CN110412378B - 目标物体检测方法及装置 - Google Patents

目标物体检测方法及装置 Download PDF

Info

Publication number
CN110412378B
CN110412378B CN201910695889.2A CN201910695889A CN110412378B CN 110412378 B CN110412378 B CN 110412378B CN 201910695889 A CN201910695889 A CN 201910695889A CN 110412378 B CN110412378 B CN 110412378B
Authority
CN
China
Prior art keywords
target object
millimeter wave
wave radar
radar model
model
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.)
Active
Application number
CN201910695889.2A
Other languages
English (en)
Other versions
CN110412378A (zh
Inventor
张诣萌
张大鹏
王舜琰
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.)
Beijing Jingwei Hirain Tech Co Ltd
Original Assignee
Beijing Jingwei Hirain Tech Co Ltd
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 Beijing Jingwei Hirain Tech Co Ltd filed Critical Beijing Jingwei Hirain Tech Co Ltd
Priority to CN201910695889.2A priority Critical patent/CN110412378B/zh
Publication of CN110412378A publication Critical patent/CN110412378A/zh
Application granted granted Critical
Publication of CN110412378B publication Critical patent/CN110412378B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/005—Testing of electric installations on transport means
    • G01R31/006—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks
    • 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

Landscapes

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

Abstract

本发明公开了一种目标物体检测方法及装置，该方法及装置可应用于毫米波雷达模型，具体的，先确定仿真场景中包括的全部目标物体；再从中筛选出位于毫米波雷达模型的检测范围内的目标物体；期间还可获取毫米波雷达模型的设置的杂波模型产生的杂波；最后，从位于毫米波雷达模型的检测范围内的目标物体以及杂波中确定出毫米波雷达模型检测到的目标物体。上述方法及装置，通过在仿真场景的全部目标物体及杂波模型产生的杂波中确定出最终的目标物体，使得毫米波雷达模型可以全面检测仿真场景中的目标物体，并且可以实现虚警，从而使得毫米波雷达模型生成的传感器数据与真实的毫米波雷达生成的传感器数据更贴近，提升了毫米波雷达模型的输出保真度。

