CN112098990B - 车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法 - Google Patents
车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法 Download PDFInfo
- Publication number
- CN112098990B CN112098990B CN202011302063.4A CN202011302063A CN112098990B CN 112098990 B CN112098990 B CN 112098990B CN 202011302063 A CN202011302063 A CN 202011302063A CN 112098990 B CN112098990 B CN 112098990B
- Authority
- CN
- China
- Prior art keywords
- speed
- vehicle
- tracking
- point cloud
- target
- 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
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
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- 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
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
-
- 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
- G01S7/414—Discriminating targets with respect to background clutter
Abstract
本发明公开了一种车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法,利用两个不同配置的子帧交替运行,子帧1为主帧,完成高分辨目标检测与跟踪,子帧2为从帧,配置较宽的测速范围但角分辨力不高,完成自身车速V0的测量,辅助主帧进行检测与跟踪时的速度补偿,本发明中的中高速运动车辆的检测与跟踪方法针对车载高分辨毫米波雷达受速度模糊影响较大的问题,能够在获得较高角分辨的同时,获得自身车速V0和目标车速的准确估计值,使目标车辆的跟踪更加稳定,有效提高了预警准确率。
Description
技术领域
本发明涉及车辆检测技术领域,尤其涉及车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法。
背景技术
随着经济的飞速发展,全国机动车保有量高达3.4亿辆, 并且还在不断增大。普通的车载雷达的角分辨能力差,已不能满足日益增长的需求,而高分辨雷达的角分辨能力强可以成像。在前向预警的使用过程中对运动车辆的检测是个重要的问题。因此如何利用各种智能传感器探测技术解决运动车辆的检测与跟踪问题一直以来备受关注。
目前常用的车辆的检测与跟踪包括以下几种:(1)激光雷达检测技术。激光雷达向前方车辆发射激光束,将车辆反射回的信号与发送信号进行比较,就可以获得车辆的位置,速度。优点:结构简单、精度高、测量距离远、响应速度快;缺点:易受天气的影响,尤其是强光的影响。(2)超声波检测技术。超声波在空气中传播,遇到车辆会反射回来,由发射与接收的时间差,可计算发射器到车辆的距离。优点:超声波指向性强、能耗低;缺点:测距近、精度低、测量复杂,需对准目标,易受其它物体影响。(3)毫米波检测技术。车载毫米波雷达一般发射高频连续波,其频率随时间按照三角波规律变化。雷达接收的回波的频率与发射的频率变化规律相同,都是三角波规律,只是有一个时间差,利用这个微小的时间差可计算出目标距离。通过频谱分析、恒虚警目标检测、点云聚类及跟踪等技术,即可实现对运动车辆的检测与跟踪。优点:准确测量远距离运动车辆距离和速度等信息,造价较低,可以全天候工作,受天气影响较小;缺点:角分辨率不高,技术复杂。高分辨毫米波雷达为获得较高的角分辨,通常需要多个发射天线,且分时打开,chirp(线性调频)时间间隔较长,导致速度模糊严重,难以检测跟踪速度较高的车辆。
发明内容
本发明的目的是为了解决现有技术中车载高分辨毫米波雷达受速度模糊影响较大的问题,而提出的车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法,在获得较高角分辨的同时,获得自身车速和目标车速的准确估计值。
为了实现上述目的,本发明采用了如下技术方案:
本技术方案利用两个不同配置的子帧交替运行。子帧1为主帧,完成高分辨目标检测与跟踪。子帧2为从帧,配置较宽的测速范围但角分辨力不高,完成自身车速V0的测量,辅助主帧进行检测与跟踪时的速度补偿。主要步骤如下:
S1:射频前端交替发射两种配置的波形,接收机采集回波数据后分别进行混频和ADC采样;
S2:子帧2的ADC数据经过距离维和速度维傅里叶变换后,得到距离-多普勒矩阵,经过恒虚警目标检测和AOA(到达角估计)后得到场景内目标点云;
