CN111896941B - 一种雷达数据的目标轨迹确定方法及装置 - Google Patents

一种雷达数据的目标轨迹确定方法及装置 Download PDF

Info

Publication number
CN111896941B
CN111896941B CN202010544947.4A CN202010544947A CN111896941B CN 111896941 B CN111896941 B CN 111896941B CN 202010544947 A CN202010544947 A CN 202010544947A CN 111896941 B CN111896941 B CN 111896941B
Authority
CN
China
Prior art keywords
measuring points
data
target
frame
determining
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
CN202010544947.4A
Other languages
English (en)
Other versions
CN111896941A (zh
Inventor
李冬冬
李乾坤
卢维
李超峰
方勇军
沈达飞
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.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua 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 Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN202010544947.4A priority Critical patent/CN111896941B/zh
Publication of CN111896941A publication Critical patent/CN111896941A/zh
Application granted granted Critical
Publication of CN111896941B publication Critical patent/CN111896941B/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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

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

本发明提供了一种雷达数据的目标轨迹确定方法及装置，其中，该方法包括：获取雷达数据中每帧数据的所有量测点的量测信息，其中，所述量测信息包括位置、雷达反射面积RCS、径向速度；根据所述量测信息对所述每帧数据的所有量测点进行聚类处理，得到所述每帧数据的聚类量测点；根据所述雷达数据中所述每帧数据的所述聚类量测点确定目标轨迹，可以解决相关技术中通过人工标注的方式确定目标轨迹，工作量大且不同人标注可能存在偏差的问题，大大减少了工作量，且提高了目标轨迹的精度与效率。

