CN110632942A - 一种基于无人机避障雷达的树木轮廓检测方法及装置 - Google Patents

一种基于无人机避障雷达的树木轮廓检测方法及装置 Download PDF

Info

Publication number
CN110632942A
CN110632942A CN201910933150.0A CN201910933150A CN110632942A CN 110632942 A CN110632942 A CN 110632942A CN 201910933150 A CN201910933150 A CN 201910933150A CN 110632942 A CN110632942 A CN 110632942A
Authority
CN
China
Prior art keywords
target
detected
tree
detection
unmanned aerial
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.)
Pending
Application number
CN201910933150.0A
Other languages
English (en)
Inventor
张伟
王帅
车驰
李尧
王平
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 Naray Technology Co Ltd
Original Assignee
Chengdu Naray 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 Naray Technology Co Ltd filed Critical Chengdu Naray Technology Co Ltd
Priority to CN201910933150.0A priority Critical patent/CN110632942A/zh
Publication of CN110632942A publication Critical patent/CN110632942A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开一种基于无人机避障雷达的树木轮廓检测方法及装置，该方法步骤包括：S1.获取无人机避障雷达返回的回波信号，对获取的回波信号使用第一门限值执行CFAR检测，当检测到目标且为树木时，转入执行步骤S2；S2.去除当前检测到的目标，得到处理后的回波信号，转入执行步骤S3；S3.使用减小第一门限值所得到的第二门限值对处理后的回波信号执行CFAR检测，当检测到目标时，由当前检测到的目标确定得到目标树木的轮廓。本发明能够基于无人机避障雷达实现树木轮廓边界的检测，且具有实现方法简单、检测精度高、避障效果好优点。

