CN112799044A - 一种基于bsd雷达简易高效的栏杆识别方法 - Google Patents
一种基于bsd雷达简易高效的栏杆识别方法 Download PDFInfo
- Publication number
- CN112799044A CN112799044A CN202011615995.4A CN202011615995A CN112799044A CN 112799044 A CN112799044 A CN 112799044A CN 202011615995 A CN202011615995 A CN 202011615995A CN 112799044 A CN112799044 A CN 112799044A
- Authority
- CN
- China
- Prior art keywords
- target
- list
- absolute
- railing
- threshold
- 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
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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- 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
- 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
- G01S7/418—Theoretical aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Radar Systems Or Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于BSD雷达简易高效的栏杆识别方法,滑动收集多帧绝对静止目标点列表;筛选第一距离范围内的绝对静止目标点进行栏杆识别,得到第一目标列表;采用线性拟合法计算第一目标列表中绝对静止目标点分布的斜率;若绝对静止目标点分布的斜率小于等于第一阈值,且第一目标列表中绝对静止目标点的数量大于等于第二阈值,则判断第一目标列表中识别到了第一栏杆目标,得到当前帧的第一栏杆识别位置。本方法通过滑动收集多帧绝对静止目标点列表,进而对其进行处理,以在不同距离和场景下识别栏杆,方法实现过程简易,且识别精度高、效率高,适用性强,不易受干扰,栏杆位置的识别结果稳定。
Description
技术领域
本发明涉及栏杆识别技术领域,特别是涉及一种基于BSD雷达简易高效的栏杆识别方法。
背景技术
目前BSD雷达识别栏杆的技术有采用直方图方法识别、霍夫变换法识别、目标点聚类方法识别,每种方式都有各自的劣势,直方图方法识别由于固定距离的分割会导致栏杆识别的位置与真实位置误差较大;霍夫变换法识别计算相对复杂很多,且效率不高;目标点聚类方法识别在目标检测数量较少的情况下,效果不明显,且聚类波门的设置参数在不同距离和场景需要调整,需要大量实车数据验证。因此,如何提高栏杆识别的稳定性,如何适应不同场景的识别需求,如高速场景、多栏杆场景等将是需要解决的问题。
发明内容
本发明为克服上述现有技术中,栏杆识别误差大效率低、不能够适应不同场景的识别需求的问题,提供一种基于BSD雷达简易高效的栏杆识别方法。
为解决上述技术问题,本发明的技术方案如下:
一种基于BSD雷达简易高效的栏杆识别方法,包括:
S10、滑动收集多帧绝对静止目标点列表;
S20、筛选第一距离范围内的绝对静止目标点进行栏杆识别,得到第一目标列表;
S30、采用线性拟合法计算第一目标列表中绝对静止目标点分布的斜率;
S40、判断绝对静止目标点分布的斜率是否小于等于第一阈值,同时判断第一目标列表中绝对静止目标点的数量是否大于等于第二阈值,若绝对静止目标点分布的斜率小于等于第一阈值,且第一目标列表中绝对静止目标点的数量大于等于第二阈值,则判断第一目标列表中识别到了第一栏杆目标,得到当前帧的第一栏杆识别位置。
进一步的,作为优选技术方案,滑动收集多帧绝对静止目标点列表具体包括:
通过雷达实时获取检测目标点信息;
采用滑动收集的方法将最新获取的连续多帧检测目标点信息进行归集得到检测目标点列表信息;
根据检测目标点列表信息计算每一检测目标点的绝对对地速度;
