CN112198503A - 一种目标航迹预测优化方法、装置及雷达系统 - Google Patents

一种目标航迹预测优化方法、装置及雷达系统 Download PDF

Info

Publication number
CN112198503A
CN112198503A CN202011110583.5A CN202011110583A CN112198503A CN 112198503 A CN112198503 A CN 112198503A CN 202011110583 A CN202011110583 A CN 202011110583A CN 112198503 A CN112198503 A CN 112198503A
Authority
CN
China
Prior art keywords
target
track
model
speed
correct
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
Application number
CN202011110583.5A
Other languages
English (en)
Inventor
陶烨
纪永飞
闫红宇
卓蒙蒙
屈操
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.)
Wuxi Weifu High Technology Group Co Ltd
Original Assignee
Wuxi Weifu High Technology Group 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 Wuxi Weifu High Technology Group Co Ltd filed Critical Wuxi Weifu High Technology Group Co Ltd
Priority to CN202011110583.5A priority Critical patent/CN112198503A/zh
Publication of CN112198503A publication Critical patent/CN112198503A/zh
Pending legal-status Critical Current

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
    • G01S13/60—Velocity or trajectory determination systems; Sense-of-movement determination systems wherein the transmitter and receiver are mounted on the moving object, e.g. for determining ground speed, drift angle, ground track
    • 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
    • G01S13/62—Sense-of-movement determination
    • 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
    • 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
    • G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
    • 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
    • G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
    • G01S13/92—Radar or analogous systems specially adapted for specific applications for traffic control for velocity measurement

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及车辆运动轨迹跟踪技术领域，具体公开了一种目标航迹预测优化方法，其中，包括：S110、对新起始的航迹进行航迹初始化；S120、判断新起始的航迹是否满足航迹拟合条件；S130、若满足，则根据随机抽样一致算法计算目标正确的运动方向；S140、根据计算得到的目标正确的运动方向将目标的速度还原成真实的大小，并得到目标真实速度的横向和纵向分量；S150、根据真实速度的横向和纵向分量修正当前帧数据，并预测目标下一帧的状态；S160、通过航迹关联新的点迹，并重复步骤S130~步骤S150。本发明还公开了一种目标航迹预测优化装置及雷达系统。本发明提供的目标航迹预测优化方法能有效的实时跟踪目标，准确度高，在工程上更具适用性。