Description

一种雷达数据的目标轨迹确定方法及装置
技术领域
本发明涉及视频监控领域，具体而言，涉及一种雷达数据的目标轨迹确定方法及装置。
背景技术
传统的安防终端器材主要是可见光摄像机，但是可见光摄像机在晚上无法工作；尽管有红外摄像机可补充可见光摄像机的缺陷，但此举无疑增加操作难度。此外光学传感器也受天气影响，大雾天或雨雪天，监控效果无法令人满意。毫米波雷达主动发射电磁波并接受同频率信号，对移动物体或RCS(雷达反射面积)较大的物体，有非常高的检测概率，对于静止物体有较低的检测概率(检测概率不为零)。毫米波雷达可全天24小时工作，受天气影响较小。因此，目前市场上对基于毫米波雷达的监控产品需求旺盛。
毫米波雷达可监控多种目标，从多种目标中提取用户感兴趣的目标，尽快终结/过滤用户不感兴趣的目标或虚假目标。目标轨迹分类的目的之一即是筛选/过滤目标。例如在公园中，偶然间刮起3级风，树木摇晃进而形成一条低速且小范围运动的目标轨迹,其目标类型为非人非车非动物目标，此类型目标无需上报，或尽快调用轨迹终结方法对其删除。如果是一条小狗从花园穿过，则由于不是用户关注的目标(用户关注的目标是人或车)，也应该及时终结轨迹。如果是行人形成的一条轨迹，则雷达将行人轨迹信息输出至摄像机，摄像机依据雷达提供的轨迹空间位置信息，对其拍照或录像。
对于如何确定一条准确的目标轨迹，相关技术中通过人工标注的方式确定目标轨迹，雷达数据人工标注是一个非常繁琐而且容易出错的工作 (工作量大而且容易出错)。现阶段，雷达数据标注工作尚无成熟可用的工具，因此在处理雷达数据中，标注工作会耗费大量人工作业。
针对相关技术中通过人工标注的方式确定目标轨迹，工作量大且不同人标注可能存在偏差的问题，尚未提出解决方案。
发明内容
本发明实施例提供了一种雷达数据的目标轨迹确定方法及装置，以至少解决相关技术中通过人工标注的方式确定目标轨迹，工作量大且不同人标注可能存在偏差的问题。
根据本发明的一个实施例，提供了一种雷达数据的目标轨迹确定方法，包括：
获取雷达数据中每帧数据的所有量测点的量测信息，其中，所述量测信息包括位置、雷达反射面积RCS、径向速度；
根据所述量测信息对所述每帧数据的所有量测点进行聚类处理，得到所述每帧数据的聚类量测点；
根据所述雷达数据中所述每帧数据的所述聚类量测点确定目标轨迹。
可选地，根据所述量测信息对所述每帧数据的所有量测点进行聚类处理，得到所述每帧数据的聚类量测点包括：
对所述每帧数据的所有量测点中的任意两个量测点，执行以下操作，直到确定所有量测点中的任意两个量测点是否对应同一目标，对于正在执行操作的两个量测点称为当前两个量测点：
确定所述当前两个量测点的位置之差，得到所述当前两个量测点的距离；
确定所述当前两个量测点的RCS之差，得到所述当前两个量测点的 RCS差值；
确定所述当前两个量测点的径向速度之差，得到所述当前两个量测点的径向速度差值；
判断所述当前两个量测点是否满足以下条件至少之一：距离小于第一预设距离阈值，RCS差值小于第一预设阈值，径向速度差值小于第二预设阈值；
在判断结果为是的情况下，确定所述当前两个量测点对应同一目标；在判断结果为否的情况下，确定所述当前两个量测点对应不同目标；
将所述每帧数据的所有量测点中对应同一目标的量测点进行聚合，得到一个或多个目标对应的聚类量测点。
可选地，所述方法还包括：
在根据所述量测信息对所述每帧数据的所有量测点进行聚类处理，得到所述每帧数据的聚类量测点之后，将所述每帧数据的聚类量测点中同一目标的聚类量测点进行合并，得到合并后的量测点；
根据所述雷达数据中所述每帧数据的所述聚类量测点确定所述目标轨迹包括：
根据所述雷达数据中所述每帧数据的所述合并后的量测点确定所述目标轨迹。
可选地，将所述每帧数据的聚类量测点中同一目标的聚类量测点进行合并，得到合并后的量测点包括：
将所述每帧数据同一目标的聚类量测点的位置的几何中心的位置确定为所述合并后的量测点的位置；
将所述每帧数据同一目标的聚类量测点的RCS的均值确定为所述合并后的量测点的RCS；
将所述每帧数据同一目标的聚类量测点的径向速度的均值确定为所述合并后的量测点的径向速度。
可选地，根据所述雷达数据中所述每帧数据的所述聚类量测点确定所述目标轨迹包括：
判断所述雷达数据的连续N帧数据中是否有M帧数据中每两帧数据的所述聚类量测点满足以下条件：距离小于第二预设距离阈值和/或RCS差值小于第三预设阈值，其中，N、M均为大于1的整数，N大于M；
在判断结果为是的情况下，确定所述雷达数据中所述M帧数据的所述聚类量测点为第一轨迹；
对所述第一轨迹进行平滑性校验；
将通过校验的所述第一轨迹确定为所述目标轨迹。
可选地，将通过校验的所述第一轨迹确定为所述目标轨迹包括：
若检测到所述第一轨迹出现分裂，复用分裂后的所述第一轨迹；
并将分裂后的所述第一轨迹确定为所述目标轨迹。
可选地，在根据所述雷达数据中所述每帧数据的所述聚类量测点确定目标轨迹之后，所述方法还包括：
若存在目标轨迹库，判断所述目标轨迹库中是否存在与所述目标轨迹匹配的轨迹；在判断结果为是的情况下，将所述目标轨迹存储到与所述目标轨迹匹配的轨迹中；在判断结果为否的情况下，为所述目标轨迹建立目标分类，并将所述目标轨迹存储到所述目标分类中；
若不存在目标轨迹库，为所述目标轨迹建立所述目标分类，并将所述目标轨迹存储到所述目标分类中。
可选地，判断所述目标轨迹库中是否存在与所述目标轨迹匹配的轨迹包括：
