CN112083415A - 一种基于3d信息的毫米波雷达模型目标可见性判断方法 - Google Patents
一种基于3d信息的毫米波雷达模型目标可见性判断方法 Download PDFInfo
- Publication number
- CN112083415A CN112083415A CN202011081805.5A CN202011081805A CN112083415A CN 112083415 A CN112083415 A CN 112083415A CN 202011081805 A CN202011081805 A CN 202011081805A CN 112083415 A CN112083415 A CN 112083415A
- Authority
- CN
- China
- Prior art keywords
- target object
- radar
- millimeter wave
- target
- model
- 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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
-
- 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
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于3D信息的毫米波雷达模型目标可见性判断方法,包括以下步骤:将场景建模时生成的目标物体的状态信息以及3D模型信息存储在对应的链表中,作为毫米波雷达模型进行遮挡计算和RCS计算的输入数据;建立毫米波雷达模型,首先在毫米波雷达模型中进行基于几何图形学的目标物体遮挡计算,得出完全被遮挡的物体并标记为不可见物体;对于未被完全遮挡的物体,计算其可见区域并输出;根据步骤一存储的目标物体的3D模型信息及状态信息计算目标物体可见区域的回波强度值;进行目标可见性判断:将计算出的目标物体可见区域回波强度值与毫米波雷达模型中预设的雷达回波强度可见门限值进行比较,判断得到目标物体最终的可见性。
Description
技术领域
本发明属于智能汽车虚拟测试验证,具体建立一种考虑目标物体3D信息的毫米波雷达探测模型对目标物体可见性的判断方法。
背景技术
虚拟传感器建模是智能汽车测试评价非常重要的一部分。毫米波雷达虚拟模型是智能车虚拟测试评价使用广泛的一种车载传感器模型,对毫米波雷达的建模研究十分重要。在研究过程中发现目标物体外表面的形状、角度、材质和面积参数对毫米波雷达的反射有很大影响。目前针对毫米波雷达的模型都是在几何图形学进行遮挡判断或者在其基础上加入传播过程的物理特性进行可见性判断,未考虑毫米波雷达在目标物体表面反射时的物理特性,对目标物体可见性的判断较之真实传感器相差较大。
目前的毫米波雷达虚拟模型中,针对目标物体可见性判断的方法有两类。一类属于功能模型,基于几何图形学对截取的图像进行几何遮挡计算。该类模型主要利用几何剪裁算法和射线追踪算法,将目标车辆简化为矩形包围盒,雷达探测范围简化为视锥,通过计算包围盒与视锥之间的位置关系判断车辆的可见性。文献--Radar Sensor Model for theVirtual Development Process建立了毫米波雷达的功能模型,提出了一种基于方位角的对目标物体之间遮挡关系的判断方法,在雷达接收信号中添加噪声信号并使用卡尔曼滤波对雷达信号进行处理。文献--Millimeter Wave FMCW Radar System Simulationsincluding a 3D Ray Tracing Channel Simulator提出了一种基于三维射线跟踪通道模拟器的调频连续波雷达毫米波系统仿真环境,并使用该模型对路面和车辆进行了识别。由于并未考虑雷达探测过程的物理特性,功能模型对目标物体的识别结果不足以满足虚拟测试评价的真实性。另一类建模方法在功能模型的基础上加入对传感器探测过程的物理特性的仿真。邓伟文等在其发表的文献--Research On Millimeter Wave Radar SimulationModel For Intelligent Vehicle中所建里的毫米波雷达模型在几何模型的基础上加入车载雷达的探测机理和特性同时考虑物体反射面形状、材料对反射强度的影响,并且考虑了雷达测量过程中的定量误报、漏报和误差等现象。专利CN201910270687.3中建立的毫米波雷达模型,对2D平面中车辆的几何遮挡和RCS计算进行了详细研究与说明,提高了毫米波雷达对目标可见性的判断准确性。基于物体表面3D特征进行雷达反射强度计算并进行可见性判断的模型和方法尚未见报道。
