CN111208502A - 一种无人驾驶物流车辆的定位方法及系统 - Google Patents

一种无人驾驶物流车辆的定位方法及系统 Download PDF

Info

Publication number
CN111208502A
CN111208502A CN202010030698.7A CN202010030698A CN111208502A CN 111208502 A CN111208502 A CN 111208502A CN 202010030698 A CN202010030698 A CN 202010030698A CN 111208502 A CN111208502 A CN 111208502A
Authority
CN
China
Prior art keywords
vehicle
strong scattering
scattering points
position coordinates
matched filtering
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.)
Granted
Application number
CN202010030698.7A
Other languages
English (en)
Other versions
CN111208502B (zh
Inventor
刘婷婷
徐辉
文方青
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.)
Yangtze University
Original Assignee
Yangtze University
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 Yangtze University filed Critical Yangtze University
Priority to CN202010030698.7A priority Critical patent/CN111208502B/zh
Publication of CN111208502A publication Critical patent/CN111208502A/zh
Application granted granted Critical
Publication of CN111208502B publication Critical patent/CN111208502B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/42—Simultaneous measurement of distance and other co-ordinates

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

本发明公开一种无人驾驶物流车辆的定位方法及系统，属于车辆定位技术领域，解决了现有技术中车辆定位的稳定性及精度难以保证的问题。一种无人驾驶物流车辆的定位方法，包括以下步骤：以车辆为原点建立三维坐标；通过车载MIMO雷达系统向车辆外发送正交脉冲波形，并实时获取路边两个强散射点的阵列回波信号，对所述阵列回波信号进行匹配滤波处理，得到匹配滤波处理的结果，根据所述匹配滤波处理的结果，获得两个强散射点相对车辆的俯仰角θ1、θ2及方位角φ1、φ2；根据两个强散射点的俯仰角θ1、θ2、方位角φ1、φ2及两个强散射点的位置坐标，获取车辆位置坐标。保证了较高精度、较强稳定性的车辆定位。

