CN110488273B - 一种基于雷达的车辆跟踪检测方法及装置 - Google Patents

一种基于雷达的车辆跟踪检测方法及装置 Download PDF

Info

Publication number
CN110488273B
CN110488273B CN201910817370.7A CN201910817370A CN110488273B CN 110488273 B CN110488273 B CN 110488273B CN 201910817370 A CN201910817370 A CN 201910817370A CN 110488273 B CN110488273 B CN 110488273B
Authority
CN
China
Prior art keywords
target
shaped
points
radar
point
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
CN201910817370.7A
Other languages
English (en)
Other versions
CN110488273A (zh
Inventor
车驰
张伟
杨洁
王平
王雨
谭梦瑶
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.)
Chengdu Nalei Technology Co ltd
Original Assignee
Chengdu Nalei Technology 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 Chengdu Nalei Technology Co ltd filed Critical Chengdu Nalei Technology Co ltd
Priority to CN201910817370.7A priority Critical patent/CN110488273B/zh
Publication of CN110488273A publication Critical patent/CN110488273A/zh
Application granted granted Critical
Publication of CN110488273B publication Critical patent/CN110488273B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S13/00Systems 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
    • G01S13/66Radar-tracking systems; Analogous systems
    • G01S13/72Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data

Landscapes

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

Abstract

本发明公开一种基于雷达的车辆跟踪检测方法及装置,该方法步骤包括:S1.雷达每次进行测量时,从返回的目标检测点云中选取对应同一车辆目标的目标点群;S2.从目标点群中按照车辆的外形分布构造出目的形状的边线;S3.提取构建的目的形状的边线周围指定范围内的量测点作为边线点,融合提取的所有边线点得到最终的目标位置信息;S4.根据得到的最终的目标位置信息进行目标跟踪滤波。本发明具有实现方法简单、目标跟踪精度高以及高效等优点。

