CN112162250B - 一种基于全fov受限识别的雷达遮挡检测方法及系统 - Google Patents
一种基于全fov受限识别的雷达遮挡检测方法及系统 Download PDFInfo
- Publication number
- CN112162250B CN112162250B CN202010888866.6A CN202010888866A CN112162250B CN 112162250 B CN112162250 B CN 112162250B CN 202010888866 A CN202010888866 A CN 202010888866A CN 112162250 B CN112162250 B CN 112162250B
- Authority
- CN
- China
- Prior art keywords
- radar
- shielding
- detection
- vehicle
- full fov
- 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
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
- 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
- G01S7/40—Means for monitoring or calibrating
- G01S7/4004—Means for monitoring or calibrating of parts of a radar system
-
- 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
- G01S7/40—Means for monitoring or calibrating
- G01S7/4004—Means for monitoring or calibrating of parts of a radar system
- G01S7/4039—Means for monitoring or calibrating of parts of a radar system of sensor or antenna obstruction, e.g. dirt- or ice-coating
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)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于全FOV受限识别的雷达遮挡检测方法及系统,通过对当前行车环境进行识别,判断当前环境是否为停车场、封闭角落等非直接异物覆盖但是导致雷达全FOV探测距离受到限制的场景,若是,则暂时取消遮挡检测功能,同时结合车身CAN信息,可以识别车辆是否已经驶出这一类特殊场景的状态,进而判断是否再次开启遮挡检测功能,如是,则进入常规的直接异物覆盖遮挡检测,从而有效降低了雷达遮挡状况的误报率,该方法鲁棒性强,对算力要求低,保证了车载毫米波雷达系统对环境的感知能力,且满足车载毫米波雷达诊断应用的实时性。
Description
技术领域
本发明涉及车载信息检测技术领域,尤其是涉及一种基于全FOV受限识别的雷达遮挡检测方法及系统。
背景技术
毫米波雷达具有体积小、质量轻、空间分辨率高和全天候(大雨天除外)全天时等特点,尤其对于调频连续波(Frequency Modulation Continuous Wave,FMCW)雷达,因其测距无盲区、易于实现小型化等优点,在汽车领域备受青睐,成为汽车对周围环境感知的重要器件之一。然而,车载毫米波雷达装车使用过程中,由于毫米波雷达正前方的车身容易被湿雪、污泥或其他物体覆盖,即雷达表征为直接覆盖的全视场角(Filed Of View,FOV)受限的遮挡,进而导致雷达对目标的检测性能受损,严重遮挡时,雷达完全失去对周围环境目标的检测能力,使雷达系统不能为本车提供或提供错误的环境感知信息与决策,存在行车危险。针对此问题,现已有的大多遮挡检测算法的实现方法为,统计过恒虚警(Constant FalseAlarm Rate,CFAR)检测门限的点数大小,根据统计值大小并结合一个给定的固定阈值,反应当前雷达系统对环境的感知能力,进而判断雷达装车正前方车身的遮挡情况,在开阔环境下,如城市道路,这种方法确实有效,但是对于停车场、封闭角落等使得雷达的全FOV探测距离受限的特殊场景,现有大多数基于CFAR检测的遮挡检测算法因无法检测到更多目标而极易出现遮挡误报警,而这些特殊场景为用车过程高频次出现场景,在这些高频次场景下出现遮挡误报警将很大程度地降低用户体验。
发明内容
本发明提出了一种基于全FOV受限识别的雷达遮挡检测方法及系统,应用FMCW的车载毫米波雷达为研究基础,提出通过识别非直接异物覆盖导致的雷达全FOV探测距离受限特殊场景以优化基于CFAR检测输出统计的常规遮挡检测方法,以提升毫米波雷达的遮挡检测算法的检测能力,从而完善车载毫米波雷达的遮挡自诊断功能。
