CN112313538A - 目标检测方法、雷达、设备及存储介质 - Google Patents
目标检测方法、雷达、设备及存储介质 Download PDFInfo
- Publication number
- CN112313538A CN112313538A CN201980040122.4A CN201980040122A CN112313538A CN 112313538 A CN112313538 A CN 112313538A CN 201980040122 A CN201980040122 A CN 201980040122A CN 112313538 A CN112313538 A CN 112313538A
- Authority
- CN
- China
- Prior art keywords
- radar
- point
- detection
- neighborhood
- distance
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 214
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims description 35
- 239000000523 sample Substances 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 9
- 230000009471 action Effects 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 230000005236 sound signal Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 2
- 235000017491 Bambusa tulda Nutrition 0.000 description 2
- 241001330002 Bambuseae Species 0.000 description 2
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000011425 bamboo Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000002366 time-of-flight method Methods 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种目标检测方法、设备及存储介质。其中，目标检测方法包括：获取雷达与雷达探测到的探测点之间的距离(101)；根据雷达与探测点之间的距离，确定与探测点对应的数据点的邻域的大小(102)；数据点的邻域的大小，对点云信息进行密度聚类，以确定雷达探测到的目标对象的空间信息(103)。这种目标检测方式有助于提高目标检测的准确性。
Description
技术领域
本申请涉及雷达技术领域，尤其涉及一种目标检测方法、雷达、设备及存储介质。
背景技术
雷达由发射机、接收机和信息处理系统等组成，其可发射探测信号然后将接收到的从目标反射回来的信号，并根据反射回来的信号便可获得目标的有关信息，例如雷达与目标之间的距离、目标的方位、高度和形状等参数。因此，雷达被广泛应用于目标探测和跟踪上。
在实际应用中，经常基于密度聚类算法对雷达获取的点云信息进行聚类来确定雷达探测到的目标对应的点云，并基于目标对应的点云确定目标的空间信息。但是，这种目标探测方式准确率较低。
发明内容
本申请的方面提供一种目标检测方法、雷达、设备及存储介质，用以提高目标探测的准确性。
本申请实施例提供一种目标检测方法，包括：
获取雷达与所述雷达探测到的探测点之间的距离；
根据所述雷达与所述探测点之间的距离，确定与所述探测点对应的数据点的邻域的大小；
基于所述数据点的邻域的大小，对点云信息进行密度聚类，以确定所述雷达探测到的目标对象的空间信息；
其中，所述点云信息包含所述数据点。
本申请实施例还提供一种雷达，包括：存储器、处理器和通信组件；其中，所述通信组件用于发射探测信号，并接收所述探测信号探测到探测点时反射的回波信号；
其中，所述存储器用于存储计算机程序；
所述处理器耦合至所述存储器，用于执行所述计算机程序以用于：
根据所述探测信号和所述回波信号，获取所述雷达与所述雷达探测到的探测点之间的距离；
根据所述雷达与所述探测点之间的距离，确定与所述探测点对应的数据点的邻域大小；
基于所述数据点的邻域的大小，对点云信息进行密度聚类，以确定所述雷达探测到的目标对象的空间信息；
其中，所述点云信息包含所述数据点。
本申请实施例还提供一种探测设备，包括：存储器和处理器，并搭载有雷达；其中，所述存储器用于存储计算机程序；
所述雷达用于获取所述雷达与探测到的探测点之间的距离；
所述处理器耦合至所述存储器，用于执行所述计算机程序以用于：
根据所述雷达与所述探测点之间的距离，确定所述与所述探测点对应的数据点的邻域的大小；
基于所述数据点的邻域的大小，对点云信息进行密度聚类，以确定所述雷达探测到的目标对象的空间信息；
其中，所述点云信息包含所述数据点。
本申请实施例还提供一种移动设备，所述移动设备搭载有雷达，
所述雷达用于：获取所述雷达与探测到的探测点之间的距离；根据所述雷达与所述探测点之间的距离，确定与所述探测点对应的数据点的邻域的大小；基于所述数据点的邻域的大小，对点云信息进行密度聚类，以确定所述探测到的目标对象的空间信息；其中，所述点云信息包含所述数据点。
本申请实施例还提供一种存储有计算机指令的计算机可读存储介质，其特征在于，当所述计算机指令被一个或处理器执行时，致使所述一个或处理器执行包括以下的动作：
获取雷达与所述雷达探测到的探测点之间的距离；
根据所述雷达与所述探测点之间的距离，确定所述数据点的邻域的大小；
基于所述数据点的邻域的大小，对点云信息进行密度聚类，以确定所述雷达探测到的目标对象的空间信息；其中，所述点云信息包含所述数据点。
在本申请实施例中，可结合雷达与探测点之间的距离，确定对雷达探测到的点云信息进行聚类时的邻域的大小，并基于确定出的邻域大小，对点云信息进行密度聚类，进而确定雷达探测到的目标对象的空间信息。这种目标检测方式对点云信息进行密度聚类时，兼顾了目标对象与雷达之间的距离，有助于提高聚类的准确性，进而有助于提高对目标对象定位的准确性，即有助于提高目标检测的准确性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1a为本申请实施例提供的一种目标检测方法的流程示意图；
图1b为本申请实施例提供的确定数据点邻域大小的示意图；
图1c为本申请实施例提供的一种光栅盘结构示意图；
图1d为本申请实施例提供的点云聚类操作示意图；
图1e为本申请实施例提供的一种点云聚类的流程示意图；
图2为本申请实施例提供的一种雷达的结构示意图；
图3为本申请实施例提供的一种探测设备的结构示意图；
图4为本申请实施例提供的一种移动设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