分别确定所述目标轨迹库中所有轨迹与所述目标轨迹的相似度；
判断所述相似度中的最大相似度是否大于或等于第四预设阈值；
在判断结果为是的情况下，确定所述目标轨迹库中存在与所述目标轨迹匹配的轨迹；
在判断结果为否的情况下，确定所述目标轨迹库中不存在与所述目标轨迹匹配的轨迹。
根据本发明实施例的另一方面，还提供了一种雷达数据的目标轨迹确定装置，包括：
获取模块，用于获取雷达数据中每帧数据的所有量测点的量测信息，其中，所述量测信息包括位置、雷达反射面积RCS、径向速度；
聚类处理模块，用于根据所述量测信息对所述每帧数据的所有量测点进行聚类处理，得到所述每帧数据的聚类量测点；
确定模块，用于根据所述雷达数据中所述每帧数据的所述聚类量测点确定目标轨迹。
可选地，所述聚类处理模块包括：
执行子模块，用于对所述每帧数据的所有量测点中的任意两个量测点，执行以下操作，直到确定所有量测点中的任意两个量测点是否对应同一目标，对于正在执行操作的两个量测点称为当前两个量测点：
确定所述当前两个量测点的位置之差，得到所述当前两个量测点的距离；
确定所述当前两个量测点的RCS之差，得到所述当前两个量测点的 RCS差值；
确定所述当前两个量测点的径向速度之差，得到所述当前两个量测点的径向速度差值；
判断所述当前两个量测点是否满足以下条件至少之一：距离小于第一预设距离阈值，RCS差值小于第一预设阈值，径向速度差值小于第二预设阈值；
在判断结果为是的情况下，确定所述当前两个量测点对应同一目标；在判断结果为否的情况下，确定所述当前两个量测点对应不同目标；
聚合子模块，用于将所述每帧数据的所有量测点中对应同一目标的量测点进行聚合，得到一个或多个目标对应的聚类量测点。
可选地，所述装置还包括：
合并子模块，用于在根据所述量测信息对所述每帧数据的所有量测点进行聚类处理，得到所述每帧数据的聚类量测点之后，将所述每帧数据的聚类量测点中同一目标的聚类量测点进行合并，得到合并后的量测点；
第一确定子模块，用于根据所述雷达数据中所述每帧数据的所述聚类量测点确定所述目标轨迹包括：
第二确定子模块，用于根据所述雷达数据中所述每帧数据的所述合并后的量测点确定所述目标轨迹。
可选地，所述合并子模块包括：
第一确定单元，用于将所述每帧数据同一目标的聚类量测点的位置的几何中心的位置确定为所述合并后的量测点的位置；
第二确定单元，用于将所述每帧数据同一目标的聚类量测点的RCS的均值确定为所述合并后的量测点的RCS；
第三确定单元，用于将所述每帧数据同一目标的聚类量测点的径向速度的均值确定为所述合并后的量测点的径向速度。
可选地，所述确定模块包括：
判断子模块，用于判断所述雷达数据的连续N帧数据中是否有M帧数据中每两帧数据的所述聚类量测点满足以下条件：距离小于第二预设距离阈值和/或RCS差值小于第三预设阈值，其中，N、M均为大于1的整数，N 大于M；
第三确定子模块，用于在判断结果为是的情况下，确定所述雷达数据中所述M帧数据的所述聚类量测点为第一轨迹；
校验子模块，用于对所述第一轨迹进行平滑性校验；
第四确定子模块，用于将通过校验的所述第一轨迹确定为所述目标轨迹。
可选地，所述第四确定子模块，还用于
若检测到所述第一轨迹出现分裂，复用分裂后的所述第一轨迹；
并将分裂后的所述第一轨迹确定为所述目标轨迹。
可选地，所述装置还包括：
第一存储模块，用于若存在目标轨迹库，从所述目标轨迹库中判断是否存在与所述目标轨迹匹配的轨迹；在判断结果为是的情况下，将所述目标轨迹存储到与所述目标轨迹匹配的轨迹中；在判断结果为否的情况下，为所述目标轨迹建立目标分类，并将所述目标轨迹存储到所述目标分类中；
第二存储模块，用于若不存在目标轨迹库，为所述目标轨迹建立所述目标分类，并将所述目标轨迹存储到所述目标分类中。
可选地，所述第一存储模块，还用于
分别确定所述目标轨迹库中所有轨迹与所述目标轨迹的相似度；
判断所述相似度中的最大相似度是否大于或等于第四预设阈值；
在判断结果为是的情况下，确定所述目标轨迹库中存在与所述目标轨迹匹配的轨迹；
在判断结果为否的情况下，确定所述目标轨迹库中不存在与所述目标轨迹匹配的轨迹。
根据本发明的又一个实施例，还提供了一种计算机可读的存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明，获取雷达数据中每帧数据的所有量测点的量测信息，其中，所述量测信息包括位置、雷达反射面积RCS、径向速度；根据所述量测信息对所述每帧数据的所有量测点进行聚类处理，得到所述每帧数据的聚类量测点；根据所述雷达数据中所述每帧数据的所述聚类量测点确定目标轨迹，可以解决相关技术中通过人工标注的方式确定目标轨迹，工作量大且不同人标注可能存在偏差的问题，大大减少了工作量，且提高了目标轨迹的精度与效率。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例的目标对象的雷达数据的目标轨迹确定方法的移动终端的硬件结构框图；
图2是根据本发明实施例的雷达数据的目标轨迹确定方法的流程图；
图3是根据本发明实施例的无监督智能分类方法的流程图；
图4是根据本发明实施例的量测聚类的示意图一；
图5是根据本发明实施例的量测聚类的示意图二；
图6是根据本发明实施例的量测合并的示意图；
图7是根据本发明实施例的确定目标轨迹的示意图一；
图8是根据本发明实施例的确定目标轨迹的示意图二；
图9是根据本发明实施例的确定目标轨迹的示意图三；
图10是根据本发明实施例的确定目标轨迹的示意图四；