具体为:
一种基于全FOV受限识别的雷达遮挡检测方法,包括以下步骤,
S1:采集雷达回波信号并进行信号预处理;基于预处理的结果进行非直接异物覆盖而导致雷达全FOV受限的特征提取;转S2;
S2:判断当前场景是否属于非直接异物覆盖而导致雷达全FOV受限的场景,若属于,则转S3;否则,转S4;
S3:若当前帧的上一帧被检测为全FOV受限场景,则读取当前帧对应车身CAN信息,获取车辆档位信息和车速信息;若车辆档位为倒车档,则暂时取消直接异物覆盖的遮挡检测功能,并在此后持续读取后续帧的车辆档位信息和车速信息,直到车辆档位为前进挡后,开始根据车速信息计算行驶距离,当所述行驶距离大于一阈值时,返回S1;
S4:开启直接异物覆盖遮挡检测功能。
其中,所述信号预处理包括进行信号的数字滤波,去直流处理,加窗处理,及进行快速傅里叶变换。
所述预处理的结果包括时域信号,或回波信号的一维快速傅里叶变换结果,或回波信号的二维快速傅里叶变换结果。
所述阈值为驶离当前场景所需的最小距离。
进一步的,所述S4还包括:获取雷达回波信号,并根据直接异物覆盖而导致雷达遮挡的遮挡检测算法,判断当前雷达是否处于遮挡状态,若是,则启动报警;否则,继续新一轮雷达回波信号判断。
所述报警,包括以文字、语音、或视频方式提示用户。
作为另一优选的,本发明还提供了一种基于全FOV受限识别的雷达遮挡检测系统,具体包括:
雷达信号接收模块:用于采集雷达回波信号,并发送至检测中心;
所述检测中心包括:全FOV受限场景检测模块和直接异物覆盖遮挡检测模块;其中,所述全FOV受限场景检测模块,用于判断当前场景是否属于非直接异物覆盖而导致雷达全FOV受限的场景,并根据判断结果进行控制所述直接异物覆盖的遮挡检测模块的开启或关闭;所述直接异物覆盖遮挡检测模块,用于检测当前雷达是否处于遮挡状态,若是,则启动报警;否则,继续新一轮雷达回波信号判断;
用户终端,用于呈现文字、语音、或视频的报警信息。
其中,所述检测中心还包括:分布式控制系统,用于实时采集车身的车辆档位信息和车速信息,并通过CAN总线与所述检测中心实现数据传输。
所述用户终端为车载显示器,或移动用户端,与所述检测中心电连接或信号连接。
所述雷达信号接收模块固定安装于汽车上任一位置。
综上所述,本发明提供一种基于全FOV受限识别的雷达遮挡检测方法及系统,通过对当前行车环境进行识别,判断当前环境是否为停车场、封闭角落等非直接异物覆盖但是导致雷达全FOV探测距离受到限制的场景,若是,则暂时取消遮挡检测功能,同时结合车身CAN信息,可以识别车辆是否已经驶出这一类特殊场景的状态,进而判断是否再次开启遮挡检测功能,如是,则进入常规的直接异物覆盖遮挡检测,从而有效降低了雷达遮挡状况的误报率,该方法鲁棒性强,对算力要求低,保证了车载毫米波雷达系统对环境的感知能力,且满足车载毫米波雷达诊断应用的实时性。有效地实现了低误报率的车载毫米波雷达遮挡状况检测。
附图说明
图1为一实施例中的基于全FOV受限识别的雷达遮挡检测方法流程图。
图2为一实施例中的基于全FOV受限识别的雷达遮挡检测系统示意图。
具体实施方式
下面将结合具体实施例及附图对本发明的一种基于全FOV受限识别的雷达遮挡检测方法及系统,作进一步详细描述。
雷达遮挡检测作为雷达系统检测自身对环境感知性能的一项基础功能,其本身的检测质量不应该受环境等外界因素的影响,而应具备正确判断直接异物覆盖导致雷达系统的环境感知能力下降与因特殊环境原因而导致的环境感知能力下降的能力,也即是算法应当具有较强的鲁棒性。故本发明基于当前大多数基于CFAR输出点数的遮挡检测算法的缺陷,及非直接异物覆盖导致的雷达全FOV探测距离受限特殊场景进行识别,并将特殊场景的识别结果作为常规遮挡检测算法是否开启的主要依据。进而提出一种基于全FOV受限识别的雷达遮挡检测方法(如图1所示),主要包括全FOV受限场景检测过程和常规直接异物覆盖的遮挡检测过程,具体实现步骤如下。
1)采集雷达回波信号并进行信号预处理;其中,预处理可选为进行数字滤波、去直流处理、加窗处理、进行快速傅里叶变换,但不限于此。
2)基于预处理的结果,即时域信号,或一维快速傅里叶变换结果,或二维快速傅里叶变换结果,进行非直接异物覆盖而导致雷达全FOV受限的特征提取。
3)判断当前场景是否属于非直接异物覆盖而导致雷达全FOV受限的场景,若属于,则进行步骤4);否则,进行步骤5)。
4)若当前帧的上一帧被检测为全FOV受限场景,则读取当前帧对应车身CAN信息,获取车辆档位信息和车速信息;若车辆档位为倒车档,则暂时取消直接异物覆盖的遮挡检测功能,并此后持续读取车辆档位信息和车速信息,直到车辆档位为前进挡时,并在此后时间里,根据车速信息计算行驶距离,当所述行驶距离大于一阈值时,返回1),重新执行本过程。其中,所述阈值优选为驶离当前场景所需的最小距离X,单位为米。
5)开启直接异物覆盖遮挡检测功能,并进入常规的直接异物覆盖而导致雷达遮挡的遮挡检测过程,具体包括:获取雷达回波信号,并根据直接异物覆盖而导致雷达遮挡的遮挡检测算法,判断当前雷达是否处于遮挡状态,若是,则启动报警;否则,继续新一轮雷达回波信号判断。其中,所述报警,包括以文字、语音、或视频方式提示用户,但不限于此。
