CN112763994B - 一种车载雷达遮挡检测方法、存储介质及车载设备 - Google Patents

Abstract

本发明涉及车载雷达的技术领域，尤其涉及一种车载雷达遮挡检测方法、存储介质及车载设备。所述方法包括：获取车载雷达回波数据，计算得到当前车载雷达的距离‑多普勒图；根据该距离‑多普勒图和车载雷达速度信息，得到距离‑多普勒图相对功率值的有效统计分布情况；将当前有效统计分布情况与遮挡状态下的参考统计分布情况进行相似度比对；若相似度低于预设阈值，则判定车载雷达未被遮挡，否则，结合逻辑判断，判定车载雷达存在遮挡。本发明利用存在于雷达的接收信号中的杂波，即与雷达探测时保持绝对静止的所有反射物体的回波，有效地实现了车载毫米波雷达的遮挡状况检测，适用性广且受外界干扰小，鲁棒性强。

Description

一种车载雷达遮挡检测方法、存储介质及车载设备

技术领域

本发明涉及车载雷达的技术领域，尤其涉及一种车载雷达遮挡检测方法、存储介质及车载设备。

背景技术

毫米波雷达具有体积小、质量轻、空间分辨率高和全天候(大雨天除外)全天时等特点，尤其对于调频连续波(Frequency Modulation Continuous Wave，FMCW)雷达，因其测距无盲区、易于实现小型化等优点，在汽车领域备受青睐，辅助驾驶员对汽车周围的环境进行实时感知，识别潜在的行车危险，故其成为重要的车载传感器之一。

然而由于环境或者不良天气的影响，毫米波雷达的第二表面上，如保险杠，天线罩或者是栅格等，不可避免的会有污泥，冰雪或雨水等异物的累积导致部分或者全部发射接收天线被这些异物所遮挡，从而影响了射频(Radio frequency,RF)信号能量传播的能力。

由于水是一种损耗介质，它的存在削弱了电磁波原本在空中的传播，因而雷达的基本功能-目标检测的能力受到了影响，同时最远探测距离也缩短了。基于雷达目标检测的一系列后续操作和应用功能如跟踪，自适应巡航等性能都随之减弱，因此汽车雷达提供主动安全的功能与预警功能不再得到保证，这可能会导致司机做出不安全的判读导致事故发生。在各种汽车雷达产品中，对恶劣条件下能提供可靠安全功能的要求日益成为一项关键性能要求。

在已有的文献或者专利中，对于遮挡检测的方法有以下几类：一类是基于遮挡物出现在离雷达最近的地方，在距离维度上首几个距离单元上或一米以内检测是否有较强回波信号。然而该方法的性能与雷达的波形选择，所用的雷达芯片的性能强相关，而使其应用受到限制。另一类是基于目标检测后所得的目标个数结果进行各种分析来判断是否遮挡。这种方法简单易实施，且与雷达的参数、波形等要求为弱相关，但是其准确性较差。一方面，它依赖于目标检测的算法性能，另一方面，周围被检测到目标的个数不是遮挡出现的必要条件。

