CN111699408A - 隧道场景检测方法及毫米波雷达 - Google Patents
隧道场景检测方法及毫米波雷达 Download PDFInfo
- Publication number
- CN111699408A CN111699408A CN201980012295.5A CN201980012295A CN111699408A CN 111699408 A CN111699408 A CN 111699408A CN 201980012295 A CN201980012295 A CN 201980012295A CN 111699408 A CN111699408 A CN 111699408A
- Authority
- CN
- China
- Prior art keywords
- tunnel
- target
- preset
- static
- detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 104
- 230000003068 static effect Effects 0.000 claims abstract description 71
- 238000000034 method Methods 0.000 claims abstract description 46
- 230000001629 suppression Effects 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 21
- 238000010586 diagram Methods 0.000 description 16
- 238000013461 design Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction 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
- 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
Abstract
一种隧道场景检测方法及毫米波雷达,该方法应用于毫米波雷达,所述毫米波雷达能够安装于车辆,包括:获取预设区域内的静止目标;根据所述静止目标的聚类区域,判断所述车辆是否驶入隧道;以及若所述车辆驶入所述隧道,则按照预设抑制条件去除所述隧道内的虚假目标。该方法能够在隧道场景下降低虚假目标对毫米波雷达输出信息可信度的影响,减小毫米波雷达在隧道场景下失效的可能性,提升毫米波雷达的稳定性。
Description
技术领域
本申请实施例涉及雷达探测技术领域,尤其涉及一种隧道场景检测方法及毫米波雷达。
背景技术
随着经济的不断发展,人们的生活水平不断提高,越来越多的人开始使用汽车作为代步工具,汽车给人们的出行带来很大便利。
毫米波雷达是汽车中的重要安全辅助配件,其通过发射电磁波以及接收目标的反射回波,获取目标的相对位置信息,从而为行车安全判断提供依据。
然而,对于毫米波雷达来说,隧道场景作为一种典型常见特殊场景,其性能会受到隧道复杂的散射环境影响,输出大量虚假目标,从而降低输出信息的可信度。
发明内容
本申请实施例提供一种隧道场景检测方法及毫米波雷达,以克服现有毫米波雷达在隧道场景中受隧道复杂的散射环境影响,输出大量虚假目标,降低其输出信息可信度的问题。
第一方面,本申请实施例提供一种隧道场景检测方法,应用于毫米波雷达,所述毫米波雷达能够安装于车辆,所述方法包括:
获取预设区域内的静止目标;
根据所述静止目标的聚类区域,判断所述车辆是否驶入隧道;以及
若所述车辆驶入所述隧道,则按照预设抑制条件去除所述隧道内的虚假目标。
第二方面,本申请实施例提供一种毫米波雷达,所述毫米波雷达能够安装于车辆,所述毫米波雷达包括天线、信号处理电路和处理器,所述天线用于接收和发射信号,所述信号处理电路用于对所述天线接收和发射的信号进行处理,所述处理器用于对所述信号处理电路处理后的信号进行分析,实现如下步骤:
获取预设区域内的静止目标;
根据所述静止目标的聚类区域,判断所述车辆是否驶入隧道;以及
若所述车辆驶入所述隧道,则按照预设抑制条件去除所述隧道内的虚假目标。
第三方面,本申请实施例提供一种车辆,包括:
车体;以及
如上第二方面实施例所述的毫米波雷达,安装于所述车体,
其中,所述毫米波雷达用于对所述车体的前方目标进行检测。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面实施例所述的隧道场景检测方法。
本申请实施例提供的隧道场景检测方法及毫米波雷达,所述方法应用于毫米波雷达,该毫米波雷达能够安装于车辆,具体的,毫米波雷达通过获取预设区域内的静止目标,并根据静止目标的聚类区域,判断车辆是否驶入隧道,如果车辆驶入隧道,则按照预设抑制条件去除隧道内的虚假目标,能够在隧道场景下降低虚假目标对毫米波雷达输出信息可信度的影响,减小毫米波雷达在隧道场景下失效的可能性,提升毫米波雷达的稳定性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的传统毫米波雷达隧道场景判断的示意图;
图2为本申请实施例提供的隧道场景检测方法的流程示意图1;
图3为本申请实施例提供的预设区域示意图;
图4为本申请实施例提供的长度为R的聚类区域示意图;
图5为本申请实施例提供的隧道场景检测方法的流程示意图2;
图6为本申请实施例提供的判断车辆是否驶入隧道的流程示意图;
图7为本申请实施例提供的判断车辆是否驶出隧道的流程示意图;
图8为本申请实施例提供的隧道场景检测设备的结构示意图1;
图9为本申请实施例提供的隧道场景检测设备的结构示意图2;