图11是根据本发明实施例的轨迹分裂的示意图；
图12是根据本发明实施例的雷达数据的目标轨迹确定装置的框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
实施例1
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的雷达数据的目标轨迹确定方法的移动终端的硬件结构框图，如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的雷达数据的目标轨迹确定方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为 NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种运行于上述移动终端或网络架构的雷达数据的目标轨迹确定方法，图2是根据本发明实施例的雷达数据的目标轨迹确定方法的流程图，如图2所示，该流程包括如下步骤：
步骤S202，获取雷达数据中每帧数据的所有量测点的量测信息，其中，所述量测信息包括位置、雷达反射面积RCS、径向速度；
步骤S204，根据所述量测信息对所述每帧数据的所有量测点进行聚类处理，得到所述每帧数据的聚类量测点；
步骤S206，根据所述雷达数据中所述每帧数据的所述聚类量测点确定目标轨迹。
通过上述步骤S202至S206，获取雷达数据中每帧数据的所有量测点的量测信息，其中，所述量测信息包括位置、雷达反射面积RCS、径向速度；根据所述量测信息对所述每帧数据的所有量测点进行聚类处理，得到所述每帧数据的聚类量测点；根据所述雷达数据中所述每帧数据的所述聚类量测点确定目标轨迹，可以解决相关技术中通过人工标注的方式确定目标轨迹，工作量大且不同人标注可能存在偏差的问题，大大减少了工作量，且提高了目标轨迹的精度与效率。
本发明实施例，上述步骤S204具体可以包括：对所述每帧数据的所有量测点中的任意两个量测点，执行以下操作，直到确定所有量测点中的任意两个量测点是否对应同一目标，对于正在执行操作的两个量测点称为当前两个量测点：确定所述当前两个量测点的位置之差，得到所述当前两个量测点的距离；确定所述当前两个量测点的RCS之差，得到所述当前两个量测点的RCS差值；确定所述当前两个量测点的径向速度之差，得到所述当前两个量测点的径向速度差值；判断所述当前两个量测点是否满足以下条件至少之一：距离小于第一预设距离阈值，RCS差值小于第一预设阈值，径向速度差值小于第二预设阈值；在判断结果为是的情况下，确定所述当前两个量测点对应同一目标；在判断结果为否的情况下，确定所述当前两个量测点对应不同目标；将所述每帧数据的所有量测点中对应同一目标的量测点进行聚合，得到一个或多个目标对应的聚类量测点。
在一可选的实施例中，在根据所述量测信息对所述每帧数据的所有量测点进行聚类处理，得到所述每帧数据的聚类量测点之后，将所述每帧数据的聚类量测点中同一目标的聚类量测点进行合并，得到合并后的量测点；进一步的，将所述每帧数据同一目标的聚类量测点的位置的几何中心的位置确定为所述合并后的量测点的位置；将所述每帧数据同一目标的聚类量测点的RCS的均值确定为所述合并后的量测点的RCS；将所述每帧数据同一目标的聚类量测点的径向速度的均值确定为所述合并后的量测点的径向速度。对应的，上述步骤S206具体可以包括：根据所述雷达数据中所述每帧数据的所述合并后的量测点确定所述目标轨迹。进一步的，判断所述雷达数据的连续N帧数据中是否有M帧数据中每两帧数据的所述合并后的量测点满足以下条件：距离小于第二预设距离阈值和/或RCS差值小于第三预设阈值，其中，N、M均为大于1的整数，N大于M；在判断结果为是的情况下，确定所述雷达数据中所述M帧数据的所述合并后的量测点为第一轨迹；对所述第一轨迹进行平滑性校验；将通过校验的所述第一轨迹确定为所述目标轨迹，具体的，若检测到所述第一轨迹出现分裂，复用分裂后的所述第一轨迹；并将分裂后的所述第一轨迹确定为所述目标轨迹。
本发明实施例中，上述步骤S206具体可以包括：判断所述雷达数据的连续N帧数据中是否有M帧数据中每两帧数据的所述聚类量测点满足以下条件：距离小于第二预设距离阈值和/或RCS差值小于第三预设阈值，其中，N、M均为大于1的整数，N大于M；在判断结果为是的情况下，确定所述雷达数据中所述M帧数据的所述聚类量测点为第一轨迹；对所述第一轨迹进行平滑性校验；将通过校验的所述第一轨迹确定为所述目标轨迹。进一步的，若检测到所述第一轨迹出现分裂，复用分裂后的所述第一轨迹；并将分裂后的所述第一轨迹确定为所述目标轨迹。
在一可选的实施例中，在根据所述雷达数据中所述每帧数据的所述聚类量测点确定目标轨迹之后，若存在目标轨迹库，判断所述目标轨迹库中是否存在与所述目标轨迹匹配的轨迹，进一步的，分别确定所述目标轨迹库中所有轨迹与所述目标轨迹的相似度；判断所述雷达数据的目标轨迹确定是否大于或等于第四预设阈值；在判断结果为是的情况下，确定所述目标轨迹库中存在与所述目标轨迹匹配的轨迹；在判断结果为否的情况下，确定所述目标轨迹库中不存在与所述目标轨迹匹配的轨迹；
在判断结果为是的情况下，将所述目标轨迹存储到与所述目标轨迹匹配的轨迹中；在判断结果为否的情况下，为所述目标轨迹建立目标分类，并将所述目标轨迹存储到所述目标分类中；若不存在目标轨迹库，为所述目标轨迹建立所述目标分类，并将所述目标轨迹存储到所述目标分类中。