发明内容

本发明为解决当前车载雷达遮挡检测容易受外界干扰、准确性差、依赖算法性能的技术问题，提供一种车载雷达遮挡检测方法、存储介质及车载设备。

为解决上述技术问题，本发明的技术方案如下：

一种车载雷达遮挡检测方法，所述方法包括：

获取车载雷达回波数据，计算得到当前车载雷达的距离-多普勒图；

根据该距离-多普勒图和车载雷达速度信息，得到距离-多普勒图相对功率值的有效统计分布情况；

将当前有效统计分布情况与遮挡状态下的参考统计分布情况进行相似度比对；

若相似度低于预设阈值，判定车载雷达未被遮挡，否则，结合逻辑判断，判定车载雷达存在遮挡

进一步的，还包括：

当相似度大于预设阈值时，判断当前车载雷达是否处于FOV受限场景；

若是，判定当前车载雷达存在假遮挡；

若否，判定当前车载雷达存在遮挡。

进一步的，所述获取车载雷达回波数据，计算得到当前车载雷达的距离-多普勒图包括：

获取车载雷达数模转化后的原始数据；

对原始数据进行二维傅里叶变换计算，得到车载雷达的距离-多普勒矩阵；

根据距离-多普勒矩阵，得到车载雷达的距离-多普勒图。

进一步的，所述根据该距离-多普勒图和车载雷达速度信息，得到距离-多普勒图相对功率值的有效统计分布情况包括：

确定距离-多普勒图的参考点，根据参考点，得到距离-多普勒图上的相对功率值；

提取对应于当前车载雷达速度下距离维上所有回波的相对功率值，计算得到距离-多普勒图相对功率值的有效统计分布情况。

进一步的，所述当前车载雷达速度的对应距离维为相对车载雷达绝对静止的雷达反射物在距离-多普勒图上对应的距离维。

进一步的，所述遮挡状态下的参考统计分布情况包括在不同厚度遮挡物条件下，车载雷达所在速度维度的相对功率统计分布情况。

进一步的，所述相似度比对包括两个统计分布的重叠区域的面积大小、形状相似度或者Kolmogorov-Smirnov检验中的至少一种。

进一步的，所述回波数据包括目标回波和与车载雷达检测目标不相关的杂波。

本发明还提供一种存储介质，所述存储介质包括指令，所述指令用于实现上述的车载雷达遮挡检测方法。

本发明还提供一种车载设备，所述车载设备包括处理器和存储介质，所述车载设备通过处理器调用存储介质，以执行以下步骤：

获取车载雷达回波数据，计算得到当前车载雷达的距离-多普勒图；

根据该距离-多普勒图和车载雷达速度信息，得到距离-多普勒图相对功率值的有效统计分布情况；

将当前有效统计分布情况与遮挡状态下的参考统计分布情况进行相似度比对；

若相似度低于预设阈值，则判定车载雷达未被遮挡，否则，结合逻辑判断，判定车载雷达存在遮挡。

本发明利用存在于雷达的接收信号中的杂波，即与雷达探测时保持绝对静止的雷达反射物的回波，从距离-多普勒图中提取与它们相关的特征信息进行车载雷达遮挡状态的判断，并辅助以逻辑判断，减小在特殊场景下因假遮挡引起的误报，该方法有效地实现了车载毫米波雷达的遮挡状况检测，适用性广且受外界干扰小，鲁棒性强，保证了车载毫米波雷达系统对环境的感知能力的可靠性。

附图说明

图1为本发明实施例中车载雷达遮挡检测方法的结构流程图。

图2为本发明实施例中车载雷达遮挡检测方法步骤101的具体步骤流程图。

图3为本发明实施例中车载雷达遮挡检测方法步骤102的具体步骤流程图。

图4为本发明实施例中车载雷达遮挡检测的一个具体实施方式。

图5为本发明实施例中相似度计算的一个具体实施方式。

图6为本发明实施例中车载雷达在遮挡与未遮挡状态下的相对功率的统计分布示意图。

图7为本发明实施例中车载设备的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例

图1示出了本实施例中车载雷达遮挡检测方法的结构流程图。

如图1所示，本实施例提供了一种车载雷达遮挡检测方法，该方法主要用于对车载雷达的第二表面是否存在遮挡进行检测，保证用户能够获知车载雷达的被遮挡状况，规避车载雷达因为被遮挡时未被处理而影响雷达性能情况，使汽车雷达提供主动安全的功能与预警功能得到保证。

值得说明的是，本实施例中提到的车载雷达优选为毫米波雷达。

具体的，本实施例中的车载雷达遮挡检测方法包括：

101、获取车载雷达回波数据，计算得到当前车载雷达的距离-多普勒图(Range-Doppler map)。

处理器获取车载雷达探测过程中的回波信号，其中，该回波信号包括有车载雷达回波信号中的原始数据，原始数据是指该回波数据未进行杂波或噪声的去除。因此，该回波信号中包括有车载雷达探测的目标回波以及不作为雷达探测目标杂波。

102、根据该距离-多普勒图和车载雷达速度信息，得到距离-多普勒图相对功率值的有效统计分布情况。

其中，相对功率值是以距离-多普勒图中的预设参考点获得的，可以选用噪声或其他参考点的功率值作为参考功率值

其中，有效统计分布情况是指处理器调用距离-多普勒图中能够用于检测雷达遮挡情况的距离维上的相对功率值，并统计该距离维上的多个相对功率值的分布，得到该有效分布情况。

值得说明的是，用于检测雷达遮挡情况的距离维的选定，是根据车载雷达的速度信息进行的。

例如，根据雷达本身的运动速度V_radar，可以在距离-多普勒图中确定静止物体目标。当雷达是静止的时候，这些静止目标或杂波与雷达之间是相对静止，因而出现在零多普勒的位置上；当雷达的运动速度为V_radar，则环境中的大部分/远距离绝对静止物体目标，或杂波，与雷达的相对速度约为V_radar。由此，处理器在在距离-多普勒图中寻找车载雷达的绝对静止物体目标/杂波出现的对应速度位置，进而确定能够用于检测雷达遮挡情况的距离维。