发明内容
为了解决现有技术存在的上述问题,本发明提出一种基于3D信息的毫米波雷达模型目标可见性判断方法,能够利用目标物体的3D模型和车身姿态等状态信息计算目标物体的RCS值,并对物体的可见性做出判断。本发明所建立的模型考虑了毫米波雷达入射波与目标物体反射面的空间位置关系,能够更加准确地求得目标物体的RCS值,对目标物体进行可见性判断更加接近真实毫米波雷达探测结果。
本发明的目的是通过以下技术方案实现的:
一种基于3D信息的毫米波雷达模型目标可见性判断方法,包括以下步骤:
步骤一、获取目标物体3D信息:将场景建模时生成的目标物体的状态信息以及3D模型信息存储在对应的链表中,作为毫米波雷达模型进行遮挡计算和RCS计算的输入数据;
步骤二、计算目标物体可见部分的RCS值:建立毫米波雷达模型,首先在毫米波雷达模型中进行基于几何图形学的目标物体遮挡计算,得出完全被遮挡的物体并标记为不可见物体;对于未被完全遮挡的物体,计算其可见区域并输出;根据步骤一存储的目标物体的3D模型信息及状态信息计算目标物体可见区域的回波强度值;
步骤三、进行目标可见性判断:将步骤二计算出的目标物体可见区域回波强度值与毫米波雷达模型中预设的雷达回波强度可见门限值进行比较,判断目标物体最终的可见性。
进一步地,所述目标物体的状态信息包括当前的位置、速度、加速度、行驶方向,3D模型信息包括物体的外表面形状尺寸、反射面形状和角度。
进一步地,所述步骤二计算目标物体可见部分的RCS值包括以下步骤:
2.1)确定目标物体未被遮挡时的可见区域;
2.2)计算雷达波与目标物体各几何面角度关系;
2.3)计算目标物体各几何面未遮挡时的RCS;
2.4)计算目标物体各几何面被遮挡后的可见面积;
2.5)计算目标物体各几何面被遮挡后的RCS值。
本发明具有以下有益效果:
本发明根据目标物体反射面3D信息的不同所引起的雷达反射强度的不同,判断目标物体可见性,所建立的模型考虑了毫米波雷达入射波与目标物体反射面的空间位置关系,能够更加真实地模拟毫米波雷达探测过程中的反射特性,大幅提高虚拟毫米波雷达模型的逼真度。
为满足模型实时计算的需求,本发明是在几何图形学进行遮挡判断的基础上,利用物理光学近似算法(PO),计算目标物体可见部分的RCS值,根据模型中预设的RCS门限值对目标物体进行可见性分析。
附图说明
图1为本发明一种基于3D信息的毫米波雷达模型目标可见性判断方法流程图;
图2为车辆与行人的三维模型示例;
图3为目标车辆可见区域类型图,其中,(a)为第一类可见类型,(b)为第二类可见类型,(c)为第三类可见类型,(d)为第四类可见类型;
图4为雷达射线与被测几何平面的角度关系示意图;
图5为目标物体遮挡计算示意图。
具体实施方式
以下结合附图和实施例进一步介绍本发明的技术方案:
如图1所示,一种基于3D信息的毫米波雷达模型目标物体可见性判断方法,包括以下步骤:
步骤一、获取目标物体3D信息:将场景建模时生成的目标物体的状态信息以及3D模型信息存储在对应的链表中,作为毫米波雷达模型进行遮挡计算和RCS计算的输入数据;
步骤二、计算目标物体可见部分的RCS值:建立毫米波雷达模型,首先在毫米波雷达模型中进行基于几何图形学的目标物体遮挡计算,得出完全被遮挡的物体并标记为不可见物体;对于未被完全遮挡的物体,计算其可见区域并输出;根据步骤一存储的目标物体的3D模型信息及状态信息计算目标物体可见区域的回波强度值;
步骤三、进行目标可见性判断:将步骤二计算出的目标物体可见区域回波强度值与毫米波雷达模型中预设的雷达回波强度可见门限值进行比较,判断目标物体最终的可见性。
进一步地,所述目标物体的状态信息包括当前的位置、速度、加速度、行驶方向,3D模型信息包括物体的形状尺寸、反射面形状和角度。
实施例
一种基于3D信息的毫米波雷达模型目标可见性判断方法,具体过程如下:
1.获取目标物体3D信息:
由于真实场景中的物体表面形状、尺寸极为复杂,为了保证模型的仿真效率不可能对物体的复杂物理结构进行完全捕获,本实施例运用简单几何体,如几何平面、球体、圆柱体、立方体,在体现物体的几何特征的前提下,通过简化物体的几何结构,获取能够体现物体雷达反射强度的3D信息。
