CN112230216A - 面向云控智能底盘的车载毫米波雷达多目标探测方法 - Google Patents

面向云控智能底盘的车载毫米波雷达多目标探测方法 Download PDF

Info

Publication number
CN112230216A
CN112230216A CN202011078454.2A CN202011078454A CN112230216A CN 112230216 A CN112230216 A CN 112230216A CN 202011078454 A CN202011078454 A CN 202011078454A CN 112230216 A CN112230216 A CN 112230216A
Authority
CN
China
Prior art keywords
data
track
measurement
flight path
vehicle
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
CN202011078454.2A
Other languages
English (en)
Inventor
罗建
赵万忠
郑双权
刘津强
秦亚娟
王崴崴
梁为何
徐坤豪
马韬
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202011078454.2A priority Critical patent/CN112230216A/zh
Publication of CN112230216A publication Critical patent/CN112230216A/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
    • G01S13/66—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
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • 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
    • 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
    • G01S7/415—Identification of targets based on measurements of movement associated with the 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
    • 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
    • G01S2013/9314—Parking operations
    • 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
    • G01S2013/9321—Velocity regulation, e.g. cruise control

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)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种面向云控智能底盘的车载毫米波雷达多目标探测方法，步骤如下：步骤1）：量测数据预处理；步骤2）：航迹状态预测；步骤3）：量测数据分配；步骤4）：量测数据关联；步骤5）：状态更新；步骤6）：航迹管理。本发明通过研究基于概率数据关联的单传感器情况下的多个运动目标的稳定跟踪问题，引入航迹存在概率，提出了航迹的联合集成概率数据关联算法，使航迹的确定和删除归入统一的处理，有效地解决传统数据关联的方法中只考虑关联结果而没有考虑关联的质量所导致的误差不确定性问题。