Description

目标物体检测方法及装置
技术领域
本发明涉及仿真测试技术领域，更具体的说，是涉及一种目标物体检测方法及装置。
背景技术
智能驾驶系统，比如ADAS(Advanced Driver Assistant Systems，高级辅助驾驶系统)是人工智能在交通领域的重要应用。智能驾驶系统将毫米波雷达和其他传感器(比如摄像头、激光雷达)检测到的实车场景中的目标信号进行数据融合，从而形成对车辆周围环境的感知信息。智能驾驶系统根据对车辆周围环境的感知信息、用户出行需求、高精地图等，做出驾驶决策，并执行。
在智能驾驶系统的MIL(Model-in-the-loop，模型在环)测试和HIL (Hardware-in-the-loop，硬件在环)测试等仿真测试过程中，可以采用仿真场景替代实车场景，采用毫米波雷达模型替代真实的毫米波雷达，毫米波雷达模型从仿真场景中提取场景信息作为传感器数据输入至智能驾驶系统，由智能驾驶系统根据场景信息做出驾驶决策。
但是，真实的毫米波雷达生成的传感器数据涵盖了各种路面物体，如行人、车辆、护栏、路牌、建筑等，且有较多虚警现象，而现有的毫米波雷达模型只能从仿真场景中直接提取交通物体(如行人、车辆等)的信息作为传感器数据，无法获取其他环境物体的信息，而且，现有的毫米波雷达模型无法实现虚警，导致现有的毫米波雷达模型生成的传感器数据与真实的毫米波雷达生成的传感器数据差别较大，因此，现有的毫米波雷达模型的输出保真度较低。
可见，如何提高毫米波雷达模型的输出保真度，成为本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此，本发明提供了一种目标物体检测方法及装置，以克服现有技术中毫米波雷达模型输出保真度的问题。
为实现上述目的，本发明提供如下技术方案：
一种目标物体检测方法，应用于毫米波雷达模型，所述方法包括：
确定仿真场景中包括的全部目标物体；
从所述全部目标物体中筛选出位于所述毫米波雷达模型的检测范围内的目标物体；
获取所述毫米波雷达模型的设置的杂波模型产生的杂波；
从所述位于所述毫米波雷达模型的检测范围内的目标物体以及所述杂波中确定出所述毫米波雷达模型检测到的目标物体。
可选地，所述从所述全部目标物体中筛选出位于所述毫米波雷达模型的检测范围内的目标物体，包括：
对所述全部目标物体中的任一目标物体均进行如下处理：
获取当前目标物体的基于地面坐标系的参数；
将所述基于地面坐标系的参数进行坐标变换，生成基于传感器坐标系的参数；
根据所述基于传感器坐标系的参数确定所述当前目标物体是否位于所述毫米波雷达模型的检测范围内。
可选地，从所述位于所述毫米波雷达模型的检测范围内的目标物体中确定出所述毫米波雷达模型检测到的目标物体，包括：
对位于所述毫米波雷达模型的检测范围内的目标物体中的任一目标物体均进行如下处理：
计算当前目标物体的雷达散射面积RCS；
根据所述当前目标物体的RCS计算所述当前目标物体的回波功率；
计算所述毫米波雷达模型对应的噪声功率；
根据所述当前目标物体的回波功率以及所述噪声功率计算所述当前目标物体的信噪比；
判断所述当前目标物体的信噪比是否大于预设信噪比阈值；
如果大于，则确定所述当前目标物体为所述毫米波雷达模型检测到的目标物体。
可选地，所述计算当前目标物体的雷达散射面积RCS，包括：
根据毫米波雷达模型设置的RCS波动模式计算当前目标物体的原始 RCS；
计算当前目标物体的被遮挡比例；
根据所述被遮挡比例调整所述原始RCS，生成当前目标物体的RCS。
可选地，所述计算当前目标物体的被遮挡比例，包括：
确定当前目标物体的角度上界和角度下界；
通过将当前目标物体的角度上界和角度下界分别与位于所述毫米波雷达模型的检测范围内的其他目标物体的角度上界和角度下界比较确定当前目标物体的被遮挡比例。
可选地，所述根据所述当前目标物体的RCS计算所述当前目标物体的回波功率，包括：
根据公式
Figure BDA0002149357800000031
计算所述当前目标物体的回波功率；
其中，Pr为所述当前目标物体的回波功率，Pt为所述毫米波雷达模型设置的雷达发射功率，Gt为所述毫米波雷达模型设置的雷达发射天线增益，Gr为所述毫米波雷达模型设置的雷达接收天线增益，L为所述毫米波雷达模型设置的雷达信号功率损失因数，RCS为所述当前目标物体的RCS，r为所述当前目标物体的径向距离。
可选地，所述从所述杂波中确定出所述毫米波雷达模型检测到的目标物体，包括：
计算所述杂波的信噪比；
判断以及所述杂波的信噪比是否大于所述预设信噪比阈值；
如果大于，则确定所述杂波为所述毫米波雷达模型检测到的目标物体。
可选地，在从所述位于所述毫米波雷达模型的检测范围内的目标物体以及所述杂波中确定出所述毫米波雷达模型检测到的目标物体之后，所述方法还包括：
获取毫米波雷达模型设置的距离分辨率参数、速度分辨率参数以及角度分辨率参数；
对所述毫米波雷达模型检测到的目标物体中的任意两个目标物体进行如下处理：
判断所述两个目标物体的距离差是否小于等于所述距离分辨率参数；
判断所述两个目标物体的速度差是否小于等于所述速度分辨率参数；
判断所述两个目标物体的角度差是否小于等于所述角度分辨率参数；
当所述两个目标物体的距离差小于等于所述距离分辨率参数、所述两个目标物体的速度差小于等于所述速度分辨率参数且所述两个目标物体的角度差小于等于所述角度分辨率参数时，确定所述两个目标物体为同一目标物体。