本实施例主要对车辆、行人进行重点分析。根据车辆和行人的外形特征,使用简单几何体进行简化,简化后模型如图2所示。车辆的前后挡风玻璃与水平面夹角为45°,左右侧挡风玻璃与水平面夹角为20°,车辆的前后围垂直于水平面,由中间的金属板和两边的玻璃板组成,左右两侧围为金属板同样垂直于水平面。行人模型头部由球面表示,躯干由矩形块表示,四肢用圆柱面表示。将目标物体的3D特征信息与车辆当前的姿态、位置、速度、加速度、行驶方向存储在相应的链表中,作为毫米波雷达模型进行遮挡计算和RCS计算模块的输入数据。
2.计算目标物体可见部分的RCS值:
本实施例所建立的毫米波雷达模型在几何图形学的基础上考虑目标物体的RCS指标。几何图形学对处在雷达探测范围内的物体进行遮挡计算的,得出完全被遮挡的物体和部分被遮挡的物体。完全被遮挡的物体不进入目标的可见性判断模块,直接标记为待输出结果。未被完全遮挡的物体需要进一步判断其可见性。场景建模过程中存储的物体的反射面角度、反射形状等3D模型信息用来计算未被完全遮挡的物体的可见部分的雷达反射强度值。其过程如下:
2.1.确定目标物体未被遮挡时的可见区域
由于车辆左右两侧的对称性,在雷达探测区域内车辆的可见面只会出现车辆前视面、后视面、侧面、前视面和侧面、后视面和侧面。根据目标车辆在雷达探测范围内的方位角和航向角,可以将目标车辆在雷达探测范围内的位置以及车身可见端点分为四类,每类分为三种情况,根据不同情况得出目标车辆的车身可见区域。
第一类表示目标车辆与搭载毫米波雷达车辆(简称主车)行驶方向为同向行驶,如图3中(a)所示,第二类表示目标车辆与主车相对行驶,如图3中(b)所示,第三类表示目标车相对主车向左行驶,如图3中(c)所示,第四类表示目标车相对主车向右行驶,如图3中(d)所示。
由于车辆并不总是按照以上四类方向行驶。车辆相对于主车航向角发生变化时,规定车辆以车辆坐标系X轴为0°,车辆航向角按照顺时针方向变化,当目标车辆航向角范围在0°~45°以及315°~360°时,按第一类型进行处理;目标车航向角范围在45°~135°时,按第三类型进行处理;目标车航向角范围在135°~225°时,按第二类型进行处理;目标车航向角范围在225°~315°时,按第四类型进行处理。
2.2.计算雷达波与目标物体各几何面角度关系
考虑目标物体的表面三维几何特征对反射强度的影响,将物体表面拆分为多个简单几何形状,计算得到雷达波在每个几何反射面表面的入射方位角。因为在雷达探测物体的一瞬间,照射在物体上的雷达波束具有同样的发射源,因此在计算目标物体不同几何反射面的入射波方位角时采用毫米波雷达坐标系进行计算。
如图4所示,几何平板表面的雷达入射波i(θ,φ)与平面坐标系Z轴夹角为θ,i(θ,φ)在xoy平面内的投影与X轴夹角为φ。当雷达波射入车身上方车窗玻璃时,车窗玻璃反射面与水平面夹角为w。
在毫米波雷达坐标系中,雷达发出的波束的方向是固定的,设雷达波的方向向量为vi=(xi,yi,zi),被测几何平面的法向量为n=(xn,yn,zn),被测几何平面的法向量与雷达坐标系中Z轴方向向量vz的夹角w满足:
则雷达波与被测几何平面的Z轴即法向量的夹角为:
雷达射线在被测几何平面的投影的方向向量v’i为:
v’i=(vi×n)×n
被测几何平面的X轴的方向向量为vx,可以得到雷达入射波方位角的另一角度φ为:
通过反三角函数公式可以得到入射雷达波相对于被测几何平面的方位角(θ,φ)。
本实施例中行人的四肢简化为圆柱体,雷达波延与轴线垂直的横截面扫射,入射角度对RCS未有影响,因此只考虑雷达入射波方位角中的θ值的变化。由于组成行人的球体不存在方位角与航向角的概念因此不需要计算雷达入射波在其表面的方位角。
2.3.计算目标物体各几何面未遮挡时的RCS
目标物体未被遮挡时可以由根据物理光学算法(PO)对目标物体的RCS进行近似计算。雷达波照射在车辆、行人等物体的不同角度几何面上,均可以由入射角来表示。从目标物体的不同几何面的坐标系可以得到不同的雷达波入射角度。空间的雷达波入射角用(θ,φ)表示。当反射面为矩形平板,平板长为a,宽为b,则在平板反射面坐标系中雷达入射波的RCS可由公式得到:
式中λ为入射波的波长,A为平板物理面积,k=(2π)/λ。当φ=0°入射波在XOZ平面内,式变为:
当φ=90°入射波在YOZ平面内,式变为:
对于车辆的车轮可以将其简化为圆形金属盘,根据物理光学近似计算方法有:
式中A为圆盘的物理面积,d为圆盘直径。
对于行人将其四肢近似为圆柱体,根据物理光学近似计算方法有:
式中a为圆柱体半径,l为圆柱体长度。
行人头部简化为球体进行物理光学近似计算,由于球体的RCS不受入射波角度的影响,球体的近似RCS计算公式为。
σs=πr2
行人的躯干近似为矩形几何体,物理光学近似算法与几何平面一致。
