,移动载体是真空吸尘器机器人。
示例5.根据示例1至4之一所述的装置,其中,表面是传送带的表面。
示例6.根据示例1至5之一所述的装置,其中毫米波雷达传感器电路包括两个发射器和两个接收器。
示例7.根据示例1至6之一所述的装置,其中,两个发射器和两个接收器具有对称线形布置,在两个发射器和两个接收器之间具有垂直偏移。
示例8.根据示例1至7之一所述的装置,其中,两个发射器和两个接收器生成用于感测数据的四个虚拟通道。
示例9.根据示例1至8之一所述的装置,其中处理器还被配置成:使用N个虚拟通道中的第一虚拟通道的感测数据确定表面相对于毫米波雷达传感器电路的速度和振动;基于所确定的速度和振动对N个虚拟通道的感测数据进行标准化;以及基于经标准化的感测数据生成2D雷达图像。
示例10.根据示例1至9之一所述的装置,其中处理器还被配置成通过如下操作生成2D雷达图像:对用于感测数据的N个虚拟通道执行范围变换以生成N个相应范围向量,其中,N个范围向量中的每个包括M个范围区间,其中M是大于1的整数;以及生成一组波束空间向量,其中一组波束空间向量中的每个向量在方位角上对应于N个相应范围向量的相应范围区间,并且其中一组波束空间向量中的每个向量包括L个单元,其中L大于N。
示例11.根据示例1至10之一所述的装置,其中执行范围变换包括执行范围快速傅里叶变换(FFT)。
示例12.根据示例1至11之一所述的装置,其中,N是5,M是32且L是121。
示例13.根据示例1至12之一所述的装置,其中,毫米波雷达传感器电路包括具有发射器和接收器的透明壳体,其中视场与第一轴正交,并且其中第一轴和平行于透明壳体的表面的轴具有在25°和40°之间的第一角度。
示例14.根据示例1至13之一所述的装置,其中,变换函数使用嵌入处理来生成。
示例15.根据示例1至14之一所述的装置,其中,参考多维数据结构使用嵌入深度神经网络来生成。
示例16.根据示例1至15之一所述的装置,其中,液体包括水。
示例17.一种用于从移动载体检测液体的方法包括,该方法包括:基于来自由毫米波雷达传感器电路生成的N个虚拟通道的感测数据来生成毫米波雷达传感器电路的视场中的表面的2D雷达图像;利用变换函数基于2D雷达图像生成多维数据结构;将多维数据结构与参考多维数据结构进行比较;以及基于多维数据结构与参考多维数据结构的比较确定毫米波雷达传感器的视场中是否存在液体。
示例18.根据示例17所述的方法,其中与具有液体的表面对应的多维数据结构在欧几里得意义上彼此接近,并且在欧几里得意义上远离没有液体的表面对应的多维数据结构。
示例19.根据示例17或18所述的方法,其中多维数据结构包括向量且参考多维数据结构包括参考向量,该方法还包括通过如下操作生成变换函数:分析一组2D训练图像,其中一组2D训练图像的2D训练图像的第一子集对应于包括液体的表面的图像,并且一组2D训练图像中的2D训练图像的第二子集对应于表面没有液体的图像;和通过使用变换函数基于分析一组2D训练图像生成对应于相应的2D训练图像的训练向量组;和修改变换函数使得对应于与包括液体的表面的图像相对应的2D训练图像的向量在欧几里得意义上彼此接近并且在欧几里得意义上远离与对应于没有液体的表面的图像的2D训练图像相对应的向量。
示例20.根据示例17至19之一所述的方法,还包括:使用N个虚拟通道中的第一虚拟通道的感测数据确定表面相对于毫米波雷达传感器电路的速度和振动;基于所确定的速度和振动对N个虚拟通道的感测数据进行标准化;以及基于经标准化的感测数据生成2D雷达图像。
示例21.根据示例17至20之一所述的方法,还包括对N个虚拟通道中的每个通道的感测数据执行范围变换以生成N个相应的范围向量,其中,N个范围向量中的每个包括M个范围区间,其中M是大于1的整数;以及生成一组波束空间向量,其中一组波束空间向量中的每个向量在方位角上对应于N个相应的范围向量的相应范围区间,并且其中一组波束空间向量中的每个向量包括L个单元,其中L大于N。
示例22.根据示例17至21之一所述的方法,其中在执行范围变换期间仅对具有识别对象的范围区间执行生成一组波束空间向量。
示例23.根据示例17至22之一所述的方法,其中,液体包括水或尿液。
示例24.一种真空吸尘器机器人包括:毫米波雷达传感器电路,其被配置成生成感测数据的N个虚拟通道,其中N是大于1的整数;以及处理器,该处理器被配置成:基于来自感测数据的N个虚拟通道的感测数据生成毫米波雷达传感器电路的视场中的表面的2D雷达图像,其中,2D雷达图像包括方位角和范围信息;利用变换函数基于2D雷达图像生成多维数据结构;将多维数据结构与参考多维数据结构进行比较;以及基于多维数据结构与参考多维数据结构的比较确定毫米波雷达传感器的视场中是否存在液体。
示例25.根据示例24所述的真空吸尘器机器人,其中,真空吸尘器机器人的速度为0mm/s。
示例26.根据示例24或25所述的真空吸尘器机器人,还包括具有第二视场的第二毫米波雷达传感器电路。
示例27.根据示例24至26之一所述的真空吸尘器机器人,其中第二视场与毫米波雷达传感器电路的视场部分交叠。
示例28.根据示例24所述的真空吸尘器机器人,其中由处理器生成且与具有液体的表面对应的多维数据结构在欧几里得意义上彼此接近,并且在欧几里得意义上远离由处理器生成且与没有液体的表面对应的多维数据结构。
虽然已经参照说明性实施方式描述了本发明,但是该描述不意在被解释为具有限制性意义。在参照本说明书的情况下,本发明的说明性实施方式的各种修改和组合以及其他实施方式对本领域技术人员而言将是明显的。因此,旨在使所附权利要求书涵盖任何这样的修改或实施方式。
Claims (28)
1.一种用于从移动载体检测液体的装置,包括:
毫米波雷达传感器电路,其被配置成生成用于感测数据的N个虚拟通道,其中N是大于1的整数;以及
处理器,其被配置成:
基于来自用于感测数据的所述N个虚拟通道的感测数据生成所述毫米波雷达传感器电路的视场中的表面的2D雷达图像,其中,所述2D雷达图像包括方位角和范围信息;
利用变换函数基于所述2D雷达图像生成多维数据结构;
将所述多维数据结构与参考多维数据结构进行比较;以及
基于所述多维数据结构与所述参考多维数据结构的比较确定所述毫米波雷达传感器电路的视场中是否存在液体。
2.根据权利要求1所述的装置,其中由所述处理器生成并且与具有液体的表面对应的多维数据结构在欧几里得意义上彼此接近,并且在欧几里得意义上远离由所述处理器生成并且与没有液体的表面对应的多维数据结构。
3.根据权利要求1所述的装置,其中,所述装置安装在移动载体上。
4.根据权利要求3所述的装置,其中,所述移动载体是真空吸尘器机器人。
5.根据权利要求1所述的装置,其中,所述表面是传送带的表面。
6.根据权利要求1所述的装置,其中所述毫米波雷达传感器电路包括两个发射器和两个接收器。
7.根据权利要求6所述的装置,其中,所述两个发射器和所述两个接收器对称线形布置,在所述两个发射器和所述两个接收器之间具有垂直偏移。
8.根据权利要求6所述的装置,其中,所述两个发射器和所述两个接收器生成用于感测数据的四个虚拟通道。
9.根据权利要求1所述的装置,其中,所述处理器还被配置成:使用所述N个虚拟通道中的第一虚拟通道的感测数据确定所述表面相对于所述毫米波雷达传感器电路的速度和振动;
基于所确定的速度和振动对所述N个虚拟通道的感测数据进行标准化;以及
基于经标准化的感测数据生成所述2D雷达图像。
10.根据权利要求1所述的装置,其中,所述处理器还被配置成通过如下操作生成所述2D雷达图像:
对用于感测数据的所述N个虚拟通道的每个执行范围变换,以生成N个相应范围向量,其中,所述N个范围向量中的每个包括M个范围区间,其中M是大于1的整数;以及
生成一组波束空间向量,其中所述一组波束空间向量中的每个向量在方位角上对应于所述N个相应范围向量的相应范围区间,并且其中所述一组波束空间向量中的每个向量包括L个单元,其中L大于N。
11.根据权利要求10所述的装置,其中执行所述范围变换包括执行范围快速傅里叶变换FFT。
12.根据权利要求10所述的装置,其中,N是5,M是32并且L是121。
13.根据权利要求1所述的装置,其中,所述毫米波雷达传感器电路包括具有发射器和接收器的透明壳体,其中所述视场与第一轴正交,并且其中所述第一轴和平行于所述透明壳体的表面的轴具有在25°和40°之间的第一角度。
14.根据权利要求1所述的装置,其中,使用嵌入处理来生成所述变换函数。