Description

一种基于雷达的车辆跟踪检测方法及装置
技术领域
本发明涉及雷达目标跟踪技术领域,尤其涉及一种基于雷达的车辆跟踪检测方法及装置。
背景技术
如77GHZ类雷达硬件体系当前已广泛应用于汽车避障、安防领域等各类热点应用中。由于77GHz雷达有着更宽的工作带宽,因此该类雷达拥有着更高的距离分辨力,也正是由于这一原因,该类雷达进行目标跟踪时会存在以下问题:由于雷达分辨力的提升,一个目标在单次检测中往往占据着多个距离单元,即单个检测目标会被返回多个量测值,此时被检测的目标便不能像传统雷达一样认作成点目标,此种条件下目标跟踪则被称作是扩展目标跟踪。
传统的跟踪方法处理上述类雷达目标跟踪问题时,通常都是直接将获得的一个目标返回的所有量测值取平均,融合出一个最终平均值代表要跟踪目标的量测信息。但是现实环境中存在各种噪声,每一个返回的量测值中都会夹杂噪声,即量测值与真实值之间会存在偏差,这种偏差取决于噪声影响的大小,其中若检测目标时噪声比较大,则量测值与真实值之间的偏差也相应的较大,在噪声比较小的时候,相应的量测值与真实值之间的偏差较小,而噪声波动存在随机性,即多个量测值中每个量测值与真实值得偏差是无法确定的,上述传统跟踪方法直接将所有量测值进行求平均处理,不考虑每一个量测值被噪声影响的不同程度,因而将所有量测值求平均所获取的最终量测值与目标的真实值之间会存在较大误差,实际目标跟踪精度并不高。
发明内容
本发明要解决的技术问题就在于:针对现有技术存在的技术问题,本发明提供一种能够利用车辆表面分布特性实现车辆跟踪,且实现方法简单、目标跟踪精度高及高效的基于雷达的车辆跟踪检测方法及装置。
为解决上述技术问题,本发明提出的技术方案为:
一种基于雷达的车辆跟踪检测方法,步骤包括:
S1.雷达每次进行测量时,从返回的目标检测点云中选取对应同一车辆目标的目标点群;
S2.从所述目标点群中按照车辆的外形分布构造出目的形状的边线;
S3.提取所述步骤S2构建的目的形状的边线周围指定范围内的量测点作为边线点,融合提取的所有边线点得到最终的目标位置信息;
S4.根据所述步骤S3得到的最终的目标位置信息进行目标跟踪滤波。
进一步的,所述步骤S2中,具体从所述目标点群中构造出L形边线,若不能构造出所述L形边线,则构造I形边线。
进一步的,所述构造出L形边线的具体步骤包括:
S21.在所述目标检测点云中查找具有最大、最小角度的量测点并作为所述L形边线的两个起始端点;
S22.连接所述步骤S21得到的两个起始端点,得到起始的基准线;
S23.分别计算出每个量测点到所述基准线的距离,将其中距离所述基准线最远的量测点作为分隔端点;
S24.分别由两个所述起始端点以及所述分隔端点连接构成的两条直线得到L形边线的两条边,完成L形边线的构造。
进一步的,所述构造I形边线的具体步骤为:从所述目标检测点云中查找具有最大、最小角度的量测值作为I形边线的端点,直接连接所述目标检测点云中所述具有最大、最小角度的量测点,完成I形边线的构造。
进一步的,若所述步骤S2中构造出所述L形边线,所述步骤S3中提取所述边线点的具体步骤包括:
S311.在构造得到所述L形边线后,根据所述L形边线中三个端点的坐标按照下式求出其中两条直线边的斜截式:
y=k1·x+b1
y=k2·x+b2
式中:
Figure BDA0002186689690000021
Figure BDA0002186689690000022
其中,x1,y1;x2,y2;x3,y3分别为所述L形边线的三个端点的坐标,k1、k2分别为所述L形边线中两条直线边的斜率,b1、b2分别为所述L形边线中两条直线边的截距;