针对现有雷达目标探测准确性较低的技术问题，在本申请一些实施例中，可结合雷达与探测点之间的距离，确定对雷达探测到的点云信息进行聚类时的邻域的大小，并基于确定出的邻域大小，对点云信息进行密度聚类，进而确定雷达探测到的目标对象的空间信息。这种目标检测方式对点云信息进行密度聚类时，兼顾了目标对象与雷达之间的距离，有助于提高聚类的准确性，进而有助于提高对目标对象定位的准确性，即有助于提高目标检测的准确性。
以下结合附图，详细说明本申请各实施例提供的技术方案。
图1a为本申请实施例提供的一种目标检测方法的流程示意图。如图1a所示，该方法包括：
101、获取雷达与雷达探测到的探测点之间的距离。
102、根据雷达与探测点之间的距离，确定与该探测点对应的数据点的邻域的大小。
103、基于该数据点的邻域的大小，对点云信息进行密度聚类，以确定雷达探测到的目标对象的空间信息。其中，点云信息包含数据点。
在本实施例中，雷达包括发射机、接收机和信息处理系统，其中，发射机用于发射探测信号，该探测信号遇到障碍物时会反射回来回波信号，接收机可接收该回波信号。之后，信息处理系统便可根据反射回来的回波信息获得目标的有关信息，例如雷达与目标之间的距离、目标的方位、高度和形状等参数。
在本实施例中，探测信号遇到障碍物其实质为：探测信号遇到障碍物上的某一点。为了便于描述和区分，将探测信号在传播过程中实际遇到的障碍点，定义为探测点。在本实施例中，探测点可能为目标对象上的某一点，也可能属于目标对象之外的其它对象，例如空气中的灰尘等等。其中，每个探测信号在遇到一个探测点时，可返回对应的回波信号。雷达便可根据探测信号与回波信号之间的差异，获取雷达与探测点之间的距离。其中，雷达所发射的探测信号不同，获取雷达与探测点之间的距离的方式也有所差异。例如，若雷达发射的探测信号为脉冲信号，则可根据雷达发出的探测信号与接收到的回波信号之间的时间差，计算雷达与探测点之间的距离。即利用飞行时间法计算雷达与探测点之间的距离。可选地，已知探测信号和回波信号在大气传播中的速度，则根据雷达发出的探测信号与接收到的回波信号之间的时间差以及探测信号和回波信号在大气传播中的速度，便可计算出雷达与探测点之间的距离。可选地，探测信号可以为电磁波信号，例如微波信号或激光信号等等，但不限于此。
又例如，若雷达发射的探测信号为连续波信号，则可根据雷达发出的探测信号与接收到的回波信号之间的频率差，计算雷达与探测点之间的距离。可选地，连续波为调频连续波(Frequency Modulated Continuous Wave，FMCW)。其中，调频方式可以为三角波调频、锯齿波调频、编码调制或者噪声调频等，但不限于此。
进一步，可基于雷达发射的探测信号和接收到的回波信号，得到探测点的空间坐标信息，多个探测点的空间坐标信息便组成点云信息，即点云信息为一系列的空间坐标点组成的集合。可选地，可根据雷达与探测点之间的距离以及雷达的位姿，计算探测点对应的数据点。其中，雷达的位姿是指雷达的位置和朝向。进一步，雷达的朝向可以是指雷达天线的方向性。进一步，根据雷达天线的方向性，可获得探测点相较于雷达的方向；进而根据探测点相较于雷达的方向、雷达与探测点之间的距离以及雷达的位置，可计算出探测点的空间坐标，作为探测点对应的点云信息中的一个数据点。
基于上述分析，在步骤101中，可获取雷达与雷达探测到的探测点之间的距离。在实际应用中，雷达探测到的探测点可能属于同一个目标对象，也可能属于多个目标对象。在本申请实施例中，多个是指2个或2个以上。或者，这些探测点也可能不属于任何目标对象。
进一步，为了确定探测点对应的点云信息分别隶属于哪个目标对象，可对探测点对应的点云信息进行密度聚类处理，将属于同一目标对象的数据点划分至同一聚类中。
在实际应用中，由于雷达的扫描特性，探测点的点云以雷达中心为原点，呈放射状发散分布，且探测点距离雷达越近，这些探测点对应点云分布越密集，即点云中点与点之间的分布，随着探测点与雷达的距离的增大而变得分散。基于此，在步骤102中，可根据雷达与探测点之间的距离，确定对点云信息进行密度聚类处理时所使用的邻域的大小，即确定点云信息中数据点的邻域的大小。因此，在步骤102中，可根据雷达与探测点之间的距离，确定与该探测点对应的数据点的邻域大小，作为对点云信息进行密度聚类的邻域的大小。其中，与探测点对应的数据点为点云信息中的任一数据点。其中，根据雷达与探测点之间的距离，确定对点云信息进行密度聚类时所使用的邻域的大小，这种邻域确定方式兼顾了点云中点与点之间的分布，随着探测点与雷达的距离的增大而分散的特性，有助于提高密度聚类的自适应性，进而有助于提高密度聚类的准确率。
进一步，在步骤103中，可基于与探测点对应的数据点的邻域的大小，对点云信息进行密度聚类，得到该数据点所属的点云聚类。该点云聚类对应一个目标对象。这样，根据该点云聚类中的点云信息，便可确定雷达探测到的目标对象的空间信息。其中，关于如何基于数据点的邻域的大小，对点云信息进行密度聚类的具体实施方式将在下文进行描述，在此暂不赘述。
在本申请实施例中，目标对象的空间信息可以为目标对象的中心坐标、几何尺寸等，但不限于此。其中，目标对象的几何尺寸是指可表征目标对象的尺寸的几何信息。其中，目标对象的形状不同，其几何尺寸也有所差别。例如，若目标对象为长方体或正方体结构，则几何尺寸可以为目标对象的长宽高等；若目标对象为球体，则几何尺寸可以为曲率、半径等；若目标对象为圆柱体，则几何尺寸可以为底面半径和高等；但不限于此。若目标对象为不规则立体结构，则其几何尺寸可以能够包裹该目标对象的点云信息的正方体、长方体、球体或椭球体的几何尺寸进行表示。
在本实施例中，可结合雷达与探测点之间的距离，确定对雷达探测到的点云信息进行聚类时的邻域的大小，并基于确定出的邻域大小，对点云信息进行密度聚类，进而确定雷达探测到的目标对象的空间信息。这种目标检测方式对点云信息进行密度聚类时，兼顾了目标对象与雷达之间的距离，有助于提高聚类的准确性，进而有助于提高对目标对象定位的准确性，即有助于提高目标检测的准确性。
在本申请实施例中，如图1b所示，在根据雷达与探测点之间的距离，确定与该探测点对应的数据点的邻域的大小时，可根据雷达与该探测点之间的距离以及第一夹角θ，计算与该探测点对应的数据点的邻域的半径，并将计算出的半径，作为该数据点的邻域的大小。
可选地，可计算雷达与探测点之间的距离与第一夹角θ的弧度值的乘积，作为与该探测点对应的数据点的邻域的半径，即r＝l*θ。或者，可计算雷达与探测点之间的距离与第一夹角θ的三角函数值的乘积，作为与该探测点对应的数据点的邻域的半径。其中，第一夹角θ的三角函数值可以为第一夹角θ的正弦值或第一夹角θ的正切值。即r＝l*sinθ或r＝l*tanθ。其中，r为邻域半径，l为雷达与探测点之间的距离。
本申请实施例提供的目标检测方法适用于不仅适用于定向雷达，还可适用于旋转雷达。其中，雷达可以为微波雷达，也可为激光雷达等，但不限于此。可选地，对于定向雷达，第一夹角小于或等于定向雷达的角度分辨率。对于旋转雷达，第一夹角大于或等于水平角度跨度范围和垂直角度分辨率的最小角度，且小于或等于水平角度跨度范围的最大角度。可选地，垂直角度分辨率小于水平角度跨度范围的最大角度。