可选地，在从所述位于所述毫米波雷达模型的检测范围内的目标物体以及所述杂波中确定出所述毫米波雷达模型检测到的目标物体之后，所述方法还包括：
获取毫米波雷达模型设置的距离精度参数、速度精度参数以及角度精度参数；
对所述毫米波雷达模型检测到的目标物体中的任一目标物体进行如下处理：
对所述毫米波雷达模型检测到的当前目标物体的距离参数、速度参数、角度参数进行调整，使调整后的目标物体的距离参数、速度参数、角度参数满足统计学规律。
一种目标物体检测装置，应用于毫米波雷达模型，所述装置包括：
第一确定单元，用于确定仿真场景中包括的全部目标物体；
筛选单元，用于从所述全部目标物体中筛选出位于所述毫米波雷达模型的检测范围内的目标物体；
获取单元，用于获取所述毫米波雷达模型的设置的杂波模型产生的杂波；
第二确定单元，用于从所述位于所述毫米波雷达模型的检测范围内的目标物体以及所述杂波中确定出所述毫米波雷达模型检测到的目标物体。
经由上述的技术方案可知，与现有技术相比，本发明公开了一种目标物体检测方法及装置，该方法及装置可应用于毫米波雷达模型，具体的，先确定仿真场景中包括的全部目标物体；再从所述全部目标物体中筛选出位于所述毫米波雷达模型的检测范围内的目标物体；期间还可获取所述毫米波雷达模型的设置的杂波模型产生的杂波；最后，从所述位于所述毫米波雷达模型的检测范围内的目标物体以及所述杂波中确定出所述毫米波雷达模型检测到的目标物体。基于上述方法及装置，通过在仿真场景的全部目标物体及杂波模型产生的杂波中确定出最终的目标物体，使得毫米波雷达模型可以全面检测仿真场景中的目标物体，并且可以实现虚警，从而使得毫米波雷达模型生成的传感器数据与真实的毫米波雷达生成的传感器数据更贴近，提升了毫米波雷达模型的输出保真度。
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为本发明实施例公开的一种目标物体检测方法流程示意图；
图2为本发明公开的一种对目标物体的处理方法流程示意图；
图3为本发明公开的另一种对目标物体的处理方法流程示意图；
图4为本发明实施例公开的一种目标物体检测装置结构示意图。
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”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，这仅仅是描述本发明的实施例中对相同属性的对象在描述时所采用的区分方式。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。
本发明公开了一种目标物体检测方法及装置，该方法及装置可应用于毫米波雷达模型，具体的，先确定仿真场景中包括的全部目标物体；再从所述全部目标物体中筛选出位于所述毫米波雷达模型的检测范围内的目标物体；期间还可获取所述毫米波雷达模型的设置的杂波模型产生的杂波；最后，从所述位于所述毫米波雷达模型的检测范围内的目标物体以及所述杂波中确定出所述毫米波雷达模型检测到的目标物体。基于上述方法及装置，通过在仿真场景的全部目标物体及杂波模型产生的杂波中确定出最终的目标物体，使得毫米波雷达模型可以全面检测仿真场景中的目标物体，并且可以实现虚警，从而使得毫米波雷达模型生成的传感器数据与真实的毫米波雷达生成的传感器数据更贴近，提升了毫米波雷达模型的输出保真度。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
请参阅附图1，图1为本发明公开的一种目标物体检测方法流程示意图，该方法应用于毫米波雷达模型，该方法包括如下步骤：
S101：确定仿真场景中包括的全部目标物体。
仿真场景中包括的全部目标物体包括行人、车辆等交通物体及护栏、路牌、建筑等环境物体。
S102：从所述全部目标物体中筛选出位于所述毫米波雷达模型的检测范围内的目标物体。
实际行车过程中，毫米波雷达智能检测到位于其检测范围内的目标物体，为了更贴近实际的毫米波雷达，在本实施例中，通过设置毫米波雷达模型的参数使得毫米波雷达只能检测到仿真场景中的部分目标物体。
S103：获取所述毫米波雷达模型的设置的杂波模型产生的杂波。
在本发明实施例中，毫米波雷达模型设置的杂波模型是满足瑞利分布的杂波模型，设置该杂波模型的目的是为了产生虚警。
S104：从所述位于所述毫米波雷达模型的检测范围内的目标物体以及所述杂波中确定出所述毫米波雷达模型检测到的目标物体。
在确定出位于所述毫米波雷达模型的检测范围内的目标物体之后，还要考虑各个目标物体的具体情况，最终确定出毫米波雷达模型能否检测到。同样的，也要从所述杂波中确定出所述毫米波雷达模型检测到的目标物体。具体方式将通过后面的实施例详细说明。
本实施例公开了一种目标物体检测方法，该方法及装置可应用于毫米波雷达模型，具体的，先确定仿真场景中包括的全部目标物体；再从所述全部目标物体中筛选出位于所述毫米波雷达模型的检测范围内的目标物体；期间还可获取所述毫米波雷达模型的设置的杂波模型产生的杂波；最后，从所述位于所述毫米波雷达模型的检测范围内的目标物体以及所述杂波中确定出所述毫米波雷达模型检测到的目标物体。基于上述方法，通过在仿真场景的全部目标物体及杂波模型产生的杂波中确定出最终的目标物体，使得毫米波雷达模型可以全面检测仿真场景中的目标物体，并且可以实现虚警，从而使得毫米波雷达模型生成的传感器数据与真实的毫米波雷达生成的传感器数据更贴近，提升了毫米波雷达模型的输出保真度。
