CN112394334B - 雷达反射点的聚类装置、方法以及电子设备 - Google Patents
雷达反射点的聚类装置、方法以及电子设备 Download PDFInfo
- Publication number
- CN112394334B CN112394334B CN201910758038.8A CN201910758038A CN112394334B CN 112394334 B CN112394334 B CN 112394334B CN 201910758038 A CN201910758038 A CN 201910758038A CN 112394334 B CN112394334 B CN 112394334B
- Authority
- CN
- China
- Prior art keywords
- clustering
- coefficient
- radar reflection
- point information
- reflection point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 66
- 230000033001 locomotion Effects 0.000 claims description 22
- 230000000877 morphologic effect Effects 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 6
- 238000010521 absorption reaction Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 17
- 238000012986 modification Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 3
- 230000001131 transforming effect Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
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
- G01S7/41—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供一种雷达反射点的聚类装置、方法以及电子设备。所述方法包括:基于从检测目标反射回的雷达回波信号获取雷达反射点信息;根据检测目标的特征确定第一聚类系数,并根据第一聚类系数对雷达反射点信息进行第一聚类;判断第一聚类后形成的至少两类是否满足条件;在至少两类满足条件的情况下,将第一聚类系数调整为第二聚类系数,并根据第二聚类系数对雷达反射点信息进行第二聚类。
Description
技术领域
本申请实施例涉及雷达监控技术领域。
背景技术
雷达通过发射天线发射电磁波,经过不同物体反射接收到相应的反射波,对其接收结果进行分析,能有效提取到物体距雷达的位置,径向运动速度等信息,这些信息能够满足许多应用场景的需求。
因此,雷达的发展给许多室内应用带来了新的解决方案,比如人员追踪、跌倒检测、动作检测、生理指标检测等。与基于传感器的方案相比,雷达的安装简单,覆盖范围大;与基于视频的方案相比,雷达对隐私的侵犯小,且不受光线等环境因素影响。
应该注意,上面对技术背景的介绍只是为了方便对本申请的技术方案进行清楚、完整的说明,并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本申请的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
发明内容
发明人发现,目前基于雷达的目标检测(例如人员追踪)技术方案中,主要是通过对雷达回波信号进行分析处理以获得有效的目标反射点,通过对反射点进行聚类,获得目标的位置等信息。
但是在实际场景中,环境较为复杂,反射点中的噪声较多;同时当多个检测目标(例如人)之间距离较近时,容易误判为一个检测目标;而在检测目标(例如人)处于某一姿态(例如躺在床上)时,容易误判为多个检测目标。对反射点进行有效的聚类,直接影响到追踪的准确度和后续应用,如行为分析等。
针对上述技术问题的至少之一,本申请实施例提供一种雷达反射点的聚类装置、方法以及电子设备,能够对反射点进行有效的聚类,能够改善聚类质量并提高检测准确度。
根据本申请实施例的一个方面,提供一种雷达反射点的聚类装置,包括:
获取单元,其基于从检测目标反射回的雷达回波信号获取雷达反射点信息;
第一聚类单元,其根据检测目标的特征确定第一聚类系数,并根据所述第一聚类系数对所述雷达反射点信息进行第一聚类;
判断单元,其判断所述第一聚类后形成的至少两类是否满足条件;
第二聚类单元,其在所述至少两类满足所述条件的情况下,将所述第一聚类系数调整为第二聚类系数,并根据所述第二聚类系数对所述雷达反射点信息进行第二聚类。
根据本申请实施例的另一个方面,提供一种雷达反射点的聚类方法,包括:
基于从检测目标反射回的雷达回波信号获取雷达反射点信息;
