CN111289969B - 一种车载雷达运动目标融合方法及装置 - Google Patents

一种车载雷达运动目标融合方法及装置 Download PDF

Info

Publication number
CN111289969B
CN111289969B CN202010231998.1A CN202010231998A CN111289969B CN 111289969 B CN111289969 B CN 111289969B CN 202010231998 A CN202010231998 A CN 202010231998A CN 111289969 B CN111289969 B CN 111289969B
Authority
CN
China
Prior art keywords
vehicle
moving target
mounted radar
target cluster
representative point
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
Application number
CN202010231998.1A
Other languages
English (en)
Other versions
CN111289969A (zh
Inventor
刘长江
刘锴圣
陈楠楠
张学健
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.)
Beijing Jingwei Hirain Tech Co Ltd
Original Assignee
Beijing Runke General Technology Co Ltd
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 Beijing Runke General Technology Co Ltd filed Critical Beijing Runke General Technology Co Ltd
Priority to CN202010231998.1A priority Critical patent/CN111289969B/zh
Publication of CN111289969A publication Critical patent/CN111289969A/zh
Application granted granted Critical
Publication of CN111289969B publication Critical patent/CN111289969B/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
    • G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
    • 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

Abstract

本发明公开了一种车载雷达运动目标融合方法及装置，方法包括：分别对第一车载雷达和第二车载雷达采集到的运动点云目标进行聚类，得到第一车载雷达的运动目标簇和第二车载雷达的运动目标簇；针对第一车载雷达的每个运动目标簇的代表点分别判断与第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件；基于判断结果，确定第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇；比较所述相关联的运动目标簇的测量精度，将测量精度高的运动目标簇作为融合结果。本发明能够有效的提高运动目标的融合精度。