而上述距离维中的相对功率值之所以能够用于对车载雷达遮挡情况进行检测，其中的原理在于，当车载雷达被遮挡时，天线接收到的来自周围目标和杂波的实际回波能量在超过一定距离后，会衰减到接近或低于噪声，因而表现为噪声。而当雷达未被遮挡时，天线接收到的来自周围目标和杂波的实际回波能量在超过一定距离时，有可能高于噪声，因此，其统计分布是一个与噪声截然不同的分布，且随实际的路况和周围环境的变化而变化。尤其当道路周围的静止目标，如栅栏，标牌，树木等，越多时，未遮挡时的相对功率值的统计分布与遮挡时的分布差别就越大。因此，以这个相对功率为特征的统计分布便能很好的区分车载雷达处于遮挡状态或未被遮挡状态。

103、将当前有效统计分布情况与遮挡状态下的参考统计分布情况进行相似度比对。

其中，遮挡状态下的参考统计分布情况预先存储在处理器中，该数据的获得通过测试得到，则该数据代表了受到遮挡的车载雷达在各个场景下的相对功率值的统计分布。

其中，相似度比对是指当前有效统计分布与车载雷达遮挡时的参考统计分布之间的相似程度比对，例如，实测数据的统计分布与遮挡的参考统计分布不相似，则可以认为该实测数据的未被遮挡，相似度值越低则越说明该实测数据不被遮挡的可信度越高；两者若存在相似，则代表当前雷达可能处于遮挡状态。

104、若相似度低于预设阈值，则判定车载雷达未被遮挡，否则，结合逻辑判断，判定车载雷达存在遮挡。

其中，预设阈值的大小数值可以根据厂家或用户的遮挡灵敏度需求进行调节。

本实施例的好处在于，本实施例的遮挡检测方法利用存在于雷达的接收信号中的杂波，即与雷达探测时保持绝对静止的雷达反射物的回波，从距离-多普勒图中提取与它们相关的特征信息进行车载雷达遮挡状态的判断，并辅助以逻辑判断，减小在特殊场景下因假遮挡引起的误报，该方法有效地实现了车载毫米波雷达的遮挡状况检测，适用性广且受外界干扰小，鲁棒性强，保证了车载毫米波雷达系统对环境的感知能力的可靠性。

以下为本实施例中遮挡检测方法的一些具体实施方式。

在一些实施例中，本实施例的车载雷达遮挡检测方法还包括：

当判定车载雷达存在遮挡时，判断当前车载雷达是否处于FOV受限场景。

若是，判定当前车载雷达存在假遮挡；

若否，判定当前车载雷达存在遮挡。

其中，上述所提及的FOV受限场景是指当前车载雷达处于毫米波雷达的全FOV(Field of View，视场)受限场景。

全FOV受限场景定义为，毫米波雷达的全部FOV区域内，各个角度的近距离处均被物体包围的场景。其中，包围物体可以为具有电磁波强衰减性能与电磁波强反射性能的物体的组合，也可以为单独的具有电磁波强反射性能的物体。全FOV受限场景对毫米波雷达检测的影响直接表现为，在该场景下，电磁波传输受到阻碍，无法进行远距离的目标检测，典型的全FOV受限场景如，雷达四周被墙体和旁边车辆包围的停车场，在该场景下，电磁波传输的主要表现为，雷达全FOV的电磁波在短距离内传输时就受到周围墙体物体衰减、被车辆反射并产生多径信号，导致雷达无法检测远距离目标，与此同时，远距离上无杂波进入接收端信号，此时的信号表征与常规场景下的信号表征存在差异。

毫米波雷达处于全FOV受限场景时，即使其第二表面并非受到异物直接覆盖，但由于电磁波传输同样受阻，从时域或频域上看，此时的信号表征与雷达第二表面直接被异物覆盖时的表征几乎一致，表现出“伪”遮挡特征，导致遮挡检测算法无法区别出是真正的雷达第二表面保险杠被直接异物覆盖还是非直接异物覆盖的全FOV受限场景，从而出现遮挡误报警，影响遮挡检测的算法鲁棒性，引起不良的用户体验。

假遮挡判定的必要性在于，当实测数据的统计分布近似遮挡的统计分布，它可能是雷达FOV受限的情况下，例如，在停车库或者周围有围墙阻拦了雷达发射的电磁波传播，因而电磁波无法照射到某个距离以外的目标，同样也无某个距离值以外的回波，因而相对功率的统计分布与被污泥等真正遮挡时很相似。因此，在车载雷达遮挡检测过程中，可以通过一些逻辑判断，来判断是否雷达FOV受到限制，从而提醒司机周围的状况。具体的，该逻辑判断如近距离目标检测。