Description

一种基于无人机避障雷达的树木轮廓检测方法及装置
技术领域
本发明涉及无人机避障雷达检测技术领域，尤其涉及一种基于无人机避障雷达的树木轮廓检测方法及装置。
背景技术
近年来，随着农业、电力、工业等行业级无人机市场的迅速增长，无人机关键技术也在发生日新月异的进步，如实时图传、目标识别、地形跟随等技术，使得行业级无人机越来越趋于智能化。在诸多技术趋势中，自动避障能力是实现无人机安全性的关键。精准的无人机自主避障系统能最大程度的减少因人为操作失误、视线问题造成的无人机损毁、人身事故或建筑物事故等的发生。当前主流产品一般均是采用发射多个周期的频率调制连续波(FMCW，Frequency Modulation Continuous Wave)信号，每一个扫频周期为Tchirp，可以对于多目标场景中的每个目标同时进行距离和径向速度测量，发射的波形如图1所示，该类波形体制可以同时对多个目标进行距离和速度的测量，已广泛应用于汽车雷达、天波超视觉雷达的船只检测以及海啸检测等领域中。
将雷达安装在无人机上，可以测量从无人机到各种障碍物之间的距离、角度和相对速度等，如采用毫米波雷达，拥有较强的天气适应性且工作稳定可靠。无人机避障毫米波雷达工作时，是通过发射多个脉冲的线性调频(LFM，Linear Frequency Modulation)信号，对每一个脉冲进行采样，进行距离维傅里叶变换(FFT，Fast Fourier Transform)，得到距离维处理结果；对每一个脉冲进行类似处理后，再对应于某一个距离单元，对多个脉冲的回波进行速度维FFT处理，也即进行第二次FFT处理，此时可以得到一个距离-多普勒矩阵；得到距离-多普勒矩阵之后，采用恒虚警概率(CFAR，Constant False Alarm Ratio)检测算法进行目标检测，此时得到的目标参数信息包括目标距离和速度，基于检测的目标结果，在多个阵元之间进行目标角度估计，得到目标以上的参数信息后，进行目标的跟踪滤波和航迹管理等。
无人机在空中飞行时，容易碰撞到各种建筑物、树冠以及电线等，而一旦发生碰撞，则极可能会导致无人机碰撞事件，甚至坠毁、损坏无人机，重则还可能发生伤人事件。及时发现树木对于无人机飞行安全至关重要，针对树木的探测，相比而言，对于比较茂密的树木，无人机雷达的探测难度不大，但是使用上述传统CFAR处理方法时，雷达实际所探测到的往往仅是树木的稠密部分，如树干主体部分，而如树冠、树枝等比较稀疏的部分，由于反射信号回波较弱，会存在树干强反射体对弱目标的遮盖效应，使得在强树干的遮盖下很难检测到树木中树冠、树枝等比较稀疏的部分，如图2所示，这就导致了毫米波雷达即使探测到了树木，但由于无法探测到树冠、树枝而无法准确探测树木的轮廓边界，无人机依然可能会碰撞到树枝而发生碰撞事件。若考虑将CFAR检测方法中检测门限降低以提高树冠、树枝等比较稀疏部分的检测，又会引起大量的虚警问题，给实际应用造成困扰。
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，本发明提供一种实现方法简单、检测精度高、避障效果好的基于无人机避障雷达的树木轮廓检测方法及装置。
为解决上述技术问题，本发明提出的技术方案为：
一种基于无人机避障雷达的树木轮廓检测方法，步骤包括：
S1.一次CFAR检测：获取无人机避障雷达返回的回波信号，对获取的回波信号使用第一门限值执行CFAR检测，当检测到目标且为树木时，转入执行步骤S2；
S2.检测目标处理：去除当前检测到的目标，得到处理后的回波信号，转入执行步骤S3；
S3.二次CFAR检测：使用减小所述第一门限值所得到的第二门限值对所述处理后的回波信号执行CFAR检测，当检测到目标时，由当前检测到的目标确定得到目标树木的轮廓。
进一步的，所述步骤S1中当检测到树木目标时，判定目标为对应树木中包括树干主体部分的强反射目标；所述步骤S3中当检测到目标时，判定目标为对应树木中包括树冠、树枝的弱反射目标。
进一步的，所述步骤S2中，具体通过将检测到的目标的幅度值置0以去除对应的目标。
进一步的，所述步骤S3中，每当检测到目标时，返回步骤S2以重新迭代执行CFAR检测，直至检测得到所有的目标以确定目标树木的轮廓。
进一步的，所述步骤S3的具体步骤包括：
S31.对目标区域使用所述第二门限值执行CFAR检测；
S32.判断是否检测到目标，如果是，返回执行步骤S2，否则转入执行步骤S33；
S34.输出前一次的距离检测结果检测得到的目标，确定得到目标树木的轮廓。
进一步的，所述步骤S31中目标区域为步骤S1检测到的目标附近指定范围内的区域。
进一步的，所述步骤S1和/或步骤S3中执行CFAR检测时具体采用单元平均恒虚警CA-CFAR检测方法。