S312.分别计算每个量测点到所述步骤S311求出的两条直线之间的距离D,提取对应的所述距离D的值小于预设阈值Dth的量测点作为所述边线点。
进一步的,若所述步骤S2中构造出所述I形边线,所述步骤S3中提取所述边线点的具体步骤包括:
S321.在构造得到所述I形边线后,根据所述I形边线的两个端点的坐标求出该I形直线边的斜截式为:
y=ka·x+ba
式中:
Figure BDA0002186689690000031
其中,xa,ya;xb,yb;分别为所述I形直线边两个端点的坐标,ka、kb分别为所述I形直线边的斜率,ba、bb分别为所述I形直线边的截距;
S322.计算每个量测点到所述I形直线边的距离D,取对应的所述距离D的值小于预设阈值Dth的量测点作为所述边线点。
进一步的,所述步骤S3中融合提取得到所有边线点具体为:将提取的所有边线点进行加权平均或进行信噪比加权,得到最终的目标位置信息。
进一步的,所述步骤S1中选取目标点群的具体步骤包括:如果角度相差Δθ的两个目标点之间距离在门限Dth内,则选取该两个量测点作为对应同一车辆目标的目标点群,所述门限Dth的计算表达式为:
Figure BDA0002186689690000032
其中,ri,ri+1分别为两个量测值到雷达之间的距离,Δθ为两个目标点的角度差,λ为衡量两个量测目标点是否属于的一个目标点群的角度门限,σr为测距误差。
一种基于雷达的车辆跟踪检测装置,包括:
目标点群选取模块,用于雷达每次进行测量时,从返回的目标检测点云中选取对应目的车辆目标的目标点群;
特征选取模块,用于从所述目标点群中按照车辆的外形分布构造出目的形状的边线;
目标位置信息提取模块,用于提取所述特征选取模块构建的目的形状的边线周围指定范围内的量测点作为边线点,融合提取的所有边线点得到最终的目标位置信息;
跟踪滤波模块,用于根据所述目标位置信息提取模块得到的最终的目标位置信息进行目标跟踪滤波。
一种存储有计算机程序的计算机可读存储介质,所述计算机程序执行时实现如上述基于雷达的车辆跟踪检测方法。
与现有技术相比,本发明的优点在于:
1、本发明从被跟踪目标(车辆)的目标特性出发,利用雷达跟踪车辆时偏差小的目标点群分布与车辆外形特征一致的特性,通过在同一检测目标杂乱的点云中构造出符合车辆外形分布的边线,特征选取时求取构造出的目的形状边线附近的量测点作为边线点进行融合,使得能够获取到偏差较小的所有量测点,而舍弃距离目的形状线较远的点以去除检测误差较大的量测点,可以有效降低受噪声影响大的观测值对最终目标位置信息的影响,大大降低最终目标位置信息与目标真实值之间的偏差,从而提高车辆的跟踪精度。
2、本发明进一步利用雷达检测车辆且为双侧面时车辆表面符合L形特征、单侧面时则符合I形特征的特性,通过在从雷达返回的点云中选取出目标点群后构造出一个L形边线,若无法构造出L形,则直接构造更为简单的I形,由构造的L形或I形边线可以确定各量测点的偏差程度,分布在L形或I边线周围为偏差较小的量测点,离L形或I分布较远的量测点则偏差较大,可以利用雷达检测车辆时车辆的特性来确定不同量测点的偏差程度,从而尽可能获取偏差较小的量测点进行融合,降低受噪声影响大的观测值对确定最终目标位置信息的影响。
附图说明
图1是具体实施例中得到的雷达目标检测点云的示意图。
图2是本实施例基于雷达的车辆目标跟踪检测方法的实现流程示意图。
图3是本实施例中选取目标点群的原理示意图。
图4是本发明在具体应用实施例中构造出的L形示意图。
图5是本实施例中构造L形边线的原理示意图。
图6是本发明具体应用实施例中基于雷达实现车辆跟踪检测的详细流程示意图。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述,但并不因此而限制本发明的保护范围。