图10为本申请实施例提供的毫米波雷达的硬件结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
首先对本申请所涉及的名词进行解释:
毫米波雷达是工作在毫米波波段(millimeter wave)探测的雷达。通常毫米波是指30~300GHz频域(波长为1~10mm)。与激光雷达(LiDAR)相比,毫米波雷达技术更加成熟、应用更加广泛、成本更加低廉;与可见光摄像头(Camera)相比,毫米波雷达的准确性和稳定性更好,价格差距也在不断缩小。尤其是全天候工作无可替代的优势,已成为汽车电子厂商公认的主流选择,拥有巨大的市场需求。常见的车载毫米波雷达按工作频段为短程毫米波雷达SRR(24GHz频段)、中程毫米波雷达MRR(76-77GHz频段)、长程毫米波雷达LRR(77GHz频段)。不同的毫米波雷达在车辆前方、车身和后方发挥不同的作用。因此,一辆汽车上可以安装多颗短程、中程和长程毫米波雷达。
聚类:将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类。由聚类所生成的簇是一组数据对象的集合,这些对象与同一个簇中的对象彼此相似,与其他簇中的对象相异。传统的聚类分析计算方法主要有:(1)划分方法(partitioningmethods),给定要构建的分区数k,首先给出一个初始的分组方法,以后通过反复迭代的方法改变分组,使得每一次改进之后的分组方案都较前一次好,而所谓好的标准就是:同一分组中的记录越近越好,而不同分组中的纪录越远越好。(2)层次方法(hierarchicalmethods),对给定的数据集进行层次似的分解,直到某种条件满足为止。具体又可分为“自底向上”和“自顶向下”两种方案。例如在“自底向上”方案中,初始时每一个数据纪录都组成一个单独的组,在接下来的迭代中,它把那些相互邻近的组合并成一个组,直到所有的记录组成一个分组或者某个条件满足为止。(3)基于密度的方法(density-based methods),其指导思想就是,只要一个区域中的点的密度大过某个阀值,就把它加到与之相近的聚类中去。(4)基于网格的方法(grid-based methods),首先将数据空间划分成为有限个单元(cell)的网格结构,所有的处理都是以单个的单元为对象的,处理速度很快,与目标数据库中记录的个数无关,只与把数据空间分为多少个单元有关。(5)基于模型的方法(model-based methods),给每一个聚类假定一个模型,然后去寻找能够很好的满足这个模型的数据集。
本申请具体的应用场景:传统毫米波雷达缺乏隧道场景判断,导致隧道场景下出现大量墙壁多次反射虚假目标,如图1所示,造成雷达目标输出过饱和,直接影响毫米波雷达输出的可信度。
本申请提供的隧道场景检测方法,旨在解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图2为本申请实施例提供的隧道场景检测方法的流程示意图1,本实施例的执行主体可以为毫米波雷达,所述毫米波雷达能够安装于车辆。如图2所示,该方法包括:
S201、获取预设区域内的静止目标。
可选地,所述获取预设区域内的静止目标,包括:
获取检测目标的位置信息;
根据所述检测目标的位置信息,获取所述预设区域内的静止目标。
其中,毫米波雷达发出毫米波,当毫米波遇到检测目标后反射回来,接收反射回来的毫米波,根据接收的毫米波,再结合车辆行驶速度等信息,确定检测目标的位置信息,并根据该位置信息和预设区域的位置信息,获取预设区域内的静止目标。
可选地,所述获取所述预设区域内的静止目标,包括:
根据所述检测目标的位置信息,确定所述检测目标的运动状态;
根据所述检测目标的运动状态,确定位于所述预设区域内的静止目标。
这里,毫米波雷达可以在确定检测目标的位置信息后,根据该位置信息确定检测目标与车辆的相对运动速度,再根据该相对运动速度确定检测目标的运动状态,最后根据检测目标的运动状态,再结合检测目标的位置信息、预设区域的位置信息等,确定位于预设区域内的静止目标。
可选地,所述预设区域的边界根据所述毫米波雷达的检测区域来确定。
可选地,所述预设区域的形状为长方形。
如图3所示,图3为本申请实施例提供的预设区域示意图,虚线区域即上述预设区域,其长度和宽度取决于毫米波雷达的工作范围(雷达作用区域)。如前所述,隧道内会出现大量隧道多次反射的虚假散射点,因此通过统计正前方区域散射点数目即可确定是否处于隧道区域内。为了避免高架桥、广告牌、限高架等正前方静止物形成的散射点造成隧道场景误判,这里仅对正前方虚线区域内的散射点进行后续处理。如图所示,预设区域的形状为长方形。具体的,预设区域的形状可以根据毫米波雷达的工作范围和实际情况设置。
这里,在获取预设区域的静止目标之前,还可以获取预设区域的检测目标,统计检测的数目,若检测目标的数目达到预设数目门限值f,则执行上述获取预设区域的静止目标的步骤,这样可以避免后续处理一直开启造成运算量增加,节省资源。其中,预设数目门限值f可以通过大量隧道场景检测下预设区域的检测目标的数目确定,例如大量隧道场景检测下预设区域的检测目标的数目平均值。
S202、根据所述静止目标的聚类区域,判断所述车辆是否驶入隧道。
可选地,在所述获取预设区域内的静止目标之后,还包括:
统计所述静止目标的数目;
若所述静止目标的数目达到预设数目门限值,则对所述静止目标进行聚类。
这里,在获取预设区域内的静止目标之后,统计静止目标的数目,如果静止目标的数目达到预设数目门限值b,则对静止目标进行聚类,否则,停止操作。其中,预设数目门限值b可以通过大量隧道场景检测下预设区域的静止目标的数目确定。
可选地,所述根据所述静止目标的聚类区域,判断所述车辆是否驶入隧道,包括:
获取所述静止目标的聚类区域的长度;
若所述静止目标的聚类区域的长度达到预设长度门限值,则判定所述车辆驶入隧道。