Description

一种目标航迹预测优化方法、装置及雷达系统
技术领域
本发明涉及车辆运动轨迹跟踪技术领域，尤其涉及一种目标航迹预测优化方法、目标航迹预测优化装置及雷达系统。
背景技术
目前，随着我国车辆的迅速普及，随之而来的道路交通事故风险也日益提高，车载毫米波雷达也被广泛应用于辅助驾驶员安全驾驶，其中使用雷达对目标（如行人、车辆）进行运动轨迹跟踪是非常重要的。目前主要的跟踪方法主要是通过对数据初始化建立航迹，然后对航迹进行跟踪预测并实时管理航迹来进行目标跟踪的，中间最重要的一步即对目标的跟踪预测。在现有的技术方案中，跟踪预测主要是通过单一的线性均方差估计算法（如卡尔曼滤波或其衍生算法），这种滤波器的滤波效果是最优的，但是该方法是基于固定模型进行滤波计算，如果目标的运动过于机动，则会导致目标预测错误、跟踪轨迹偏离。另一种跟踪预测的方法是和视觉信息做结合，通过将雷达检测目标映射到图像上，将两者目标相互匹配来进行协同预测跟踪。这种方法的缺点是计算量大且视觉检测容易受到天气等外界因素影响。
发明内容
本发明提供了一种目标航迹预测优化方法、目标航迹预测优化装置及雷达系统，解决相关技术中存在的雷达预测目标错误且计算量大的问题。
作为本发明的第一个方面，提供一种目标航迹预测优化方法，其中，包括：
S110、对新起始的航迹进行航迹初始化；
S120、判断新起始的航迹是否满足航迹拟合条件；
S130、若满足，则根据随机抽样一致算法计算目标正确的运动方向；
S140、根据计算得到的目标正确的运动方向将目标的速度还原成真实的大小，并得到目标真实速度的横向和纵向分量；
S150、根据真实速度的横向和纵向分量修正当前帧数据，并预测目标下一帧的状态；
S160、通过航迹关联新的点迹，并重复步骤S130~步骤S150。
进一步地，所述若满足，则根据随机抽样一致算法计算目标正确的运动方向，包括：
S131、确定航迹拟合目标运动轨迹的具体模型；
S132、随机选择被观测数据中部分点，进行模型拟合，得到一组模型参数；
S133、通过剩余被观测数据来测试该组模型参数是否为正确模型；
S134、重复步骤S131~S133，达到一定迭代次数以后，选出正确模型中满足正确数据个数最多的模型参数，即为目标运动模型，并根据模型参数计算得到目标正确的运动方向。
进一步地，所述通过剩余被观测数据来测试该组模型参数，包括：
通过计算剩余被测试点到该组模型的距离来表征计算误差；
若计算误差在阈值范围内，则认为该模型为正确数据；
重复上述步骤，记录所有剩余被观测数据测试后的满足阈值范围点的正确数据的个数。
进一步地，所述航迹拟合目标运动轨迹的具体模型包括：直线模型或曲线模型。
进一步地，所述根据计算得到的目标正确的运动将目标的速度还原成真实的大小，并得到目标真实速度的横向和纵向分量，包括：
根据计算得到的目标正确的运动方向将目标的速度还原成真实的大小，并通过运动方向分解得到当前帧的速度横向和纵向分量。
进一步地，所述根据真实速度的横向和纵向分量修正当前帧数据，并预测目标下一帧的状态，包括：
根据真实速度的横向和纵向分量和模型预测值进行卡尔曼滤波，修正当前的帧数据，并预测目标下一帧的状态。
作为本发明的另一个方面，提供一种目标航迹预测优化装置，其中，包括：
初始化模块，用于对新起始的航迹进行航迹初始化；
判断模块，用于判断新起始的航迹是否满足航迹拟合条件；
计算模块，用于若满足，则根据随机抽样一致算法计算目标正确的运动方向；
还原模块，用于根据计算得到的目标正确的运动方向将目标的速度还原成真实的大小，并得到目标真实速度的横向和纵向分量；
修正与预测模块，用于根据真实速度的横向和纵向分量修正当前帧数据，并预测目标下一帧的状态；
关联模块，用于通过航迹关联新的点迹。
作为本发明的另一个方面，提供一种雷达系统，其中，包括：信号发射单元、信号接收单元和信号处理单元，所述信号发射单元和所述信号接收单元均与所述信号处理单元通信连接，所述信号处理单元包括前文所述的目标航迹预测优化装置。
本发明提供的目标航迹预测优化方法，通过随机抽样一致算法计算目标正确的运动方向，然后确定目标真实速度的横向和纵向分量，从而实现对当前帧数据的修正，并预测下一帧的状态，这种目标航迹预测优化方法仅利用毫米波雷达检测结果，无需和其他传感器结合，降低了成本及计算复杂度，且不受天气等因素的影响，易用性高；基于离散点迹来拟合目标运动方向，利用RANSAC算法，降低探测过程中野值点的影响，具有可靠性高、准确度高、鲁棒性好的特点；自适应各种路况，降低不同道路状况下单一的模型导致的模型发散问题，提高系统稳定性；同样基于卡尔曼滤波算法，在本身修正的基础上，加入目标运动方向协助预测，加快轨迹修正速度，响应更快。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。
图1为本发明提供的雷达系统的结构框图。