Description

一种车载雷达运动目标融合方法及装置
技术领域
本发明涉及目标融合技术领域，尤其涉及一种车载雷达运动目标融合方法及装置。
背景技术
目前，车载雷达由于其具有对目标较好的测速能力和对雨雾较好的穿透能力，成为智能驾驶方案中不可替代的传感器选择。在每个工作周期里，车载雷达一般先检测到的若干目标点(这些点的集合通常称为点云)，测量其基本的斜距、多普勒速度、角度等参数；然后对这些点进行聚类、跟踪和识别，最终得到适合驾驶控制器使用的轨迹信息。在更高级别的智能驾驶方案中，通常单辆车上需要安装多个雷达，分别观测不同的区域，形成尽可能大的覆盖范围，从而保证车身四周的安全。位置相邻的某两部雷达(如左前角和右前角)，其波束覆盖范围可能存在重叠，如果每个雷达单独处理其数据，则会产生重叠或相近的目标，影响控制判决。
一种更先进的处理方案是将不同雷达的点云数据输送到同一个处理单元内进行集中式处理，但此时就需要对重叠区域内不同雷达观测到相同目标的点云进行融合处理。对相对地面的静止目标而言，通用且合理的处理方案是将不同雷达的点云转换到相同的坐标系下，仅依靠距离的远近进行融合聚类操作。而对运动目标点，两个相邻的目标点可能归属于不同方向运动的车辆，必须在聚类时考虑多普勒的相似性，而目标点的多普勒是与其和雷达间的几何关系强相关的，即同一目标对不同雷达的多普勒是不同的，这些未知性导致目前无法利用多普勒对不同雷达的点云进行融合，只能利用距离信息进行融合，使得运动目标融合的准确性大大下降。
因此，如何有效的提高运动目标的融合精度，是一项亟待解决的问题。
发明内容
有鉴于此，本发明提供了一种车载雷达运动目标融合方法及装置，能够将多普勒参数引入运动目标融合中，从而有效提高了运动目标的融合精度。
本发明提供了一种车载雷达运动目标融合方法，应用于车辆，所述方法包括：
分别对第一车载雷达和第二车载雷达采集到的运动点云目标进行聚类，得到第一车载雷达的运动目标簇和第二车载雷达的运动目标簇，其中，第一车载雷达和第二车载雷达为所述车辆上相邻的两个车载雷达，每个运动目标簇包括一个代表点；
针对第一车载雷达的每个运动目标簇的代表点分别判断与第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件；
基于判断结果，确定第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇，其中，所述相关联的运动目标簇中包括一个第一车载雷达的运动目标簇和一个第二车载雷达的运动目标簇；
比较所述相关联的运动目标簇的测量精度，将测量精度高的运动目标簇作为融合结果。
一种车载雷达运动目标融合装置，应用于车辆，所述装置包括：
聚类模块，用于分别对第一车载雷达和第二车载雷达采集到的运动点云目标进行聚类，得到第一车载雷达的运动目标簇和第二车载雷达的运动目标簇，其中，第一车载雷达和第二车载雷达为所述车辆上相邻的两个车载雷达，每个运动目标簇包括一个代表点；
判断模块，用于针对第一车载雷达的每个运动目标簇的代表点分别判断与第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件；
关联模块，用于基于判断结果，确定第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇，其中，所述相关联的运动目标簇中包括一个第一车载雷达的运动目标簇和一个第二车载雷达的运动目标簇；
融合模块，用于比较所述相关联的运动目标簇的测量精度，将测量精度高的运动目标簇作为融合结果。
综上所述，本发明公开了一种车载雷达运动目标融合方法及装置，当需要对车载雷达的运动目标进行融合时，首先分别对第一车载雷达和第二车载雷达采集到的运动点云目标进行聚类，得到第一车载雷达的运动目标簇和第二车载雷达的运动目标簇，其中，第一车载雷达和第二车载雷达为所述车辆上相邻的两个车载雷达，每个运动目标簇包括一个代表点；然后针对第一车载雷达的每个运动目标簇的代表点分别判断与第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件，基于判断结果，确定第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇，其中，相关联的运动目标簇中包括一个第一车载雷达的运动目标簇和一个第二车载雷达的运动目标簇；比较相关联的运动目标簇的测量精度，将测量精度高的运动目标簇作为融合结果，其中，每个运动目标簇只能作为一次融合结果。本发明能够将多普勒参数引入运动目标融合中，从而有效提高了运动目标的融合精度。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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，还可以根据这些附图获得其他的附图。
图1为本发明公开的一种车载雷达运动目标融合方法实施例1的方法流程图；
图2为本发明公开的一种车载雷达运动目标融合方法实施例2的方法流程图；
图3为本发明公开的一种车载雷达运动目标融合方法实施例3的方法流程图；
图4为本发明公开的一种车载雷达运动目标融合方法实施例4的方法流程图；
图5为本发明公开的最大速度差等廓线图；
图6为本发明公开的轮廓圆半径求解几何关系示意图；
图7为本发明公开的最大速度差与圆半径曲线关系图；
图8为本发明公开的Vp与等廓线圆半径关系图；
图9为本发明公开的一种车载雷达运动目标融合装置实施例1的结构示意图；
图10为本发明公开的一种车载雷达运动目标融合装置实施例2的结构示意图；
图11为本发明公开的一种车载雷达运动目标融合装置实施例3的结构示意图；
图12为本发明公开的一种车载雷达运动目标融合装置实施例4的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
如图1所示，为本发明公开的一种车载雷达运动目标融合方法实施例1的方法流程图，所述方法应用于车辆，所述方法可以包括以下步骤：
S101、分别对第一车载雷达和第二车载雷达采集到的运动点云目标进行聚类，得到第一车载雷达的运动目标簇和第二车载雷达的运动目标簇，其中，第一车载雷达和第二车载雷达为车辆上相邻的两个车载雷达，每个运动目标簇包括一个代表点。
当需要对车载雷达的运动目标进行融合时，对于车辆上两个相邻的第一车载和第二车载雷达，对第一车载雷达和第二车载雷达采集到的运动点云目标，分别在其各自车载雷达坐标系下，同时利用距离关系和多普勒关系进行聚类，得到第一车载雷达的运动目标簇和第二车载雷达的运动目标簇。其中，每个运动目标簇表示归属于同一个真实运动目标的点云的集合，每个运动目标簇包括一个代表点。
需要说明的是，根据需求的不同，既可以选择一个簇中散射最强点或者距离车载雷达最近的点作为代表点，也可以将运动目标簇中各个点的参数进行加权，得出一个虚拟的代表点。
另外，代表点可以包括在全局坐标系(通常为以车辆对称轴上的某个点为原点建立的直角坐标系，y方向沿车辆前进方向)的x坐标和y坐标、散射强度以及相对车载雷达中心的斜距和多普勒速度等参数。
当然，第一车载雷达和第二车载雷达也可能采集到静止点云目标，关于静止点云目标的聚类可采用现有技术中的方案，此处不再赘述。
S102、针对第一车载雷达的每个运动目标簇的代表点分别判断与第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件。
在得到第一车载雷达的运动目标簇和第二车载雷达的运动目标簇后，对于第一车载雷达的每个运动目标簇，分别判断与第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件。
例如，当第一车载雷达有a1、a2、a3三个运动目标簇，第二车载雷达有b1、b2、b3三个运动目标簇时，分别判断运动目标簇a1的代表点与运动目标簇b1的代表点、运动目标簇b2的代表点、运动目标簇b3的代表点之间是否满足距离条件以及多普勒速度差异条件，运动目标簇a2的代表点与运动目标簇b1的代表点、运动目标簇b2的代表点、运动目标簇b3的代表点之间是否满足距离条件以及多普勒速度差异条件，运动目标簇a3的代表点与运动目标簇b1的代表点、运动目标簇b2的代表点、运动目标簇b3的代表点之间是否满足距离条件以及多普勒速度差异条件。
S103、基于判断结果，确定第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇，其中，相关联的运动目标簇中包括一个第一车载雷达的运动目标簇和一个第二车载雷达的运动目标簇。