将检测目标点的绝对对地速度与动静状态区分阈值进行比较,当检测目标点的绝对对地速度的绝对值小于等于动静状态区分阈值时,则判断当前检测目标点为绝对静止目标点,否则,当前检测目标点为运动目标点;
将检测目标点列表中所有的绝对静止目标点进行归集整理,得到绝对静止目标点列表。
进一步的,作为优选技术方案,检测目标点列表信息包括检测目标点相对本车的径向运动速度、检测目标点相对本车的距离、检测目标点相对本车的方位角;
检测目标点的绝对对地速度的计算具体为:车速与检测目标点相对本车的方位角的余弦乘积和检测目标点相对本车的径向运动速度之和。
进一步的,作为优选技术方案,第一目标列表的获取具体包括:
以车尾中点为原点建立车身坐标系;
从绝对静止目标点列表中筛选位于车身坐标系中第一距离范围内的绝对静止目标点作为栏杆识别的目标点识别列表;
获取目标点识别列表中绝对静止目标点的横坐标的中位数,筛选目标点识别列表中绝对静止目标点的横坐标与中位数的差的绝对值小于等于第三阈值的绝对静止目标点,归集得到第一目标列表。
进一步的,作为优选技术方案,目标点识别列表的获取具体包括:
获取绝对静止目标点列表中所有绝对静止目标点在车身坐标系的坐标;
筛选出横坐标大于等于第四阈值且小于等于第五阈值,同时,纵坐标大于等于第六阈值且小于等于第七阈值的绝对静止目标点,归集整理得到栏杆识别的目标点识别列表。
进一步的,作为优选技术方案,第一目标列表中绝对静止目标点分布的斜率的计算具体包括:
以第一目标列表中多个绝对静止目标点的横坐标建立第一矩阵,以第一目标列表中多个绝对静止目标点的纵坐标建立第二矩阵;
计算第一目标列表中多个绝对静止目标点的横坐标的平均值和纵坐标的平均值;
根据第一矩阵、第二矩阵、横坐标的平均值和纵坐标的平均值计算第一目标列表的拟合斜率,即第一目标列表中绝对静止目标点分布的斜率。
进一步的,作为优选技术方案,当前帧识别的第一栏杆位置的横坐标为目标点识别列表中绝对静止目标点的横坐标的中位数。
进一步的,作为优选技术方案,还包括:
S50、筛选第二距离范围内的绝对静止目标点进行栏杆识别,得到第二目标列表,返回步骤S30,以判断第二目标列表中是否识别到了第二栏杆目标,若是,获取第二栏杆识别位置,否则,筛选第三距离范围内的绝对静止目标点进行栏杆识别,得到第三目标列表,返回步骤S30,以判断第三目标列表中是否识别到了第二栏杆目标,若是,获取第二栏杆识别位置,更新第二栏杆识别位置为当前帧的第一栏杆识别位置。
进一步的,作为优选技术方案,第二目标列表的获取具体包括:筛选目标点识别列表中绝对静止目标点的横坐标与权利要求1中识别的第一栏杆的横坐标之差的绝对值大于第三阈值的绝对静止目标点,得到第二目标列表;
第三目标列表获取具体包括:筛选目标点识别列表中绝对静止目标点的横坐标与权利要求1中识别的第一栏杆的横坐标之差的绝对值小于等于第三阈值的绝对静止目标点,得到第三目标列表。
进一步的,作为优选技术方案,所述第一阈值、第二阈值、第三阈值、第四阈值、第五阈值、第六阈值、第七阈值均根据大量实车测试数据统计和雷达测量误差设置。
与现有技术相比,本发明技术方案的有益效果是:
本方法通过滑动收集多帧绝对静止目标点列表,进而对其进行处理,以在不同距离和场景下识别栏杆,方法实现过程简易,且识别精度高、效率高,适用性强,不易受干扰,栏杆位置的识别结果稳定。
附图说明
图1为本发明步骤流程图。
图2为本发明设置的需要识别的栏杆范围示意图。
附图仅用于示例性说明,不能理解为对本专利的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的;相同或相似的标号对应相同或相似的部件;附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的优点和特征更易被本领域技术人员理解,从而对本发明的保护范围作出更为清楚的界定。。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制。
此外,若有“第一”、“第二”等术语仅用于描述目的,主要是用于区分不同的装置、元件或组成部分(具体的种类和构造可能相同也可能不同),并非用于表明或暗示所指示装置、元件或组成部分的相对重要性和数量,而不能理解为指示或者暗示相对重要性。
实施例1
本实施例公开一种基于BSD雷达简易高效的栏杆识别方法,如图1所示,包括:
S10、滑动收集多帧绝对静止目标点列表List1。
本步骤具体包括:
S101、通过雷达实时获取检测目标点信息;此步骤中,获取的检测目标点信息包括检测目标点相对本车的径向运动速度、检测目标点相对本车的距离、检测目标点相对本车的方位角。
S102、采用滑动收集的方法将最新获取的连续多帧检测目标点信息进行归集得到检测目标点列表信息。
在此步骤中,检测目标点信息的获取数量为最新连续的N帧,同时,删除N 帧之前获取的检测目标点信息,N可设置为大于等于4的整数,在本实施例中, N设置为6、8、10等,具体设置数值可根据实际检测情况设置。同时,由于检测目标点信息包括检测目标点相对本车的径向运动速度、检测目标点相对本车的距离、检测目标点相对本车的方位角,故此,该检测目标点列表信息同样包括检测目标点相对本车的径向运动速度、检测目标点相对本车的距离、检测目标点相对本车的方位角。
S103、根据检测目标点列表信息计算每一检测目标点的绝对对地速度。
此步骤中,检测目标点的绝对对地速度的计算具体为:
车速与检测目标点相对本车的方位角的余弦乘积和检测目标点相对本车的径向运动速度之和。
更具体的,如下所示:
abSpeed=rSpeed+Speed*cos(angle)
其中,abSpeed表示检测目标点的绝对对地速度,rSpeed表示检测目标点相对本车的径向运动速度,Speed表示车速、angle表示检测目标点相对本车的方位角。
S104、将检测目标点的绝对对地速度与动静状态区分阈值进行比较,当检测目标点的绝对对地速度的绝对值小于等于动静状态区分阈值时,则判断当前检测目标点为绝对静止目标点,否则,当前检测目标点为运动目标点。
在本步骤中,动静状态区分阈值根据大量实车测试数据统计,在本实施例中,动静状态区分阈值设置范围为0.8m/s-1.2m/s,作为优选实施例,动静状态区分阈值设置范围为1m/s。
故此,本步骤中,当检测目标点的绝对对地速度的绝对值≤1m/s时,则认为当前检测目标点为绝对静止目标点,否则,认为当前检测目标点为运动目标点。
S105、将检测目标点列表中通过步骤S14识别到的所有的绝对静止目标点进行归集整理,得到绝对静止目标点列表List1。
S20、筛选第一距离范围内的绝对静止目标点进行栏杆识别,得到第一目标列表。
本步骤如图2所示,具体包括:
S201、以车尾中点为原点建立车身坐标系XOY。
S202、从绝对静止目标点列表List1中筛选位于车身坐标系中第一距离范围内的绝对静止目标点作为栏杆识别的目标点识别列表。
本步骤具体包括:
获取绝对静止目标点列表List1中所有绝对静止目标点在车身坐标系XOY中的坐标(x,y);
筛选出横坐标大于等于第四阈值且小于等于第五阈值,同时,纵坐标大于等于第六阈值且小于等于第七阈值的绝对静止目标点,归集整理得到栏杆识别的目标点识别列表。
其中,绝对静止目标点在车身坐标系XOY中的坐标(x,y)为绝对静止目标点在车身坐标系XOY中投影,具体为:
x=r*sin(angle)
y=r*cos(angle)
本步骤中,第四阈值、第五阈值、第六阈值、第七阈值均根据大量实车测试数据统计和雷达测量误差设置;
第四阈值的设置范围为-8--12,第五阈值的设置范围为8-12,第六阈值的设置范围为-25--35,第七阈值的设置范围为1.5-2.5。
优选的,在本实施例中,第四阈值设置为-10,第五阈值设置为10,第六阈值设置为-30,第七阈值设置为2。
故此,筛选出绝对静止目标点在车身坐标系XOY中的坐标(x,y)满足,-10<= x<=10且-30<=y<=2的绝对静止目标点,归集整理得到栏杆识别的目标点识别列表List2。即图2虚线框内的绝对静止目标点,作为栏杆识别的目标点识别列表List2。
S203、获取目标点识别列表中绝对静止目标点的横坐标的中位数,筛选目标点识别列表中绝对静止目标点的横坐标与中位数的差的绝对值小于等于第三阈值的绝对静止目标点,归集得到第一目标列表。
本步骤具体包括:
计算目标点识别列表List2中绝对静止目标点的横坐标x值的中位数 medianX,筛选目标点识别列表List2中绝对静止目标点的横坐标x值与中位数medianX之间的距离小于等于第三阈值的绝对静止目标点,归集得到第一目标列表List3。
其中,第三阈值根据大量实车测试数据统计和雷达测量误差设置,第三阈值的设置范围为1.5-2.5m,优选的,在本实施例中,第三阈值设置为2m,故此,筛选目标点识别列表List2中绝对静止目标点的横坐标x值与中位数medianX之间的距离小于等于2m的绝对静止目标点,归集得到满足条件的第一目标列表List3。