15.根据权利要求1所述的装置,其中,使用嵌入深度神经网络来生成所述参考多维数据结构。
16.根据权利要求1所述的装置,其中,所述液体包括水。
17.一种用于从移动载体检测液体的方法,所述方法包括:
基于来自由毫米波雷达传感器电路生成的N个虚拟通道的感测数据生成所述毫米波雷达传感器电路的视场中的表面的2D雷达图像,其中N是大于1的整数;
利用变换函数基于所述2D雷达图像生成多维数据结构;
将所述多维数据结构与参考多维数据结构进行比较;以及
基于所述多维数据结构与所述参考多维数据结构的比较确定所述毫米波雷达传感器电路的视场中是否存在液体。
18.根据权利要求17所述的方法,其中与具有液体的表面对应的多维数据结构在欧几里得意义上彼此接近,并且在欧几里得意义上远离与没有液体的表面对应的多维数据结构。
19.根据权利要求18所述的方法,其中,所述多维数据结构包括向量,并且所述参考多维数据结构包括参考向量,所述方法还包括通过如下操作生成所述变换函数:
分析一组2D训练图像,其中所述一组2D训练图像的2D训练图像的第一子集对应于包括液体的表面的图像,并且所述一组2D训练图像中的2D训练图像的第二子集对应于没有液体的表面的图像;以及
通过使用所述变换函数基于分析所述一组2D训练图像生成对应于相应的2D训练图像的训练向量组;以及
修改所述变换函数使得对应于与包括液体的表面的图像相对应的2D训练图像的向量在欧几里得意义上彼此接近,并且在欧几里得意义上远离与对应于没有液体的表面的图像的2D训练图像相对应的向量。
20.根据权利要求17所述的方法,还包括:
使用所述N个虚拟通道中的第一虚拟通道的感测数据确定所述表面相对于所述毫米波雷达传感器电路的速度和振动;
基于所确定的速度和振动对所述N个虚拟通道的感测数据进行标准化;以及
基于经标准化的感测数据生成所述2D雷达图像。
21.根据权利要求17所述的方法,还包括:
对所述N个虚拟通道中的每个通道的感测数据执行范围变换,以生成N个相应的范围向量,其中,所述N个范围向量中的每个包括M个范围区间,其中M是大于1的整数;以及
生成一组波束空间向量,其中所述一组波束空间向量中的每个向量在方位角上对应于所述N个相应的范围向量的相应范围区间,并且其中所述一组波束空间向量中的每个向量包括L个单元,其中L大于N。
22.根据权利要求21所述的方法,其中在执行所述范围变换期间仅对具有识别的对象的范围区间执行生成所述一组波束空间向量。
23.根据权利要求17所述的方法,其中,所述液体包括水或尿液。
24.一种真空吸尘器机器人,包括:
毫米波雷达传感器电路,其被配置成生成用于感测数据的N个虚拟通道,其中N是大于1的整数;以及
处理器,其被配置成:
基于用于感测数据的N个虚拟通道的感测数据生成毫米波雷达传感器电路的视场中的表面的2D雷达图像,其中,2D雷达图像包括方位角和范围信息;
利用变换函数基于所述2D雷达图像生成多维数据结构;
将所述多维数据结构与参考多维数据结构进行比较;以及
基于所述多维数据结构与所述参考多维数据结构的比较确定所述毫米波雷达传感器的视场中是否存在液体。
25.根据权利要求24所述的真空吸尘器机器人,其中,所述真空吸尘器机器人的速度为0mm/s。
26.根据权利要求24所述的真空吸尘器机器人,还包括具有第二视场的第二毫米波雷达传感器电路。
27.根据权利要求26所述的真空吸尘器机器人,其中所述第二视场与所述毫米波雷达传感器电路的视场部分重叠。
28.根据权利要求24所述的真空吸尘器机器人,其中由所述处理器生成并且与具有液体的表面对应的多维数据结构在欧几里得意义上彼此接近,并且在欧几里得意义上远离由所述处理器生成且与没有液体的表面对应的多维数据结构。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/950,438 US10761187B2 (en) | 2018-04-11 | 2018-04-11 | Liquid detection using millimeter-wave radar sensor |
US15/950,438 | 2018-04-11 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110361071A true CN110361071A (zh) | 2019-10-22 |
CN110361071B CN110361071B (zh) | 2024-04-19 |
Family
ID=66105001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910281018.6A Active CN110361071B (zh) | 2018-04-11 | 2019-04-09 | 使用毫米波雷达传感器进行液体检测的装置和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10761187B2 (zh) |
EP (1) | EP3557283A1 (zh) |
CN (1) | CN110361071B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111239740A (zh) * | 2020-01-20 | 2020-06-05 | 上海眼控科技股份有限公司 | 一种去除射线噪声的方法及设备 |
CN113376609A (zh) * | 2021-06-18 | 2021-09-10 | 北京邮电大学 | 一种基于毫米波雷达的液体识别方法 |
CN114366052A (zh) * | 2021-12-21 | 2022-04-19 | 山东师范大学 | 一种基于毫米波雷达的养老院智能监护系统及方法 |
WO2024021379A1 (zh) * | 2022-07-29 | 2024-02-01 | 浙江大学 | 一种基于无线信号技术的尿布湿度检测方法 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10976412B2 (en) * | 2019-02-01 | 2021-04-13 | GM Global Technology Operations LLC | Deep learning for super resolution in a radar system |
KR102318756B1 (ko) * | 2020-01-21 | 2021-10-29 | 엘지전자 주식회사 | 로봇 청소기 및 그의 제어방법 |
US11847833B2 (en) | 2020-02-12 | 2023-12-19 | Strattec Security Corporation | Broad coverage non-contact obstacle detection |
EP3968051A1 (en) * | 2020-09-15 | 2022-03-16 | Infineon Technologies AG | Guiding system for a robot, base station including such a guiding system, and method for guiding a robot |
US11300652B1 (en) * | 2020-10-30 | 2022-04-12 | Rebellion Defense, Inc. | Systems and methods for generating images from synthetic aperture radar data using neural networks |
CN112666553B (zh) * | 2020-12-16 | 2023-04-18 | 动联(山东)电子科技有限公司 | 一种基于毫米波雷达的道路积水识别方法及设备 |
US20220388464A1 (en) * | 2021-06-08 | 2022-12-08 | Toyota Connected North America, Inc. | Sensing the ingress of water into a vehicle |