然后，根据得到的判断结果，确定出第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇。需要说明的是，在确定相关联的运动目标簇时，每个相关联的运动目标簇中包括一个第一车载雷达的运动目标簇和一个第二车载雷达的运动目标簇，且已经被关联的运动目标簇不再与其它运动目标簇相关联。
例如，根据判断结果，确定出第一车载雷达的运动目标簇a1与第二车载雷达的运动目标簇b1相关联，第一车载雷达的运动目标簇a2与第二车载雷达的运动目标簇b3相关联。由于第一车载雷达的运动目标簇a1已与第二车载雷达的运动目标簇b1相关联，因此，第一车载雷达的运动目标簇a1不能再与第二车载雷达的运动目标簇b2或第二车载雷达的运动目标簇b3相关联，第二车载雷达的运动目标簇b1不能再与第一车载雷达的运动目标簇a2或第一车载雷达的运动目标簇a3相关联；同理，由于第一车载雷达的运动目标簇a2已与第二车载雷达的运动目标簇b3相关联，因此第一车载雷达的运动目标簇a2不能再与第二车载雷达的运动目标簇b1或第二车载雷达的运动目标簇b2相关联，第二车载雷达的运动目标簇b3不能再与第一车载雷达的运动目标簇a1或第一车载雷达的运动目标簇a3相关联。
S104、比较相关联的运动目标簇的测量精度，将测量精度高的运动目标簇作为融合结果。
在确定出第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇后，对相关联的运动目标簇中的第一车载雷达的运动目标簇的测量精度和第二车载雷达的运动目标簇的测量精度进行比较，将测量精度高的运动目标簇作为相关联的运动目标簇的融合结果。在判断运动目标簇的测量精度时，通常认为功率或信噪比越高、方位角模值越小，运动目标簇的测量精度越高。
需要说明的是，由于在确定相关联的运动目标簇时，已经被关联的运动目标簇不再与其它运动目标簇相关联，因此，每个运动目标簇最多只能作为一次融合结果。
例如，当第一车载雷达的运动目标簇a1与第二车载雷达的运动目标簇b1相关联时，比较第一车载雷达的运动目标簇a1的测量精度和第二车载雷达的运动目标簇b1的测量精度，若第一车载雷达的运动目标簇a1的测量精度高于第二车载雷达的运动目标簇b1的测量精度时，将第一车载雷达的运动目标簇a1作为第一车载雷达的运动目标簇a1与第二车载雷达的运动目标簇b1的融合结果。
综上所述，在上述实施例中，当需要对车载雷达的运动目标进行融合时，首先分别对第一车载雷达和第二车载雷达采集到的运动点云目标进行聚类，得到第一车载雷达的运动目标簇和第二车载雷达的运动目标簇，其中，第一车载雷达和第二车载雷达为所述车辆上相邻的两个车载雷达，每个运动目标簇包括一个代表点；然后针对第一车载雷达的每个运动目标簇的代表点分别判断与第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件，基于判断结果，确定第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇，其中，相关联的运动目标簇中包括一个第一车载雷达的运动目标簇和一个第二车载雷达的运动目标簇；比较相关联的运动目标簇的测量精度，将测量精度高的运动目标簇作为融合结果，其中，每个运动目标簇只能作为一次融合结果。能够将多普勒参数引入运动目标融合中，从而有效提高了运动目标的融合精度。
如图2所示，为本发明公开的一种车载雷达运动目标融合方法实施例2的方法流程图，所述方法应用于车辆，所述方法可以包括以下步骤：
S201、分别对第一车载雷达和第二车载雷达采集到的运动点云目标进行聚类，得到第一车载雷达的运动目标簇和第二车载雷达的运动目标簇，其中，第一车载雷达和第二车载雷达为车辆上相邻的两个车载雷达，每个运动目标簇包括一个代表点。
S202、针对第一车载雷达的每个运动目标簇的代表点分别判断与第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件。
S203、针对满足距离条件以及多普勒速度差异条件的第一车载雷达的运动目标簇的代表点和第二车载雷达的运动目标簇的代表点，计算第一车载雷达的运动目标簇的代表点与第二车载雷达中满足距离条件以及多普勒速度差异条件的运动目标簇的代表点的等效距离。
在得到的判断结果中，针对满足距离条件以及多普勒速度差异条件的第一车载雷达的运动目标簇的代表点和第二车载雷达的运动目标簇的代表点，计算出第一车载雷达的运动目标簇的代表点与第二车载雷达中满足距离条件以及多普勒速度差异条件的运动目标簇的代表点的等效距离。
S204、将最小等效距离对应的第一车载雷达的运动目标簇与第二车载雷达的运动目标簇确定为相关联的运动目标簇。
在计算出第一车载雷达的运动目标簇的代表点与第二车载雷达中满足距离条件以及多普勒速度差异条件的运动目标簇的代表点的等效距离后，进一步确定出等效距离中的最小等效距离，将最小等效距离对应的第一车载雷达的运动目标簇与第二车载雷达的运动目标簇确定为相关联的运动目标簇。
例如，第一车载雷达有M个运动目标簇，第二车载雷达有N个运动目标簇。对于第一车载雷达的第i号运动目标簇(i＝1～M)，首先在第二车载雷达运动目标簇集合中确定出与第一车载雷达的第i号运动目标簇的代表点之间满足距离条件以及多普勒速度差异条件的运动目标簇，然后计算第一车载雷达第i号运动目标簇的代表点与第二车载雷达中满足距离条件以及多普勒速度差异条件的运动目标簇的代表点的等效距离，假设在第二车载雷达中满足距离条件以及多普勒速度差异条件的运动目标簇的代表点中第j号(j＝1～N)运动目标簇的代表点与第一车载雷达第i号运动目标簇的代表点之间的等效距离最小，则将第一车载雷达的第i号运动目标簇与第二车载雷达的第j号运动目标簇进行关联。需要说明的是，对于第一车载雷达中的第i号运动目标簇，最多只选择第二车载雷达的一个运动目标簇进行关联，当第一车载雷达的第i号运动目标簇与第二车载雷达的第j号运动目标簇进行关联后，第一车载雷达的第i号运动目标簇与第二车载雷达的第j号运动目标簇都不会参与后续的运动目标簇关联。
S205、比较相关联的运动目标簇的测量精度，将测量精度高的运动目标簇作为融合结果。
综上所述，本实施例在实施例1的基础上，针对满足距离条件以及多普勒速度差异条件的第一车载雷达的运动目标簇的代表点和第二车载雷达的运动目标簇的代表点，能够通过计算第一车载雷达的运动目标簇的代表点与第二车载雷达中满足距离条件以及多普勒速度差异条件的运动目标簇的代表点的等效距离，将最小等效距离对应的第一车载雷达的运动目标簇与第二车载雷达的运动目标簇确定为相关联的运动目标簇，有效实现了第一车载雷达的运动目标簇与第二车载雷达的运动目标簇的关联。
如图3所示，为本发明公开的一种车载雷达运动目标融合方法实施例3的方法流程图，所述方法应用于车辆，所述方法可以包括以下步骤：
S301、分别对第一车载雷达和第二车载雷达采集到的运动点云目标进行聚类，得到第一车载雷达的运动目标簇和第二车载雷达的运动目标簇，其中，第一车载雷达和第二车载雷达为车辆上相邻的两个车载雷达，每个运动目标簇包括一个代表点。
S302、针对第一车载雷达的每个运动目标簇的代表点分别判断与第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件。
S303、针对满足距离条件以及多普勒速度差异条件的第一车载雷达的运动目标簇的代表点和第二车载雷达的运动目标簇的代表点，计算第一车载雷达的运动目标簇的代表点与第二车载雷达中满足距离条件以及多普勒速度差异条件的运动目标簇的代表点的等效距离。
S304、针对不满足距离条件以及多普勒速度差异条件的第一车载雷达的运动目标簇的代表点和第二车载雷达的运动目标簇的代表点，将第一车载雷达的运动目标簇的代表点与第二车载雷达的运动目标簇的代表点之间的距离设定为指定等效距离。
例如，第一车载雷达有M个运动目标簇，第二车载雷达有N个运动目标簇。对于第一车载雷达的第i号运动目标簇(i＝1～M)，在第二车载雷达运动目标簇集合中确定出与第一车载雷达的第i号运动目标簇的代表点之间满足距离条件以及多普勒速度差异条件的运动目标簇，然后计算出第一车载雷达第i号运动目标簇的代表点与第二车载雷达中满足距离条件以及多普勒速度差异条件的运动目标簇的代表点的等效距离。对于在第二车载雷达中与第一车载雷达的第i号运动目标簇的代表点之间不满足距离条件以及多普勒速度差异条件的运动目标簇，将第一车载雷达的第i号运动目标簇的代表点与相应运动目标簇的代表点(即第二车载雷达中与第一车载雷达的第i号运动目标簇的代表点之间不满足距离条件以及多普勒速度差异条件的运动目标簇的代表点)之间的距离设定为指定等效距离。