一种基于无人机避障雷达的树木轮廓检测装置，包括：
一次CFAR检测模块，用于获取无人机避障雷达返回的回波信号，对获取的回波信号使用第一门限值执行CFAR检测，当检测到目标且为树木时，转入执行步骤S2；
检测目标处理模块，用于去除当前检测到的目标，得到处理后的回波信号，转入执行步骤S3；
二次CFAR检测模块，用于使用减小所述第一门限值得到的第二门限值对所述处理后的回波信号执行CFAR检测，当检测到目标时，由当前检测到的目标确定得到目标树木的轮廓进一步的，所述二次CFAR检测模块包括：
CFAR单元，用于对目标区域使用所述第二门限值执行CFAR检测；
判断单元，用于判断是否检测到目标，如果是，返回执行所述检测目标处理模块，否则转入执行输出单元；
输出单元，用于输出前一次的距离检测结果检测得到的目标，确定得到目标树木的轮廓。
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的方法。
与现有技术相比，本发明的优点在于：
1、本发明基于无人机避障雷达的树木轮廓检测方法及装置，通过在无人机避障雷达进行树木检测时，采用两次迭代CFAR检测，首先进行第一次CFAR检测，先检测出强反射的树木主体部分，若确认检测到目标，去除检测到的目标，降低强树干部分对树木弱反射部分检测的影响，再减小门限进行第二次CFAR检测，使得可以使用较小的门限来进一步检测出树冠、树枝等弱反射部分，最终可以实现对树木轮廓边界的准确探测，有效避免无人机发生树木碰撞事件。
2、本发明基于无人机避障雷达的树木轮廓检测方法及装置，通过在第一次CFAR检测到目标后才启动执行第二次CFAR检测，即在已经确定树木目标存在的情况下进行二次检测，可以实现树木轮廓边界准确探测的同时，不会增加虚警率，便于实际应用。
3、本发明基于无人机避障雷达的树木轮廓检测方法及装置，当检测到树木目标后启动二次CFAR检测时，通过多次迭代来检测出树木中所有树冠、树枝的弱反射部分，从而可以准确的确定树木的轮廓边界。
附图说明
图1是经典FMCW发射序列的波形示意图。
图2是雷达检测树木目标时的原理示意图。
图3是本实施例基于无人机避障雷达的树木轮廓检测方法的具体实现流程示意图。
图4是本实施例中采用的CA-CFAR检测方法的原理示意图。
图5是本实施例中实现树木目标检测的原理示意图。
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。
如图3所示，本实施例基于无人机避障雷达的树木轮廓检测方法的步骤包括：
S1.一次CFAR检测：获取无人机避障雷达返回的回波信号，对获取的回波信号使用第一门限值执行CFAR检测，当检测到目标且为树木时，转入执行步骤S2；
S2.检测目标处理：去除当前检测到的目标，得到处理后的回波信号，转入执行步骤S3；
S3.二次CFAR检测：使用减小第一门限值所得到的第二门限值对处理后的回波信号执行CFAR检测，当检测到目标时，由当前检测到的目标确定得到目标树木的轮廓。
本实施例在无人机避障雷达进行树木检测时，采用两次迭代CFAR检测，首先进行第一次CFAR检测，先检测出强反射的树木主体部分，若确认检测到目标，去除检测到的目标，降低强树干部分对树木弱反射部分检测的影响，再减小门限进行第二次CFAR检测，使得可以使用较小的门限来进一步检测出树冠、树枝等弱反射部分，最终可以实现对树木轮廓边界的准确探测，有效避免无人机发生树木碰撞事件。
本实施例上述方法，由于第二次CFAR检测是在第一次CFAR检测到目标后启动执行，即在已经确定树木目标存在的情况下进行二次检测，因而不会增加虚警，仅是可能将树木的径向距离缩短，也即将飞行危险区域加大，但对于实际应用不会造成影响。
本实施例中，步骤S1中当检测到树木目标时，判定目标为对应树木中包括树干主体部分的强反射目标，若未检测到树木目标，则返回步骤S1重新执行；步骤S3中当检测到目标时，判定目标为对应树木中包括树冠、树枝的弱反射目标。本实施例先采用较大门限(第一门限值)的CFAR进行第一级检测，具体可采用传统的CFAR检测方法来执行第一级检测，第一级目标检测后，树木的树干强反射部分可以被检测到，去除掉检测到的树干强反射部分目标后，再采用较小门限(第二门限值)的CFAR进行第二级检测，检测到的即为树冠、树枝等弱反射部分目标，从而可准确确定树木的轮廓边界。
本实施例步骤S2中，具体通过将检测到的目标的幅度值置0以去除对应的目标，即将检测到的对应树干主体部分的回波进行置0处理，可以避免树干强目标对后续树枝和树冠等弱反射部分检测的影响，使得很好的检测到弱的反射体，进一步提升树枝和树冠等弱反射部分的检测性能。