在上述本发明公开的实施例的基础上，本发明实施例还公开了一种从仿真场景中包括的全部目标物体中筛选出位于所述毫米波雷达模型的检测范围内的目标物体的方法，具体如下：
确定仿真场景中包括的全部目标物体中的任一目标物体作为当前目标物体，对当前目标物体进行处理，请参阅附图2，图2为本发明公开的一种对目标物体的处理方法流程示意图，该方法包括如下步骤：
S21：获取当前目标物体的基于地面坐标系的参数；
S22：将所述基于地面坐标系的参数进行坐标变换，生成基于传感器坐标系的参数；
需要说明的是，假设车辆坐标系的原点(即，本车后轴中心)的坐标为(x0， y0，z0)T，当前目标物体的一个参数基于地面坐标系的坐标为(xk0，yk0，zk0， 1)T，将该参数基于地面坐标系的坐标变换为基于车辆坐标系的坐标为(xk1， yk1，zk1，1)T，其中，
Figure BDA0002149357800000081
M1为从地面坐标系到车辆坐标系的变换矩阵，具体的，
Figure BDA0002149357800000082
其中，(alphax0,alphay0,alphaz0)T为(x0，y0，z0)T的旋转向量。
参照以上内容，可以进一步将该参数基于车辆坐标系的坐标(xk1，yk1， zk1，1)T变换为基于传感器坐标系的坐标(xk2，yk2，zk2，1)T，
其中，
Figure BDA0002149357800000083
M2为从车辆坐标系到传感器坐标系的变换矩阵，具体的，
Figure BDA0002149357800000091
其中，(alphax1，alphay1，alphaz1)T为(x1，y1，z1)T的旋转向量。
基于上述方式，可以求得仿真场景中所有目标物体的参数基于传感器坐标系的坐标。
S23：根据所述基于传感器坐标系的参数确定所述当前目标物体是否位于所述毫米波雷达模型的检测范围内。
具体的，可以基于传感器坐标系的最大距离参数、最小距离参数、最大速度参数、最小速度参数确定所述当前目标物体是否位于所述毫米波雷达模型的检测范围内。
在上述本发明公开的实施例的基础上，本发明实施例还公开了一种从所述位于所述毫米波雷达模型的检测范围内的目标物体中确定出所述毫米波雷达模型检测到的目标物体的方法，具体如下：
确定位于所述毫米波雷达模型的检测范围内的目标物体中的任一目标物体作为当前目标物体，对当前目标物体进行处理，请参阅附图3，图3为本发明公开的另一种对目标物体的处理方法流程示意图，该方法包括如下步骤：
S31：计算当前目标物体的RCS(Radar-Cross Section，雷达散射截面积)。
需要说明的是，所述计算当前目标物体的雷达散射面积RCS，包括：根据毫米波雷达模型设置的RCS波动模式计算当前目标物体的原始RCS；计算当前目标物体的被遮挡比例；根据所述被遮挡比例调整所述原始RCS，生成当前目标物体的RCS。
其中，所述计算当前目标物体的被遮挡比例，包括：确定当前目标物体的角度上界和角度下界；通过将当前目标物体的角度上界和角度下界分别与位于所述毫米波雷达模型的检测范围内的其他目标物体的角度上界和角度下界比较确定当前目标物体的被遮挡比例。
根据所述被遮挡比例调整所述原始RCS具体指的是根据所述被遮挡比例削减所述原始RCS。
S32：根据所述当前目标物体的RCS计算所述当前目标物体的回波功率。
需要说明的是，所述根据所述当前目标物体的RCS计算所述当前目标物体的回波功率，包括：
根据公式
Figure BDA0002149357800000101
计算所述当前目标物体的回波功率；
其中，Pr为所述当前目标物体的回波功率，Pt为所述毫米波雷达模型设置的雷达发射功率，Gt为所述毫米波雷达模型设置的雷达发射天线增益，Gr为所述毫米波雷达模型设置的雷达接收天线增益，L为所述毫米波雷达模型设置的雷达信号功率损失因数，RCS为所述当前目标物体的RCS，r为所述当前目标物体的径向距离。
S33：计算所述毫米波雷达模型对应的噪声功率。
需要说明的是，所述计算所述毫米波雷达模型对应的噪声功率包括：
根据公式N＝FRkBT0Bn计算所述毫米波雷达模型对应的噪声功率N，
其中，kB为玻尔兹曼常数，FR为噪声因数，T0为开尔文温度，Bn为噪声带宽。
S34：根据所述当前目标物体的回波功率以及所述噪声功率计算所述当前目标物体的信噪比。
需要说明的是，根据公式
Figure BDA0002149357800000102
计算当前目标物体的信噪比SNR，
其中，Pr为所述当前目标物体的回波功率，N为所述毫米波雷达模型对应的噪声功率。
S35：判断所述当前目标物体的信噪比是否大于预设信噪比阈值，如果大于，则执行S36；如果不大于则执行S37。
需要说明的是，可判断当前目标物体的信噪比SNR是否大于预设信噪比阈值SNRmin。
S36：确定所述当前目标物体为所述毫米波雷达模型检测到的目标物体。
S37：确定所述当前目标物体不是所述毫米波雷达模型检测到的目标物体。
在上述本发明公开的实施例的基础上，本发明实施例还公开了一种从所述杂波中确定出所述毫米波雷达模型检测到的目标物体的方法，包括：
计算所述杂波的信噪比；
需要说明的是，根据公式
Figure BDA0002149357800000111
计算杂波的信噪比SNR，
其中，Pr为所述杂波功率，N为所述毫米波雷达模型对应的噪声功率。
判断以及所述杂波的信噪比是否大于所述预设信噪比阈值。
如果大于，则确定所述杂波为所述毫米波雷达模型检测到的目标物体。
如果小于，则确定所述杂波不是所述毫米波雷达模型检测到的目标物体。
