CN111289954A - 用于毫米波雷达目标跟踪的点云划分与航迹匹配方法 - Google Patents

Abstract

本发明提出一种用于毫米波雷达目标跟踪的点云划分与航迹匹配方法，属于毫米波雷达信号处理领域。为了改进毫米波雷达在多目标情况下人员计数的准确性，本申请包括：对待测空间范围通过毫米波雷达发射电磁波信号，通过毫米波雷达接收待测空间范围内反射回来的信号；对所接收到的信号处理，得到目标点迹；针对目标点迹，将点迹凝聚为不同区域；将凝聚好的点迹区域按条件匹配给已知航迹，区分出不同目标的运动轨迹，得到目标区域内的人员运动状态，更新目标区域内的计数结果。

Description

用于毫米波雷达目标跟踪的点云划分与航迹匹配方法

技术领域

本发明涉及毫米波雷达信号处理，特别涉及一种用于毫米波雷达目标跟踪的点云划分与航迹匹配方法。

背景技术

人员检测和数量统计是现有多个场景中不可缺少的数据，如机场、商场、连锁店、车站、博物馆、会议室等场合，人员发现清点和数据估计在安全管理，提高整体服务水平等方面起重要作用。常见的人员检测技术主要利用人脸的单一识别方式进行，该方式准确性较低，比如背对摄像头时。RFID技术的门禁系统可以对区域进出口进行监控，但需要给每个人配备相应的标签并部署大量的读卡设备，成本高，扩展性通用性差。随着科技的进步，毫米波雷达传感器的利用可以对人员计数的这些缺陷进行补足，具有广阔的应用前景。

现有人员检测计数应用中，主要有摄像头识别，传统人工清点，还有采用自动清点的机械设备，采用RFID的门禁系统等。这些方法受到成本，准确率，实施难等方面的限制，使得人员检测计数的应用在经济性和准确性上很难取得平衡。

而目前基于毫米波雷达的人员跟踪方法中，在多目标间距较近情况下，雷达测得的多目标点迹数据较为密集，难以区分，如何将密集的点迹分别匹配到与其对应的航迹上去成为了一个难点。在点迹与航迹进行匹配时多采用最近邻关联法，只根据点迹本身的位置和径向速度和航迹的位置和径向速度来将点迹匹配给航迹，容易造成点迹与航迹的错误关联。例如在对场景人员内计数时，静止的目标往往测不到相应的点迹。为了保持计数的准确性，将其设置为静态目标保持在场景中。当一个运动目标从另一个静止目标旁边低速经过时，该运动目标上的点散布较开，其少量点迹会因为离静止目标距离更近而匹配到静止目标上，从而造成跟踪误差。而现有的一些多目标聚类方法主要根据点迹的位置和速度来进行聚类，由于点迹的多少以及分布范围与目标所在位置和运动情况有较大关系，常用的聚类方法容易造成聚类后簇的数量与航迹数量不匹配，如3个运动目标在点迹比较稀疏的区域运动产生的点迹只聚类为两个簇或者在反射较强的区域运动点迹密集的情况下3个运动目标被分为4个或者更多个簇的情况，导致有的簇被错误分配给其他目标而造成跟踪误差的情况，随着误差逐渐累积进一步造成目标错误跟踪和计数错误。专利CN201811397869.9一种高分辨毫米波雷达多目标聚类方法先剔除snr值小的点，再根据点迹的速度和位置信息对点迹进行聚类，没有利用snr峰值点迹，容易存在聚类后的簇数远和运动目标数差别较大的情况。专利CN201910515993.9一种雷达多目标聚类方法及装置先根据点迹密度将点迹划分为不同区域，再根据点迹之间的位置、速度和信噪比三个值的差将点迹再划分为不同区域，不能较准确的确定运动目标数。