图2为本发明提供的目标航迹预测优化方法的流程图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互结合。下面将参考附图并结合实施例来详细说明本发明。
为了使本领域技术人员更好地理解本发明方案，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的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
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。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包括，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
雷达系统主要包括信号发射单元、信号接收单元、信号处理单元。其中，信号发射单元主要对外辐射毫米波信号探测信号，信号接收单元主要用于接收经目标发射后的回波信号，信号处理单元则将接收到的回波信号和发射信号进行混频，得到中频信号进行一系列处理最终得到目标的角度、距离和速度的信息，并根据需求进行一些其他处理。以上循环一次的持续时间称为帧。帧与帧之间，相同目标因为运动方向和运动速度的原因，在雷达探测上会得到不同的信息。为了得到相同目标的连续变化过程，需要跟踪帧与帧之间的相同目标。普适的方法是通过卡尔曼滤波器利用最小均方误差准则获得目标的动态估计，通过一系列算法，将帧间的相同目标进行关联，过滤虚假目标，并利用观测到的数据对运动目标状态进行修正和预测，使得目标数据更平滑、更稳定。在卡尔曼滤波过程中，估计理论非常重要，它需要建立目标运动模型，来描述目标动态行为和雷达本身的量测过程。因此在卡尔曼滤波过程中，将模型分为状态方程和量测方程，通过目标运动模型来构建状态方程，同时又利用量测结果构建的量测方程来不停地修正状态方程。机动目标跟踪过程的难点就在于目标运动的不确定性。
常用的目标运动模型有匀速（CV）模型、匀加速（CA）模型等。以常见的CV模型来说，由以下式子给出了状态向量X：
X(k+1)=F(k)X(k)+V(k)，
状态向量X在时间k+1时刻表现为[Rx(k+1),Ry(k+1),vx(k+1),vy(k+1)]’，其中Rx(k+1)和Ry(k+1)为目标的在时刻k+1时的二维坐标；vx(k+1)和vy(k+1) 为目标的在时刻k+1时速度沿x轴和y轴的分量。在这里的x轴和y轴是以雷达为原点的笛卡尔坐标系。式1中F(k)为状态转移矩阵，V(k)为均值为0且满足正态分布的过程噪声，其协方差为Q(k)。
同样的，k+1时刻的目标的观测值或量测值z(k+1)由下式给出：
z(k+1)=H(k+1)X(k+1)+W(k+1) [式2]
量测值z在时间k+1时刻表现为[Rx(k+1)’,Ry(k+1)’,vx(k+1)’,vy(k+1)’]’， 其中Rx(k+1)’和Ry(k+1)’为雷达测量到的目标在时刻k+1时的二维坐标；vx(k+1)’和vy(k+1)’ 为目标测量到的在时刻k+1时速度沿x轴和y轴的分量。在式2中H(k+1)为量测矩阵， W(k+1)为具有高斯性均值为0的白噪声，其协方差为R(k+1)。
在基础运动模型上，可以额外引入加速度变量、转向角变量，从而更好的描述目标的运动。如果目标不是遵循线性运动模型，和预设的运动方向有很大的运动偏差，则会造成目标真实的运动和模型预测运动之间的偏差。因此，获取目标正确的运动方向就非常重要。
根据本发明的示例性实施例，图1是使用卡尔曼滤波器进行目标跟踪的雷达系统框图。如图1所示，为目标跟踪的雷达系统框图。根据示例性案例，雷达12装在车辆11的前保险杠处。在该状态下，与雷达夹角θ度13方向有一目标14，经过雷达测量后的解算，可以得到该目标的距离、角度θ度13，以及速度，速度为沿目标与雷达连线上即方向15的真实速度的分量。根据以上信息，无法判断出目标真实的运动方向，则无法获得正确的vx和vy。如按照常规的预测模型，目标预测可能会沿着方向15进行运动。根据示例性案例，目标真实运动沿方向17，运动到位置16。如完全按照模型进行预测则预测完全错误，造成很大的偏差。真实的运动方向17和错误预测方向15之间的误差运动角度为ω18。基于以上描述，通过雷达的探测数据计算目标正确的运动方向，提高目标航迹预测的正确性是非常必要的。
本发明实施例采用一种随机抽样一致算法(Random sample Consensus,RANSAC)，在被观测数据中包含正确数据和异常数据（outliers）的假设下，采用迭代的方式，反复选择数据中的一组随机子集，来估算数学模型参数的方法。该方法相比于最小二乘法，考虑到了噪声对数据拟合的干扰，能鲁棒的估计模型参数。