根据以上各式可以得到不同空间方位的入射波照射组成目标物体的各个简单几何体时的RCS。公式σs=πr2可以得到不同空间方位入射波照射球体时的RCS值,公式可以得到不同空间方位角入射波照射圆柱体时的RCS值。
2.4.计算目标物体各几何面被遮挡后的可见面积
当目标物体被遮挡,本发明提出射线矩阵方法计算可见部分面积。假设由雷达发出的波简化为射线束分别与任何物体表面相交,交点用数值表示,所有射线与物体表面形成的交点称为射线矩阵,如图5所示。射线经过遮挡体会在其后部产生阴影,目标物体1完全处于遮挡体的阴影区内,则被完全遮挡,目标物体2部分处于阴影区内则被部分遮挡。在目标物体表面用等大的方块进行分割,每个方块代表一束射线照射的范围,射线可以到达的方块标记为1,射线因为遮挡不能到达的方块标记为0,则可以得到每一个几何表面的射线矩阵。如图5所示。则射线矩阵所有中标记为1的方块所占面积即为目标物体被遮挡后的可见区域面积。
2.5.计算目标物体各几何面被遮挡后的RCS
目标物体被遮挡后,定义几何面射线矩阵中标记为1的元素的总和E1与该矩阵元素总数E之比为该几何面的可见面积系数:
在计算得到每一个几何面未被遮挡的RCS值σu后,乘以可见面积系数即可得到几何面被遮挡后的RCS值σz。
σz=σu·ε
3.目标可见性判断:
根据第2部分计算出的组成物体简单几何体表面的可见区域RCS值,与设置的目标物体可见雷达反射强度门限值进行比较,最终得出目标物体的可见性。
判断方法如下:
Claims (8)
1.一种基于3D信息的毫米波雷达模型目标可见性判断方法,其特征在于,包括以下步骤:
步骤一、获取目标物体3D信息:将场景建模时生成的目标物体的状态信息以及3D模型信息存储在对应的链表中,作为毫米波雷达模型进行遮挡计算和RCS计算的输入数据;
步骤二、计算目标物体可见部分的RCS值:建立毫米波雷达模型,首先在毫米波雷达模型中进行基于几何图形学的目标物体遮挡计算,得出完全被遮挡的物体并标记为不可见物体;对于未被完全遮挡的物体,计算其可见区域并输出;根据步骤一存储的目标物体的3D模型信息及状态信息计算目标物体可见区域的回波强度值;
步骤三、进行目标可见性判断:将步骤二计算出的目标物体可见区域回波强度值与毫米波雷达模型中预设的雷达回波强度可见门限值进行比较,判断目标物体最终的可见性。
2.如权利要求1所述的一种基于3D信息的毫米波雷达模型目标可见性判断方法,其特征在于,所述目标物体的状态信息包括当前的位置、速度、加速度、行驶方向,3D模型信息包括物体的外表面形状尺寸、反射面形状和角度。
3.如权利要求1所述的一种基于3D信息的毫米波雷达模型目标可见性判断方法,其特征在于,所述步骤二计算目标物体可见部分的RCS值包括以下步骤:
2.1)确定目标物体未被遮挡时的可见区域;
2.2)计算雷达波与目标物体各几何面角度关系;
2.3)计算目标物体各几何面未遮挡时的RCS;
2.4)计算目标物体各几何面被遮挡后的可见面积;
2.5)计算目标物体各几何面被遮挡后的RCS值。
4.如权利要求3所述的一种基于3D信息的毫米波雷达模型目标可见性判断方法,其特征在于,所述步骤2.2)计算雷达波与目标物体各几何面角度关系包括以下过程:
计算目标物体不同几何反射面的入射波方位角时采用毫米波雷达坐标系进行计算:
几何平板表面的雷达入射波i(θ,φ)与平面坐标系Z轴夹角为θ,i(θ,φ)在xoy平面内的投影与X轴夹角为φ;当雷达波射入车身上方车窗玻璃时,车窗玻璃反射面与水平面夹角为w;
雷达波的方向向量为vi=(xi,yi,zi),被测几何平面的法向量为n=(xn,yn,zn),被测几何平面的法向量与雷达坐标系中Z轴方向向量vz的夹角w满足:
则雷达波与被测几何平面的Z轴即法向量的夹角为:
雷达射线在被测几何平面的投影的方向向量v’i为:
v’i=(vi×n)×n
被测几何平面的X轴的方向向量为vx,得到雷达入射波方位角的另一角度φ为:
通过反三角函数公式,得到入射雷达波相对于被测几何平面的方位角(θ,φ)。
5.如权利要求4所述的一种基于3D信息的毫米波雷达模型目标可见性判断方法,其特征在于,所述步骤2.3)计算目标物体各几何面未遮挡时的RCS的具体过程为:
空间的雷达波入射角用(θ,φ)表示,当反射面为矩形平板,平板长为a,宽为b,则在平板反射面坐标系中雷达入射波的RCS为:
式中λ为入射波的波长,A为平板物理面积,k=(2π)/λ;
当φ=0°入射波在XOZ平面内,变为:
当φ=90°入射波在YOZ平面内,变为:
对于车辆的车轮,计算公式为:
式中A为圆盘的物理面积,d为圆盘直径;