Description

面向云控智能底盘的车载毫米波雷达多目标探测方法
技术领域
本发明属于自动驾驶环境感知领域，具体涉及一种面向云控智能底盘的车载毫米波雷达多目标探测方法。
背景技术
随着汽车的重量的不断提高，道路上的汽车越来越多，交通事故也随之越来越多，交通安全问题也不断被更多人关心。在汽车电子技术的不断发展中，已经发展形成了以下几种安全驾驶辅助技术，为驾驶员提供必要的安全保障：
(1)自适应巡航ACC(Adaptive cruise control)：在道路环境良好，路上行人和车辆较少的情况下，车辆允许驾驶员将汽车的驾驶权交给自适应巡航，自适应巡航能够根据道路状况自主地选择合适的驾驶措施，例如遇到行人或车辆避让或减速，使汽车能够基本保持一定的速度行驶。
(2)防碰撞CAS(Collision Avoidance System)：防碰撞可以及时报警或接管车辆行驶过程中可能发生的碰撞风险。提前警告可能发生的危险，并在特定时间干预车辆的控制采取相应的措施，以防止发生危险。
(3)自动泊车AP(Automatic Parking)：自动泊车可以使车辆根据驾驶员指定的停车位，自动将车辆驶入停车位。
(4)盲点侦测：盲点侦测可以侦测车辆周围的盲点区。
上述驾驶员辅助技术的信号输入模块包括多种传感器，其中和定位有关的包括GPS、惯性传感器部分，还有和感知有关的各种传感器包括摄像头、车载激光雷达，红外和车载毫米波雷达。摄像头通过视觉处理获得车辆前方的目标，其可以直接获得目标的距离。通过计算处理，可以获得目标的速度，但是摄像头严重依赖于环境中的照明程度，并且地面上的水会影响摄像头的检测结果。激光雷达扫描车辆周围的环境以获得车辆周围的点云图，并以三维方式重建环境。激光雷达可以获取大量的环境信息，对小目标的检测效果很好，但也存在一些缺点：激光雷达需要处理的数据量很大，在雨天和雾天的环境下检测将受到很大影响，并且无法测量车辆的速度。毫米波雷达可以直接获取目标速度，距离和方向角度的信息，由于毫米波雷达发射的电磁波受环境的影响较小可以在恶劣天气工作，同时由于毫米波雷达是利用了电磁波反射，在夜间环境中同样能够有效检测，具有全天候检测能力。
中国发明专利申请号为CN201910355156.4，名称为“一种车载毫米波雷达装置及目标探测方法”，其能够有效滤除轨道交通两边的栅栏，便于用户进行决策，但在目标存在机动、轨迹存在交叉的情况下该方法不能保持一个较高的跟踪精度。
发明内容
针对于上述现有技术的不足，本发明的目的在于提供面向云控智能底盘的车载毫米波雷达多目标探测方法，其通过研究基于概率数据关联的单传感器情况下的多个运动目标的稳定跟踪问题，引入航迹存在概率，提出了航迹的联合集成概率数据关联算法，使航迹的确定和删除归入统一的处理，有效地解决传统数据关联的方法中只考虑关联结果而没有考虑关联的质量所导致的误差不确定性问题。在当前传统车辆多目标探测技术的基础上，进一步提升了车辆的多目标探测能力，实现了云控智能底盘动态协调控制技术所需的实时环境感知。
为达到上述目的，本发明采用的技术方案如下：
本发明的一种面向云控智能底盘的车载毫米波雷达多目标探测方法，步骤如下：
步骤1)：量测数据预处理：在云端服务器对毫米波雷达输出的数据进行雷达数据预处理，包括：空间对齐及无效目标分辨；
步骤2)：航迹状态预测：根据目标的运动状态方程和前一时刻的航迹状态，对当前时刻的航迹预测状态、航迹预测协方差、航迹预测量测、预测量测协方差进行更新；
步骤3)：量测数据分配：在预测状态周围选取一定的门限，在门限内的量测即为候选量测航迹，量测落入波门的概率为
Figure BDA0002717107000000021
步骤4)：量测数据关联：把航迹分成多个航迹集合，来简化航迹的关联事件的计算，每个航迹集合中航迹具有相同的可能的关联量测，不同航迹集合里面的航迹无共同可能的量测；
步骤5)：状态更新：选择在航迹t的选择门限内的mt个量测对航迹进行滤波，得到mt个更新后的轨迹的状态更新值和协方差更新值，融合得到目标状态更新均值和协方差更新均值，然后各状态更新值通过云端服务器传输给车辆智能底盘协调控制系统；
步骤6)：航迹管理：将航迹的存在问题建模为一阶马尔科夫过程，航迹的存在的传递满足一定的先验概率，考虑每次关联的似然概率，递归的计算航迹的后验概率，依据后验概率对航迹进行确定和删除，使航迹的管理归入统一的处理；返回步骤1)。
进一步地，所述空间对齐是将在毫米波雷达坐标系下的量测点转换到大地坐标系，通过自车的车载GPS、惯性传感器获得自车的状态信息；
所述空间对齐方法如下：
令zsensor表示毫米波雷达坐标系下的量测位置，在毫米波雷达安装到车辆上时，获取毫米波雷达坐标系到车辆坐标系的位移向量Transen2vel和旋转矩阵Rpysen2vel，得到毫米波雷达量测在车辆坐标系下的位置表示：
zvel＝Rpysen2vel*zsensor+Transen2vel