在本实施例中提供了一种目标航迹预测优化方法，图2是根据本发明实施例提供的目标航迹预测优化方法的流程图，如图2所示，包括：
S110、对新起始的航迹进行航迹初始化；
S120、判断新起始的航迹是否满足航迹拟合条件；
S130、若满足，则根据随机抽样一致算法计算目标正确的运动方向；
S140、根据计算得到的目标正确的运动方向将目标的速度还原成真实的大小，并得到目标真实速度的横向和纵向分量；
S150、根据真实速度的横向和纵向分量修正当前帧数据，并预测目标下一帧的状态；
S160、通过航迹关联新的点迹，并重复步骤S130~步骤S150。
本发明提供的目标航迹预测优化方法，通过随机抽样一致算法计算目标正确的运动方向，然后确定目标真实速度的横向和纵向分量，从而实现对当前帧数据的修正，并预测下一帧的状态，这种目标航迹预测优化方法仅利用毫米波雷达检测结果，无需和其他传感器结合，降低了成本及计算复杂度，且不受天气等因素的影响，易用性高；基于离散点迹来拟合目标运动方向，利用RANSAC算法，降低探测过程中野值点的影响，具有可靠性高、准确度高、鲁棒性好的特点；自适应各种路况，降低不同道路状况下单一的模型导致的模型发散问题，提高系统稳定性；同样基于卡尔曼滤波算法，在本身修正的基础上，加入目标运动方向协助预测，加快轨迹修正速度，响应更快。
具体地，所述若满足，则根据随机抽样一致算法计算目标正确的运动方向，包括：
S131、确定航迹拟合目标运动轨迹的具体模型；
S132、随机选择被观测数据中部分点，进行模型拟合，得到一组模型参数；
S133、通过剩余被观测数据来测试该组模型参数是否为正确模型；
S134、重复步骤S131~S133，达到一定迭代次数以后，选出正确模型中满足正确数据个数最多的模型参数，即为目标运动模型，并根据模型参数计算得到目标正确的运动方向。
进一步具体地，所述通过剩余被观测数据来测试该组模型参数，包括：
通过计算剩余被测试点到该组模型的距离来表征计算误差；
若计算误差在阈值范围内，则认为该模型为正确数据；
重复上述步骤，记录所有剩余被观测数据测试后的满足阈值范围点的正确数据的个数。
需要说明的是，所述航迹拟合目标运动轨迹的具体模型包括：直线模型或曲线模型。
具体地，所述根据计算得到的目标正确的运动将目标的速度还原成真实的大小，并得到目标真实速度的横向和纵向分量，包括：
根据计算得到的目标正确的运动方向将目标的速度还原成真实的大小，并通过运动方向分解得到当前帧的速度横向和纵向分量。
具体地，所述根据真实速度的横向和纵向分量修正当前帧数据，并预测目标下一帧的状态，包括：
根据真实速度的横向和纵向分量和模型预测值进行卡尔曼滤波，修正当前的帧数据，并预测目标下一帧的状态。
应当理解的是，在预测该目标下一帧的状态后，进入下一帧，该目标有新的量测值，则通过航迹关联进轨迹中，再次重复步骤S130~步骤S150，计算即时的目标运动方向，并通过运动方向解算正确的速度进行当前帧的修正和再下一帧的预测。
作为本发明的另一实施例，提供一种目标航迹预测优化装置，其中，包括：
初始化模块，用于对新起始的航迹进行航迹初始化；
判断模块，用于判断新起始的航迹是否满足航迹拟合条件；
计算模块，用于若满足，则根据随机抽样一致算法计算目标正确的运动方向；
还原模块，用于根据计算得到的目标正确的运动方向将目标的速度还原成真实的大小，并得到目标真实速度的横向和纵向分量；
修正与预测模块，用于根据真实速度的横向和纵向分量修正当前帧数据，并预测目标下一帧的状态；
关联模块，用于通过航迹关联新的点迹。
本发明实施例提供的目标航迹预测优化装置，通过随机抽样一致算法计算目标正确的运动方向，然后确定目标真实速度的纵向分量，从而实现对当前帧数据的修正，并预测下一帧的状态，这种目标航迹预测优化装置仅利用毫米波雷达检测结果，无需和其他传感器结合，降低了成本及计算复杂度，且不受天气等因素的影响，易用性高；基于离散点迹来拟合目标运动方向，利用RANSAC算法，降低探测过程中野值点的影响，具有可靠性高、准确度高、鲁棒性好的特点；自适应各种路况，降低不同道路状况下单一的模型导致的模型发散问题，提高系统稳定性；同样基于卡尔曼滤波算法，在本身修正的基础上，加入目标运动方向协助预测，加快轨迹修正速度，响应更快。
作为本发明的另一实施例，提供一种雷达系统，其中，包括：信号发射单元、信号接收单元和信号处理单元，所述信号发射单元和所述信号接收单元均与所述信号处理单元通信连接，所述信号处理单元包括前文所述的目标航迹预测优化装置。
应当理解的是，本发明实施例提供的信号处理单元具体可以采用前文的目标航迹预测优化装置实现。
关于本发明实施例提供的雷达系统的具体工作原理可以参照前文的目标航迹预测优化方法的描述，此处不再赘述。
本发明实施例提供的雷达系统，可以准确且高效的实现对目标方向的预测。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (8)