对于行人将其四肢近似为圆柱体,计算公式为:
式中a为圆柱体半径,l为圆柱体长度;
行人头部简化为球体进行物理光学近似计算,计算公式为:
σs=πr2。
6.如权利要求5所述的一种基于3D信息的毫米波雷达模型目标可见性判断方法,其特征在于,所述步骤2.4)计算目标物体各几何面被遮挡后的可见面积的具体过程为:
采用射线矩阵方法计算可见部分面积:
假设由雷达发出的波简化为射线束分别与任何物体表面相交,交点用数值表示,所有射线与物体表面形成的交点称为射线矩阵,射线经过遮挡体会在其后部产生阴影,目标物体完全处于遮挡体的阴影区内,则被完全遮挡,目标物体部分处于阴影区内则被部分遮挡;
在目标物体表面用等大的方块进行分割,每个方块代表一束射线照射的范围,射线可以到达的方块标记为1,射线因为遮挡不能到达的方块标记为0,则可得到每一个几何表面的射线矩阵;
射线矩阵所有中标记为1的方块所占面积即为目标物体被遮挡后的可见区域面积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011081805.5A CN112083415B (zh) | 2020-10-12 | 2020-10-12 | 一种基于3d信息的毫米波雷达模型目标可见性判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011081805.5A CN112083415B (zh) | 2020-10-12 | 2020-10-12 | 一种基于3d信息的毫米波雷达模型目标可见性判断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112083415A true CN112083415A (zh) | 2020-12-15 |
CN112083415B CN112083415B (zh) | 2021-10-29 |
Family
ID=73731190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011081805.5A Active CN112083415B (zh) | 2020-10-12 | 2020-10-12 | 一种基于3d信息的毫米波雷达模型目标可见性判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112083415B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113075659A (zh) * | 2021-03-30 | 2021-07-06 | 北京环境特性研究所 | 一种平坦场景网格模型自适应分区预处理方法和系统 |
CN113109775A (zh) * | 2021-04-15 | 2021-07-13 | 吉林大学 | 考虑目标表面覆盖特征的毫米波雷达目标可见性判断方法 |
CN115019557A (zh) * | 2022-06-09 | 2022-09-06 | 杭州电子科技大学 | 基于tuio协议的车道虚拟边界构建及越界检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130094706A1 (en) * | 2010-06-18 | 2013-04-18 | Canon Kabushiki Kaisha | Information processing apparatus and processing method thereof |
CN105842675A (zh) * | 2016-06-07 | 2016-08-10 | 吉林大学 | 一种针对汽车雷达目标的rcs实时估算方法 |
CN109558568A (zh) * | 2018-11-21 | 2019-04-02 | 西安电子科技大学 | 一种基于cuda的目标rcs计算方法 |
CN110007279A (zh) * | 2019-04-04 | 2019-07-12 | 吉林大学 | 一种基于毫米波雷达模型的目标可见性判断方法 |
CN110083904A (zh) * | 2019-04-18 | 2019-08-02 | 南京理工大学 | 基于gpu加速的量子雷达散射截面计算方法 |
CN110580742A (zh) * | 2018-06-07 | 2019-12-17 | 南京理工大学 | 基于gpu并行的sbr实现目标电磁散射特性建模与分析的方法 |