CN117129947B (zh) * | 2023-10-26 | 2023-12-26 | 成都金支点科技有限公司 | 一种基于miniunet的平面变换法雷达信号识别方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4128560A1 (de) * | 1991-08-28 | 1993-03-04 | Telefunken Systemtechnik | Verfahren zur bestimmung der geschwindigkeit eines sich bewegenden objektes mittels mindestens eines dopplerradarsensors und vorrichtung zum ausfuehren des verfahrens |
JP2008089614A (ja) * | 2007-12-27 | 2008-04-17 | Hitachi Ltd | レーダセンサ |
WO2012152476A1 (de) * | 2011-05-12 | 2012-11-15 | Robert Bosch Gmbh | Verfahren zum erkennen von gesten |
CN103278817A (zh) * | 2007-05-21 | 2013-09-04 | 空间数码系统公司 | 用于通过测量空间频率分量进行雷达成像的装置和方法 |
CN105247431A (zh) * | 2013-08-21 | 2016-01-13 | 夏普株式会社 | 自主移动体 |
CN106998981A (zh) * | 2014-11-17 | 2017-08-01 | 三星电子株式会社 | 机器人清洁器、终端装置及其控制方法 |
WO2017131545A1 (en) * | 2016-01-26 | 2017-08-03 | Novelic D.O.O. | Millimeter-wave radar sensor system for gesture and movement analysis |
CN107037282A (zh) * | 2016-01-13 | 2017-08-11 | 英飞凌科技股份有限公司 | 用于测量多个rf信号路径的系统和方法 |
CN107106400A (zh) * | 2014-09-16 | 2017-08-29 | Vtt Oy技术研究中心 | 具有适应雷达的导航辅助设备 |
US20170363714A1 (en) * | 2014-11-21 | 2017-12-21 | Texas Instruments Incorporated | Techniques for High Arrival Angle Resolution Using Multiple Nano-Radars |
CN206990798U (zh) * | 2016-12-30 | 2018-02-09 | 北京行易道科技有限公司 | 雷达 |
Family Cites Families (130)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4241347A (en) | 1978-06-28 | 1980-12-23 | International Telephone And Telegraph Corporation | PRC/FM CW Radar system |
GB2247799A (en) | 1990-09-04 | 1992-03-11 | Gec Ferranti Defence Syst | Radar based navigation aid |
US6147572A (en) | 1998-07-15 | 2000-11-14 | Lucent Technologies, Inc. | Filter including a microstrip antenna and a frequency selective surface |
JP3393204B2 (ja) | 1999-10-06 | 2003-04-07 | 株式会社ホンダエレシス | マルチビームレーダ装置 |
US6636174B2 (en) | 2000-06-06 | 2003-10-21 | Altratek Inc. | System and method for detection and tracking of targets |
DE10037099A1 (de) | 2000-07-28 | 2002-02-07 | Wienand Hans Theo | Personenzählvorrichtung |
JP3680029B2 (ja) | 2001-08-08 | 2005-08-10 | 三菱重工業株式会社 | 金属薄膜の気相成長方法およびその気相成長装置 |
US7176506B2 (en) | 2001-08-28 | 2007-02-13 | Tessera, Inc. | High frequency chip packages with connecting elements |
EP1473426A4 (en) * | 2001-12-10 | 2006-04-12 | Omron Co Ltd | OBJECT SENSOR AND CONTROLLER |
US7948769B2 (en) | 2007-09-27 | 2011-05-24 | Hemisphere Gps Llc | Tightly-coupled PCB GNSS circuit and manufacturing method |
KR100477647B1 (ko) | 2002-06-01 | 2005-03-23 | 삼성전자주식회사 | 영상의 움직임 보정 장치 및 방법 |
US6963259B2 (en) | 2002-06-27 | 2005-11-08 | Harris Corporation | High efficiency resonant line |
JP3833606B2 (ja) | 2002-12-19 | 2006-10-18 | 三菱電機株式会社 | 車載レーダ装置 |
US7119745B2 (en) | 2004-06-30 | 2006-10-10 | International Business Machines Corporation | Apparatus and method for constructing and packaging printed antenna devices |
WO2006017265A2 (en) | 2004-07-12 | 2006-02-16 | Signal-Labs, Inc. | System and method for detection and tracking of targets |
US7057564B2 (en) | 2004-08-31 | 2006-06-06 | Freescale Semiconductor, Inc. | Multilayer cavity slot antenna |
US7615856B2 (en) | 2004-09-01 | 2009-11-10 | Sanyo Electric Co., Ltd. | Integrated antenna type circuit apparatus |
US7692684B2 (en) | 2004-09-27 | 2010-04-06 | Point Grey Research Inc. | People counting systems and methods |
JP2006234513A (ja) | 2005-02-23 | 2006-09-07 | Toyota Central Res & Dev Lab Inc | 障害物検出装置 |
US8066642B1 (en) | 2005-05-03 | 2011-11-29 | Sonosite, Inc. | Systems and methods for ultrasound beam forming data control |
US7596241B2 (en) | 2005-06-30 | 2009-09-29 | General Electric Company | System and method for automatic person counting and detection of specific events |
