CN111025296A - 一种基于车载雷达的路径规划方法 - Google Patents
一种基于车载雷达的路径规划方法 Download PDFInfo
- Publication number
- CN111025296A CN111025296A CN201911375968.1A CN201911375968A CN111025296A CN 111025296 A CN111025296 A CN 111025296A CN 201911375968 A CN201911375968 A CN 201911375968A CN 111025296 A CN111025296 A CN 111025296A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- path planning
- mounted radar
- planning method
- imaging
- 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
Links
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
- 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
-
- 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
- G01S7/411—Identification of targets based on measurements of radar reflectivity
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于车载雷达的路径规划方法,其包括:步骤S1:原始回波成像;通过前视车载雷达探测系统对前方区域进行探测,获得原始回波并对原始回波进行成像;步骤S2:目标检测;对步骤S1得到的成像结果进行目标检测,获得目标检测结果;步骤S3:特征提取;对步骤S2得到的检测结果进行特征提取;步骤S4:路径标注;对步骤S3提取的特征,指示可通行区域,提供路径规划方案。本发明具有实现方法简单、适应性强,且实时性好及效率高等优点。
Description
技术领域
本发明主要涉及到车载雷达的技术领域,特指一种基于车载雷达的路径规划方法。
背景技术
利用电磁波的穿透性及传输特性,前视车载雷达可穿透草丛、灌木丛等等对石头、金属和树桩等障碍物进行探测。通过对检测区域的回波信号进行一系列数据处理,通过数字合成实现前视二维成像,利用障碍物二维特征在图像域进行检测和鉴别,并提取障碍物位置和轮廓信息,为无人车的路径规划提供有效指导。
目前尚无自动化/半自动化的车行辅助设备用于行车路径规划。目前所使用的设备中光学设备,光学设备易受天气、黑夜等视野条件影响而不能起到有效作用;使用的车载雷达一般用于避障、倒车等,作用距离短且无路径规划功能。容易出现各种意外,且在遇到草丛遮蔽条件时,隐藏在草丛下的障碍物无法被光学设备所发现。
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、适应性强,且实时性好及效率高的基于车载雷达的路径规划方法。
为解决上述技术问题,本发明采用以下技术方案:
一种基于车载雷达的路径规划方法,其包括:
步骤S1:原始回波成像;通过前视车载雷达探测系统对前方区域进行探测,获得原始回波并对原始回波进行成像;
步骤S2:目标检测;对步骤S1得到的成像结果进行目标检测,获得目标检测结果;
步骤S3:特征提取;对步骤S2得到的检测结果进行特征提取;
步骤S4:路径标注;对步骤S3提取的特征,指示可通行区域,提供路径规划方案。
作为本发明的进一步改进:所述步骤S1中是对原始回波进行后向散射投影成像,即通过雷达系统获得经过一定信号预处理的多通道回波信号echos(t),对回波信号进行后向投影成像方法处理。
作为本发明的进一步改进:所述步骤S1包括:
步骤S101:首先将成像区域划分为M×N个像素点,ym(m=1,2,...,M)和xn(n=1,2,...,N)分别表示距离向和方位向上像素点的坐标值;
步骤S102:雷达等效孔径数为NUM,计算每一个像素点(xn,ym)与所有收发天线组合之间的双程时延:
其中,k=1,2,...,NUM表示通道标签,(xT(k),yT(k))表示发射天线坐标,(xR(k),yR(k))表示接收天线坐标,c=3.0×108m/s表示光速,
步骤S103:计算每一个像素点的相位补偿:
phasek(xn,ym)=exp(j2πfc·(dT+dR)/c)
其中,k=1,2,...,NUM表示通道标签,fc为载频,c为光速;
步骤S104:计算相干叠加结果:
其中,zk(x,y)=echos(t-τk(x,y))×phasek(x,y)表示第k个孔径域数据,NUM表示雷达等效孔径数。
作为本发明的进一步改进:所述步骤S2中是将步骤S1中获得的BP成像结果Is(x,y)进行二维恒虚警检测CFAR。
作为本发明的进一步改进:所述步骤S2包括:
S201:设定恒虚警概率PA;设定上下左右保护窗:guard_top、guard_bottom、guard_left、guard_right;上下左右参考窗:refer_top、refer_bottom、refer_left、refer_right;
S202:计算参考单元数量N,计算门限乘积因子α:
其中xref(i)表示每个参考单元值。再计算得到估计门限值Th:
S204:最后将Is(x,y)每个像素点与门限Th比较得到二值图BIs(x,y)。
作为本发明的进一步改进:所述步骤S2中采用最大值阈值法进行目标检测,即找到数组中最大值max,以最大值的小数倍a·max(0<a<1)作为阈值,将每个点值与该阈值进行比较,大于阈值的点值取1,否则取0,实现二值化。
作为本发明的进一步改进:所述步骤S3中是对步骤S2得到的检测结果BIs(x,y)进行特征提取,包括提取聚类质心和面积。
作为本发明的进一步改进:所述步骤S3包括:
S301:将距离d<0.5的点归为一类C1,并统计面积n1,以此类推得到m个类Cm;
S302:若面积nk小于设定的阈值T,则将该类剔除,其中k=1,2...m;
S303:计算每一类的质心(xk cen,yk cen)及面积nk:
其中k=1,2...m。
作为本发明的进一步改进:所述步骤S4中是标注可通行区域,即根据步骤S3得到每个目标的质心及面积,进行标注以指示该处为不可通行区域。
与现有技术相比,本发明的优点在于:
1、本发明的基于车载雷达的路径规划方法,利用前视雷达所选择的电磁波工作频段具有的良好穿透能力,对草丛等介质可实现遮蔽条件下障碍物的检测与识别,适应性强,实时性好。
2、本发明的基于车载雷达的路径规划方法,原理简单,充分利用计算平台运算能力及加速算法对系统进行加速,图像帧率高实时性好;可穿透草丛等遮蔽物对隐匿的障碍物进行探测,坑也归属于障碍物,能被标注为不可行区域,实用性高。
3、本发明的基于车载雷达的路径规划方法,基于雷达电磁波自身物理特性,可全天候工作,不受黑夜、烟雾等环境影响,适应性强。
4、本发明的基于车载雷达的路径规划方法,系统工作软件界面简洁高效,探测信息丰富清晰直观,雷达探测操作简单,实时获取前方障碍物信息,及时提供路径规划。
附图说明
图1是本发明方法的流程示意图。
图2是本发明在具体应用实例中目标检测结果的示意图。
图3是本发明在具体应用实例中特征提取及可通行区域标注的示意图。
具体实施方式
以下将结合说明书附图和具体实施例对本发明做进一步详细说明。
如图1所示,本发明的基于车载雷达的路径规划方法,包括:
步骤S1:原始回波成像;通过前视车载雷达探测系统对前方区域进行探测,获得原始回波并对原始回波进行成像;
步骤S2:目标检测;对步骤S1得到的成像结果进行目标检测,获得目标检测结果;
步骤S3:特征提取;对步骤S2得到的检测结果进行特征提取;
步骤S4:路径标注;对步骤S3提取的特征,指示可通行区域,提供路径规划方案。
具体应用实例中,在步骤S1中是对原始回波进行后向散射投影成像。即,通过雷达系统获得经过一定信号预处理的多通道回波信号echos(t),对回波信号进行后向投影(BP,Back Projection)成像方法处理。
在该步骤中,本实例中包括:
步骤S101:首先将成像区域划分为M×N个像素点,ym(m=1,2,...,M)和xn(n=1,2,...,N)分别表示距离向和方位向上像素点的坐标值;
步骤S102:雷达等效孔径数为NUM,计算每一个像素点(xn,ym)与所有收发天线组合之间的双程时延:
其中,k=1,2,...,NUM表示通道标签,(xT(k),yT(k))表示发射天线坐标,(xR(k),yR(k))表示接收天线坐标,c=3.0×108m/s表示光速,
步骤S103:计算每一个像素点的相位补偿:
phasek(xn,ym)=exp(j2πfc·(dT+dR)/c)
其中,k=1,2,...,NUM表示通道标签,fc为载频,c为光速;
步骤S104:计算相干叠加结果:
其中,zk(x,y)=echos(t-τk(x,y))×phasek(x,y)表示第k个孔径域数据,NUM表示雷达等效孔径数。
具体应用实例中,在步骤S2中是将步骤S1中获得的BP成像结果Is(x,y)进行二维CFAR(Constant False-Alarm Rate,恒虚警)检测。
在该步骤中,本实例中包括:
S201:设定恒虚警概率PA;设定上下左右保护窗:guard_top、guard_bottom、guard_left、guard_right;上下左右参考窗:refer_top、refer_bottom、refer_left、refer_right;
S202:计算参考单元数量N,计算门限乘积因子α:
其中xref(i)表示每个参考单元值。再计算得到估计门限值Th:
S204:最后将Is(x,y)每个像素点与门限Th比较得到二值图BIs(x,y)。
可以理解,在其他实施例中,也可以采用其他的目标检测方法。例如,上述实例中的CFAR检测一定程度上可以用最大值阈值法替代,即找到数组中最大值max,以最大值的小数倍a·max(0<a<1)作为阈值,将每个点值与该阈值进行比较,大于阈值的点值取1,否则取0,从而实现二值化。
具体应用实例中,在步骤S3中是对步骤S2得到的检测结果BIs(x,y)进行特征提取,包括提取聚类质心和面积。
在该步骤中,本实例中包括:
S301:将距离d<0.5的点归为一类C1,并统计面积n1,以此类推得到m个类Cm;
S302:若面积nk小于设定的阈值T,则将该类剔除,其中k=1,2...m;
S303:计算每一类的质心(xk cen,yk cen)及面积nk:
其中k=1,2...m。
具体应用实例中,在步骤S4中是标注可通行区域,即根据步骤S3得到每个目标的质心及面积,进行标注以指示该处为不可通行区域。
具体应用实例中,雷达可以安装在车前端,也可安装在车底或者车侧边。
如图2和图3所示,为本发明方法在一个具体应用中的实例。首先,通过车载雷达探测系统对前方区域进行探测,获得原始回波并对原始回波进行成像;其次,对上一步得到的成像结果进行目标检测,获得目标检测结果如图2所示;再次,对上一步得到的检测结果进行特征提取,获取目标质心及面积;最后,标注障碍物区域即不可通行区域如图3所示,从而指示可通行区域。其中方框为障碍物所在区域,为不可通行区域,其他区域为可通行区域,从而指示了可通行区域,提供路径规划方案。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (9)
1.一种基于车载雷达的路径规划方法,其特征在于,包括:
步骤S1:原始回波成像;通过前视车载雷达探测系统对前方区域进行探测,获得原始回波并对原始回波进行成像;
步骤S2:目标检测;对步骤S1得到的成像结果进行目标检测,获得目标检测结果;
步骤S3:特征提取;对步骤S2得到的检测结果进行特征提取;
步骤S4:路径标注;对步骤S3提取的特征,指示可通行区域,提供路径规划方案。
2.根据权利要求1所述的基于车载雷达的路径规划方法,其特征在于,所述步骤S1中是对原始回波进行后向散射投影成像,即通过雷达系统获得经过一定信号预处理的多通道回波信号echos(t),对回波信号进行后向投影成像方法处理。
3.根据权利要求2所述的基于车载雷达的路径规划方法,其特征在于,所述步骤S1包括:
步骤S101:首先将成像区域划分为M×N个像素点,ym(m=1,2,...,M)和xn(n=1,2,...,N)分别表示距离向和方位向上像素点的坐标值;
步骤S102:雷达等效孔径数为NUM,计算每一个像素点(xn,ym)与所有收发天线组合之间的双程时延:
其中,k=1,2,...,NUM表示通道标签,(xT(k),yT(k))表示发射天线坐标,(xR(k),yR(k))表示接收天线坐标,c=3.0×108m/s表示光速,
步骤S103:计算每一个像素点的相位补偿:
phasek(xn,ym)=exp(j2πfc·(dT+dR)/c)
其中,k=1,2,...,NUM表示通道标签,fc为载频,c为光速;
步骤S104:计算相干叠加结果:
其中,zk(x,y)=echos(t-τk(x,y))×phasek(x,y)表示第k个孔径域数据,NUM表示雷达等效孔径数。
4.根据权利要求1-3中任意一项所述的基于车载雷达的路径规划方法,其特征在于,所述步骤S2中是将步骤S1中获得的BP成像结果Is(x,y)进行二维恒虚警检测CFAR。
6.根据权利要求1-3中任意一项所述的基于车载雷达的路径规划方法,其特征在于,所述步骤S2中采用最大值阈值法进行目标检测,即找到数组中最大值max,以最大值的小数倍a·max(0<a<1)作为阈值,将每个点值与该阈值进行比较,大于阈值的点值取1,否则取0,实现二值化。
7.根据权利要求1-3中任意一项所述的基于车载雷达的路径规划方法,其特征在于,所述步骤S3中是对步骤S2得到的检测结果BIs(x,y)进行特征提取,包括提取聚类质心和面积。
9.根据权利要求7所述的基于车载雷达的路径规划方法,其特征在于,所述步骤S4中是标注可通行区域,即根据步骤S3得到每个目标的质心及面积,进行标注以指示该处为不可通行区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911375968.1A CN111025296A (zh) | 2019-12-27 | 2019-12-27 | 一种基于车载雷达的路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911375968.1A CN111025296A (zh) | 2019-12-27 | 2019-12-27 | 一种基于车载雷达的路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111025296A true CN111025296A (zh) | 2020-04-17 |
Family
ID=70194422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911375968.1A Pending CN111025296A (zh) | 2019-12-27 | 2019-12-27 | 一种基于车载雷达的路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111025296A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427314A (zh) * | 2015-11-23 | 2016-03-23 | 西安电子科技大学 | 基于贝叶斯显著性的sar图像目标检测方法 |
CN109298418A (zh) * | 2018-09-30 | 2019-02-01 | 湖南华诺星空电子技术有限公司 | 基于建筑物内部结构特征的雷达检测虚警抑制方法及装置 |
CN109407094A (zh) * | 2018-12-11 | 2019-03-01 | 湖南华诺星空电子技术有限公司 | 车载超宽带雷达前视成像系统 |
WO2019154536A1 (en) * | 2018-02-09 | 2019-08-15 | Bayerische Motoren Werke Aktiengesellschaft | Methods and apparatuses for object detection in a scene based on lidar data and radar data of the scene |
-
2019
- 2019-12-27 CN CN201911375968.1A patent/CN111025296A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105427314A (zh) * | 2015-11-23 | 2016-03-23 | 西安电子科技大学 | 基于贝叶斯显著性的sar图像目标检测方法 |
WO2019154536A1 (en) * | 2018-02-09 | 2019-08-15 | Bayerische Motoren Werke Aktiengesellschaft | Methods and apparatuses for object detection in a scene based on lidar data and radar data of the scene |
CN109298418A (zh) * | 2018-09-30 | 2019-02-01 | 湖南华诺星空电子技术有限公司 | 基于建筑物内部结构特征的雷达检测虚警抑制方法及装置 |
CN109407094A (zh) * | 2018-12-11 | 2019-03-01 | 湖南华诺星空电子技术有限公司 | 车载超宽带雷达前视成像系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wagner et al. | Radar signal processing for jointly estimating tracks and micro-Doppler signatures | |
CN111289980B (zh) | 基于车载毫米波雷达的路边静止物的检测方法及系统 | |
CN109375177B (zh) | 一种用于机场场面监视雷达系统的运动目标检测方法 | |
CN105427314A (zh) | 基于贝叶斯显著性的sar图像目标检测方法 | |
US6756935B1 (en) | Full polarization ground moving target indicator radar automatic target detection algorithm | |
CN109471098B (zh) | 利用fod雷达相位相干性信息的机场跑道异物检测方法 | |
CN110208803B (zh) | 桥梁处船舶防撞雷达监测识别方法 | |
CN111316128A (zh) | 连续障碍物检测方法、设备、系统及存储介质 | |
CN102495403B (zh) | 一种雷达信号处理方法 | |
US20230139751A1 (en) | Clustering in automotive imaging | |
CN109188430A (zh) | 一种基于地面监视雷达系统的目标提取方法 | |
CN111913177A (zh) | 对目标物探测方法、装置以及存储介质 | |
WO2022183408A1 (zh) | 车道线检测方法和车道线检测装置 | |
CN109100697A (zh) | 一种基于地面监视雷达系统的目标凝聚方法 | |
CN108983194B (zh) | 一种基于地面监视雷达系统的目标提取及凝聚方法 | |
CN110648542B (zh) | 基于方位识别窄波雷达的高精度车流量检测系统 | |
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 | |
US20190154823A1 (en) | Method for detecting pedestrians using 24 gigahertz radar | |
CN116879883A (zh) | 激光雷达噪点数据采集处理方法、装置、介质及车辆 | |
CN111025296A (zh) | 一种基于车载雷达的路径规划方法 | |
CN109544574B (zh) | 基于全固态vts雷达的目标提取方法 | |
Hyun et al. | Multi-level Fusion Scheme for Target Classification using Camera and Radar Sensors | |
CN115755026A (zh) | 车辆引导方法及车辆 | |
CN112070786B (zh) | 一种警戒雷达ppi图像目标和干扰提取方法 | |
Mecocci et al. | Radar image processing for ship-traffic control |
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: 20200417 |