S30、采用线性拟合法计算第一目标列表中绝对静止目标点分布的斜率。
本步骤具体包括:
S301、以第一目标列表List3中多个绝对静止目标点的横坐标建立第一矩阵,以第一目标列表List3中多个绝对静止目标点的纵坐标建立第二矩阵。
本步骤中,假设第一目标列表List3中存在N个绝对静止目标点,以第一目标列表List3中N个绝对静止目标点的横坐标x建立1*N的第一矩阵XX,以第一目标列表List3中N个绝对静止目标点的纵坐标y建立1*N的第二矩阵YY,该第一矩阵XX表示目标列表List3中N个目标的x值,第二矩阵YY表示目标列表List3中N个目标的y值。
S302、计算第一目标列表List3中多个绝对静止目标点的横坐标的平均值和纵坐标的平均值。
本步骤具体为,计算第一目标列表List3中N个绝对静止目标点的横坐标x 的平均值mean(XX),计算第一目标列表List3中N个绝对静止目标点的纵坐标y 的平均值mean(YY)。
S303、根据第一矩阵、第二矩阵、横坐标的平均值和纵坐标的平均值计算第一目标列表List3的拟合斜率,即第一目标列表List3中绝对静止目标点分布的斜率。
本步骤中第一目标列表List3的拟合斜率具体通过以下公式计算:
ratio=(YY*XX'-N*mean(XX)*mean(YY))/(YY*YY'-N*mean(YY)^2)
其中,ratio表示第一目标列表List3的拟合斜率,XX表示第一目标列表 List3中N个绝对静止目标点的横坐标x建立的第一矩阵,YY表示第一目标列表 List3中N个绝对静止目标点的纵坐标y建立的第二矩阵,N表示第一目标列表List3中绝对静止目标点的数量,mean(XX)表示第一目标列表List3中N个绝对静止目标点的横坐标x的平均值,mean(YY)表示第一目标列表List3中N个绝对静止目标点的纵坐标y的平均值,XX'表示第一矩阵XX的转置,YY'表示第二矩阵YY的转置。
S40、判断绝对静止目标点分布的斜率是否小于等于第一阈值,同时判断第一目标列表中绝对静止目标点的数量是否大于等于第二阈值,若绝对静止目标点分布的斜率小于等于第一阈值,且第一目标列表中绝对静止目标点的数量大于等于第二阈值,则判断第一目标列表中识别到了第一栏杆目标,得到当前帧的第一栏杆识别位置。
在本步骤中,第一阈值和第二阈值均根据大量实车测试数据统计和雷达测量误差设置。
第一阈值的设置范围为8°-12°,第二阈值的设置范围为10-20。
优选的,在本实施例中,第一阈值设置为10°,第二阈值设置为15。
故此,本步骤具体为:
将步骤S30计算的绝对静止目标点分布的斜率与第一阈值进行比较,当绝对静止目标点分布的斜率小于等于10°,且第一目标列表List3中的绝对静止目标点的数量大于等于15,则认为第一目标列表List3中识别到了第一栏杆目标,得到当前帧的第一栏杆识别位置,该当前帧识别的第一栏杆位置的横坐标为目标点识别列表中绝对静止目标点的横坐标的中位数。
即,第一栏杆位置rail_x=medianX。
在本实施例中,若之前已经识别到了一次栏杆位置last_rail_x,那么在步骤S20中,直接执行步骤S50。
S50、筛选第二距离范围内的绝对静止目标点进行栏杆识别,得到第二目标列表,返回步骤S30,以判断第二目标列表中是否识别到了第二栏杆目标,若是,获取第二栏杆识别位置,否则,筛选第三距离范围内的绝对静止目标点进行栏杆识别,得到第三目标列表,返回步骤S30,以判断第三目标列表中是否识别到了第二栏杆目标,若是,获取第二栏杆识别位置,更新第二栏杆识别位置为当前帧的第一栏杆识别位置。
在本步骤中,假设之前已经识别到的栏杆位置last_rail_x为步骤S40中识别的第一栏杆位置rail_x,即last_rail_x=rail_x,那么,本步骤具体为:
筛选第二距离范围内的绝对静止目标点进行栏杆识别,得到第二目标列表List3’;
重复步骤S30和S40,以判断第二目标列表List3’中是否可能存在距离本车更近的第二栏杆目标,若是,获取第二栏杆识别位置,即,第二栏杆位置rail_x= new_rail_x,否则,筛选第三距离范围内的绝对静止目标点进行栏杆识别,得到第三目标列表List3”,继续重复步骤S30和S40,以判断第三目标列表 List3”中是否识别到了第二栏杆目标,若是,获取第二栏杆识别位置,更新第二栏杆识别位置为当前帧的第一栏杆识别位置。