进行车辆坐标系相对于大地坐标系的转换，假设车载GPS获取的车辆相对于大地坐标的位置为[xglobal,yglobal]，惯性传感器获取的车辆航向角为θ，则转换后的毫米波雷达测量值在大地参考坐标系中的状态值表示为：
Figure BDA0002717107000000031
进一步地，所述无效目标分辨分辨方法如下：
将前三帧数据ki-1、ki-2、ki-3作为留用数据，将后三帧数据ki+1、ki+2、ki+3作为选用数据；将中间一帧数据ki与前三帧的留用数据作比较，若存在两帧或两帧以上的数据与第ki帧的数据之差小于所规定的阈值，则该帧数据中不存在无效目标；若低于两帧数据，则该帧数据中存在无效目标，然后与选用数据作对比；将中间一帧数据ki与后三帧的选用数据作比较，若存在两帧或两帧以上的数据与第ki帧的数据之差小于所规定的阈值，则该帧数据中不存在无效目标；若低于两帧数据，则该帧数据中存在无效目标；满足无效目标滤波件的关联公式为：
Figure BDA0002717107000000032
式中：
Figure BDA0002717107000000033
表示毫米波雷达所检测到的留用数据或选用数据；
Figure BDA0002717107000000034
表示毫米波雷达所检测到的输出数据；
Figure BDA0002717107000000035
表示毫米波雷达所检测到的留用数据或选用数据与输出数据之差所规定的阈值，
Figure BDA0002717107000000036
不同的阈值取值分别为：
Figure BDA0002717107000000037
Figure BDA0002717107000000038
Figure BDA0002717107000000039
进一步地，所述步骤2)中航迹状态预测方法如下：
观测方程：Zk＝{Z(0),Z(1)...Z(k)}
式中，Z(k)表示第k时刻的雷达测量点的集合，Zk表示直至k时刻的雷达测量点集合；
根据航迹t第k-1时刻的航迹状态
Figure BDA00027171070000000310
和航迹状态协方差
Figure BDA00027171070000000311
得到航迹t在k时刻的航迹预测状态
Figure BDA0002717107000000041
和预测状态协方差
Figure BDA0002717107000000042
计算方法如下：
Figure BDA0002717107000000043
Figure BDA0002717107000000044
式中，Φ为状态转移矩阵，
Figure BDA0002717107000000045
为过程噪声的期望，
Figure BDA0002717107000000046
为过程噪声的协方差。
进一步地，所述步骤3)中量测落入波门的概率为
Figure BDA0002717107000000047
的计算方法如下：
Figure BDA0002717107000000048
式中，
Figure BDA0002717107000000049
表示航迹的预测分布的新息协方差，由预测状态协方差
Figure BDA00027171070000000410
通过状态方程得到，计算方法如下：
Figure BDA00027171070000000411
进一步地，所述步骤4)还包括：当两个事件有一个量测分配不同，这两个事件则为不同的，对每个航迹集合计算所有的可能的关联事件，关联事件满足全概率事件；量测数据关联概率计算方法如下：
Figure BDA00027171070000000412
式中，C为归一化常数，θi表示关于量测i的联合事件，θit表示在关于量测i的联合事件中航迹t的关联量测，T0(θi)为在联合事件θi中未被分配量测的航迹集合，T1(θi)表示联合事件θi中分配了一个量测的航迹集合。
进一步地，所述步骤5)中的目标状态均值和协方差均值，分别表示为：
目标状态均值：
Figure BDA00027171070000000413
协方差均值：
Figure BDA0002717107000000051
进一步地，所述步骤6)具体包括：
k时刻预测的存在性计算方法如下：
P(Ok|Z(k-1))＝π11P(Ok-1|Z(k-1))+π21(1-P(Ok-1|Z(k-1)))
式中，Ok表示航迹在时间k存在的事件，
Figure BDA0002717107000000052
表示航迹在时间k不存在；P(Ok-1|Z(k-1))表示k-1时刻目标的存在概率，
Figure BDA0002717107000000053
为已知马尔科夫的转移概率；
通过对相关的关联事件概率求和得到每条航迹的关联的后验概率；则无量测分配到航迹t的后验概率计算方法为：
Figure BDA0002717107000000054
航迹存在但无量测分配的事件概率计算公式为：
Figure BDA0002717107000000055
航迹存在并且分配量测i的概率计算公式为：
Figure BDA0002717107000000056