雷达检测目标的原理是通过发射电磁波打到被跟踪物体上,电磁波返回后,通过信号处理解析出目标的方位信息,而在雷达发射电磁波频率范围里,电磁波并不能穿透物体,所以电磁波实际是打到了物体的表面上,因此实际上通过信号处理解析出目标的方位信息也即是由目标表面特性呈现出来的方位信息分布,即如果假设雷达在观测目标时,没有一点噪声的干扰,那么目标点呈现的分布规律一定符合目标的外形规律。车辆作为箱型检测目标,如雷达从侧面照射汽车车辆时,被跟踪目标表面的特性便是一个L形,但是由于实际环境噪声的影响,每一个量测值都与真实值之间存在偏差,雷达获得的实际检测值是一个杂乱的点云形状而不是L形,如图1所示。且由于噪声的影响是随机的,观测值的偏差有大有小,雷达对汽车车辆检测得到的观测值中,观测值偏差小的分布在L形周围,观测值偏差大的则离L形分布更远一些。
本实施例利用上述特性实现基于雷达的车辆目标跟踪检测,如图2所示,具体步骤包括:
S1.目标点群选取:雷达每次进行测量时,从返回的目标检测点云中选取对应同一车辆目标的目标点群;
S2.特征选取:从目标点群中按照车辆的外形分布构造出目的形状的边线;
S3.目标位置信息提取:提取步骤S2构建的目的形状的边线周围指定范围内的量测点作为边线点,融合提取的所有边线点得到最终的目标位置信息;
S4.跟踪滤波:根据步骤S3得到的最终的目标位置信息进行目标跟踪滤波。
本实施例从被跟踪目标(车辆)的目标特性出发,利用上述雷达跟踪车辆时偏差小的目标点群分布与车辆外形特征一致的特性,通过在同一检测目标杂乱的点云中构造出符合车辆外形分布的边线,特征选取时求取构造出的目的形状线附近的量测点作为边线点,使得能够获取到偏差较小的所有量测点进行融合,而舍弃距离目的形状线较远的点以去除检测误差较大的量测点,可以有效降低受噪声影响大的观测值对最终融合值的影响,大大降低最终目标位置信息与目标真实值之间的偏差,从而提高车辆的跟踪精度。
本实施例步骤S1中选取目标点群的具体步骤包括:如果角度相差Δθ的两个目标点之间距离在门限Dth内,则选取该两个量测点作为对应同一车辆目标的目标点群,上述门限Dth的计算表达式为:
Figure BDA0002186689690000051
其中,ri,ri+1分别为两个量测值到雷达之间的距离,Δθ为两个目标点的角度差,λ为衡量两个量测目标点是否属于的一个目标点群的角度门限,σr为测距误差。
在雷达的每次测量中,会返回很多目标的量测点云和杂波。本实施例在提取特征之前,先得到一个用于提取特征的目标点群,如图3所示,提取规则即是如果角度相差Δθ的两个目标点之间距离在如上式(1)所示的门限Dth内,则认为两个量测点属于同一个的目标点群。通过对同一目标的目标点群的选取,可以减少不同目标点和杂波的影响。
本实施例步骤S2中,具体从目标点群中构造出L形边线,若不能构造出L形边线,则构造I形边线。如上述,雷达从侧面照射汽车车辆时,被跟踪目标表面的特性便是一个L形,在从雷达返回的点云中选取出目标点群后构造出一个L形,在具体应用实施例中从点云出构造出L形如图4所示,其中观测值偏差较小的量测点会分布在L形周围,观测值偏差较大的点则离L形分布较远;由于雷达发射的电磁波可能打到汽车的单个侧面,也可能是两个侧面,而在单个侧面时便无法构造L形,本实施例在通过点云无法构造L形边线时则构造I形边线。通过从杂乱的点云中构造出L形或I形边线,可以利用车辆目标的分布特性来确定不同量测点的偏差程度,从而可疑尽可能获取偏差较小的量测点进行融合,降低受噪声影响大的观测值对确定最终目标位置信息的影响。
本实施例中,构造出L形边线的具体步骤包括:
S21.在目标检测点云中查找具有最大、最小角度的量测点并作为L形边线的两个起始端点;
S22.连接步骤S21得到的两个起始端点,得到起始的基准线;
S23.分别计算出每个量测点到基准线的距离,将其中距离基准线最远的量测点作为分隔端点;
S24.分别由两个起始端点以及分隔端点连接构成的两条直线得到L形边线的两条边,完成L形边线的构造。
如图5所示,上述构造L形边线时,先找到两个起始的端点:在检测点云中,将拥有最大和最小角度的量测值即作为起始的两个端点,如图5(a)所示,即为由虚线圆圈包裹的两个实心黑点;在得到两个起始的端点后连接二者,便可得到起始的基准线;在此之后,如图5(b)所示,分别计算出每个量测点到基准线的距离,将距离基准线最远的那个点作为分隔端点,即为图5(b)中实线圆圈包裹的黑点;最后,基准线被分成了两条直线,如图5(c)所示,L形边线构造完成。
若无法构造出L形边线时,本实施例中构造I形边线的具体步骤为:从目标检测点云中查找具有最大、最小角度的量测值作为I形的端点,直接连接目标检测点云中具有最大、最小角度的量测值,即直接连接检测点云中最大和最小角度的量测值作为I形边线的端点,完成I形边线的构造。
本实施例中,若步骤S2中构造出L形边线,步骤S3中提取边线点的具体步骤包括:
S311.在构造得到L形边线后,根据L形边线中三个端点的坐标按照下式求出其中两条直线边的斜截式:
y=k1·x+b1 (2)
y=k2·x+b2 (3)
式中:
Figure BDA0002186689690000071
Figure BDA0002186689690000072
其中,(x1,y1),(x2,y2),(x3,y3)分别为L形边线中从左到右三个端点的坐标,且可通过量测获得,属于已知量;k1、k2分别为L形边线中两条直线边的斜率,b1、b2分别为L形边线中两条直线边的截距;
S312.分别计算每个量测点到步骤S311求出的两条直线之间的距离D,提取对应的距离D的值小于预设阈值Dth的量测点作为边线点,即提取满足:
D<Dth (6)的量测点作为边线点。
本实施例在构造出L形边线得到了L形的两条边线后,可通过三个端点(x1,y1),(x2,y2),(x3,y3)的直角坐标求出两条直线的斜截式表达式,在得到了直线的方程后,通过计算点到直线的距离D求取出两条直线附近的点,使得特征提取时仅提取L形附近的点而舍弃离L形较远的点,从而提高最终目标位置信息确定的精度。
本实施例中,若步骤S2中构造出I形边线,步骤S3中提取边线点的具体步骤包括:
S321.在构造得到所述I形边线后,根据I形边线的两个端点的坐标求出I形直线的斜截式为:
y=ka·x+ba (7)
式中:
Figure BDA0002186689690000073
其中,(xa,ya),(xb,yb)分别为I形直线边两个端点的坐标,ka、kb分别为I形直线边的斜率,b1、b2分别为I形直线边的截距;
S322.计算每个量测点到I形直线边的距离D,取对应的距离D的值小于预设阈值Dth的量测点作为边线点。
本实施例具体若从点云中无法构造出L形而构造出I形时,由I形边线的两个端点(xa,ya),(xb,yb)求出I形直线边的斜截式,在得到了直线的方程后,通过计算点到直线的距离D,提取满足D<Dth的点作为I形边线上点。
本实施例中,步骤S3中融合所有边线点时,具体将提取的所有边线点进行加权平均得到最终的目标位置信息,具体表达式为:
Figure BDA0002186689690000081
其中,(xfinal,yfinal)为最终的目标位置坐标,n为L形或I形所提取的量测点的个数,(xi,yi)为提取的第i个量测点的坐标,i=1,2,……,n。