S3:从子帧2的点云中筛选出相对背景静止的目标点,根据角度信息和得到其径向相对速度在车辆行驶方向上的速度投影值,经统计平均后得到自身车速V0;
S4:子帧1的ADC数据经过距离维和速度维傅里叶变换后,得到距离-多普勒矩阵,在AOA环节中,利用子帧2传入的自身车速V0进行chirp间运动补偿,以获得更聚焦的空间谱和更准确的高分辨点云。
S5:子帧1的点云中,运动目标的测量速度与自身车速V0相叠加,得到相对地面的真实速度,与距离、角度等信息一并输入滤波器进行目标跟踪。
上述车载高分辨毫米波雷达对于中高速运动车辆的检测与跟踪方法,通过向安装车辆的前向区域发射 77G 毫米波,以及接收大量的回波信号,因此,在检测与跟踪时,对每一帧的回波信息进行数据处理,将处理结果作为一个点云数据,依次建立点云数据集。通过跟踪有效地过滤掉虚假目标。本发明实施例,在检测与跟踪时,通过大量的参照物以及点云数据分析,可以准确实时对中高速运动车辆的检测与跟踪。
其中,子帧1加入基于卡尔曼滤波的gtrack跟踪算法实现目标的检测及跟踪。优选的,子帧2在此针对点云数据集中的点云数据,若点云数据集对应 X 轴正负两侧的点云数据的数量同时大于一个点且速度相等,则确定该点云数据为有效点云数据,根据所述有效点云数据,确定自身车速V0。
在所述步骤S4中,所述子帧1经过恒虚警检测得到目标距离和速度信息,优选的,所述子帧1的恒虚警检测采用分段的形式,具体如下:在距离维检测时分成两段,每段的阈值随着距离而相应地降低。例如距离维共有256个采样点,在第40个采样点位置处进行分段。这样做可以自适应回波能量因距离而衰减,提高远距离的目标检测概率。
优选的,所述步骤S4中,利用子帧2测得自身车速V0对子帧1进行恒虚警检测加入运动速度补偿,包括以下步骤:
A1:判断自身车速V0是否大于设定值;
A11:若是,则根据距离多普勒矩阵找到能量最强的多普勒通道,将原来的默认以多普勒索引为0的通道作为零多普勒通道替换成最强通道的索引;
A12:计算出目标的真实的多普勒索引,最后根据速度分辨单元得到目标补偿后的速度;
A21:若否,则不进行速度补偿。
优选的,本发明中子帧1还需要进一步确定前方运动车辆的速度。具体如下:将子帧1中所有点云的速度都加上子帧2 输出的自身车速V0,通过本实施例的技术方案,可以为跟踪算法提供更加准确的目标初始速度,尽快形成稳定的航迹。
优选的,所述步骤S5中,帧1采用基于扩展卡尔曼滤波的gtrack跟踪算法,并结合子帧2传入的自身车速V0进行优化,可以使跟踪更加稳定。所述优化步骤包括以下操作:
B1:判断子帧2的自身车速V0是否大于设定值,若是,将跟踪航迹生成的最小速度进行调整;若否,就采用默认值;
B2:航迹预测时,航迹预测的y坐标如果小于0,则认为该航迹无效并删除;
B3:在航迹预测与航迹分配时分别根据航迹的速度匹配响应的关联门限;
B4:航迹关联时,航迹的速度大于设定值并且点云的速度减去自身车速V0大于设定值,认为该航迹为动态航迹只与动态点关联;反之,认为静态航迹只与静态点云关联。
优选的,在将跟踪信息输出时,进行相应的过滤操作,过滤操作包括以下步骤:对航迹的X坐标是否在设定范围内进行判断,并且保持航迹的关联的帧数要大于设定帧数,若是,则进行输出;若否,则不输出。通过过滤操作,只需关注所需要区域的目标信息,可以减少误报率。
本发明的有益效果是:本发明针对车载高分辨毫米波雷达受速度模糊影响较大的问题,所提出的中高速运动车辆的检测与跟踪的新方法能够在获得较高角分辨(优于2度)的同时,获得自身车速V0和目标车速的准确估计值,使目标车辆的跟踪更加稳定,有效提高了预警准确率。
附图说明
图1为本车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法的流程图。
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。
参照图1,图1提供了车载高分辨毫米波雷达对于中高速运动车辆的检测与跟踪的具体方法。
本技术方案利用两个不同配置的子帧交替运行。子帧1为主帧,完成高分辨目标检测与跟踪。子帧2为从帧,配置较宽的测速范围但角分辨力不高,完成自身车速V0的测量,辅助主帧进行检测与跟踪时的速度补偿。主要步骤如下:
S1:射频前端交替发射两种配置的波形,接收机采集回波数据后分别进行混频和ADC采样;
S2:子帧2的ADC数据经过距离维和速度维傅里叶变换后,得到距离-多普勒矩阵,经过恒虚警目标检测和AOA(到达角估计)后得到场景内目标点云;
S3:从子帧2的点云中筛选出相对背景静止的目标点,根据角度信息和得到其径向相对速度在车辆行驶方向上的速度投影值,经统计平均后得到自身车速V0;
S4:子帧1的ADC数据经过距离维和速度维傅里叶变换后,得到距离-多普勒矩阵,在AOA环节中,利用子帧2传入的自身车速V0进行chirp间运动补偿,以获得更聚焦的空间谱和更准确的高分辨点云。
S5:子帧1的点云中,运动目标的测量速度与自身车速V0相叠加,得到相对地面的真实速度,与距离、角度等信息一并输入滤波器进行目标跟踪。
上述车载高分辨毫米波雷达对于中高速运动车辆的检测与跟踪方法,通过向安装车辆的前向区域发射 77G 毫米波,以及接收大量的回波信号,因此,在检测与跟踪时,对每一帧的回波信息进行数据处理,将处理结果作为一个点云数据,依次建立点云数据集。通过跟踪有效地过滤掉虚假目标。本发明实施例,在检测与跟踪时,通过大量的参照物以及点云数据分析,可以准确实时对中高速运动车辆的检测与跟踪。