Description

一种无人驾驶物流车辆的定位方法及系统
技术领域
本发明涉及车辆定位技术领域，尤其是涉及一种无人驾驶物流车辆的定位方法及系统。
背景技术
卫星定位系统是我国物流车辆监控领域中使用最广泛的一种定位技术。全球运用最为广泛的卫星定位系统是美国的GPS系统，此外欧盟、俄罗斯、中国也建成了自主可控的卫星定位系统，能提供稳定的经纬、速度和时间的三维信息，并提供实时高精度实时服务，在卫星定位导航中，常利用地图匹配技术来提高定位精度，该方法将定位数据信息与地图数据库比较，通过匹配算法将车辆位置数据与道路信息匹配，对于车辆导航定位起着重要作用，卫星定位系统的优点是成本低、精度较高、实时性快，缺点是存在定位盲区，车辆被障碍物干扰，比如隧道、城市高大建筑，会出现精度较差或定位失效。
激光雷达(LiDAR)作为当前无人驾驶技术中最流行的传感器之一，以高分辨率以及强抗干扰能力著称，可以将传感器输出高精度的距离、角度以及反射强度等信息转换为二三维世界坐标系下的高精度点云数据，此外激光雷达有较好的隐蔽性和良好的低空探测性等优点，但是激光雷达成本更高，并且精确度容易受到雨雪等天气影响。
传感器阵列定位是近年来研究较为火热的车辆定位技术，它依靠安装在道路附近基站上的阵列传感器来进行车辆定位，阵列定位方法稳定性强，不受天气、光照等环境因素影响；现有使用阵列传感器对车辆定位的技术主要是依靠安装在基站的阵列天线主动发射电磁波，电磁波被车辆反射后到达接收阵列天线，通过回波信息处理，提取车辆的波达时间(Time-of-arrival，TOA)、波达时差(Time-difference-of-arrival，TDOA)或者波达角(Direction-of-arrival，DOA)，再结合基站的固定位置计算车辆位置。然而现有的车辆定位方案存在一系列不足，首先，基站发射的电磁波回波强度低，而且很容易受其它车辆或者障碍物的阻挡，定位的稳定性及精度难以保证；其次，车辆位置信息由基站计算获得，还需要额外的通信链路传递到车辆终端，定位的实时性无法保证。
发明内容
本发明的目的在于至少克服上述一种技术不足，提出一种无人驾驶物流车辆的定位方法及系统。
本发明提供了一种无人驾驶物流车辆的定位方法及系统，包括以下步骤：
以车辆为原点建立三维坐标；
通过车载MIMO雷达系统向车辆外发送正交脉冲波形，并实时获取路边两个强散射点的阵列回波信号，对所述阵列回波信号进行匹配滤波处理，得到匹配滤波处理的结果，根据所述匹配滤波处理的结果，获得两个强散射点相对车辆的俯仰角θ1、θ2及方位角φ1、φ2；
根据两个强散射点的俯仰角θ1、θ2、方位角φ1、φ2及两个强散射点的位置坐标，获取车辆位置坐标。
进一步地，对所述阵列回波信号进行匹配滤波处理，得到匹配滤波处理的结果，具体包括，对所述阵列回波信号进行匹配滤波处理，得到y(τ)＝Αb(τ)+n(τ)，y(τ)即为匹配滤波处理的结果，其中，A为虚拟方向矩阵，b(τ)为目标特性矢量，n(τ)为阵列匹配滤波后的噪声矢量。
进一步地，所述根据两个强散射点的俯仰角θ1、θ2、方位角φ1、φ2及两个强散射点的位置坐标，获取车辆位置坐标，具体包括，
根据公式
Figure BDA0002364187090000021
Figure BDA0002364187090000022
Figure BDA0002364187090000023
得到车辆的位置坐标(X0,Y0,Z0)，其中，(Px1,Py1,Pz1)和(Px2,Py2,Pz2)分别是两个强散射点的位置坐标。
另一方面，本发明还提供了一种无人驾驶物流车辆的定位系统，包括坐标轴构建模块、车载MIMO雷达系统、波达角获取模块和车辆位置坐标获取模块；
所述坐标轴构建模块，用于以车辆为原点建立三维坐标；
所述车载MIMO雷达系统，用于向车辆外发送正交脉冲波形，并实时获取路边两个强散射点的阵列回波信号；
所述波达角获取模块，用于对对所述阵列回波信号进行匹配滤波处理，得到匹配滤波处理的结果，根据所述匹配滤波处理的结果，获得两个强散射点相对车辆的俯仰角θ1、θ2及方位角φ1、φ2；
所述车辆位置坐标获取模块，用于根据两个强散射点的俯仰角θ1、θ2、方位角φ1、φ2及两个强散射点的位置坐标，获取车辆位置坐标。
进一步地，所述车辆位置坐标获取模块根据两个强散射点的俯仰角θ1、θ2、方位角φ1、φ2及两个强散射点的位置坐标，获取车辆位置坐标，具体包括，
根据公式
Figure BDA0002364187090000031
Figure BDA0002364187090000032
Figure BDA0002364187090000033
得到车辆的位置坐标(X0,Y0,Z0)，其中，(Px1,Py1,Pz1)和(Px2,Py2,Pz2)分别是两个强散射点的位置坐标。
与现有技术相比，本发明的有益效果包括：通过以车辆为原点建立三维坐标；通过车载MIMO雷达系统向车辆外发送正交脉冲波形，并实时获取路边两个强散射点的阵列回波信号，对所述阵列回波信号进行匹配滤波处理，得到匹配滤波处理的结果，根据所述匹配滤波处理的结果，获得两个强散射点相对车辆的俯仰角θ1、θ2及方位角φ1、φ2；根据两个强散射点的俯仰角θ1、θ2、方位角φ1、φ2及两个强散射点的位置坐标，获取车辆位置坐标；保证了较高精度、较强稳定性的车辆定位。
