CN111398943A - 目标姿态的确定方法及终端设备 - Google Patents
目标姿态的确定方法及终端设备 Download PDFInfo
- Publication number
- CN111398943A CN111398943A CN202010255723.1A CN202010255723A CN111398943A CN 111398943 A CN111398943 A CN 111398943A CN 202010255723 A CN202010255723 A CN 202010255723A CN 111398943 A CN111398943 A CN 111398943A
- Authority
- CN
- China
- Prior art keywords
- cloud data
- point cloud
- target
- determining
- data set
- 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
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
-
- 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
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
本发明适用于雷达技术领域,提供了一种目标姿态确定方法及终端设备,包括:获取目标的雷达回波信号,并根据雷达回波信号确定雷达回波信号的距离‑多普勒热力图;根据雷达回波信号的距离‑多普勒热力图,确定目标的目标点云数据;根据目标点云数据确定目标的个数及各个目标的姿态。本发明根据雷达回波信号的距离‑多普勒热力图确定目标的目标点云数据,从而根据目标点云数据确定目标的姿态角度,准确率高,有效提升了雷达的应用效果。
Description
技术领域
本发明属于雷达技术领域,尤其涉及一种目标姿态的确定方法及终端设备。
背景技术
随着科技的发展和社会的进步,雷达已成为人们生活中必不可少的一种产品。随着雷达应用的深入,人们对雷达的应用不再局限于对目标的距离及速度的测量,对目标姿态角的测量成为一种新的需求。
目标姿态角是指目标主轴与雷达视线在地面投影之间的夹角。现有技术中对目标姿态角的确定方法主要有目标主轴法及目标包络法等,但这些方法普遍准确度不够高,影响了雷达的应用。
发明内容
有鉴于此,本发明实施例提供了一种目标姿态确定方法及终端设备,以解决现有技术中对目标姿态的确定方法准确度不高的问题。
本发明实施例的第一方面提供了一种目标姿态确定方法,包括:
获取目标的雷达回波信号,并根据雷达回波信号确定雷达回波信号的距离-多普勒热力图;
根据雷达回波信号的距离-多普勒热力图,确定目标的目标点云数据;
根据目标点云数据确定目标的个数及各个目标的姿态。
本发明实施例的第二方面提供了一种终端设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如本发明实施例第一方面提供的目标姿态确定方法的步骤。
本发明实施例提供了一种目标姿态确定方法,包括:获取目标的雷达回波信号,并根据雷达回波信号确定雷达回波信号的距离-多普勒热力图;根据雷达回波信号的距离-多普勒热力图,确定目标的目标点云数据;根据目标点云数据确定目标的个数及各个目标的姿态。本发明实施例根据雷达回波信号的距离-多普勒热力图确定目标的目标点云数据,从而根据目标点云数据确定目标的姿态角度,计算过程简单,准确率高,有效提升了雷达的应用效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的对目标姿态进行测量时雷达的布置示意图;
图2是本发明实施例提供的一种目标姿态确定方法的实现流程示意图;
图3是本发明实施例提供的一种距离-多普勒热力图的示意图;
图4是本发明实施例提供的点云数据集的示意图;
图5是本发明实施例提供的目标姿态角在二维坐标系中的示意图;
图6是本发明实施例提供的一种目标姿态确定装置的示意图;
图7是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明的技术方案,下面通过具体实施例来进行说明。
空间目标姿态的确定对了解空间目标的动作意图以及判断目标的状态具有非常重要的意义。可利用雷达对目标的姿态进行测量,例如,参考图1,可将雷达固定与龙门架上(架设高度可以为6米),对雷达波束覆盖范围内的多个目标(车辆)的姿态同时进行测量。目标的姿态角是指目标主轴与雷达视线在地面投影之间的夹角。例如,参考图1,目标1的姿态角为θ1,目标2的姿态角为θ2。