根据检测目标的特征确定第一聚类系数,并根据所述第一聚类系数对所述雷达反射点信息进行第一聚类;
判断所述第一聚类后形成的至少两类是否满足条件;
在所述至少两类满足所述条件的情况下,将所述第一聚类系数调整为第二聚类系数,并根据所述第二聚类系数对所述雷达反射点信息进行第二聚类。
根据本申请实施例的又一个方面,提供一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器被配置为执行如下操作:基于从检测目标反射回的雷达回波信号获取雷达反射点信息;根据检测目标的特征确定第一聚类系数,并根据所述第一聚类系数对所述雷达反射点信息进行第一聚类;判断所述第一聚类后形成的至少两类是否满足条件;在所述至少两类满足所述条件的情况下,将所述第一聚类系数调整为第二聚类系数,并根据所述第二聚类系数对所述雷达反射点信息进行第二聚类。
本申请实施例的有益效果之一在于:判断第一聚类后形成的至少两类是否满足条件;在至少两类满足所述条件的情况下,将第一聚类系数调整为第二聚类系数后对雷达反射点信息进行第二聚类。由此,能够根据检测目标的特征自适应地对聚类进行调整,从而能够改善聚类质量并提高检测准确度。
参照后文的说明和附图,详细公开了本申请实施例的特定实施方式,指明了本申请实施例的原理可以被采用的方式。应该理解,本申请的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内,本申请的实施方式包括许多改变、修改和等同。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在,但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
附图说明
所包括的附图用来提供对本申请实施例的进一步的理解,其构成了说明书的一部分,用于例示本申请的实施方式,并与文字描述一起来阐释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是本申请实施例的雷达反射点的聚类方法的一示意图;
图2是本申请实施例的雷达反射点的聚类方法的另一示意图;
图3是本申请实施例的进行第一聚类后的示例图;
图4是本申请实施例的进行第一聚类后的另一示例图;
图5是本申请实施例的进行第一聚类后的另一示例图;
图6是本申请实施例的对雷达反射点信息进行变换的示例图;
图7是本申请实施例的进行第二聚类后的示例图;
图8是本申请实施例的雷达反射点的聚类装置的一示意图;
图9是本申请实施例的电子设备的示意图。
具体实施方式
参照附图,通过下面的说明书,本申请实施例的前述以及其它特征将变得明显。在说明书和附图中,具体公开了本申请的特定实施方式,其表明了其中可以采用本申请实施例的原则的部分实施方式,应了解的是,本申请不限于所描述的实施方式,相反,本申请实施例包括落入所附权利要求的范围内的全部修改、变型以及等同物。
在本申请实施例中,术语“第一”、“第二”等用于对不同元素从称谓上进行区分,但并不表示这些元素的空间排列或时间顺序等,这些元素不应被这些术语所限制。术语“和/或”包括相关联列出的术语的一种或多个中的任何一个和所有组合。术语“包含”、“包括”、“具有”等是指所陈述的特征、元素、元件或组件的存在,但并不排除存在或添加一个或多个其他特征、元素、元件或组件。
在本申请实施例中,单数形式“一”、“该”等包括复数形式,应广义地理解为“一种”或“一类”而并不是限定为“一个”的含义;此外术语“所述”应理解为既包括单数形式也包括复数形式,除非上下文另外明确指出。此外术语“根据”应理解为“至少部分根据……”,术语“基于”应理解为“至少部分基于……”,除非上下文另外明确指出。
在本申请实施例中,可使用基于密度的聚类算法DBSCAN(Density-Based SpatialClustering of Applications with Noise)进行聚类,但本申请不限于此,例如其他的聚类算法也可以适用。
第一方面的实施例
本申请实施例提供一种雷达反射点的聚类方法,图1是本申请实施例的雷达反射点的聚类方法的一示意图,如图1所示,该方法包括:
101,基于从检测目标反射回的雷达回波信号获取雷达反射点信息;
102,根据检测目标的特征确定第一聚类系数,并根据所述第一聚类系数对所述雷达反射点信息进行第一聚类;
103,判断所述第一聚类后形成的至少两类是否满足条件;
104,在所述至少两类满足所述条件的情况下,将所述第一聚类系数调整为第二聚类系数,并根据所述第二聚类系数对所述雷达反射点信息进行第二聚类。
值得注意的是,以上附图1仅示意性地对本申请实施例进行了说明,但本申请不限于此。例如可以适当地调整各个操作之间的执行顺序,此外还可以增加其他的一些操作或者减少其中的某些操作。本领域的技术人员可以根据上述内容进行适当地变型,而不仅限于上述附图1的记载。
在一些实施例中,可以基于雷达回波信号获取雷达反射点;雷达反射点信息包括空间维信息、速度维信息和强度维信息中的至少之一。例如,雷达反射点信息包含空间维信息(x,y,z)、速度维信息v和强度维信息e。