进一步地，在本发明实施例中，在从所述位于所述毫米波雷达模型的检测范围内的目标物体以及所述杂波中确定出所述毫米波雷达模型检测到的目标物体之后，还可对所述毫米波雷达模型检测到的目标物体进行聚类处理，具体包括：
获取毫米波雷达模型设置的距离分辨率参数、速度分辨率参数以及角度分辨率参数；
对所述毫米波雷达模型检测到的目标物体中的任意两个目标物体进行如下处理：判断所述两个目标物体的距离差是否小于等于所述距离分辨率参数；判断所述两个目标物体的速度差是否小于等于所述速度分辨率参数；判断所述两个目标物体的角度差是否小于等于所述角度分辨率参数；当所述两个目标物体的距离差小于等于所述距离分辨率参数、所述两个目标物体的速度差小于等于所述速度分辨率参数且所述两个目标物体的角度差小于等于所述角度分辨率参数时，确定所述两个目标物体为同一目标物体。
进一步地，在本发明实施例中，在从所述位于所述毫米波雷达模型的检测范围内的目标物体以及所述杂波中确定出所述毫米波雷达模型检测到的目标物体之后，还可对目标物体的参数进行波动处理，具体如下：
获取毫米波雷达模型设置的距离精度参数、速度精度参数以及角度精度参数；
对所述毫米波雷达模型检测到的目标物体中的任一目标物体进行如下处理：
对所述毫米波雷达模型检测到的当前目标物体的距离参数、速度参数、角度参数进行调整，使调整后的目标物体的距离参数、速度参数、角度参数满足统计学规律。
进一步地，在本发明实施例中，在从所述位于所述毫米波雷达模型的检测范围内的目标物体以及所述杂波中确定出所述毫米波雷达模型检测到的目标物体之后，还可获取本次检测之前的几次检测结果，并结合本次检测之前的几次检测结果对本次检测到的目标物体的连续性、是否位于本车道、相对于地面的运动状态进行判断。
进一步地，在本发明实施例中，在从所述位于所述毫米波雷达模型的检测范围内的目标物体以及所述杂波中确定出所述毫米波雷达模型检测到的目标物体之后，还可根据目标物体的回波功率及识别到的目标物体的尺寸，对目标物体的类型和对应的置信概率进行判断。
作为一种示例，对毫米波雷达模型的参数配置如表1所示，基于上述目标物体检测方法采用表1对应的毫米波雷达模型检测目标物体时，输入列表如表2所示，输出列表如表3所示，需要说明的是，在毫米波雷达模型检测目标物体时所用到的参数可从表1或表2中获得，检测结果在表3中记录。
表1
Figure BDA0002149357800000121
Figure BDA0002149357800000131
Figure BDA0002149357800000141
表2
Figure BDA0002149357800000142
Figure BDA0002149357800000151
表3
Figure BDA0002149357800000152
Figure BDA0002149357800000161
上述本发明公开的实施例中详细描述了方法，对于本发明的方法可采用多种形式的装置实现，因此本发明还公开了一种装置，下面给出具体的实施例进行详细说明。
请参阅附图4，图4为本发明实施例公开的一种目标物体检测装置的结构示意图，应用于毫米波雷达模型，所述装置包括：
第一确定单元21，用于确定仿真场景中包括的全部目标物体；
筛选单元22，用于从所述全部目标物体中筛选出位于所述毫米波雷达模型的检测范围内的目标物体；
获取单元23，用于获取所述毫米波雷达模型的设置的杂波模型产生的杂波；
第二确定单元24，用于从所述位于所述毫米波雷达模型的检测范围内的目标物体以及所述杂波中确定出所述毫米波雷达模型检测到的目标物体。
需要说明的是，上述各个单元的具体功能实现已在方法实施例部分详细说明，本实施例不再赘述。
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。
另外需说明的是，以上所描述的装置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。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本发明而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘，U盘、移动硬盘、只读存储器(ROM， Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
综上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照上述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对上述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种目标物体检测方法，其特征在于，应用于毫米波雷达模型，所述方法包括：
确定仿真场景中包括的全部目标物体；
从所述全部目标物体中筛选出位于所述毫米波雷达模型的检测范围内的目标物体；
获取所述毫米波雷达模型设置的杂波模型产生的杂波；
从所述位于所述毫米波雷达模型的检测范围内的目标物体以及所述杂波中确定出所述毫米波雷达模型检测到的目标物体；
其中，从所述位于所述毫米波雷达模型的检测范围内的目标物体中确定出所述毫米波雷达模型检测到的目标物体，包括：
对位于所述毫米波雷达模型的检测范围内的目标物体中的任一目标物体均进行如下处理：
计算当前目标物体的雷达散射面积RCS；
根据所述当前目标物体的RCS计算所述当前目标物体的回波功率；