参考图2,本发明实施例提供了一种目标姿态确定方法,包括:
步骤S101:获取目标的雷达回波信号,并根据雷达回波信号确定雷达回波信号的距离-多普勒热力图。
距离多普勒(Range-Dopple Matrix,简称RDMA)处理方法是雷达进行多目标信息提取的有效手段,通过对雷达的回波信号进行处理即可得到距离多普勒热力图,距离多普勒热力图包括目标的距离及速度信息。
一些实施例中,步骤S101可以包括:
步骤S1011:对雷达回波信号进行模数转换,得到数字化的雷达回波信号;
步骤S1012:对数字化的雷达回波信号进行距离维傅里叶变换及速度维傅里叶变换,得到雷达回波信号的距离-多普勒热力图;
其中,距离-多普勒热力图的维数为Nr×Nv,Nr为距离维傅里叶变换点数,Nv为速度维傅里叶变换点数。Nr和Nv与雷达的性能有关,Nr与雷达的距离分辨率有关,Nv与雷达的速度最大探测范围有关,可根据实际需求设定。例如,Nr可以为256,Nv可以为128。
雷达回波信号为模拟信号,首先需进行模数转换,将初始雷达回波信号转换为数字信号,得到大小为1×No×Nr×Nv的向量。其中,No=R×T,R为雷达的接收天线个数,T为雷达的发射天线个数。
分别对上述1×No×Nr×Nv的向量进行Nr点数的距离维傅里叶变换及Nv点数的速度维傅里叶变换,从而得到雷达回波信号的距离-多普勒热力图(或称为距离-速度热力图),参考图3。即获取得到雷达回波信号中各点的速度及距离信息。
步骤S102:根据雷达回波信号的距离-多普勒热力图,确定目标的目标点云数据。
距离-多普勒热力图中的数据点包括目标点及非目标点,因此需对距离-多普勒热力图中的点进行筛选,得到目标点云数据。
一些实施例中,步骤S102可以包括:
步骤S1021:采用二维恒虚警检测,对距离-多普勒热力图进行检测,得到目标的中间点云数据;
步骤S1022:对中间点云数据进行角度维傅里叶变换,得到中间点云数据中各点的角度;
步骤S1023:根据中间点云数据中各点的角度,将中间点云数据中的各点的坐标转换至预设坐标系中,得到目标点云数据。
由于雷达回波信号的距离-多普勒热力图包括目标的距离及速度信息,因此需对距离-多普勒图进行检测,提取其中的目标数据点形成中间点云数据,中间点云数据的坐标为各点的距离及速度。
恒虚警检测技术(CFAR,Constant False-Alarm Rate)是雷达系统在保持虚警概率恒定条件下对雷达回波信号与噪声作判别以确定目标信号是否存在的技术。恒虚警检测器首先对输入的噪声进行处理后确定一个门限,将此门限与输入信号相比,如输入信号超过了此门限,则判为有目标,否则,判为无目标。本发明实施例中采用恒虚警算法对距离-多普勒图进行检测,提取得到目标数据点,即中间点云数据。
进一步的,再根据中间点云数据中各点的距离及速度确定各点的角度,由此,中间点云数据中各点具有了距离、速度及角度信息。然后将其转换到预设坐标系中。一些实施例中,参考图1,预设坐标系的y轴与雷达视线在地面投影的方向相反,x轴与y轴垂直。
一些实施例中,中间点云数据包括各点的距离,目标点云数据中各点的坐标的计算公式可以为:
xm=Rm×cosαm
ym=Rm×sinαm
其中,xm为目标点云数据中第m个点的横坐标,ym为目标点云数据中第m个点的纵坐标;Rm为中间点云数据中第m个点的距离,αm为中间点云数据中第m个点的角度,m=1,2,…,M,M为中间点云数据中点的个数。
步骤S103:根据目标点云数据确定目标的个数及各个目标的姿态。
一些实施例中,步骤S103可以包括:
步骤S1031:对目标点云数据中的各点进行分类,得到第一数量的点云数据集;其中,每个点云数据集对应一个目标,目标的个数为第一数量。
由于同一个目标的距离、速度及角度相同或相近,因此,参考图4,目标的点云数据形成一簇一簇的数据点,即第一数量的点云数据集,每个点云数据集对应一个目标。
一些实施例中,步骤S1031可以包括:
步骤S10311:对目标点云数据中的各点进行预分类,得到第二数量的点云数据集,第二数量大于或等于第一数量;
步骤S10312:确定第二数量的点云数据集中的各个点云数据集的点的个数,并判断第二数量的点云数据集中的各个点云数据集的点的个数是否小于预设数量;
步骤S10313:若第二数量的点云数据集中存在点的个数小于预设数量的点云数据集,则将该点云数据集去除,得到第一数量的点云数据集。