US8228382B2 (en) | 2005-11-05 | 2012-07-24 | Ram Pattikonda | System and method for counting people |
EP1791277A1 (de) | 2005-11-28 | 2007-05-30 | Siemens Aktiengesellschaft | Verfahren und Anordnung zur Kalibrierung von Sendepfaden eines Antennensystems |
US20070210959A1 (en) | 2006-03-07 | 2007-09-13 | Massachusetts Institute Of Technology | Multi-beam tile array module for phased array systems |
WO2008094172A2 (en) | 2006-06-01 | 2008-08-07 | University Of Florida Research Foundation, Inc. | Radar microsensor for detection, tracking, and classification |
US7873326B2 (en) | 2006-07-11 | 2011-01-18 | Mojix, Inc. | RFID beam forming system |
DE102006032539A1 (de) | 2006-07-13 | 2008-01-17 | Robert Bosch Gmbh | FMCW-Radarsensor |
US7889147B2 (en) | 2007-02-23 | 2011-02-15 | Northrop Grumman Systems Corporation | Modular active phased array |
US7525474B2 (en) | 2007-03-30 | 2009-04-28 | Honeywell International Inc. | Integrated distance measuring equipment and transponder system and method |
US7675465B2 (en) | 2007-05-22 | 2010-03-09 | Sibeam, Inc. | Surface mountable integrated circuit packaging scheme |
US8237259B2 (en) | 2007-06-13 | 2012-08-07 | Infineon Technologies Ag | Embedded chip package |
JP4415040B2 (ja) | 2007-09-18 | 2010-02-17 | 三菱電機株式会社 | レーダ装置 |
US7880677B2 (en) | 2007-12-12 | 2011-02-01 | Broadcom Corporation | Method and system for a phased array antenna embedded in an integrated circuit package |
US8134425B2 (en) | 2007-12-13 | 2012-03-13 | Broadcom Corporation | Method and system for filters embedded in an integrated circuit package |
CN102105810B (zh) | 2008-07-24 | 2013-10-23 | 皇家飞利浦电子股份有限公司 | 三维(3-d)画面捕获 |
DE102008054570A1 (de) | 2008-12-12 | 2010-06-17 | Robert Bosch Gmbh | FMCW-Radarsensor für Kraftfahrzeuge |
EP2396887A4 (en) | 2009-02-13 | 2012-08-29 | Freescale Semiconductor Inc | INTEGRATED CIRCUIT COMPRISING A FREQUENCY GENERATION CIRCUITRY FOR CONTROLLING A FREQUENCY SOURCE |
US20100207805A1 (en) | 2009-02-19 | 2010-08-19 | Agd Systems Limited | Obtaining an indication of a number of moving objects passing speed detection apparatus |
WO2010115418A2 (de) | 2009-04-06 | 2010-10-14 | Conti Temic Microelectronic Gmbh | Radarsystem mit anordnungen und verfahren zur entkopplung von sende- und empfangssignalen sowie unterdrückung von störeinstrahlungen |
CN201438747U (zh) | 2009-05-18 | 2010-04-14 | 幻音科技(深圳)有限公司 | 耳塞式耳机 |
CN101585361A (zh) | 2009-05-25 | 2009-11-25 | 郭文艺 | 汽车防碰撞防车道偏离控制装置 |
US8861328B2 (en) | 2009-06-17 | 2014-10-14 | Optis Cellular Technology, Llc | Method for antenna calibration in a wideband communication system |
US8941625B2 (en) | 2009-07-07 | 2015-01-27 | Elliptic Laboratories As | Control using movements |
DE102009055262A1 (de) | 2009-12-23 | 2011-06-30 | Endress + Hauser GmbH + Co. KG, 79689 | Verfahren zur Ermittlung und Überwachung des Füllstands eines Mediums in einem Behälter nach einem Laufzeitmessverfahren |
CN102893173B (zh) | 2010-03-05 | 2014-12-03 | 温莎大学 | 雷达系统及其制作方法 |
US8725085B2 (en) | 2010-06-03 | 2014-05-13 | Broadcom Corporation | RF front-end module |
US9569003B2 (en) | 2010-09-30 | 2017-02-14 | Broadcom Corporation | Portable computing device including a three-dimensional touch screen |
JP5549560B2 (ja) | 2010-11-26 | 2014-07-16 | 富士通株式会社 | Fm−cwレーダ装置、ペアリング方法 |
JP2012168156A (ja) | 2011-02-11 | 2012-09-06 | National Univ Corp Shizuoka Univ | 車載用のマルチビーム方式レーダ装置、マルチビーム方式レーダ方法およびマルチビーム方式レーダプログラム |
US8988299B2 (en) | 2011-02-17 | 2015-03-24 | International Business Machines Corporation | Integrated antenna for RFIC package applications |