S305、基于等效距离和指定等效距离构建观测矩阵。
然后，根据计算得到的等效距离以及设定的指定等效距离构建出观测矩阵。
假设M＝3，N＝3，不满足距离条件以及多普勒速度差异条件时设置指定等效距离R(i，j)＝Rij＝1000，假设等效距离与指定等效距离构成如下观测矩阵：
Figure BDA0002429551840000111
S306、基于观测矩阵和全局最邻近算法，确定第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇。
针对构建的观测矩阵，采用全局最邻近算法，首先查找整个观测矩阵中的最小值，假设为R(m，n)，然后判断R(m，n)是否小于指定等效距离，即判断R(m，n)是否小于1000，若小于，则将第一车载雷达的第m个运动目标簇与第二车载雷达的第n个运动目标簇进行关联，然后将R(m，x)和R(y，n)置为1000，其中，x＝1～N，y＝1～M，重复上述判断过程，直至确定出观测矩阵中所有相关联的运动目标簇。
以给出的上述矩阵为例，上述确定第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇的执行过程为：
1、最小值为R(1，3)＝1，小于1000。第一车载雷达的第1个运动目标簇和第二车载雷达的第3个运动目标簇相关联；
2、更新R矩阵为
Figure BDA0002429551840000121
3、继续查找最小值，R(2，1)＝4，小于1000。第一车载雷达的第2个运动目标簇和第二车载雷达的第1个运动目标簇相关联；
4、更新R矩阵为
Figure BDA0002429551840000122
5、继续查找最小值，R(1，1)＝1000，等于1000，停止查找。
按照上述方法，确定出第一车载雷达的第1个运动目标簇和第二车载雷达的第3个运动目标簇相关联，第一车载雷达的第2个运动目标簇和第二车载雷达的第1个运动目标簇相关联。
S307、比较相关联的运动目标簇的测量精度，将测量精度高的运动目标簇作为融合结果。
综上所述，本实施例在实施例1的基础上，能够基于判断结果，计算第一车载雷达的运动目标簇的代表点与第二车载雷达中满足距离条件以及多普勒速度差异条件的运动目标簇的代表点的等效距离，针对不满足距离条件以及多普勒速度差异条件的第一车载雷达的运动目标簇的代表点和第二车载雷达的运动目标簇的代表点，将第一车载雷达的运动目标簇的代表点与第二车载雷达的运动目标簇的代表点之间的距离设定为指定等效距离；根据等效距离和指定等效距离构建观测矩阵，并采用全局最邻近算法确定出第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇。
如图4所示，为本发明公开的一种车载雷达运动目标融合方法实施例4的方法流程图，所述方法应用于车辆，所述方法可以包括以下步骤：
S401、分别对第一车载雷达和第二车载雷达采集到的运动点云目标进行聚类，得到第一车载雷达的运动目标簇和第二车载雷达的运动目标簇，其中，第一车载雷达和第二车载雷达为车辆上相邻的两个车载雷达，每个运动目标簇包括一个代表点。
S402、确定第一车载雷达和第二车载雷达的重叠观测区域。
当需要对车载雷达的运动目标进行融合时，在上述实施例的基础上，为进一步减小计算量，对于车辆上两个相邻的第一车载雷达和第二车载雷达，可以确定出第一车载雷达和第二车载雷达的重叠观测区域。
S403、获取重叠观测区域中第一车载雷达的运动目标簇和第二车载雷达的运动目标簇。
然后，在第一车载雷达的运动目标簇和第二车载雷达的运动目标簇中，分别获取到第一车载雷达和第二车载雷达重叠观测区域中的第一车载雷达的运动目标簇和第二车载雷达的运动目标簇。
S404、针对重叠观测区域中的第一车载雷达的每个运动目标簇的代表点分别判断与重叠观测区域中的第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件。
对于获取到的重叠观测区域中的第一车载雷达的运动目标簇和第二车载雷达的运动目标簇，对于第一车载雷达的每个运动目标簇的代表点，分别判断与第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件。
S405、基于判断结果，确定第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇，其中，相关联的运动目标簇中包括一个第一车载雷达的运动目标簇和一个第二车载雷达的运动目标簇。
S406、比较相关联的运动目标簇的测量精度，将测量精度高的运动目标簇作为融合结果。
综上所述，本实施例在上述实施例1的基础上，进一步通过确定第一车载雷达和第二车载雷达的重叠观测区域，获取重叠观测区域中第一车载雷达的运动目标簇和第二车载雷达的运动目标簇，然后再只对重叠观测区域中的第一车载雷达的运动目标簇和第二车载雷达的运动目标簇进行关联处理，在实现提高运动目标的融合精度的基础上，进一步减小了计算量。
具体的，在上述的实施例中，判断第一车载雷达的运动目标簇的代表点与第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件的其中一种实现方式可以是：
判断是否同时满足
Figure BDA0002429551840000141
Figure BDA0002429551840000142
以及
Figure BDA0002429551840000143
即对邻近关系进行判断，邻近关系判断分两个层次进行，首先判断两个运动目标簇的代表点是否满足距离的要求(即距离条件)，距离包括x方向距离、y方向距离和欧式距离。即对第一车载雷达的i号运动目标簇的代表点(坐标
Figure BDA0002429551840000144
多普勒速度
Figure BDA0002429551840000145
)和第二车载雷达的j号运动目标簇的代表点(坐标
Figure BDA0002429551840000146
多普勒速度
Figure BDA0002429551840000147
)应满足下式：
Figure BDA0002429551840000148
其中，Tx、Ty和TD分别表示x方向距离差阈值、y方向距离差阈值和欧式距离的阈值，其阈值与定位精度和不同雷达观测到散射点的位置差异有关。一般而言，定位精度越差或不同雷达观测到散射点的位置差异越大，阈值应当设置的越大。
在完成位置差异判断后，需要进行多普勒速度差异的判断。运动目标相对两个雷达的多普勒速度差异与运动目标的几何位置、运动方向、运动速度等多种因素有关，而后两者都是未知的参数，因此无法直接给出表达式。
仿真发现，由于车载雷达观测的多数目标距离相对雷达之间的距离较远，即运动目标相对两个雷达的几何位置差异并不十分明显。因此对于两个雷达的重叠观测区域，多数情况下同一运动目标相对不同雷达的多普勒速度存在差异，但这种差异不会很大。假设两个车载雷达位于x轴上，间距为Dr＝4米，共同观测y>0的区域，我方车辆静止，观测目标相对我方车辆的运动速度绝对值(后续称为目标相对我车速度)为Vtarget＝10m/s，运动方向任意，两个雷达观测到的最大多普勒速度差(即最大速度差)Vmax随目标位置的分布如图5所示，例如，点P的横坐标为8.5，纵坐标为3.5，最大速度差为3.97；点Q的横坐标为18，纵坐标为6，最大速度差为1.992；其等廓线基本符合圆心在x＝0轴上且与原点相切的圆的规律。其中，等廓线表示，对一个双变量的参数在二维变量平面内的数值分布，数值相同的参数对应的坐标点连成的线。这些线通常满足一定规律，如爆炸强度的分布，其等廓线是以爆炸中心为原点的不同半径的圆。
如图6所示，对该坐标系下任意一点A，假设雷达点为B点和C点，其中点为D点，A到BC的垂足为E点，根据几何关系，其等轮廓圆的半径计算公式为：
Figure BDA0002429551840000161
在全局坐标系下，假设B点和C点的坐标分别为
Figure BDA0002429551840000162
目标点坐标(xc,yc)，则可以根据解析几何计算等轮廓圆半径为：
Rd＝AD2/(2AE)
其中：
Figure BDA0002429551840000163
Figure BDA0002429551840000164
Figure BDA0002429551840000165
图7给出了任意可能运动方向下的最大速度差Vmax随等轮廓圆半径Rd变化曲线，其随着Rd的增大而迅速减小，进一步仿真发现(如图8)，最大速度差、雷达间距、目标相对我车速度以及等轮廓圆半径近似满足下列关系式：
Figure BDA0002429551840000166