由于干扰及噪声的存在,第二数量的点云数据集中存在部分无效数据,需对第二数量的点云数据集进行滤波,若点云数据集中的点数较少,则判定该点云数据集为噪声并将其去除,减少噪声干扰,提高了计算精度。
一些实施例中,步骤S10311可以包括:
采用聚类算法对目标点云数据中的各点进行预分类,得到第二数量的点云数据集。
采用聚类算法对目标点云数据中的各点进行预分类,得到包括Ncfar_j个点的类Cj。其中,Cj为第j个类,Ncfar_j为第j个类包含的点的个数,j=1,2,…,J,J为第二数量。
步骤S1032:分别对各个点云数据集线性化,得到各个点云数据集分别对应的线性方程。
步骤S1033:根据各个点云数据集分别对应的线性方程,确定各个点云数据集分别对应的目标的姿态角度,目标的姿态角度为目标的主轴与雷达视线在地面投影之间的夹角。
假设线性方程为y=akx+bk,根据最小二乘法线性回归方程可以得到:
其中,Nk为第一数量的点云数据集中的第k个点云数据集中点的个数,Rxki为第一数量的点云数据集中的第k个点云数据集中的第i个点的横坐标,Ryki为第一数量的点云数据集中的第k个点云数据集中的第i个点的纵坐标,为第一数量的点云数据集中的第k个点云数据集中的点的横坐标的均值,为第一数量的点云数据集中的第k个点云数据集中的点的纵坐标的均值。
一些实施例中,步骤S1033可以包括:
步骤S10331:根据各个点云数据集,分别确定各个点云数据集对应的线性方程的线性相关度系数。
步骤S10332:确定各个点云数据集对应的线性方程的线性相关度系数是否大于预设阈值;
步骤S10333:若各个点云数据集中存在线性方程的线性相关度系数大于预设阈值的点云数据集,则根据该点云数据集对应的线性方程确定该点云数据集对应的目标的姿态角度。
在对第一数量的点云数据集中的各数据集进行线性化的过程中,线性相关度系数越大,则计算结果越准确。由此,设定预设阈值,若点云数据集的线性方程的线性相关度系数小于预设阈值,则该线性方程可信度低,不能用于确定目标的姿态确定,进而提升了目标姿态的计算精度。一些实施例中,预设阈值可以为0.9。
其中,线性相关度系数的计算公式为:
一些实施例中,目标的姿态角度的计算公式为:
其中,rk第一数量的点云数据集中的第k个点云数据集对应线性方程的相关度系数,θk为第一数量的点云数据集中的第k个点云数据集对应的目标的姿态角度,ak为第一数量的点云数据集中的第k个点云数据集对应的线性方程的斜率,k=1,…,N,N为第一数量。
点云数据集对应的线性方程的斜率反映了该点云数据集对应的目标的主轴的方向,由图5可以得到目标姿态角度的计算公式。
由于同一目标的速度、距离及角度信息相同或相近,而雷达回波信号的距离-多普勒热力图包含目标的距离及速度信息,根据上述特性,本发明实施例提供的目标姿态确定方法根据雷达回波信号的距离-多普勒热力图确定目标的目标点云数据,由于同一目标的速度、距离及角度信息相同或相近,因此同一目标的数据点会聚集,目标点云数据形成多个聚集的小的点云数据集,每个点云数据集对应一个目标,进而根据目标点云数据确定目标的姿态角度,计算过程简单,准确率高,有效提升了雷达的应用效果。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
参考图6,本发明实施例还提供了一种目标姿态确定装置,包括:
第一计算模块21,用于获取目标的雷达回波信号,并根据雷达回波信号确定雷达回波信号的距离-多普勒热力图;
第二计算模块22,用于根据雷达回波信号的距离-多普勒热力图,确定目标的目标点云数据;
目标姿态确定模块23,用于根据目标点云数据确定目标的个数及各个目标的姿态。
一些实施例中,第一计算模块21可以包括:
数字化子模块211,用于对雷达回波信号进行模数转换,得到数字化的雷达回波信号;
热力图计算子模块212,用于对数字化的雷达回波信号进行距离维傅里叶变换及速度维傅里叶变换,得到雷达回波信号的距离-多普勒热力图。
其中,距离-多普勒热力图的维数为Nr×Nv,Nr为距离维傅里叶变换点数,Nv为速度维傅里叶变换点数。
一些实施例中,第二计算模块22可以包括:
恒虚警检测子模块221,用于采用二维恒虚警检测,对距离-多普勒热力图进行检测,得到目标的中间点云数据;
角度确定子模块222,用于对中间点云数据进行角度维傅里叶变换,得到中间点云数据中各点的角度;
坐标转换子模块223,用于根据中间点云数据中各点的角度,将中间点云数据中的各点的坐标转换至预设坐标系中,得到目标点云数据。
一些实施例中,中间点云数据包括各点的距离,目标点云数据中各点的坐标的计算公式可以为:
xm=Rm×cos αm
