CN112230222B - 一种用于识别车型的微波雷达装置 - Google Patents
一种用于识别车型的微波雷达装置 Download PDFInfo
- Publication number
- CN112230222B CN112230222B CN202011441072.1A CN202011441072A CN112230222B CN 112230222 B CN112230222 B CN 112230222B CN 202011441072 A CN202011441072 A CN 202011441072A CN 112230222 B CN112230222 B CN 112230222B
- Authority
- CN
- China
- Prior art keywords
- target
- mode
- antenna array
- signal
- vehicle type
- 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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
-
- 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
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9029—SAR image post-processing techniques specially adapted for moving target detection within a single SAR image or within multiple SAR images taken at the same time
-
- 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
- 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
Abstract
公开了一种用于识别车型的微波雷达装置,包括:数字信号处理器;被设置为其法向与道路方向成夹角且包括至少1个阵元的发射天线阵列和包括至少2个阵元的接收天线阵列;在第1模式下,全部发射阵元依次发射信号,全部接收阵元接收回波信号,在第2模式下,1个发射阵元发射信号,1个接收阵元接收回波信号;数字信号处理器被配置为:针对第1模式下的第1数字信号,执行二维傅里叶变换、非相干积累、目标检测、角度测量和目标跟踪操作,从而获得目标信息;针对第2模式下的第2数字信号,执行一维傅里叶变换,然后根据目标信息,执行后向投影算法,获得地面坐标系中各点的图像信息;针对图像信息执行车型识别算法,获得各目标的车型信息。
Description
技术领域
本发明涉及微波测距测速领域,具体涉及用于交通控制的微波雷达系统,更具体涉及一种用于识别车型的微波雷达装置。
背景技术
对车型的识别技术,在红绿灯配时、ETC稽查稽核等智能交通场景中的具有广阔的应用空间。目前,对于车型进行识别的技术,主要包括以下三种:
1、通过视觉传感器获取图像数据。图像数据中富含丰富的目标特征信息,利用深度学习技术可以提取出车辆的品牌、车型、颜色等信息。然而,在暴雨、大雪、大雾等极端天气下,或在黑夜等低光照条件下,摄像机无法获取有效的图像数据,车型识别功能失效。
2、通过激光雷达获取三维点云数据。三维点云数据能够较准确的勾画出目标车辆的轮廓,结合机器学习技术实现车型识别。然而,现阶段激光雷达的价格极为昂贵,且在暴雨、大雪、大雾等极端天气下无法正常工作。
3、通过微波雷达提取电磁特征数据。微波雷达能够在任何天气条件、任何光照条件下正常工作。然而,微波雷达的角度分辨性能远逊于摄像机和激光雷达;尽管通过微多普勒技术、频谱分析技术能够提取出某些目标特征,然而这些特征的鲁棒性较差,导致车型识别效果不佳。例如,发明名称为“基于多普勒交通雷达进行车型识别的方法”、公开号为CN102360528B的现有专利,通过对雷达的时域回波信号进行快速傅里叶变换,然后从中提取多普勒频谱特征,来推测车辆长度等轮廓特征,但其识别精度和分辨率不高,且探测距离较短。
可见,本领域中需要一种改进的用于识别车型的技术方案。
发明内容
根据本发明的实施例,提供了一种用于识别车型的微波雷达装置,包括:
数字信号处理器,包括微处理器CPU、模数转换器ADC、数模转换器DAC、静态随机存取存储器SRAM,且被配置为通过数模转换器DAC调制压控振荡器发射波形,通过模数转换器ADC将中频模拟信号转换成数字信号,并将该数字信号存储在静态随机存取存储器SRAM内,以及通过微处理器CPU对数字信号进行算法处理;
压控振荡器,被配置为将模拟电压信号转换成高频振荡的电磁波;