发明内容

本发明的目的是提供一种用于毫米波雷达目标跟踪的点云划分与航迹匹配方法，能够改进毫米波雷达在多目标情况下人员计数的准确性。

本发明解决其技术问题，采用的技术方案是：用于毫米波雷达目标跟踪的点云划分与航迹匹配方法，包括如下步骤：

步骤1、对待测空间范围通过毫米波雷达发射电磁波信号，通过毫米波雷达接收待测空间范围内反射回来的信号；

步骤2、对所接收到的信号处理，得到目标点迹；

步骤3、针对目标点迹，将点迹凝聚为不同区域；

步骤4、将凝聚好的点迹区域按条件匹配给已知航迹，区分出不同目标的运动轨迹，得到目标区域内的人员运动状态，更新目标区域内的计数结果。

进一步，步骤1中，所述毫米波雷达采用77GHz毫米波宽带雷达，待测空间范围从10m*10m内到100m*100m内进行调整。

进一步，步骤2具体包括如下步骤：

步骤201、对所接收到的信号进行傅里叶变换提取目标；

步骤202、利用CFAR检测器对目标点迹径向速度、距离和角度粗略测量；

步骤203、先利用点迹的位置，再利用点迹信噪比值信息找出信噪比峰值点，再对点迹进行聚类，将点迹分为不同区域。

进一步，步骤202中，利用CFAR检测器判断出被测人体的粗略位置后，并对特征点位进行群跟踪。

进一步，步骤203中，根据点迹的位置，利用八近邻算法即依据每个点的八近邻点迹存在位置与个数来确定各区域的分界点，将八近邻中多于2个近邻不存在的点视为区域边界点，从而将不连通或不明显连通点迹划分到不同区域，根据点迹八近邻分区域结果，再根据各点迹信噪比值，将区域再细分。

进一步，所述根据点迹八近邻分区域结果，再根据各点迹信噪比值，将区域再细分的具体步骤如下：

(a)找出八近邻分区域内所有snr峰值点{P_i}，信噪比峰值点定义为该点八近邻至少有5个存在且该点信噪比值大于所有存在近邻信噪比值；

(b)令j＝1，取出{P_i}中snr最大值点为P_mj；

(c)找出{P_i}中与P_mj的距离d不小于4的所有的极值点为{P_n}，距离d的计算方式为：

其中，R和θ分别为雷达距离和角度测量分辨率，R_i和θ_i分别表示P_i中的点的距离和角度，R_mj和θ_mj分别表示点P_mj的距离和角度；

(d)令j＝j+1，取出{P_n}中snr值最大的点定义为第j个中心点P_mj；

(e)检查{P_n}中元素个数是否为0，若不为0，重复进行(c)-(e)直至{P_n}中元素个数为0，若为0，进行第(f)步；

(f)以P_mi中i个点为中心点将该点迹区域划分为i个不同的区域，各点按到P_mi的距离和中心点计算得分划分到得分最低的区域中。第k个点到在第i个的得分计算公式为：

式中R_ki表示第k个点与i区域的中心点在range和angle的差值之和，Snr_i表示第i个中心点的信噪比值。

进一步，步骤4中，所述将凝聚好的点迹区域按条件匹配给已知航迹的具体过程如下：

假设点迹共被划分为n个区域，按区域类点数多少进行排序，选出点数最多的区域，算出与各航迹预测位置的距离，若距离最小值小于阈值，则将此区域的点关联到该与之距离最近的航迹上，若与各航迹最小距离大于阈值，则该区域的点不关联航迹，依照区域内点的数量依次匹配航迹。

进一步，步骤4中，根据航迹匹配结果，对比跟踪点迹的位置和待测空间范围，若待测空间范围内所跟踪的点迹有变化，则证明待测空间范围有人员数量的变化，更新人数统计结果。

本发明的有益效果是，通过上述用于毫米波雷达目标跟踪的点云划分与航迹匹配方法，利用点迹的分布位置和信噪比值的分布特征找出信噪比峰值点，对点迹进行聚类，再将聚类好的点迹与航迹进行匹配，更新航迹信息，解决现有聚类方法聚类后的簇的数目和运动目标数有一定差别的问题，提高了聚类的准确率。