附图说明
图1是本发明实施例1所述的无人驾驶物流车辆的定位方法的流程示意图；
图2是本发明实施例1所述的无人驾驶物流车辆的定位方法的原理示意图；
图3是本发明实施例1所述的三维坐标。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例1
本发明实施例提供了一种无人驾驶物流车辆的定位方法，包括以下步骤：
以车辆为原点建立三维坐标；
通过车载MIMO雷达系统向车辆外发送正交脉冲波形，并实时获取路边两个强散射点的阵列回波信号，对所述阵列回波信号进行匹配滤波处理，得到匹配滤波处理的结果，根据所述匹配滤波处理的结果，获得两个强散射点相对车辆的俯仰角θ1、θ2及方位角φ1、φ2；
根据两个强散射点的俯仰角θ1、θ2、方位角φ1、φ2及两个强散射点的位置坐标，获取车辆位置坐标。
一个具体实施例中，以车辆上的MIMO雷达系统的参考中心为原点建立三维坐标，所述无人驾驶物流车辆的定位方法的原理示意图，如图2所示，该方法需要安装在无人驾驶物流车辆上的车载主动阵列雷达(车载MIMO雷达系统)和固定在道路附近的强散射点(如角反射器)，强散射点较为密集的分布在道路附近，并且位置坐标是已知的(对车载平台来说)，车载平台配置有主动MIMO雷达，其主动同步地发射多个正交信号，通过接收强散射点的回波信号，测量强散射点相对于车载单元所在的方位，最后结合这些强散射点的已知位置计算车辆的具体位置。
具体实施时，车载MIMO雷达系统采用收发一体模式，含有个收发阵元，车载MIMO雷达的收发阵元分布在三维空间中，并且将第m(m＝1,2,...,M)个阵元的坐标设置为pm＝[xm,ym,zm]T，有K＝2个强散射点位于MIMO雷达远场，用Θk＝[θk,φk]T来表示第k(k＝1,2)个信号源的DOA对，θk和φk分别表示第k个强散射点相对于车辆(车载MIMO雷达系统参考中心)的俯仰角和方位角；
车载MIMO雷达发射阵元发射M组编码波形
Figure BDA0002364187090000041
λ为发射信号波长，其中t为快时间指数(雷达脉冲内的时间指数)，则第k个目标的回波信号可表示为
ek(t,τ)＝bk(τ)aT(Θk)s(t)
其中，
Figure BDA0002364187090000042
τ为慢时间指数(脉冲指数)，多普勒频率fk和第k(k＝1,2)个回波的散射系数βk(τ)在一个脉冲时间间隔内保持不变；
Figure BDA0002364187090000051
为阵列天线对第k个强散射点对应的收/发导引矢量，s(t)＝[s1(t),s2(t),...,sM(t)]T为发射波形矢量，τm,k具有以下形式
Figure BDA0002364187090000052
其中，rk@[cos(φk)sin(θk),cos(φk)sin(θk),cos(θk)]T，n(t)为高斯白噪声，与信号源s(t)不接收端阵列接收数据可以表示为
Figure BDA0002364187090000053
其中，w(t,τ)＝[w1(t,τ),w2(t,τ),...,wN(t,τ)]T为加性噪声向量一个具体实施例中，发射波形是相关的，即
Figure BDA0002364187090000054
δ(·)为冲击函数，
Figure BDA0002364187090000055
w(t,τ)为高斯白噪向量，
有E{w(t1,τ)wH(t2,τ)}＝σ2Ι·δ(t1-t2)，σ2为噪声功率，E{·}表示求期望，Ι为单位矩阵；阵列匹配滤波器对接收阵列信号分别进行匹配滤波处理，阵列匹配滤波器输出的结果为
Figure BDA0002364187090000056
其中，K＝2为强散射点的个数，b(τ)＝[b1(τ),b2(τ)]T为目标特性矢量，Α＝[a1,a2]∈￡MN×2是虚拟方向矩阵，
Figure BDA0002364187090000057
Figure BDA0002364187090000058
为车载MIMO雷达M个发射天线对第k个强散射点的响应向量，
Figure BDA0002364187090000059
rk＝[cos(φk)sin(θk),cos(φk)sin(θk),cos(θk)]T，pm＝[xm,ym,zm]T，[xm,ym,zm]T为第m个发射天线的坐标，1≤m≤M，Θk＝[θk,φk]T为第k个信号源的二维波达角，θ1、θ2是俯仰角，φ1、φ2是方位角；ar(Θk)＝[exp{-j2πμ1,k/λ},exp{-j2πμ2,k/λ},...,exp{-j2πμN,k/λ}]T∈￡N×1为车载MIMO雷达系统接收天线对第k个强散射点的响应向量，
Figure BDA0002364187090000061
qn＝[x2,n,y2,n,z2,n]T，[x2,n,y2,n,z2,n]T为第n个接收天线的坐标，1≤n≤N，
Figure BDA0002364187090000062
表示克罗内克积，sk(t)为第k个强散射点的复散射系数，n(τ)为阵列匹配滤波后的噪声矢量，其是一个高斯白噪声矢量，当接收到L个快拍(τ＝1,2,...,L)的回波以后，可获得一个数据矩阵Y＝[y(1),y(2),...,y(L)]根据y(τ)，数据矩阵可表示为Y＝ΑB+N；