在一些实施例中,第一聚类系数和/或第二聚类系数包括空间权重系数、速度权重系数和强度权重系数中的至少之一;所述空间权重系数包括长度权重系数、宽度权重系数和高度权重系数中的至少之一。
例如,可以根据聚类系数生成聚类输入点P,作为DBSCAN算法的输入进行聚类。该聚类输入点可以表示为P(a1*x,a2*y,a3*z,b1*v,c1*e);其中,a1是长度权重系数,a2是宽度权重系数,a3是高度权重系数,b1是速度权重系数,c1是强度权重系数。
在一些实施例中,所述条件包括如下之一或任意组合:所述至少两类的间距是否小于第一阈值,所述至少两类的高度是否小于第二阈值,所述至少两类的雷达点数目之差是否大于第三阈值,所述至少两类的速度之差是否大于第四阈值,所述至少两类的信号强度之差是否大于第五阈值。但本申请不限于此,还可以根据实际场景增加更多的条件。
图2是本申请实施例的雷达反射点的聚类方法的另一示意图。如图2所示,在获得雷达反射点(x,y,z,v,e)后,可以确定聚类输入点P1。
例如P1为(a1*x,a2*y,a3*z,b1*v,c1*e);针对空间维信息(x,y,z),考虑到人体的形态,例如可以设置a1=a2=0,a3=0.3。再考虑到人体的不同部分(例如手臂和躯干)在活动时会具有不同的速度,但是同一距离范围内,速度具有一定的相似性,因此可以对聚类系数加上速度限制;例如可以设置b1=2。以上仅示例性说明了如何根据检测目标的特征确定聚类系数,但本申请不限于此。
如图2所示,在确定聚类输入点P1之后,可以将P1作为DBSCAN算法的输入样本集进行聚类(第一聚类);得到聚类结果C={Ci,i∈N}。如图2所示,可以判断是否存在满足再聚类条件的两个类(例如Cj和Ck)。
例如,如果Cj和Ck满足如下条件:类间距小于1.2m,两类的高度均小于1m,两类的点数差值大于10;则认为需要重新进行聚类,这时可以根据检测目标的特征和/或第一聚类的结果将P1调整为P2,P2例如为(a12*x,a22*y,a32*z,b2*v,c2*e)。
在一些实施例中,在至少两类满足条件的情况下,根据检测目标的特征对雷达反射点信息进行变换;并且根据第二聚类系数以及变换后的雷达反射点信息对雷达反射点信息进行所述第二聚类。
其中,可以对第一聚类时的全部雷达反射点信息进行重新聚类,也可以对第一聚类时的部分雷达反射点信息进行重新聚类,例如仅对包含在所述至少两类中的雷达反射点信息进行重新聚类;对于具体的聚类对象可以根据实际场景确定。
例如,根据至少两类的中心点计算中心点之间的角度;根据所述角度对雷达反射点信息进行空间维旋转以获得变换后的雷达反射点信息。
以至少两类(例如Cj和Ck)的中心点为(x1_0,y1_0)和(x2_0,y2_0)为例,角度α=(y2_0-y1_0)/(x2_0-x1_0),雷达反射点信息为(x,y);
若α>0,变换后的雷达反射点信息(x_new,y_new)=R(90-α)*(x,y);
若α<0,变换后的雷达反射点信息(x_new,y_new)=R(|α|)*(x,y);
其中,
则P2还可以进一步调整为P2(y_new,z)。以上仅以空间维的x、y为例对变换进行了说明,但本申请不限于此,例如还可以在其他一个或多个维度上进行信息的变换,可以根据实际场景确定具体的变换方式。
如图2所示,在调整聚类输入点P2之后,可以将P2作为DBSCAN算法的输入样本集再进行聚类(第二聚类);得到聚类结果。如图2所示,如果Ci中不存在满足再聚类条件的两个类(例如Cj和Ck),则可以直接输出聚类结果。
在一些实施例中,检测目标的特征包括如下至少之一:检测目标的形态特征、检测目标的运动特征、检测目标的反射特征。其中,检测目标的形态特征包括:长宽比例、长高比例、宽高比例或长宽高比例;检测目标的运动特征包括:平移运动一致性、旋转运动一致性或运动相似性;检测目标的反射特征包括:密度、材料、信号吸收或反射比例。
以上特征可以采用其中之一或者任意组合,可以根据实际场景确定具体的一个或多个特征。此外,本申请不限于这些特征,可以根据实际场景选择检测目标的其他特征。
以下通过例子对本申请实施例进行进一步说明。
图3是本申请实施例的进行第一聚类后的示例图,其中只考虑空间维(x,y,z)并且没有使用聚类系数,图3左边示出了聚类后的平面的情况,图3右边示出了聚类后的立体的情况。如图3所示,两个人被聚成了一类,因此聚类精度不高。
图4是本申请实施例的进行第一聚类后的另一示例图,其中考虑空间维(x,y,z)和速度维v并且使用了聚类系数,聚类输入点为(x,y,0.3*z,2*v,0*e)。图4左边示出了聚类后的平面的情况,图4右边示出了聚类后的立体的情况。
如图4所示,两个人被聚成了两类;这样即使是距离很近的两个检测目标,通过聚类系数的使用,这两个检测目标也能被检测出来。因此,本申请实施例的第一聚类结合了检测目标的特征,聚类精度能够被提高。
图5是本申请实施例的进行第一聚类后的另一示例图,示出了人躺在床上时,属于人的反射点被聚类成两类C1和C2的情况。其中图5左边示出了X-Y的情况,图5右边示出了X-Z的情况。
在该示例中,C1和C2对应的点数分别为18和35(之差大于10),中心间距为1.01m(小于1.2m),中心高度均大致为0.55m(小于1m),因此认为这两类C1和C2需要重新进行聚类。