进一步，对于旋转雷达，设置有测量其旋转位置的水平角度检测装置和测量目标相对于旋转雷达的发射机轴向的偏离角的电扫描测角装置。在本实施例中，旋转雷达包括固定基座以及装配于固定基座上的旋转本体，旋转本体可以相对于固定基座转动。可选地，水平角度检测装置包括：光电传感器和光栅盘。该光栅盘固定于固定基座上，光电传感器固定设置于旋转本体上。可选地，如图1c所示，光栅盘为圆形盘体结构，旋转本体以光栅盘的中心为轴转动。进一步，如图1c所示，光栅盘的边缘还设有多个等间距排列的光栅，相邻的两个光栅组成一个栅格。在本实施例中，光电传感器跟随旋转雷达的旋转本体旋转而旋转，并在经过光栅盘的栅格的过程中产生脉冲信号。进一步，根据脉冲信号的数量以及每一栅格对应的圆心角，便可确定旋转雷达在水平方向上的旋转角度。其中，脉冲信号的数量与光电传感器经过的栅格的数量相同。
基于上述分析，对于上述水平角度范围可根据每一栅格对应的圆心角以及测量至少一个第一对象所需的栅格数量来确定。其中，至少一个第一对象的大小决定了测量至少一个第一对象所需的栅格数据。在本实施例中，第一对象可以为指定对象，也可为至少一个目标对象。其中，指定对象为目标对象之外的其它对象。优选地，指定对象的选取可根据雷达能够探测到的目标物的最小体积选取。例如，雷达能够探测到的最小目标物为竹竿，则指定对象可以为竹竿；又例如，雷达能够探测到的最小目标物为电线，则指定对象可以为电线等等，但不限于此。
相应地，在根据雷达与探测点之间的距离以及第一夹角，计算与该探测点对应的数据点的邻域的半径之前，还可根据至少一个第一对象的大小，确定雷达测量至少一个第一对象所需的栅格数量。可选地，雷达可对至少一个第一对象进行多次测量，确定测量至少一个第一对象所需的栅格数量。
进一步，可根据每一栅格对应的圆心角和测量至少一个第一对象对应的光栅盘的栅格数量，确定水平角度跨度范围。其中，测量至少一个第一对象对应的光栅盘的栅格数量是指：测量至少一个目标对象所跨的光栅盘的栅格数量。可选地，可将每一栅格对应的圆心角乘以测量至少一个第一对象对应的光栅盘的栅格数量，得到水平角度跨度范围。其中，对于光栅盘所包括的光栅的数量不同，栅格对应的圆心角不同。例如，若光栅盘在360°上包含600个光栅格，则每一栅格对应的圆心角为0.6°。考虑到实际应用中。雷达探测到实际存在的障碍物一般横跨3-5个光栅角度，则可确定水平角度跨度范围为1.8°～2.4°。
进一步，可根据水平角度跨度范围和垂直角度分辨率，确定第一夹角。可选地，可从水平角度跨度范围和垂直角度分辨率所覆盖的角度范围中任选一个角度，作为第一夹角；或者，可从水平角度跨度范围和垂直角度分辨率所覆盖的角度范围的中值角度，作为第一夹角；或者可从水平角度跨度范围和垂直角度分辨率所覆盖的角度范围的平均角度，作为第一夹角等等。
其中，垂直角度分辨率可以为电扫描测角装置的角度最小跨度。可选地，电扫描测角装置可采用相位扫描法测角、频率扫描法测角、振幅法测角或天线波束扫描法测角等等，但不限于此。这些测角方法的实现原理均可参见本领域的现有技术，在此不再赘述。
在一些实施例中，在步骤103之前，无法获知目标对象的大小，则第一对象可为指定对象。其中，关于指定对象的描述，可参见上述实施例的相关内容。对于第一对象为指定对象的情况，可选地，上述确定第一夹角的过程可在目标检测之前进行，并将确定的第一夹角预置到雷达内；或者，上述确定第一夹角的过程也可在雷达出厂之前进行，并将第一夹角预置在雷达内。
在另一些实施例中，对于已知目标对象的大小的情况，例如可预估目标对象的大小，则可在目标检测过程中执行上述确定第一夹角的过程，但不限于此。
在本申请实施例中，在确定出与探测点对应的数据点的邻域的大小之后，便可基于该邻域的大小，对点云信息进行密度聚类，得到该数据点所属的点云子集。其中，该点云子集对应一个目标对象。基于此，便可根据与探测点对应的数据点所属的点云子集中的各数据点，确定雷达探测到的目标对象的空间信息。
在本申请实施例中，对于探测点的点云信息中的任一数据点可采用相同的密度聚类方法进行聚类操作，下面以第一数据点为例，进行示例性说明。其中，第一数据点是指探测点的点云信息中尚未进行聚类的任一数据点。
针对第一数据点，可判断第一数据点的邻域内包含的数据点的数量是否大于或等于已知的数量阈值。若判断结果为是，则将第一数据点和第一数据点密度可达的所有数据点聚类至一个簇中，进而得到第一数据点所属的点云子集。相应地，若第一数据点的邻域内包含的数据点的数量小于已知的数量阈值，则可确定第一数据点不属于第一数据点所属的点云子集，即在本次密度聚类中可将第一数据点确定为噪点。其中，已知的数量阈值可根据实际需求进行灵活设定。例如，已知的数量阈值可根据第一对象的大小进行设定，等等，但不限于此。
为方便描述，将第一数据点A的邻域定义为ε邻域，将该邻域半径定义为r1。若在点云信息中，与第一数据点的距离小于或等于r1的数据点的数量大于或等于已知的数量阈值，则将第一数据点A设置为核心数据点A，并将第一数据点A和第一数据点A密度可达的所有数据点设置为一个聚类。其中，第一数据点A密度可达的数据点的解释为：对于第一数据点A之外的另一核心数据点B，若与核心数据点B的距离小于或等于r1的数据点中包含有与第一数据点A的距离小于或等于r1的数据点，则核心数据点B从第一数据点A密度可达。
根据本发明的一实施方式，若第一数据点和第二数据点的周围的数据点的密度相似，并且第一数据点和第二数据点的距离小于一预定值，则将第一目标物体和第二目标物体放入同一簇中。
根据本发明的另一实施方式，若第一数据点A和第二数据点B各自的邻域内包含的数据点的数量均大于或等于第一数量阈值并且第一数据点A和第二数据点B的邻域至少部分重叠，则将第一数据点A和第二数据点B均放入同一个簇中，以得到密度聚类相关的点云子集。
为了更清楚的说明上述对点云信息进行聚类的操作，结合如图1d所示的点云聚类的示意图进行示例性阐述。假设第一数据点A的邻域半径为r1，预设个数阈值为5，对于第一数据点A，在r1邻域内含有6个数据点(大于个数阈值5)，则第一数据点A为核心数据点，数据点A1在数据点A的r1邻域内，则数据点A1从数据点A直接密度可达；对于数据点B，在r2邻域含有5个数据点(等于个数阈值5)，则数据点B也是一个核心数据点，且数据点A1在数据点B的r2邻域内，则数据点A1从数据点B直接密度可达，则数据点A从数据点B密度可达。同理，数据点A从数据点C密度可达，则由数据点A、B、C以及数据点A、B、C密度可达的所有数据点构成一个聚类。
下面结合具体的实施步骤，对点云信息进行密度聚类的具体实施方式进行示例性说明。如图1e所示，主要步骤包括：
S1：判断探测点的点云信息组成的数据集D是否存在未被访问的数据点。若判断结果为是，则执行步骤S2；若判断结果为否，则结束聚类操作。
S2：从数据集D中的任取一未被访问的数据点P1。
S3：判断数据点P1的邻域内包含数据点的数量是否大于或等于已知的数量阈值N。若判断结果为是，则执行步骤S4；若判断结果为否，则执行步骤S10。
S4：将数据点P1以及数据点P1的邻域内的其它数据点加入邻近点集Q，并执行步骤S5。
S5：判断邻近点集Q中是否存在未被访问的数据点。若判断结果为是，则执行步骤S6；若判断结果为否，则返回执行步骤S1。
S6：从邻近点集Q除数据点P1之外的其它数据点中任取一未被访问的数据点P2。
S7：判断数据点P2的邻域内包含的数据点的数量是否大于或等于已知的数量阈值N。若判断结果为是，则执行步骤S8；若判决结果为否，则执行返回执行步骤S5。