1.一种目标航迹预测优化方法，其特征在于，包括：
S110、对新起始的航迹进行航迹初始化；
S120、判断新起始的航迹是否满足航迹拟合条件；
S130、若满足，则根据随机抽样一致算法计算目标正确的运动方向；
S140、根据计算得到的目标正确的运动方向将目标的速度还原成真实的大小，并得到目标真实速度的横向和纵向分量；
S150、根据真实速度的横向和纵向分量修正当前帧数据，并预测目标下一帧的状态；
S160、通过航迹关联新的点迹，并重复步骤S130~步骤S150。
2.根据权利要求1所述的目标航迹预测优化方法，其特征在于，所述若满足，则根据随机抽样一致算法计算目标正确的运动方向，包括：
S131、确定航迹拟合目标运动轨迹的具体模型；
S132、随机选择被观测数据中部分点，进行模型拟合，得到一组模型参数；
S133、通过剩余被观测数据来测试该组模型参数是否为正确模型；
S134、重复步骤S131~S133，达到一定迭代次数以后，选出正确模型中满足正确数据个数最多的模型参数，即为目标运动模型，并根据模型参数计算得到目标正确的运动方向。
3.根据权利要求2所述的目标航迹预测优化方法，其特征在于，所述通过剩余被观测数据来测试该组模型参数，包括：
通过计算剩余被测试点到该组模型的距离来表征计算误差；
若计算误差在阈值范围内，则认为该模型为正确数据；
重复上述步骤，记录所有剩余被观测数据测试后的满足阈值范围点的正确数据的个数。
4.根据权利要求2所述的目标航迹预测优化方法，其特征在于，所述航迹拟合目标运动轨迹的具体模型包括：直线模型或曲线模型。
5.根据权利要求1所述的目标航迹预测优化方法，其特征在于，所述根据计算得到的目标正确的运动将目标的速度还原成真实的大小，并得到目标真实速度的横向和纵向分量，包括：
根据计算得到的目标正确的运动方向将目标的速度还原成真实的大小，并通过运动方向分解得到当前帧的速度横向和纵向分量。
6.根据权利要求1所述的目标航迹预测优化方法，其特征在于，所述根据真实速度的横向和纵向分量修正当前帧数据，并预测目标下一帧的状态，包括：
根据真实速度的横向和纵向分量和模型预测值进行卡尔曼滤波，修正当前的帧数据，并预测目标下一帧的状态。
7.一种目标航迹预测优化装置，其特征在于，包括：
初始化模块，用于对新起始的航迹进行航迹初始化；
判断模块，用于判断新起始的航迹是否满足航迹拟合条件；
计算模块，用于若满足，则根据随机抽样一致算法计算目标正确的运动方向；
还原模块，用于根据计算得到的目标正确的运动方向将目标的速度还原成真实的大小，并得到目标真实速度的横向和纵向分量；
修正与预测模块，用于根据真实速度的横向和纵向分量修正当前帧数据，并预测目标下一帧的状态；
关联模块，用于通过航迹关联新的点迹。
8.一种雷达系统，其特征在于，包括：信号发射单元、信号接收单元和信号处理单元，所述信号发射单元和所述信号接收单元均与所述信号处理单元通信连接，所述信号处理单元包括权利要求7所述的目标航迹预测优化装置。
CN202011110583.5A 2020-10-16 2020-10-16 一种目标航迹预测优化方法、装置及雷达系统 Pending CN112198503A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011110583.5A CN112198503A (zh) 2020-10-16 2020-10-16 一种目标航迹预测优化方法、装置及雷达系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011110583.5A CN112198503A (zh) 2020-10-16 2020-10-16 一种目标航迹预测优化方法、装置及雷达系统