(4)式的近似关系对越大的Rd越精确。
上述结论可以使用下面方式近似解释，仿真发现，速度差最大时目标相对我车的运动方向一般近似与其与原点的连线垂直，此时目标相对两个雷达的多普勒速度近似为模值相等，符号相反。如，当目标位于y轴时且运动方向沿x轴时，当Rd远大于Dr，可以根据几何关系给出多普勒速度Vd模值的近似表达式，并最终推出(4)式的等效变形式：
Figure BDA0002429551840000167
对其他满足Rd远大于Dr的目标点，也可以参考(5)式的推导过程给出相同的结论。
因此，可以规定目标与我方车辆之间的最大相对速度绝对值Vm，两个运动目标簇符合多普勒速度差异条件时要求：
Figure BDA0002429551840000171
上式中Rd可以基于任意一个运动目标簇的坐标计算给出，也可以基于两个运动目标簇的坐标分别计算后取平均得到，Vp为多普勒速度差。对目标位于相邻车道时，重叠区观测的目标多为同向行驶的车辆，可以设置较小Vm值(如10m/s)，当目标位于较远车道时，重叠区观测的目标可能为路边缓速行驶的非机动车、行人或对向来车，此时可以设置较大的Vm(如20m/s)。
具体的，在上述实施例中，针对满足距离条件以及多普勒速度差异条件的第一车载雷达的运动目标簇的代表点和第二车载雷达的运动目标簇的代表点，计算第一车载雷达的运动目标簇的代表点与第二车载雷达中满足距离条件以及多普勒速度差异条件的运动目标簇的代表点的等效距离的其中一种实现方式可以是：
基于公式Deq＝μ1Deu+μ2VP计算第一车载雷达运动目标簇的代表点与第二车载雷达中满足距离条件以及多普勒速度差异条件的运动目标簇的代表点的等效距离，其中：Deu为第一车载雷达的运动目标簇的代表点与第二车载雷达的运动目标簇的代表点的欧式距离，Vp为多普勒速度差，μ1和μ2为加权系数，可以根据经验设置。
综上所述，本发明通过理论分析与仿真验证，发现同一运动目标相对不同雷达的多普勒差的最大值可以近似给出理论表达式，进而基于运动目标的几何位置等参数计算仅与运动目标相对运动速度有关的多普勒差值参数用于与阈值比较，减少了几何位置不确定性对多普勒差值的影响，最终将多普勒参数引入运动目标点融合中，从而提高了融合精度，本发明提供的方法理论性强，且实现简单，具有较强的工程实用价值。
如图9所示，为本发明公开的一种车载雷达运动目标融合装置实施例1的结构示意图，所述装置应用于车辆，所述装置可以包括：
聚类模块901，用于分别对第一车载雷达和第二车载雷达采集到的运动点云目标进行聚类，得到第一车载雷达的运动目标簇和第二车载雷达的运动目标簇，其中，第一车载雷达和第二车载雷达为车辆上相邻的两个车载雷达，每个运动目标簇包括一个代表点。
判断模块902，用于针对第一车载雷达的每个运动目标簇的代表点分别判断与第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件。
关联模块903，用于基于判断结果，确定第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇，其中，相关联的运动目标簇中包括一个第一车载雷达的运动目标簇和一个第二车载雷达的运动目标簇。
融合模块904，用于比较相关联的运动目标簇的测量精度，将测量精度高的运动目标簇作为融合结果。
本实施例公开的车载雷达运动目标融合装置的工作原理与车载雷达运动目标融合方法实施例1的工作原理相同，在此不再赘述。
如图10所示，为本发明公开的一种车载雷达运动目标融合装置实施例2的结构示意图，所述装置应用于车辆，所述装置可以包括：
聚类模块1001，用于分别对第一车载雷达和第二车载雷达采集到的运动点云目标进行聚类，得到第一车载雷达的运动目标簇和第二车载雷达的运动目标簇，其中，第一车载雷达和第二车载雷达为车辆上相邻的两个车载雷达，每个运动目标簇包括一个代表点。
判断模块1002，用于针对第一车载雷达的每个运动目标簇的代表点分别判断与第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件。
第一计算单元1003，用于针对满足距离条件以及多普勒速度差异条件的第一车载雷达的运动目标簇的代表点和第二车载雷达的运动目标簇的代表点，计算第一车载雷达的运动目标簇的代表点与第二车载雷达中满足距离条件以及多普勒速度差异条件的运动目标簇的代表点的等效距离。
第一确定单元1004，用于将最小等效距离对应的第一车载雷达的运动目标簇与第二车载雷达的运动目标簇确定为相关联的运动目标簇。
融合模块1005，用于比较相关联的运动目标簇的测量精度，将测量精度高的运动目标簇作为融合结果。
本实施例公开的车载雷达运动目标融合装置的工作原理与车载雷达运动目标融合方法实施例2的工作原理相同，在此不再赘述。
如图11所示，为本发明公开的一种车载雷达运动目标融合装置实施例3的结构示意图，所述装置应用于车辆，所述装置可以包括：
聚类模块1101，用于分别对第一车载雷达和第二车载雷达采集到的运动点云目标进行聚类，得到第一车载雷达的运动目标簇和第二车载雷达的运动目标簇，其中，第一车载雷达和第二车载雷达为车辆上相邻的两个车载雷达，每个运动目标簇包括一个代表点。
判断模块1102，用于针对第一车载雷达的每个运动目标簇的代表点分别判断与第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件。
第二计算单元1103，用于针对满足距离条件以及多普勒速度差异条件的第一车载雷达的运动目标簇的代表点和第二车载雷达的运动目标簇的代表点，计算第一车载雷达的运动目标簇的代表点与第二车载雷达中满足距离条件以及多普勒速度差异条件的运动目标簇的代表点的等效距离。
设定单元1104，用于针对不满足距离条件以及多普勒速度差异条件的第一车载雷达的运动目标簇的代表点和第二车载雷达的运动目标簇的代表点，将第一车载雷达的运动目标簇的代表点与第二车载雷达的运动目标簇的代表点之间的距离设定为指定等效距离。
构建单元1105，用于基于等效距离和指定等效距离构建观测矩阵。
第二确定单元1106，用于基于观测矩阵和全局最邻近算法，确定第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇。
融合模块1107，用于比较相关联的运动目标簇的测量精度，将测量精度高的运动目标簇作为融合结果。
本实施例公开的车载雷达运动目标融合装置的工作原理与车载雷达运动目标融合方法实施例3的工作原理相同，在此不再赘述。
如图12所示，为本发明公开的一种车载雷达运动目标融合装置实施例4的结构示意图，所述装置应用于车辆，所述装置可以包括：
聚类模块1201，用于分别对第一车载雷达和第二车载雷达采集到的运动点云目标进行聚类，得到第一车载雷达的运动目标簇和第二车载雷达的运动目标簇，其中，第一车载雷达和第二车载雷达为车辆上相邻的两个车载雷达，每个运动目标簇包括一个代表点。
确定模块1202，用于确定第一车载雷达和第二车载雷达的重叠观测区域。
获取模块1203，用于获取重叠观测区域中第一车载雷达的运动目标簇和第二车载雷达的运动目标簇。
判断模块1204，用于针对重叠观测区域中的第一车载雷达的每个运动目标簇的代表点分别判断与重叠观测区域中的第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件。
关联模块1205，用于基于判断结果，确定第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇，其中，相关联的运动目标簇中包括一个第一车载雷达的运动目标簇和一个第二车载雷达的运动目标簇。
融合模块1206，用于比较相关联的运动目标簇的测量精度，将测量精度高的运动目标簇作为融合结果。
本实施例公开的车载雷达运动目标融合装置的工作原理与车载雷达运动目标融合方法实施例4的工作原理相同，在此不再赘述。
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。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
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发明。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发明的精神或范围的情况下，在其它实施例中实现。因此，本发明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)