图6是本申请实施例的对雷达反射点信息进行变换的示例图,如图6所示,可以计算旋转角度α,根据该角度α对雷达反射点信息进行旋转得到新的(x_new,y_new),然后可以将(y_new,z)作为新的聚类输入点进行第二聚类。
图7是本申请实施例的进行第二聚类后的示例图,在第一聚类中被聚类成两类C1和C2的反射点,在第二聚类中被聚成了一类,这与该示例中人躺在床上的实际场景相符。
因此,本申请实施例的第一聚类结合了检测目标的特征,聚类精度能够被提高;本申请实施例还自适应地进行了第二聚类,能够改善聚类质量,并且可以获得更多的目标信息(例如姿态信息)。
以上仅对与本申请相关的各步骤或过程进行了说明,但本申请不限于此。聚类方法还可以包括其他步骤或者过程,关于这些步骤或者过程的具体内容,可以参考现有技术。此外,以上仅以上述公式为例对本申请实施例进行了示例性说明,但本申请不限于这些公式,还可以对这些公式进行适当的变型,这些变型的实施方式均应包含在本申请实施例的范围之内。
以上各个实施例仅对本申请实施例进行了示例性说明,但本申请不限于此,还可以在以上各个实施例的基础上进行适当的变型。例如,可以单独使用上述各个实施例,也可以将以上各个实施例中的一种或多种结合起来。
由上述实施例可知,判断第一聚类后形成的至少两类是否满足条件;在至少两类满足所述条件的情况下,将第一聚类系数调整为第二聚类系数后对雷达反射点信息进行第二聚类。由此,能够根据检测目标的特征自适应地对聚类进行调整,从而能够改善聚类质量并提高检测准确度。
第二方面的实施例
本申请实施例提供一种雷达反射点的聚类装置,与第一方面的实施例相同的内容不再赘述。
图8是本申请实施例的雷达反射点的聚类装置的一示意图,如图8所示,雷达反射点的聚类装置800包括:
获取单元801,其基于从检测目标反射回的雷达回波信号获取雷达反射点信息;
第一聚类单元802,其根据检测目标的特征确定第一聚类系数,并根据所述第一聚类系数对所述雷达反射点信息进行第一聚类;
判断单元803,其判断所述第一聚类后形成的至少两类是否满足条件;
第二聚类单元804,其在所述至少两类满足所述条件的情况下,将所述第一聚类系数调整为第二聚类系数,并根据所述第二聚类系数对所述至少两类进行第二聚类。
在一些实施例中,所述雷达反射点信息包括空间维信息、速度维信息和强度维信息中的至少之一;所述第一聚类系数和/或所述第二聚类系数包括空间权重系数、速度权重系数和强度权重系数中的至少之一;所述空间权重系数包括长度权重系数、宽度权重系数和高度权重系数中的至少之一。
在一些实施例中,所述条件包括如下之一或任意组合:所述至少两类的间距是否小于第一阈值,所述至少两类的高度是否小于第二阈值,所述至少两类的雷达点数目之差是否大于第三阈值,所述至少两类的速度之差是否大于第四阈值,所述至少两类的信号强度之差是否大于第五阈值。
在一些实施例中,雷达反射点的聚类装置800还包括:
变换单元805,其在所述至少两类满足所述条件的情况下,根据检测目标的特征对所述雷达反射点信息进行变换;
第二聚类单元804还根据所述第二聚类系数以及变换后的雷达反射点信息对所述雷达反射点信息进行所述第二聚类。
在一些实施例中,变换单元805用于:根据所述至少两类的中心点计算所述中心点之间的角度;根据所述角度对所述雷达反射点信息进行空间维旋转以获得所述变换后的雷达反射点信息。
在一些实施例中,所述至少两类的中心点为(x1_0,y1_0)和(x2_0,y2_0),所述角度α=(y2_0-y1_0)/(x2_0-x1_0),所述雷达反射点信息为(x,y);
若α>0,所述变换后的雷达反射点信息(x_new,y_new)=R(90-α)*(x,y);
若α<0,所述变换后的雷达反射点信息(x_new,y_new)=R(|α|)*(x,y);
其中,
在一些实施例中,所述检测目标的特征包括如下至少之一:所述检测目标的形态特征、所述检测目标的运动特征、所述检测目标的反射特征。
在一些实施例中,所述检测目标的形态特征包括:长宽比例、长高比例、宽高比例或长宽高比例;所述检测目标的运动特征包括:平移运动一致性、旋转运动一致性或运动相似性;所述检测目标的反射特征包括:密度、材料、信号吸收或反射比例。
值得注意的是,以上仅对与本申请相关的各部件进行了说明,但本申请不限于此。雷达反射点的聚类装置800还可以包括其他部件或者模块,关于这些部件或者模块的具体内容,可以参考现有技术。
为了简单起见,图8中仅示例性示出了各个部件或模块之间的连接关系或信号走向,但是本领域技术人员应该清楚的是,可以采用总线连接等各种相关技术。上述各个部件或模块可以通过例如处理器、存储器等硬件设施来实现;本申请实施例并不对此进行限制。
以上各个实施例仅对本申请实施例进行了示例性说明,但本申请不限于此,还可以在以上各个实施例的基础上进行适当的变型。例如,可以单独使用上述各个实施例,也可以将以上各个实施例中的一种或多种结合起来。
由上述实施例可知,判断第一聚类后形成的至少两类是否满足条件;在至少两类满足所述条件的情况下,将第一聚类系数调整为第二聚类系数后对雷达反射点信息进行第二聚类。由此,能够根据检测目标的特征自适应地对聚类进行调整,从而能够改善聚类质量并提高检测准确度。