功率放大器,被配置为提高压控振荡器输出的能量;
发射天线阵列,包括至少1个发射天线阵元,被配置为发射探测目标的电磁波信号;
接收天线阵列,包括至少2个接收天线阵元,被配置为接收目标散射的电磁波信号;
低噪声放大器,被配置为提高目标散射的电磁波信号的能量,在这个过程中引入较低的噪声;
混频器,被配置为将接收的目标散射电磁波信号,与发射的探测目标电磁波信号做混频,输出中频信号,
其中,所述发射天线阵列和接收天线阵列被设置为其法向与道路方向成夹角,
其中,所述微波雷达装置包括按时间切换的第1工作模式和第2工作模式,在第1工作模式下,全部发射天线阵元依次发射电磁波信号,全部接收天线阵元接收回波信号,在第2工作模式下,1个发射天线阵元发射电磁波信号,1个接收天线阵元接收回波信号,并且
其中,所述数字信号处理器被配置为执行如下算法处理:
针对在第1工作模式下接收到的第1数字信号,执行二维傅里叶变换、非相干积累、目标检测、角度测量和目标跟踪操作,从而获得车辆目标信息;
针对在第2工作模式下接收到的第2数字信号,执行一维傅里叶变换;
根据所述车辆目标信息,针对所述一维傅里叶变换的结果执行后向投影算法,获得地面坐标系中各点的图像信息;
针对所述图像信息执行车型识别算法,从而获得各车辆目标的车型信息。
所述二维傅里叶变换表示如下:
所述非相干积累操作表示如下:
所述目标检测操作表示如下:
所述角度测量操作如下:
所述一维傅里叶变换表示如下:
所述后向投影算法表示如下:
其中,
在一些实施例中,所述车型识别算法还包括按照如下分类输出车型信息:
根据本发明的实施例的识别车型的微波雷达装置结合了微波雷达的合成孔径技术,利用目标的相对运动等效为一个大型天线孔径,并创造性地引入分时切换的跟踪模式和成像模式,利用对特定车辆目标的跟踪参数进行成像,从成像结果提取车辆轮廓,识别车辆,实现了对车辆的高角度分辨率的跟踪和车型识别。与其它车型识别技术相比,具有低成本、高可靠性、且能够在各种天气和光照条件下工作的优点。
附图说明
图1示出了根据本发明的实施例的一种用于识别车型的微波雷达装置的安装示意图。
图2示出了根据本发明的实施例的用于识别车型的微波雷达装置的结构示意图。
图3示出了根据本发明的实施例的用于识别车型的微波雷达装置中的数字信号处理器的结构示意图。
图4示出了根据本发明的实施例的用于识别车型的微波雷达装置中的发射天线阵列和接收天线阵列的布置示意图。
图5示出了根据本发明的实施例的用于识别车型的微波雷达装置的工作模式。
图6示出了根据本发明的实施例的用于识别车型的微波雷达装置中的数字信号处理器所执行的具体算法。
具体实施方式
下面参照附图详细描述本发明的实施例。在附图及下面的描述中,阐述了许多具体细节以便使所属技术领域的技术人员更全面地了解本发明。但是,对于所属技术领域内的技术人员明显的是,本发明的实现可不具有这些具体细节中的一些。此外,应当理解的是,本发明并不限于所图示和介绍的特定实施例。相反,可以考虑用图示和描述的特征和要素的任意组合来实施本发明,而无论它们是否涉及不同的实施例。因此,图示和描述的方面、特征、实施例和优点仅作说明之用而不应被看作是权利要求的要素或限定,除非在权利要求中明确提出。
本发明提出了一种用于识别车型的微波雷达装置,其结合微波雷达的合成孔径成像技术,利用目标的相对运动等效为一个大型天线孔径,实现对车辆的高角度分辨率观测,获得雷达图像,再提取轮廓特征进行车型识别。与其它车型识别技术相比,具有低成本、高可靠性、不论天气、光照条件工作的优点。
微波雷达的角度分辨率与天线口径尺寸成反比,如下式如示:
合成孔径技术,通过目标的相对运动等效为一个大天线孔径,有效提升了雷达角度分辨率。例如,利用该技术,低轨道星载雷达能够实现对地观测0.3m的分辨率,相当于0.000032deg,远优于激光雷达0.08deg。
现参照图1,其示出了根据本发明的实施例的一种用于识别车型的微波雷达装置100的安装示意图。
如图1中所示,根据本发明的实施例的用于识别车型的微波雷达装置100安装在路侧,微波雷达装置100的天线阵列的法向与道路方向之间存在一个夹角,即图中的,该角度的范围可以为大于0度且小于180度,从而使得该微波雷达装置100发射的电磁波能够到达道路上的车辆并从车辆反射回波。
现参照图2和图3,其中图2示出了根据本发明的实施例的用于识别车型的微波雷达装置100的结构示意图,图3示出了根据本发明的实施例的用于识别车型的微波雷达装置100中的数字信号处理器110的结构示意图。如图2和图3中所示,该微波雷达装置100包括如下部件:
数字信号处理器110,其包括微处理器CPU 111(例如ARM、DSP、FPGA等架构的微控制器、微处理器、数字信号处理器等)、模数转换器ADC 112、数模转换器DAC 113以及静态随机存取存储器SRAM 114,且被配置为通过数模转换器DAC 113调制压控振荡器120发射波形,通过模数转换器ADC 112将中频模拟信号转换成数字信号,并将该数字信号存储在静态随机存取存储器SRAM 114内,以及对数字信号进行相应的算法处理;