计算所述毫米波雷达模型对应的噪声功率；
根据所述当前目标物体的回波功率以及所述噪声功率计算所述当前目标物体的信噪比；
判断所述当前目标物体的信噪比是否大于预设信噪比阈值；
如果大于，则确定所述当前目标物体为所述毫米波雷达模型检测到的目标物体。
2.根据权利要求1所述的方法，其特征在于，所述从所述全部目标物体中筛选出位于所述毫米波雷达模型的检测范围内的目标物体，包括：
对所述全部目标物体中的任一目标物体均进行如下处理：
获取当前目标物体的基于地面坐标系的参数；
将所述基于地面坐标系的参数进行坐标变换，生成基于传感器坐标系的参数；
根据所述基于传感器坐标系的参数确定所述当前目标物体是否位于所述毫米波雷达模型的检测范围内。
3.根据权利要求1所述的方法，其特征在于，所述计算当前目标物体的雷达散射面积RCS，包括：
根据毫米波雷达模型设置的RCS波动模式计算当前目标物体的原始RCS；
计算当前目标物体的被遮挡比例；
根据所述被遮挡比例调整所述原始RCS，生成当前目标物体的RCS。
4.根据权利要求3所述的方法，其特征在于，所述计算当前目标物体的被遮挡比例，包括：
确定当前目标物体的角度上界和角度下界；
通过将当前目标物体的角度上界和角度下界分别与位于所述毫米波雷达模型的检测范围内的其他目标物体的角度上界和角度下界比较确定当前目标物体的被遮挡比例。
5.根据权利要求1所述的方法，其特征在于，所述根据所述当前目标物体的RCS计算所述当前目标物体的回波功率，包括：
根据公式
Figure FDA0003110053480000021
计算所述当前目标物体的回波功率；
其中，Pr为所述当前目标物体的回波功率，Pt为所述毫米波雷达模型设置的雷达发射功率，Gt为所述毫米波雷达模型设置的雷达发射天线增益，Gr为所述毫米波雷达模型设置的雷达接收天线增益，L为所述毫米波雷达模型设置的雷达信号功率损失因数，RCS为所述当前目标物体的RCS，r为所述当前目标物体的径向距离。
6.根据权利要求1所述的方法，其特征在于，所述从所述杂波中确定出所述毫米波雷达模型检测到的目标物体，包括：
计算所述杂波的信噪比；
判断以及所述杂波的信噪比是否大于所述预设信噪比阈值；
如果大于，则确定所述杂波为所述毫米波雷达模型检测到的目标物体。
7.根据权利要求1所述的方法，其特征在于，在从所述位于所述毫米波雷达模型的检测范围内的目标物体以及所述杂波中确定出所述毫米波雷达模型检测到的目标物体之后，所述方法还包括：
获取毫米波雷达模型设置的距离分辨率参数、速度分辨率参数以及角度分辨率参数；
对所述毫米波雷达模型检测到的目标物体中的任意两个目标物体进行如下处理：
判断所述两个目标物体的距离差是否小于等于所述距离分辨率参数；
判断所述两个目标物体的速度差是否小于等于所述速度分辨率参数；
判断所述两个目标物体的角度差是否小于等于所述角度分辨率参数；
当所述两个目标物体的距离差小于等于所述距离分辨率参数、所述两个目标物体的速度差小于等于所述速度分辨率参数且所述两个目标物体的角度差小于等于所述角度分辨率参数时，确定所述两个目标物体为同一目标物体。
8.根据权利要求1所述的方法，其特征在于，在从所述位于所述毫米波雷达模型的检测范围内的目标物体以及所述杂波中确定出所述毫米波雷达模型检测到的目标物体之后，所述方法还包括：
获取毫米波雷达模型设置的距离精度参数、速度精度参数以及角度精度参数；
对所述毫米波雷达模型检测到的目标物体中的任一目标物体进行如下处理：
对所述毫米波雷达模型检测到的当前目标物体的距离参数、速度参数、角度参数进行调整，使调整后的目标物体的距离参数、速度参数、角度参数满足统计学规律。
9.一种目标物体检测装置，其特征在于，应用于毫米波雷达模型，所述装置包括：
第一确定单元，用于确定仿真场景中包括的全部目标物体；
筛选单元，用于从所述全部目标物体中筛选出位于所述毫米波雷达模型的检测范围内的目标物体；
获取单元，用于获取所述毫米波雷达模型设置的杂波模型产生的杂波；
第二确定单元，用于从所述位于所述毫米波雷达模型的检测范围内的目标物体以及所述杂波中确定出所述毫米波雷达模型检测到的目标物体；
其中，所述第二确定单元从所述位于所述毫米波雷达模型的检测范围内的目标物体中确定出所述毫米波雷达模型检测到的目标物体，包括：
对位于所述毫米波雷达模型的检测范围内的目标物体中的任一目标物体均进行如下处理：
计算当前目标物体的雷达散射面积RCS；
根据所述当前目标物体的RCS计算所述当前目标物体的回波功率；
计算所述毫米波雷达模型对应的噪声功率；
根据所述当前目标物体的回波功率以及所述噪声功率计算所述当前目标物体的信噪比；
判断所述当前目标物体的信噪比是否大于预设信噪比阈值；
如果大于，则确定所述当前目标物体为所述毫米波雷达模型检测到的目标物体。
CN201910695889.2A 2019-07-30 2019-07-30 目标物体检测方法及装置 Active CN110412378B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910695889.2A CN110412378B (zh) 2019-07-30 2019-07-30 目标物体检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910695889.2A CN110412378B (zh) 2019-07-30 2019-07-30 目标物体检测方法及装置