其中，该判定过程可以设置在判定雷达存在遮挡之后，输出最终雷达遮挡结果之前。例如，处理器在判定雷达可能存在遮挡状态时，进行假遮挡判定，从而确定当前车载雷达是的状态是遮挡或假遮挡。若得出结论为当前雷达为假遮挡，可以得出当前车载雷达未被遮挡的结论。

图2示出了本实施例中车载雷达遮挡检测方法步骤101的具体步骤流程图。

如图2所示，在一些实施例中，步骤获取车载雷达回波数据，计算得到当前车载雷达的距离-多普勒图包括：

201、获取车载雷达数模转化后的原始数据。

202、对原始数据进行二维傅里叶变换计算，得到车载雷达的距离-多普勒矩阵。

203、根据距离-多普勒矩阵，得到车载雷达的距离-多普勒图。

其中，处理器基于雷达数模转换后的原始数据，经过二维傅里叶变换(2D-FFT)获得距离-多普勒矩阵X，该矩阵上的每一个单元的值为复数，根据该矩阵上各单元的值的幅度所画出来的二维图则为距离-多普勒图(Range-Doppler map,简称RD map)。

图3示出了本实施例中车载雷达遮挡检测方法步骤102的具体步骤流程图。

如图3所示，在一些实施例中，步骤根据该距离-多普勒图和车载雷达速度信息，得到距离-多普勒图相对功率值的有效统计分布情况包括：

301、确定距离-多普勒图的参考点，根据参考点，得到距离-多普勒图上的相对功率值。

302、提取对应于当前车载雷达速度的对应下距离维上所有回波的相对功率值，计算得到距离-多普勒图相对功率值的有效统计分布情况。

其中，本实施例中提到的相对功率值是一个相对特征，它不受安装车辆的变化而变化，不受雷达的系统参数而变化，也不受是雷达的种类影响，在汽车的前雷达还是角雷达均可用应用该检测方法。

在一些实施例中，当前车载雷达速度的对应距离维是指，相对速度与车载雷达速度相同的雷达反射物的回波在距离-多普勒图上对应的距离维。其中，该距离维通过确定车载雷达的绝对静止物体目标确定，具体的，绝对静止物体目标为与车载雷达速度相同的障碍物，获取该绝对静止物体目标的在距离-多普勒图上对应的距离维，用于实现车载雷达检测。

其中的原理在于，当车载雷达的天线罩或者保险杠被污泥、水雾或者冰雪遮挡。这些遮挡物中均含有水分，它对电磁波的能量有吸收效果，导致电磁波传输能量的损耗。上述遮挡物的出现导致实际有效发射功率衰减，目标反射回波的能量也相应减弱，再经过一次遮挡物的衰减效应，使得接收天线所收到的回波能量远远小于当初设计的最远探测距离所需的能量。

接收天线收到的无论是来自本车周围的目标回波，周围环境的杂波信号，或是信道的底噪信号，它们的能量都随着有效发射功率的降低而降低。接收天线接收到的回波功率的大小能够直接体现在距离-多普勒图上，该图上的距离-速度单元上幅值的大小直接反应了接收天线所接收到的回波在特定距离特定速度的能量大小，本方案通过获取与车载雷达速度相同的障碍物，即绝对静止雷达反射物的距离维，以此距离维的相对功率值为特征，得到其统计分布最终实现车载雷达遮挡与未被遮挡状态的区分。该检测手段可靠有效，不容易受到外界的干扰，鲁棒性强。

当然，上述的绝对静止雷达反射物也可以用雷达的杂波代替，例如，在开阔场的场景下，比如沙漠、洲际公路、无其他车辆或者建筑物的大型停车场，或者被积雪覆盖的路面等场景中，无相应的障碍物，可以利用其场景中的地面杂波作为检测目标，最终实现开阔场的雷达遮挡检测。

在一些实施例中，所述遮挡状态下的参考统计分布情况包括在不同厚度遮挡物条件下，车载雷达所在速度维度的相对功率统计分布情况。

其中，不同厚度的遮挡物包括各种以含水为主要特征的遮挡物，如泥浆，水膜等，在不同厚度遮挡物条件下，绝对静止物体所在速度维度的相对功率统计分布可以事先存储下来作为参考值，在处理器中直接调用，将实测数据的统计分布与遮挡下的分布进行比较，以实现两个统计分布的相似度计算。