ym=Rm×sin αm
其中,xm为目标点云数据中第m个点的横坐标,ym为目标点云数据中第m个点的纵坐标;Rm为中间点云数据中第m个点的距离,αm为中间点云数据中第m个点的角度,m=1,2,…,M,M为中间点云数据中点的个数。
一些实施例中,目标姿态确定模块23可以包括:
分类子模块231,用于对目标点云数据中的各点进行分类,得到第一数量的点云数据集;其中,每个点云数据集对应一个目标,目标的个数为第一数量;
线性化子模块232,用于分别对各个点云数据集线性化,得到各个点云数据集分别对应的线性方程。
目标姿态确定子模块233,用于根据各个点云数据集分别对应的线性方程,确定各个点云数据集分别对应的目标的姿态角度,目标的姿态角度为目标的主轴与雷达视线在地面投影之间的夹角。
一些实施例中,分类子模块231可以包括:
预分类单元,用于对目标点云数据中的各点进行预分类,得到第二数量的点云数据集,第二数量大于或等于第一数量;
判断单元,用于确定第二数量的点云数据集中的各个点云数据集的点的个数,并判断第二数量的点云数据集中的各个点云数据集的点的个数是否小于预设数量;
分类结果确定单元,用于若第二数量的点云数据集中存在点的个数小于预设数量的点云数据集,则将该点云数据集去除,得到第一数量的点云数据集。
一些实施例中,预分类单元可以包括:
预分类子单元,用于采用聚类算法对目标点云数据中的各点进行预分类,得到第二数量的点云数据集。
一些实施例中,目标姿态确定子模块233可以包括:
线性相关度系数确定单元,用于根据各个点云数据集,分别确定各个点云数据集对应的线性方程的线性相关度系数;
阈值判断单元,用于确定各个点云数据集对应的线性方程的线性相关度系数是否大于预设阈值;
目标姿态角度确定单元,用于若各个点云数据集中存在线性方程的线性相关度系数大于预设阈值的点云数据集,则根据该点云数据集对应的线性方程确定该点云数据集对应的目标的姿态角度。
一些实施例中,目标的姿态角度的计算公式为:
其中,θk为第一数量的点云数据集中的第k个点云数据集对应的目标的姿态角度,ak为第一数量的点云数据集中的第k个点云数据集对应的线性方程的斜率,k=1,…,N,N为第一数量。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将终端设备的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述装置中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图7是本发明一实施例提供的终端设备的示意框图。如图7所示,该实施例的终端设备4包括:一个或多个处理器40、存储器41以及存储在存储器41中并可在处理器40上运行的计算机程序42。处理器40执行计算机程序42时实现上述各个目标姿态确定方法实施例中的步骤,例如图1所示的步骤S101至S103。或者,处理器40执行计算机程序42时实现上述目标姿态确定装置实施例中各模块/单元的功能,例如图6所示模块21至23的功能。
示例性地,计算机程序42可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器41中,并由处理器40执行,以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序42在终端设备4中的执行过程。例如,计算机程序42可以被分割成第一计算模块21、第二计算模块22及目标姿态确定模块23。
第一计算模块21,用于获取目标的雷达回波信号,并根据雷达回波信号确定雷达回波信号的距离-多普勒热力图;
第二计算模块22,用于根据雷达回波信号的距离-多普勒热力图,确定目标的目标点云数据;
目标姿态确定模块23,用于根据目标点云数据确定目标的个数及各个目标的姿态。
其它模块或者单元在此不再赘述。
终端设备4包括但不仅限于处理器40、存储器41。本领域技术人员可以理解,图7仅仅是终端设备的一个示例,并不构成对终端设备4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端设备4还可以包括输入设备、输出设备、网络接入设备、总线等。