1.一种车载雷达运动目标融合方法，其特征在于，应用于车辆，所述方法包括：
分别对第一车载雷达和第二车载雷达采集到的运动点云目标进行聚类，得到第一车载雷达的运动目标簇和第二车载雷达的运动目标簇，其中，第一车载雷达和第二车载雷达为所述车辆上相邻的两个车载雷达，每个运动目标簇包括一个代表点；
针对第一车载雷达的每个运动目标簇的代表点分别判断与第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件；
基于判断结果，确定第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇，其中，所述相关联的运动目标簇中包括一个第一车载雷达的运动目标簇和一个第二车载雷达的运动目标簇；
比较所述相关联的运动目标簇的测量精度，将测量精度高的运动目标簇作为融合结果；
所述针对第一车载雷达的每个运动目标簇的代表点分别判断与第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件，包括：
判断是否同时满足
Figure FDA0003464511570000011
Figure FDA0003464511570000021
以及
Figure FDA0003464511570000022
其中：Dx为第一车载雷达的运动目标簇的代表点的横坐标
Figure FDA0003464511570000023
与第二车载雷达的运动目标簇的代表点的横坐标
Figure FDA0003464511570000024
的差值的绝对值，Tx为x方向距离差阈值，Dy为第一车载雷达的运动目标簇的代表点的纵坐标
Figure FDA0003464511570000025
与第二车载雷达的运动目标簇的代表点的纵坐标
Figure FDA0003464511570000026
的差值的绝对值，Ty为y方向距离差阈值，Deu为第一车载雷达的运动目标簇的代表点与第二车载雷达的运动目标簇的代表点的欧式距离，TD为欧式距离阈值，Rd为等轮廓圆半径，Vp为多普勒速度差，Vi 1为第一车载雷达的运动目标簇的代表点的多普勒速度，
Figure FDA0003464511570000027
为第二车载雷达中满足距离条件的运动目标簇的代表点的多普勒速度，Dr为第一车载雷达与第二车载雷达的间距，Vm为目标与车辆之间的最大相对速度绝对值。
2.根据权利要求1所述的方法，其特征在于，所述基于判断结果，确定第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇，包括：
针对满足距离条件以及多普勒速度差异条件的第一车载雷达的运动目标簇的代表点和第二车载雷达的运动目标簇的代表点，计算第一车载雷达的运动目标簇的代表点与第二车载雷达中满足距离条件以及多普勒速度差异条件的运动目标簇的代表点的等效距离；
将最小等效距离对应的第一车载雷达的运动目标簇与第二车载雷达的运动目标簇确定为相关联的运动目标簇。
3.根据权利要求1所述的方法，其特征在于，所述基于判断结果，确定第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇，包括：
针对满足距离条件以及多普勒速度差异条件的第一车载雷达的运动目标簇的代表点和第二车载雷达的运动目标簇的代表点，计算第一车载雷达的运动目标簇的代表点与第二车载雷达中满足所述距离条件以及多普勒速度差异条件的运动目标簇的代表点的等效距离；
针对不满足距离条件以及多普勒速度差异条件的第一车载雷达的运动目标簇的代表点和第二车载雷达的运动目标簇的代表点，将第一车载雷达的运动目标簇的代表点与第二车载雷达的运动目标簇的代表点之间的距离设定为指定等效距离；
基于等效距离和指定等效距离构建观测矩阵；
基于观测矩阵和全局最邻近算法，确定第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇。
4.根据权利要求2或3所述的方法，其特征在于，所述计算第一车载雷达的运动目标簇的代表点与第二车载雷达中满足距离条件以及多普勒速度差异条件的运动目标簇的代表点的等效距离，包括：
基于公式Deq＝μ1Deu+μ2VP计算第一车载雷达运动目标簇的代表点与第二车载雷达中满足距离条件以及多普勒速度差异条件的运动目标簇的代表点的等效距离，其中：Deu为第一车载雷达的运动目标簇的代表点与第二车载雷达的运动目标簇的代表点的欧式距离，Vp为多普勒速度差，μ1和μ2为加权系数。
5.根据权利要求1所述的方法，其特征在于，还包括：
确定第一车载雷达和第二车载雷达的重叠观测区域；
获取所述重叠观测区域中第一车载雷达的运动目标簇和第二车载雷达的运动目标簇；
相应的，针对第一车载雷达的每个运动目标簇的代表点分别判断与第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件，包括：
针对所述重叠观测区域中的第一车载雷达的每个运动目标簇的代表点分别判断与所述重叠观测区域中的第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件。
6.一种车载雷达运动目标融合装置，其特征在于，应用于车辆，所述装置包括：
聚类模块，用于分别对第一车载雷达和第二车载雷达采集到的运动点云目标进行聚类，得到第一车载雷达的运动目标簇和第二车载雷达的运动目标簇，其中，第一车载雷达和第二车载雷达为所述车辆上相邻的两个车载雷达，每个运动目标簇包括一个代表点；
判断模块，用于针对第一车载雷达的每个运动目标簇的代表点分别判断与第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件；
关联模块，用于基于判断结果，确定第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇，其中，所述相关联的运动目标簇中包括一个第一车载雷达的运动目标簇和一个第二车载雷达的运动目标簇；
融合模块，用于比较所述相关联的运动目标簇的测量精度，将测量精度高的运动目标簇作为融合结果；
所述针对第一车载雷达的每个运动目标簇的代表点分别判断与第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件，包括：
判断是否同时满足
Figure FDA0003464511570000051
Figure FDA0003464511570000052
以及
Figure FDA0003464511570000053
其中：Dx为第一车载雷达的运动目标簇的代表点的横坐标
Figure FDA0003464511570000054
与第二车载雷达的运动目标簇的代表点的横坐标
Figure FDA0003464511570000061
的差值的绝对值，Tx为x方向距离差阈值，Dy为第一车载雷达的运动目标簇的代表点的纵坐标
Figure FDA0003464511570000062
与第二车载雷达的运动目标簇的代表点的纵坐标
Figure FDA0003464511570000063
的差值的绝对值，Ty为y方向距离差阈值，Deu为第一车载雷达的运动目标簇的代表点与第二车载雷达的运动目标簇的代表点的欧式距离，TD为欧式距离阈值，Rd为等轮廓圆半径，Vp为多普勒速度差，Vi 1为第一车载雷达的运动目标簇的代表点的多普勒速度，
Figure FDA0003464511570000064
为第二车载雷达中满足距离条件的运动目标簇的代表点的多普勒速度，Dr为第一车载雷达与第二车载雷达的间距，Vm为目标与车辆之间的最大相对速度绝对值。
7.根据权利要求6所述的装置，其特征在于，所述关联模块包括：
第一计算单元，用于针对满足距离条件以及多普勒速度差异条件的第一车载雷达的运动目标簇的代表点和第二车载雷达的运动目标簇的代表点，计算第一车载雷达的运动目标簇的代表点与第二车载雷达中满足距离条件以及多普勒速度差异条件的运动目标簇的代表点的等效距离；
第一确定单元，用于将最小等效距离对应的第一车载雷达的运动目标簇与第二车载雷达的运动目标簇确定为相关联的运动目标簇。
8.根据权利要求6所述的装置，其特征在于，所述关联模块包括：
第二计算单元，用于针对满足距离条件以及多普勒速度差异条件的第一车载雷达的运动目标簇的代表点和第二车载雷达的运动目标簇的代表点，计算第一车载雷达的运动目标簇的代表点与第二车载雷达中满足所述距离条件以及多普勒速度差异条件的运动目标簇的代表点的等效距离；
设定单元，用于针对不满足距离条件以及多普勒速度差异条件的第一车载雷达的运动目标簇的代表点和第二车载雷达的运动目标簇的代表点，将第一车载雷达的运动目标簇的代表点与第二车载雷达的运动目标簇的代表点之间的距离设定为指定等效距离；
构建单元，用于基于等效距离和指定等效距离构建观测矩阵；
第二确定单元，用于基于观测矩阵和全局最邻近算法，确定第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇。
9.根据权利要求6所述的装置，其特征在于，还包括：
确定模块，用于确定第一车载雷达和第二车载雷达的重叠观测区域；
获取模块，用于获取所述重叠观测区域中第一车载雷达的运动目标簇和第二车载雷达的运动目标簇；
所述判断模块，还用于针对所述重叠观测区域中的第一车载雷达的每个运动目标簇的代表点分别判断与所述重叠观测区域中的第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件。
CN202010231998.1A 2020-03-27 2020-03-27 一种车载雷达运动目标融合方法及装置 Active CN111289969B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010231998.1A CN111289969B (zh) 2020-03-27 2020-03-27 一种车载雷达运动目标融合方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010231998.1A CN111289969B (zh) 2020-03-27 2020-03-27 一种车载雷达运动目标融合方法及装置