S8：将数据点P2的邻域内的数据点加入邻近点集Q，形成新的邻近点集Q’。
S9：令Q＝Q’，并返回执行步骤S5，直至邻近点集Q内的所有数据点均被访问。
S10：将数据点P1标记为噪点。
在本申请实施例中，雷达可搭载在各种设备上完成相关任务。例如，雷达可搭载在移动设备上实现对障碍物的探测，或者实现对目标的检查和跟踪等等。基于此，在本申请实施例中，在步骤103确定出雷达探测到的目标对象的空间信息之后，还可根据目标对象的空间信息，指引搭载有该雷达的设备运动。其中，搭载有雷达的设备执行的任务不同，运动方式也就不同。在一些应用场景中，可根据目标对象的空间信息，指引搭载有雷达的设备对目标对象进行避障，即绕开该目标对象行进。在另一些应用场景中，可根据目标对象的空间信息，指引搭载有雷达的设备对目标对象进行跟踪；等等，但不限于此。
进一步，雷达可搭载在各种设备上。例如，雷达可搭载在移动设备上，其中移动设备可以为自主移动设备，如无人机、无人驾驶车辆或机器人等，但不限于此；或者，移动设备也可以为需要人员控制的可移动的设备，如非无人驾驶的车辆、船只、飞机等等，但不限于此。
需要说明的是，上述实施例所提供方法的各步骤的执行主体均可以是同一设备，或者，该方法也由不同设备作为执行主体。比如，步骤101和102的执行主体可以为设备A；又比如，步骤101的执行主体可以为设备A，步骤102的执行主体可以为设备B；等等。
另外，在上述实施例及附图中的描述的一些流程中，包含了按照特定顺序出现的操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。
相应地，本申请实施例还提供一种存储有计算机指令的计算机可读存储介质，当计算机指令被一个或处理器执行时，致使一个或处理器执行包括以下的动作：获取雷达与雷达探测到的探测点之间的距离以及探测点对应的点云信息；根据雷达与探测点中至少一个探测点之间的距离，确定点云信息中至少一个数据点的邻域的大小；基于至少一个数据点的邻域的大小，对点云信息进行密度聚类，以确定雷达探测到的至少一个目标对象的空间信息。
可选地，当计算机指令被一个或处理器执行时，致使一个或处理器执行上述图1以及可选实施方式中的相关步骤，具体参见上述实施例的相关内容，在此不再赘述。
图2为本申请实施例提供的一种雷达的结构示意图。如图2所示，该雷达包括：存储器20a、处理器20b和通信组件20c。其中，通信组件20c用于发射探测信号，并接收探测信号探测到探测点时反射的回波信号。
可选地，如图2所示，通信组件20c可包括：发射机20c1、接收机20c2以及天线20c3，等等，但不限于此。接收机20c2接收到多根天线的信号，经过ADC转为数字信号，再给处理器解算。具体来说，多根天线分列排布，得到多组信号，起到电扫描测角的作用，处理器解算角度。其中，关于发射机20c1、接收机20c2以及天线20c3的作用和实现形态均属于本领域的公知常识，在此不做赘述。
在本实施例中，存储器20a用于存储计算机程序。处理器20b耦合至存储器，用于执行计算机程序以用于：根据探测信号和回波信号，获取雷达与雷达探测到的探测点之间的距离以及探测点对应的点云信息；根据雷达与探测点探测点之间的距离，确定与该探测点对应的数据点的邻域大小；并基于该数据点的邻域的大小，对点云信息进行密度聚类以确定雷达探测到的目标对象的空间信息；其中，点云信息包含数据点。可选地，数据点为点云信息中的任一数据点。
在一些实施例中，处理器20b在确定点云信息中至少一个数据点的邻域的大小时，具体用于：根据雷达与探测点之间的距离以及第一夹角，计算与该探测点对应的数据点的邻域的半径，作为该数据点的邻域的大小。
可选地，第一夹角大于或等于水平角度跨度范围和垂直角度分辨率中的最小角度，且小于或等于水平角度跨度范围的最大角度。
在一些实施例中，如图2所示，天线20c3还可包括电扫描测角装置20e。此外，雷达还可包括水平角度检测装置20d。其中，水平角度检测装置20d可测量雷达的旋转位置；电扫描测角装置20d可测量目标相对于发射机20c1的轴向的偏离角。其中，关于水平角度检测装置20d的设置方式可参见上述实施例的相关内容，在此不再赘述。可选地，水平角度检测装置20d包括：光电传感器20d1和光栅盘20d2。其中，光电传感器20d1和光栅盘20d2的设置方式、实现形态以及工作原理的描述均可参见上述实施例的相关内容，在此不再赘述。
基于上述水平角度检测装置20d和电扫描测角装置20e，处理器20b还用于：在计算数据点的邻域的半径之前，根据至少一个第一对象的大小，确定雷达测量至少一个第一对象所需的栅格数量；根据每一栅格的圆心角和测量至少一个第一对象所需的栅格数量，确定水平角度跨度范围；根据水平角度跨度范围和垂直角度分辨率，确定第一夹角。
可选地，第一对象是指定对象或至少一个目标对象。
可选地，电扫描测角装置20e可测量至少一个第一对象相对发射机20c1的轴向的偏离角。相应地，垂直角度分辨率可根据电扫描测角装置20e的最小跨度来确定。
在另一些实施例中，处理器20b在计算至少一个数据点的邻域的半径时，具体用于：计算雷达与探测点之间的距离与第一夹角的弧度值的乘积，作为与该探测点对应的数据点的邻域的半径；或者，计算雷达与探测点之间的距离与第一夹角的三角函数值的乘积，作为与该探测点对应的数据点的邻域的半径。
在又一些实施例中，处理器20b在获取雷达与雷达探测到的探测点之间的距离时，具体用于：若雷达的探测信号为脉冲信号，则根据雷达发出的探测信号与接收到的回波信号之间的时间差，计算雷达与探测点之间的距离；若雷达的探测信号为连续波信号，则根据雷达发出的探测信号与接收到的回波信号之间的频率差，计算雷达与探测点之间的距离。
进一步，处理器20b还用于：在确定与探测点对应的数据点的邻域的大小之前，根据雷达与探测点之间的距离以及雷达的位姿，计算探测点对应的数据点。
在其它一些实施例中，处理器20b在对点云信息进行密度聚类时，具体用于：基于与探测点对应的数据点的邻域的大小，对点云信息进行密度聚类，以该数据点对应的点云子集；根据该点云子集中的数据点，确定雷达探测到的目标对象的空间信息。
进一步，处理器20b在对点云信息进行密度聚类时，具体用于：针对第一数据点，判断第一数据点的邻域内包含的数据点的数量是否大于或等于已知的数量阈值；若判断结果为是，则将第一数据点和第一数据点密度可达的所有数据点聚类至一个簇中，以得到第一数据点所属的点云子集；其中，第一点为点云信息中尚未进行聚类的任一点。
在本申请实施例中，处理器20b还可用于：在确定雷达探测到的目标对象的空间信息之后，根据目标对象的空间信息，引导搭载有雷达的设备运动。
在一些可选实施方式中，如图2所示，该雷达还可以包括：电源组件20f等可选组件。图2中仅示意性给出部分组件，并不意味着雷达必须包含图2所示全部组件，也不意味着雷达只能包括图2所示组件。
本实施例提供的雷达，可结合雷达与探测点之间的距离，确定对雷达探测到的点云信息进行聚类时的邻域的大小，并基于确定出的邻域大小，对点云信息进行密度聚类，进而确定雷达探测到的目标对象的空间信息。这种目标检测方式对点云信息进行密度聚类时，兼顾了目标对象与雷达之间的距离，有助于提高聚类的准确性，进而有助于提高对目标对象定位的准确性，即有助于提高目标检测的准确性。