其中，B＝[b(1),b(2),...,b(L)]为目标特征矩阵，N＝[n(1),n(2),...,n(L)]为白噪声矩阵，在获得Y矩阵后，便可利用现有谱估计算法，如多重谱峰分类(MultipleSignal Classification，MUSIC)算法、高阶子空间分解(Higher Order Singular ValueDecomposition，HOSVD)算法、平行因子(Parallel Factor，PARAFAC)算法，计算得到两个强散射点的DOA信息Θ1和Θ2。
优选的，对所述阵列回波信号进行匹配滤波处理，得到匹配滤波处理的结果，具体包括，对所述阵列回波信号进行匹配滤波处理，得到y(τ)＝Αb(τ)+n(τ)，y(τ)即为匹配滤波处理的结果，其中，A为虚拟方向矩阵，b(τ)为目标特性矢量，n(τ)为阵列匹配滤波后的噪声矢量。
优选的，根据两个强散射点的俯仰角θ1、θ2、方位角φ1、φ2及两个强散射点的位置坐标，获取车辆位置坐标，具体包括，
根据公式
Figure BDA0002364187090000063
Figure BDA0002364187090000064
Figure BDA0002364187090000065
得到车辆的位置坐标(X0,Y0,Z0)，其中，(Px1,Py1,Pz1)和(Px2,Py2,Pz2)分别是两个强散射点的位置坐标。
一个具体实施中，通过Θ1和Θ2及两个强散射点的坐标来获得无人驾驶车辆的位置信息，以车辆车载MIMO雷达系统为原点建立三维坐标，所述三维坐标，如图3所示，无人驾驶物流车辆上的车载MIMO雷达的参考阵元坐标位置为(X0,Y0,Z0)，强散射点是固定在道路附近，位置是已知的，两个强散射点的坐标分别为(Px1,Py1,Pz1)和(Px2,Py2,Pz2)，其相对于车辆MIMO雷达的俯仰角分别为θ1、θ2，方位角分别为φ1、φ2，根据MIMO雷达、两个强散射点的位置关系可得，
Figure BDA0002364187090000071
Figure BDA0002364187090000072
Figure BDA0002364187090000073
Figure BDA0002364187090000074
联立上述四个方程，解得，
Figure BDA0002364187090000075
Figure BDA0002364187090000076
Figure BDA0002364187090000077
(Px1,Py1,Pz1)和(Px2,Py2,Pz2)分别是两个强散射点的位置坐标。
实施例2
本发明实施例提供了一种无人驾驶物流车辆的定位系统，包括坐标轴构建模块、车载MIMO雷达系统、波达角获取模块和车辆位置坐标获取模块；
所述坐标轴构建模块，用于以车辆为原点建立三维坐标；
所述车载MIMO雷达系统，用于向车辆外发送正交脉冲波形，并实时获取路边两个强散射点的阵列回波信号；
所述波达角获取模块，用于对对所述阵列回波信号进行匹配滤波处理，得到匹配滤波处理的结果，根据所述匹配滤波处理的结果，获得两个强散射点相对车辆的俯仰角θ1、θ2及方位角φ1、φ2；
所述车辆位置坐标获取模块，用于根据两个强散射点的俯仰角θ1、θ2、方位角φ1、φ2及两个强散射点的位置坐标，获取车辆位置坐标。
进一步地，所述车辆位置坐标获取模块根据两个强散射点的俯仰角θ1、θ2、方位角φ1、φ2及两个强散射点的位置坐标，获取车辆位置坐标，具体包括，
根据公式
Figure BDA0002364187090000081
Figure BDA0002364187090000082
Figure BDA0002364187090000083
得到车辆的位置坐标(X0,Y0,Z0)，其中，(Px1,Py1,Pz1)和(Px2,Py2,Pz2)分别是两个强散射点的位置坐标。
需要说明的是，实施例1和实施例2未重复描述之处可互相借鉴；建立的三维坐标系可为三维世界坐标系。
本发明公开了一种无人驾驶物流车辆的定位方法及系统，通过以车辆为原点建立三维坐标；通过车载MIMO雷达系统向车辆外发送正交脉冲波形，并实时获取路边两个强散射点的阵列回波信号，对所述阵列回波信号进行匹配滤波处理，得到匹配滤波处理的结果，根据所述匹配滤波处理的结果，获得两个强散射点相对车辆的俯仰角θ1、θ2及方位角φ1、φ2；根据两个强散射点的俯仰角θ1、θ2、方位角φ1、φ2及两个强散射点的位置坐标，获取车辆位置坐标；保证了较高精度、较强稳定性的车辆定位；
需要说明是的是本发明技术方案实现的车辆定位精度高、稳定性强，是因为强散射点的回波信号强，且回波稳定性强，并且雷达定位不受天气、光照等环境因素影响；此外，角反射器与车辆距离短，信号反射快，定位用时短，可实现车辆自主定位，无传输时延，使得车辆点位速度快，强散射点(单元)可利用角反射器实现，其主要成分为铁，成本十分低廉，使得本发明技术方案成本低。
以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。