US20120280900A1 (en) | 2011-05-06 | 2012-11-08 | Nokia Corporation | Gesture recognition using plural sensors |
DE102011100907A1 (de) | 2011-05-09 | 2012-01-12 | Daimler Ag | Vorrichtung und Verfahren zur Ermittlung eines Fahrbahnzustands |
US8860532B2 (en) | 2011-05-20 | 2014-10-14 | University Of Central Florida Research Foundation, Inc. | Integrated cavity filter/antenna system |
US9183686B2 (en) | 2011-07-12 | 2015-11-10 | Tyco Fire & Security Gmbh | Method and system for people counting using passive infrared detectors |
WO2013059801A1 (en) | 2011-10-20 | 2013-04-25 | Waveconnex, Inc. | Low-profile wireless connectors |
US20140324888A1 (en) | 2011-12-09 | 2014-10-30 | Nokia Corporation | Method and Apparatus for Identifying a Gesture Based Upon Fusion of Multiple Sensor Signals |
US9202105B1 (en) | 2012-01-13 | 2015-12-01 | Amazon Technologies, Inc. | Image analysis for user authentication |
CN102788969B (zh) | 2012-07-04 | 2015-01-28 | 中国人民解放军海军航空工程学院 | 基于短时分数阶傅里叶变换的海面微动目标检测和特征提取方法 |
US9678573B2 (en) | 2012-07-30 | 2017-06-13 | Microsoft Technology Licensing, Llc | Interaction with devices based on user state |
US20140070994A1 (en) | 2012-09-13 | 2014-03-13 | Toyota Motor Engineering & Manufacturing North America, Inc. | 3d short range detection with phased array radar |
US8972061B2 (en) * | 2012-11-02 | 2015-03-03 | Irobot Corporation | Autonomous coverage robot |
US9196951B2 (en) | 2012-11-26 | 2015-11-24 | International Business Machines Corporation | Millimeter-wave radio frequency integrated circuit packages with integrated antennas |
CN102967854B (zh) | 2012-12-07 | 2014-08-13 | 中国人民解放军海军航空工程学院 | Frft域海杂波中目标的多重分形检测方法 |
KR102047347B1 (ko) | 2012-12-26 | 2019-11-21 | 히타치가세이가부시끼가이샤 | 익스팬드 방법, 반도체 장치의 제조방법, 및 반도체 장치 |
US8836596B2 (en) | 2013-01-15 | 2014-09-16 | Cubic Corporation | Filter antenna |
US9413079B2 (en) | 2013-03-13 | 2016-08-09 | Intel Corporation | Single-package phased array module with interleaved sub-arrays |
KR101480348B1 (ko) | 2013-05-31 | 2015-01-09 | 삼성에스디에스 주식회사 | 사람 검출 장치 및 방법과 사람 계수 장치 및 방법 |
US9459339B2 (en) | 2013-06-13 | 2016-10-04 | Texas Instruments Incorporated | Kalman filter for indoor positioning |
DE102013010993A1 (de) * | 2013-07-02 | 2015-01-08 | Brose Fahrzeugteile Gmbh & Co. Kommanditgesellschaft, Hallstadt | Objekterfassungsvorrichtung für ein Fahrzeug |
CN103529444A (zh) | 2013-09-27 | 2014-01-22 | 安徽师范大学 | 一种车载毫米波雷达动目标识别器及识别方法 |
CN107041169B (zh) | 2013-10-07 | 2019-05-03 | Gn奈康有限公司 | 具有光学传感器的耳机设备 |
US9753131B2 (en) | 2013-10-09 | 2017-09-05 | Massachusetts Institute Of Technology | Motion tracking via body radio reflections |
US9759807B2 (en) | 2013-10-25 | 2017-09-12 | Texas Instruments Incorporated | Techniques for angle resolution in radar |
US9773742B2 (en) | 2013-12-18 | 2017-09-26 | Intel Corporation | Embedded millimeter-wave phased array module |
US20150181840A1 (en) | 2013-12-31 | 2015-07-02 | i4c Innovations Inc. | Ultra-Wideband Radar System for Animals |
JP2015141109A (ja) | 2014-01-29 | 2015-08-03 | 富士通テン株式会社 | レーダ装置、及び、信号処理方法 |
KR102204839B1 (ko) * | 2014-02-11 | 2021-01-19 | 한국전자통신연구원 | 레이더를 이용한 표적 검출 장치 및 표적을 검출하는 방법 |
US9704769B2 (en) | 2014-02-27 | 2017-07-11 | STATS ChipPAC Pte. Ltd. | Semiconductor device and method of forming encapsulated wafer level chip scale package (EWLCSP) |
CN203950036U (zh) | 2014-03-12 | 2014-11-19 | 肖令军 | 一种基于毫米波雷达测距的有人无人直升机避撞系统 |
US9921657B2 (en) | 2014-03-28 | 2018-03-20 | Intel Corporation | Radar-based gesture recognition |
WO2015167260A1 (en) | 2014-04-30 | 2015-11-05 | Lg Innotek Co., Ltd. | Touch device, wearable device having the same and touch recognition method |