图3是根据本发明实施例的无监督智能分类方法的流程图，如图3所示，包括：
S301，量测聚类，量测聚类的目的是将聚集的量测合并为一个等价量测，转到步骤S302。
量测聚类，是由于某些目标在某一个时刻会产生多个量测，这些量测在四维度(X、Y、RCS和径向速度)出现聚集现象。则量测聚类的目的是判断某一帧中是否有量测聚集现象，如果有则识别出对应的量测集合。
图4是根据本发明实施例的量测聚类的示意图一，如图4所示，量测 1-6可以聚成一类，即认为此六个量测均源自同一目标。
图5是根据本发明实施例的量测聚类的示意图二，如图5所示，并不是所有点均可以聚成一类，可以初步认为量测1和量测2是源自同一个目标，其它所有点彼此间空间距离比较远，则认为是源自各自不同的目标。
如图4所示，量测1-3-5表示目标靠近雷达的目标点，量测2-4-6表示远离雷达的目标点，则依据四维度空间聚类之后，量测1-3-5聚成一类 (对应一个目标)，点2-4-6聚成一类(对应一个目标)。
聚类方法是，在四维度空间上选取对应阈值：阈值1，用于描述两个量测之间的距离阈值；阈值2，用于描述两个量测之间的速度差阈值；阈值3，用于描述两个量测之间的RCS差阈值。任意两个量测若同时满足以上三个阈值，则认为是源自同一目标，划归为同一聚类。
针对大目标，如汽车、轿车、人群等，一帧中一个目标可能产生多个量测。为了更方便地分析目标特征和起始目标轨迹，可将同一帧中特征相近的量测合并为一个量测。
图6是根据本发明实施例的量测合并的示意图，如图6所示，蓝色点表示原始量测，红色点表示合并之后的量测。
合并前提：当量测彼此间满足合适的阈值关系，如空间位置比较近， RCS差值较小，RadialSpeed差值较小。
合并过程：空间位置取几何中心，RCS和RadialSpeed取均值。
S302，开启确定目标轨迹，轨迹起始过程形成确认轨迹，转到步骤S303。
轨迹起始的目的是快速准确地完成目标检测和识别。形成确认轨迹条件如下：1)时间窗口要求；2)平滑性要求。
时间窗口要求是在时间滑动窗口N帧中，至少M帧量测满足阈值关系，则可确定一条目标轨迹。形成确认轨迹过程中时间阈值对形成轨迹结果的影响。
图7是根据本发明实施例的确定目标轨迹的示意图一，如图7所示，量测点序列1-2-3-5-7-8可形成一条目标轨迹，量测点4和5表示该帧不存在满足阈值关系的量测。
图8是根据本发明实施例的确定目标轨迹的示意图二，如图8所示，量测点序列1-2-4-6-8无法形成一条目标轨迹。假设N＝8,M＝6，则如图中量测点序列可形成一条目标轨迹，量测点序列无法形成一条目标轨迹。
平滑性要求，是指目标轨迹不能出现剧烈波动的情形，或者剧烈波动的目标轨迹是虚假轨迹。图9是根据本发明实施例的确定目标轨迹的示意图三，如图9所示，该轨迹较平滑，可以认为是一条目标轨迹。图10是根据本发明实施例的确定目标轨迹的示意图四，如图10所示，该轨迹较虽然满足时间阈值，但是其存在波动现象/平滑性较差，不能视作是一个真实的目标轨迹。
S303，轨迹分裂，在轨迹起始过程中，若存在潜在轨迹与多个量测匹配冲突的问题，可用轨迹分裂/MHT(multiple hypothesis tracking)过程处理，转到步骤S304。
图11是根据本发明实施例的轨迹分裂的示意图，如图11所示，轨迹分裂是为了解决量测与潜在轨迹冲突的问题和提高目标检测概率。在第3 帧，红色点和紫色点均和第2帧中的点满足阈值关系，则此时从一条轨迹分裂为两条轨迹，即量测点可以复用。
S304，判断是否存在目标轨迹，若无法形成确认轨迹，则结束；若形成确认轨迹，则跳转步骤S305。
S305，判断是否存在目标轨迹库，若存在目标轨迹库，则跳转步骤S306 步；若不存在目标轨迹库，则跳转步骤S308。
其中，目标轨迹库存储格式如表1所示。
表1
Figure RE-GDA0002706878580000141
Figure RE-GDA0002706878580000151
目标轨迹库，存储的是已经完成分类的轨迹，分类依据是轨迹彼此间的相似度。
S306，选择库中某些目标轨迹，将新建立的目标轨迹与目标轨迹库中所有轨迹，逐一匹配，从某一库中选择典型的轨迹代表(允许多个)，确定相似度。
S307，判断最大相似性是否大于或等于第四预设阈值，在判断结果为是的情况下执行步骤S310，否则执行步骤S308，将新建立的目标轨迹与步骤S306所选择的轨迹，求其归一化距离，归一化距离越小表示相似性越大。
S308，增加一个目标分类，或新建步骤一个分类，该过程还需存储此条轨迹详细数据。
S309，赋予额外标签，该步骤是为刚刚建立的目标类别，赋予抽象意义的标签，以便区分，如类别A或类别1等。
S310，与相似度最大的轨迹归为一类，并依据目标轨迹更新目标轨迹库的内容。
S311，赋予轨迹标签并输出，将库标签赋予新建立的轨迹，并输出该轨迹。
实施例2
根据本发明实施例的另一方面，还提供了一种雷达数据的目标轨迹确定装置，图12是根据本发明实施例的雷达数据的目标轨迹确定装置的框图，如图12所示，包括：
获取模块122，用于获取雷达数据中每帧数据的所有量测点的量测信息，其中，所述量测信息包括位置、雷达反射面积RCS、径向速度；
聚类处理模块124，用于根据所述量测信息对所述每帧数据的所有量测点进行聚类处理，得到所述每帧数据的聚类量测点；
确定模块126，用于根据所述雷达数据中所述每帧数据的所述聚类量测点确定目标轨迹。
可选地，所述聚类处理模块124包括：