示例性的,获取静止目标的聚类区域的长度R,如图4所示,图4为本申请实施例提供的长度为R的聚类区域示意图,若聚类区域的长度R大于设定长度a,则判定车辆驶入隧道,否则,判定车辆未驶入隧道。其中,上述设定长度a可以通过大量隧道场景检测下预设区域的静止目标的聚类区域的长度确定。
另外,假如正前方区域内有运动目标,且运动目标与雷达之间出现静止目标,则运动车辆存在遮挡电磁波的作用,所以相应的降低散射点数目门限及聚类区域门限。示例性的,如果上述预设区域内有运动目标,则判断运动目标与雷达之间是否有静止目标,如果有,可以设置预设数目门限值为b1,聚类区域的设定长度为a1,否则,可以设置预设数目门限值为b2,聚类区域的设定长度为a2,其中,a2>a1,b2>b1。
同时,考虑到单帧判断误检概率较高,因此这里可以考虑联合多帧进行判断。设置c帧内d(d<c)帧或者连续e(e<d)帧均执行上述步骤S201-S202,判断车辆是否驶入隧道。
S203、若所述车辆驶入所述隧道,则按照预设抑制条件去除所述隧道内的虚假目标。
可选地,所述若所述车辆驶入所述隧道,则按照预设抑制条件去除所述隧道内的虚假目标,包括:
若所述车辆驶入所述隧道,则在所述隧道中根据接收的反射回波的信号强度确定所述隧道内的虚假目标,并根据所述虚假目标在所述隧道内进行虚假目标去除。
这里,如果车辆驶入隧道,说明毫米波雷达处于隧道场景内,此时大量目标为隧道反射的虚假目标。针对此情形,可以选择关闭雷达判断带来的功能报警。但是此时隧道内雷达将丧失功能,针对该问题,这里提出了隧道特殊处理算法。考虑到隧道内的虚假目标主要由于隧道壁多次反射形成,所以多次散射的虚假目标衰减较为明显,相比于直射径目标(雷达发射电磁波打到目标上,反射回波被雷达所接收,不存在多次反射的目标)来说,其能量相对要弱。所以可以通过提高检测门限的方式,对隧道多次散射的虚假目标进行抑制。
示例性的,设定信号强度阈值,毫米波雷达如果在隧道中接收的某一反射回波的信号强度小于上述信号强度阈值,则判定该反射回波对应的目标为虚假目标,根据判定的虚假目标在隧道内进行虚假目标去除。其中,上述信号强度阈值可以通过大量隧道场景检测下毫米波雷在隧道内接收的反射回波的信号强度确定。
可选地,在所述按照预设抑制条件去除所述隧道内的虚假目标之后,还包括:
获取所述预设区域内的静止目标;
根据获取的静止目标的聚类区域,判断所述车辆是否驶出所述隧道;以及
若所述车辆驶出所述隧道,则利用非隧道情况下的检测条件进行目标检测。
这里,上述采用提高检测门限的方法抑制隧道内形成的虚假散射点,但是当驶出隧道时,此时要调整检测门限至正常场景。所以这里主要判断车辆是否驶出隧道,当满足隧道准出判断条件后,则调整检测门限至正常。
示例性的,根据检测门限g1(非隧道情况下的检测门限),获取门限g1下的目标信息,根据检测门限g2(隧道情况下的检测门限,g2>g1),获取门限g2下的目标信息,在g1下的目标里剔除g2下的目标,在剩余目标里,判断是否落在前述设定区域,统计落入区域内的静止目标的数目及聚类区域长度,判断是否满足设定门限,如果满足,判断车辆驶出隧道,调整检测门限至正常。
这里,同样考虑到单帧判断误检概率较高,可以考虑联合多帧进行判断。设置c帧内d(d<c)帧或者连续e(e<d)帧均执行上述判断车辆是否驶出隧道的步骤。
本实施例提供的隧道场景检测方法,根据隧道内多次反射的特性,依据散射点位置分布特点判断是否处于隧道内,并利用散射点分布区域长度区别于龙门架、高架桥等非隧道场景,而且采用车辆是否驶入驶出隧道的判断机制,避免隧道场景误判,同时采用多帧判断方式,降低误检概率,另外,隧道内采用提高检测门限的方式减少虚假目标点,而且,只在检测目标数超过设定门限时,开启隧道准入判断,降低运算量。
图5为本申请实施例提供的隧道场景检测方法的流程示意图2,本实施例的执行主体可以为毫米波雷达,所述毫米波雷达能够安装于车辆。如图5所示,该方法包括:
S501、判断车辆是否驶入隧道。
示例性的,如图6所示,图6为判断车辆是否驶入隧道的流程示意图,获取检测目标的位置信息,根据检测目标的位置信息,确定检测目标的运动状态,根据检测目标的运动状态,判断预设区域内是否有静止目标。如果有,统计静止目标的数目,判断静止目标的数目是否达到预设数目门限值b,若静止目标的数目达到预设数目门限值b,则对静止目标进行聚类。获取静止目标的聚类区域的长度R,判断静止目标的聚类区域的长度R是否达到预设长度门限值a,若静止目标的聚类区域的长度R达到预设长度门限值a,则判定车辆驶入隧道。其中,如果预设区域有运动目标,且运动目标与雷达之间出现静止目标,则运动车辆存在遮挡电磁波的作用,所以相应的降低散射点数目门限及聚类区域门限。示例性的,如果上述预设区域内有运动目标,则判断运动目标与雷达之间是否有静止目标,如果有,可以设置预设数目门限值为b1,聚类区域的设定长度为a1,否则,可以设置预设数目门限值为b2,聚类区域的设定长度为a2,其中,a2>a1,b2>b1。
这里,如果判定车辆驶入隧道,则执行步骤S502,否则执行步骤S504。
S502、隧道场景,进行隧道特殊处理。
示例性的,可以通过提高检测门限的方式,对隧道多次散射的虚假目标进行抑制,例如设定信号强度阈值,毫米波雷达如果在隧道中接收的某一反射回波的信号强度小于上述信号强度阈值,则判定该反射回波对应的目标为虚假目标,根据判定的虚假目标在隧道内进行虚假目标去除。
S503、判断车辆是否驶出隧道。
示例性的,如图7所示,图7为判断车辆是否驶出隧道的流程示意图,设置检测门限g1(非隧道情况下的检测门限),检测门限g2(隧道情况下的检测门限,g2>g1),根据检测门限g1,获取门限g1下的目标信息,根据检测门限g2,获取门限g2下的目标信息,在g1下的目标里剔除g2下的目标,在剩余目标里,判断是否落在前述设定区域,如果是,判断是否有静止目标,如果是,进行目标聚类,统计落入区域内的静止目标的数目及聚类区域长度,如果上述长度小于a2,上述数目小于b2,则判断车辆驶出隧道,调整检测门限至正常。