US9575560B2 (en) | 2014-06-03 | 2017-02-21 | Google Inc. | Radar-based gesture-recognition through a wearable device |
US9666553B2 (en) | 2014-06-16 | 2017-05-30 | Texas Instruments Incorporated | Millimeter wave integrated circuit with ball grid array package including transmit and receive channels |
US20170131395A1 (en) | 2014-06-25 | 2017-05-11 | University Of Washington | Devices, systems, and methods for detecting gestures using multiple antennas and/or reflections of signals transmitted by the detecting device |
US10627480B2 (en) | 2014-07-17 | 2020-04-21 | Texas Instruments Incorporated | Distributed radar signal processing in a radar system |
US9921660B2 (en) | 2014-08-07 | 2018-03-20 | Google Llc | Radar-based gesture recognition |
US9811164B2 (en) | 2014-08-07 | 2017-11-07 | Google Inc. | Radar-based gesture sensing and data transmission |
US10094920B2 (en) | 2014-08-27 | 2018-10-09 | Texas Instruments Incorporated | Range resolution in FMCW radars |
US9784828B2 (en) | 2014-08-27 | 2017-10-10 | Texas Insturments Incorporated | FMCW doppler processing algorithm for achieving CW performance |
DE102014113040A1 (de) * | 2014-09-10 | 2016-03-10 | Miele & Cie. Kg | Verfahren zum Betrieb eines Haushaltsgerätesystems |
US9600080B2 (en) | 2014-10-02 | 2017-03-21 | Google Inc. | Non-line-of-sight radar-based gesture recognition |
US10539669B2 (en) | 2014-10-08 | 2020-01-21 | Texas Instruments Incorporated | Three dimensional (3D) tracking of objects in a radar system |
US10634778B2 (en) | 2014-10-21 | 2020-04-28 | Texas Instruments Incorporated | Camera assisted tracking of objects in a radar system |
US20160118353A1 (en) | 2014-10-22 | 2016-04-28 | Infineon Techologies Ag | Systems and Methods Using an RF Circuit on Isolating Material |
US9829566B2 (en) | 2014-11-25 | 2017-11-28 | Texas Instruments Incorporated | Controlling radar transmission to enable interference mitigation |
US20160306034A1 (en) | 2014-12-23 | 2016-10-20 | Infineon Technologies Ag | RF System with an RFIC and Antenna System |
US9921295B2 (en) | 2014-12-30 | 2018-03-20 | Texas Instruments Incorporated | Multiple chirp generation in a radar system |
US9696359B2 (en) | 2014-12-31 | 2017-07-04 | Texas Instruments Incorporated | Dynamic measurement of frequency synthesizer noise spurs or phase noise |
JP6567832B2 (ja) | 2015-01-29 | 2019-08-28 | 日本電産株式会社 | レーダシステム、レーダ信号処理装置、車両走行制御装置および方法、ならびにコンピュータプログラム |
US10622694B2 (en) | 2015-02-12 | 2020-04-14 | Texas Instruments Incorporated | Dielectric waveguide radar signal distribution |
US9817109B2 (en) | 2015-02-27 | 2017-11-14 | Texas Instruments Incorporated | Gesture recognition using frequency modulated continuous wave (FMCW) radar with low angle resolution |
US10168785B2 (en) | 2015-03-03 | 2019-01-01 | Nvidia Corporation | Multi-sensor based user interface |
US10067221B2 (en) | 2015-04-06 | 2018-09-04 | Texas Instruments Incorporated | Interference detection in a frequency modulated continuous wave (FMCW) radar system |
US9835714B2 (en) | 2015-04-09 | 2017-12-05 | Texas Instruments Incorporated | Circuit and method for impedance detection in millimeter wave systems |
WO2016176574A1 (en) | 2015-04-30 | 2016-11-03 | Google Inc. | Wide-field radar-based gesture recognition |
US10241581B2 (en) | 2015-04-30 | 2019-03-26 | Google Llc | RF-based micro-motion tracking for gesture tracking and recognition |
US9853365B2 (en) | 2015-05-05 | 2017-12-26 | Texas Instruments Incorporated | Dynamic programming of chirps in a frequency modulated continuous wave (FMCW) radar system |