执行子模块，用于对所述每帧数据的所有量测点中的任意两个量测点，执行以下操作，直到确定所有量测点中的任意两个量测点是否对应同一目标，对于正在执行操作的两个量测点称为当前两个量测点：
确定所述当前两个量测点的位置之差，得到所述当前两个量测点的距离；
确定所述当前两个量测点的RCS之差，得到所述当前两个量测点的 RCS差值；
确定所述当前两个量测点的径向速度之差，得到所述当前两个量测点的径向速度差值；
判断所述当前两个量测点是否满足以下条件至少之一：距离小于第一预设距离阈值，RCS差值小于第一预设阈值，径向速度差值小于第二预设阈值；
在判断结果为是的情况下，确定所述当前两个量测点对应同一目标；在判断结果为否的情况下，确定所述当前两个量测点对应不同目标；
聚合子模块，用于将所述每帧数据的所有量测点中对应同一目标的量测点进行聚合，得到一个或多个目标对应的聚类量测点。
可选地，所述装置还包括：
合并子模块，用于在根据所述量测信息对所述每帧数据的所有量测点进行聚类处理，得到所述每帧数据的聚类量测点之后，将所述每帧数据的聚类量测点中同一目标的聚类量测点进行合并，得到合并后的量测点；
第一确定子模块，用于根据所述雷达数据中所述每帧数据的所述聚类量测点确定所述目标轨迹包括：
第二确定子模块，用于根据所述雷达数据中所述每帧数据的所述合并后的量测点确定所述目标轨迹。
可选地，所述合并子模块包括：
第一确定单元，用于将所述每帧数据同一目标的聚类量测点的位置的几何中心的位置确定为所述合并后的量测点的位置；
第二确定单元，用于将所述每帧数据同一目标的聚类量测点的RCS的均值确定为所述合并后的量测点的RCS；
第三确定单元，用于将所述每帧数据同一目标的聚类量测点的径向速度的均值确定为所述合并后的量测点的径向速度。
可选地，所述确定模块包括：
判断子模块，用于判断所述雷达数据的连续N帧数据中是否有M帧数据中每两帧数据的所述聚类量测点满足以下条件：距离小于第二预设距离阈值和/或RCS差值小于第三预设阈值，其中，N、M均为大于1的整数，N 大于M；
第三确定子模块，用于在判断结果为是的情况下，确定所述雷达数据中所述M帧数据的所述聚类量测点为第一轨迹；
校验子模块，用于对所述第一轨迹进行平滑性校验；
第四确定子模块，用于将通过校验的所述第一轨迹确定为所述目标轨迹。
可选地，所述第四确定子模块，还用于
若检测到所述第一轨迹出现分裂，复用分裂后的所述第一轨迹；
并将分裂后的所述第一轨迹确定为所述目标轨迹。
可选地，所述装置还包括：
第一存储模块，用于若存在目标轨迹库，判断所述目标轨迹库中是否存在与所述目标轨迹匹配的轨迹；在判断结果为是的情况下，将所述目标轨迹存储到与所述目标轨迹匹配的轨迹中；在判断结果为否的情况下，为所述目标轨迹建立目标分类，并将所述目标轨迹存储到所述目标分类中；
第二存储模块，用于若不存在目标轨迹库，为所述目标轨迹建立所述目标分类，并将所述目标轨迹存储到所述目标分类中。
可选地，所述第一存储模块，还用于
分别确定所述目标轨迹库中所有轨迹与所述目标轨迹的相似度；
判断所述相似度中的最大相似度是否大于或等于第四预设阈值；
在判断结果为是的情况下，确定所述目标轨迹库中存在与所述目标轨迹匹配的轨迹；
在判断结果为否的情况下，确定所述目标轨迹库中不存在与所述目标轨迹匹配的轨迹。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
实施例3
本发明的实施例还提供了一种计算机可读的存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，获取雷达数据中每帧数据的所有量测点的量测信息，其中，所述量测信息包括位置、雷达反射面积RCS、径向速度；
S2，根据所述量测信息对所述每帧数据的所有量测点进行聚类处理，得到所述每帧数据的聚类量测点；
S3，根据所述雷达数据中所述每帧数据的所述聚类量测点确定目标轨迹。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
实施例4
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，获取雷达数据中每帧数据的所有量测点的量测信息，其中，所述量测信息包括位置、雷达反射面积RCS、径向速度；
S2，根据所述量测信息对所述每帧数据的所有量测点进行聚类处理，得到所述每帧数据的聚类量测点；
S3，根据所述雷达数据中所述每帧数据的所述聚类量测点确定目标轨迹。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种雷达数据的目标轨迹确定方法，其特征在于，包括：
获取雷达数据中每帧数据的所有量测点的量测信息，其中，所述量测信息包括位置、雷达反射面积RCS、径向速度；
根据所述量测信息对所述每帧数据的所有量测点进行聚类处理，得到所述每帧数据的聚类量测点；
根据所述雷达数据中所述每帧数据的所述聚类量测点确定目标轨迹；
其中，所述方法还包括：
在根据所述量测信息对所述每帧数据的所有量测点进行聚类处理，得到所述每帧数据的聚类量测点之后，将所述每帧数据的聚类量测点中同一目标的聚类量测点进行合并，得到合并后的量测点；
根据所述雷达数据中所述每帧数据的所述聚类量测点确定所述目标轨迹包括：根据所述雷达数据中所述每帧数据的所述合并后的量测点确定所述目标轨迹；
其中，将所述每帧数据的聚类量测点中同一目标的聚类量测点进行合并，得到合并后的量测点包括：