处理器40可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器41可以是终端设备的内部存储单元,例如终端设备的硬盘或内存。存储器41也可以是终端设备的外部存储设备,例如终端设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器41还可以既包括终端设备的内部存储单元也包括外部存储设备。存储器41用于存储计算机程序42以及终端设备所需的其他程序和数据。存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,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、或者计算机软件和电子硬件的结合来实现。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申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的终端设备和方法,可以通过其它的方式实现。例如,以上所描述的终端设备实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种目标姿态确定方法,其特征在于,包括:
获取目标的雷达回波信号,并根据所述雷达回波信号确定所述雷达回波信号的距离-多普勒热力图;
根据所述雷达回波信号的距离-多普勒热力图,确定所述目标的目标点云数据;
根据所述目标点云数据确定所述目标的个数及各个目标的姿态。
2.如权利要求1所述的目标姿态确定方法,其特征在于,所述根据所述雷达回波信号的距离-多普勒热力图,确定所述目标的目标点云数据,包括:
采用二维恒虚警检测,对所述距离-多普勒热力图进行检测,得到所述目标的中间点云数据;
对所述中间点云数据进行角度维傅里叶变换,得到所述中间点云数据中各点的角度;
根据所述中间点云数据中各点的角度,将所述中间点云数据中的各点的坐标转换至预设坐标系中,得到所述目标点云数据。
3.如权利要求2所述的目标姿态确定方法,其特征在于,所述中间点云数据包括各点的距离;
所述目标点云数据中各点的坐标的计算公式为:
xm=Rm×cosαm
ym=Rm×sinαm
其中,xm为所述目标点云数据中第m个点的横坐标,ym为所述目标点云数据中第m个点的纵坐标;Rm为所述中间点云数据中第m个点的距离,αm为所述中间点云数据中第m个点的角度,m=1,2,…,M,M为所述中间点云数据中点的个数。
4.如权利要求1所述的目标姿态确定方法,其特征在于,所述根据所述目标点云数据确定所述目标的个数及各个目标的姿态,包括:
对所述目标点云数据中的各点进行分类,得到第一数量的点云数据集;其中,每个点云数据集对应一个目标,所述目标的个数为所述第一数量;
分别对各个点云数据集线性化,得到各个点云数据集分别对应的线性方程;
根据所述各个点云数据集分别对应的线性方程,确定所述各个点云数据集分别对应的目标的姿态角度,所述目标的姿态角度为所述目标的主轴与雷达视线在地面投影之间的夹角。
5.如权利要求4所述的目标姿态确定方法,其特征在于,所述对所述目标点云数据中的各点进行分类,得到第一数量的点云数据集,包括:
对所述目标点云数据中的各点进行预分类,得到第二数量的点云数据集,所述第二数量大于或等于所述第一数量;
确定所述第二数量的点云数据集中的各个点云数据集的点的个数,并判断所述第二数量的点云数据集中的各个点云数据集的点的个数是否小于预设数量;
若所述第二数量的点云数据集中存在点的个数小于所述预设数量的点云数据集,则将该点云数据集去除,得到所述第一数量的点云数据集。
6.如权利要求4所述的目标姿态确定方法,其特征在于,所述根据所述各个点云数据集分别对应的线性方程,确定各个点云数据集分别对应的目标的姿态角度,包括:
根据所述各个点云数据集,分别确定所述各个点云数据集对应的线性方程的线性相关度系数;
确定所述各个点云数据集对应的线性方程的线性相关度系数是否大于预设阈值;
若所述各个点云数据集中存在线性方程的线性相关度系数大于所述预设阈值的点云数据集,则根据该点云数据集对应的线性方程确定该点云数据集对应的目标的姿态角度。
8.如权利要求5所述的目标姿态确定方法,其特征在于,所述对所述目标点云数据中的各点进行预分类,得到第二数量的点云数据集,包括:
采用聚类算法对所述目标点云数据中的各点进行预分类,得到所述第二数量的点云数据集。
9.如权利要求1至8任一项所述的目标姿态确定方法,其特征在于,所述根据所述雷达回波信号确定所述雷达回波信号的距离-多普勒热力图,包括:
对所述雷达回波信号进行模数转换,得到数字化的雷达回波信号;
对所述数字化的雷达回波信号进行距离维傅里叶变换及速度维傅里叶变换,得到所述雷达回波信号的距离-多普勒热力图;
其中,所述距离-多普勒热力图的维数为Nr×Nv,Nr为距离维傅里叶变换点数,Nv为速度维傅里叶变换点数。