本实施例在步骤S1检测到树木目标后，将该对应树干强反射区的目标置0，排除强反射树干的影响，再对置零目标区域进行目标附近的二次检测，使得可以很好的检测到弱的反射体(树冠、树枝)，如图4所示。
本实施例步骤S3中，具体每当检测到目标时，返回步骤S2以重新迭代执行CFAR检测，直至检测得到所有的目标以确定目标树木的轮廓。当步骤S1检测到树木目标时，启动进行多次迭代，通过多次迭代来检测出树木中所有树冠、树枝的弱反射部分，从而可以准确的确定树木的轮廓边界。
本实施例中，步骤S3的具体步骤包括：
S31.对目标区域使用第二门限值执行CFAR检测；
S32.判断是否检测到目标，如果是，返回执行步骤S2，否则转入执行步骤S33；
S34.输出前一次的距离检测结果检测得到的目标，确定得到目标树木的轮廓。
本实施例中，步骤S31中目标区域为步骤S1检测到的目标附近指定范围内的区域。当步骤S1检测到树木的树干主体部分后，由该检测结果可以确定树木的位置，从而基于该检测结果可以确定树冠、树枝等弱反射部分的检测范围，提高树冠、树枝的检测效率。
本实施例中，执行CFAR检测时具体采用单元平均恒虚警CA-CFAR(Cell Average-Constant False-Alarm Rate)检测方法。单元平均恒虚警CA-CFAR检测时，是通过使用一扇窗把当前需要检测的单元放在窗的正中间位置，通过估计窗里面除了待检测单元以外的环境(求平均)，按照虚警率所得到的门限系数与同噪底平均相乘得到阈值，然后把待检测单元同阈值进行比较，若当前检测单元大于该阈值则认定其为目标，反之认定为噪底。通过采用单元平均恒虚警CA-CFAR，可以进一步提高目标检测精度。
本实施例具体采用的CA-CFAR检测如图4所示，背景杂波功率水平由多个由线性检波器输出的参考单元采样的均值估计得到；与检测单元最邻近的是两个保护单元，主要用在单目标情况，以防止目标能量泄漏到参考单元影响检测器前沿和后沿滑窗的两个局部估计值；再根据这两个估计值依据不同的CFAR准则得到杂波功率水平估计，即参考滑窗中的平均杂波包络估计，T是标称化因子。自适应判决准则具体为：
Figure BDA0002220805860000051
其中，H1表示有目标假设，H0表示无目标假设。
Figure BDA0002220805860000052
X称为总杂波功率水平估计，检测概率Pd与标称化因子T的关系为：
Pd＝[1+T/(1+C)]-N (3)
其中，C是目标信号的平均功率与杂波功率比；C＝0时，可得到虚警概率Pfa与标称化因子T的关系：
T＝(Pfa)-1/N-1 (4)
如上述，检测概率和虚警概率均不依赖于杂波功率水平μ，即CA－CFAR具有恒虚警性。
在CFAR处理后，使用固定门限对目标的存在进行判决(过门限检测)，门限值由杂波分布特性和虚警概率决定，即求X与检测点功率比值再与检测门限T进行比较，根据是否超出门限可判断有无目标被检测到。
如图3所示，本实施例具体在第一次CFAR检测之后，当确定检测到树木目标时，即基于树木目标确实存在的前提下，此时将该对应树干强反射区的目标置0，在临近距离单元区域进行低门限的二次CFAR检测，即再对置零目标区域进行目标附近的低门限二次检测，如图5所示，可以有效探测到树木中树冠和树枝等弱反射部分，避免无人机对于树木轮廓探测不清而导致误撞树枝和树冠的情况，可以为基于如毫米波雷达等的无人机避障提供更加安全的飞行区域。
本实施例基于无人机避障雷达的树木轮廓检测装置包括：
一次CFAR检测模块，用于获取无人机避障雷达返回的回波信号，对获取的回波信号使用第一门限值执行CFAR检测，当检测到目标且为树木时，转入执行步骤S2；
检测目标处理模块，用于去除当前检测到的目标，得到处理后的回波信号，转入执行步骤S3；
二次CFAR检测模块，用于使用减小第一门限值得到的第二门限值对处理后的回波信号执行CFAR检测，当检测到目标时，由当前检测到的目标确定得到目标树木的轮廓
本实施例中，检测目标处理模块体通过将检测到的目标的幅度值置0以去除对应的目标。
本实施例中，二次CFAR检测模块包括：
CFAR单元，用于对目标区域使用第二门限值执行CFAR检测；
判断单元，用于判断是否检测到目标，如果是，返回执行检测目标处理模块，否则转入执行输出单元；
输出单元，用于输出前一次的距离检测结果检测得到的目标，确定得到目标树木的轮廓。
本实施例基于无人机避障雷达的树木轮廓检测装置与上述基于无人机避障雷达的树木轮廓检测方法一一对应，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的基于无人机避障雷达的树木轮廓检测方法。
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)