Publications (1)

Publication Number Publication Date
CN112198503A true CN112198503A (zh) 2021-01-08

Family

ID=74009209

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011110583.5A Pending CN112198503A (zh) 2020-10-16 2020-10-16 一种目标航迹预测优化方法、装置及雷达系统

Country Status (1)

Country Link
CN (1) CN112198503A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113109783A (zh) * 2021-04-15 2021-07-13 森思泰克河北科技有限公司 航向角获取方法、装置、设备和存储介质
CN113753079A (zh) * 2021-08-23 2021-12-07 上海宏景智驾信息科技有限公司 用于车辆状态跟踪过程中的时间对齐方法
CN114063079A (zh) * 2021-10-12 2022-02-18 福瑞泰克智能系统有限公司 目标置信度获取方法、装置、雷达系统和电子装置
CN114545388A (zh) * 2022-04-22 2022-05-27 山东科技大学 一种基于毫米波雷达的车辆轨迹平滑方法及设备
CN115184896A (zh) * 2022-09-09 2022-10-14 北京海兰信数据科技股份有限公司 一种基于雷达目标幅度加权均值滤波跟踪处理方法及系统
CN115840221A (zh) * 2023-02-20 2023-03-24 上海几何伙伴智能驾驶有限公司 基于4d毫米波雷达实现目标特征提取与多目标跟踪的方法
CN115877328A (zh) * 2023-03-06 2023-03-31 成都鹰谷米特科技有限公司 一种阵列雷达的信号收发方法及阵列雷达
WO2023130620A1 (zh) * 2022-01-05 2023-07-13 南京楚航科技有限公司 基于毫米波雷达方差统计的目标车辆运动状态判断方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105223583A (zh) * 2015-09-10 2016-01-06 清华大学 一种基于三维激光雷达的目标车辆航向角计算方法
CN105761276A (zh) * 2015-12-15 2016-07-13 江南大学 基于迭代ransac自适应新生目标强度估计的gm-phd多目标跟踪算法
CN107025657A (zh) * 2016-01-31 2017-08-08 天津新天星熠测控技术有限公司 一种基于视频图像的车辆行为轨迹检测方法
US20170300759A1 (en) * 2016-03-03 2017-10-19 Brigham Young University Automated multiple target detection and tracking system
CN110058239A (zh) * 2019-04-29 2019-07-26 上海保隆汽车科技股份有限公司 一种车载毫米波雷达装置及目标探测方法
CN111316128A (zh) * 2018-12-28 2020-06-19 深圳市大疆创新科技有限公司 连续障碍物检测方法、设备、系统及存储介质
CN111462237A (zh) * 2020-04-03 2020-07-28 清华大学 利用多源信息构建四通道虚拟图像的目标距离检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105223583A (zh) * 2015-09-10 2016-01-06 清华大学 一种基于三维激光雷达的目标车辆航向角计算方法
CN105761276A (zh) * 2015-12-15 2016-07-13 江南大学 基于迭代ransac自适应新生目标强度估计的gm-phd多目标跟踪算法
CN107025657A (zh) * 2016-01-31 2017-08-08 天津新天星熠测控技术有限公司 一种基于视频图像的车辆行为轨迹检测方法
US20170300759A1 (en) * 2016-03-03 2017-10-19 Brigham Young University Automated multiple target detection and tracking system
CN111316128A (zh) * 2018-12-28 2020-06-19 深圳市大疆创新科技有限公司 连续障碍物检测方法、设备、系统及存储介质
CN110058239A (zh) * 2019-04-29 2019-07-26 上海保隆汽车科技股份有限公司 一种车载毫米波雷达装置及目标探测方法
CN111462237A (zh) * 2020-04-03 2020-07-28 清华大学 利用多源信息构建四通道虚拟图像的目标距离检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MARTIN A. FISCHIER, ROBERT C. BOLLES: "Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography", COMMUNICATIONS OF THE ACM, vol. 24, no. 6, pages 381 - 395, XP055630201 *
王肖;李克强;王建强;徐友春;: "基于三维激光雷达的智能车辆目标参数辨识", 汽车工程, vol. 38, no. 09, pages 1146 - 1152 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113109783A (zh) * 2021-04-15 2021-07-13 森思泰克河北科技有限公司 航向角获取方法、装置、设备和存储介质
CN113109783B (zh) * 2021-04-15 2022-08-26 森思泰克河北科技有限公司 航向角获取方法、装置、设备和存储介质
CN113753079A (zh) * 2021-08-23 2021-12-07 上海宏景智驾信息科技有限公司 用于车辆状态跟踪过程中的时间对齐方法
CN114063079A (zh) * 2021-10-12 2022-02-18 福瑞泰克智能系统有限公司 目标置信度获取方法、装置、雷达系统和电子装置
CN114063079B (zh) * 2021-10-12 2022-06-21 福瑞泰克智能系统有限公司 目标置信度获取方法、装置、雷达系统和电子装置
WO2023130620A1 (zh) * 2022-01-05 2023-07-13 南京楚航科技有限公司 基于毫米波雷达方差统计的目标车辆运动状态判断方法
CN114545388A (zh) * 2022-04-22 2022-05-27 山东科技大学 一种基于毫米波雷达的车辆轨迹平滑方法及设备
CN115184896A (zh) * 2022-09-09 2022-10-14 北京海兰信数据科技股份有限公司 一种基于雷达目标幅度加权均值滤波跟踪处理方法及系统
CN115840221A (zh) * 2023-02-20 2023-03-24 上海几何伙伴智能驾驶有限公司 基于4d毫米波雷达实现目标特征提取与多目标跟踪的方法
CN115877328A (zh) * 2023-03-06 2023-03-31 成都鹰谷米特科技有限公司 一种阵列雷达的信号收发方法及阵列雷达