将所述每帧数据同一目标的聚类量测点的位置的几何中心的位置确定为所述合并后的量测点的位置；
将所述每帧数据同一目标的聚类量测点的RCS的均值确定为所述合并后的量测点的RCS；
将所述每帧数据同一目标的聚类量测点的径向速度的均值确定为所述合并后的量测点的径向速度。
2.根据权利要求1所述的方法，其特征在于，根据所述量测信息对所述每帧数据的所有量测点进行聚类处理，得到所述每帧数据的聚类量测点包括：
对所述每帧数据的所有量测点中的任意两个量测点，执行以下操作，直到确定所有量测点中的任意两个量测点是否对应同一目标，对于正在执行操作的两个量测点称为当前两个量测点：
确定所述当前两个量测点的位置之差，得到所述当前两个量测点的距离；
确定所述当前两个量测点的RCS之差，得到所述当前两个量测点的RCS差值；
确定所述当前两个量测点的径向速度之差，得到所述当前两个量测点的径向速度差值；
判断所述当前两个量测点是否满足以下条件至少之一：距离小于第一预设距离阈值，RCS差值小于第一预设阈值，径向速度差值小于第二预设阈值；
在判断结果为是的情况下，确定所述当前两个量测点对应同一目标；在判断结果为否的情况下，确定所述当前两个量测点对应不同目标；
将所述每帧数据的所有量测点中对应同一目标的量测点进行聚合，得到一个或多个目标对应的聚类量测点。
3.根据权利要求1所述的方法，其特征在于，根据所述雷达数据中所述每帧数据的所述聚类量测点确定所述目标轨迹包括：
判断所述雷达数据的连续N帧数据中是否有M帧数据中每两帧数据的所述聚类量测点满足以下条件：距离小于第二预设距离阈值和/或RCS差值小于第三预设阈值，其中，N、M均为大于1的整数，N大于M；
在判断结果为是的情况下，确定所述雷达数据中所述M帧数据的所述聚类量测点为第一轨迹；
对所述第一轨迹进行平滑性校验；
将通过校验的所述第一轨迹确定为所述目标轨迹。
4.根据权利要求3所述的方法，其特征在于，将通过校验的所述第一轨迹确定为所述目标轨迹包括：
若检测到所述第一轨迹出现分裂，复用分裂后的所述第一轨迹；
并将分裂后的所述第一轨迹确定为所述目标轨迹。
5.根据权利要求1至4中任一项所述的方法，其特征在于，在根据所述雷达数据中所述每帧数据的所述聚类量测点确定目标轨迹之后，所述方法还包括：
若存在目标轨迹库，判断所述目标轨迹库中是否存在与所述目标轨迹匹配的轨迹；在判断结果为是的情况下，将所述目标轨迹存储到与所述目标轨迹匹配的轨迹中；在判断结果为否的情况下，为所述目标轨迹建立目标分类，并将所述目标轨迹存储到所述目标分类中；
若不存在目标轨迹库，为所述目标轨迹建立所述目标分类，并将所述目标轨迹存储到所述目标分类中。
6.根据权利要求5所述的方法，其特征在于，判断所述目标轨迹库中是否存在与所述目标轨迹匹配的轨迹包括：
分别确定所述目标轨迹库中所有轨迹与所述目标轨迹的相似度；
判断所述相似度中的最大相似度是否大于或等于第四预设阈值；
在判断结果为是的情况下，确定所述目标轨迹库中存在与所述目标轨迹匹配的轨迹；
在判断结果为否的情况下，确定所述目标轨迹库中不存在与所述目标轨迹匹配的轨迹。
7.一种雷达数据的目标轨迹确定装置，其特征在于，包括：
获取模块，用于获取雷达数据中每帧数据的所有量测点的量测信息，其中，所述量测信息包括位置、雷达反射面积RCS、径向速度；
聚类处理模块，用于根据所述量测信息对所述每帧数据的所有量测点进行聚类处理，得到所述每帧数据的聚类量测点；
确定模块，用于根据所述雷达数据中所述每帧数据的所述聚类量测点确定目标轨迹；
其中，上述装置还包括：合并子模块，用于在根据所述量测信息对所述每帧数据的所有量测点进行聚类处理，得到所述每帧数据的聚类量测点之后，将所述每帧数据的聚类量测点中同一目标的聚类量测点进行合并，得到合并后的量测点；
上述确定模块用于通过以下方式确定所述目标轨迹：根据所述雷达数据中所述每帧数据的所述合并后的量测点确定所述目标轨迹；
其中，所述合并子模块包括：
第一确定单元，用于将所述每帧数据同一目标的聚类量测点的位置的几何中心的位置确定为所述合并后的量测点的位置；
第二确定单元，用于将所述每帧数据同一目标的聚类量测点的RCS的均值确定为所述合并后的量测点的RCS；
第三确定单元，用于将所述每帧数据同一目标的聚类量测点的径向速度的均值确定为所述合并后的量测点的径向速度。
8.一种计算机可读的存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至6中任一项所述的方法。
9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至6中任一项所述的方法。
CN202010544947.4A 2020-06-15 2020-06-15 一种雷达数据的目标轨迹确定方法及装置 Active CN111896941B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010544947.4A CN111896941B (zh) 2020-06-15 2020-06-15 一种雷达数据的目标轨迹确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010544947.4A CN111896941B (zh) 2020-06-15 2020-06-15 一种雷达数据的目标轨迹确定方法及装置