由此可见,本发明以应用FMCW的车载毫米波雷达为研究基础,提出通过识别非直接异物覆盖导致雷达全FOV探测距离受限的特殊场景以优化基于CFAR检测输出统计的常规遮挡检测方法,提升毫米波雷达的遮挡检测算法的检测能力,从而完善车载毫米波雷达的遮挡自诊断功能。
作为另一优选的,本发明还提供了一种基于全FOV受限识别的雷达遮挡检测系统(如图2所示),包括:
雷达信号接收模块:用于采集雷达回波信号,并发送至检测中心;
所述检测中心包括:全FOV受限场景检测模块和直接异物覆盖遮挡检测模块;其中,所述全FOV受限场景检测模块,用于判断当前场景是否属于非直接异物覆盖而导致雷达全FOV受限的场景,并根据判断结果进行控制所述直接异物覆盖的遮挡检测模块的开启或关闭;所述直接异物覆盖遮挡检测模块,用于检测当前雷达是否处于遮挡状态,若是,则启动报警;否则,继续新一轮雷达回波信号判断;
用户终端,用于呈现文字、语音、或视频的报警信息。
进一步的,所述检测中心还包括:分布式控制系统,用于实时采集车身的车辆档位信息和车速信息,并通过CAN总线与所述检测中心实现数据传输。
其中,所述用户终端为车载显示器,或移动用户端,与所述检测中心电连接或信号连接。
所述雷达信号接收模块固定安装于汽车上任一位置。
综上所述,本发明提供了一种基于全FOV受限识别的雷达遮挡检测方法及系统,通过对采集的雷达回波信号进行判断当前场景是否属于非直接异物覆盖而导致雷达全FOV受限的场景,若是,则暂时取消直接异物覆盖的遮挡检测功能;待进行行车调整后,进一步结合采集的车辆档位信息和车速信息,进行判断当前场景是否已经不处于雷达全FOV探测距离受到限制的场景,若是,则开启直接异物覆盖遮挡检测功能,从而确保检测系统自身的环境感知能力,避免出现误报警情况,提高系统在如停车场、封闭角落等多种环境下的可靠性和数据真实有效性。
以上参照附图说明了本发明的优选实施例,本领域技术人员不脱离本发明的范围和实质,可以有多种变型方案实现本发明。举例而言,作为一个实施例的部分示出或描述的特征可用于另一实施例以得到又一实施例。以上仅为本发明较佳可行的实施例而已,并非因此局限本发明的权利范围,凡运用本发明说明书及附图内容所作的等效变化,均包含于本发明的权利范围之内。
Claims (10)
1.一种基于全FOV受限识别的雷达遮挡检测方法,其特征在于,包括以下步骤:
S1:采集雷达回波信号并进行信号预处理;基于预处理的结果进行非直接异物覆盖而导致雷达全FOV受限的特征提取;转S2;
S2:判断当前场景是否属于非直接异物覆盖而导致的全FOV受限场景,若属于,则转S3;否则,转S4;
S3:若当前帧的上一帧被检测为全FOV受限场景,则读取当前帧对应车身CAN信息,获取车辆档位信息和车速信息;若车辆档位为倒车档,则暂时取消直接异物覆盖的遮挡检测功能,并在此后持续读取后续帧的车辆档位信息和车速信息,直到车辆档位为前进挡后,开始根据车速信息计算行驶距离,当所述行驶距离大于一阈值时,返回S1;
S4:开启直接异物覆盖遮挡检测功能。
2.根据权利要求1所述的方法,其特征在于,所述信号预处理包括进行信号的数字滤波,去直流处理,加窗处理,及进行快速傅里叶变换。
3.根据权利要求1所述的方法,其特征在于,所述预处理的结果包括时域信号,或回波信号的一维快速傅里叶变换结果,或回波信号的二维快速傅里叶变换结果。
4.根据权利要求1所述的方法,其特征在于,所述阈值为驶离当前场景所需的最小距离。
5.根据权利要求1所述的方法,其特征在于,所述S4还包括:获取雷达回波信号,并根据直接异物覆盖而导致雷达遮挡的遮挡检测算法,判断当前雷达是否处于遮挡状态,若是,则启动报警;否则,继续新一轮雷达回波信号判断。
6.根据权利要求5所述的方法,其特征在于,所述报警,包括以文字、语音、或视频方式提示用户。
7.一种基于全FOV受限识别的雷达遮挡检测系统,其特征在于,包括:
雷达信号接收模块:用于采集雷达回波信号,并发送至检测中心;
所述检测中心包括:全FOV受限场景检测模块和直接异物覆盖遮挡检测模块;其中,所述全FOV受限场景检测模块,用于判断当前场景是否属于非直接异物覆盖而导致的全FOV受限场景,并根据判断结果进行控制所述直接异物覆盖的遮挡检测模块的开启或关闭;所述直接异物覆盖遮挡检测模块,用于检测当前雷达是否处于遮挡状态,若是,则启动报警;否则,继续新一轮雷达回波信号判断;
用户终端,用于呈现文字、语音、或视频的报警信息。
8.根据权利要求7所述的系统,其特征在于,所述检测中心还包括:分布式控制系统,用于实时采集车身的车辆档位信息和车速信息,并通过CAN总线与所述检测中心实现数据传输。
9.根据权利要求7所述的系统,其特征在于,所述用户终端为车载显示器,或移动用户端,与所述检测中心电连接或信号连接。