Similar Documents

Publication Publication Date Title
CN112198503A (zh) 一种目标航迹预测优化方法、装置及雷达系统
CN109212531B (zh) 确定目标车辆取向的方法
EP3151034B1 (en) Automated vehicle radar system to determine yaw-rate of a target vehicle
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
CN1940591B (zh) 使用传感器融合进行目标跟踪的系统和方法
US10145690B2 (en) Map information generation system, method, and program
Kellner et al. Instantaneous lateral velocity estimation of a vehicle using Doppler radar
US7920087B2 (en) Apparatus for estimating state of vehicle located in frontward field
WO2020133217A1 (zh) 连续障碍物检测方法、设备、系统及存储介质
CN108535720B (zh) 用于改进的卡尔曼滤波目标跟踪的自适应过程噪声描述
JP6643215B2 (ja) 他車線監視装置
CN112098960A (zh) 确定用于道路车辆雷达自动对准控制器的雷达传感器的对准角度的方法
JP2009168624A (ja) 物体速度検出装置
KR102311227B1 (ko) 확장 칼만필터를 이용한 차량 위치 추적 방법 및 장치
CN108733042A (zh) 自动驾驶车辆的目标跟踪方法及装置
Herrero et al. On-line multi-sensor registration for data fusion on airport surface
CN111645680B (zh) 车辆可通行性的确定方法、装置、终端和存储介质
CN115151836A (zh) 用于探测车辆周围环境中的移动对象的方法和机动车辆
CN114740448B (zh) 用于车载雷达的目标状态估计方法、装置及存储介质
Song et al. Research on Target Tracking Algorithm Using Millimeter‐Wave Radar on Curved Road
CN116022163A (zh) 基于超局部子图的自动驾驶车辆扫描匹配和雷达姿态估计器
CN111123235B (zh) 一种导航雷达的静止目标的确定方法及装置
CN113511194A (zh) 一种纵向避撞预警方法及相关装置
CN114488116B (zh) 一种基于两部两坐标外源雷达系统的3d目标跟踪方法
CN116381632B (zh) 雷达横滚角的自标定方法、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