图3为本申请实施例提供的一种探测设备的结构示意图。如图3所示，该探测设备包括：存储器30a和处理器30b。该探测设备还搭载有雷达30c。
在本实施例中，雷达30c用于获取雷达与探测到的探测点之间的距离。可选地，雷达30c可将雷达与探测到的探测点之间的距离提供给处理器30b。
进一步，在本实施例中，存储器用于存储计算机程序。相应地，处理器30b耦合至存储器，用于执行计算机程序以用于：根据雷达与探测点之间的距离，确定与该探测点对应的数据点的邻域的大小；基于该数据点的邻域的大小，对点云信息进行密度聚类，以确定雷达探测到的目标对象的空间信息。
在一些实施例中，雷达30c在获取雷达与雷达探测到的探测点之间的距离时，具体用于：若雷达的探测信号为脉冲信号，则根据雷达发出的探测信号与接收到的回波信号之间的时间差，计算雷达与探测点之间的距离；若雷达的探测信号为连续波信号，则根据雷达发出的探测信号与接收到的回波信号之间的频率差，计算雷达与探测点之间的距离。
进一步，雷达30c在确定与探测点对应的数据点的邻域的大小之前，还于：根据雷达与探测点之间的距离以及雷达的位姿，计算探测点对应的数据点。
在另一些实施例中，雷达30c还用于：根据至少一个第一对象的大小，确定雷达测量至少一个第一对象对应的雷达上的光栅盘的栅格数量；根据每一栅格对应的圆心角和测量至少一个第一对象对应的雷达上的光栅盘的的栅格数量，确定水平角度跨度范围；根据水平角度跨度范围和垂直角度分辨率，确定第一夹角。其中，关于雷达30c的结构的描述，可参见上述实施例的相关内容。可选地，垂直角度分辨率是根据测量至少一个第一对象相对雷达的发射机轴线的偏离角的电扫描测角装置的最小跨度确定的。
可选地，第一对象是指定对象或至少一个目标对象。
在又一些实施例中，处理器30b在计算至少一个数据点的邻域的半径时，具体用于：计算雷达与探测点之间的距离与第一夹角的弧度值的乘积，作为与该探测点对应的数据点的邻域的半径；或者，计算雷达与探测点之间的距离与第一夹角的三角函数值的乘积，作为与该探测点对应的数据点的邻域的半径。
在其它一些实施例中，处理器30b在对点云信息进行密度聚类时，具体用于：基于与探测点对应的数据点的邻域的大小，对点云信息进行密度聚类，以得到该数据点所属的点云子集；根据该点云子集中的数据点，确定雷达探测到的目标对象的空间信息。
进一步，处理器30b在对点云信息进行密度聚类时，具体用于：针对第一数据点，判断第一数据点的邻域内包含的数据点的数量是否大于或等于已知的数量阈值；若判断结果为是，则将第一数据点和第一数据点密度可达的所有数据点聚类至一个簇中，以得到第一数据点所属的点云子集；其中，第一数据点为点云信息中尚未进行聚类的任一数据点。
在本申请实施例中，处理器30b确定雷达探测到的目标对象的空间信息之后，还用于：根据目标对象的空间信息，引导探测设备运动。
可选地，探测设备为无人机、无人驾驶车辆、机器人或船只，等等，但不限于此。
在一些可选实施方式中，如图3所示，该探测设备还可以包括：电源组件30d、通信组件30f、驱动组件30g、显示组件30h、音频组件30i或一个或传感器30j等可选组件。其中，探测设备的实现形态不同，其包括的其它组件也有所差别。关于探测设备包含的其它组件属于探测设备本身所属领域的公知常识，在此不做赘述。图3中仅示意性给出部分组件，并不意味着探测设备必须包含图3所示全部组件，也不意味着探测设备只能包括图3所示组件。
本申请实施例提供的探测设备包括：雷达和处理器。其中，雷达和处理器相互配合，可结合雷达与探测点之间的距离，确定对雷达探测到的点云信息进行聚类时的邻域的大小，并基于确定出的邻域大小，对点云信息进行密度聚类，进而确定雷达探测到的目标对象的空间信息。这种目标检测方式对点云信息进行密度聚类时，兼顾了目标对象与雷达之间的距离，有助于提高聚类的准确性，进而有助于提高对目标对象定位的准确性，即有助于提高目标检测的准确性。
图4为本申请实施例提供的一种移动设备的结构示意图。如图4所示，该移动设备搭载有雷达40a。其中，雷达40a用于：获取雷达与探测到的探测点之间的距离；根据雷达与探测点之间的距离，确定与该探测点对应的数据点的邻域的大小；基于该数据点的邻域的大小，对点云信息进行密度聚类，以确定探测到的目标对象的空间信息；其中，点云信息包含与探测点对应的数据点。
其中，关于雷达40a获取雷达与探测到的探测点之间的距离以及探测点对应的数据点、确定数据点的邻域的大小以及对点云信息进行密度聚类的具体实施方式，均可参见上述实施例的相关内容，在此不再赘述。关于雷达40a的具体实现形态和结构也参见上述实施例的相关内容，在此不再赘述。
在一些实施例中，移动设备还包括：处理器40b。可选地，雷达40a可将目标对象的空间信息提供给处理器40b。相应地，处理器40b可根据目标对象的空间信息，引导移动设备运动。
在一些可选实施方式中，如图4所示，该探测设备还可以包括：存储器40c、电源组件40d、通信组件40f、驱动组件40g、显示组件40h、音频组件40i或一个或传感器40j等可选组件。其中，移动设备的实现形态不同，其包括的其它组件也有所差别。关于移动设备包含的其它组件属于移动设备本身所属领域的公知常识，在此不做赘述。图4中仅示意性给出部分组件，并不意味着移动设备必须包含图4所示全部组件，也不意味着移动设备只能包括图4所示组件。
本实施例提供的移动设备，搭载有雷达。其中，雷达可结合雷达与探测点之间的距离，确定对雷达探测到的点云信息进行聚类时的邻域的大小，并基于确定出的邻域大小，对点云信息进行密度聚类，进而确定雷达探测到的目标对象的空间信息。这种目标检测方式对点云信息进行密度聚类时，兼顾了目标对象与雷达之间的距离，有助于提高聚类的准确性，进而有助于提高对目标对象定位的准确性，即有助于提高目标检测的准确性。
在本申请实施例中，存储器，用于存储计算机程序，并可被配置为存储其它各种数据以支持在其所在设备上的操作。其中，处理器可执行存储器中存储的计算机程序，以实现相应控制逻辑。存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEAROM)，可擦除可编程只读存储器(EAROM)，可编程只读存储器(AROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
在本申请实施例中，处理器可以为任意可执行上述方法逻辑的硬件处理设备。可选地，处理器可以为中央处理器(Central Arocessing Unit，CAU)、图形处理器(GraAhicsArocessing Unit，GAU)或微控制单元(Microcontroller Unit，MCU)；也可以为现场可编程门阵列(Field-Arogrammable Gate Array，FAGA)、可编程阵列逻辑器件(ArogrammableArray Logic，AAL)、通用阵列逻辑器件(General Array Logic，GAL)、复杂可编程逻辑器件(ComAlex Arogrammable Logic Device，CALD)等可编程器件；或者为先进精简指令集(RISC)处理器(Advanced RISC Machines，ARM)或系统芯片(System on ChiA SOC)等等，但不限于此。