这里,如果判定车辆驶出隧道,则执行步骤S504,否则执行步骤S502。
S504、非隧道场景,进行非隧道处理。
即如果车辆驶出隧道,则利用非隧道情况下的检测条件进行目标检测。
本实施例提供的隧道场景检测方法,通过获取预设区域内的静止目标,并根据静止目标的聚类区域,判断车辆是否驶入隧道,如果车辆驶入隧道,则按照预设抑制条件去除隧道内的虚假目标,能够在隧道场景下降低虚假目标对毫米波雷达输出信息可信度的影响,减小毫米波雷达在隧道场景下失效的可能性,提升毫米波雷达的稳定性。
对应于上文实施例的隧道场景检测方法,图8为本申请实施例提供的隧道场景检测设备的结构示意图。为了便于说明,仅示出了与本申请实施例相关的部分。图8为本申请实施例提供的隧道场景检测设备的结构示意图1。如图8所示,该隧道场景检测设备80应用于毫米波雷达,所述毫米波雷达能够安装于车辆,隧道场景检测设备80包括:目标获取模块801、驶入判断模块802以及目标去除模块803。
其中,目标获取模块801,用于获取预设区域内的静止目标。
驶入判断模块802,用于根据所述静止目标的聚类区域,判断所述车辆是否驶入隧道。
目标去除模块803,用于若所述车辆驶入所述隧道,则按照预设抑制条件去除所述隧道内的虚假目标。
本申请实施例提供的设备,可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,本申请实施例此处不再赘述。
图9为本申请实施例提供的隧道场景检测设备的结构示意图2。如图9所示,本申请实施例在图8实施例的基础上,还包括:数目统计模块804、聚类模块805、驶出判断模块806和目标检测模块807。
在一种可能的设计中,所述目标获取模块801,具体用于:
获取检测目标的位置信息;
根据所述检测目标的位置信息,获取所述预设区域内的静止目标。
在一种可能的设计中,所述目标获取模块801获取所述预设区域内的静止目标,包括:
根据所述检测目标的位置信息,确定所述检测目标的运动状态;
根据所述检测目标的运动状态,确定位于所述预设区域内的静止目标。
在一种可能的设计中,所述预设区域的边界根据所述毫米波雷达的检测区域来确定。
在一种可能的设计中,所述预设区域的形状为长方形。
在一种可能的设计中,数目统计模块804,用于在所述目标获取模块801获取预设区域内的静止目标之后,统计所述静止目标的数目。
聚类模块805,用于若所述静止目标的数目达到预设数目门限值,则对所述静止目标进行聚类。
在一种可能的设计中,所述驶入判断模块802,具体用于:
获取所述静止目标的聚类区域的长度;
若所述静止目标的聚类区域的长度达到预设长度门限值,则判定所述车辆驶入隧道。
在一种可能的设计中,所述目标去除模块803,具体用于:
若所述车辆驶入所述隧道,则在所述隧道中根据接收的反射回波的信号强度确定所述隧道内的虚假目标,并根据所述虚假目标在所述隧道内进行虚假目标去除。
在一种可能的设计中,驶出判断模块806,用于在所述目标去除模块803按照预设抑制条件去除所述隧道内的虚假目标之后,获取所述预设区域内的静止目标,根据获取的静止目标的聚类区域,判断所述车辆是否驶出所述隧道。
目标检测模块807,用于若所述车辆驶出所述隧道,则利用非隧道情况下的检测条件进行目标检测。
本申请实施例提供的设备,可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,本申请实施例此处不再赘述。
参考图10,其示出了适于用来实现本申请实施例的毫米波雷达1000的结构示意图,该毫米波雷达1000包括:天线1001、信号处理电路1002和处理器1003;其中
所述天线1001用于接收和发射信号,所述信号处理电路1002用于对所述天线1001接收和发射的信号进行处理,所述处理器1003用于对所述信号处理电路1002处理后的信号进行分析,以实现上述实施例中隧道场景检测方法所执行的各个步骤。具体可以参见前述方法实施例中的相关描述。
本申请实施例还提供一种车辆,包括:
车体;以及
图10所述的毫米波雷达,安装于所述车体,
其中,所述毫米波雷达用于对所述车体的前方目标进行检测。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上所述的语音交互方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述模块的划分,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,例如多个模块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信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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模块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模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本申请各个实施例所述方法的部分步骤。
应理解,上述处理器可以是中央处理单元(Central Processing Unit,简称CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)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。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