Claims (5)

1.一种无人驾驶物流车辆的定位方法，其特征在于，包括以下步骤：
以车辆为原点建立三维坐标；
通过车载MIMO雷达系统向车辆外发送正交脉冲波形，并实时获取路边两个强散射点的阵列回波信号，对所述阵列回波信号进行匹配滤波处理，得到匹配滤波处理的结果，根据所述匹配滤波处理的结果，获得两个强散射点相对车辆的俯仰角θ1、θ2及方位角φ1、φ2；
根据两个强散射点的俯仰角θ1、θ2、方位角φ1、φ2及两个强散射点的位置坐标，获取车辆位置坐标。
2.根据权利要求1所述的无人驾驶物流车辆的定位方法，其特征在于，对所述阵列回波信号进行匹配滤波处理，得到匹配滤波处理的结果，具体包括，对所述阵列回波信号进行匹配滤波处理，得到y(τ)＝Αb(τ)+n(τ)，y(τ)即为匹配滤波处理的结果，其中，A为虚拟方向矩阵，b(τ)为目标特性矢量，n(τ)为阵列匹配滤波后的噪声矢量。
3.根据权利要求1所述的无人驾驶物流车辆的定位方法，其特征在于，所述根据两个强散射点的俯仰角θ1、θ2、方位角φ1、φ2及两个强散射点的位置坐标，获取车辆位置坐标，具体包括，
根据公式
Figure FDA0002364187080000011
Figure FDA0002364187080000012
Figure FDA0002364187080000013
得到车辆的位置坐标(X0,Y0,Z0)，其中，(Px1,Py1,Pz1)和(Px2,Py2,Pz2)分别是两个强散射点的位置坐标。
4.一种无人驾驶物流车辆的定位系统，其特征在于，包括坐标轴构建模块、车载MIMO雷达系统、波达角获取模块和车辆位置坐标获取模块；
所述坐标轴构建模块，用于以车辆为原点建立三维坐标；
所述车载MIMO雷达系统，用于向车辆外发送正交脉冲波形，并实时获取路边两个强散射点的阵列回波信号；
所述波达角获取模块，用于对对所述阵列回波信号进行匹配滤波处理，得到匹配滤波处理的结果，根据所述匹配滤波处理的结果，获得两个强散射点相对车辆的俯仰角θ1、θ2及方位角φ1、φ2；
所述车辆位置坐标获取模块，用于根据两个强散射点的俯仰角θ1、θ2、方位角φ1、φ2及两个强散射点的位置坐标，获取车辆位置坐标。
5.根据权利要求4所述的无人驾驶物流车辆的定位系统，其特征在于，所述车辆位置坐标获取模块根据两个强散射点的俯仰角θ1、θ2、方位角φ1、φ2及两个强散射点的位置坐标，获取车辆位置坐标，具体包括，
根据公式
Figure FDA0002364187080000021
Figure FDA0002364187080000022
Figure FDA0002364187080000023
得到车辆的位置坐标(X0,Y0,Z0)，其中，(Px1,Py1,Pz1)和(Px2,Py2,Pz2)分别是两个强散射点的位置坐标。
CN202010030698.7A 2020-01-13 2020-01-13 一种无人驾驶物流车辆的定位方法及系统 Active CN111208502B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010030698.7A CN111208502B (zh) 2020-01-13 2020-01-13 一种无人驾驶物流车辆的定位方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010030698.7A CN111208502B (zh) 2020-01-13 2020-01-13 一种无人驾驶物流车辆的定位方法及系统