在本申请实施例中，通信组件还可被配置为便于其所在设备和其他设备之间有线或无线方式的通信。其所在设备可以接入基于通信标准的无线网络，如WiFi，2G或3G，4G，5G或它们的组合。在一个示例性实施例中，通信组件经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件还可基于近场通信(NFC)技术、射频识别(RFID)技术、红外数据协会(IrDA)技术、超宽带(UWB)技术、蓝牙(BT)技术或其他技术来实现。
在本申请实施例中，显示组件可以包括液晶显示器(LCD)和触摸面板(TP)。如果显示组件包括触摸面板，显示组件可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。
在本实施例中，电源组件被配置为其所在设备的各种组件提供电力。电源组件可以包括电源管理系统，一个或电源，及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。
在本实施例中，音频组件可被配置为输出和/或输入音频信号。例如，音频组件包括一个麦克风(MIC)，当音频组件所在设备处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或经由通信组件发送。在一些实施例中，音频组件还包括一个扬声器，用于输出音频信号。例如，对于具有语言交互功能的设备，可通过音频组件实现与用户的语音交互等。
需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或流程和/或方框图一个方框或方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或流程和/或方框图一个方框或方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或流程和/或方框图一个方框或方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或处理器(CAU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(ARAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEAROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (22)
1.一种目标检测方法，其特征在于，包括：
获取雷达与所述雷达探测到的探测点之间的距离；
根据所述雷达与所述探测点之间的距离，确定与所述探测点对应的数据点的邻域的大小；
基于所述数据点的邻域的大小，对点云信息进行密度聚类，以确定所述雷达探测到的目标对象的空间信息；
其中，所述点云信息包含所述数据点。
2.根据权利要求1所述的方法，其特征在于，所述根据所述雷达与所述探测点对应的数据点之间的距离，确定与所述探测点对应的数据点的邻域的大小，包括：
根据所述雷达与所述探测点之间的距离以及第一夹角，计算所述数据点的邻域的半径，作为所述数据点的邻域的大小。
3.根据权利要求2所述的方法，其特征在于，所述第一夹角大于或等于水平角度跨度范围和垂直角度分辨率中的最小角度，且小于或等于所述水平角度跨度范围的最大角度。
4.根据权利要求3所述的方法，其特征在于，在根据所述雷达与所述探测点之间的距离以及第一夹角，计算所述数据点的邻域的半径之前，还包括：
根据至少一个第一对象的大小，确定所述雷达测量所述至少一个第一对象对应的所述雷达上的光栅盘的栅格数量；
根据每一栅格对应的圆心角和所述测量所述至少一个第一对象对应的所述雷达上的光栅盘的栅格数量，确定所述水平角度跨度范围；
根据所述水平角度跨度范围和所述垂直角度分辨率，确定所述第一夹角。
5.根据权利要求4所述的方法，其特征在于，所述第一对象是指定对象或所述至少一个目标对象。
6.根据权利要求4所述的方法，其特征在于，所述垂直角度分辨率是根据测量所述至少一个第一对象相对所述雷达的发射机轴线的偏离角的电扫描测角装置的最小跨度确定的。
7.根据权利要求2所述的方法，其特征在于，所述根据所述雷达与所述探测点之间的距离以及第一夹角，计算所述数据点的邻域的半径，包括：
计算所述雷达与所述探测点之间的距离与所述第一夹角的弧度值的乘积，作为所述数据点的邻域的半径；
或者，
计算所述雷达与所述探测点之间的距离与所述第一夹角的三角函数值的乘积，作为所述数据点的邻域的半径。
8.根据权利要求1所述的方法，其特征在于，所述获取雷达与所述雷达探测到的探测点之间的距离，包括：
若所述雷达的探测信号为脉冲信号，则根据所述雷达发出的探测信号与接收到的回波信号之间的时间差，计算所述雷达与所述探测点之间的距离；
若所述雷达的探测信号为连续波信号，则根据所述雷达发出的探测信号与接收到的回波信号之间的频率差，计算所述雷达与所述探测点之间的距离。
9.根据权利要求8所述的方法，其特征在于，在确定与所述探测点对应的数据点的邻域的大小之前，还包括：
根据所述雷达与所述探测点之间的距离以及所述雷达的位姿，计算所述数据点。
10.根据权利要求1-9任一项所述的方法，其特征在于，所述基于所述数据点的邻域的大小，对点云信息进行密度聚类，以确定所述雷达探测到的目标对象的空间信息，包括：
基于所述数据点的邻域的大小，对所述点云信息进行密度聚类，以得到点云子集；
根据所述点云子集中的数据点，确定所述雷达探测到的目标对象的空间信息。
11.根据权利要求10所述的方法，其特征在于，所述基于所述数据点的邻域的大小，对所述点云信息进行密度聚类，包括：
针对第一数据点，判断所述第一数据点的邻域内包含的数据点的数量是否大于或等于已知的数量阈值；
若判断结果为是，则将所述第一数据点和所述第一数据点密度可达的所有数据点聚类至一个簇中，以得到所述第一数据点所属的点云子集；
其中，所述第一数据点为所述点云信息中尚未进行聚类的任一数据点。
12.根据权利要求1-9任一项所述的方法，在确定所述雷达探测到的目标对象的空间信息之后，还包括：
根据所述目标对象的空间信息，引导搭载有所述雷达的设备运动。
13.一种雷达，其特征在于，包括：存储器、处理器和通信组件；其中，所述通信组件用于发射探测信号，并接收所述探测信号探测到探测点时反射的回波信号；
其中，所述存储器用于存储计算机程序；
所述处理器耦合至所述存储器，用于执行所述计算机程序以用于：
根据所述探测信号和所述回波信号，获取所述雷达与所述雷达探测到的探测点之间的距离；
根据所述雷达与所述探测点之间的距离，确定与所述探测点对应的数据点的邻域大小；
基于所述数据点的邻域的大小，对点云信息进行密度聚类，以确定所述雷达探测到的目标对象的空间信息；
其中，所述点云信息包含所述数据点。
14.根据权利要求13所述的雷达，其特征在于，所述处理器在与所述探测点对应的数据点的邻域大小时，具体用于：
根据所述雷达与所述探测点之间的距离以及第一夹角，计算所述数据点的邻域的半径，作为所述数据点的邻域的大小。
15.根据权利要求14所述的雷达，其特征在于，所述第一夹角大于或等于水平角度跨度范围和垂直角度分辨率中的最小角度，且小于或等于水平角度跨度范围的最大角度。