航迹存在的后验概率表示为：
Figure BDA0002717107000000057
式中，μ(k,t)代表k时刻落入航迹t的关联门内的所有量测；
Figure BDA0002717107000000058
表示航迹；t在时间k未关联到量测的事件，
Figure BDA0002717107000000059
表示航迹t在时间k与量测i关联的事件；Ξ(t,i)表示一组联合事件的集合，在所述联合事件中所有航迹t被分配量测i；Ξ(t,0)表示无关联量测的事件；
对于航迹t，量测i的关联概率计算公式为：
Figure BDA0002717107000000061
Figure BDA0002717107000000062
式中，Zk表示直至k时刻的雷达测量点集合，
Figure BDA0002717107000000063
表示航迹t在时间k存在的事件，
Figure BDA0002717107000000064
表示航迹t在时间k未关联到量测的概率，
Figure BDA0002717107000000065
表示航迹t在时间k关联到量测i的概率。
本发明的有益效果：
本发明通过研究基于概率数据关联的单传感器情况下的多个运动目标的稳定跟踪问题，引入航迹存在概率，提出了航迹的联合集成概率数据关联算法，使航迹的确定和删除归入统一的处理，有效地解决传统数据关联的方法中只考虑关联结果而没有考虑关联的质量所导致的误差不确定性问题。
本发明进一步提升了车辆的多目标探测能力，实现了云控智能底盘动态协调控制技术所需的实时环境感知。
附图说明
图1为本发明方法流程图。
具体实施方式
为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。
参照图1所示，本发明的一种面向云控智能底盘的车载毫米波雷达多目标探测方法，步骤如下：
步骤1)：量测数据预处理：在云端服务器对毫米波雷达输出的数据进行雷达数据预处理，包括：空间对齐及无效目标分辨；
所述空间对齐是将在毫米波雷达坐标系下的量测点转换到大地坐标系，通过自车的车载GPS、惯性传感器获得自车的状态信息；
所述空间对齐方法如下：
令zsensor表示毫米波雷达坐标系下的量测位置，在毫米波雷达安装到车辆上时，获取毫米波雷达坐标系到车辆坐标系的位移向量Transen2vel和旋转矩阵Rpysen2vel，得到毫米波雷达量测在车辆坐标系下的位置表示：
zvel＝Rpysen2vel*zsensor+Transen2vel
进行车辆坐标系相对于大地坐标系的转换，假设车载GPS获取的车辆相对于大地坐标的位置为[xglobal,yglobal]，惯性传感器获取的车辆航向角为θ，则转换后的毫米波雷达测量值在大地参考坐标系中的状态值表示为：
Figure BDA0002717107000000071
所述无效目标分辨分辨方法如下：
将前三帧数据ki-1、ki-2、ki-3作为留用数据，将后三帧数据ki+1、ki+2、ki+3作为选用数据；将中间一帧数据ki与前三帧的留用数据作比较，若存在两帧或两帧以上的数据与第ki帧的数据之差小于所规定的阈值，则该帧数据中不存在无效目标；若低于两帧数据，则该帧数据中存在无效目标，然后与选用数据作对比；将中间一帧数据ki与后三帧的选用数据作比较，若存在两帧或两帧以上的数据与第ki帧的数据之差小于所规定的阈值，则该帧数据中不存在无效目标；若低于两帧数据，则该帧数据中存在无效目标；满足无效目标滤波件的关联公式为：
Figure BDA0002717107000000072
式中：
Figure BDA0002717107000000073
表示毫米波雷达所检测到的留用数据或选用数据；
Figure BDA0002717107000000074
表示毫米波雷达所检测到的输出数据；
Figure BDA0002717107000000075
表示毫米波雷达所检测到的留用数据或选用数据与输出数据之差所规定的阈值，
Figure BDA0002717107000000076
不同的阈值取值分别为：
Figure BDA0002717107000000077
Figure BDA0002717107000000078
Figure BDA0002717107000000079
步骤2)：航迹状态预测：根据目标的运动状态方程和前一时刻的航迹状态，对当前时刻的航迹预测状态、航迹预测协方差、航迹预测量测、预测量测协方差进行更新；
所述航迹状态预测方法如下：
观测方程：Zk＝{Z(0),Z(1)...Z(k)}
式中，Z(k)表示第k时刻的雷达测量点的集合，Zk表示直至k时刻的雷达测量点集合；
根据航迹t第k-1时刻的航迹状态
Figure BDA0002717107000000081
和航迹状态协方差
Figure BDA0002717107000000082
得到航迹t在k时刻的航迹预测状态
Figure BDA0002717107000000083
和预测状态协方差