上述天线具有将电磁波聚成波束的功能,可以定向地发射和接收电磁波。上述天线的类型很多,按其结构形式,可分为反射面天线和阵列天线两大类。按天线波束的扫描方式,可分为机械扫描天线、电扫描天线和机电扫描结合的天线。
上述信号处理电路可以对上述天线接收和发射的信号进行检测和信息提取等处理,并可以将处理后的信号发送至上述处理器。
需要说明的是,本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备执行上述实施例所示的方法。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LocalArea Network,简称LAN)或广域网(Wide Area Network,简称WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围。
Claims (20)
1.一种隧道场景检测方法,应用于毫米波雷达,所述毫米波雷达能够安装于车辆,其特征在于,所述方法包括:
获取预设区域内的静止目标;
根据所述静止目标的聚类区域,判断所述车辆是否驶入隧道;以及
若所述车辆驶入所述隧道,则按照预设抑制条件去除所述隧道内的虚假目标。
2.根据权利要求1所述的方法,其特征在于,所述获取预设区域内的静止目标,包括:
获取检测目标的位置信息;
根据所述检测目标的位置信息,获取所述预设区域内的静止目标。
3.根据权利要求2所述的方法,其特征在于,所述获取所述预设区域内的静止目标,包括:
根据所述检测目标的位置信息,确定所述检测目标的运动状态;
根据所述检测目标的运动状态,确定位于所述预设区域内的静止目标。
4.根据权利要求1所述的方法,其特征在于,所述预设区域的边界根据所述毫米波雷达的检测区域来确定。
5.根据权利要求1所述的方法,其特征在于,所述预设区域的形状为长方形。
6.根据权利要求1至5任一项所述的方法,其特征在于,在所述获取预设区域内的静止目标之后,还包括:
统计所述静止目标的数目;
若所述静止目标的数目达到预设数目门限值,则对所述静止目标进行聚类。
7.根据权利要求1至5任一项所述的方法,其特征在于,所述根据所述静止目标的聚类区域,判断所述车辆是否驶入隧道,包括:
获取所述静止目标的聚类区域的长度;
若所述静止目标的聚类区域的长度达到预设长度门限值,则判定所述车辆驶入隧道。
8.根据权利要求1所述的方法,其特征在于,所述若所述车辆驶入所述隧道,则按照预设抑制条件去除所述隧道内的虚假目标,包括:
若所述车辆驶入所述隧道,则在所述隧道中根据接收的反射回波的信号强度确定所述隧道内的虚假目标,并根据所述虚假目标在所述隧道内进行虚假目标去除。
9.根据权利要求1所述的方法,其特征在于,在所述按照预设抑制条件去除所述隧道内的虚假目标之后,还包括:
获取所述预设区域内的静止目标;
根据获取的静止目标的聚类区域,判断所述车辆是否驶出所述隧道;以及
若所述车辆驶出所述隧道,则利用非隧道情况下的检测条件进行目标检测。
10.一种毫米波雷达,所述毫米波雷达能够安装于车辆,其特征在于,所述毫米波雷达包括天线、信号处理电路和处理器,所述天线用于接收和发射信号,所述信号处理电路用于对所述天线接收和发射的信号进行处理,所述处理器用于对所述信号处理电路处理后的信号进行分析,实现如下步骤:
获取预设区域内的静止目标;
根据所述静止目标的聚类区域,判断所述车辆是否驶入隧道;以及
若所述车辆驶入所述隧道,则按照预设抑制条件去除所述隧道内的虚假目标。
11.根据权利要求10所述的雷达,其特征在于,所述获取预设区域内的静止目标,包括:
获取检测目标的位置信息;
根据所述检测目标的位置信息,获取所述预设区域内的静止目标。
12.根据权利要求11所述的雷达,其特征在于,所述获取所述预设区域内的静止目标,包括:
根据所述检测目标的位置信息,确定所述检测目标的运动状态;
根据所述检测目标的运动状态,确定位于所述预设区域内的静止目标。
13.根据权利要求10所述的雷达,其特征在于,所述预设区域的边界根据所述毫米波雷达的检测区域来确定。
14.根据权利要求10所述的雷达,其特征在于,所述预设区域的形状为长方形。
15.根据权利要求10至14任一项所述的雷达,其特征在于,在所述获取预设区域内的静止目标之后,还包括:
统计所述静止目标的数目;
若所述静止目标的数目达到预设数目门限值,则对所述静止目标进行聚类。
16.根据权利要求10至14任一项所述的雷达,其特征在于,所述根据所述静止目标的聚类区域,判断所述车辆是否驶入隧道,包括:
获取所述静止目标的聚类区域的长度;
若所述静止目标的聚类区域的长度达到预设长度门限值,则判定所述车辆驶入隧道。
17.根据权利要求10所述的雷达,其特征在于,所述若所述车辆驶入所述隧道,则按照预设抑制条件去除所述隧道内的虚假目标,包括:
若所述车辆驶入所述隧道,则在所述隧道中根据接收的反射回波的信号强度确定所述隧道内的虚假目标,并根据所述虚假目标在所述隧道内进行虚假目标去除。
18.根据权利要求10所述的雷达,其特征在于,在所述按照预设抑制条件去除所述隧道内的虚假目标之后,还包括:
获取所述预设区域内的静止目标;
根据获取的静止目标的聚类区域,判断所述车辆是否驶出所述隧道;以及
若所述车辆驶出所述隧道,则利用非隧道情况下的检测条件进行目标检测。
19.一种车辆,其特征在于,包括:
车体;以及
权利要求10~18任一项所述的毫米波雷达,安装于所述车体,
其中,所述毫米波雷达用于对所述车体的前方目标进行检测。