16.根据权利要求15所述的雷达，其特征在于，还包括：用于测量所述雷达在水平方向上的旋转角度的光栅盘；所述处理器还用于：根据至少一个第一对象的大小，确定所述光栅盘测量所述至少一个第一对象所需的栅格数量；根据每一栅格对应的圆心角和所述测量所述至少一个第一对象所需的栅格数量，确定所述水平角度跨度范围；以及根据所述水平角度跨度范围和所述垂直角度分辨率，确定所述第一夹角。
17.根据权利要求15所述的雷达，其特征在于，还包括：用于测量所述至少一个第一对象相对于所述发射机轴线的偏离角的电扫描测角装置；
所述垂直分辨率是根据所述电扫描测角装置的最小跨度确定的。
18.一种探测设备，其特征在于，包括：存储器和处理器，并搭载有雷达；其中，所述存储器用于存储计算机程序；
所述雷达用于获取所述雷达与探测到的探测点之间的距离；
所述处理器耦合至所述存储器，用于执行所述计算机程序以用于：
根据所述雷达与所述探测点之间的距离，确定所述与所述探测点对应的数据点的邻域的大小；
基于所述数据点的邻域的大小，对点云信息进行密度聚类，以确定所述雷达探测到的目标对象的空间信息；
其中，所述点云信息包含所述数据点。
19.根据权利要求18所述的设备，其特征在于，所述探测设备为无人机、无人驾驶车辆、机器人或船只。
20.一种移动设备，其特征在于，所述移动设备搭载有雷达，
所述雷达用于：获取所述雷达与所述雷达探测到的探测点之间的距离；根据所述雷达与所述探测点之间的距离，确定所述与所述探测点对应的数据点的邻域的大小；基于所述数据点的邻域的大小，对点云信息进行密度聚类，以确定所述探测到的目标对象的空间信息；其中，所述点云信息包含所述数据点。
21.根据权利要求20所述的移动设备，其特征在于，包括：处理器；
所述雷达将所述目标对象的空间信息提供给所述处理器；
所述处理器，用于根据所述目标对象的空间信息，引导所述移动设备运动。
22.一种存储有计算机指令的计算机可读存储介质，其特征在于，当所述计算机指令被一个或处理器执行时，所述一个或处理器执行包括以下的动作：
获取雷达与所述雷达探测到的探测点之间的距离；根据所述雷达与所述探测点之间的距离，确定所述与所述探测点对应的数据点的邻域的大小；基于所述数据点的邻域的大小，对点云信息进行密度聚类，以确定所述雷达探测到的目标对象的空间信息；其中，所述点云信息包含所述数据点。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2019/115763 WO2021087760A1 (zh) | 2019-11-05 | 2019-11-05 | 目标检测方法、雷达、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112313538A true CN112313538A (zh) | 2021-02-02 |
Family
ID=74336563
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201980040122.4A Pending CN112313538A (zh) | 2019-11-05 | 2019-11-05 | 目标检测方法、雷达、设备及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN112313538A (zh) |
| WO (1) | WO2021087760A1 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113325383A (zh) * | 2021-06-17 | 2021-08-31 | 广东工业大学 | 基于网格和dbscan的自适应车载毫米波雷达聚类算法及装置 |
| CN114326965A (zh) * | 2021-12-24 | 2022-04-12 | 苏州丁当网络科技有限公司 | 一种基于大数据的聚类方法、装置及电子设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7822426B1 (en) * | 2008-01-17 | 2010-10-26 | Where, Inc. | System and method for snapping a user location to a landmark of known location |
| CN103837095A (zh) * | 2014-03-18 | 2014-06-04 | 华中科技大学 | 一种三维激光扫描方法及装置 |
| CN104880723A (zh) * | 2015-04-29 | 2015-09-02 | 中国电子科技集团公司第三十六研究所 | 一种单星测向定位地面辐射源的方法和装置 |
| CN108256577A (zh) * | 2018-01-18 | 2018-07-06 | 东南大学 | 一种基于多线激光雷达的障碍物聚类方法 |
| CN108700646A (zh) * | 2017-12-18 | 2018-10-23 | 深圳市大疆创新科技有限公司 | 位置检测方法、装置、旋转雷达系统以及无人机 |
| CN109188459A (zh) * | 2018-08-29 | 2019-01-11 | 东南大学 | 一种基于多线激光雷达的坡道小障碍物识别方法 |
| CN109858460A (zh) * | 2019-02-20 | 2019-06-07 | 重庆邮电大学 | 一种基于三维激光雷达的车道线检测方法 |
| CN109948635A (zh) * | 2017-12-21 | 2019-06-28 | 北京万集科技股份有限公司 | 一种基于激光扫描的目标识别方法及装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101007662B1 (ko) * | 2009-05-08 | 2011-01-13 | 국방과학연구소 | 주파수 변조 특성 및 신호의 결합 특성을 이용한 레이더 신호의 클러스터링 방법 및 이를 이용한 레이더 신호 수신 및 처리장치 |
| CN104573705B (zh) * | 2014-10-13 | 2017-10-13 | 北京建筑大学 | 一种建筑物激光扫描点云数据的聚类方法 |
| CN107025685B (zh) * | 2017-04-11 | 2020-03-17 | 南京林业大学 | 拓扑感知下的机载建筑屋顶点云建模方法 |
| CN108765478A (zh) * | 2018-06-06 | 2018-11-06 | 杭州中科天维科技有限公司 | 一种建筑点云中分离单体建筑的密度聚类算法 |
| CN109961440B (zh) * | 2019-03-11 | 2021-06-18 | 重庆邮电大学 | 一种基于深度图的三维激光雷达点云目标分割方法 |
-
2019
- 2019-11-05 CN CN201980040122.4A patent/CN112313538A/zh active Pending
- 2019-11-05 WO PCT/CN2019/115763 patent/WO2021087760A1/zh active Application Filing