附图说明

图1为本发明用于毫米波雷达目标跟踪的点云划分与航迹匹配方法的流程图。

具体实施方式

下面结合附图，详细描述本发明的技术方案。

本发明所述用于毫米波雷达目标跟踪的点云划分与航迹匹配方法，其流程图图参见图1，1，其中，该方法包括如下步骤：

步骤1、对待测空间范围通过毫米波雷达发射电磁波信号，通过毫米波雷达接收待测空间范围内反射回来的信号；

步骤2、对所接收到的信号处理，得到目标点迹；

步骤3、针对目标点迹，将点迹凝聚为不同区域；

步骤4、将凝聚好的点迹区域按条件匹配给已知航迹，区分出不同目标的运动轨迹，得到目标区域内的人员运动状态，更新目标区域内的计数结果。

上述方法的步骤1中，所述毫米波雷达优选采用77GHz毫米波宽带雷达，待测空间范围可从10m*10m内到100m*100m内进行调整，可以应用于室内会议室的小范围应用场景，也可以用于户外如景区的应用场景。

步骤2具体包括如下步骤：

步骤201、对所接收到的信号进行傅里叶变换提取目标；

步骤202、利用CFAR检测器对目标点迹径向速度、距离和角度粗略测量；

步骤203、先利用点迹的位置，再利用点迹信噪比值信息找出信噪比峰值点，再对点迹进行聚类，将点迹分为不同区域。

步骤202中，可以利用CFAR检测器判断出被测人体的粗略位置后，并对特征点位进行群跟踪。

步骤203中，根据点迹的位置，利用八近邻算法即依据每个点的八近邻点迹存在位置与个数来确定各区域的分界点，将八近邻中多于2个近邻不存在的点视为区域边界点，从而将不连通或不明显连通点迹划分到不同区域，根据点迹八近邻分区域结果，再根据各点迹信噪比值，将区域再细分。

所述根据点迹八近邻分区域结果，再根据各点迹信噪比值，将区域再细分的具体步骤如下：

(a)找出八近邻分区域内所有snr峰值点{P_i}，信噪比峰值点定义为该点八近邻至少有5个存在且该点信噪比值大于所有存在近邻信噪比值；

(b)令j＝1，取出{P_i}中snr最大值点为P_mj；

(c)找出{P_i}中与P_mj的距离d不小于4的所有的极值点为{P_n}，距离d的计算方式为：

其中，R和θ分别为雷达距离和角度测量分辨率，R_i和θ_i分别表示P_i中的点的距离和角度，P_mj和P_mj分别表示点P_mj的距离和角度；

(d)令j＝j+1，取出{P_n}中snr值最大的点定义为第j个中心点P_mj；

(e)检查{P_n}中元素个数是否为0，若不为0，重复进行(c)-(e)直至{P_n}中元素个数为0，若为0，进行第(f)步；

(f)以P_mi中i个点为中心点将该点迹区域划分为i个不同的区域，各点按到P_mi的距离和中心点计算得分划分到得分最低的区域中。第k个点到在第i个的得分计算公式为：

式中R_ki表示第k个点与i区域的中心点在range和angle的差值之和，Snr_i表示第i个中心点的信噪比值。

步骤4中，所述将凝聚好的点迹区域按条件匹配给已知航迹的具体过程如下：

假设点迹共被划分为n个区域，按区域类点数多少进行排序，选出点数最多的区域，算出与各航迹预测位置的距离，若距离最小值小于阈值，则将此区域的点关联到该与之距离最近的航迹上，若与各航迹最小距离大于阈值，则该区域的点不关联航迹，依照区域内点的数量依次匹配航迹。

根据航迹匹配结果，对比跟踪点迹的位置和待测空间范围，若待测空间范围内所跟踪的点迹有变化，则证明待测空间范围有人员数量的变化，更新人数统计结果。

Claims (8)