CN110988881A (zh) * | 2019-10-31 | 2020-04-10 | 惠州市德赛西威智能交通技术研究院有限公司 | 一种车载毫米波雷达的目标检测方法及其车载雷达系统 |
-
2020
- 2020-10-12 CN CN202011081805.5A patent/CN112083415B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130094706A1 (en) * | 2010-06-18 | 2013-04-18 | Canon Kabushiki Kaisha | Information processing apparatus and processing method thereof |
CN105842675A (zh) * | 2016-06-07 | 2016-08-10 | 吉林大学 | 一种针对汽车雷达目标的rcs实时估算方法 |
CN110580742A (zh) * | 2018-06-07 | 2019-12-17 | 南京理工大学 | 基于gpu并行的sbr实现目标电磁散射特性建模与分析的方法 |
CN109558568A (zh) * | 2018-11-21 | 2019-04-02 | 西安电子科技大学 | 一种基于cuda的目标rcs计算方法 |
CN110007279A (zh) * | 2019-04-04 | 2019-07-12 | 吉林大学 | 一种基于毫米波雷达模型的目标可见性判断方法 |
CN110083904A (zh) * | 2019-04-18 | 2019-08-02 | 南京理工大学 | 基于gpu加速的量子雷达散射截面计算方法 |
CN110988881A (zh) * | 2019-10-31 | 2020-04-10 | 惠州市德赛西威智能交通技术研究院有限公司 | 一种车载毫米波雷达的目标检测方法及其车载雷达系统 |
Non-Patent Citations (2)
Title |
---|
FRANK WEINMANN: "Ray Tracing With PO/PTD for RCS Modeling of Large Complex Objects", 《IEEE TRANSACTIONS ON ANTENNAS AND PROPAGATION》 * |
张月园 等: "高频RCS 预估中判别阴影区域的并行算法", 《井冈山大学学报(自然科学版)》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113075659A (zh) * | 2021-03-30 | 2021-07-06 | 北京环境特性研究所 | 一种平坦场景网格模型自适应分区预处理方法和系统 |
CN113075659B (zh) * | 2021-03-30 | 2022-10-04 | 北京环境特性研究所 | 一种平坦场景网格模型自适应分区预处理方法和系统 |
CN113109775A (zh) * | 2021-04-15 | 2021-07-13 | 吉林大学 | 考虑目标表面覆盖特征的毫米波雷达目标可见性判断方法 |
CN113109775B (zh) * | 2021-04-15 | 2022-07-29 | 吉林大学 | 考虑目标表面覆盖特征的毫米波雷达目标可见性判断方法 |
CN115019557A (zh) * | 2022-06-09 | 2022-09-06 | 杭州电子科技大学 | 基于tuio协议的车道虚拟边界构建及越界检测方法 |
CN115019557B (zh) * | 2022-06-09 | 2024-05-14 | 杭州电子科技大学 | 基于tuio协议的车道虚拟边界构建及越界检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112083415B (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112083415B (zh) | 一种基于3d信息的毫米波雷达模型目标可见性判断方法 | |
Heinzler et al. | Weather influence and classification with automotive lidar sensors | |
US11768293B2 (en) | Method and device for adjusting parameters of LiDAR, and LiDAR | |