Publications (2)

Publication Number Publication Date
CN111208502A true CN111208502A (zh) 2020-05-29
CN111208502B CN111208502B (zh) 2022-08-02

Family

ID=70784276

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010030698.7A Active CN111208502B (zh) 2020-01-13 2020-01-13 一种无人驾驶物流车辆的定位方法及系统

Country Status (1)

Country Link
CN (1) CN111208502B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111693958A (zh) * 2020-06-09 2020-09-22 周口师范学院 一种被动雷达三维空间测向方法及系统
CN111722632A (zh) * 2020-07-06 2020-09-29 贾绍 基于车联网的汽车电子轨道自动驾驶系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5071414B2 (ja) * 2009-03-04 2012-11-14 株式会社デンソー レーダ装置
CN103901417A (zh) * 2014-04-02 2014-07-02 哈尔滨工程大学 L型阵列mimo雷达低复杂度空间目标二维角度估计方法
CN104251989A (zh) * 2014-10-09 2014-12-31 哈尔滨工程大学 基于压缩空间谱的单基地mimo雷达目标波达方向估计方法
CN104793192A (zh) * 2014-01-21 2015-07-22 罗伯特·博世有限公司 用于角度估计的方法以及用于机动车的雷达传感器
CN106054168A (zh) * 2016-06-27 2016-10-26 大连大学 稳定分布噪声下基于分数阶模糊函数的目标跟踪新算法
CN107064926A (zh) * 2017-01-18 2017-08-18 长江大学 空域色噪声背景下的双基地mimo雷达角度估算方法
US20190072666A1 (en) * 2017-09-07 2019-03-07 Magna Electronics Inc. Vehicle radar sensing system with surface modeling