1.用于毫米波雷达目标跟踪的点云划分与航迹匹配方法，其特征在于，包括如下步骤：

步骤1、对待测空间范围通过毫米波雷达发射电磁波信号，通过毫米波雷达接收待测空间范围内反射回来的信号；

步骤2、对所接收到的信号处理，得到目标点迹；

步骤3、针对目标点迹，将点迹凝聚为不同区域；

步骤4、将凝聚好的点迹区域按条件匹配给已知航迹，区分出不同目标的运动轨迹，得到目标区域内的人员运动状态，更新目标区域内的计数结果。

2.根据权利要求1所述的用于毫米波雷达目标跟踪的点云划分与航迹匹配方法，其特征在于，步骤1中，所述毫米波雷达采用77GHz毫米波宽带雷达，待测空间范围从10m*10m内到100m*100m内进行调整。

3.根据权利要求1所述的用于毫米波雷达目标跟踪的点云划分与航迹匹配方法，其特征在于，步骤2具体包括如下步骤：

步骤201、对所接收到的信号进行傅里叶变换提取目标；

步骤202、利用CFAR检测器对目标点迹径向速度、距离和角度粗略测量；

步骤203、先利用点迹的位置，再利用点迹信噪比值信息找出信噪比峰值点，再对点迹进行聚类，将点迹分为不同区域。

4.根据权利要求3所述的用于毫米波雷达目标跟踪的点云划分与航迹匹配方法，其特征在于，步骤202中，利用CFAR检测器判断出被测人体的粗略位置后，并对特征点位进行群跟踪。

5.根据权利要求3所述的用于毫米波雷达目标跟踪的点云划分与航迹匹配方法，其特征在于，步骤203中，根据点迹的位置，利用八近邻算法即依据每个点的八近邻点迹存在位置与个数来确定各区域的分界点，将八近邻中多于2个近邻不存在的点视为区域边界点，从而将不连通或不明显连通点迹划分到不同区域，根据点迹八近邻分区域结果，再根据各点迹信噪比值，将区域再细分。

6.根据权利要求5所述的用于毫米波雷达目标跟踪的点云划分与航迹匹配方法，其特征在于，所述根据点迹八近邻分区域结果，再根据各点迹信噪比值，将区域再细分的具体步骤如下：

(a)找出八近邻分区域内所有snr峰值点{P_i}，信噪比峰值点定义为该点八近邻至少有5个存在且该点信噪比值大于所有存在近邻信噪比值；

(b)令j＝1，取出{P_i}中snr最大值点为P_mj；

(c)找出{P_i}中与P_mj的距离d不小于4的所有的极值点为{P_n}，距离d的计算方式为：

其中，R和θ分别为雷达距离和角度测量分辨率，R_i和θ_i分别表示P_i中的点的距离和角度，P_mj和P_mj分别表示点P_mj的距离和角度；

(d)令j＝j+1，取出{P_n}中snr值最大的点定义为第j个中心点P_mj；

(e)检查{P_n}中元素个数是否为0，若不为0，重复进行(c)-(e)直至{P_n}中元素个数为0，若为0，进行第(f)步；

(f)以P_mi中i个点为中心点将该点迹区域划分为i个不同的区域，各点按到P_mi的距离和中心点计算得分划分到得分最低的区域中。第k个点到在第i个的得分计算公式为：

式中R_ki表示第k个点与i区域的中心点在range和angle的差值之和，Snr_i表示第i个中心点的信噪比值。

7.根据权利要求1所述的用于毫米波雷达目标跟踪的点云划分与航迹匹配方法，其特征在于，步骤4中，所述将凝聚好的点迹区域按条件匹配给已知航迹的具体过程如下：

假设点迹共被划分为n个区域，按区域类点数多少进行排序，选出点数最多的区域，算出与各航迹预测位置的距离，若距离最小值小于阈值，则将此区域的点关联到该与之距离最近的航迹上，若与各航迹最小距离大于阈值，则该区域的点不关联航迹，依照区域内点的数量依次匹配航迹。

8.根据权利要求1所述的用于毫米波雷达目标跟踪的点云划分与航迹匹配方法，其特征在于，步骤4中，根据航迹匹配结果，对比跟踪点迹的位置和待测空间范围，若待测空间范围内所跟踪的点迹有变化，则证明待测空间范围有人员数量的变化，更新人数统计结果。

Images