压控振荡器120,被配置为将模拟电压信号转换成高频振荡的电磁波;
功率放大器130,被配置为提高压控振荡器120输出的能量;
发射天线阵列140,包括至少1个发射天线阵元141,被配置为发射探测目标的电磁波信号;
接收天线阵列150,包括至少2个接收天线阵元151,被配置为接收目标散射的电磁波信号;
低噪声放大器160,被配置为提高目标散射的电磁波信号的能量,在这个过程中引入较低的噪声;
混频器170,被配置为将接收的目标散射电磁波信号,与发射的探测目标电磁波信号做混频,输出中频信号。
现参照图4,其示出了根据本发明的实施例的用于识别车型的微波雷达装置100中的发射天线阵列140和接收天线阵列150的布置示意图。
如图4中所示,所述发射天线阵列140包含M T 个发射阵元141,所述接收天线阵列150包含M R 个接收阵元151,并且满足:
现参照图5,其示出了根据本发明的实施例的用于识别车型的微波雷达装置100的工作模式。
如图5中所示,该微波雷达装置100包括交替切换的以下两个工作模式:
a) 模式1,即跟踪模式,由全部 M T 个发射阵元发射电磁波信号、全部M R 个接收阵元接收回波信号,并记该模式下模数转换器ADC采集到的信号为“中频信号1”,用于对目标车辆的位置进行连续跟踪;
b) 模式2,即成像模式,由1个发射阵元发射电磁波信号、1个接收阵元接收回波信号,并记该模式下模数转换器ADC采集到的信号为“中频信号2”,用于对指定目标进行成像。
在模式1和模式2下,发射信号都是一组多个宽带调制信号,包括但不限于线性调频信号、非线性调频信号、巴克码信号等。每个模式例如可持续若干毫秒。
现参照图6,其示出了根据本发明的实施例的用于识别车型的微波雷达装置100中的数字信号处理器110所执行的具体算法。
如图6中所示,该算法包括以下步骤601-608,其中步骤601-605针对中频信号1执行,用于进行目标跟踪。中频信号1,即模式1(跟踪模式)下接收到的数字信号,可记为,表示第个接收通道、第个宽带调制信号的第个采样点的采样值。在本文中,一个接收通道为一个发射阵元和一个接收阵元的组合。
步骤606针对中频信号2执行一维傅里叶变换。中频信号2,即模式2(成像模式)下接收到的数字信号,可记为,表示第个宽带调制信号的第个采样点的采样值。步骤607基于步骤605的目标跟踪信息,针对步骤606的一维傅里叶变换结果,执行合成孔径技术中的后向投影算法,获得目标的图像信息,即地面坐标系中包含目标的各点的回波强度信息。在步骤607,根据目标的图像信息进行车型识别。
在步骤603,执行目标检测操作,即对进行以下操作,若满足下式,则在距离(其中表示电磁波传播速度,B 1 表示模式1下发射信号带宽)、速度(其中表示雷达工作波长, T 1 表示模式1下宽带调制信号的时间间隔)处,存在目标,其中和为检测算法参数,
在这里,角度是指雷达与目标之间的连线与雷达天线法向之间的夹角。所述第个接收通道的横向位置是指第个接收通道的发射天线阵元与接收天线阵元的横向位置之和,所述横向位置是指在以雷达位置(具体地,例如雷达的质心位置)为坐标原点、以道路方向为纵轴方向的地面坐标系中的横坐标。所述第个接收通道的初始相位是由第个接收通道的接收天线阵元与雷达馈线之间的距离等雷达电气特性决定的雷达初始参数。
在以上步骤601-605中,针对模式1下的中频信号1执行操作,可产生若干个目标的距离、速度和角度,每个目标代表被雷达跟踪到的道路上的一个车辆。在以下步骤中,根据跟踪到的每一个目标的距离、速度和角度,进行成像和车型识别操作。
其中,
B 2 表示模式2下发射信号带宽,T 2 表示模式2下的宽带调制信号的时间间隔,表示所述雷达天线的法向与道路方向的夹角,表示地面坐标系中各点的图像信息,该地面坐标系以雷达位置(具体地,例如雷达的质心位置)为坐标原点、以道路方向为纵轴方向。图像信息表示地面坐标系中各坐标点的雷达回波强度信息。
根据本发明的实施例的用于识别车型的微波雷达装置100不仅可以识别车型,还能根据雷达成像结果识别其种类,例如机动车、非机动车、行人等等。本发明对雷达工作频段没有任何要求,可以用于各个频段的雷达,包括但不限于P频段、L频段、C频段、X频段、Ku频段、K频段、Ka频段、W频段等。
以上参照附图描述了根据本发明的实施例的用于识别车型的微波雷达装置100,应指出的是,以上描述和图示仅为示例,而不是对本发明的限制。在本发明的其他实施例中,该用于识别车型的微波雷达装置100可具有更多、更少或不同的部件,且各部件之间的连接、包含和功能等关系可以与所描述和图示的不同。例如,某些部件可以组合为一个更大的部件,一个部件可以分解为几个较小的部件,由某个部件执行的功能也可能由另一个部件执行。再例如,在一些实施例中,该用于识别车型的微波雷达装置100中的部件执行的算法中的一些步骤可以与以上描述的不同,等等。所有这些变化都处于本发明的精神和范围之内。