第三方面的实施例
本申请实施例提供一种电子设备,包括有如第二方面的实施例所述的雷达反射点的聚类装置,其内容被合并于此。该电子设备例如可以是计算机、服务器、工作站、膝上型计算机、智能手机,等等;但本申请实施例不限于此。
图9是本申请实施例的电子设备的示意图。如图9所示,电子设备900可以包括:处理器(例如中央处理器CPU)910和存储器920;存储器920耦合到中央处理器910。其中该存储器920可存储各种数据;此外还存储信息处理的程序921,并且在处理器910的控制下执行该程序921。
在一些实施例中,雷达反射点的聚类装置800的功能被集成到处理器910中实现。其中,处理器910被配置为实现如第一方面的实施例所述的雷达反射点的聚类方法。
在一些实施例中,雷达反射点的聚类装置800与处理器910分开配置,例如可以将雷达反射点的聚类装置800配置为与处理器910连接的芯片,通过处理器910的控制来实现雷达反射点的聚类装置800的功能。
在一些实施例中,处理器910被配置为进行如下的控制:基于从检测目标反射回的雷达回波信号获取雷达反射点信息;根据检测目标的特征确定第一聚类系数,并根据所述第一聚类系数对所述雷达反射点信息进行第一聚类;判断所述第一聚类后形成的至少两类是否满足条件;在所述至少两类满足所述条件的情况下,将所述第一聚类系数调整为第二聚类系数,并根据所述第二聚类系数对所述雷达反射点信息进行第二聚类。
在一些实施例中,所述雷达反射点信息包括空间维信息、速度维信息和强度维信息中的至少之一;所述第一聚类系数和/或所述第二聚类系数包括空间权重系数、速度权重系数和强度权重系数中的至少之一;所述空间权重系数包括长度权重系数、宽度权重系数和高度权重系数中的至少之一。
在一些实施例中,所述条件包括如下之一或任意组合:所述至少两类的间距是否小于第一阈值,所述至少两类的高度是否小于第二阈值,所述至少两类的雷达点数目之差是否大于第三阈值,所述至少两类的速度之差是否大于第四阈值,所述至少两类的信号强度之差是否大于第五阈值。
在一些实施例中,处理器910被配置为进行如下的控制:在所述至少两类满足所述条件的情况下,根据检测目标的特征对所述雷达反射点信息进行变换;并且根据所述第二聚类系数以及变换后的雷达反射点信息对所述雷达反射点信息进行所述第二聚类。
在一些实施例中,处理器910被配置为进行如下的控制:根据所述至少两类的中心点计算所述中心点之间的角度;根据所述角度对所述雷达反射点信息进行空间维旋转以获得所述变换后的雷达反射点信息。
在一些实施例中,所述至少两类的中心点为(x1_0,y1_0)和(x2_0,y2_0),所述角度α=(y2_0-y1_0)/(x2_0-x1_0),所述雷达反射点信息为(x,y);
若α>0,所述变换后的雷达反射点信息(x_new,y_new)=R(90-α)*(x,y);
若α<0,所述变换后的雷达反射点信息(x_new,y_new)=R(|α|)*(x,y);
其中,
在一些实施例中,所述检测目标的特征包括如下至少之一:所述检测目标的形态特征、所述检测目标的运动特征、所述检测目标的反射特征。
在一些实施例中,所述检测目标的形态特征包括:长宽比例、长高比例、宽高比例或长宽高比例;所述检测目标的运动特征包括:平移运动一致性、旋转运动一致性或运动相似性;所述检测目标的反射特征包括:密度、材料、信号吸收或反射比例。
此外,如图9所示,电子设备900还可以包括:输入输出(I/O)设备930和显示器940等;其中,上述部件的功能与现有技术类似,此处不再赘述。值得注意的是,电子设备900也并不是必须要包括图9中所示的所有部件;此外,电子设备900还可以包括图9中没有示出的部件,可以参考相关技术。
本申请实施例还提供一种计算机可读程序,其中当在电子设备中执行所述程序时,所述程序使得计算机在所述电子设备中执行如第一方面的实施例所述的雷达反射点的聚类方法。
本申请实施例还提供一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得计算机在电子设备中执行如第一方面的实施例所述的雷达反射点的聚类方法。
本申请以上的装置和方法可以由硬件实现,也可以由硬件结合软件实现。本申请涉及这样的计算机可读程序,当该程序被逻辑部件所执行时,能够使该逻辑部件实现上文所述的装置或构成部件,或使该逻辑部件实现上文所述的各种方法或步骤。本申请还涉及用于存储以上程序的存储介质,如硬盘、磁盘、光盘、DVD、flash存储器等。
结合本申请实施例描述的方法/装置可直接体现为硬件、由处理器执行的软件模块或二者组合。例如,图中所示的功能框图中的一个或多个和/或功能框图的一个或多个组合,既可以对应于计算机程序流程的各个软件模块,亦可以对应于各个硬件模块。这些软件模块,可以分别对应于图中所示的各个步骤。这些硬件模块例如可利用现场可编程门阵列(FPGA)将这些软件模块固化而实现。