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5071414B2 (ja) * 2009-03-04 2012-11-14 株式会社デンソー レーダ装置
CN104793192A (zh) * 2014-01-21 2015-07-22 罗伯特·博世有限公司 用于角度估计的方法以及用于机动车的雷达传感器
CN103901417A (zh) * 2014-04-02 2014-07-02 哈尔滨工程大学 L型阵列mimo雷达低复杂度空间目标二维角度估计方法
CN104251989A (zh) * 2014-10-09 2014-12-31 哈尔滨工程大学 基于压缩空间谱的单基地mimo雷达目标波达方向估计方法
CN106054168A (zh) * 2016-06-27 2016-10-26 大连大学 稳定分布噪声下基于分数阶模糊函数的目标跟踪新算法
CN107064926A (zh) * 2017-01-18 2017-08-18 长江大学 空域色噪声背景下的双基地mimo雷达角度估算方法
US20190072666A1 (en) * 2017-09-07 2019-03-07 Magna Electronics Inc. Vehicle radar sensing system with surface modeling

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111693958A (zh) * 2020-06-09 2020-09-22 周口师范学院 一种被动雷达三维空间测向方法及系统
CN111693958B (zh) * 2020-06-09 2024-04-19 周口师范学院 一种被动雷达三维空间测向方法及系统
CN111722632A (zh) * 2020-07-06 2020-09-29 贾绍 基于车联网的汽车电子轨道自动驾驶系统

Also Published As

Publication number Publication date
CN111208502B (zh) 2022-08-02

Similar Documents

Publication Publication Date Title
US10871457B2 (en) Determining material category based on the polarization of received signals
US6670920B1 (en) System and method for single platform, synthetic aperture geo-location of emitters
CN111208502B (zh) 一种无人驾驶物流车辆的定位方法及系统
CN114879197B (zh) 一种星上ddm实时定标的方法
Cui et al. 3D detection and tracking for on-road vehicles with a monovision camera and dual low-cost 4D mmWave radars
CN114185038B (zh) 一种基于毫米波雷达网实现超高角度分辨力的方法及系统
CA3027835C (en) Light-weight radar system
CN105044721B (zh) 机载正前视扫描雷达角超分辨方法
CN112098965B (zh) 一种基于毫米波雷达的载体姿态角解算方法
CN113805169A (zh) 空间目标低功耗小卫星雷达搜索与跟踪方法
RU2524399C1 (ru) Способ обнаружения малоразмерных подвижных объектов
CN112560295A (zh) 一种用于被动合成孔径定位的卫星等效速度计算方法
CN110824419B (zh) 一种物流车辆的定位方法及系统
CN111381212A (zh) 基于子阵划分的虚拟超短基线定位方法
CN108693331A (zh) 一种土壤盐碱地监测装置及方法
Schurwanz et al. Compressed Sensing based Obstacle Detection for Future Urban Air Mobility Scenarios
CN110058223B (zh) 一种基于航管应答信号的单站无源定位方法
CN116359908A (zh) 点云数据增强方法、装置、计算机设备、系统及存储介质
CN109856597B (zh) 一种新体制超视距短波定位系统及定位方法
Chugunov et al. Modeling and Comparison of Trajectory Filtering Algorithms in MLAT Systems
CN116087875B (zh) 基于环境信息的室内非视距场景无源标签三维定位方法
Zhuang et al. UAV Localization Using Staring Radar Under Multipath Interference
Zhang et al. Millimeter-wave multi-point vehicular positioning for autonomous driving
Markish Design and Measurements of MIMO Radar Arrays for Autonomous Vehicles
CN218298514U (zh) 单站追踪装置

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