其中,子帧1加入基于卡尔曼滤波的gtrack跟踪算法实现目标的检测及跟踪。本实施例中,子帧2在此针对点云数据集中的点云数据,若点云数据集对应 X 轴正负两侧的点云数据的数量同时大于一个点且速度相等,则确定该点云数据为有效点云数据,根据所述有效点云数据,确定自身车速V0。
在所述步骤S4中,所述子帧1经过恒虚警检测得到目标距离和速度信息,本实施例中,所述子帧1的恒虚警检测采用分段的形式,具体如下:在距离维检测时分成两段,每段的阈值随着距离而相应地降低。例如距离维共有256个采样点,在第40个采样点位置处进行分段。这样做可以自适应回波能量因距离而衰减,提高远距离的目标检测概率。
本实施例中,所述步骤S4中,利用子帧2测得自身车速V0对子帧1进行恒虚警检测加入运动速度补偿,包括以下步骤:
A1:判断自身车速V0是否大于设定值;
A11:若是,则根据距离多普勒矩阵找到能量最强的多普勒通道,将原来的默认以多普勒索引为0的通道作为零多普勒通道替换成最强通道的索引;
A12:计算出目标的真实的多普勒索引,最后根据速度分辨单元得到目标补偿后的速度;
A21:若否,则不进行速度补偿。
本实施例中,设置值可以通过 77G毫米波雷达的发射参数确定,例如,选择设置值为 0.1,设置值越小,得出的速度相对更加精准。
本实施例中,本发明中子帧1还需要进一步确定前方运动车辆的速度。具体如下:将子帧1中所有点云的速度都加上子帧2 输出的自身车速V0,通过本实施例的技术方案,可以为跟踪算法提供更加准确的目标初始速度,尽快形成稳定的航迹。
本实施例中,所述步骤S5中,帧1采用基于扩展卡尔曼滤波的gtrack跟踪算法,并结合子帧2传入的自身车速V0进行优化,可以使跟踪更加稳定。所述优化步骤包括以下操作:
B1:判断子帧2的自身车速V0是否大于设定值,若是,将跟踪航迹生成的最小速度进行调整;若否,就采用默认值;
B2:航迹预测时,航迹预测的y坐标如果小于0,则认为该航迹无效并删除;
B3:在航迹预测与航迹分配时分别根据航迹的速度匹配响应的关联门限;
B4:航迹关联时,航迹的速度大于设定值并且点云的速度减去自身车速V0大于设定值,认为该航迹为动态航迹只与动态点关联;反之,认为静态航迹只与静态点云关联。
本实施例中,在将跟踪信息输出时,进行相应的过滤操作,过滤操作包括以下步骤:对航迹的X坐标是否在设定范围内进行判断,并且保持航迹的关联的帧数要大于设定帧数,若是,则进行输出;若否,则不输出。通过过滤操作,只需关注所需要区域的目标信息,可以减少误报率。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (6)
1.车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法,其特征在于,包括以下步骤:
S1:射频前端交替发射两种配置的波形,接收机采集回波数据后分别进行混频和ADC采样;
S2:子帧2的ADC数据经过距离维和速度维傅里叶变换后,得到距离-多普勒矩阵,经过恒虚警目标检测和AOA估计后得到场景内目标点云;
S3:从子帧2的点云中筛选出相对背景静止的目标点,根据角度信息和得到其径向相对速度在车辆行驶方向上的速度投影值,经统计平均后得到自身车速V0;
S4:子帧1的ADC数据经过距离维和速度维傅里叶变换后,得到距离-多普勒矩阵,在AOA估计环节中,利用子帧2传入的自身车速V0进行chirp间运动补偿,以获得更聚焦的空间谱和更准确的高分辨点云;
S5:在子帧1的点云中,运动目标的测量速度与自身车速V0相叠加,得到相对地面的真实速度,与距离、角度信息一并输入滤波器进行目标跟踪。
2.根据权利要求1所述的车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法,其特征在于,在所述步骤S3中,对点云数据集中的点云数据,若点云数据集对应 X 轴正负两侧的点云数据的数量同时大于一个点且速度相等,则确定该点云数据为有效点云数据,根据所述有效点云数据,确定自身车速V0。
3.根据权利要求1所述的车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法,其特征在于,在所述步骤S4中,所述子帧1经过恒虚警检测得到目标距离和速度信息,所述子帧1的恒虚警检测采用分段的形式,在距离维检测时分成两段,每段的阈值随着距离而相应地降低。
4.根据权利要求1所述的车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法,其特征在于,所述步骤S4中,子帧2测得自身车速V0对子帧1进行恒虚警检测加入运动速度补偿,包括以下步骤:
A1:判断自身车速V0是否大于设定值;
A11:若是,则根据距离多普勒矩阵找到能量最强的多普勒通道,将原来的默认以多普勒索引为0的通道作为零多普勒通道替换成最强通道的索引;
A12:计算出目标的真实的多普勒索引,最后根据速度分辨单元得到目标补偿后的速度;
A21:若否,则不进行速度补偿。
5.根据权利要求1所述的车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法,其特征在于,所述步骤S5中,帧1采用基于扩展卡尔曼滤波的gtrack跟踪算法,并结合子帧2传入的自身车速V0进行优化,优化步骤包括以下操作:
B1:判断子帧2的自身车速V0是否大于设定值,若是,将跟踪航迹生成的最小速度进行调整;若否,就采用默认值;
B2:航迹预测时,航迹预测的y坐标如果小于0,则认为该航迹无效并删除;
B3:在航迹预测与航迹分配时分别根据航迹的速度匹配响应的关联门限;
B4:航迹关联时,航迹的速度大于设定值并且点云的速度减去自身车速V0大于设定值,认为该航迹为动态航迹只与动态点关联;反之,认为静态航迹只与静态点云关联。
6.根据权利要求5所述的车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法,其特征在于,在将跟踪信息输出时,进行相应的过滤操作,过滤操作包括以下步骤:对航迹的X坐标是否在设定范围内进行判断,并且保持航迹的关联的帧数要大于设定帧数,若是,则进行输出;若否,则不输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011302063.4A CN112098990B (zh) | 2020-11-19 | 2020-11-19 | 车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011302063.4A CN112098990B (zh) | 2020-11-19 | 2020-11-19 | 车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112098990A CN112098990A (zh) | 2020-12-18 |
CN112098990B true CN112098990B (zh) | 2021-02-02 |
Family
ID=73785334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011302063.4A Active CN112098990B (zh) | 2020-11-19 | 2020-11-19 | 车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112098990B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113109798A (zh) * | 2021-03-01 | 2021-07-13 | 福瑞泰克智能系统有限公司 | 目标检测方法、装置、计算机设备和存储介质 |
CN113791410B (zh) * | 2021-08-20 | 2023-10-24 | 北京市公安局公安交通管理局 | 一种基于多传感器信息融合的道路环境综合认知方法 |
CN114049616B (zh) * | 2021-12-01 | 2022-09-09 | 清华大学 | 一种基于模糊分类的立体空间目标检测方法及系统 |
CN114488053B (zh) * | 2021-12-14 | 2023-03-24 | 江苏航天大为科技股份有限公司 | 一种基于毫米波雷达的静止车辆判别方法 |
CN115050192B (zh) * | 2022-06-09 | 2023-11-21 | 南京矽典微系统有限公司 | 基于毫米波雷达的停车位检测的方法及应用 |
CN114814778B (zh) * | 2022-06-29 | 2022-09-20 | 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 |
CN115575922B (zh) * | 2022-12-07 | 2023-03-03 | 中国人民解放军国防科技大学 | 基于车载fmcw毫米波雷达的动目标检测方法和装置 |
CN116299300B (zh) * | 2023-05-15 | 2023-08-08 | 北京集度科技有限公司 | 可行驶区域的确定方法、装置、计算机设备及存储介质 |
CN116299302B (zh) * | 2023-05-19 | 2023-08-01 | 南京隼眼电子科技有限公司 | 交通工具本体速度确定方法、雷达系统和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102121989A (zh) * | 2010-01-08 | 2011-07-13 | 清华大学 | 一种同时测量高速运动目标的速度和距离的方法 |
CN105372649A (zh) * | 2015-11-03 | 2016-03-02 | 黄中瑞 | 基于双路自适应采样滤波的铁路机车测速方法 |
CN106199582A (zh) * | 2016-06-23 | 2016-12-07 | 长沙学院 | 应用于室内的双频连续波雷达人体定位跟踪的方法 |
CN107966688A (zh) * | 2017-11-09 | 2018-04-27 | 东南大学 | 基于相位干涉技术的宽带雷达目标速度解模糊方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11204647B2 (en) * | 2017-09-19 | 2021-12-21 | Texas Instruments Incorporated | System and method for radar gesture recognition |