软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域已知的任何其它形式的存储介质。可以将一种存储介质耦接至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息;或者该存储介质可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该软件模块可以存储在移动终端的存储器中,也可以存储在可插入移动终端的存储卡中。例如,若设备(如移动终端)采用的是较大容量的MEGA-SIM卡或者大容量的闪存装置,则该软件模块可存储在该MEGA-SIM卡或者大容量的闪存装置中。
针对附图中描述的功能方框中的一个或多个和/或功能方框的一个或多个组合,可以实现为用于执行本申请所描述功能的通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或者其任意适当组合。针对附图描述的功能方框中的一个或多个和/或功能方框的一个或多个组合,还可以实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、与DSP通信结合的一个或多个微处理器或者任何其它这种配置。
以上结合具体的实施方式对本申请进行了描述,但本领域技术人员应该清楚,这些描述都是示例性的,并不是对本申请保护范围的限制。本领域技术人员可以根据本申请原理对本申请做出各种变型和修改,这些变型和修改也在本申请的范围内。
Claims (10)
1.一种雷达反射点的聚类装置,其特征在于,所述装置包括:
获取单元,其基于从检测目标反射回的雷达回波信号获取雷达反射点信息;
第一聚类单元,其根据检测目标的特征确定第一聚类系数,并根据所述第一聚类系数对所述雷达反射点信息进行第一聚类;
判断单元,其判断所述第一聚类后形成的至少两类是否满足条件;
第二聚类单元,其在所述至少两类满足所述条件的情况下,将所述第一聚类系数调整为第二聚类系数,并根据基于所述第一聚类系数调整的所述第二聚类系数对所述第一聚类输出的雷达反射点信息进行第二聚类。
2.根据权利要求1所述的装置,其中,所述雷达反射点信息包括空间维信息、速度维信息和强度维信息中的至少之一;
所述第一聚类系数和/或所述第二聚类系数包括空间权重系数、速度权重系数和强度权重系数中的至少之一;所述空间权重系数包括长度权重系数、宽度权重系数和高度权重系数中的至少之一。
3.根据权利要求1所述的装置,其中,所述条件包括如下之一或任意组合:所述至少两类的间距是否小于第一阈值,所述至少两类的高度是否小于第二阈值,所述至少两类的雷达点数目之差是否大于第三阈值,所述至少两类的速度之差是否大于第四阈值,所述至少两类的信号强度之差是否大于第五阈值。
4.根据权利要求1所述的装置,其中,所述装置还包括:
变换单元,其在所述至少两类满足所述条件的情况下,根据检测目标的特征对所述雷达反射点信息进行变换;
所述第二聚类单元还根据所述第二聚类系数以及变换后的雷达反射点信息对所述雷达反射点信息进行所述第二聚类。
5.根据权利要求4所述的装置,其中,所述变换单元用于:根据所述至少两类的中心点计算所述中心点之间的角度;根据所述角度对所述雷达反射点信息进行空间维旋转以获得所述变换后的雷达反射点信息。
6.根据权利要求5所述的装置,其中,所述至少两类的中心点为(x1_0,y1_0)和(x2_0,y2_0),所述角度α=(y2_0-y1_0)/(x2_0-x1_0),所述雷达反射点信息为(x,y);
若α>0,所述变换后的雷达反射点信息(x_new,y_new)=R(90-α)*(x,y);
若α<0,所述变换后的雷达反射点信息(x_new,y_new)=R(|α|)*(x,y);
其中,
7.根据权利要求1所述的装置,其中,所述检测目标的特征包括如下至少之一:所述检测目标的形态特征、所述检测目标的运动特征、所述检测目标的反射特征。
8.根据权利要求7所述的装置,其中,
所述检测目标的形态特征包括:长宽比例、长高比例、宽高比例或长宽高比例;
所述检测目标的运动特征包括:平移运动一致性、旋转运动一致性或运动相似性;
所述检测目标的反射特征包括:密度、材料、信号吸收或反射比例。
9.一种雷达反射点的聚类方法,其特征在于,所述方法包括:
基于从检测目标反射回的雷达回波信号获取雷达反射点信息;
根据检测目标的特征确定第一聚类系数,并根据所述第一聚类系数对所述雷达反射点信息进行第一聚类;
判断所述第一聚类后形成的至少两类是否满足条件;
在所述至少两类满足所述条件的情况下,将所述第一聚类系数调整为第二聚类系数,并根据基于所述第一聚类系数调整的所述第二聚类系数对所述第一聚类输出的雷达反射点信息进行第二聚类。
10.一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器被配置为执行如下操作:基于从检测目标反射回的雷达回波信号获取雷达反射点信息;根据检测目标的特征确定第一聚类系数,并根据所述第一聚类系数对所述雷达反射点信息进行第一聚类;判断所述第一聚类后形成的至少两类是否满足条件;在所述至少两类满足所述条件的情况下,将所述第一聚类系数调整为第二聚类系数,并根据基于所述第一聚类系数调整的所述第二聚类系数对所述第一聚类输出的雷达反射点信息进行第二聚类。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910758038.8A CN112394334B (zh) | 2019-08-16 | 2019-08-16 | 雷达反射点的聚类装置、方法以及电子设备 |