可以理解的是,还可以采用其他方法融合所有量测点,如采用信噪比加权的方式,具体步骤为:在获得了所有提取的量测点(边线点)后,假设获得的第i目标点位置信息为(xi,yi),i=1,2,...,n,n为边线目标的数目,对应的信噪比为SNRi,按下式计算出最终的目标位置坐标:
Figure BDA0002186689690000082
式中,
Figure BDA0002186689690000083
以下以在具体应用实施例中基于雷达实现对车辆目标进行跟踪检测为例对本发明进行进一步说明,如图6所示,详细步骤为:
步骤1:目标点群选取
获取雷达的检测信息,在提取特征之前,先确定一个对应被跟踪目标的用于提取特征的目标点群,提取规则为:如果角度相差Δθ的两个目标点之间距离在如式(1)所示的门限Dth内,则认为两个量测点属于同一个的目标点群。在得到了目标点群之后便可以进行特征提取了。
步骤2:(L形或I形)特征提取
步骤2.1:构造L形边线
先找到两个起始的端点:在检测点云中,将拥有最大和最小角度的量测值作为起始的端点,在得到了起始的端点后连接二者,得到起始的基准线;分别计算出每个量测点到直线的距离,距离直线最远的那个点作为分隔端点,之后基准线就被分成了两条直线,L形边构造完成。
步骤2.2:判断是否成功构造L形边线,如果能够成功构造,转入执行步骤3.1,如果不能构造,转入执行步骤2.3。
步骤2.3:构造I形边线
直接连接检测点云中最大和最小角度的量测值作为I形的端点,I形边线构造完毕,转入步骤3.2。
步骤3:基于构造的L形边线提取边线点,计算所有边线点的融合值得到最终目标位置信息。
步骤3.1:L形构造成功时目标位置信息
在构造得到了L形的两条边线后,通过三个端点的直角坐标按式(2)~(5)求出两条直线的斜截式表达式,在得到了直线的方程后,通过计算点到直线的距离D,提取满足D<Dth的量测点将作为边线点。
在提取得到所有的边线点后,按式(9)计算加权平均或按式(10)计算信噪比加权的融合值得到最终的目标坐标。
步骤3.2:基于构造的I形边线提取边线点,计算所有边线点的融合值得到最终目标位置信息。
根据构造的I形边线的两个端点坐标求出I形直线的方程式,在得到了直线的方程后,通过计算点到直线的距离D,提取满足D<Dth的点将作为I形边线上点;在提取出所有的边线点后,按式(9)计算加权平均或按式(10)计算信噪比加权的融合值得到最终的目标坐标。
步骤4:将提取的所有边线点的融合值作为此次检测的目标最终位置信息进行跟踪滤波。
本实施例进一步包括基于雷达的车辆跟踪检测装置,该装置包括:
目标点群选取模块,用于雷达每次进行测量时,从返回的目标检测点云中选取对应目的车辆目标的目标点群;
特征选取模块,用于从所述目标点群中按照车辆的外形分布构造出目的形状的线;
目标位置信息提取模块,用于提取所述特征选取模块构建的目的形状的线周围指定范围内的量测点,根据提取的量测点得到最终的目标位置信息;
跟踪滤波模块,用于根据所述目标位置信息提取模块得到的最终的目标位置信息进行目标跟踪滤波。
本实施例基于雷达的车辆跟踪检测装置与上述基于雷达的车辆跟踪检测方法一一对应,在此不再一一赘述。
本实施例还包括存储有计算机程序的计算机可读存储介质,计算机程序执行时实现如上述基于雷达的车辆跟踪检测方法。
上述只是本发明的较佳实施例,并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明。因此,凡是未脱离本发明技术方案的内容,依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均应落在本发明技术方案保护的范围内。