Publications (2)

Publication Number Publication Date
CN110412378A CN110412378A (zh) 2019-11-05
CN110412378B true CN110412378B (zh) 2021-08-24

Family

ID=68364315

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910695889.2A Active CN110412378B (zh) 2019-07-30 2019-07-30 目标物体检测方法及装置

Country Status (1)

Country Link
CN (1) CN110412378B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113050081A (zh) * 2019-12-11 2021-06-29 华为技术有限公司 遮挡物的检测方法和装置、雷达、车辆、存储介质
CN111308463B (zh) * 2020-01-20 2022-06-07 京东方科技集团股份有限公司 人体检测方法、装置、终端设备、存储介质及电子设备
CN111458095B (zh) * 2020-04-15 2023-01-17 京东方科技集团股份有限公司 跌落的测试装置及其方法
TWI769602B (zh) * 2020-11-30 2022-07-01 群邁通訊股份有限公司 利用毫米波雷達的人體姿態識別方法及電腦可讀存儲介質
CN113155127A (zh) * 2021-03-23 2021-07-23 上海迹寻科技有限公司 空间杂波信号的采集方法及装置
CN113504520B (zh) * 2021-06-01 2022-06-07 襄阳达安汽车检测中心有限公司 毫米波雷达目标模拟方法、装置、设备及可读存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7782250B2 (en) * 2008-06-13 2010-08-24 Honeywell International Inc. Millimeter wave radar target simulation systems and methods
CN102288949A (zh) * 2011-05-13 2011-12-21 中国民航大学 基于最优处理器的机动目标检测方法
CN202817605U (zh) * 2012-10-16 2013-03-20 山东电力集团公司电力科学研究院 一种基于毫米波雷达的无人机巡检线路走廊装置
CN104614713A (zh) * 2015-02-03 2015-05-13 北京航空航天大学 一种适合于艇载雷达系统的雷达回波信号模拟器
CN106154238A (zh) * 2016-08-19 2016-11-23 上海无线电设备研究所 一种汽车防撞雷达回波模拟测试系统和测试方法
CN107003398A (zh) * 2015-10-22 2017-08-01 尤尼克塞克有限公司 针对机动车安全雷达系统的使用虚拟雷达特征信号的测试方法
CN206740968U (zh) * 2017-02-17 2017-12-12 北京经纬恒润科技有限公司 一种超声波倒车雷达回波模拟装置
CN107831479A (zh) * 2017-12-01 2018-03-23 北京润科通用技术有限公司 一种回波模拟方法及系统
CN108008366A (zh) * 2017-12-01 2018-05-08 北京润科通用技术有限公司 一种雷达目标回波模拟方法及系统
CN108107413A (zh) * 2018-01-09 2018-06-01 中国空空导弹研究院 一种雷达目标模拟器校准系统
EP3364212A1 (en) * 2017-02-15 2018-08-22 Deutsches Zentrum für Luft- und Raumfahrt e.V. A method and an apparatus for computer-assisted processing of sar raw data
CN109212499A (zh) * 2017-07-07 2019-01-15 英飞凌科技股份有限公司 使用雷达传感器识别目标的系统和方法
CN109871659A (zh) * 2019-03-26 2019-06-11 北京经纬恒润科技有限公司 一种超声波雷达的仿真方法及系统
CN110031813A (zh) * 2019-05-21 2019-07-19 吉林大学 用于多目标动态模拟的车载毫米波雷达测试系统

