CN110687523B - 一种障碍物检测系统、方法及存储介质 - Google Patents
一种障碍物检测系统、方法及存储介质 Download PDFInfo
- Publication number
- CN110687523B CN110687523B CN201910807829.5A CN201910807829A CN110687523B CN 110687523 B CN110687523 B CN 110687523B CN 201910807829 A CN201910807829 A CN 201910807829A CN 110687523 B CN110687523 B CN 110687523B
- Authority
- CN
- China
- Prior art keywords
- signal
- processed
- particle
- link
- signals
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims description 32
- 239000002245 particle Substances 0.000 claims abstract description 165
- 238000012545 processing Methods 0.000 claims abstract description 110
- 238000009432 framing Methods 0.000 claims abstract description 34
- 230000003993 interaction Effects 0.000 claims abstract description 26
- 230000005236 sound signal Effects 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims description 19
- 230000009466 transformation Effects 0.000 claims description 17
- 238000007781 pre-processing Methods 0.000 claims description 10
- 230000004888 barrier function Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 15
- 239000000523 sample Substances 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 241000207875 Antirrhinum Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 208000029257 vision disease Diseases 0.000 description 1
Images
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
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/52004—Means for monitoring or calibrating
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本申请公开了一种障碍物检测系统、方法及存储介质,其中,障碍物检测系统由声信号交互模块和声信号处理模块构成,声信号交互模块用于利用移动终端发送声波作为探测信号,并接收返回的声波作为待处理信号;声信号处理模块,用于对待处理信号依次进行对齐、分帧处理、分数级傅里叶变换处理、减法去噪处理和粒子跟踪处理,实现了利用声信号进行障碍物检测的目的,由于声信号相较于图像信号而言数据量大大减少,能够有效降低障碍物检测系统的使用门槛,为利用移动终端的运算能力实现障碍物检测提供了可能。
Description
技术领域
本申请涉及信号处理技术领域,更具体地说,涉及一种障碍物检测系统、 方法及存储介质。
背景技术
如何使得行人,特别是有视觉障碍问题的行人的运动过程中免受障碍物 的伤害,国内外的研究人员提出了大量的方案。
在这项研究课题的早起,研究人员主要聚焦于通过构建一个智能的交通 系统来帮助驾驶员和行人来相互感知对方,以避免行人被卷入交通事故中。 例如,通过使用专用短程通信信号(Dedicated Short Range Communications signals)来使驾驶员发现周边的行人。这种方案通过感知全局潜在的危险环境 来产生更加具体以及准确的提醒。然而此类方案需要大量且精确的传感数据, 整个系统对于局部复杂情况难以及时产生反馈。当行人想要获得关于自身所 处环境的信息时需要大量的来自于周边的其他传感节点发来的信息。
近几年,研究人员为避免获取全局信息所需周边传感节点过多的问题, 提出了一些单独使用行人感知到的信息去预测环境来判断当前行人是否处于 危险当中。例如通过使用智能手机等移动设备的摄像头拍摄实时的环境图片, 然后将拍摄的环境图片上传到云端服务器进行实时的图像处理和计算,以判 断行人所处环境中是否存在有可能与行人发生碰撞的障碍物,但这种障碍物 的检测系统由于处理对象为拍摄的图片,而对图片的实时图像处理和计算需 要大量的运算资源,这就使得该系统势必需要依赖于云端服务器的计算能力, 且依赖于移动终端和云端服务器的通信能力,从而导致该系统在某些网络较差的地区,出现图片的传输速度过慢而导致无法使用的问题。
发明内容
为解决上述技术问题,本申请提供了一种障碍物检测系统、方法及存储 介质,以解决现有技术中由于图片的运算量巨大而必须依靠云端服务器进行 障碍物检测的问题,为在移动终端上可以进行实时的障碍物检测提供了可能。
为实现上述技术目的,本申请实施例提供了如下技术方案:
一种障碍物检测系统,应用于移动终端,所述障碍物检测系统包括:声 信号交互模块和声信号处理模块;其中,
所述声信号交互模块,用于控制所述移动终端发送声波作为探测信号, 和用于接收返回的声波作为待处理信号,并向所述声信号处理模块传输;
所述声信号处理模块包括:预处理单元、信号变换单元、去噪单元和粒 子跟踪单元;其中,
所述预处理单元,用于根据预设周期,对所述待处理信号包括的多个子 信号进行对齐和分帧处理,以使所述待处理信号中的多个子信号在时域上对 齐,并被划分为多帧信号;
所述信号变换单元,用于对对齐和分帧处理后的待处理信号进行分数级 傅里叶变换,以使所述对齐和分帧处理后的待处理信号包含的多个子信号在 分数级傅里叶域中彼此分开;
所述去噪单元,用于对分数级傅里叶变换后的待处理信号进行减法去噪 处理;
所述粒子跟踪单元,用于对减法去噪处理后的待处理信号进行粒子跟踪 处理,以获得减法去噪处理后的待处理信号中包含的障碍物信息。
可选的,所述多个子信号包括:直接信号、回声信号、多径效应信号和 噪声信号;其中,
所述直接信号为被所述声信号交互模块直接接收的所述移动终端发送的 探测信号;
所述回声信号为所述移动终端发送的探测信号经过周边环境物体反射后 的信号。
可选的,所述信号变换单元对对齐和分帧处理后的待处理信号进行分数 级傅里叶变换具体用于,
确定分数级傅里叶变换的最优旋转角度;
将所述对齐和分帧处理后的待处理信号和所述最优旋转角度代入第一预 设公式中,以使所述对齐和分帧处理后的待处理信号包含的多个子信号在分 数级傅里叶域中彼此分开;
所述第一预设公式为:其中,Fα[·]表示 将信号进行选择最优旋转角度α的傅里叶变换;s(t)表示所述对齐和分帧处理 后的待处理信号的子信号;Sα(u)表示经过分数级傅里叶变换后的子信号; Kα(t,u)表示分数级傅里叶变换的转换核;
可选的,所述去噪单元对分数级傅里叶变换后的待处理信号进行减法去 噪处理具体用于,将分数级傅里叶变换后的待处理信号的每个子信号的当前 帧信号与前一帧信号相减。
可选的,所述粒子跟踪单元,对减法去噪处理后的待处理信号进行粒子 跟踪处理具体用于,将减法去噪处理后的待处理信号按照所述预设周期分为N 帧待处理信号,并将N帧待处理信号从1到N依次编号;
确定编号为1的待处理信号中所有大于预设信号强度阈值的局部极值, 并根据确定的所有局部极值,获得与所述局部极值对应的粒子,所述粒子包 含一个障碍物的信息集合;
以每个所述粒子为起点,构建一个表示障碍物标识的链路,并将构建的 所有链路放入链路集合中;
对编号为2到N的待处理信号,依次进行粒子跟踪循环,并在每次粒子 跟踪循环后,将所述链路集合中已经在预设次数个粒子跟踪循环的过程中没 有加入新的粒子的链路删除,所述链路集合中剩余的链路中包含的粒子表示 所述障碍物信息;
所述对待处理信号进行粒子跟踪循环包括:
确定所述待处理信号中所有大于预设信号强度阈值的局部极值,并根据 确定的所有局部极值,获得与所述局部极值对应的粒子;
依次计算所述链路集合中的链路的预估粒子位置;
对于当前循环中的所述待处理信号对应的每个粒子,判断所述链路集合 中是否存在链路使得所述粒子满足链路加入条件,如果是,则将所述链子加 入该链路,并更新加入粒子的链路的端点粒子位置和速度,如果否,则以该 粒子为起点构建新链路并加入所述链路集合中。
可选的,所述链路加入条件以第二预设公式表示:
所述第二预设公式为:|pj-l′(k)|<width;其中,pj表示所述粒子的位置,l′(k)表示所述链路的预估粒子位置,width表示预设粒子跟踪宽度。
可选的,所述粒子跟踪单元更新加入粒子的链路的端点粒子位置和速度 具体用于,
根据加入的粒子和所述链路,依据第三预设公式更新该链路的端点粒子 位置和速度;
所述第三预设公式为:其中,TR表示所述预设 周期,β表示位置更新速率,γ表示速度更新速率,l(k)′表示更新后的链路的 端点粒子位置,v(k)′表示更新后的链路速度,pj表示粒子位置,lnew表示计算 的更新粒子位置;l(k)表示所述链路中原始的端点粒子位置,v(k)表示所述链路 中原始的粒子速度。
可选的,所述粒子跟踪单元计算所述链路集合中的链路的预估粒子位置 具体用于,
根据所述链路中的粒子位置和粒子速度,依据第四预设公式计算所述链 路的预估粒子位置;
所述第四预设公式为:l′(k)=l(k)+v(k)TR;其中,l(k)表示所述链路中原始的 端点粒子位置,v(k)表示所述链路中原始的粒子速度,l′(k)表示所述链路的预估 粒子位置。
一种障碍物检测方法,应用于移动终端,所述障碍物检测方法包括:
控制所述移动终端发送声波作为探测信号,和用于接收返回的声波作为 待处理信号;
根据预设周期,对所述待处理信号包括的多个子信号进行对齐和分帧处 理,以使所述待处理信号中的多个子信号在时域上对齐,并被划分为多帧信 号;
对对齐和分帧处理后的待处理信号进行分数级傅里叶变换,以使所述对 齐和分帧处理后的待处理信号包含的多个子信号在分数级傅里叶域中彼此分 开;
对分数级傅里叶变换后的待处理信号进行减法去噪处理;
对减法去噪处理后的待处理信号进行粒子跟踪处理,以获得减法去噪处 理后的待处理信号中包含的障碍物信息。
一种存储介质,所述存储介质中存储有程序,所述程序被运行时执行上 述任一项所述的障碍物检测方法。
从上述技术方案可以看出,本申请实施例提供了一种障碍物检测系统、 方法及存储介质,其中,所述障碍物检测系统由声信号交互模块和声信号处 理模块构成,所述声信号交互模块用于利用移动终端发送声波作为探测信号, 并接收返回的声波作为待处理信号;所述声信号处理模块,用于对所述待处 理信号依次进行对齐、分帧处理、分数级傅里叶变换处理、减法去噪处理和 粒子跟踪处理,实现了利用声信号进行障碍物检测的目的,由于声信号相较 于图像信号而言数据量大大减少,能够有效降低所述障碍物检测系统的使用 门槛,为利用移动终端的运算能力实现障碍物检测提供了可能。
并且在所述障碍物检测系统中,所述声信号处理模块对于待处理信号依 次进行的对齐、分帧处理、分数级傅里叶变换处理、减法去噪处理和粒子跟 踪处理,使得所述障碍物检测系统在障碍物检测的过程中既保证了快速计算 出待处理信号中包含的障碍物信息的目的,又保证了计算的精度。此外,所 述声信号处理模块的上述处理还实现了从众多的待处理信号追踪分离出所需 信息的目的,使得利用声信号进行障碍物检测成为了可能。
附图说明
为了更清楚地说明本申请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申请的实施例,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为本申请的一个实施例提供的一种障碍物检测系统的结构示意图;
图2为本申请的一个实施例提供的一种待处理信号的构成示意图;
图3为本申请的一个实施例提供的探测信号的时域图;
图4为本申请的一个实施例提供的探测信号的频域图;
图5为本申请的一个实施例提供的信号预处理过程中对于待处理信号的 对齐以及分帧处理的示意图;
图6为本申请的一个实施例提供的待处理信号经过分数级傅里叶变换后 在特定位置出现信号强度最大值的示意图;
图7为本申请的一个实施例提供的待处理信号经过分数级傅里叶变换后 的示意图;
图8为本申请的一个实施例提供的信号预处理过程中对于待处理信号的 对齐以及分帧处理的示意图;
图9为经过减法去噪处理之前的待处理信号;
图10为经过减法去噪处理之后的待处理信号;
图11为贪心算法跟踪的单个障碍物信息的示意图;
图12为粒子跟踪算法跟踪的多个障碍物信息的示意图;
图13为障碍物检测系统一个工作周期内的时间节点示意图。
具体实施方式
正如背景技术所述,现有技术中研究人员为避免获取全局信息所需周边 传感节点过多的问题,提出了一些单独使用行人感知到的信息去预测环境来 判断当前行人是否处于危险当中。例如,WalkSafe是一种通过移动终端不断 拍照,进而将拍摄照片发往云端进行障碍物解算的系统,WalkSafe需要持续 不断的拍照从而造成大量的能量消耗,这对目前的智能手机孱弱的电池而言 无疑是一个不小的挑战。另外对手持手机的姿势也提出了要求,WalkSafe需 要后置摄像头正对前方,行走时,行人需定格手部姿势。检测不同方向的障 碍物时,需要行人手动调整镜头方向,不能同时检测各个方向上的障碍物。 由于手机性能的限制,WalkSafe的计算被放在了云端,这限制了该系统在网 络条件不好的地区的使用。
又例如,LookUp是一种利用安装在行人的鞋上的传感器获取周边环境信 息,上传到移动终端进行计算,从而获取周边的环境状态的目的,但该系统 除了智能手机以外还需要使用其他额外的硬件,这对于该方案的推广造成了 巨大的阻碍。Lookup通过安装在鞋上的传感器获得了地面的环境状态,从而 对可能出现的坑、突起产生警告。然而由于Lookup设计上的局限,无法检测 离行人较远地方的环境状态,难以提前产生预警。并且,该系统可以在地面 环境良好规则的城市地区效果优秀,但对于地面环境复杂的郊区,就显得有 心无力。
有鉴于此,本申请提供了一种障碍物检测系统、方法及存储介质,其中, 所述障碍物检测系统由声信号交互模块和声信号处理模块构成,所述声信号 交互模块用于利用移动终端发送声波作为探测信号,并接收返回的声波作为 待处理信号;所述声信号处理模块,用于对所述待处理信号依次进行对齐、 分帧处理、分数级傅里叶变换处理、减法去噪处理和粒子跟踪处理,实现了 利用声信号进行障碍物检测的目的,由于声信号相较于图像信号而言数据量 大大减少,能够有效降低所述障碍物检测系统的使用门槛,为利用移动终端的运算能力实现障碍物检测提供了可能。
并且在所述障碍物检测系统中,所述声信号处理模块对于待处理信号依 次进行的对齐、分帧处理、分数级傅里叶变换处理、减法去噪处理和粒子跟 踪处理,使得所述障碍物检测系统在障碍物检测的过程中既保证了快速计算 出待处理信号中包含的障碍物信息的目的,又保证了计算的精度。此外,所 述声信号处理模块的上述处理还实现了从众多的待处理信号追踪分离出所需 信息的目的,使得利用声信号进行障碍物检测成为了可能。
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而 不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请实施例提供了一种障碍物检测系统,应用于移动终端,如图1所 示,所述障碍物检测系统包括:声信号交互模块10和声信号处理模块20;其 中,
所述声信号交互模块10,用于控制所述移动终端发送声波作为探测信号, 和用于接收返回的声波作为待处理信号,并向所述声信号处理模块20传输;
所述声信号处理模块20包括:预处理单元21、信号变换单元22、去噪 单元23和粒子跟踪单元24;其中,
所述预处理单元21,用于根据预设周期,对所述待处理信号包括的多个 子信号进行对齐和分帧处理,以使所述待处理信号中的多个子信号在时域上 对齐,并被划分为多帧信号;
所述信号变换单元22,用于对对齐和分帧处理后的待处理信号进行分数 级傅里叶变换,以使所述对齐和分帧处理后的待处理信号包含的多个子信号 在分数级傅里叶域中彼此分开;
所述去噪单元23,用于对分数级傅里叶变换后的待处理信号进行减法去 噪处理;
所述粒子跟踪单元24,用于对减法去噪处理后的待处理信号进行粒子跟 踪处理,以获得减法去噪处理后的待处理信号中包含的障碍物信息。
由于所述障碍物检测系统需要控制所述移动终端不断地发送声波作为探 测信号,而为了避免移动终端发出的声波干扰到行人,可选地,所述声信号 交互模块10控制所述移动终端发送的声波可以是超声波,即声波的频率要属 于超声波波段。
同时,由于障碍物检测系统的实时性的要求,使得所述声信号交互模块 10会一直持续不断的播放发射信号,所以其接收到的返回的声波也会变得相 当复杂。
可选地,在本申请的一个实施例中对所述声信号交互模块10接收到的待 处理信号中包括的多个子信号进行了限定,参考图2,所述多个子信号包括: 直接信号、回声信号、多径效应信号和噪声信号;其中,
所述直接信号(direct signal)为被所述声信号交互模块10直接接收的所 述移动终端发送的探测信号,即从所述移动终端发送的探测信号没有经过物 体的反射直接被声信号交互模块10接收的信号。
所述回声信号(echo signal)为所述移动终端发送的探测信号经过周边环 境物体反射后的信号,即所述声信号处理模块20需要重点分析和处理的信号。
其他的多径效应信号(multi-path signal)和噪声信号(noise)均为干扰 信号。
一般情况下,由于移动终端的扬声器(即探测信号的发送设备)距离麦 克风(即待处理信号的接收设备)的距离很近,因此,在所述多个子信号中, 直接信号占据了最主要成分。而相对的,我们所关心的回声信号在声音传播 和反射过程中由于能量的衰减,到达麦克风的回声信号强度变得极其的弱。 并且考虑到这些子信号的相似性,要将回声信号从复杂的待处理信号中分离 出来是需要解决的一个问题;另外,在实际的应用环境中,障碍物通常并不 止一个,并且有部分障碍物会威胁行人的安全,还有另一部分“障碍物”却 对行人的安全并无影响,(例如陪伴用户行走的其他行人,室内与路面平行 的墙面等),因此区分哪些障碍物可能会对行人造成损伤,也是需要解决的 一个问题。
为了解决上述问题,本申请实施例中,所述声信号处理模块20对所述待 处理信号依次进行了对齐、分帧处理、分数级傅里叶变换处理、减法去噪处 理和粒子跟踪处理,其中,对齐和分帧处理作为所述待处理信号的预处理过 程存在,以将所述待处理信号中的各个子信号划分为一个一个预设周期信号 长的帧;为了解决之前提到的难以分离出回声信号的问题,在对待处理信号 进行预处理后,使用分数级傅里叶变换(Fractional FourierTransform,FRFT) 的方法,将预处理后的待处理信号由时域进行一定角度的旋转到达最优的分 数级傅里叶域,通过最优角度的确定,使得预处理后的待处理信号中的多个 子信号在经过分数级傅里叶变换后彼此分开;在实际的应用情况中,由于所 述待处理信号中的回声信号相当的微弱,即使在经过分数级傅里叶变换后, 多个子信号彼此分开,回声信号所形成的尖峰仍然有可能被噪声信号所掩盖, 因此,为了解决这个问题,在经过分数级傅里叶变换之后,还对其进行了减 法去噪处理,以去除所述分数级傅里叶变换后的待处理信号的多个信号中的 直接信号和噪声信号等干扰信号;最后对减法去噪处理后的待处理信号进行 粒子跟踪处理,以对减法去噪处理后的待处理信号中包含的障碍物信息进行 追踪,从而实现利用声信号进行障碍物检测的目的,由于声信号相较于图像 信号而言数据量大大减少,能够有效降低所述障碍物检测系统的使用门槛, 为利用移动终端的运算能力实现障碍物检测提供了可能。
并且在所述障碍物检测系统中,所述声信号处理模块20对于待处理信号 依次进行的对齐、分帧处理、分数级傅里叶变换处理、减法去噪处理和粒子 跟踪处理,使得所述障碍物检测系统在障碍物检测的过程中既保证了快速计 算出待处理信号中包含的障碍物信息的目的,又保证了计算的精度。此外, 所述声信号处理模块20的上述处理还实现了从众多的待处理信号追踪分离出 所需信息的目的,使得利用声信号进行障碍物检测成为了可能。
下面分别对所述声信号处理模块20中各个单元所进行的具体处理过程进 行描述。
首先对于声信号交互模块10控制所述移动终端发送的探测信号进行说 明,可选的,所述探测信号可以是线性调频(Linear Frequency Modulation, LFM)信号,为了不影响通用性,假设信号采样频率为44.1kHz,那么探测信 号s(t)可以被表示为:
其中,表示信号调频率,B为信号带宽,TR为探测信号的发射周期, α0为探测信号幅值,f0为探测信号中心频率。探测信号是一个周期为TR的周期 信号,在每一个周期内,探测信号的频率按照调频率为k线性变换。参考图3 和图4,图3为所述探测信号的时域图,其中横坐标为时间(Time),纵坐标 为振幅(Amplitude),图4为所述探测信号的频域图,横坐标为时间(Time), 纵坐标为频率(Frequency),图4中TR为探测信号的发射周期,Ramp1、2、3 表示不同周期的信号。探测信号的频率会在18kHz-22kHz变换,对于一般人而言,这个频率的信号人耳几乎听不到。探测信号经过一定路径传播之后作为 待处理信号被声信号交互模块10接收,之后声信号交互模块10接收的待处理 信号传送给信号处理模块。
参考图5,图5示出了信号预处理过程中对于待处理信号的对齐以及分帧 处理的示意图,图5中的横坐标为时间,纵坐标为频率,图5中示出了对齐的 回声信号(echosignal)和直接信号(direct signal),由于之后的分数级傅里叶变换 处理、减法去噪处理以及粒子跟踪处理都是对于一个预设周期内的信号进行 处理,所以我们将对接收到的信号对齐后划分为一个一个周期信号长的帧。 在信号的对齐过程中,我们是将多个子信号和预设的标准位置进行对齐。
对于分帧后的每一帧信号,为了之后方便计算,可以将帧长设置为1024, 则可以得到所述预设周期。这表明即当帧长为1024时,所 述障碍物检测系统的反应时间为23ms,这对于一个实时探测的障碍物检测系 统而言是满足要求的。
为了解决之前提到的难以分离出回声信号的问题,在对多个子信号进行 了对齐和分帧处理后,使用分数级傅里叶变换的方法对其进行处理。分数级 傅里叶变换,又称为分数阶傅里叶变换,是传统的傅里叶变换的一种推广。 如果我们将传统的傅里叶变换看作信号由时域旋转1个90°到达频域,那么 FRFT可以理解为将信号由时域旋转p个90°,其中p可为分数,一般也可记为 旋转所以当/>时,信号经过分数级傅里叶变换后,等同于进行 了一次傅里叶变化,当α=π时,信号经过分数级傅里叶变换后,变换后的信 号与原信号数值相同符号相反;当α=2π时,变换后的信号与原信号完全相同。 一般的对于一个信号s(t),其分数级傅里叶变换后可以表示为:
其中,Fα[·]表示将信号进行选择最优旋 转角度α的傅里叶变换;s(t)表示所述对齐和分帧处理后的待处理信号的子信 号;Sα(u)表示经过分数级傅里叶变换后的子信号;Kα(t,u)表示分数级傅里叶 变换的转换核;
即对于所述信号变换单元22对对齐和分帧处理后的待处理信号进行分数 级傅里叶变换具体用于,
确定分数级傅里叶变换的最优旋转角度;
将所述对齐和分帧处理后的待处理信号和所述最优旋转角度代入第一预 设公式中,以使所述对齐和分帧处理后的待处理信号包含的多个子信号在分 数级傅里叶域中彼此分开;
下面对最优旋转角度的确定进行分析:
当我们对探测信号的一个周期进行分数级傅里叶变换后,我们可以得到:当时,可以得到:/>其中,/>由此可以很轻松的发现当/>时,/>达到 最大值。参考图6可以发现,确实存在这样一个最大值,图6中frequency表示 信号频率,angle表示分数级傅里叶变换采取的旋转角度,竖直方向上的坐标 表示信号幅值。
此时,经过分数级傅里叶变换后的待处理信号在f=f0处出现最大值,我 们可以通过这个性质计算每个帧的中心频率。当有一个只含有直接信号、回 声信号和噪音的待处理信号经过最优旋转角度的分数级傅里叶变换后,如图7 所示,图7中横坐标为频率,纵坐标为振幅,各个子信号(direct signal,noise, echo signal)就被尽可能的分开了,原先在时域或者频域中做不到的事情,在 分数级傅里叶域中完成了。
参考图8,从图8我们可以看出,对于待处理信号的任意一帧数据,会有 三个中心频率,所以我们可以得到三个尖峰,其中两个属于直接信号,一个 属于回声信号。当数据对齐时,直接信号形成的尖峰恰好在18kHz和22kHz。 那么我们可以通过计算得到直接信号和回声信号中心频率的差值Δf0,再由公 式计算出回声信号和直接信号被声信号交互模块10接收时的时间差 Δt。由于移动终端的声信号发送端和声信号交互模块10的声信号接收端距离 相当近,所以直接信号的飞行时间近似为零,回声信号的飞行时间τ可近似为 Δt。
然而在实际情况中,在分数级傅里叶变换处理后的待处理信号中的回声 信号相当微弱。待处理信号在经过分数级傅里叶变换处理后,回声信号所形 成的尖峰很有可能被噪声信号所掩盖,为了解决这个问题我们提出了减法去 噪的算法。由于我们只关心相对行人具有相对速度的障碍物,其余诸如与路 面平行的墙面、与用户并行行走的其他行人都不是我们关心的目标,所以我 们关心的障碍物在前后两帧信号中和行人的距离必然不相同。当将经过分数 级傅里叶变换后的前后相邻的两帧数据相减后,我们所不关心的无相对速度 的物体所形成的的尖峰被削弱,关心的有相对速度的物体所形成的尖峰被相 对加强,如图9和图10所示,图9为减法去噪之前的待处理信号,图10为减法 去噪后的待处理信号。
即所述去噪单元23对分数级傅里叶变换后的待处理信号进行减法去噪处 理具体用于,将分数级傅里叶变换后的待处理信号的每个子信号的当前帧信 号与前一帧信号相减。
由于直接信号的传播距离并不会随着时间推移而改变,经过减法去噪之 后,直接信号就被去除了。
在待处理信号经过了上述处理后,我们所关心的回声信号被凸显出来后 即可对其进行粒子跟踪处理以实现障碍物的跟踪。
在传统的单目标障碍物的检测跟踪过程中,通常采用贪心算法实现,即 通过搜寻处理后的信号强度最强位置来实现。
障碍物到行人的距离可以通过以下公式算出:
参考图11,图11为贪心算法跟踪单个障碍物的示意图,图11中横坐标为 时间(Time),单位为秒(s),纵坐标为障碍物距离(Distance),单位为 米(m)。但是在实际的应用过程中,行人行走时通常需要同时检测多个障碍 物,而对于多个目标障碍物检测而言,单纯的贪心算法并不好用,考虑到行 人的移动是连续的,障碍物与行人之间距离的变换也必然是连续的,因此本 申请实施例提出了一种粒子跟踪算法来对多目标障碍物进行跟踪,具体过程 如下:
所述粒子跟踪单元24,对减法去噪处理后的待处理信号进行粒子跟踪处 理具体用于,将减法去噪处理后的待处理信号按照所述预设周期分为N帧待 处理信号,并将N帧待处理信号从1到N依次编号;
确定编号为1的待处理信号中所有大于预设信号强度阈值的局部极值, 并根据确定的所有局部极值,获得与所述局部极值对应的粒子,所述粒子包 含一个障碍物的信息集合;
以每个所述粒子为起点,构建一个表示障碍物标识的链路,并将构建的 所有链路放入链路集合中;
对编号为2到N的待处理信号,依次进行粒子跟踪循环,并在每次粒子 跟踪循环后,将所述链路集合中已经在预设次数个粒子跟踪循环的过程中没 有加入新的粒子的链路删除,所述链路集合中剩余的链路中包含的粒子表示 所述障碍物信息;
所述对待处理信号进行粒子跟踪循环包括:
确定所述待处理信号中所有大于预设信号强度阈值的局部极值,并根据 确定的所有局部极值,获得与所述局部极值对应的粒子;
依次计算所述链路集合中的链路的预估粒子位置;
对于当前循环中的所述待处理信号对应的每个粒子,判断所述链路集合 中是否存在链路使得所述粒子满足链路加入条件,如果是,则将所述链子加 入该链路,并更新加入粒子的链路的端点粒子位置和速度,如果否,则以该 粒子为起点构建新链路并加入所述链路集合中。
其中,所述链路加入条件以第二预设公式表示:
所述第二预设公式为:|pj-l′(k)|<width;其中,pj表示所述粒子的位置,l′(k)表示所述链路的预估粒子位置,width表示预设粒子跟踪宽度。
所述粒子跟踪单元24更新加入粒子的链路的端点粒子位置和速度具体用 于,
根据加入的粒子和所述链路,依据第三预设公式更新该链路的端点粒子 位置和速度;
所述第三预设公式为:其中,TR表示所述预设 周期,β表示位置更新速率,γ表示速度更新速率,l(k)′表示更新后的链路的 端点粒子位置,v(k)′表示更新后的链路速度,pj表示粒子位置,lnew表示计算 的更新粒子位置;l(k)表示所述链路中原始的端点粒子位置,v(k)表示所述链路 中原始的粒子速度。
所述粒子跟踪单元24计算所述链路集合中的链路的预估粒子位置具体用 于,
根据所述链路中的粒子位置和粒子速度,依据第四预设公式计算所述链 路的预估粒子位置;
所述第四预设公式为:l′(k)=l(k)+v(k)TR;其中,l(k)表示所述链路中原始的 端点粒子位置,v(k)表示所述链路中原始的粒子速度,l′(k)表示所述链路的预估 粒子位置。
在粒子跟踪算法中的粒子是指每一次跟踪时,其对应的一个障碍物信息 的集合,所述障碍物信息包含障碍物位置、靠近障碍物的速度、所跟踪障碍 物标识(用粒子所属链路来表示)。
参考图12,图12为本申请实施例提供的例子跟踪算法跟踪多目标障碍物 的示意图。同样的,图12中横坐标为时间,单位为秒,纵坐标为障碍物距离, 单位为米。
在本申请的一个可选实施例中,所述障碍物检测系统还包括报警模块, 所述报警模块用于在探测的所述障碍物信息中,障碍物距离小于预设报警距 离时,发出警报信息以提示行人注意。
本申请实施例提供的障碍物检测系统具有检测距离远、检测延迟低、检 测精度高和成本低的优点。
具体地,对于一个障碍物检测提醒系统而言,提前提醒行人前方障碍物 信息,使行人有足够的时间反应并躲避障碍物,这也是相当重要的。所以系 统的检测距离是系统性能评价的一大重要指标。
对于所述障碍物检测系统而言,影响其检测距离的决定性因素就是两次 发射信号的时间间隔——发射信号的周期TR。因为所述障碍物检测系统在处理 接收到的信号时,是按照信号周期TR来将信号进行分帧。每一帧数据中含有直 接信号和对应的回声信号,我们利用这两个信号对应的时间戳的差值即可获 得信号的飞行时间τ.。然而如果当障碍物的距离太远,以至于返回的回声信号 并不在对应的直接信号所处的那一帧信号中,那么计算出的飞行时间将会与 信号的实际飞行时间存在一个整数倍时间周期TR的差值。由于我们无法获得这 个倍数的具体数值,所以所述障碍物检测系统无法通过已知的信息恢复出障 碍的距离信息。
为了避免存在这样的无法计算得出的整数倍时间周期的偏差,所述障碍 物检测系统可以限制其最大检测飞行时间τ=TR,所以最远检测距离为
所以本系统的最大检测距离为3.95m,这对于一个障碍物检测提醒系统而 言是一个比较合适的距离,太近则无法提供行人足够的反应时间,太远则障 碍物对于行人的安全影响较低。
对于实时检测系统而言,系统延迟是极其重要的评价指标。当系统延迟 过长,障碍物检测的结果将毫无用处。本系统的延迟主要在两个方面:1,声 音信号传播延迟;2,系统计算延迟。由于所述障碍物检测系统的工作距离在 4米内,所以声音信号传播延迟不超过系统计算延迟,对于不同 硬件,计算能力不同,所消耗时间也不同。我们对市面上几款手机CPU和PC 做了检测,结果如下:
表1:各CPU的计算延迟
CPU | Delay(ms) |
Core i5-7500 | 3.8 |
Qualcomm Snapdragon 810 | 53 |
Qualcomm Snapdragon 845 | 11.4 |
Hisilicon Kirin 970 | 13.2 |
可以发现,在各种机型下,系统的总延迟总是低于0.1s,可以满足检测障 碍物并提醒行人的时间要求。
由于不同手机硬件的差别,在计算信号传播时延时,记录的发送和接收 时间戳会有两段时间不确定性。其中一段是当手机接收到指令发送信号与信 号实际离开手机扬声器口的时间τs,h。另一段时间为当信号到达手机麦克风口 与手机将信号识别为返回信号的时间τr,h。如图13,手机在时间t0接收到指令 开始发送信号,信号在时间t1离开扬声器口。其中直接信号不经过反射直接在 时间t2到达麦克风口,并在时间t3被系统识别。回声信号经过障碍物反射后于 时间t4到达麦克风口,并在时间t5被系统识别。
由于直接信号和回声信号是在同一硬件上发射接收的,可以将他们的τs,h和τr,h近似看为相等,因此有以下等式
计算障碍物到手机的距离需要先求解信号的飞行时间τf,由图13可得:
τf=t4-t1
由于两段时间不确定性的存在,我们无法直接获得t1t2和t4的值,所以我 们将等式联立,可解得,
τf=(t5-t3)+(t2-t1)
如上面等式所示,将飞行时间τf分为了两个部分,前面部分是回声信号 和直接信号记录时间差τd,该时延可通过前面介绍的分数级傅里叶变换方法解 出。后半部分是直接信号由扬声器到达麦克风的飞行时间τ0。由于扬声器与麦 克风之间的距离可提前测出,一般手机两者距离为d=2.5cm,可得τ0为
故上面等式可变为
τf=τd+τ0
由此,我们可以完全排除这两段不确定时间的影响,理论上,最后计 算得出的距离精度只与τd的计算误差有关。由于
所以计算精度Δl可由下式求得,
由上面等式可知,系统的检测精度只与发送的信号带宽B有关。为了使发 送的声音信号人耳近乎听不到,我们将信号的频率定在了18kHz到22kHz,带宽 为4kHz。此时系统可以达到的理论检测精度为4.25cm,达到了厘米级的精度。
无论是全局的智能系统,还是如开始提到的WalkSafe和LookUp,其均 需要额外的硬件设施辅助,以帮助其获得足够的信息。这样的额外硬件不仅 增加了用户使用该设备的金钱成本,也增加了使用的难度,由此导致了方案 的难以普及。而对于本申请实施例提供的障碍物检测系统而言,所需的只是 一个带有扬声器以及麦克风的智能手机。对于当前社会而言,拥有智能手机 的用户已经相当普遍,所述障碍物检测系统对于用户的要求也因此相当低, 无需用户经过专业的使用训练,无需花费用户的学习成本。这对于避障系统 而言不可不为一个巨大的优势,这扫清了方案普及困难的障碍。
下面对本申请实施例提供的障碍物检测方法进行描述,下文描述的障碍 物检测方法可与上文描述的障碍物检测系统相互对应参照。
相应的,本申请实施例提供了一种障碍物检测方法,应用于移动终端, 所述障碍物检测方法包括:
控制所述移动终端发送声波作为探测信号,和用于接收返回的声波作为 待处理信号;
根据预设周期,对所述待处理信号包括的多个子信号进行对齐和分帧处 理,以使所述待处理信号中的多个子信号在时域上对齐,并被划分为多帧信 号;
对对齐和分帧处理后的待处理信号进行分数级傅里叶变换,以使所述对 齐和分帧处理后的待处理信号包含的多个子信号在分数级傅里叶域中彼此分 开;
对分数级傅里叶变换后的待处理信号进行减法去噪处理;
对减法去噪处理后的待处理信号进行粒子跟踪处理,以获得减法去噪处 理后的待处理信号中包含的障碍物信息。
相应的,本申请实施例提供了一种存储介质,所述存储介质中存储有程 序,所述程序被运行时执行上述任一实施例所述的障碍物检测方法。
综上所述,本申请实施例提供了一种障碍物检测系统、方法及存储介质, 其中,所述障碍物检测系统由声信号交互模块和声信号处理模块构成,所述 声信号交互模块用于利用移动终端发送声波作为探测信号,并接收返回的声 波作为待处理信号;所述声信号处理模块,用于对所述待处理信号依次进行 对齐、分帧处理、分数级傅里叶变换处理、减法去噪处理和粒子跟踪处理, 实现了利用声信号进行障碍物检测的目的,由于声信号相较于图像信号而言 数据量大大减少,能够有效降低所述障碍物检测系统的使用门槛,为利用移动终端的运算能力实现障碍物检测提供了可能。
并且在所述障碍物检测系统中,所述声信号处理模块对于待处理信号依 次进行的对齐、分帧处理、分数级傅里叶变换处理、减法去噪处理和粒子跟 踪处理,使得所述障碍物检测系统在障碍物检测的过程中既保证了快速计算 出待处理信号中包含的障碍物信息的目的,又保证了计算的精度。此外,所 述声信号处理模块的上述处理还实现了从众多的待处理信号追踪分离出所需 信息的目的,使得利用声信号进行障碍物检测成为了可能。
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。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用 本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易 见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下, 在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例, 而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种障碍物检测系统,其特征在于,应用于移动终端,所述障碍物检测系统包括:声信号交互模块和声信号处理模块;其中,
所述声信号交互模块,用于控制所述移动终端发送声波作为探测信号,和用于接收返回的声波作为待处理信号,并向所述声信号处理模块传输;
所述声信号处理模块包括:预处理单元、信号变换单元、去噪单元和粒子跟踪单元;其中,
所述预处理单元,用于根据预设周期,对所述待处理信号包括的多个子信号进行对齐和分帧处理,以使所述待处理信号中的多个子信号在时域上对齐,并被划分为多帧信号;
所述信号变换单元,用于对对齐和分帧处理后的待处理信号进行分数级傅里叶变换,以使所述对齐和分帧处理后的待处理信号包含的多个子信号在分数级傅里叶域中彼此分开;
所述去噪单元,用于对分数级傅里叶变换后的待处理信号进行减法去噪处理;
所述粒子跟踪单元,用于对减法去噪处理后的待处理信号进行粒子跟踪处理,以获得减法去噪处理后的待处理信号中包含的障碍物信息;
所述粒子跟踪单元,对减法去噪处理后的待处理信号进行粒子跟踪处理具体用于,将减法去噪处理后的待处理信号按照所述预设周期分为N帧待处理信号,并将N帧待处理信号从1到N依次编号;
确定编号为1的待处理信号中所有大于预设信号强度阈值的局部极值,并根据确定的所有局部极值,获得与所述局部极值对应的粒子,所述粒子包含一个障碍物的信息集合;
以每个所述粒子为起点,构建一个表示障碍物标识的链路,并将构建的所有链路放入链路集合中;
对编号为2到N的待处理信号,依次进行粒子跟踪循环,并在每次粒子跟踪循环后,将所述链路集合中已经在预设次数个粒子跟踪循环的过程中没有加入新的粒子的链路删除,所述链路集合中剩余的链路中包含的粒子表示所述障碍物信息;
所述对待处理信号进行粒子跟踪循环包括:
确定所述待处理信号中所有大于预设信号强度阈值的局部极值,并根据确定的所有局部极值,获得与所述局部极值对应的粒子;
依次计算所述链路集合中的链路的预估粒子位置;
对于当前循环中的所述待处理信号对应的每个粒子,判断所述链路集合中是否存在链路使得所述粒子满足链路加入条件,如果是,则将所述粒子加入该链路,并更新加入粒子的链路的端点粒子位置和速度,如果否,则以该粒子为起点构建新链路并加入所述链路集合中。
2.根据权利要求1所述的系统,其特征在于,所述多个子信号包括:直接信号、回声信号、多径效应信号和噪声信号;其中,
所述直接信号为被所述声信号交互模块直接接收的所述移动终端发送的探测信号;
所述回声信号为所述移动终端发送的探测信号经过周边环境物体反射后的信号。
3.根据权利要求1所述的系统,其特征在于,所述信号变换单元对对齐和分帧处理后的待处理信号进行分数级傅里叶变换具体用于,
确定分数级傅里叶变换的最优旋转角度;
将所述对齐和分帧处理后的待处理信号和所述最优旋转角度代入第一预设公式中,以使所述对齐和分帧处理后的待处理信号包含的多个子信号在分数级傅里叶域中彼此分开;
所述第一预设公式为:其中,Fα[g]表示将信号进行选择最优旋转角度α的傅里叶变换;s(t)表示所述对齐和分帧处理后的待处理信号的子信号;Sα(u)表示经过分数级傅里叶变换后的子信号;Kα(t,u)表示分数级傅里叶变换的转换核;
4.根据权利要求1所述的系统,其特征在于,所述去噪单元对分数级傅里叶变换后的待处理信号进行减法去噪处理具体用于,将分数级傅里叶变换后的待处理信号的每个子信号的当前帧信号与前一帧信号相减。
5.根据权利要求1所述的系统,其特征在于,所述链路加入条件以第二预设公式表示:
所述第二预设公式为:|pj-l'(k)|<width;其中,pj表示所述粒子的位置,l'(k)表示所述链路的预估粒子位置,width表示预设粒子跟踪宽度。
7.根据权利要求1所述的系统,其特征在于,所述粒子跟踪单元计算所述链路集合中的链路的预估粒子位置具体用于,
根据所述链路中的粒子位置和粒子速度,依据第四预设公式计算所述链路的预估粒子位置;
所述第四预设公式为:l'(k)=l(k)+v(k)TR;其中,l(k)表示所述链路中原始的端点粒子位置,v(k)表示所述链路中原始的粒子速度,l'(k)表示所述链路的预估粒子位置。
8.一种障碍物检测方法,其特征在于,应用于移动终端,所述障碍物检测方法包括:
控制所述移动终端发送声波作为探测信号,和用于接收返回的声波作为待处理信号;
根据预设周期,对所述待处理信号包括的多个子信号进行对齐和分帧处理,以使所述待处理信号中的多个子信号在时域上对齐,并被划分为多帧信号;
对对齐和分帧处理后的待处理信号进行分数级傅里叶变换,以使所述对齐和分帧处理后的待处理信号包含的多个子信号在分数级傅里叶域中彼此分开;
对分数级傅里叶变换后的待处理信号进行减法去噪处理;
对减法去噪处理后的待处理信号进行粒子跟踪处理,以获得减法去噪处理后的待处理信号中包含的障碍物信息;
所述对减法去噪处理后的待处理信号进行粒子跟踪处理包括:
将减法去噪处理后的待处理信号按照所述预设周期分为N帧待处理信号,并将N帧待处理信号从1到N依次编号;
确定编号为1的待处理信号中所有大于预设信号强度阈值的局部极值,并根据确定的所有局部极值,获得与所述局部极值对应的粒子,所述粒子包含一个障碍物的信息集合;
以每个所述粒子为起点,构建一个表示障碍物标识的链路,并将构建的所有链路放入链路集合中;
对编号为2到N的待处理信号,依次进行粒子跟踪循环,并在每次粒子跟踪循环后,将所述链路集合中已经在预设次数个粒子跟踪循环的过程中没有加入新的粒子的链路删除,所述链路集合中剩余的链路中包含的粒子表示所述障碍物信息;
所述对待处理信号进行粒子跟踪循环包括:
确定所述待处理信号中所有大于预设信号强度阈值的局部极值,并根据确定的所有局部极值,获得与所述局部极值对应的粒子;
依次计算所述链路集合中的链路的预估粒子位置;
对于当前循环中的所述待处理信号对应的每个粒子,判断所述链路集合中是否存在链路使得所述粒子满足链路加入条件,如果是,则将所述粒子加入该链路,并更新加入粒子的链路的端点粒子位置和速度,如果否,则以该粒子为起点构建新链路并加入所述链路集合中。
9.一种存储介质,其特征在于,所述存储介质中存储有程序,所述程序被运行时执行权利要求8所述的障碍物检测方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910807829.5A CN110687523B (zh) | 2019-08-29 | 2019-08-29 | 一种障碍物检测系统、方法及存储介质 |
PCT/CN2019/108113 WO2021035861A1 (zh) | 2019-08-29 | 2019-09-26 | 一种障碍物检测系统、方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910807829.5A CN110687523B (zh) | 2019-08-29 | 2019-08-29 | 一种障碍物检测系统、方法及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110687523A CN110687523A (zh) | 2020-01-14 |
CN110687523B true CN110687523B (zh) | 2023-07-11 |
Family
ID=69108585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910807829.5A Active CN110687523B (zh) | 2019-08-29 | 2019-08-29 | 一种障碍物检测系统、方法及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110687523B (zh) |
WO (1) | WO2021035861A1 (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106093951A (zh) * | 2016-06-06 | 2016-11-09 | 清华大学 | 基于超声波传感器阵列的物体跟踪方法 |
CN106249208A (zh) * | 2016-07-11 | 2016-12-21 | 西安电子科技大学 | 基于分数阶傅里叶变换的噪声调幅干扰下信号检测方法 |
CN107908275A (zh) * | 2017-11-30 | 2018-04-13 | 北京小米移动软件有限公司 | 移动终端的控制方法、移动终端及存储介质 |
CN109579979A (zh) * | 2017-09-29 | 2019-04-05 | 比亚迪股份有限公司 | 一种新能源车电机噪声信号提取方法及系统 |
CN110111807A (zh) * | 2019-04-27 | 2019-08-09 | 南京理工大学 | 一种基于麦克风阵列的室内声源跟随与增强方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3073412C (en) * | 2012-10-23 | 2022-05-24 | Interactive Intelligence, Inc. | System and method for acoustic echo cancellation |
US11449059B2 (en) * | 2017-05-01 | 2022-09-20 | Symbol Technologies, Llc | Obstacle detection for a mobile automation apparatus |
CN108845324B (zh) * | 2018-06-26 | 2022-09-23 | 北京小米移动软件有限公司 | 障碍物识别方法、装置、设备及存储介质 |
CN109525946A (zh) * | 2018-10-31 | 2019-03-26 | 出门问问信息科技有限公司 | 一种安全提醒方法及装置 |
-
2019
- 2019-08-29 CN CN201910807829.5A patent/CN110687523B/zh active Active
- 2019-09-26 WO PCT/CN2019/108113 patent/WO2021035861A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106093951A (zh) * | 2016-06-06 | 2016-11-09 | 清华大学 | 基于超声波传感器阵列的物体跟踪方法 |
CN106249208A (zh) * | 2016-07-11 | 2016-12-21 | 西安电子科技大学 | 基于分数阶傅里叶变换的噪声调幅干扰下信号检测方法 |
CN109579979A (zh) * | 2017-09-29 | 2019-04-05 | 比亚迪股份有限公司 | 一种新能源车电机噪声信号提取方法及系统 |
CN107908275A (zh) * | 2017-11-30 | 2018-04-13 | 北京小米移动软件有限公司 | 移动终端的控制方法、移动终端及存储介质 |
CN110111807A (zh) * | 2019-04-27 | 2019-08-09 | 南京理工大学 | 一种基于麦克风阵列的室内声源跟随与增强方法 |
Non-Patent Citations (1)
Title |
---|
低信噪比下信号循环谱的实现;梁红等;《通信对抗》;20160615;第35卷(第02期);第9-12页 * |
Also Published As
Publication number | Publication date |
---|---|
WO2021035861A1 (zh) | 2021-03-04 |
CN110687523A (zh) | 2020-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8949012B2 (en) | Automated multi-vehicle position, orientation and identification system and method | |
JP6531903B2 (ja) | 物体検出装置 | |
Wang et al. | ObstacleWatch: Acoustic-based obstacle collision detection for pedestrian using smartphone | |
WO2021077287A1 (zh) | 一种检测方法、检测装置以及存储介质 | |
JP2005098847A (ja) | 通信装置、車載システム、及び、通信システム、並びに、盗難防止システム | |
US20240027611A1 (en) | Obstacle detection method and system of mmwave radar and vehicle | |
KR20110012584A (ko) | 초음파 기반 3차원 위치 추정 장치 및 방법 | |
US10043391B2 (en) | Fine grained location-based services | |
CN109766851A (zh) | 障碍物的确定方法及装置、倒车成像设备 | |
CN110471067A (zh) | 一种车辆与障碍物之间距离确定方法及装置 | |
Jin et al. | CycleGuard: A Smartphone-based Assistive Tool for Cyclist Safety Using Acoustic Ranging. | |
Xu et al. | Steertrack: Acoustic-based device-free steering tracking leveraging smartphones | |
CN101377886A (zh) | 车辆违章鸣笛电子取证装置、电子警察系统及取证方法 | |
JP2001195700A (ja) | 車両情報検出装置 | |
CN112098943A (zh) | 一种可穿戴设备的定位方法和智能设备 | |
CN110687523B (zh) | 一种障碍物检测系统、方法及存储介质 | |
Jin et al. | Acoussist: An acoustic assisting tool for people with visual impairments to cross uncontrolled streets | |
JP5436652B1 (ja) | 車両の周辺監視装置及び車両の周辺監視方法 | |
CN109229015B (zh) | 基于超声波传感器实现车辆360度障碍物报警提示的方法 | |
CN110706496A (zh) | 基于声学的环境感知方法及系统 | |
CN108919217A (zh) | 一种点云数据处理方法、装置、控制器及雷达传感器 | |
Chen et al. | A sound source localization method under NLOS environment for vehicles | |
CN113075619A (zh) | 一种智能设备的定位方法、装置、智能设备和存储介质 | |
CN112416001A (zh) | 一种车辆的自动跟随方法、装置和车辆 | |
Rai et al. | Overtaking Assistance System based on Signal Strength to Prevent Accidents in V2V Communication Environment |
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 |