20.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现权利要求1至9任一项所述的隧道场景检测方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2019/089404 WO2020237601A1 (zh) | 2019-05-31 | 2019-05-31 | 隧道场景检测方法及毫米波雷达 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111699408A true CN111699408A (zh) | 2020-09-22 |
Family
ID=72476454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980012295.5A Pending CN111699408A (zh) | 2019-05-31 | 2019-05-31 | 隧道场景检测方法及毫米波雷达 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111699408A (zh) |
WO (1) | WO2020237601A1 (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 |
CN113296085A (zh) * | 2021-05-21 | 2021-08-24 | 联合汽车电子有限公司 | 超宽带测距方法、存储介质和系统 |
CN113391289A (zh) * | 2021-06-11 | 2021-09-14 | 森思泰克河北科技有限公司 | 一种雷达虚假目标抑制方法、装置及终端设备 |
CN116736256A (zh) * | 2023-08-11 | 2023-09-12 | 南京隼眼电子科技有限公司 | 雷达的识别方法、装置及电子设备 |
CN113296085B (zh) * | 2021-05-21 | 2024-04-26 | 联合汽车电子有限公司 | 超宽带测距方法、存储介质和系统 |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013036978A (ja) * | 2011-07-12 | 2013-02-21 | Denso Corp | 物標検出装置,壁判定方法 |
US20130321195A1 (en) * | 2012-05-31 | 2013-12-05 | Fujitsu Ten Limited | Radar apparatus and signal processing method |
US20140159948A1 (en) * | 2012-12-07 | 2014-06-12 | Fujitsu Ten Limited | Radar apparatus and signal processing method |
US20140292559A1 (en) * | 2013-03-29 | 2014-10-02 | Fujitsu Ten Limited | Radar apparatus and signal processing method |
US20140292554A1 (en) * | 2013-04-02 | 2014-10-02 | Delphi Technologies, Inc. | Method of operating a radar system to reduce nuisance alrrts caused by false stationary targets |
US20140313070A1 (en) * | 2013-04-19 | 2014-10-23 | Fujitsu Ten Limited | Radar apparatus and signal processing method |
CN105203551A (zh) * | 2015-09-11 | 2015-12-30 | 尹栋 | 车载激光雷达隧道检测系统、基于隧道检测系统的自主定位方法及隧道灾害检测方法 |
US20160091603A1 (en) * | 2014-09-30 | 2016-03-31 | Fujitsu Ten Limited | Radar device, vehicle control system, and signal processing method |
CN105549012A (zh) * | 2015-12-02 | 2016-05-04 | 大连楼兰科技股份有限公司 | 车载毫米波雷达系统多目标检测装置 |
CN106093933A (zh) * | 2016-08-22 | 2016-11-09 | 电子科技大学 | 一种穿墙雷达成像后多目标侧墙一次多径抑制方法 |
US20180120419A1 (en) * | 2016-10-27 | 2018-05-03 | GM Global Technology Operations LLC | Vehicle radar control |
JP2018092483A (ja) * | 2016-12-06 | 2018-06-14 | トヨタ自動車株式会社 | 物体認識装置 |
CN108398684A (zh) * | 2018-01-12 | 2018-08-14 | 米传科技(上海)有限公司 | 一种减少地面及隔离带对汽车毫米波雷达干扰的方法 |
CN109031304A (zh) * | 2018-06-06 | 2018-12-18 | 上海国际汽车城(集团)有限公司 | 基于视觉和毫米波雷达地图特征的隧道内车辆定位方法 |
CN109101690A (zh) * | 2018-07-11 | 2018-12-28 | 深圳地平线机器人科技有限公司 | 用于渲染车辆自动驾驶模拟器中的场景的方法和装置 |