CN107632308B (zh) | 一种基于递归叠加算法的车辆前方障碍物轮廓检测方法 | |
Zhao et al. | Method and applications of LiDAR modeling for virtual testing of intelligent vehicles | |
CN117441113A (zh) | 一种面向车路协同的感知信息融合表征及目标检测方法 | |
US11442162B2 (en) | Millimeter wave radar modeling-based method for object visibility determination | |
CN104865562A (zh) | 基于混合模型的雷达非合作目标的识别方法 | |
Rosenberger et al. | Benchmarking and functional decomposition of automotive lidar sensor models | |
US10133834B2 (en) | Method for simulating wave propagation; simulator, computer program and recording medium for implementing the method | |
EP4296713A1 (en) | Target detection method, storage medium, electronic device, and vehicle | |
CN117269940B (zh) | 点云数据生成方法、激光雷达的感知能力验证方法 | |
Ngo et al. | A multi-layered approach for measuring the simulation-to-reality gap of radar perception for autonomous driving | |
Zhu et al. | Millimeter-wave radar in-the-loop testing for intelligent vehicles | |
Abadpour et al. | Extraction of scattering centers using a 77 GHz FMCW radar | |
Linnhoff et al. | Refining object-based LiDAR sensor modeling—Challenging ray tracing as the magic bullet | |
Wachtel et al. | Validation of a radar sensor model under non-ideal conditions for testing automated driving systems | |
CN113156384A (zh) | 传感器校准 | |
CN114755666B (zh) | 点云膨胀的评估方法、装置及设备 | |
Martowicz et al. | Uncertainty propagation for vehicle detections in experimentally validated radar model for automotive application | |
EP3937307A1 (en) | Point-source model for simulating near-field effects from structures of an antenna | |
CN113075659B (zh) | 一种平坦场景网格模型自适应分区预处理方法和系统 | |
Sun et al. | Mathematical Method for Lidar-based Obstacle Detection of Intelligent Vehicle | |
Genser et al. | Occlusion Model—A Geometric Sensor Modeling Approach for Virtual Testing of ADAS/AD Functions | |
CN111257881A (zh) | 一种动态道路交会场景目标车辆散射建模方法 |
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 |