1.一种基于无人机避障雷达的树木轮廓检测方法，其特征在于，步骤包括：
S1.一次CFAR检测：获取无人机避障雷达返回的回波信号，对获取的回波信号使用第一门限值执行CFAR检测，当检测到目标且为树木时，转入执行步骤S2；
S2.检测目标处理：去除当前检测到的目标，得到处理后的回波信号，转入执行步骤S3；
S3.二次CFAR检测：使用减小所述第一门限值所得到的第二门限值对所述处理后的回波信号执行CFAR检测，当检测到目标时，由当前检测到的目标确定得到目标树木的轮廓。
2.根据权利要求1所述的基于无人机避障雷达的树木轮廓检测方法，其特征在于，所述步骤S1中当检测到树木目标时，判定目标为对应树木中包括树干主体部分的强反射目标；所述步骤S3中当检测到目标时，判定目标为对应树木中包括树冠、树枝的弱反射目标。
3.根据权利要求1所述的基于无人机避障雷达的树木轮廓检测方法，其特征在于，所述步骤S2中，具体通过将检测到的目标的幅度值置0以去除对应的目标。
4.根据权利要求1所述的基于无人机避障雷达的树木轮廓检测方法，其特征在于，所述步骤S3中，每当检测到目标时，返回步骤S2以重新迭代执行CFAR检测，直至检测得到所有的目标以确定目标树木的轮廓。
5.根据权利要求4所述的基于无人机避障雷达的树木轮廓检测方法，其特征在于，所述步骤S3的具体步骤包括：
S31.对目标区域使用所述第二门限值执行CFAR检测；
S32.判断是否检测到目标，如果是，返回执行步骤S2，否则转入执行步骤S33；
S34.输出前一次的距离检测结果检测得到的目标，确定得到目标树木的轮廓。
6.根据权利要5所述的基于无人机避障雷达的树木轮廓检测方法，其特征在于，所述步骤S31中目标区域为步骤S1检测到的目标附近指定范围内的区域。
7.根据权利要求1～5中任意一项所述的基于无人机避障雷达的树木轮廓检测方法，其特征在于，所述步骤S1和/或步骤S3中执行CFAR检测时具体采用单元平均恒虚警CA-CFAR检测方法。
8.一种基于无人机避障雷达的树木轮廓检测装置，其特征在于，包括：
一次CFAR检测模块，用于获取无人机避障雷达返回的回波信号，对获取的回波信号使用第一门限值执行CFAR检测，当检测到目标且为树木时，转入执行步骤S2；
检测目标处理模块，用于去除当前检测到的目标，得到处理后的回波信号，转入执行步骤S3；
二次CFAR检测模块，用于使用减小所述第一门限值得到的第二门限值对所述处理后的回波信号执行CFAR检测，当检测到目标时，由当前检测到的目标确定得到目标树木的轮廓。
9.根据权利要求8所述的基于无人机避障雷达的树木轮廓检测装置，其特征在于，所述二次CFAR检测模块包括：
CFAR单元，用于对目标区域使用所述第二门限值执行CFAR检测；
判断单元，用于判断是否检测到目标，如果是，返回执行所述检测目标处理模块，否则转入执行输出单元；
输出单元，用于输出前一次的距离检测结果检测得到的目标，确定得到目标树木的轮廓。
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中任意一项所述的方法。
CN201910933150.0A 2019-09-29 2019-09-29 一种基于无人机避障雷达的树木轮廓检测方法及装置 Pending CN110632942A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910933150.0A CN110632942A (zh) 2019-09-29 2019-09-29 一种基于无人机避障雷达的树木轮廓检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910933150.0A CN110632942A (zh) 2019-09-29 2019-09-29 一种基于无人机避障雷达的树木轮廓检测方法及装置