CN109212530A (zh) * | 2017-07-04 | 2019-01-15 | 百度在线网络技术(北京)有限公司 | 用于确定障碍物速度的方法和装置 |
CN109254289A (zh) * | 2018-11-01 | 2019-01-22 | 百度在线网络技术(北京)有限公司 | 道路护栏的检测方法和检测设备 |
JP2019027973A (ja) * | 2017-08-01 | 2019-02-21 | 株式会社デンソー | 物標判定装置 |
CN109559525A (zh) * | 2018-11-26 | 2019-04-02 | 厦门精益远达智能科技有限公司 | 一种基于毫米波雷达的超速监控方法、装置和设备 |
CN109709961A (zh) * | 2018-12-28 | 2019-05-03 | 百度在线网络技术(北京)有限公司 | 道路障碍物检测方法、装置及自动驾驶汽车 |
CN109799539A (zh) * | 2019-01-11 | 2019-05-24 | 湖南城市学院 | 基于雷达小波变换时能密度的隧道地质体三维识别方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102303231B1 (ko) * | 2014-12-15 | 2021-09-16 | 현대모비스 주식회사 | 차량용 레이더 시스템의 동작방법 |
CN109085572B (zh) * | 2018-09-05 | 2022-08-12 | 西安电子科技大学昆山创新研究院 | 隧道内基于多径利用毫米波雷达的运动目标跟踪方法 |
-
2019
- 2019-05-31 CN CN201980012295.5A patent/CN111699408A/zh active Pending
- 2019-05-31 WO PCT/CN2019/089404 patent/WO2020237601A1/zh active Application Filing
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013036978A (ja) * | 2011-07-12 | 2013-02-21 | Denso Corp | 物標検出装置,壁判定方法 |
US20130321195A1 (en) * | 2012-05-31 | 2013-12-05 | Fujitsu Ten Limited | Radar apparatus and signal processing method |
US20140159948A1 (en) * | 2012-12-07 | 2014-06-12 | Fujitsu Ten Limited | Radar apparatus and signal processing method |
US20140292559A1 (en) * | 2013-03-29 | 2014-10-02 | Fujitsu Ten Limited | Radar apparatus and signal processing method |
US20140292554A1 (en) * | 2013-04-02 | 2014-10-02 | Delphi Technologies, Inc. | Method of operating a radar system to reduce nuisance alrrts caused by false stationary targets |
US20140313070A1 (en) * | 2013-04-19 | 2014-10-23 | Fujitsu Ten Limited | Radar apparatus and signal processing method |
US20160091603A1 (en) * | 2014-09-30 | 2016-03-31 | Fujitsu Ten Limited | Radar device, vehicle control system, and signal processing method |
CN105203551A (zh) * | 2015-09-11 | 2015-12-30 | 尹栋 | 车载激光雷达隧道检测系统、基于隧道检测系统的自主定位方法及隧道灾害检测方法 |
CN105549012A (zh) * | 2015-12-02 | 2016-05-04 | 大连楼兰科技股份有限公司 | 车载毫米波雷达系统多目标检测装置 |
CN106093933A (zh) * | 2016-08-22 | 2016-11-09 | 电子科技大学 | 一种穿墙雷达成像后多目标侧墙一次多径抑制方法 |
US20180120419A1 (en) * | 2016-10-27 | 2018-05-03 | GM Global Technology Operations LLC | Vehicle radar control |
JP2018092483A (ja) * | 2016-12-06 | 2018-06-14 | トヨタ自動車株式会社 | 物体認識装置 |
CN109212530A (zh) * | 2017-07-04 | 2019-01-15 | 百度在线网络技术(北京)有限公司 | 用于确定障碍物速度的方法和装置 |
JP2019027973A (ja) * | 2017-08-01 | 2019-02-21 | 株式会社デンソー | 物標判定装置 |
CN108398684A (zh) * | 2018-01-12 | 2018-08-14 | 米传科技(上海)有限公司 | 一种减少地面及隔离带对汽车毫米波雷达干扰的方法 |