10.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至9任一项所述的目标姿态确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010255723.1A CN111398943B (zh) | 2020-04-02 | 2020-04-02 | 目标姿态的确定方法及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010255723.1A CN111398943B (zh) | 2020-04-02 | 2020-04-02 | 目标姿态的确定方法及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111398943A true CN111398943A (zh) | 2020-07-10 |
CN111398943B CN111398943B (zh) | 2022-07-29 |
Family
ID=71431427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010255723.1A Active CN111398943B (zh) | 2020-04-02 | 2020-04-02 | 目标姿态的确定方法及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111398943B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112213725A (zh) * | 2020-09-28 | 2021-01-12 | 森思泰克河北科技有限公司 | 车载雷达的多径虚警抑制方法、装置及终端设备 |
CN112348777A (zh) * | 2020-10-19 | 2021-02-09 | 深圳市优必选科技股份有限公司 | 人体目标的检测方法、装置及终端设备 |
CN112363142A (zh) * | 2020-11-13 | 2021-02-12 | 西安空间无线电技术研究所 | 一种高效的星载探测雷达cfar检测的工程实现方法 |
CN113011520A (zh) * | 2021-04-01 | 2021-06-22 | 成都九洲迪飞科技有限责任公司 | 基于热力图与图论聚类的雷达数据过滤方法 |
CN114814778A (zh) * | 2022-06-29 | 2022-07-29 | 长沙莫之比智能科技有限公司 | 一种基于毫米波雷达的载体速度解算方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU1356983A (en) * | 1982-06-17 | 1983-12-22 | Grumman Aerospace Corporation | Range/doppler ship imaging for ordnance control |
CN104020451A (zh) * | 2014-06-03 | 2014-09-03 | 西安电子科技大学 | 基于聚类的外辐射源雷达目标航迹处理方法 |
CN106342239B (zh) * | 2011-12-27 | 2014-09-03 | 中国航空工业集团公司雷华电子技术研究所 | 一种脉冲多普勒雷达目标检测方法 |
DE102014218092A1 (de) * | 2014-09-10 | 2016-03-10 | Volkswagen Aktiengesellschaft | Erstellen eines Abbilds der Umgebung eines Kraftfahrzeugs und Bestimmen der relativen Geschwindigkeit zwischen dem Kraftfahrzeug und Objekten in der Umgebung |
CN105447867A (zh) * | 2015-11-27 | 2016-03-30 | 西安电子科技大学 | 基于isar图像的空间目标姿态估计方法 |
CN106204629A (zh) * | 2016-08-17 | 2016-12-07 | 西安电子科技大学 | 天基雷达与红外数据融合在轨动目标检测方法 |