在一些实施例中，相似度比对包括两个统计分布的重叠区域的面积大小、形状相似度或者Kolmogorov-Smirnov检验。当然，相似度的比对方法存在多种，本实施例中不一一赘述。

在一些实施例中，所述回波数据包括目标回波和与车载雷达检测目标不相关的杂波。

为了更好的操作体验，请参阅图4-6，其中，图4示出了本实施例中车载雷达遮挡检测的一个具体实施方式；图5示出了本实施例相似度计算的一个具体实施方式；而图6则示出了车载雷达在遮挡与未遮挡状态下的相对功率的统计分布示意图。

具体的，在车载雷达遮挡检测过程中，处理器获取雷达ADC(Analog-to-digitalconverter，模拟数字转换器)数据，计算生成距离-多普勒图，并在汇总车载雷达速度信息，计算当前相对功率统计分布与参考统计分布之间的相似度，根据相似度判定以及FOV场景逻辑判断，判定并得出车载雷达当前处于遮挡、假遮挡或未遮挡的状态。

本实施例还提供一种存储介质，其特征在于，所述存储介质包括指令，所述指令用于实现上述的方法。

图7示出了本实施例中车载设备的结构框图。

如图7所示，本实施例提供了一种车载设备，该车载设备包括处理器401和存储介质402，车载设备通过处理器401调用存储介质402，以执行以下步骤：

获取车载雷达回波数据，计算得到当前车载雷达的距离-多普勒图；

根据该距离-多普勒图和车载雷达速度信息，得到距离-多普勒图相对功率值的有效统计分布情况；

将当前有效统计分布情况与遮挡状态下的参考统计分布情况进行相似度比对；

若相似度低于预设阈值，则判定车载雷达未被遮挡，否则，结合逻辑判断，判定车载雷达存在遮挡。

其好处在，车载设备通过上述步骤在车载雷达探测的过程中，对车载雷达进行遮挡检测，能够有效辨别雷达是否处于遮挡状态，其实现的手法受外界的干扰性小，鲁棒性高，能保证车载雷达遮挡检测的可靠性。

显然，本发明的上述实施例仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (7)

1.一种车载雷达遮挡检测方法，其特征在于，所述方法包括：

获取车载雷达回波数据，计算得到当前车载雷达的距离-多普勒图，具体包括：获取车载雷达数模转化后的原始数据，对原始数据进行二维傅里叶变换计算，得到车载雷达的距离-多普勒矩阵，根据距离-多普勒矩阵，得到车载雷达的距离-多普勒图；

根据该距离-多普勒图和车载雷达速度信息，得到距离-多普勒图相对功率值的有效统计分布情况，具体包括：确定距离-多普勒图的参考点，根据参考点，得到距离-多普勒图上的相对功率值，提取对应于当前车载雷达速度下距离维上所有回波的相对功率值，计算得到距离-多普勒图相对功率值的有效统计分布情况；

将当前有效统计分布情况与遮挡状态下的参考统计分布情况进行相似度比对；

若相似度低于预设阈值，判定车载雷达未被遮挡，否则，结合逻辑判断，判定车载雷达存在遮挡；

当相似度大于预设阈值时，判断当前车载雷达是否处于FOV受限场景；

若是，判定当前车载雷达存在假遮挡；

若否，判定当前车载雷达存在遮挡。

2.根据权利要求1所述的车载雷达遮挡检测方法，其特征在于，所述当前车载雷达速度的对应距离维为相对车载雷达绝对静止的雷达反射物在距离-多普勒图上对应的距离维。

3.根据权利要求1所述的车载雷达遮挡检测方法，其特征在于，所述遮挡状态下的参考统计分布情况包括在不同厚度遮挡物条件下，车载雷达所在速度维度的相对功率统计分布情况。

4.根据权利要求2所述的车载雷达遮挡检测方法，其特征在于，所述相似度比对包括两个统计分布的重叠区域的面积大小、形状相似度或者Kolmogorov-Smirnov检验中的至少一种。

5.根据权利要求1所述的车载雷达遮挡检测方法，其特征在于，所述回波数据包括目标回波和与车载雷达检测目标不相关的杂波。

6.一种存储介质，其特征在于，所述存储介质包括指令，所述指令用于实现权利要求1-5任一项所述的方法。

7.一种车载设备，其特征在于，所述车载设备包括处理器和存储介质，所述车载设备通过处理器调用存储介质，以执行权利要求1-5任一项所述的车载雷达遮挡检测方法。