US10613208B2 (en) | 2015-05-15 | 2020-04-07 | Texas Instruments Incorporated | Low complexity super-resolution technique for object detection in frequency modulation continuous wave radar |
US20160349845A1 (en) | 2015-05-28 | 2016-12-01 | Google Inc. | Gesture Detection Haptics and Virtual Tools |
US9806040B2 (en) | 2015-07-29 | 2017-10-31 | STATS ChipPAC Pte. Ltd. | Antenna in embedded wafer-level ball-grid array package |
US10048354B2 (en) | 2015-08-13 | 2018-08-14 | Texas Instruments Incorporated | Chirp frequency non-linearity mitigation in radar systems |
US20170054449A1 (en) | 2015-08-19 | 2017-02-23 | Texas Instruments Incorporated | Method and System for Compression of Radar Signals |
US10555256B2 (en) | 2015-09-08 | 2020-02-04 | Texas Instruments Incorporated | Re-sampling with reduced power consumption and complexity |
US10078131B2 (en) | 2015-09-15 | 2018-09-18 | Texas Instruments Incorporated | Method and apparatus for FMCW radar processing |
US10061015B2 (en) | 2015-09-30 | 2018-08-28 | Texas Instruments Incorporated | Multi-chip transceiver testing in a radar system |
US10234542B2 (en) | 2015-09-30 | 2019-03-19 | Texas Instruments Incorporated | Measurement of transceiver performance parameters in a radar system |
US10718852B2 (en) | 2015-10-23 | 2020-07-21 | Texas Instruments Incorporated | RF/mm-wave peak detector with high-dynamic range calibration |
KR20170053351A (ko) * | 2015-11-06 | 2017-05-16 | 삼성전자주식회사 | 청소 로봇 및 그 제어 방법 |
US9759808B2 (en) | 2015-11-12 | 2017-09-12 | Texas Instruments Incorporated | Buffer sample size control for variable chirp radar |
WO2017084700A1 (de) | 2015-11-17 | 2017-05-26 | Vega Grieshaber Kg | Antennenvorrichtung und verfahren zum senden und/oder empfangen eines signals |
KR102427185B1 (ko) | 2015-12-09 | 2022-08-01 | 삼성전자 주식회사 | 스위치 운용 방법 및 이를 지원하는 전자 장치 |
US10746851B2 (en) | 2015-12-18 | 2020-08-18 | Texas Instruments Incorporated | Circuits and methods for determining chirp signal linearity and phase noise of a FMCW radar |
US10599518B2 (en) | 2015-12-31 | 2020-03-24 | Texas Instruments Incorporated | Protecting data memory in a signal processing system |
US9965043B2 (en) | 2016-01-27 | 2018-05-08 | Wipro Limited | Method and system for recommending one or more gestures to users interacting with computing device |
US10514770B2 (en) | 2016-06-17 | 2019-12-24 | Texas Instruments Incorporated | Hidden Markov model-based gesture recognition with FMCW radar |
EP3497546B1 (en) | 2016-08-09 | 2021-10-06 | Google LLC | Radar-based gestural interface |
CN106980362A (zh) | 2016-10-09 | 2017-07-25 | 阿里巴巴集团控股有限公司 | 基于虚拟现实场景的输入方法及装置 |
KR102613442B1 (ko) * | 2016-10-12 | 2023-12-13 | 삼성전자주식회사 | 청소로봇 및 그 제어 방법 |
KR101984101B1 (ko) * | 2017-03-06 | 2019-05-30 | 엘지전자 주식회사 | 청소기 및 그 제어방법 |
KR102048992B1 (ko) * | 2017-07-21 | 2019-11-27 | 엘지전자 주식회사 | 인공지능 청소기 및 그 제어방법 |
-
2018
- 2018-04-11 US US15/950,438 patent/US10761187B2/en active Active
-
2019
- 2019-04-09 CN CN201910281018.6A patent/CN110361071B/zh active Active
- 2019-04-10 EP EP19168302.8A patent/EP3557283A1/en active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4128560A1 (de) * | 1991-08-28 | 1993-03-04 | Telefunken Systemtechnik | Verfahren zur bestimmung der geschwindigkeit eines sich bewegenden objektes mittels mindestens eines dopplerradarsensors und vorrichtung zum ausfuehren des verfahrens |
CN103278817A (zh) * | 2007-05-21 | 2013-09-04 | 空间数码系统公司 | 用于通过测量空间频率分量进行雷达成像的装置和方法 |
JP2008089614A (ja) * | 2007-12-27 | 2008-04-17 | Hitachi Ltd | レーダセンサ |
WO2012152476A1 (de) * | 2011-05-12 | 2012-11-15 | Robert Bosch Gmbh | Verfahren zum erkennen von gesten |