Publications (2)

Publication Number Publication Date
CN111289969A CN111289969A (zh) 2020-06-16
CN111289969B true CN111289969B (zh) 2022-03-04

Family

ID=71019593

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010231998.1A Active CN111289969B (zh) 2020-03-27 2020-03-27 一种车载雷达运动目标融合方法及装置

Country Status (1)

Country Link
CN (1) CN111289969B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112505704A (zh) * 2020-11-10 2021-03-16 北京埃福瑞科技有限公司 提高列车自主智能感知系统安全性的方法及列车
CN113391270B (zh) * 2021-06-11 2022-10-04 森思泰克河北科技有限公司 多雷达点云融合的虚假目标抑制方法、装置及终端设备
CN113640766B (zh) * 2021-08-10 2023-05-23 北京经纬恒润科技股份有限公司 一种确定目标运动状态的方法及装置

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103593974A (zh) * 2013-11-06 2014-02-19 福建工程学院 一种基于定位信息的公交载客量采集方法
CN105480229A (zh) * 2015-11-24 2016-04-13 大连楼兰科技股份有限公司 一种基于信息融合的智能变道辅助系统及其方法
CN105701479A (zh) * 2016-02-26 2016-06-22 重庆邮电大学 基于目标特征的智能车辆多激光雷达融合识别方法
CN106054191A (zh) * 2015-04-06 2016-10-26 通用汽车环球科技运作有限责任公司 车轮检测和其在物体跟踪以及传感器配准中的应用
JP2019002691A (ja) * 2017-06-09 2019-01-10 トヨタ自動車株式会社 物標情報取得装置
CN109212513A (zh) * 2018-09-29 2019-01-15 河北德冠隆电子科技有限公司 多目标在雷达间数据传递、数据融合及连续跟踪定位方法
CN109490890A (zh) * 2018-11-29 2019-03-19 重庆邮电大学 一种面向智能车的毫米波雷达与单目相机信息融合方法
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
CN109829386A (zh) * 2019-01-04 2019-05-31 清华大学 基于多源信息融合的智能车辆可通行区域检测方法
CN109870680A (zh) * 2018-10-26 2019-06-11 北京润科通用技术有限公司 一种目标分类方法及装置
CN109901156A (zh) * 2019-01-25 2019-06-18 中国汽车技术研究中心有限公司 一种车辆毫米波雷达和摄像头的目标融合方法和装置
CN109932720A (zh) * 2019-03-19 2019-06-25 北京润科通用技术有限公司 基于雷达的运动目标识别方法及装置
CN110161505A (zh) * 2019-05-21 2019-08-23 一汽轿车股份有限公司 一种基于毫米波雷达后防撞预警方法
CN110320517A (zh) * 2019-05-31 2019-10-11 惠州市德赛西威汽车电子股份有限公司 一种车载雷达识别方法
CN110865365A (zh) * 2019-11-27 2020-03-06 江苏集萃智能传感技术研究所有限公司 一种基于毫米波雷达的停车场噪声消除方法
CN110874848A (zh) * 2019-11-20 2020-03-10 东软睿驰汽车技术（沈阳）有限公司 一种基于毫米波雷达的物体跟踪方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9255988B2 (en) * 2014-01-16 2016-02-09 GM Global Technology Operations LLC Object fusion system of multiple radar imaging sensors