在本步骤中,第二目标列表List3’的获取具体包括:筛选目标点识别列表 List2中绝对静止目标点的横坐标x与步骤S40中识别的第一栏杆的横坐标 rail_x之间的距离大于第三阈值的绝对静止目标点,得到第二目标列表 List3’;
同样的,第三目标列表List3”的获取具体包括:筛选目标点识别列表 List2中绝对静止目标点的横坐标x与步骤S40中识别的第一栏杆的横坐标 rail_x之间的距离小于等于第三阈值的绝对静止目标点,得到第三目标列表 List3”。
其中,第三阈值根据大量实车测试数据统计和雷达测量误差设置,第三阈值的设置范围为1.5-2.5m,优选的,在本实施例中,第三阈值设置为2m,
显然,本发明的上述实施例仅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 (10)
1.一种基于BSD雷达简易高效的栏杆识别方法,其特征在于,包括:
S10、滑动收集多帧绝对静止目标点列表;
S20、筛选第一距离范围内的绝对静止目标点进行栏杆识别,得到第一目标列表;
S30、采用线性拟合法计算第一目标列表中绝对静止目标点分布的斜率;
S40、判断绝对静止目标点分布的斜率是否小于等于第一阈值,同时判断第一目标列表中绝对静止目标点的数量是否大于等于第二阈值,若绝对静止目标点分布的斜率小于等于第一阈值,且第一目标列表中绝对静止目标点的数量大于等于第二阈值,则判断第一目标列表中识别到了第一栏杆目标,得到当前帧的第一栏杆识别位置。
2.根据权利要求1所述的一种基于BSD雷达简易高效的栏杆识别方法,其特征在于,滑动收集多帧绝对静止目标点列表具体包括:
通过雷达实时获取检测目标点信息;
采用滑动收集的方法将最新获取的连续多帧检测目标点信息进行归集得到检测目标点列表信息;
根据检测目标点列表信息计算每一检测目标点的绝对对地速度;
将检测目标点的绝对对地速度与动静状态区分阈值进行比较,当检测目标点的绝对对地速度的绝对值小于等于动静状态区分阈值时,则判断当前检测目标点为绝对静止目标点,否则,当前检测目标点为运动目标点;
将检测目标点列表中所有的绝对静止目标点进行归集整理,得到绝对静止目标点列表。
3.根据权利要求2所述的一种基于BSD雷达简易高效的栏杆识别方法,其特征在于,检测目标点列表信息包括检测目标点相对本车的径向运动速度、检测目标点相对本车的距离、检测目标点相对本车的方位角;
检测目标点的绝对对地速度的计算具体为:车速与检测目标点相对本车的方位角的余弦乘积和检测目标点相对本车的径向运动速度之和。
4.根据权利要求1所述的一种基于BSD雷达简易高效的栏杆识别方法,其特征在于,第一目标列表的获取具体包括:
以车尾中点为原点建立车身坐标系;
从绝对静止目标点列表中筛选位于车身坐标系中第一距离范围内的绝对静止目标点作为栏杆识别的目标点识别列表;
获取目标点识别列表中绝对静止目标点的横坐标的中位数,筛选目标点识别列表中绝对静止目标点的横坐标与中位数的差的绝对值小于等于第三阈值的绝对静止目标点,归集得到第一目标列表。
5.根据权利要求4所述的一种基于BSD雷达简易高效的栏杆识别方法,其特征在于,目标点识别列表的获取具体包括:
获取绝对静止目标点列表中所有绝对静止目标点在车身坐标系的坐标;
筛选出横坐标大于等于第四阈值且小于等于第五阈值,同时,纵坐标大于等于第六阈值且小于等于第七阈值的绝对静止目标点,归集整理得到栏杆识别的目标点识别列表。
6.根据权利要求1所述的一种基于BSD雷达简易高效的栏杆识别方法,其特征在于,第一目标列表中绝对静止目标点分布的斜率的计算具体包括:
以第一目标列表中多个绝对静止目标点的横坐标建立第一矩阵,以第一目标列表中多个绝对静止目标点的纵坐标建立第二矩阵;
计算第一目标列表中多个绝对静止目标点的横坐标的平均值和纵坐标的平均值;
根据第一矩阵、第二矩阵、横坐标的平均值和纵坐标的平均值计算第一目标列表的拟合斜率,即第一目标列表中绝对静止目标点分布的斜率。
7.根据权利要求4所述的一种基于BSD雷达简易高效的栏杆识别方法,其特征在于,当前帧识别的第一栏杆位置的横坐标为目标点识别列表中绝对静止目标点的横坐标的中位数。
8.根据权利要求4所述的一种基于BSD雷达简易高效的栏杆识别方法,其特征在于,还包括:
S50、筛选第二距离范围内的绝对静止目标点进行栏杆识别,得到第二目标列表,返回步骤S30,以判断第二目标列表中是否识别到了第二栏杆目标,若是,获取第二栏杆识别位置,否则,筛选第三距离范围内的绝对静止目标点进行栏杆识别,得到第三目标列表,返回步骤S30,以判断第三目标列表中是否识别到了第二栏杆目标,若是,获取第二栏杆识别位置,更新第二栏杆识别位置为当前帧的第一栏杆识别位置。