Publications (2)

Publication Number Publication Date
CN111896941A CN111896941A (zh) 2020-11-06
CN111896941B true CN111896941B (zh) 2023-06-13

Family

ID=73207337

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010544947.4A Active CN111896941B (zh) 2020-06-15 2020-06-15 一种雷达数据的目标轨迹确定方法及装置

Country Status (1)

Country Link
CN (1) CN111896941B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112505304B (zh) * 2020-12-11 2023-10-03 成都北方石油勘探开发技术有限公司 一种含水量的检测方法及系统
CN112799397A (zh) * 2020-12-26 2021-05-14 广州小马慧行科技有限公司 物体的检测方法、检测装置、车辆的控制方法与车辆系统
CN114237286B (zh) * 2021-12-06 2024-04-16 上海特金信息科技有限公司 轨迹的确认方法、装置、无人机探测系统、设备和介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109034181A (zh) * 2018-06-05 2018-12-18 广州杰赛科技股份有限公司 移动轨迹的分类方法和装置、设备、存储介质
CN109061600A (zh) * 2018-09-28 2018-12-21 上海市刑事科学技术研究院 一种基于毫米波雷达数据的目标识别方法
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
CN110609281A (zh) * 2019-08-23 2019-12-24 珠海格力电器股份有限公司 一种区域检测方法及装置
CN110716209A (zh) * 2019-09-19 2020-01-21 浙江大华技术股份有限公司 地图构建方法、设备及存储装置
CN110738095A (zh) * 2019-08-23 2020-01-31 珠海格力电器股份有限公司 一种行为分析方法及装置
CN111274336A (zh) * 2019-12-18 2020-06-12 浙江大华技术股份有限公司 目标轨迹的处理方法、装置、存储介质及电子装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190107615A1 (en) * 2017-10-05 2019-04-11 GM Global Technology Operations LLC Method of tracking an object

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109034181A (zh) * 2018-06-05 2018-12-18 广州杰赛科技股份有限公司 移动轨迹的分类方法和装置、设备、存储介质
CN109061600A (zh) * 2018-09-28 2018-12-21 上海市刑事科学技术研究院 一种基于毫米波雷达数据的目标识别方法
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
CN110609281A (zh) * 2019-08-23 2019-12-24 珠海格力电器股份有限公司 一种区域检测方法及装置
CN110738095A (zh) * 2019-08-23 2020-01-31 珠海格力电器股份有限公司 一种行为分析方法及装置
CN110716209A (zh) * 2019-09-19 2020-01-21 浙江大华技术股份有限公司 地图构建方法、设备及存储装置
CN111274336A (zh) * 2019-12-18 2020-06-12 浙江大华技术股份有限公司 目标轨迹的处理方法、装置、存储介质及电子装置

Also Published As

Publication number Publication date
CN111896941A (zh) 2020-11-06

Similar Documents

Publication Publication Date Title
CN111896941B (zh) 一种雷达数据的目标轨迹确定方法及装置
CN107665324B (zh) 一种图像识别方法及终端
CN111753757B (zh) 一种图像识别处理方法及装置
US10922581B2 (en) Method, system and apparatus for performing re-identification in images captured by at least two camera pairs operating with different environmental factors
US10008115B2 (en) Visual vehicle parking occupancy sensor
US20130336534A1 (en) Multi-mode video event indexing
Bach et al. Deep convolutional traffic light recognition for automated driving
Le et al. Real time traffic sign detection using color and shape-based features
CN105528794A (zh) 基于混合高斯模型与超像素分割的运动目标检测方法
Wang et al. License plate detection using gradient information and cascade detectors
CN103440491A (zh) 一种基于颜色特征的密集人流量实时检测方法
Cai et al. Real-time recognition system of traffic light in urban environment
CN102609686A (zh) 一种行人检测方法
Cui et al. Characterizing channel fading in vehicular visible light communications with video data
US10706516B2 (en) Image processing using histograms
Chen et al. Multi-shape descriptor vehicle classification for urban traffic
CN102902957A (zh) 一种基于视频流的自动车牌识别方法
CN114596555B (zh) 障碍物点云数据筛选方法、装置、电子设备及存储介质
Razalli et al. Emergency vehicle recognition and classification method using HSV color segmentation
Wu et al. Modeling vehicle-to-vehicle visible light communication link duration with empirical data
CN111929672A (zh) 移动轨迹的确定方法及装置、存储介质和电子装置
CN105426816A (zh) 一种处理人脸图像的方法及装置
CN112465854A (zh) 基于无锚点检测算法的无人机跟踪方法
Zhang Vehicle target detection methods based on color fusion deformable part model
CN113516102A (zh) 基于视频的深度学习抛物行为检测方法

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