CN109581378A (zh) * | 2018-12-29 | 2019-04-05 | 中国科学院电子学研究所 | 动目标检测方法、电子设备及存储介质 |
CN110118966A (zh) * | 2019-05-28 | 2019-08-13 | 长沙莫之比智能科技有限公司 | 基于毫米波雷达的人员检测与计数系统 |
CN110361727A (zh) * | 2019-07-22 | 2019-10-22 | 浙江大学 | 一种毫米波雷达多目标跟踪方法 |
CN110378191A (zh) * | 2019-04-25 | 2019-10-25 | 东南大学 | 基于毫米波传感器的行人和车辆分类方法 |
-
2020
- 2020-04-02 CN CN202010255723.1A patent/CN111398943B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU1356983A (en) * | 1982-06-17 | 1983-12-22 | Grumman Aerospace Corporation | Range/doppler ship imaging for ordnance control |
EP0100141A2 (en) * | 1982-06-17 | 1984-02-08 | Grumman Aerospace Corporation | Range/Doppler ship imagine for ordnance control |
CN106342239B (zh) * | 2011-12-27 | 2014-09-03 | 中国航空工业集团公司雷华电子技术研究所 | 一种脉冲多普勒雷达目标检测方法 |
CN104020451A (zh) * | 2014-06-03 | 2014-09-03 | 西安电子科技大学 | 基于聚类的外辐射源雷达目标航迹处理方法 |
DE102014218092A1 (de) * | 2014-09-10 | 2016-03-10 | Volkswagen Aktiengesellschaft | Erstellen eines Abbilds der Umgebung eines Kraftfahrzeugs und Bestimmen der relativen Geschwindigkeit zwischen dem Kraftfahrzeug und Objekten in der Umgebung |
CN105447867A (zh) * | 2015-11-27 | 2016-03-30 | 西安电子科技大学 | 基于isar图像的空间目标姿态估计方法 |
CN106204629A (zh) * | 2016-08-17 | 2016-12-07 | 西安电子科技大学 | 天基雷达与红外数据融合在轨动目标检测方法 |
CN109581378A (zh) * | 2018-12-29 | 2019-04-05 | 中国科学院电子学研究所 | 动目标检测方法、电子设备及存储介质 |
CN110378191A (zh) * | 2019-04-25 | 2019-10-25 | 东南大学 | 基于毫米波传感器的行人和车辆分类方法 |
CN110118966A (zh) * | 2019-05-28 | 2019-08-13 | 长沙莫之比智能科技有限公司 | 基于毫米波雷达的人员检测与计数系统 |
CN110361727A (zh) * | 2019-07-22 | 2019-10-22 | 浙江大学 | 一种毫米波雷达多目标跟踪方法 |
Non-Patent Citations (1)
Title |
---|
周叶剑 等: "多站 ISAR 空间目标姿态估计方法", 《电子与信息学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112213725A (zh) * | 2020-09-28 | 2021-01-12 | 森思泰克河北科技有限公司 | 车载雷达的多径虚警抑制方法、装置及终端设备 |
CN112213725B (zh) * | 2020-09-28 | 2022-10-25 | 森思泰克河北科技有限公司 | 车载雷达的多径虚警抑制方法、装置及终端设备 |
CN112348777A (zh) * | 2020-10-19 | 2021-02-09 | 深圳市优必选科技股份有限公司 | 人体目标的检测方法、装置及终端设备 |