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7782250B2 (en) * 2008-06-13 2010-08-24 Honeywell International Inc. Millimeter wave radar target simulation systems and methods
CN102288949A (zh) * 2011-05-13 2011-12-21 中国民航大学 基于最优处理器的机动目标检测方法
CN202817605U (zh) * 2012-10-16 2013-03-20 山东电力集团公司电力科学研究院 一种基于毫米波雷达的无人机巡检线路走廊装置
CN104614713A (zh) * 2015-02-03 2015-05-13 北京航空航天大学 一种适合于艇载雷达系统的雷达回波信号模拟器
CN107003398A (zh) * 2015-10-22 2017-08-01 尤尼克塞克有限公司 针对机动车安全雷达系统的使用虚拟雷达特征信号的测试方法
CN106154238A (zh) * 2016-08-19 2016-11-23 上海无线电设备研究所 一种汽车防撞雷达回波模拟测试系统和测试方法
EP3364212A1 (en) * 2017-02-15 2018-08-22 Deutsches Zentrum für Luft- und Raumfahrt e.V. A method and an apparatus for computer-assisted processing of sar raw data
CN206740968U (zh) * 2017-02-17 2017-12-12 北京经纬恒润科技有限公司 一种超声波倒车雷达回波模拟装置
CN109212499A (zh) * 2017-07-07 2019-01-15 英飞凌科技股份有限公司 使用雷达传感器识别目标的系统和方法
CN108008366A (zh) * 2017-12-01 2018-05-08 北京润科通用技术有限公司 一种雷达目标回波模拟方法及系统
CN107831479A (zh) * 2017-12-01 2018-03-23 北京润科通用技术有限公司 一种回波模拟方法及系统
CN108107413A (zh) * 2018-01-09 2018-06-01 中国空空导弹研究院 一种雷达目标模拟器校准系统
CN109871659A (zh) * 2019-03-26 2019-06-11 北京经纬恒润科技有限公司 一种超声波雷达的仿真方法及系统
CN110031813A (zh) * 2019-05-21 2019-07-19 吉林大学 用于多目标动态模拟的车载毫米波雷达测试系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
机场跑道异物监测雷达回波建模;吴静 等;《太赫兹科学与电子信息学报》;20131231;第11卷(第6期);第917-921段 *

Also Published As

Publication number Publication date
CN110412378A (zh) 2019-11-05

Similar Documents

Publication Publication Date Title
CN110412378B (zh) 目标物体检测方法及装置
CN104977584B (zh) 一种对流天气的临近预报方法及系统
CN111027401A (zh) 一种摄像头和激光雷达融合的端到端目标检测方法
CA3115188C (en) Apparatus and method for providing application service using satellite image
US10275707B2 (en) Systems and methods for training multipath filtering systems
CN110632582B (zh) 声源定位方法、装置及存储介质
CN107300703B (zh) 一种雷达数据的组网处理系统
EP2992355A1 (en) Scalable real-time location detection based on overlapping neural networks
CN112634340A (zh) 基于点云数据确定bim模型的方法、装置、设备和介质
CN111932451B (zh) 重定位效果的评价方法、装置、电子设备和存储介质
CN112462758B (zh) 一种建图方法、装置、计算机可读存储介质及机器人
CN111784730B (zh) 一种对象跟踪方法、装置、电子设备及存储介质
CN114170303A (zh) 雷达和摄像头的联合标定方法、装置、系统、设备及介质
CN114295139A (zh) 一种协同感知定位方法及系统
CN115616937A (zh) 自动驾驶仿真测试方法、装置、设备和计算机可读介质
WO2020202259A1 (ja) 合成開口レーダの画像処理装置及び画像処理方法
CN113970734A (zh) 路侧多线激光雷达降雪噪点去除方法、装置及设备
CN112462759B (zh) 规控算法的评估方法、系统及计算机存储介质
CN113849969A (zh) 毫米波雷达仿真方法、装置及电子设备
US10698104B1 (en) Apparatus, system and method for highlighting activity-induced change in multi-pass synthetic aperture radar imagery
Woollard et al. Investigating the effects of bistatic SAR phenomenology on feature extraction
CN111045010B (zh) 一种基于船载雷达的环境重建方法及装置
CN109358323B (zh) 一种地质雷达数据解释方法、装置，电子设备及存储介质
CN110132966B (zh) 一种土壤污染源空间位置风险评价方法及系统
CN110308428B (zh) 一种建立低空杂波分布仿真模型的方法

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 4 / F, building 1, No.14 Jiuxianqiao Road, Chaoyang District, Beijing 100020

Applicant after: Beijing Jingwei Hengrun Technology Co., Ltd

Address before: 8 / F, block B, No. 11, Anxiang Beili, Chaoyang District, Beijing 100101

Applicant before: Beijing Jingwei HiRain Technologies Co.,Ltd.

GR01 Patent grant
GR01 Patent grant