9.根据权利要求8所述的一种基于BSD雷达简易高效的栏杆识别方法,其特征在于,
第二目标列表的获取具体包括:筛选目标点识别列表中绝对静止目标点的横坐标与权利要求1中识别的第一栏杆的横坐标之差的绝对值大于第三阈值的绝对静止目标点,得到第二目标列表;
第三目标列表获取具体包括:筛选目标点识别列表中绝对静止目标点的横坐标与权利要求1中识别的第一栏杆的横坐标之差的绝对值小于等于第三阈值的绝对静止目标点,得到第三目标列表。
10.根据权利要求5所述的一种基于BSD雷达简易高效的栏杆识别方法,其特征在于,所述第一阈值、第二阈值、第三阈值、第四阈值、第五阈值、第六阈值、第七阈值均根据大量实车测试数据统计和雷达测量误差设置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011615995.4A CN112799044A (zh) | 2020-12-30 | 2020-12-30 | 一种基于bsd雷达简易高效的栏杆识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011615995.4A CN112799044A (zh) | 2020-12-30 | 2020-12-30 | 一种基于bsd雷达简易高效的栏杆识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112799044A true CN112799044A (zh) | 2021-05-14 |
Family
ID=75804822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011615995.4A Pending CN112799044A (zh) | 2020-12-30 | 2020-12-30 | 一种基于bsd雷达简易高效的栏杆识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112799044A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015143966A (ja) * | 2013-07-25 | 2015-08-06 | 株式会社リコー | 画像処理装置、立体物検出方法、立体物検出プログラム、および、移動体制御システム |
CN109254289A (zh) * | 2018-11-01 | 2019-01-22 | 百度在线网络技术(北京)有限公司 | 道路护栏的检测方法和检测设备 |
JP2019027973A (ja) * | 2017-08-01 | 2019-02-21 | 株式会社デンソー | 物標判定装置 |
CN110058239A (zh) * | 2019-04-29 | 2019-07-26 | 上海保隆汽车科技股份有限公司 | 一种车载毫米波雷达装置及目标探测方法 |
CN110320518A (zh) * | 2019-05-31 | 2019-10-11 | 惠州市德赛西威汽车电子股份有限公司 | 一种车载bsd毫米波雷达安装位置自动标定方法 |
CN111699404A (zh) * | 2019-05-30 | 2020-09-22 | 深圳市大疆创新科技有限公司 | 行驶辅助目标获取方法与装置、雷达、行驶系统与车辆 |
US20200307560A1 (en) * | 2019-03-27 | 2020-10-01 | Mando Corporation | Apparatus and method for controlling vehicle |
-
2020
- 2020-12-30 CN CN202011615995.4A patent/CN112799044A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015143966A (ja) * | 2013-07-25 | 2015-08-06 | 株式会社リコー | 画像処理装置、立体物検出方法、立体物検出プログラム、および、移動体制御システム |