JP2020110802A JP7447700B2 (ja) | 2019-08-16 | 2020-06-26 | レーダ反射点のクラスタリング装置、方法及び電子機器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910758038.8A CN112394334B (zh) | 2019-08-16 | 2019-08-16 | 雷达反射点的聚类装置、方法以及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112394334A CN112394334A (zh) | 2021-02-23 |
CN112394334B true CN112394334B (zh) | 2024-05-28 |
Family
ID=74601967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910758038.8A Active CN112394334B (zh) | 2019-08-16 | 2019-08-16 | 雷达反射点的聚类装置、方法以及电子设备 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7447700B2 (zh) |
CN (1) | CN112394334B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113030896B (zh) * | 2021-03-10 | 2022-08-26 | 森思泰克河北科技有限公司 | 雷达目标聚类方法、装置和电子设备 |
JP2023034316A (ja) | 2021-08-30 | 2023-03-13 | 京セラ株式会社 | 電子機器、電子機器の制御方法、及びプログラム |
JP2023034318A (ja) | 2021-08-30 | 2023-03-13 | 京セラ株式会社 | 電子機器、電子機器の制御方法、及びプログラム |
JP2023034314A (ja) | 2021-08-30 | 2023-03-13 | 京セラ株式会社 | 電子機器、電子機器の制御方法、及びプログラム |
JP2023034310A (ja) | 2021-08-30 | 2023-03-13 | 京セラ株式会社 | 電子機器、電子機器の制御方法、及びプログラム |
CN113850995B (zh) * | 2021-09-14 | 2022-12-27 | 华设设计集团股份有限公司 | 一种基于隧道雷视数据融合的事件检测方法、装置及系统 |
CN115236627B (zh) * | 2022-09-21 | 2022-12-16 | 深圳安智杰科技有限公司 | 一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法 |
CN118035850A (zh) * | 2024-04-11 | 2024-05-14 | 青岛东捷建设集团有限公司 | 一种面向建筑墙体的混凝土厚度无损检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6035057A (en) * | 1997-03-10 | 2000-03-07 | Hoffman; Efrem H. | Hierarchical data matrix pattern recognition and identification system |
CN102175999A (zh) * | 2011-01-21 | 2011-09-07 | 西安电子科技大学 | 基于谱图特征的雷达目标高分辨距离像识别方法 |
CN109117869A (zh) * | 2018-07-20 | 2019-01-01 | 汉纳森(厦门)数据股份有限公司 | 用户画像方法、介质及系统 |
CN109993192A (zh) * | 2018-01-03 | 2019-07-09 | 北京京东尚科信息技术有限公司 | 目标对象识别方法及装置、电子设备、存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6411942B2 (ja) | 2015-04-23 | 2018-10-24 | 株式会社デンソー | 物体認識装置 |
JP6825836B2 (ja) | 2016-07-07 | 2021-02-03 | 日本無線株式会社 | レーダ事故検出装置及び方法 |
JP6773606B2 (ja) | 2017-06-06 | 2020-10-21 | 株式会社東芝 | レーダ装置及びそのレーダ信号処理方法 |