CN112348777B (zh) * | 2020-10-19 | 2024-01-12 | 深圳市优必选科技股份有限公司 | 人体目标的检测方法、装置及终端设备 |
CN112363142A (zh) * | 2020-11-13 | 2021-02-12 | 西安空间无线电技术研究所 | 一种高效的星载探测雷达cfar检测的工程实现方法 |
CN112363142B (zh) * | 2020-11-13 | 2024-03-26 | 西安空间无线电技术研究所 | 一种高效的星载探测雷达cfar检测的工程实现方法 |
CN113011520A (zh) * | 2021-04-01 | 2021-06-22 | 成都九洲迪飞科技有限责任公司 | 基于热力图与图论聚类的雷达数据过滤方法 |
CN113011520B (zh) * | 2021-04-01 | 2022-11-25 | 成都九洲迪飞科技有限责任公司 | 基于热力图与图论聚类的雷达数据过滤方法 |
CN114814778A (zh) * | 2022-06-29 | 2022-07-29 | 长沙莫之比智能科技有限公司 | 一种基于毫米波雷达的载体速度解算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111398943B (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111398943B (zh) | 目标姿态的确定方法及终端设备 | |
CN111427032B (zh) | 基于毫米波雷达的房间墙体轮廓识别方法及终端设备 | |
CN112394334A (zh) | 雷达反射点的聚类装置、方法以及电子设备 | |
US8718323B2 (en) | Batch detection association for enhanced target descrimination in dense detection environments | |
CN110231617B (zh) | 目标障碍物方位探测方法、装置、车载雷达及存储介质 | |
CN112415485B (zh) | 毫米波雷达的角度超分辨方法、装置及终端设备 | |
CN112198507B (zh) | 人体跌倒特征的检测方法及装置 | |
CN109828250B (zh) | 一种雷达标定方法、标定装置及终端设备 | |
CN113009441B (zh) | 一种雷达运动反射面多径目标的识别方法及装置 | |
CN113009442B (zh) | 一种雷达静止反射面多径目标的识别方法及装置 | |
WO2023071992A1 (zh) | 多传感器信号融合的方法、装置、电子设备及存储介质 | |
CN108802669B (zh) | 二维波达方向估计方法、二维波达方向估计装置及终端 | |
CN112816960A (zh) | 车内生命探测方法、装置、设备和存储介质 | |
CN112689775A (zh) | 雷达点云聚类方法和装置 | |
CN112859033A (zh) | 目标探测的方法、装置及相关设备 | |
CN115061113B (zh) | 用于雷达的目标检测模型训练方法、装置及存储介质 | |
CN110837079B (zh) | 一种基于雷达的目标检测方法及装置 | |
WO2022220464A1 (en) | Dnn-based human face classificati0n | |
Lee et al. | Digit recognition in air-writing using single millimeter-wave band radar system | |
CN113741446B (zh) | 一种机器人自主探索的方法、终端设备及存储介质 | |
Xie et al. | Lightweight midrange arm-gesture recognition system from mmwave radar point clouds | |
WO2022205199A1 (zh) | 一种干扰处理方法和装置 | |
CN113391289A (zh) | 一种雷达虚假目标抑制方法、装置及终端设备 | |
CN112034464A (zh) | 一种目标分类方法 | |
CN116819561A (zh) | 一种点云数据匹配方法、系统、电子设备及存储介质 |
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 |