JP2019027973A (ja) * | 2017-08-01 | 2019-02-21 | 株式会社デンソー | 物標判定装置 |
CN109254289A (zh) * | 2018-11-01 | 2019-01-22 | 百度在线网络技术(北京)有限公司 | 道路护栏的检测方法和检测设备 |
US20200307560A1 (en) * | 2019-03-27 | 2020-10-01 | Mando Corporation | Apparatus and method for controlling vehicle |
CN110058239A (zh) * | 2019-04-29 | 2019-07-26 | 上海保隆汽车科技股份有限公司 | 一种车载毫米波雷达装置及目标探测方法 |
CN111699404A (zh) * | 2019-05-30 | 2020-09-22 | 深圳市大疆创新科技有限公司 | 行驶辅助目标获取方法与装置、雷达、行驶系统与车辆 |
CN110320518A (zh) * | 2019-05-31 | 2019-10-11 | 惠州市德赛西威汽车电子股份有限公司 | 一种车载bsd毫米波雷达安装位置自动标定方法 |
Non-Patent Citations (1)
Title |
---|
廖家才 等: "基于视觉的护栏清洗车偏离预警系统", 《汽车安全与节能学报》, vol. 10, no. 1, pages 46 - 53 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106935035B (zh) | 基于ssd神经网络的违章停车车辆实时检测方法 | |
CN113671480B (zh) | 雷达与视频融合交通目标跟踪方法、系统、设备、终端 | |
US10943131B2 (en) | Image based lane marking classification | |
CN111832536B (zh) | 一种车道线检测方法及装置 | |
CN107169401B (zh) | 基于轨道视觉特征谱的轨道入侵物检测方法 | |
CN102118561B (zh) | 监控系统中相机移动检测系统及方法 | |
CN106570853B (zh) | 一种形状与颜色融合的绝缘子识别与缺陷检测方法 | |
CN112650298B (zh) | 一种无人机追踪降落方法及系统 | |
CN100435160C (zh) | 一种用于交通信息实时采集的视频图像处理方法及系统 | |
CN104977584A (zh) | 一种对流天气的临近预报方法及系统 | |
KR20030080285A (ko) | 차량의 대기 길이 측정 장치 및 방법 | |
CN114879160B (zh) | 基于三维点云数据的铁轨异物入侵实时监测方法及系统 | |
CN103793921B (zh) | 一种运动目标提取方法及装置 | |
CN112927283A (zh) | 测距方法及装置、存储介质及电子设备 | |
CN106056926B (zh) | 基于动态虚拟线圈的视频车速检测方法 | |
CN109447946B (zh) | 一种架空通信光缆异常检测方法 | |
CN116958841B (zh) | 基于图像识别的配电线路无人机巡检系统 | |
CN112799044A (zh) | 一种基于bsd雷达简易高效的栏杆识别方法 | |
CN116912517A (zh) | 相机视野边界的检测方法及装置 | |
CN114419531A (zh) | 目标检测方法、目标检测系统以及计算机可读存储介质 | |
CN113781436A (zh) | 一种基于摄像机和角度测量的高压开关状态监测方法 | |
CN110223346B (zh) | 基于形状先验的多绝缘子定位方法 | |
CN112634299A (zh) | 一种排除飞虫干扰的遗留物检测方法 | |
CN103810461A (zh) | 一种干扰目标的检测方法和设备 | |
Wei et al. | A highway vehicle detection method based on the improved visual background extractor |
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 |