Figure BDA0002717107000000084
计算方法如下：
Figure BDA0002717107000000085
Figure BDA0002717107000000086
式中，Φ为状态转移矩阵，
Figure BDA0002717107000000087
为过程噪声的期望，
Figure BDA0002717107000000088
为过程噪声的协方差。
步骤3)：量测数据分配：在预测状态周围选取一定的门限，在门限内的量测即为候选量测航迹，量测落入波门的概率为
Figure BDA0002717107000000089
所述步骤3)中量测落入波门的概率为
Figure BDA00027171070000000810
的计算方法如下：
Figure BDA00027171070000000811
式中，
Figure BDA00027171070000000812
表示航迹的预测分布的新息协方差，由预测状态协方差
Figure BDA00027171070000000813
通过状态方程得到，计算方法如下：
Figure BDA00027171070000000814
步骤4)：量测数据关联：把航迹分成多个航迹集合，来简化航迹的关联事件的计算，每个航迹集合中航迹具有相同的可能的关联量测，不同航迹集合里面的航迹无共同可能的量测；
所述步骤4)还包括：当两个事件有一个量测分配不同，这两个事件则为不同的，对每个航迹集合计算所有的可能的关联事件，关联事件满足全概率事件；量测数据关联概率计算方法如下：
Figure BDA0002717107000000091
式中，C为归一化常数，θi表示关于量测i的联合事件，θit表示在关于量测i的联合事件中航迹t的关联量测，T0(θi)为在联合事件θi中未被分配量测的航迹集合，T1(θi)表示联合事件θi中分配了一个量测的航迹集合。
步骤5)：状态更新：选择在航迹t的选择门限内的mt个量测对航迹进行滤波，得到mt个更新后的轨迹的状态更新值和协方差更新值，融合得到目标状态更新均值和协方差更新均值，然后各状态更新值通过云端服务器传输给车辆智能底盘协调控制系统，以提供环境感知信息；
所述步骤5)中的目标状态均值和协方差均值，分别表示为：
目标状态均值：
Figure BDA0002717107000000092
协方差均值：
Figure BDA0002717107000000093
步骤6)：航迹管理：将航迹的存在问题建模为一阶马尔科夫过程，航迹的存在的传递满足一定的先验概率，考虑每次关联的似然概率，递归的计算航迹的后验概率，依据后验概率对航迹进行确定和删除，使航迹的管理归入统一的处理；返回步骤1)；
所述步骤6)具体包括：
k时刻预测的存在性计算方法如下：
P(Ok|Z(k-1))＝π11P(Ok-1|Z(k-1))+π21(1-P(Ok-1|Z(k-1)))
式中，Ok表示航迹在时间k存在的事件，
Figure BDA0002717107000000094
表示航迹在时间k不存在；P(Ok-1|Z(k-1))表示k-1时刻目标的存在概率，
Figure BDA0002717107000000095
为已知马尔科夫的转移概率；
通过对相关的关联事件概率求和得到每条航迹的关联的后验概率；则无量测分配到航迹t的后验概率计算方法为：
Figure BDA0002717107000000101
航迹存在但无量测分配的事件概率计算公式为：
Figure BDA0002717107000000102
航迹存在并且分配量测i的概率计算公式为：
Figure BDA0002717107000000103
航迹存在的后验概率表示为：
Figure BDA0002717107000000104
式中，μ(k,t)代表k时刻落入航迹t的关联门内的所有量测；
Figure BDA0002717107000000105
表示航迹；t在时间k未关联到量测的事件，
Figure BDA0002717107000000106
表示航迹t在时间k与量测i关联的事件；Ξ(t,i)表示一组联合事件的集合，在所述联合事件中所有航迹t被分配量测i；Ξ(t,0)表示无关联量测的事件；
对于航迹t，量测i的关联概率计算公式为：
Figure BDA0002717107000000107
Figure BDA0002717107000000108
式中，Zk表示直至k时刻的雷达测量点集合，
Figure BDA0002717107000000109
表示航迹t在时间k存在的事件，
Figure BDA00027171070000001010
表示航迹t在时间k未关联到量测的概率，
Figure BDA00027171070000001011
表示航迹t在时间k关联到量测i的概率。
本发明具体应用途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进，这些改进也应视为本发明的保护范围。