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7822426B1 (en) * | 2008-01-17 | 2010-10-26 | Where, Inc. | System and method for snapping a user location to a landmark of known location |
| CN103837095A (zh) * | 2014-03-18 | 2014-06-04 | 华中科技大学 | 一种三维激光扫描方法及装置 |
| CN104880723A (zh) * | 2015-04-29 | 2015-09-02 | 中国电子科技集团公司第三十六研究所 | 一种单星测向定位地面辐射源的方法和装置 |
| CN108700646A (zh) * | 2017-12-18 | 2018-10-23 | 深圳市大疆创新科技有限公司 | 位置检测方法、装置、旋转雷达系统以及无人机 |
| CN109948635A (zh) * | 2017-12-21 | 2019-06-28 | 北京万集科技股份有限公司 | 一种基于激光扫描的目标识别方法及装置 |
| CN108256577A (zh) * | 2018-01-18 | 2018-07-06 | 东南大学 | 一种基于多线激光雷达的障碍物聚类方法 |
| CN109188459A (zh) * | 2018-08-29 | 2019-01-11 | 东南大学 | 一种基于多线激光雷达的坡道小障碍物识别方法 |
| CN109858460A (zh) * | 2019-02-20 | 2019-06-07 | 重庆邮电大学 | 一种基于三维激光雷达的车道线检测方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113325383A (zh) * | 2021-06-17 | 2021-08-31 | 广东工业大学 | 基于网格和dbscan的自适应车载毫米波雷达聚类算法及装置 |
| CN113325383B (zh) * | 2021-06-17 | 2023-07-04 | 广东工业大学 | 基于网格和dbscan的自适应车载毫米波雷达聚类算法及装置 |
| CN114326965A (zh) * | 2021-12-24 | 2022-04-12 | 苏州丁当网络科技有限公司 | 一种基于大数据的聚类方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021087760A1 (zh) | 2021-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10871558B2 (en) | Systems and methods for RFID tag locating using constructive interference | |
| EP3503490A1 (en) | Environment sensing method and base station | |
| TWI586989B (zh) | 主動電子掃描陣列，用以提供動態方位掃描之方法，及非暫態機器可讀取媒體 | |
| US20210341612A1 (en) | Monitoring control device, monitoring system, monitoring control method, and non-transitory computer-readable medium with program stored therein | |
| CN110888146B (zh) | 自主交通工具计算系统、光检测和测距校准系统及其方法 | |
| GB2521259A (en) | Tracking device | |
| AU2017222240A1 (en) | Radar mounting estimation with unstructured data | |
| RU2619168C1 (ru) | Способ определения направления на активный объект, преднамеренно сближающийся с космическим аппаратом | |
| CN112313538A (zh) | 目标检测方法、雷达、设备及存储介质 | |
| JP2018100929A (ja) | 位置推定システム、位置推定装置、そのデータ処理方法、およびプログラム | |
| CN112334946A (zh) | 数据处理方法、装置、雷达、设备及存储介质 | |
| CN111638511A (zh) | 基于信号融合的多雷达空间配准的协同探测方法及装置 | |
| CN113219419A (zh) | 一种雷达性能测试装置及测试系统 | |
| US20230079979A1 (en) | Determining relevant signals using multi-dimensional radar signals | |
| Radoi et al. | Indoor positioning inside an office building using BLE | |
| CN114026461A (zh) | 构建点云帧的方法、目标检测方法、测距装置、可移动平台和存储介质 | |
| KR102144048B1 (ko) | 빔 스캐닝 분석시 가중치를 적용하는 동작위치 검출 방법 및 장치 | |
| CN105425232A (zh) | 一种监控方法及电子设备 | |
| KR20200073738A (ko) | 비콘 신호에 기반한 IoT 기기 위치 추정 방법 및 장치 | |
| CN110869777A (zh) | 一种基于移动平台的天线测试方法、装置及信息处理设备 | |
| WO2019031373A1 (ja) | 地物データ構造 | |
| KR102669876B1 (ko) | 국지적 분해능을 조정하는 레이더 데이터 처리 장치 및 방법 | |
| JP7276182B2 (ja) | 測位方法及び測位システム | |
| US20220390582A1 (en) | Object detection and ranging using one-dimensional radar arrays | |
| US20220369277A1 (en) | Method for determining at least one location for the backscattering of an ambient signal |
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 |
Application publication date: 20210202 |
|
| WD01 | Invention patent application deemed withdrawn after publication |