-
2020
- 2020-11-19 CN CN202011302063.4A patent/CN112098990B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102121989A (zh) * | 2010-01-08 | 2011-07-13 | 清华大学 | 一种同时测量高速运动目标的速度和距离的方法 |
CN105372649A (zh) * | 2015-11-03 | 2016-03-02 | 黄中瑞 | 基于双路自适应采样滤波的铁路机车测速方法 |
CN106199582A (zh) * | 2016-06-23 | 2016-12-07 | 长沙学院 | 应用于室内的双频连续波雷达人体定位跟踪的方法 |
CN107966688A (zh) * | 2017-11-09 | 2018-04-27 | 东南大学 | 基于相位干涉技术的宽带雷达目标速度解模糊方法 |
Non-Patent Citations (1)
Title |
---|
车载毫米波雷达技术及测试方法;苏赓 等;《电信网技术》;20170630(第6期);第1-6页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112098990A (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112098990B (zh) | 车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法 | |
CN100365429C (zh) | 一种合成孔径雷达运动目标成像方法 | |
EP3494404B1 (en) | System and method for detecting heading and velocity of a target object | |
WO2021077287A1 (zh) | 一种检测方法、检测装置以及存储介质 | |
EP3767333B1 (en) | Method and system for height estimation in ultra-short-range radar | |
US20190346548A1 (en) | Filtering to address range walk effect in range-doppler map | |
CN109946659B (zh) | 一种车载毫米波雷达线性调频连续波运动频率扩展校正方法 | |
CN112162283A (zh) | 一种全路段组网交通雷达多目标探测系统 | |
Cui et al. | 3D detection and tracking for on-road vehicles with a monovision camera and dual low-cost 4D mmWave radars | |
US20210323560A1 (en) | Vehicle speed calculation method, system, device, and storage medium | |
CN110940973B (zh) | 一种用于雷达目标检测的角度测量方法及装置 | |
CN107783130B (zh) | 基于组合波形的无人驾驶汽车复杂环境防碰撞系统信号处理方法 | |
CN112863230A (zh) | 空车位检测方法及装置、车辆和计算机设备 | |
CN112098965A (zh) | 一种基于毫米波雷达的载体姿态角解算方法 | |
CN116299473A (zh) | 一种基于mimo毫米波雷达的横穿目标探测方法 | |
CN110542902B (zh) | 一种适用于车载毫米波雷达的简易测高方法 | |
CN112689773B (zh) | 雷达信号处理方法和雷达信号处理装置 | |
Kruse et al. | Target classification based on near-distance radar sensors | |
CN112166341B (zh) | 速度确定方法、设备和存储介质 | |
CN114859337A (zh) | 数据处理方法、装置、电子设备、计算机存储介质 | |
CN112698291B (zh) | 一种基于cnn的机载气象雷达气象目标检测方法 | |
Tian et al. | Motion Parameter Estimation Based on Overlapping Elements for TDM-MIMO FMCW Radar | |
CN112462086B (zh) | 一种测速方法、装置及可读存储介质 | |
CN114047501B (zh) | 一种基于毫米波雷达的室内定位系统 | |
Zaumseil et al. | Radar-based near field environment perception using back projection algorithm |
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 |