根据本发明的实施例的识别车型的微波雷达装置结合了微波雷达的合成孔径技术,利用目标的相对运动等效为一个大型天线孔径,并创造性地引入分时切换的跟踪模式和成像模式,利用对特定车辆目标的跟踪参数进行成像,从成像结果提取车辆轮廓,识别车辆,实现了对车辆的高角度分辨率的跟踪和车型识别。与其它车型识别技术相比,具有低成本、高可靠性、且能够在各种天气和光照条件下工作的优点。
本说明书中涉及的各术语的含义一般为本领域中的通常含义,或者为本领域技术人员在阅读本说明书之后所正常理解的含义。在此使用的术语仅出于描述特定实施例的目的,并非对本发明进行限制。正如在此使用的那样,单数形式“一”、“一个”和“所述”旨在同时包括复数形式,除非上下文另外明确指出。将进一步理解的是,当在本说明书中使用时,术语“包括”和/或“包含”指定存在所述特性、整数、步骤、操作、元件和/或组件,但并不排除其中存在或添加一个或多个其他特性、整数、步骤、操作、元件、组件和/或由此构成的组。本说明书中的用语 “连接”、“相连”等类似术语通常包括机械连接、电连接、通信连接或其组合,且通常既可以包括直接连接,也包括经由其他部件的间接连通或连接。本说明书中的用语“第一”、“第二”等仅用于区别不同部件或要素,而不表示这些部件或要素之间的任何重要性或顺序关系。
权利要求中的所有装置功能元件或步骤功能元件(在适用时)的对应结构、材料、操作和等价物旨在包括用于与如具体声明的那样的其他所声明的元件结合执行所述功能的任何结构、材料或操作。出于说明和描述目的给出了对本发明的描述,但是所述描述并非旨在是穷举的或是将本发明限于所公开的形式。在不偏离本发明的范围和精神的情况下,许多修改和变化对于本领域的技术人员来说都将是显而易见的。实施例的选择和描述是为了最佳地解释本发明的原理和实际应用,并且使得本领域的其他技术人员能够针对具有各种修改的适合于所构想的特定使用的各种实施例理解本发明。因此,尽管根据实施例对本发明进行了描述,但是本领域的技术人员将理解,本发明的实现可以具有修改并且处于所附权利要求的精神和范围中。
Claims (4)
1.一种用于识别车型的微波雷达装置,包括:
数字信号处理器,包括微处理器CPU、模数转换器ADC、数模转换器DAC、静态随机存取存储器SRAM,且被配置为通过数模转换器DAC调制压控振荡器发射波形,通过模数转换器ADC将中频模拟信号转换成数字信号,并将该数字信号存储在静态随机存取存储器SRAM内,以及通过微处理器CPU对数字信号进行算法处理;
压控振荡器,被配置为将模拟电压信号转换成高频振荡的电磁波;
功率放大器,被配置为提高压控振荡器输出的能量;
发射天线阵列,包括至少1个发射天线阵元,被配置为发射探测目标的电磁波信号;
接收天线阵列,包括至少2个接收天线阵元,被配置为接收目标散射的电磁波信号;
低噪声放大器,被配置为提高目标散射的电磁波信号的能量,在这个过程中引入较低的噪声;
混频器,被配置为将接收的目标散射电磁波信号,与发射的探测目标电磁波信号做混频,输出中频信号,
其中,所述发射天线阵列和接收天线阵列被设置为其法向与道路方向成夹角,
其中,所述微波雷达装置包括按时间切换的第1工作模式和第2工作模式,在第1工作模式下,全部发射天线阵元依次发射电磁波信号,全部接收天线阵元接收回波信号,在第2工作模式下,1个发射天线阵元发射电磁波信号,1个接收天线阵元接收回波信号,并且
其中,所述数字信号处理器被配置为执行如下算法处理:
针对在第1工作模式下接收到的第1数字信号,执行二维傅里叶变换、非相干积累、目标检测、角度测量和目标跟踪操作,从而获得车辆目标信息;
针对在第2工作模式下接收到的第2数字信号,执行一维傅里叶变换;
根据所述车辆目标信息,针对所述一维傅里叶变换的结果执行后向投影算法,获得地面坐标系中各点的图像信息;
针对所述图像信息执行车型识别算法,从而获得各车辆目标的车型信息。
2.根据权利要求1所述的微波雷达装置,其中:
所述二维傅里叶变换表示如下:
所述非相干积累操作表示如下:
所述目标检测操作表示如下:
所述角度测量操作如下:
3.根据权利要求2所述的微波雷达装置,其中,
所述第2数字信号记为,表示第个宽带调制信号的第个采样点的采样值,
所述一维傅里叶变换表示如下:
所述后向投影算法表示如下:
其中,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011441072.1A CN112230222B (zh) | 2020-12-11 | 2020-12-11 | 一种用于识别车型的微波雷达装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011441072.1A CN112230222B (zh) | 2020-12-11 | 2020-12-11 | 一种用于识别车型的微波雷达装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112230222A CN112230222A (zh) | 2021-01-15 |