10.根据权利要求7所述的系统,其特征在于,所述雷达信号接收模块固定安装于汽车上任一位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010888866.6A CN112162250B (zh) | 2020-08-28 | 2020-08-28 | 一种基于全fov受限识别的雷达遮挡检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010888866.6A CN112162250B (zh) | 2020-08-28 | 2020-08-28 | 一种基于全fov受限识别的雷达遮挡检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112162250A CN112162250A (zh) | 2021-01-01 |
CN112162250B true CN112162250B (zh) | 2023-08-11 |
Family
ID=73859412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010888866.6A Active CN112162250B (zh) | 2020-08-28 | 2020-08-28 | 一种基于全fov受限识别的雷达遮挡检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112162250B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113625235B (zh) * | 2021-06-30 | 2024-03-29 | 惠州市德赛西威智能交通技术研究院有限公司 | 雷达视野受限场景识别方法、存储介质及车载设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007178310A (ja) * | 2005-12-28 | 2007-07-12 | Alpine Electronics Inc | 車載システムおよびレーダ故障診断方法 |
CN101216560A (zh) * | 2008-01-02 | 2008-07-09 | 凌子龙 | 智能倒车泊车雷达 |
JP2013108914A (ja) * | 2011-11-24 | 2013-06-06 | Omron Automotive Electronics Co Ltd | 物体検知装置 |
CN110865365A (zh) * | 2019-11-27 | 2020-03-06 | 江苏集萃智能传感技术研究所有限公司 | 一种基于毫米波雷达的停车场噪声消除方法 |
WO2020087958A1 (zh) * | 2018-10-31 | 2020-05-07 | 广州小鹏汽车科技有限公司 | 基于超声波雷达的异物覆盖处理方法及装置 |
CN111580051A (zh) * | 2020-04-08 | 2020-08-25 | 惠州市德赛西威智能交通技术研究院有限公司 | 一种基于幅度变化率分析的车载毫米波雷达遮挡检测方法 |
CN111580109A (zh) * | 2020-04-08 | 2020-08-25 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于幅度特征统计的车载毫米波雷达遮挡检测方法 |
CN111580108A (zh) * | 2020-04-08 | 2020-08-25 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于幅度变化分析的车载毫米波雷达遮挡检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10408931B2 (en) * | 2016-11-15 | 2019-09-10 | Veoneer Us, Inc. | Radar module |
EP3462212B1 (en) * | 2017-09-28 | 2022-03-16 | Aptiv Technologies Limited | Radar system of a vehicle and method for detecting an object in standstill situation |
US10991249B2 (en) * | 2018-11-30 | 2021-04-27 | Parkifi, Inc. | Radar-augmentation of parking space sensors |
-
2020
- 2020-08-28 CN CN202010888866.6A patent/CN112162250B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007178310A (ja) * | 2005-12-28 | 2007-07-12 | Alpine Electronics Inc | 車載システムおよびレーダ故障診断方法 |
CN101216560A (zh) * | 2008-01-02 | 2008-07-09 | 凌子龙 | 智能倒车泊车雷达 |