JP6955203B2 (ja) | 2017-09-11 | 2021-10-27 | コニカミノルタ株式会社 | 物体検出システム及び物体検出プログラム |
-
2019
- 2019-08-16 CN CN201910758038.8A patent/CN112394334B/zh active Active
-
2020
- 2020-06-26 JP JP2020110802A patent/JP7447700B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6035057A (en) * | 1997-03-10 | 2000-03-07 | Hoffman; Efrem H. | Hierarchical data matrix pattern recognition and identification system |
CN102175999A (zh) * | 2011-01-21 | 2011-09-07 | 西安电子科技大学 | 基于谱图特征的雷达目标高分辨距离像识别方法 |
CN109993192A (zh) * | 2018-01-03 | 2019-07-09 | 北京京东尚科信息技术有限公司 | 目标对象识别方法及装置、电子设备、存储介质 |
CN109117869A (zh) * | 2018-07-20 | 2019-01-01 | 汉纳森(厦门)数据股份有限公司 | 用户画像方法、介质及系统 |
Non-Patent Citations (1)
Title |
---|
雷达组网作战效能的灰色聚类评估模型;陈德江等;火力与指挥控制;第44卷(第5期);第26-30页 * |
Also Published As
Publication number | Publication date |
---|---|
JP7447700B2 (ja) | 2024-03-12 |
CN112394334A (zh) | 2021-02-23 |
JP2021034025A (ja) | 2021-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112394334B (zh) | 雷达反射点的聚类装置、方法以及电子设备 | |
JP2020071226A (ja) | 転倒検出方法及び装置 | |
CN110488264A (zh) | 人员检测方法、装置、电子设备及存储介质 | |
TWI601097B (zh) | 將影像特徵與參考特徵相匹配之方法及其所用積體電路 | |
CN111398943B (zh) | 目标姿态的确定方法及终端设备 | |
CN111427032B (zh) | 基于毫米波雷达的房间墙体轮廓识别方法及终端设备 | |
CN113109802B (zh) | 目标运动状态判断方法、装置、雷达设备和存储介质 | |
CN109917390A (zh) | 基于雷达的车辆检测方法和系统 | |
CN112348777B (zh) | 人体目标的检测方法、装置及终端设备 | |
CN112816960A (zh) | 车内生命探测方法、装置、设备和存储介质 | |
CN109828250B (zh) | 一种雷达标定方法、标定装置及终端设备 | |
CN110390706B (zh) | 一种物体检测的方法和装置 | |
EP3631755A1 (en) | Method and apparatus for representing environmental elements, system, and vehicle/robot | |
JP7484492B2 (ja) | レーダーに基づく姿勢認識装置、方法及び電子機器 | |
CN112198507B (zh) | 人体跌倒特征的检测方法及装置 | |
WO2021218346A1 (zh) | 一种聚类的方法和装置 | |
Xie et al. | Lightweight midrange arm-gesture recognition system from mmwave radar point clouds | |
CN116236173B (zh) | 基于毫米波雷达的智能养老监护管理系统 | |
CN115331214A (zh) | 用于目标检测的感知方法及系统 | |
Gong et al. | Fine feature sensitive marching squares | |
CN113936042A (zh) | 一种目标跟踪方法、装置和计算机可读存储介质 | |
CN113205059A (zh) | 车位的检测方法、系统、终端及计算机可读存储介质 | |
CN111722196A (zh) | 雷达反射点提取方法和装置 | |
CN111199537A (zh) | 基于图像处理的vts系统雷达目标点迹提取方法、终端设备及计算机可读存储介质 | |
CN116092072B (zh) | 一种航天器目标检测方法、系统、存储介质和电子设备 |
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 |