Claims (10)

1.一种基于雷达的车辆跟踪检测方法,其特征在于,步骤包括:
S1.雷达每次进行测量时,从返回的目标检测点云中选取对应同一车辆目标的目标点群;
S2.从所述目标点群中按照车辆的外形分布构造出目的形状的边线;
S3.提取所述步骤S2构建的目的形状的边线周围指定范围内的量测点作为边线点,融合提取的所有边线点得到最终的目标位置信息;
S4.根据所述步骤S3得到的最终的目标位置信息进行目标跟踪滤波。
2.根据权利要求1所述的基于雷达的车辆跟踪检测方法,其特征在于,所述步骤S2中,具体从所述目标点群中构造出L形边线,若不能构造出所述L形边线,则构造I形边线。
3.根据权利要求2所述的基于雷达的车辆跟踪检测方法,其特征在于,所述构造出L形边线的具体步骤包括:
S21.在所述目标检测点云中查找具有最大、最小角度的量测点并作为所述L形边线的两个起始端点;
S22.连接所述步骤S21得到的两个起始端点,得到起始的基准线;
S23.分别计算出每个量测点到所述基准线的距离,将其中距离所述基准线最远的量测点作为分隔端点;
S24.分别由两个所述起始端点以及所述分隔端点连接构成的两条直线得到L形边线的两条边,完成L形边线的构造。
4.根据权利要求2所述的基于雷达的车辆跟踪检测方法,其特征在于,所述构造I形边线的具体步骤为:从所述目标检测点云中查找具有最大、最小角度的量测值作为I形边线的端点,直接连接所述目标检测点云中所述具有最大、最小角度的量测点,完成I形边线的构造。
5.根据权利要求2或3或4所述的基于雷达的车辆跟踪检测方法,其特征在于,若所述步骤S2中构造出所述L形边线,所述步骤S3中提取所述边线点的具体步骤包括:
S311.在构造得到所述L形边线后,根据所述L形边线中三个端点的坐标按照下式求出其中两条直线边的斜截式:
y=k1·x+b1
y=k2·x+b2
式中:
Figure FDA0002186689680000021
Figure FDA0002186689680000022
其中,x1,y1;x2,y2;x3,y3分别为所述L形边线的三个端点的坐标,k1、k2分别为所述L形边线中两条直线边的斜率,b1、b2分别为所述L形边线中两条直线边的截距;
S312.分别计算每个量测点到所述步骤S311求出的两条直线之间的距离D,提取对应的所述距离D的值小于预设阈值Dth的量测点作为所述边线点。
6.根据权利要求2或3或4所述的基于雷达的车辆跟踪检测方法,其特征在于,若所述步骤S2中构造出所述I形边线,所述步骤S3中提取所述边线点的具体步骤包括:
S321.在构造得到所述I形边线后,根据所述I形边线的两个端点的坐标求出该I形直线边的斜截式为:
y=ka·x+ba
式中:
Figure FDA0002186689680000023
其中,xa,ya;xb,yb;分别为所述I形直线边两个端点的坐标,ka、kb分别为所述I形直线边的斜率,ba、bb分别为所述I形直线边的截距;
S322.计算每个量测点到所述I形直线边的距离D,取对应的所述距离D的值小于预设阈值Dth的量测点作为所述边线点。
7.根据权利要求2或3或4所述的基于雷达的车辆跟踪检测方法,其特征在于,所述步骤S3中融合提取得到所有边线点具体为:将提取的所有边线点进行加权平均或进行信噪比加权,得到最终的目标位置信息。
8.根据权利要求1~4中任意一项所述的基于雷达的车辆跟踪检测方法,其特征在于,所述步骤S1中选取目标点群的具体步骤包括:如果角度相差Δθ的两个目标点之间距离在门限Dth内,则选取该两个量测点作为对应同一车辆目标的目标点群,所述门限Dth的计算表达式为:
Figure FDA0002186689680000031
其中,ri,ri+1分别为两个量测值到雷达之间的距离,Δθ为两个目标点的角度差,λ为衡量两个量测目标点是否属于的一个目标点群的角度门限,σr为测距误差。
9.一种基于雷达的车辆跟踪检测装置,其特征在于,包括:
目标点群选取模块,用于雷达每次进行测量时,从返回的目标检测点云中选取对应目的车辆目标的目标点群;
特征选取模块,用于从所述目标点群中按照车辆的外形分布构造出目的形状的边线;
目标位置信息提取模块,用于提取所述特征选取模块构建的目的形状的边线周围指定范围内的量测点作为边线点,融合提取的所有边线点得到最终的目标位置信息;
跟踪滤波模块,用于根据所述目标位置信息提取模块得到的最终的目标位置信息进行目标跟踪滤波。
10.一种存储有计算机程序的计算机可读存储介质,所述计算机程序执行时实现如权利要求1~7中任意一项所述基于雷达的车辆跟踪检测方法。
CN201910817370.7A 2019-08-30 2019-08-30 一种基于雷达的车辆跟踪检测方法及装置 Active CN110488273B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910817370.7A CN110488273B (zh) 2019-08-30 2019-08-30 一种基于雷达的车辆跟踪检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910817370.7A CN110488273B (zh) 2019-08-30 2019-08-30 一种基于雷达的车辆跟踪检测方法及装置