CN112230222B true CN112230222B (zh) | 2021-03-16 |
Family
ID=74124063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011441072.1A Active CN112230222B (zh) | 2020-12-11 | 2020-12-11 | 一种用于识别车型的微波雷达装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112230222B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116092314B (zh) * | 2022-12-30 | 2024-01-30 | 深圳市生态环境智能管控中心 | 一种基于5g和车路协同技术的动态限速提示系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101136141A (zh) * | 2007-10-12 | 2008-03-05 | 清华大学 | 基于单频连续波雷达的车型分类方法 |
CN101635027A (zh) * | 2009-09-03 | 2010-01-27 | 西安交通大学 | 一种基于En-ULLELDA的多视角车型识别方法 |
CN103854320A (zh) * | 2012-12-05 | 2014-06-11 | 上海海事大学 | 基于激光雷达的车型自动识别装置及其识别方法 |
CN104076357A (zh) * | 2014-07-07 | 2014-10-01 | 武汉拓宝电子系统有限公司 | 一种用于室内活动目标检测的雷达装置及方法 |
CN107967804A (zh) * | 2017-12-04 | 2018-04-27 | 北京理工大学 | 一种多旋翼载激光雷达的车型识别与车速测量装置及方法 |
CN209044060U (zh) * | 2018-11-02 | 2019-06-28 | 广州市杜格科技有限公司 | 基于激光雷达技术的车型识别装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11372081B2 (en) * | 2019-12-27 | 2022-06-28 | Intel Corporation | Apparatus, system and method of leakage cancellation for multiple input multiple output (MIMO) radar |
-
2020
- 2020-12-11 CN CN202011441072.1A patent/CN112230222B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101136141A (zh) * | 2007-10-12 | 2008-03-05 | 清华大学 | 基于单频连续波雷达的车型分类方法 |
CN101635027A (zh) * | 2009-09-03 | 2010-01-27 | 西安交通大学 | 一种基于En-ULLELDA的多视角车型识别方法 |
CN103854320A (zh) * | 2012-12-05 | 2014-06-11 | 上海海事大学 | 基于激光雷达的车型自动识别装置及其识别方法 |
CN104076357A (zh) * | 2014-07-07 | 2014-10-01 | 武汉拓宝电子系统有限公司 | 一种用于室内活动目标检测的雷达装置及方法 |
CN107967804A (zh) * | 2017-12-04 | 2018-04-27 | 北京理工大学 | 一种多旋翼载激光雷达的车型识别与车速测量装置及方法 |
CN209044060U (zh) * | 2018-11-02 | 2019-06-28 | 广州市杜格科技有限公司 | 基于激光雷达技术的车型识别装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112230222A (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110456343B (zh) | 一种基于fmcw毫米波雷达的即时定位方法及系统 | |