CN109031304A (zh) * | 2018-06-06 | 2018-12-18 | 上海国际汽车城(集团)有限公司 | 基于视觉和毫米波雷达地图特征的隧道内车辆定位方法 |
CN109101690A (zh) * | 2018-07-11 | 2018-12-28 | 深圳地平线机器人科技有限公司 | 用于渲染车辆自动驾驶模拟器中的场景的方法和装置 |
CN109254289A (zh) * | 2018-11-01 | 2019-01-22 | 百度在线网络技术(北京)有限公司 | 道路护栏的检测方法和检测设备 |
CN109559525A (zh) * | 2018-11-26 | 2019-04-02 | 厦门精益远达智能科技有限公司 | 一种基于毫米波雷达的超速监控方法、装置和设备 |
CN109709961A (zh) * | 2018-12-28 | 2019-05-03 | 百度在线网络技术(北京)有限公司 | 道路障碍物检测方法、装置及自动驾驶汽车 |
CN109799539A (zh) * | 2019-01-11 | 2019-05-24 | 湖南城市学院 | 基于雷达小波变换时能密度的隧道地质体三维识别方法 |
Cited By (8)
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 |
CN113296085A (zh) * | 2021-05-21 | 2021-08-24 | 联合汽车电子有限公司 | 超宽带测距方法、存储介质和系统 |
CN113296085B (zh) * | 2021-05-21 | 2024-04-26 | 联合汽车电子有限公司 | 超宽带测距方法、存储介质和系统 |
CN113391289A (zh) * | 2021-06-11 | 2021-09-14 | 森思泰克河北科技有限公司 | 一种雷达虚假目标抑制方法、装置及终端设备 |
CN113391289B (zh) * | 2021-06-11 | 2022-12-30 | 森思泰克河北科技有限公司 | 一种雷达虚假目标抑制方法、装置及终端设备 |
CN116736256A (zh) * | 2023-08-11 | 2023-09-12 | 南京隼眼电子科技有限公司 | 雷达的识别方法、装置及电子设备 |
CN116736256B (zh) * | 2023-08-11 | 2023-10-24 | 南京隼眼电子科技有限公司 | 雷达的识别方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2020237601A1 (zh) | 2020-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111699408A (zh) | 隧道场景检测方法及毫米波雷达 | |
US10132919B2 (en) | Object detecting device, radar device, and object detection method | |
CN112562314A (zh) | 基于深度融合的路端感知方法、装置、路端设备和系统 | |
CN112835026B (zh) | 雷达镜像目标检测方法、装置、雷达设备和车辆 | |
JP3520326B2 (ja) | ミリ波レーダによる走行車両検出方法 | |
WO2022198637A1 (zh) | 点云滤噪方法、系统和可移动平台 | |
CN112233416A (zh) | 车流量检测方法及装置 | |
EP4345773A1 (en) | Lane line extraction method and apparatus, vehicle and storage medium | |
CN113625232B (zh) | 雷达检测中多径虚假目标抑制方法、装置、介质和设备 | |
CN112986945B (zh) | 雷达目标的识别方法、装置、设备和存储介质 | |
CN114973685B (zh) | 一种检测停车的方法、装置、电子设备及存储介质 | |
CN112034464A (zh) | 一种目标分类方法 | |
CN112101069A (zh) | 确定行驶区域信息的方法及装置 | |
CN114966658A (zh) | 目标检测方法、计算机设备、计算机可读存储介质及车辆 | |
CN110217244A (zh) | 屏蔽门的控制方法、控制装置及雷达 | |
CN116863325A (zh) | 一种用于多个目标检测的方法和相关产品 | |
CN113514825A (zh) | 道路边缘的获取方法、装置和终端设备 | |
CN112083412A (zh) | 毫米波雷达与c-v2x系统的融合方法及其系统和电子设备 | |
CN112014822A (zh) | 车载雷达测量数据识别方法、装置、介质和电子装置 | |
CN115792870B (zh) | 用于激光雷达的窗口遮挡的检测方法及装置 | |
CN117434535A (zh) | 隧道检测方法、装置、雷达及存储介质 | |
CN113313654B (zh) | 激光点云滤波去噪方法、系统、设备及存储介质 | |
CN111712731B (zh) | 目标检测方法、系统及可移动平台 | |
CN117630845A (zh) | 目标检测方法、装置、数据处理装置、雷达及存储介质 | |
CN113917446A (zh) | 道路护栏预测方法、装置及存储介质 |
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 |