JP2013108914A (ja) * | 2011-11-24 | 2013-06-06 | Omron Automotive Electronics Co Ltd | 物体検知装置 |
WO2020087958A1 (zh) * | 2018-10-31 | 2020-05-07 | 广州小鹏汽车科技有限公司 | 基于超声波雷达的异物覆盖处理方法及装置 |
CN110865365A (zh) * | 2019-11-27 | 2020-03-06 | 江苏集萃智能传感技术研究所有限公司 | 一种基于毫米波雷达的停车场噪声消除方法 |
CN111580051A (zh) * | 2020-04-08 | 2020-08-25 | 惠州市德赛西威智能交通技术研究院有限公司 | 一种基于幅度变化率分析的车载毫米波雷达遮挡检测方法 |
CN111580109A (zh) * | 2020-04-08 | 2020-08-25 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于幅度特征统计的车载毫米波雷达遮挡检测方法 |
CN111580108A (zh) * | 2020-04-08 | 2020-08-25 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于幅度变化分析的车载毫米波雷达遮挡检测方法 |
Non-Patent Citations (1)
Title |
---|
面向汽车主动防撞预警系统的虚警与漏警抑制研究;蒋林艳;中国优秀硕士论文全文库工程科技辑(第2015年第8期期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112162250A (zh) | 2021-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111580051B (zh) | 一种基于幅度变化率分析的车载毫米波雷达遮挡检测方法 | |
CN111580109B (zh) | 一种基于幅度特征统计的车载毫米波雷达遮挡检测方法 | |
CN111624560B (zh) | 一种基于目标识别的车载毫米波雷达遮挡状态的检测方法 | |
CN110682907B (zh) | 一种汽车防追尾控制系统及方法 | |
CN106908794A (zh) | 用于检测目标物体的方法和设备 | |
US9162643B2 (en) | Device and method for the detection of persons | |
CN112162250B (zh) | 一种基于全fov受限识别的雷达遮挡检测方法及系统 | |
TWI614515B (zh) | 車用毫米波雷達之環境辨識系統 | |
CN104512329A (zh) | 倒车安全辅助方法、装置及汽车 | |
CN112763994A (zh) | 一种车载雷达遮挡检测方法、存储介质及车载设备 | |
CN112485770A (zh) | 毫米波雷达全fov受限场景识别方法、存储介质及车载设备 | |
CN112162249B (zh) | 一种基于动态cfar的车载毫米波雷达遮挡检测方法及系统 | |
Sato et al. | Visibility estimation of traffic signals under rainy weather conditions for smart driving support | |
CN111832418A (zh) | 车辆控制方法、装置、车辆和存储介质 | |
JPH09272414A (ja) | 車両制御装置 | |
KR20190114388A (ko) | 초광대역 레이더를 이용한 주차 충돌 방지 방법 및 장치 | |
KR100997617B1 (ko) | 교통 수단의 사고 기록 장치, 방법 및 시스템 | |
CN112672047B (zh) | 图像采集系统及图像处理方法 | |
KR20210044423A (ko) | 차량레이더를 이용한 강우강도 추정 장치 및 방법 | |
Chan et al. | A system to measure gap distance between two vehicles using license plate character height | |
CN114528884B (zh) | 一种基于深度学习的超声波自适应阈值估计方法 | |
CN113687348B (zh) | 基于追踪微多普勒图的行人识别方法和装置 | |
CN111746395B (zh) | 防止自车挂车误识别的盲区探测方法 | |
CN115131980A (zh) | 一种用于智能汽车道路行驶的目标识别系统及方法 | |
CN115755033A (zh) | 一种汽车尾门的雷达感应方法 |
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 |