Claims (8)

1.一种面向云控智能底盘的车载毫米波雷达多目标探测方法，其特征在于，步骤如下：
步骤1)：量测数据预处理：在云端服务器对毫米波雷达输出的数据进行雷达数据预处理，包括：空间对齐及无效目标分辨；
步骤2)：航迹状态预测：根据目标的运动状态方程和前一时刻的航迹状态，对当前时刻的航迹预测状态、航迹预测协方差、航迹预测量测、预测量测协方差进行更新；
步骤3)：量测数据分配：在预测状态周围选取一定的门限，在门限内的量测即为候选量测航迹，量测落入波门的概率为
Figure FDA0002717106990000011
步骤4)：量测数据关联：把航迹分成多个航迹集合，来简化航迹的关联事件的计算，每个航迹集合中航迹具有相同的可能的关联量测，不同航迹集合里面的航迹无共同可能的量测；
步骤5)：状态更新：选择在航迹t的选择门限内的mt个量测对航迹进行滤波，得到mt个更新后的轨迹的状态更新值和协方差更新值，融合得到目标状态更新均值和协方差更新均值，然后各状态更新值通过云端服务器传输给车辆智能底盘协调控制系统；
步骤6)：航迹管理：将航迹的存在问题建模为一阶马尔科夫过程，航迹的存在的传递满足一定的先验概率，考虑每次关联的似然概率，递归的计算航迹的后验概率，依据后验概率对航迹进行确定和删除，使航迹的管理归入统一的处理；返回步骤1)。
2.根据权利要求1所述的面向云控智能底盘的车载毫米波雷达多目标探测方法，其特征在于，所述空间对齐是将在毫米波雷达坐标系下的量测点转换到大地坐标系，通过自车的车载GPS、惯性传感器获得自车的状态信息；
所述空间对齐方法如下：
令zsensor表示毫米波雷达坐标系下的量测位置，在毫米波雷达安装到车辆上时，获取毫米波雷达坐标系到车辆坐标系的位移向量Transen2vel和旋转矩阵Rpysen2vel，得到毫米波雷达量测在车辆坐标系下的位置表示：
zvel＝Rpysen2vel*zsensor+Transen2vel
进行车辆坐标系相对于大地坐标系的转换，假设车载GPS获取的车辆相对于大地坐标的位置为[xglobal,yglobal]，惯性传感器获取的车辆航向角为θ，则转换后的毫米波雷达测量值在大地参考坐标系中的状态值表示为：
Figure FDA0002717106990000012
3.根据权利要求1所述的面向云控智能底盘的车载毫米波雷达多目标探测方法，其特征在于，所述无效目标分辨分辨方法如下：
将前三帧数据ki-1、ki-2、ki-3作为留用数据，将后三帧数据ki+1、ki+2、ki+3作为选用数据；将中间一帧数据ki与前三帧的留用数据作比较，若存在两帧或两帧以上的数据与第ki帧的数据之差小于所规定的阈值，则该帧数据中不存在无效目标；若低于两帧数据，则该帧数据中存在无效目标，然后与选用数据作对比；将中间一帧数据ki与后三帧的选用数据作比较，若存在两帧或两帧以上的数据与第ki帧的数据之差小于所规定的阈值，则该帧数据中不存在无效目标；若低于两帧数据，则该帧数据中存在无效目标；满足无效目标滤波件的关联公式为：
Figure FDA0002717106990000021
式中：
Figure FDA0002717106990000022
表示毫米波雷达所检测到的留用数据或选用数据；
Figure FDA0002717106990000023
表示毫米波雷达所检测到的输出数据；
Figure FDA0002717106990000024
表示毫米波雷达所检测到的留用数据或选用数据与输出数据之差所规定的阈值，
Figure FDA0002717106990000025
不同的阈值取值分别为：
Figure FDA0002717106990000026
Figure FDA0002717106990000027
Figure FDA0002717106990000028
4.根据权利要求1所述的面向云控智能底盘的车载毫米波雷达多目标探测方法，其特征在于，所述步骤2)中航迹状态预测方法如下：
观测方程：Zk＝{Z(0),Z(1)...Z(k)}
式中，Z(k)表示第k时刻的雷达测量点的集合，Zk表示直至k时刻的雷达测量点集合；
根据航迹t第k-1时刻的航迹状态
Figure FDA0002717106990000029
和航迹状态协方差
Figure FDA00027171069900000210
得到航迹t在k时刻的航迹预测状态
Figure FDA00027171069900000211
和预测状态协方差
Figure FDA00027171069900000212
计算方法如下：
Figure FDA00027171069900000213
Figure FDA0002717106990000031
式中，Φ为状态转移矩阵，