CN105247431A (zh) * | 2013-08-21 | 2016-01-13 | 夏普株式会社 | 自主移动体 |
CN107106400A (zh) * | 2014-09-16 | 2017-08-29 | Vtt Oy技术研究中心 | 具有适应雷达的导航辅助设备 |
CN106998981A (zh) * | 2014-11-17 | 2017-08-01 | 三星电子株式会社 | 机器人清洁器、终端装置及其控制方法 |
US20170363714A1 (en) * | 2014-11-21 | 2017-12-21 | Texas Instruments Incorporated | Techniques for High Arrival Angle Resolution Using Multiple Nano-Radars |
CN107037282A (zh) * | 2016-01-13 | 2017-08-11 | 英飞凌科技股份有限公司 | 用于测量多个rf信号路径的系统和方法 |
WO2017131545A1 (en) * | 2016-01-26 | 2017-08-03 | Novelic D.O.O. | Millimeter-wave radar sensor system for gesture and movement analysis |
CN206990798U (zh) * | 2016-12-30 | 2018-02-09 | 北京行易道科技有限公司 | 雷达 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111239740A (zh) * | 2020-01-20 | 2020-06-05 | 上海眼控科技股份有限公司 | 一种去除射线噪声的方法及设备 |
CN113376609A (zh) * | 2021-06-18 | 2021-09-10 | 北京邮电大学 | 一种基于毫米波雷达的液体识别方法 |
CN113376609B (zh) * | 2021-06-18 | 2021-12-31 | 北京邮电大学 | 一种基于毫米波雷达的液体识别方法 |
CN114366052A (zh) * | 2021-12-21 | 2022-04-19 | 山东师范大学 | 一种基于毫米波雷达的养老院智能监护系统及方法 |
WO2024021379A1 (zh) * | 2022-07-29 | 2024-02-01 | 浙江大学 | 一种基于无线信号技术的尿布湿度检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110361071B (zh) | 2024-04-19 |
US10761187B2 (en) | 2020-09-01 |
US20190317190A1 (en) | 2019-10-17 |
EP3557283A1 (en) | 2019-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110361071A (zh) | 使用毫米波雷达传感器进行液体检测的装置和方法 | |
CN110361725A (zh) | 使用毫米波雷达进行人类检测和识别的系统和方法 | |
US8907929B2 (en) | Touchless sensing and gesture recognition using continuous wave ultrasound signals | |
US20200174096A1 (en) | Method and apparatus for processing radar data | |
van Berlo et al. | Millimeter wave sensing: A review of application pipelines and building blocks | |
CN111656217A (zh) | 用于虚拟孔径雷达跟踪的系统和方法 | |
Zhang et al. | Object detection and 3d estimation via an FMCW radar using a fully convolutional network | |
WO2010095946A1 (en) | A method of detecting a scatterer in a structure, a radar system and a computer program product | |
US11163057B2 (en) | Estimation device, living body count estimation device, estimation method, and recording medium | |
JP2013096828A (ja) | ドップラーレーダシステム、及び物体検知方法 | |
Liang et al. | FG-LiquID: A contact-less fine-grained liquid identifier by pushing the limits of millimeter-wave sensing | |
KR20200065827A (ko) | 레이더 영상 재구성 기반 객체 추적 장치 및 방법 | |
Zhao et al. | 3d motion capture of an unmodified drone with single-chip millimeter wave radar | |
CN115061113A (zh) | 用于雷达的目标检测模型训练方法、装置及存储介质 | |
FR2868541A1 (fr) | Procede de localisation aveugle large bande d'un ou plusieurs emetteurs a partir d'un porteur defilant | |
KR20190092060A (ko) | Uwb 기반 유막 검출 장치 및 방법 | |
Lotti et al. | Radio SLAM for 6G systems at THz frequencies: Design and experimental validation | |
Davoli et al. | Three-dimensional deterministic detection and estimation algorithms for mimo sfcw radars | |
Dasgupta et al. | Time-reversal imaging for classification of submerged elastic targets via Gibbs sampling and the relevance vector machine | |
Zande | 3D Point Cloud Object Detection for Millimeter Wave Radar: a Synthesis Study | |
Iqbal et al. | Intelligent tracking and positioning of targets using passive sensing systems | |
CN117191025A (zh) | 无接触室内多目标追踪方法、系统、存储介质及计算设备 | |
US20230314604A1 (en) | An in-air sonar system and a method therefor | |
Haritha et al. | Investigation on Indoor Detection and Tracking of People using IWR1642 mmWave Sensor | |
Narykov et al. | Poisson multi-Bernoulli mixture filtering with an active sonar using BELLHOP simulation |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |