CN111060906A - 一种传感数据处理方法、装置、车载设备及存储介质 - Google Patents
一种传感数据处理方法、装置、车载设备及存储介质 Download PDFInfo
- Publication number
- CN111060906A CN111060906A CN201911120588.3A CN201911120588A CN111060906A CN 111060906 A CN111060906 A CN 111060906A CN 201911120588 A CN201911120588 A CN 201911120588A CN 111060906 A CN111060906 A CN 111060906A
- Authority
- CN
- China
- Prior art keywords
- target
- track
- data
- clustering result
- trace
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 230000008447 perception Effects 0.000 claims abstract description 85
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000004927 fusion Effects 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 238000007621 cluster analysis Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 4
- 230000006798 recombination Effects 0.000 claims description 3
- 238000005215 recombination Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000008521 reorganization Effects 0.000 claims description 2
- 230000001953 sensory effect Effects 0.000 claims 1
- 238000013439 planning Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000008033 biological extinction Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 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
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明使用自动驾驶领域，具体公开了一种传感数据处理方法、装置、车载设备及存储介质。该传感数据处理方法包括根据硬件的计算性能重组原始点迹数据，得到重组点迹数据；聚类分析所述重组点迹数据，得到聚类结果；根据聚类结果，得到系统航迹的初始化值；根据所述聚类结果使感知目标与系统航迹的预测值进行航迹融合，获得航迹目标数据；所述系统航迹是指当前智能体中已有的目标航迹。该传感数据处理方法可实现定制化服务，输出的航迹更稳定，而且可以直接应用于策略规划和运动控制。
Description
技术领域
本发明涉及自动驾驶技术领域，具体涉及一种传感数据处理方法、装置、车载设备及存储介质。
背景技术
毫米波雷达是自动驾驶车辆用于感知环境的重要部件，为高精度、全面地感知周围环境，在自动驾驶车辆的不同位置设置毫米波雷达，通过处理毫米波雷达获得到的检测数据获得原始点迹数据，再处理原始点迹数据后输出目标点迹数据。
在实际应用中，由于毫米波雷达输出的目标点迹数据相对原始、复杂，无法将点迹数据转化为稳定的航迹目标，导致难以直接应用于智能驾驶系统的规划决策及运动控制。
发明内容
为此，本发明提供一种传感数据处理方法、装置、车载设备及存储介质，以解决现有技术中由于无法将点迹数据转化为稳定的航迹目标而导致不能直接用于策略规划和运动控制的问题。
为了实现上述目的，本发明第一方面提供一种传感数据处理方法，所述方法包括：
根据硬件的计算性能重组原始点迹数据，得到重组点迹数据；
聚类分析所述重组点迹数据，得到聚类结果；
根据聚类结果，得到系统航迹的初始化值；
根据所述聚类结果使感知目标与系统航迹的预测值进行航迹融合，获得航迹目标数据。
为了实现上述目的，本发明第二方面提供一种传感数据处理装置，所述装置包括：
点迹重组模块，用于根据硬件的计算性能重组原始点迹数据，得到重组点迹数据；
聚类模块，用于聚类分析所述重组点迹数据，得到聚类结果；
第一初始化模块，用于根据聚类结果对系统航迹进行首次初始化；
融合模块，用于根据所述聚类结果使感知目标与系统航迹的预测值进行融合，获得航迹目标数据。
为了实现上述目的，本发明第三方面提供一种车载设备，包括处理器、存储器和通信接口，所述通信接口数据连接所述处理器和所述存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行本发明实施例提供的所述传感数据处理方法的步骤
为了实现上述目的，本发明第四方面提供一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行本发明实施例提供的所述传感数据处理方法的步骤。
本发明具有如下优点：
本发明提供的传感数据处理方法，根据硬件的计算性能重组原始点迹数据，得到重组点迹数据，实现了定制化服务，可关联不同类型毫米波雷达组合使用；聚类分析所述重组点迹数据，得到聚类结果，降低漏报和误报率；根据聚类结果，得到系统航迹的初始化值，并根据所述聚类结果使感知目标与系统航迹的预测值进行融合，获得航迹目标数据，使感知目标和系统航迹深度融合，使输出的航迹目标更稳定，可直接应用于策略规划和运动控制。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。
图1为本发明实施例提供的一种自动驾驶车辆的整体架构图；
图2为本发明实施例提供的一种传感数据处理方法的流程图；
图3为本发明实施例提供的一种传感数据处理装置的结构框图；
图4为本发明实施例提供的一种传感数据处理装置的结构框图；
图5为本发明实施例提供的一种初始化模块的结构框图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
如本公开所使用的，术语“和/或”包括一个或多个相关列举条目的任何和全部组合。
本公开所使用的术语仅用于描述特定实施例，且不意欲限制本公开。如本公开所使用的，单数形式“一个”和“该”也意欲包括复数形式，除非上下文另外清楚指出。
当本公开中使用术语“包括”和/或“由……制成”时，指定存在所述特征、整体、步骤、操作、元件和/或组件，但不排除存在或添加一个或多个其它特征、整体、步骤、操作、元件、组件和/或其群组。
本公开所述实施例可借助本公开的理想示意图而参考平面图和/或截面图进行描述。因此，可根据制造技术和/或容限来修改示例图示。
除非另外限定，否则本公开所用的全部术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解，诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义，且将不解释为具有理想化或过度形式上的含义，除非本公开明确如此限定。
本发明第一实施例涉及一种传感数据处理方法，可用于处理毫米波雷达等传感器采集的点迹数据，转化为航迹数据，以直接用于智能体的控制系统。
在一些实施例中，智能体可以是自动驾驶车辆、自动飞行器，也可以是其它无人驾驶交通工具。
图1为本发明实施例提供的一种自动驾驶车辆的整体架构图。如图1所示，自动驾驶车辆包括：车辆感知系统100、车辆控制系统200、车辆执行系统300以及其他用于车辆安全行驶的辅助系统。
车辆感知系统100，用于感知车辆外部环境的数据，以及探测车辆的位置数据。车辆感知系统100包括但不限于摄像头、激光雷达、毫米波雷达、全球定位系统(GlobalPositioning System，GPS)和惯性测量单元(Inertial Measurement Unit，IMU)中的至少一个。
在一些实施例中，车辆感知系统100，还用于采集车辆的动力学数据，例如还包括但不限于车轮转速传感器、速度传感器、加速度传感器、方向盘转角传感器、前轮转角传感器中的至少一个。
车辆控制系统200，用于获取车辆感知系统100的数据。车辆感知系统100和车辆控制系统200之间的数据以较高的频率传输，以满足自动驾驶车辆对数据传输的时延和效率要求。
车辆控制系统200，还用于基于车辆感知系统100的数据进行环境感知和车辆定位，并基于环境感知信息和车辆定位信息规划路径和决策，以及基于规划的路径生成车辆控制指令，以控制车辆按照规划路径行驶。
在一些实施例中，车辆控制系统200，还用于检测车辆的单元或模块的状态。在一些实施例中，车辆控制系统200基于各单元或模块的状态修正控制指令。
在一些实施例中，车辆控制系统200可以为软件系统、硬件系统或者软硬件结合的系统。例如，车辆控制系统200是运行在操作系统上的软件系统，车载硬件系统是支持操作系统运行的硬件系统。
在一些实施例中，车辆控制系统200，还用于与云端服务器无线通信，交互各种信息。在一些实施例中，车辆控制系统200与云端服务器通过无线通讯网络(包括但不限于GPRS网络、Zigbee网络、Wifi网络、3G网络、4G网络、5G网络等无线通讯网络)进行无线通信。
在一些实施例中，云端服务器用于统筹协调管理自动驾驶车辆。在一些实施例中，云端服务器可用于与一个或多个自动驾驶车辆进行交互，统筹协调管理多个自动驾驶车辆的调度等。
在一些实施例中，云端服务器是由车辆服务商所建立的云端服务器，提供云存储和云计算的功能。在一些实施例中，在云端服务器中建立车辆端档案。在一些实施例中，车辆端档案中储存车辆控制系统200上传的各种信息。在一些实施例中，云端服务器可以实时同步车辆端产生的驾驶数据。
在一些实施例中，云端服务器可包括数据仓库和数据加工平台，其中数据仓库中存储云端服务器建立的车辆端档案。在一些实施例中，数据仓库可以从各种源头业务系统中把数据统一采集到数据仓库中，并在数据加工平台进行加工，以便车辆端使用。
在一些实施例中，云端服务器可以是一个服务器，也可以是一个服务器群组。服务器群组可以是集中式的，也可以是分布式的。分布式服务器，有利于任务在多个分布式服务器进行分配与优化，克服传统集中式服务器资源紧张与响应瓶颈的缺陷。在一些实施例中，云端服务器可以是本地的或远程的。
在一些实施例中，云端服务器可用于获取道路监测单元(RSU：Road Side Unit)和自动驾驶车辆的信息，以及可以发送信息至自动驾驶车辆。在一些实施例中，云端服务器可以根据自动驾驶车辆的信息将道路监测单元中的与自动驾驶车辆相对应的检测信息发送给自动驾驶车辆。
车辆执行系统300，用于接收车辆控制指令，实现对车辆行驶的控制。在一些实施例中，车辆执行系统300包括但不限于转向系统、制动系统和驱动系统。转向系统、制动系统和驱动系统属于车辆领域成熟系统，在此不再赘述。
在一些实施例中，自动驾驶车辆还可包括车辆CAN总线，车辆CAN总线连接车辆控制系统200和车辆执行系统300。智能驾驶系统100与车辆底层执行系统之间的信息交互通过车辆CAN总线进行传递。
在一些实施例中，自动驾驶车辆既可以通过驾驶员以人工驾驶模式控制车辆行驶，又可以通过车辆控制系统200以无人驾驶方式控制车辆行驶。在人工驾驶模式下，驾驶员通过操作控制车辆行驶的装置驾驶车辆，控制车辆行驶的装置例如包括但不限于制动踏板、方向盘和油门踏板等。控制车辆行驶的装置可直接操作车辆底层执行系统控制车辆行驶。
在一些实施例中，自动驾驶车辆也可以为无人车，车辆的驾驶控制由智能控制系统200输出控制指令，并由车辆执行系统300来执行。
在一些实施例中，在自动驾驶车辆的不同位置设置了多个毫米波雷达，用于自动驾驶车辆周围环境感知。例如，毫米波雷达被设置在前保险杠、发送机舱两侧、车辆的尾部等区域，以感知对应区域的目标。另外，自动驾驶车辆可以选择其中任一区域设置毫米波雷达，也可以选择其中任意几个区域设置毫米波雷达，而且各个区域可以设置一个或多个毫米波雷达。
在一些实施例中，自动驾驶车辆在前保险杠、发送机舱两侧、车辆的尾部均设置毫米波雷达。具体地，在前保险杠的中心位置设置一个前毫米波雷达，用以实现对自动驾驶车辆行驶方向的前向目标进行感知。在发动机舱的两侧各设置一个前角毫米波雷达，用以实现对自动驾驶车辆侧向目标进行感知，以及补充行驶方向的前向目标感知。在自动驾驶车辆的尾部的两个角位置各设置一个后角毫米波雷达，用以实现对自动驾驶车辆的后向目标和侧向目标进行感知。在一些实施例中，在自动驾驶车辆的其它位置设置一个或多个毫米波雷达，以感知不同方向的目标。
图2为本发明实施例提供的一种传感数据处理方法的流程图。如图2所示，传感数据处理方法包括：
201，根据硬件的计算性能重组原始点迹数据，得到重组点迹数据。
其中，硬件的计算性能是指车载硬件平台的计算性能，如车辆控制系统的聚类能力。根据计算能力的差异，合理重组原始点迹数据。
在一些实施例中，原始点迹数据包括但不限于毫米波雷达极坐标下点迹的径向距离、点迹径向距离的变化率、回波反射强度和方位角。在一些实施例中，原始点迹数据也可以是其它能够标识目标的点迹信息。
在一些实施例中，重组点迹数据是根据车载硬件平台的性能对点迹数据进行重组，将不同的毫米波雷达获得的原始点迹数据逐个、分批次或全部进行重组。车载硬件平台的性能越强，重组的点迹数据越大。在一些实施例中例如，当车载硬件平台的性能强大时，将设置在自动驾驶车辆上的全部毫米波雷达获得点迹数据进行重组。例如，将设置在前毫米波雷达、两个前角毫米波雷达和两个后角毫米波雷达获得点迹数据进行重组，然后将获得的重组点迹数据统一进行聚类分析。当车载硬件平台的计算性能中等时，将两个前角毫米波雷达和两个后角毫米波雷达获得的点迹数据分批次重组，并将重组点迹数据分批进行聚类分析。当车载硬件平台的计算性能较弱时，将前毫米波雷达、两个前角毫米波雷达和两个后角毫米波雷达获得的点迹数据逐个进行后续的聚类分析。
202，聚类分析所述重组点迹数据，得到聚类结果。
在一些实施例中，通过集中式算法聚类分析重组原始点迹数据，以避免被看成两个目标，从而降低后续处理的复杂度，而且可以避免感知信息的丢失。例如，当同一目标车辆被两个前角毫米波雷达感知时，即两个前角毫米波雷达分别获得了目标车辆的点迹数据，聚类分析可以将两个目标车辆的点迹数据聚类为一个目标。
在一些实施例中，聚类分析算法还可以采用密度聚类算法、层次聚类算法和网格聚类算法等适合进行聚类分析的算法。
在一些实施例中，根据点迹的坐标(X，Y)和速度(VX)并利用聚类算法对所述重组点迹数据中不同的点迹进行聚类分析。在一些实施例中，不同点迹之间的相似度可以但不限于通过闵可夫斯基距离、马氏距离、相关系数等度量方式进行判断。
在一些实施例中，由于毫米波雷达的点迹数据中目标的速度是相对速度，需要结合自动驾驶车辆的速度获得目标对地的绝对速度，即根据所述点迹的坐标、速度和当前智能体的运动状态获得所述点迹的绝对速度。
在一些实施例中，聚类结果包括五类，即静止目标、运动目标、护栏和噪声点，其中，运动目标还可以分为低回波反射强度运动目标和高回波反射强度运动目标。需要指出的是，这里的低回波反射强度和高回波反射强度可以根据实际情况设定，也可以根据统计结果设定。在一些实施例中，回波反射强度在-24dBsm至40dBsm范围；回波反射强度大于或等于-5dBsm可以认为是高回波反射强度，回波反射强度小于-5dBsm可以认为是低回波反射强度。
在一些实施例中，静止目标可以目标的绝对速度值判断，如将绝对速度低于速度阈值的目标判定为静止目标，其中，速度阈值为预设的值，例如可以设定为1米/秒，速度阈值也可以根据具体路况设定为其它值。
在一些实施例中，护栏的判断条件包括距离和速度，具体地，聚类结果中在车辆行驶方向相距最远的两个点在X方向距离大于第一距离阈值，且在Y方向最大距离小于第二阈值，同时对地的绝对速度小于速度阈值。例如，在车辆行驶方向相距最远的两个点在X方向距离大于10米，在Y方向最大距离小于1米，同时对地的绝对速度小于1米/秒时，对应的目标被判定为护栏。
在一些实施例中，将由于低于聚类算法所要求的最低点迹个数而没有被聚成一类的所有点迹被判定为噪声点。需要说明的是，在被判定为噪声点的点迹中，既有静止的点迹，也有运动的点迹。
203，根据聚类结果，得到系统航迹的初始化值。
在一些实施例中，判断所述感知目标的聚类结果是否是高回波反射强度运动目标；若是，则对所述感知目标进行航迹初始化；判断所述感知目标的聚类结果是否是噪声点；若是，则判断所述感知目标的速度是否大于速度阈值；若是，则对所述感知目标进行航迹初始化。
204，根据所述聚类结果使感知目标与系统航迹的预测值进行航迹融合，获得航迹目标数据。
其中，所述系统航迹的预测值是根据聚类结果和系统航迹的当前值获得。航迹融合是将当前感知的目标航迹与系统航迹的预测值融合，当二者满足设定融合条件时，认定航迹融合成功。当目标航迹和系统航迹的预测值未关联时，可以进行航迹初始化或航迹消亡操作。
在一些实施例中，感知目标是按照高回波反射强度运动目标、低回波反射强度运动目标、噪声点和静止目标的顺序依次与所述系统航迹进行融合。具体地，在航迹融合过程中，系统航迹的预测值首先对高回波反射强度运动目标进行关联，若关联失败，则对低回波反射强度运动目标进行关联；若对低回波反射强度运动目标关联失败，再对噪声点进行关联；若对噪声点关联失败，则对静止目标进行关联。在航迹融合过程中，只要系统航迹的预测值有一次关联成功，便达到关联的目的。在一些实施例中，当感知目标和系统航迹的预测值关联时，对系统航迹进行更新，即利用关联成功的感知目标所对应的点迹数据更新系统航迹中对应的航迹目标数据。
在一些实施例中，当感知目标无法与系统航迹的预测值关联时，可以根据情况进行航迹初始化或航迹消亡操作。在一些实施例中，在感知目标无法与系统航迹的预测值关联时，判断感知目标是否是高回波反射强度运动目标，当感知目标是高回波反射强度的运动目标时，初始化系统航迹。
在一些实施例中，当感知目标无法与系统航迹的预测值关联，且感知目标不是运动目标时，判断该感知目标的聚类结果是否是噪声点；若是，进一步判断所述感知目标的速度是否大于预设的速度阈值；若是，则对所述感知目标进行航迹初始化。在一些实施例中，当感知目标无法与系统航迹的预测值关联，感知目标不是运动目标时，且感知目标的聚类结果不是噪声点，则放弃感知目标。
在一些实施例中，当系统航迹的预测值未成功关联感知目标时，则表明该系统航迹的预测值对应的目标不再是毫米波雷达的探测范围，因此，将该系统航迹的预测值删除。
在一些实施例中，当感知目标的聚类结果是护栏时，判断系统航迹的预测值是否处于护栏所在位置。在系统航迹的预测值处于护栏位置，则将该系统航迹的预测值删除。
在一些实施例中，传感器获得的点迹数据的坐标为极坐标，在进行步骤201之前，还包括：将传感器获得的点迹数据坐标转换为车辆坐标，获得所述原始点迹数据。
在一些实施例中，车辆坐标的坐标原点为前保险杠的中心，X轴为自动驾驶车辆前进方向，Y轴为自动驾驶车辆的宽度方向。对于毫米波雷达，由于只能输出二维平面信息，因此，在车辆坐标系中，XOY平面与车辆底盘所在平面平行。
需要说明的是，在转换坐标系后，点迹的位置可以用(X，Y)表示，速度可以用(VX，VY)表示。回波反射强度不随坐标的转换而发生改变。
本实施例提供的传感数据处理方法，根据硬件的计算性能重组原始点迹数据，得到重组点迹数据，实现了定制化服务，可关联不同类型毫米波雷达组合使用；聚类分析所述重组点迹数据，得到聚类结果，降低漏报和误报率；根据所述聚类结果使感知目标与系统航迹的预测值进行融合，获得航迹目标数据，使感知目标和系统航迹深度融合，使输出的航迹目标更稳定，可直接应用于策略规划和运动控制。
上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。
图3为本实施例提供的一种传感数据处理装置的结构框图。如图3所示，传感数据处理装置包括点迹重组模块301、聚类模块302、第一初始化模块303和融合模块304，其中，
点迹重组模块301，用于根据硬件的计算性能重组原始点迹数据，得到重组点迹数据。
其中，硬件的计算性能是指车载硬件平台的计算性能，如车辆控制系统的聚类能力。根据计算能力的差异，合理重组原始点迹数据。
在一些实施例中，原始点迹数据包括但不限于毫米波雷达极坐标下点迹的径向距离、点迹径向距离的变化率、回波反射强度和方位角。在一些实施例中，原始点迹数据也可以是其它能够标识目标的点迹信息。
在一些实施例中，点迹重组模块301是根据车载硬件平台的性能对点迹数据进行重组，将不同的毫米波雷达获得的原始点迹数据逐个、分批次或全部进行重组。车载硬件平台的性能越强，重组的点迹数据越大。在一些实施例中例如，当车载硬件平台的性能强大时，将设置在自动驾驶车辆上的全部毫米波雷达获得点迹数据进行重组。例如，将设置在前毫米波雷达、两个前角毫米波雷达和两个后角毫米波雷达获得点迹数据进行重组，然后将获得的重组点迹数据统一进行聚类分析。当车载硬件平台的计算性能中等时，将两个前角毫米波雷达和两个后角毫米波雷达获得的点迹数据分批次重组，并将重组点迹数据分批进行聚类分析。当车载硬件平台的计算性能较弱时，将前毫米波雷达、两个前角毫米波雷达和两个后角毫米波雷达获得的点迹数据逐个进行后续的聚类分析。
聚类模块302，用于聚类分析所述重组点迹数据，得到聚类结果。
在一些实施例中，通过集中式算法聚类分析重组原始点迹数据，以避免被看成两个目标，从而降低后续处理的复杂度，而且可以避免感知信息的丢失。例如，当同一目标车辆被两个前角毫米波雷达感知时，即两个前角毫米波雷达分别获得了目标车辆的点迹数据，聚类分析可以将两个目标车辆的点迹数据聚类为一个目标。
在一些实施例中，聚类分析算法还可以采用密度聚类算法、层次聚类算法和网格聚类算法等适合进行聚类分析的算法。
在一些实施例中，根据点迹的坐标(X，Y)和速度(VX)并利用聚类算法对所述重组点迹数据中不同的点迹进行聚类分析。在一些实施例中，不同点迹之间的相似度可以但不限于通过闵可夫斯基距离、马氏距离、相关系数等度量方式进行判断。
在一些实施例中，由于毫米波雷达的点迹数据中目标的速度是相对速度，需要结合自动驾驶车辆的速度获得目标对地的绝对速度，即根据所述点迹的坐标、速度和当前智能体的运动状态获得所述点迹的绝对速度。
在一些实施例中，聚类模块302根据点迹的位置和速度并利用聚类算法对所述重组点迹数据中不同的点迹进行聚类分析，得到的聚类结果包括五类，即静止目标、运动目标、护栏和噪声点，其中，运动目标还可以分为低回波反射强度运动目标和高回波反射强度运动目标。需要指出的是，这里的低回波反射强度和高回波反射强度可以根据实际情况设定，也可以根据统计结果设定。在一些实施例中，回波反射强度在-24dBsm至40dBsm范围；回波反射强度大于或等于-5dBsm可以认为是高回波反射强度，回波反射强度小于-5dBsm可以认为是低回波反射强度。
在一些实施例中，静止目标可以目标的绝对速度值判断，如将绝对速度低于速度阈值的目标判定为静止目标，其中，速度阈值为预设的值，例如可以设定为1米/秒，速度阈值也可以根据具体路况设定为其它值。
在一些实施例中，护栏的判断条件包括距离和速度，具体地，聚类结果中在车辆行驶方向相距最远的两个点在X方向距离大于第一距离阈值，且在Y方向最大距离小于第二阈值，同时对地的绝对速度小于速度阈值。例如，在车辆行驶方向相距最远的两个点在X方向距离大于10米，在Y方向最大距离小于1米，同时对地的绝对速度小于1米/秒时，对应的目标被判定为护栏。
在一些实施例中，将由于低于聚类算法所要求的最低点迹个数而没有被聚成一类的所有点迹被判定为噪声点。需要说明的是，在被判定为噪声点的点迹中，既有静止的点迹，也有运动的点迹。
第一初始化模块303，用于根据聚类结果对系统航迹进行首次初始化。
在一些实施例中，第一初始化模块判断所述感知目标的聚类结果是否是高回波反射强度运动目标；若是，则对所述感知目标进行航迹初始化；第一初始化模块判断所述感知目标的聚类结果是否是噪声点；若是，则判断所述感知目标的速度是否大于速度阈值；若是，则对所述感知目标进行航迹初始化。
融合模块304，用于根据所述聚类结果使感知目标与系统航迹的预测值进行融合，获得航迹目标数据。
其中，所述系统航迹的预测值是根据聚类结果和系统航迹的当前值获得。航迹融合是将当前感知的目标航迹与系统航迹的预测值融合，当二者满足设定融合条件时，认定航迹融合成功。当目标航迹和系统航迹未关联时，可以进行航迹初始化或航迹消亡操作。
在一些实施例中，融合模块按照高回波反射强度运动目标、回波反射强度运动目标、静止目标、护栏和噪声点的顺序依次与所述系统航迹的预测值进行融合。具体地，在航迹融合过程中，系统航迹的预测值首先对高回波反射强度运动目标进行关联，若关联失败，则对低回波反射强度运动目标进行关联；若对低回波反射强度运动目标关联失败，再对噪声点进行关联；若对噪声点关联失败，则对静止目标进行关联。在航迹融合过程中，只要系统航迹的预测值有一次关联成功，便达到关联的目的。
图4为本发明实施例提供的一种传感数据处理装置的结构框图。如图4所示，传感数据处理装置包括点迹重组模块401、聚类模块402、融合模块403和更新模块404，其中，点迹重组模块401、聚类模块402、融合模块403与点迹重组模块301、聚类模块302、融合模块303相同，在此不再赘述。
更新模块404，用于在所述感知目标与所述系统航迹的预测值关联时，更新所述感知目标对应的航迹目标数据。当感知目标和系统航迹的预测值关联时，对系统航迹进行更新，即利用关联成功的感知目标所对应的点迹数据更新系统航迹中对应的航迹目标数据。
在一些实施例中，传感数据处理装置还包括第二初始化模块405，用于对感知目标进行初始化。例如：在所述感知目标不能关联所述系统航迹的预测值时，判断所述感知目标的聚类结果是否是高回波反射强度运动目标；若是，则对所述感知目标进行航迹初始化；若否，判断所述感知目标的聚类结果是否是噪声点；若是，则判断所述感知目标的速度是否大于预设的速度阈值；若是，则对所述感知目标进行航迹初始化。
图5为本发明实施例提供的一种初始化模块的结构框图。如图5所示，第二初始化模块500包括：
第一判断单元501，用于在所述感知目标不能关联所述系统航迹的预测值时，判断所述感知目标的聚类结果是否是高回波反射强度运动目标。
第二判断单元502，用于判断所述感知目标的聚类结果是否是噪声点。
第三判断单元503，用于在所述感知目标的聚类结果是噪声点时，判断所述感知目标的速度是否大于速度阈值。速度阈值可以根据情况设置。
初始化单元504，用于在所述感知目标的聚类结果是高回波反射强度运动目标，或者所述感知目标的速度大于预设的速度阈值时，对所述感知目标进行航迹初始化。
在一些实施例中，如图4所示，传感数据处理装置还包括删除模块406，用于在所述系统航迹中航迹的预测值不能关联所述感知目标时，删除所述航迹目标的预测值。在一些实施例中，系统航迹中的航迹目标的预测值多次不能关联所述感知目标时，删除所述航迹目标的预测值。当系统航迹的预测值两次、三次或更多次未成功关联感知目标时，则表明该系统航迹的预测值对应的目标不再是毫米波雷达的探测范围，因此，删除模块406将该系统航迹的预测值删除。
在一些实施例中，当感知目标的聚类结果是护栏时，判断系统航迹的预测值是否处于护栏所在位置。在系统航迹的预测值处于护栏位置，删除模块406将该系统航迹的预测值删除。
在一些实施例中，传感数据处理装置还包括坐标转换模块407，用于将传感器获得的点迹数据坐标转换为车辆坐标，获得所述原始点迹数据。
坐标转换模块407的坐标转换方式与前述传感数据处理方法提及的坐标转换方式相同，在此不再赘述。
本实施例提供的传感数据处理装置，点迹重组模块根据硬件的计算性能重组原始点迹数据，得到重组点迹数据，实现了定制化服务，可关联不同类型毫米波雷达组合使用；聚类模块聚类分析所述重组点迹数据，得到聚类结果，降低漏报和误报率；融合模块根据所述聚类结果使感知目标与系统航迹进行融合，获得航迹目标数据，使感知目标和系统航迹深度融合，使输出的航迹目标更稳定，可直接应用于策略规划和运动控制。
需要说明的是，本实施方式中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本发明的创新部分，本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。
本实施例还提供一种电子设备，包括一个或多个处理器；存储装置，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本实施例提供的传感数据处理方法，为避免重复描述，在此不再赘述传感数据处理方法的具体步骤。
本实施例还提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本实施例提供的传感数据处理方法，为避免重复描述，在此不再赘述传感数据处理方法的具体步骤。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其它数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字多功能盘(DVD)或其它光盘存储、磁盒、磁带、磁盘存储或其它磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其它的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其它传输机制之类的调制数据信号中的其它数据，并且可包括任何信息递送介质。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本实施例的范围之内并且形成不同的实施例。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。
Claims (24)
1.一种传感数据处理方法，其特征在于，所述方法包括：
根据硬件的计算性能重组原始点迹数据，得到重组点迹数据；
聚类分析所述重组点迹数据，得到聚类结果；
根据聚类结果，得到系统航迹的初始化值；
根据所述聚类结果使感知目标与系统航迹的预测值进行航迹融合，获得航迹目标数据。
2.根据权利要求1所述的方法，其特征在于，在所述根据硬件计算性能重组原始点迹数据的步骤中，包括将不同传感器获得的所述原始点迹数据逐个、分批次或全部进行重组。
3.根据权利要求1所述的方法，其特征在于，对所述重组点迹数据进行聚类分析步骤中，根据点迹的位置和速度并利用聚类算法对所述重组点迹数据中不同的点迹进行聚类分析。
4.根据权利要求3所述的方法，其特征在于，在所述对所述重组点迹数据进行聚类分析步骤中，包括根据所述点迹的坐标、速度和当前智能体的运动状态获得所述点迹的绝对速度。
5.根据权利要求1所述的方法，其特征在于，所述聚类结果为运动目标、静止目标、护栏和噪声点中的至少一种。
6.根据权利要求5所述的方法，其特征在于，所述运动目标包括高回波反射强度运动目标和低回波反射强度运动目标中的至少一种。
7.根据权利要求1所述的方法，其特征在于，根据聚类结果，得到系统航迹的初始化值步骤中，包括判断所述感知目标的聚类结果是否是高回波反射强度运动目标；若是，则对所述感知目标进行航迹初始化；
判断所述感知目标的聚类结果是否是噪声点；若是，则判断所述感知目标的速度是否大于速度阈值；若是，则对所述感知目标进行航迹初始化。
8.根据权利要求6所述的方法，其特征在于，在所述根据所述聚类结果使感知目标与系统航迹的预测值进行航迹融合步骤中，所述系统航迹的预测值根据所述聚类结果和所述系统航迹的当前值获得。
9.根据权利要求8所述的方法，其特征在于，在所述根据所述聚类结果使感知目标与系统航迹的预测值进行航迹融合步骤中，包括按照高回波反射强度运动目标、低回波反射强度运动目标、噪声点和静止目标的顺序依次与所述系统航迹的预测值进行融合。
10.根据权利要求8所述的方法，其特征在于，所述根据所述聚类结果使感知目标与系统航迹的预测值进行融合，获得航迹目标数据之后，还包括：
在所述感知目标与所述系统航迹的预测值关联时，更新所述感知目标对应的航迹目标数据。
11.根据权利要求10所述的方法，其特征在于，所述根据所述聚类结果使感知目标与系统航迹的预测值进行融合，还包括：
在所述感知目标无法关联所述系统航迹时，判断所述感知目标的聚类结果是否是高回波反射强度运动目标；若是，则对所述感知目标进行航迹初始化；
判断所述感知目标的聚类结果是否是噪声点；若是，则判断所述感知目标的速度是否大于速度阈值；若是，则对所述感知目标进行航迹初始化。
12.根据权利要求11所述的方法，其特征在于，所述根据所述聚类结果使感知目标与系统航迹的预测值进行融合，还包括：
在所述系统航迹中的航迹的预测值不能关联所述感知目标时，删除所述航迹的预测值。
13.根据权利要求1-12任意一项所述的方法，其特征在于，所述根据硬件的计算性能重组原始点迹数据，得到重组点迹数据之前，还包括：
将传感器获得的点迹数据坐标转换为车辆坐标，获得所述原始点迹数据。
14.根据权利要求13所述的方法，其特征在于，所述传感器为毫米波雷达。
15.一种传感数据处理装置，其特征在于，所述装置包括：
点迹重组模块，用于根据硬件的计算性能重组原始点迹数据，得到重组点迹数据；
聚类模块，用于聚类分析所述重组点迹数据，得到聚类结果；
第一初始化模块，用于根据聚类结果对系统航迹进行首次初始化；
融合模块，用于根据所述聚类结果使感知目标与系统航迹的预测值进行融合，获得航迹目标数据。
16.根据权利要求15所述的装置，其特征在于，所述点迹重组模块将所述原始点迹数按照不同的传感器逐个、分批次或全部进行重组。
17.根据权利要求16所述的装置，其特征在于，所述聚类模块根据点迹的位置和速度并利用聚类算法对所述重组点迹数据中不同的点迹进行聚类分析。
18.根据权利要求17所述的装置，其特征在于，所述融合模块按照高回波反射强度运动目标、低回波反射强度运动目标、静止目标、护栏和噪声点的顺序依次与所述系统航迹进行融合。
19.根据权利要求18所述的装置，其特征在于，所述装置还包括：
更新模块，用于在所述感知目标与所述系统航迹关联时，更新所述感知目标对应的航迹目标数据。
20.根据权利要求15所述的装置，其特征在于，所述装置还包括第二初始化模块，其包括：
第一判断单元，用于在所述感知目标不能关联所述系统航迹时，判断所述感知目标的聚类结果是否是高回波反射强度运动目标；
第二判断单元，用于判断所述感知目标的聚类结果是否是噪声点；
第三判断单元，用于在所述感知目标的聚类结果是噪声点时，判断所述感知目标的速度是否大于预设的速度阈值；
初始化单元，用于在所述感知目标的聚类结果是运动目标，或者所述感知目标的速度大于预设的速度阈值时，对所述感知目标进行航迹初始化。
21.根据权利要求15所述的装置，其特征在于，所述装置还包括：
删除模块，用于在所述系统航迹中的航迹的预测值不能关联所述感知目标时，删除所述航迹的预测值。
22.根据权利要求15所述的装置，其特征在于，所述装置还包括：
坐标转换模块，用于将传感器获得的点迹数据坐标转换为车辆坐标，获得所述原始点迹数据。
23.一种车载设备，包括处理器、存储器和通信接口，所述通信接口数据连接所述处理器和所述存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至14任一项所述传感数据处理方法的步骤。
24.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至14任一项所述传感数据处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911120588.3A CN111060906A (zh) | 2019-11-15 | 2019-11-15 | 一种传感数据处理方法、装置、车载设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911120588.3A CN111060906A (zh) | 2019-11-15 | 2019-11-15 | 一种传感数据处理方法、装置、车载设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111060906A true CN111060906A (zh) | 2020-04-24 |
Family
ID=70297962
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911120588.3A Pending CN111060906A (zh) | 2019-11-15 | 2019-11-15 | 一种传感数据处理方法、装置、车载设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111060906A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114740467A (zh) * | 2022-04-27 | 2022-07-12 | 电子科技大学 | 基于幅度点迹的集群目标跟踪及数量、轮廓动态估计方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104991235A (zh) * | 2015-06-15 | 2015-10-21 | 南京航空航天大学 | 一种基于雷达点迹的快速跟踪目标的方法 |
| CN105487061A (zh) * | 2015-12-01 | 2016-04-13 | 中国人民解放军海军航空工程学院 | 目标数据关联的多特征信息融合方法 |
| CN105572664A (zh) * | 2015-12-31 | 2016-05-11 | 上海广电通信技术有限公司 | 基于数据融合的组网导航雷达目标跟踪系统 |
| CN106291503A (zh) * | 2016-08-31 | 2017-01-04 | 西南交通大学 | 一种雷达探测系统密度聚类预警方法 |
| CN106443618A (zh) * | 2016-09-08 | 2017-02-22 | 北京理工大学 | 一种基于标准差椭圆参数辅助的高分辨雷达航迹关联方法 |
| CN109581312A (zh) * | 2018-11-22 | 2019-04-05 | 西安电子科技大学昆山创新研究院 | 一种高分辨毫米波雷达多目标聚类方法 |
| CN109598946A (zh) * | 2018-11-19 | 2019-04-09 | 南京理工大学 | 一种基于雷达体制的多车道测速方法 |
| CN109613528A (zh) * | 2018-12-11 | 2019-04-12 | 南京慧尔视防务科技有限公司 | 一种高分辨率的多目标跟踪雷达及检测方法 |
| CN110187318A (zh) * | 2019-04-23 | 2019-08-30 | 四川九洲防控科技有限责任公司 | 一种雷达数据处理方法 |
-
2019
- 2019-11-15 CN CN201911120588.3A patent/CN111060906A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104991235A (zh) * | 2015-06-15 | 2015-10-21 | 南京航空航天大学 | 一种基于雷达点迹的快速跟踪目标的方法 |
| CN105487061A (zh) * | 2015-12-01 | 2016-04-13 | 中国人民解放军海军航空工程学院 | 目标数据关联的多特征信息融合方法 |
| CN105572664A (zh) * | 2015-12-31 | 2016-05-11 | 上海广电通信技术有限公司 | 基于数据融合的组网导航雷达目标跟踪系统 |
| CN106291503A (zh) * | 2016-08-31 | 2017-01-04 | 西南交通大学 | 一种雷达探测系统密度聚类预警方法 |
| CN106443618A (zh) * | 2016-09-08 | 2017-02-22 | 北京理工大学 | 一种基于标准差椭圆参数辅助的高分辨雷达航迹关联方法 |
| CN109598946A (zh) * | 2018-11-19 | 2019-04-09 | 南京理工大学 | 一种基于雷达体制的多车道测速方法 |
| CN109581312A (zh) * | 2018-11-22 | 2019-04-05 | 西安电子科技大学昆山创新研究院 | 一种高分辨毫米波雷达多目标聚类方法 |
| CN109613528A (zh) * | 2018-12-11 | 2019-04-12 | 南京慧尔视防务科技有限公司 | 一种高分辨率的多目标跟踪雷达及检测方法 |
| CN110187318A (zh) * | 2019-04-23 | 2019-08-30 | 四川九洲防控科技有限责任公司 | 一种雷达数据处理方法 |
Non-Patent Citations (1)
| Title |
|---|
| 杨露菁 等编: "多源信息融合理论与应用", 31 July 2008, 北京邮电大学出版社, pages: 321 - 325 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114740467A (zh) * | 2022-04-27 | 2022-07-12 | 电子科技大学 | 基于幅度点迹的集群目标跟踪及数量、轮廓动态估计方法 |
| CN114740467B (zh) * | 2022-04-27 | 2023-05-26 | 电子科技大学 | 基于幅度点迹的集群目标跟踪及数量、轮廓动态估计方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113792566B (zh) | 一种激光点云的处理方法及相关设备 | |
| US11003182B2 (en) | Vehicle monitoring and control infrastructure | |
| US11029409B2 (en) | Sensor field of view mapping | |
| US11574463B2 (en) | Neural network for localization and object detection | |
| US11887323B2 (en) | Self-supervised estimation of observed vehicle pose | |
| US11100372B2 (en) | Training deep neural networks with synthetic images | |
| US20210233397A1 (en) | Priority vehicle management | |
| CN111060906A (zh) | 一种传感数据处理方法、装置、车载设备及存储介质 | |
| US20190389472A1 (en) | Transportation infrastructure communication and control | |
| US11500104B2 (en) | Localizing a moving object | |
| US11657635B2 (en) | Measuring confidence in deep neural networks | |
| CN112622922A (zh) | 具有自主车辆参考的非自主车辆速度预测 | |
| CN114758313A (zh) | 实时神经网络再训练 | |
| US11897468B2 (en) | Vehicle control system | |
| US20230025222A1 (en) | Method and system for ctrolling intelligent network vehicle | |
| US20210110526A1 (en) | Quantifying photorealism in simulated data with gans | |
| CN112519779A (zh) | 基于位置的车辆操作 | |
| US11068749B1 (en) | RCCC to RGB domain translation with deep neural networks | |
| US11823465B2 (en) | Neural network object identification | |
| CN115056802B (zh) | 车辆自动驾驶方法、装置、设备及存储介质 | |
| US11987266B2 (en) | Distributed processing of vehicle sensor data | |
| US11158066B2 (en) | Bearing only SLAM with cameras as landmarks | |
| US11462020B2 (en) | Temporal CNN rear impact alert system | |
| US20220097695A1 (en) | Blockchain system to aid vehicle actions | |
| US20230139521A1 (en) | Neural network validation system |
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 |