Publications (1)

Publication Number Publication Date
CN110632942A true CN110632942A (zh) 2019-12-31

Family

ID=68973701

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910933150.0A Pending CN110632942A (zh) 2019-09-29 2019-09-29 一种基于无人机避障雷达的树木轮廓检测方法及装置

Country Status (1)

Country Link
CN (1) CN110632942A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114609604A (zh) * 2022-03-25 2022-06-10 电子科技大学 无人机集群目标检测及目标轮廓、集群规模估计方法
CN117741705A (zh) * 2023-12-19 2024-03-22 北京司南北斗科技发展有限公司 一种rdss自适应抗邻频干扰方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6011507A (en) * 1996-11-12 2000-01-04 Raytheon Company Radar system and method of operating same
CN103995261A (zh) * 2014-05-23 2014-08-20 广东电网公司电力科学研究院 无人机避障系统的目标信号处理装置、无人机避障系统
CN107678019A (zh) * 2017-08-16 2018-02-09 成都纳雷科技有限公司 基于ca‑cfar的雷达信号多目标检测方法及装置
CN107783098A (zh) * 2016-08-25 2018-03-09 大连楼兰科技股份有限公司 旋翼无人机防撞毫米波雷达信号处理装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6011507A (en) * 1996-11-12 2000-01-04 Raytheon Company Radar system and method of operating same
CN103995261A (zh) * 2014-05-23 2014-08-20 广东电网公司电力科学研究院 无人机避障系统的目标信号处理装置、无人机避障系统
CN107783098A (zh) * 2016-08-25 2018-03-09 大连楼兰科技股份有限公司 旋翼无人机防撞毫米波雷达信号处理装置
CN107678019A (zh) * 2017-08-16 2018-02-09 成都纳雷科技有限公司 基于ca‑cfar的雷达信号多目标检测方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
余国辉 等: "MIMO雷达双门限恒虚警检测", 《信号处理》 *
孙栋 等: "直升机相控阵毫米波防撞雷达信号处理技术研究", 《电子技术与软件工程》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114609604A (zh) * 2022-03-25 2022-06-10 电子科技大学 无人机集群目标检测及目标轮廓、集群规模估计方法
CN114609604B (zh) * 2022-03-25 2023-06-09 电子科技大学 无人机集群目标检测及目标轮廓、集群规模估计方法
CN117741705A (zh) * 2023-12-19 2024-03-22 北京司南北斗科技发展有限公司 一种rdss自适应抗邻频干扰方法及装置
CN117741705B (zh) * 2023-12-19 2024-08-09 北京司南北斗科技发展有限公司 一种rdss自适应抗邻频干扰方法及装置

Similar Documents

Publication Publication Date Title
US9594159B2 (en) 2-D object detection in radar applications
CA2604186A1 (en) Method and apparatus for detecting a target in a scene
CN110907929B (zh) 一种基于双门限检测的车载雷达目标检测方法及装置
WO2014108889A1 (en) A method for mitigating rain clutter interference in millimeter-wave radar detection
CN111856406B (zh) 一种基于fmcw雷达回波的目标检测方法及装置
CN110632942A (zh) 一种基于无人机避障雷达的树木轮廓检测方法及装置
CN210572736U (zh) 一种低小慢目标自动探测、跟踪、识别系统
CN111123269B (zh) 用于无人机避障雷达的地面杂波抑制方法、模块及装置
CN112105950A (zh) 一种探测对象的检测方法、探测设备及毫米波雷达
WO2020133223A1 (zh) 目标探测方法、雷达、车辆以及计算机可读存储介质
CN117836659A (zh) 测距方法、波形检测方法、装置及相关设备
CN115932779B (zh) 基于避障雷达距离多普勒积分的枯树目标检测方法
CN110488239B (zh) 基于调频连续波雷达的目标检测方法
CN109581366B (zh) 一种基于目标导向矢量失配的离散旁瓣杂波识别方法
CN113655460B (zh) 一种基于毫米波雷达的雨雪杂波识别方法
CN111175715A (zh) 可抑制雷达近距离谐波的辅助驾驶系统、方法
CN110632943A (zh) 基于能量积累的无人机避障雷达树木轮廓检测方法及装置
CN115113208A (zh) 一种基于杂波特征精确认知的连续波雷达杂波对消方法
CN111190154B (zh) 可抑制雷达近距离谐波的辅助驾驶系统、方法
CN113866750A (zh) 一种基于毫米波雷达的行人目标检测和跟踪方法
Park et al. Bi-directional LSTM-based Overhead Target Classification for Automotive Radar Systems
CN111796270A (zh) 周界安防雷达横向穿越目标检测方法、系统、介质及设备
KR20210112496A (ko) 레이더의 오탐지 정보 제거장치 및 방법
CN110907930A (zh) 一种基于角度估计的车载雷达目标检测估计方法及装置
KR101619064B1 (ko) 능동 클러터 맵을 이용한 목표물 검출 방법

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191231