Figure FDA0002717106990000032
为过程噪声的期望，
Figure FDA0002717106990000033
为过程噪声的协方差。
5.根据权利要求1所述的面向云控智能底盘的车载毫米波雷达多目标探测方法，其特征在于，所述步骤3)中量测落入波门的概率为
Figure FDA0002717106990000034
的计算方法如下：
Figure FDA0002717106990000035
式中，
Figure FDA0002717106990000036
表示航迹的预测分布的新息协方差，由预测状态协方差
Figure FDA0002717106990000037
通过状态方程得到，计算方法如下：
Figure FDA0002717106990000038
6.根据权利要求1所述的面向云控智能底盘的车载毫米波雷达多目标探测方法，其特征在于，所述步骤4)还包括：当两个事件有一个量测分配不同，这两个事件则为不同的，对每个航迹集合计算所有的可能的关联事件，关联事件满足全概率事件；量测数据关联概率计算方法如下：
Figure FDA0002717106990000039
式中，C为归一化常数，θi表示关于量测i的联合事件，θit表示在关于量测i的联合事件中航迹t的关联量测，T0(θi)为在联合事件θi中未被分配量测的航迹集合，T1(θi)表示联合事件θi中分配了一个量测的航迹集合。
7.根据权利要求1所述的面向云控智能底盘的车载毫米波雷达多目标探测方法，其特征在于，所述步骤5)中的目标状态均值和协方差均值，分别表示为：
目标状态均值：
Figure FDA00027171069900000310
协方差均值：
Figure FDA0002717106990000041
8.根据权利要求1所述的面向云控智能底盘的车载毫米波雷达多目标探测方法，其特征在于，所述步骤6)具体包括：
k时刻预测的存在性计算方法如下：
P(Ok|Z(k-1))＝π11P(Ok-1|Z(k-1))+π21(1-P(Ok-1|Z(k-1)))
式中，Ok表示航迹在时间k存在的事件，
Figure FDA0002717106990000042
表示航迹在时间k不存在；P(Ok-1|Z(k-1))表示k-1时刻目标的存在概率，
Figure FDA0002717106990000043
为已知马尔科夫的转移概率；
通过对相关的关联事件概率求和得到每条航迹的关联的后验概率；则无量测分配到航迹t的后验概率计算方法为：
Figure FDA0002717106990000044
航迹存在但无量测分配的事件概率计算公式为：
Figure FDA0002717106990000045
航迹存在并且分配量测i的概率计算公式为：
Figure FDA0002717106990000046
航迹存在的后验概率表示为：
Figure FDA0002717106990000047
式中，μ(k,t)表示k时刻落入航迹t的关联门内的所有量测；
Figure FDA0002717106990000048
表示航迹t在时间k未关联到量测的事件，
Figure FDA0002717106990000049
表示航迹t在时间k与量测i关联的事件；Ξ(t,i)表示一组联合事件的集合，在所述联合事件中所有航迹t被分配量测i；Ξ(t,0)表示无关联量测的事件；
对于航迹t，量测i的关联概率计算公式为：
Figure FDA0002717106990000051
Figure FDA0002717106990000052
式中，Zk表示直至k时刻的雷达测量点集合，
Figure FDA0002717106990000053
表示航迹t在时间k存在的事件，
Figure FDA0002717106990000054
表示航迹t在时间k未关联到量测的概率，
Figure FDA0002717106990000055
表示航迹t在时间k关联到量测i的概率。
CN202011078454.2A 2020-10-10 2020-10-10 面向云控智能底盘的车载毫米波雷达多目标探测方法 Pending CN112230216A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011078454.2A CN112230216A (zh) 2020-10-10 2020-10-10 面向云控智能底盘的车载毫米波雷达多目标探测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011078454.2A CN112230216A (zh) 2020-10-10 2020-10-10 面向云控智能底盘的车载毫米波雷达多目标探测方法