Rasshofer et al. | Automotive radar and lidar systems for next generation driver assistance functions | |
Hyun et al. | Moving and stationary target detection scheme using coherent integration and subtraction for automotive FMCW radar systems | |
KR20200067629A (ko) | 레이더 데이터를 처리하는 장치 및 방법 | |
US7154434B1 (en) | Anti-personnel airborne radar application | |
Zhang et al. | Super resolution DOA based on relative motion for FMCW automotive radar | |
Laribi et al. | Performance investigation of automotive SAR imaging | |
KR20200144862A (ko) | 레이더의 해상도 향상 방법 및 장치 | |
CN110832340A (zh) | 用于探测运动对象的系统 | |
US8212717B2 (en) | Radar imaging system and method using second moment spatial variance | |
CN112230223B (zh) | 一种用于车辆高精度定位的微波雷达装置 | |
WO2020050278A1 (ja) | 電子機器、電子機器の制御方法、及び電子機器の制御プログラム | |
Cui et al. | 3D detection and tracking for on-road vehicles with a monovision camera and dual low-cost 4D mmWave radars | |
Samczynski et al. | XY-DemoRad–Novel K-and mm-band radar demo kit for educational and commercial applications | |
Iqbal et al. | Imaging radar for automated driving functions | |
Jasteh et al. | Low-THz imaging radar for outdoor applications | |
CN112230222B (zh) | 一种用于识别车型的微波雷达装置 | |
EP2278355A1 (en) | Radar system | |
Steinhauser et al. | Towards safe autonomous driving: Challenges of pedestrian detection in rain with automotive radar | |
Vriesman et al. | An experimental analysis of rain interference on detection and ranging sensors | |
Akhter et al. | Development of RF-photonic system for automatic targets’ nonlinear rotational/flapping/gliding signatures imaging applications | |
Kim et al. | Target classification using combined YOLO-SVM in high-resolution automotive FMCW radar | |
Tebaldini et al. | SAR imaging in automotive scenarios | |
Steinhauser et al. | Micro-Doppler extraction of pedestrian limbs for high resolution automotive radar | |
Holder et al. | Modeling and simulation of radar sensor artifacts for virtual testing of autonomous driving |
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 |