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103593974A (zh) * 2013-11-06 2014-02-19 福建工程学院 一种基于定位信息的公交载客量采集方法
CN106054191A (zh) * 2015-04-06 2016-10-26 通用汽车环球科技运作有限责任公司 车轮检测和其在物体跟踪以及传感器配准中的应用
CN105480229A (zh) * 2015-11-24 2016-04-13 大连楼兰科技股份有限公司 一种基于信息融合的智能变道辅助系统及其方法
CN105701479A (zh) * 2016-02-26 2016-06-22 重庆邮电大学 基于目标特征的智能车辆多激光雷达融合识别方法
JP2019002691A (ja) * 2017-06-09 2019-01-10 トヨタ自動車株式会社 物標情報取得装置
CN109212513A (zh) * 2018-09-29 2019-01-15 河北德冠隆电子科技有限公司 多目标在雷达间数据传递、数据融合及连续跟踪定位方法
CN109870680A (zh) * 2018-10-26 2019-06-11 北京润科通用技术有限公司 一种目标分类方法及装置
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
CN109490890A (zh) * 2018-11-29 2019-03-19 重庆邮电大学 一种面向智能车的毫米波雷达与单目相机信息融合方法
CN109829386A (zh) * 2019-01-04 2019-05-31 清华大学 基于多源信息融合的智能车辆可通行区域检测方法
CN109901156A (zh) * 2019-01-25 2019-06-18 中国汽车技术研究中心有限公司 一种车辆毫米波雷达和摄像头的目标融合方法和装置
CN109932720A (zh) * 2019-03-19 2019-06-25 北京润科通用技术有限公司 基于雷达的运动目标识别方法及装置
CN110161505A (zh) * 2019-05-21 2019-08-23 一汽轿车股份有限公司 一种基于毫米波雷达后防撞预警方法
CN110320517A (zh) * 2019-05-31 2019-10-11 惠州市德赛西威汽车电子股份有限公司 一种车载雷达识别方法
CN110874848A (zh) * 2019-11-20 2020-03-10 东软睿驰汽车技术（沈阳）有限公司 一种基于毫米波雷达的物体跟踪方法及装置
CN110865365A (zh) * 2019-11-27 2020-03-06 江苏集萃智能传感技术研究所有限公司 一种基于毫米波雷达的停车场噪声消除方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Radar and Vision Sensor Fusion for Object Detection in Autonomous Vehicle Surroundings;Jihun Kim, et al;《ICUFN》;20181231;p76-78 *
基于组合毫米波雷达的智能车环境感知方法;刘曰;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20170315;第18、29、34-35页 *
面向停车场场景的多传感器融合匹配算法与融合数据的并行处;宝鹤鹏等;《现代计算机》;20200228;第80页 *
面向智能车的毫米波雷达与单目相机信息融合方法研究;陈云坤;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20200215;第40-41页 *

Also Published As

Publication number Publication date
CN111289969A (zh) 2020-06-16

Similar Documents

Publication Publication Date Title
CN111289969B (zh) 一种车载雷达运动目标融合方法及装置
CN109870680B (zh) 一种目标分类方法及装置
US7071867B2 (en) Method, apparatus, and computer program product for radar detection of moving target
CN104931977B (zh) 一种用于智能车辆的障碍物识别方法
US9563808B2 (en) Target grouping techniques for object fusion
CN110609290B (zh) 激光雷达匹配定位方法及装置
CN110008941B (zh) 可行驶区域检测方法、装置、计算机设备和存储介质
US11898855B2 (en) Assistance control system that prioritizes route candidates based on unsuitable sections thereof
Kim et al. Placement optimization of multiple lidar sensors for autonomous vehicles
CN1940591A (zh) 使用传感器融合进行目标跟踪的系统和方法
CN111856507B (zh) 一种环境感测实现方法、智能移动设备和存储介质
US20210055399A1 (en) Radar device
CN109613509B (zh) 一种车载雷达散射点的聚类方法及装置
US11507092B2 (en) Sequential clustering
CN111325187B (zh) 一种车道位置的识别方法及装置
CN110596639A (zh) 车辆跟踪定位方法、信息标记方法、系统及控制终端
CN112597839B (zh) 基于车载毫米波雷达的道路边界检测方法
CN115151836A (zh) 用于探测车辆周围环境中的移动对象的方法和机动车辆
CN116699596A (zh) 一种车辆的毫米波雷达的速度修正方法及装置
CN112989946B (zh) 一种车道线的确定方法、装置、设备及车辆
CN114488026A (zh) 基于4d毫米波雷达的地下停车库可通行空间检测方法
US11668799B2 (en) Histogram based L-shape detection of target objects
Mikhalev et al. Fusion of sensor data for source localization using the Hough transform
CN111366921A (zh) 基于距离加权融合的双站雷达交叉定位方法、系统及介质
CN113033586A (zh) 目标识别方法及设备

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
CB03 Change of inventor or designer information

Inventor after: Liu Changjiang

Inventor after: Liu Jiesheng

Inventor after: Chen Nannan

Inventor after: Zhang Xuejian

Inventor before: Liu Changjiang

Inventor before: Liu Jiesheng

Inventor before: Chen Nannan

Inventor before: Zhang Xuejian

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20231227

Address after: 4 / F, building 1, No.14 Jiuxianqiao Road, Chaoyang District, Beijing 100020

Patentee after: Beijing Jingwei Hengrun Technology Co.,Ltd.

Address before: 100192 5th floor, Zhizhen building, 7 Zhichun Road, Haidian District, Beijing

Patentee before: BEIJING RUNKE GENERAL TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right