Publications (1)

Publication Number Publication Date
CN112230216A true CN112230216A (zh) 2021-01-15

Family

ID=74113188

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011078454.2A Pending CN112230216A (zh) 2020-10-10 2020-10-10 面向云控智能底盘的车载毫米波雷达多目标探测方法

Country Status (1)

Country Link
CN (1) CN112230216A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115407273A (zh) * 2022-08-29 2022-11-29 哈尔滨工业大学（威海） 一种特定安防区域监控提醒报警装置及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105372659A (zh) * 2015-11-20 2016-03-02 上海无线电设备研究所 道路交通监控多目标探测跟踪方法及跟踪系统
KR101628154B1 (ko) * 2015-03-05 2016-06-08 국방과학연구소 수신 신호 세기를 이용한 다중 표적 추적 방법
CN106980114A (zh) * 2017-03-31 2017-07-25 电子科技大学 无源雷达目标跟踪方法
CN111308460A (zh) * 2020-03-09 2020-06-19 华域汽车系统股份有限公司 基于量测来源类型和目标置信度的多传感器航迹终止方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101628154B1 (ko) * 2015-03-05 2016-06-08 국방과학연구소 수신 신호 세기를 이용한 다중 표적 추적 방법
CN105372659A (zh) * 2015-11-20 2016-03-02 上海无线电设备研究所 道路交通监控多目标探测跟踪方法及跟踪系统
CN106980114A (zh) * 2017-03-31 2017-07-25 电子科技大学 无源雷达目标跟踪方法
CN111308460A (zh) * 2020-03-09 2020-06-19 华域汽车系统股份有限公司 基于量测来源类型和目标置信度的多传感器航迹终止方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
徐光岐: "基于图像与激光雷达信息相融合的车辆信息地图构建", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, no. 08, pages 34 - 35 *
徐旺: "车载毫米波雷达多目标探测与定位构图", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, no. 02, pages 17 - 21 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115407273A (zh) * 2022-08-29 2022-11-29 哈尔滨工业大学（威海） 一种特定安防区域监控提醒报警装置及方法
CN115407273B (zh) * 2022-08-29 2024-01-05 哈尔滨工业大学（威海） 一种特定安防区域监控提醒报警装置及方法

Similar Documents

Publication Publication Date Title
CN111382768B (zh) 多传感器数据融合方法和装置
RU2767955C1 (ru) Способы и системы для определения компьютером наличия динамических объектов
CN111144432B (zh) 在传感器融合系统中消除模糊检测的方法
US12037015B2 (en) Vehicle control device and vehicle control method
CN112154455B (zh) 数据处理方法、设备和可移动平台
CN114999228B (zh) 一种自动驾驶车在恶劣天气防碰撞方法
CN110660218B (zh) 利用毫米波雷达的高精度地图制作方法及系统
US20210197805A1 (en) Safety system for vehicle
JP2003536096A (ja) 追跡マップジェネレータ
CN114442101B (zh) 基于成像毫米波雷达的车辆导航方法、装置、设备及介质
US11675366B2 (en) Long-term object tracking supporting autonomous vehicle navigation
US11814044B2 (en) Resolving range rate ambiguity in sensor returns
US20230148097A1 (en) Adverse environment determination device and adverse environment determination method
US20220390612A1 (en) Determination of atmospheric visibility in autonomous vehicle applications
US20230333237A1 (en) Merge-split techniques for sensor data filtering
CN111157995A (zh) 一种汽车雷达侧视角度超分辨成像方法
CN112230216A (zh) 面向云控智能底盘的车载毫米波雷达多目标探测方法
CN113227831B (zh) 基于多传感器数据融合的护栏估计方法和车载设备
CN110095776B (zh) 用于确定对象的存在和/或特性的方法和周围环境识别设备
CN115953905B (zh) 一种基于激光雷达的车路协同控制系统
EP4160269A1 (en) Systems and methods for onboard analysis of sensor data for sensor fusion
CN116256747A (zh) 一种电动汽车环境感知系统及其方法
EP4392803A1 (en) Automotive sensor fusion of radar, lidar, camera systems with improved safety by use of machine learning
CN105730330A (zh) 行车安全系统及其障碍物筛选方法
Lai et al. Sensor fusion of camera and MMW radar based on machine learning for vehicles

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210115