Publications (2)

Publication Number Publication Date
CN110488273A CN110488273A (zh) 2019-11-22
CN110488273B true CN110488273B (zh) 2022-08-05

Family

ID=68555680

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910817370.7A Active CN110488273B (zh) 2019-08-30 2019-08-30 一种基于雷达的车辆跟踪检测方法及装置

Country Status (1)

Country Link
CN (1) CN110488273B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113064153B (zh) * 2019-12-16 2024-01-02 华为技术有限公司 一种确定目标对象跟踪门限的方法、装置
CN111007880B (zh) * 2019-12-24 2022-09-02 桂林电子科技大学 一种基于汽车雷达的扩展目标跟踪方法
CN111103582B (zh) * 2019-12-26 2022-04-01 成都纳雷科技有限公司 一种雷达辅助的etc防逃费方法、系统及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3538867A1 (de) * 1985-11-02 1987-05-14 Howaldtswerke Deutsche Werft Einrichtung fuer scheinzielerzeugung, insbesondere an schiffen
CN103729637A (zh) * 2013-12-31 2014-04-16 西安工程大学 基于容积卡尔曼滤波的扩展目标概率假设密度滤波方法
CN109212531A (zh) * 2017-06-29 2019-01-15 德尔福技术有限责任公司 确定目标车辆取向的方法
CN109212530A (zh) * 2017-07-04 2019-01-15 百度在线网络技术(北京)有限公司 用于确定障碍物速度的方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3538867A1 (de) * 1985-11-02 1987-05-14 Howaldtswerke Deutsche Werft Einrichtung fuer scheinzielerzeugung, insbesondere an schiffen
CN103729637A (zh) * 2013-12-31 2014-04-16 西安工程大学 基于容积卡尔曼滤波的扩展目标概率假设密度滤波方法
CN109212531A (zh) * 2017-06-29 2019-01-15 德尔福技术有限责任公司 确定目标车辆取向的方法
CN109212530A (zh) * 2017-07-04 2019-01-15 百度在线网络技术(北京)有限公司 用于确定障碍物速度的方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Enhanced Detection of Doppler-Spread Targets for FMCW Radar;WEI ZHANG et al.;《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》;20190702;第55卷(第4期);第2066-2076页 *
基于高斯混合概率假设密度滤波器的扩展目标跟踪算法;曹倬 等;《系统工程与电子技术》;20170331;第39卷(第3期);第494-499页 *

Also Published As

Publication number Publication date
CN110488273A (zh) 2019-11-22

Similar Documents

Publication Publication Date Title
CN110488273B (zh) 一种基于雷达的车辆跟踪检测方法及装置
CN106599808B (zh) 一种基于全波形激光雷达数据的隐蔽目标提取方法
CN111239766B (zh) 基于激光雷达的水面多目标快速识别跟踪方法
CN108181620B (zh) 一种三坐标雷达点迹质量评估方法
CN112051568B (zh) 一种两坐标雷达的俯仰测角方法
CN112083441A (zh) 激光雷达和毫米波雷达深度融合的障碍物检测方法及系统
CN112731307B (zh) 基于距离-角度联合估计的ratm-cfar检测器及检测方法
CN109633628B (zh) 基于分布式组网雷达数据融合的抗rgpo干扰的方法
CN110516193B (zh) 笛卡尔坐标系下基于转换瑞利滤波器的机动目标跟踪方法
CN111366900B (zh) 基于残差统计的跟踪雷达航迹质量评估方法、系统及介质
CN110673130A (zh) 一种基于航迹关联的运动目标航迹跟踪方法
CN106680783A (zh) 基于站址误差融合算法对抗欺骗式假目标的方法
KR101152250B1 (ko) 차량용 레이더의 오탐지 정보 제거장치 및 방법
JP2009236720A (ja) 移動目標検出装置
US11249171B2 (en) Method of determining an alignment error of an antenna and vehicle with an antenna and a detection device
CN114114242A (zh) 一种基于点选航迹及航迹外推的雷达目标追赶跟踪方法
CN109633624A (zh) 基于滤波数据处理的rgpo干扰鉴别方法
CN105652256B (zh) 一种基于极化信息的高频地波雷达tbd方法
Sahin et al. A multi-dimensional Hough transform algorithm based on unscented transform as a track-before-detect method
CN116699596A (zh) 一种车辆的毫米波雷达的速度修正方法及装置
KR101001612B1 (ko) 탐색레이더에서의 정밀 표적탐지방법
CN111123235B (zh) 一种导航雷达的静止目标的确定方法及装置
CN109613489B (zh) 一种基于模糊函数地貌特征的雷达信号分选方法
CN113837295A (zh) 一种超声波传感器自动泊车的余弦相似关系计算方法
CN116879863B (zh) 一种连续波4d毫米波雷达多目标测量方法及系统

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