CN113009441A - 一种雷达运动反射面多径目标的识别方法及装置 - Google Patents
一种雷达运动反射面多径目标的识别方法及装置 Download PDFInfo
- Publication number
- CN113009441A CN113009441A CN202110192492.9A CN202110192492A CN113009441A CN 113009441 A CN113009441 A CN 113009441A CN 202110192492 A CN202110192492 A CN 202110192492A CN 113009441 A CN113009441 A CN 113009441A
- Authority
- CN
- China
- Prior art keywords
- reflecting surface
- multipath
- target
- radar
- cloud data
- 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.)
- Granted
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
- 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
- G01S7/411—Identification of targets based on measurements of radar reflectivity
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明适用于雷达技术领域,提供了一种雷达运动反射面多径目标的识别方法及装置,所述方法包括:获取雷达检测的距离‑多普勒频谱图,并对距离‑多普勒频谱图进行恒虚警检测,得到距离‑多普勒频谱图中运动目标的点云数据;对点云数据进行聚类,得到多簇点云数据;根据多簇点云数据确定运动反射面直线;基于运动反射面直线、真实目标、多径目标之间的几何关系对运动反射面产生的多径目标进行识别。本发明能够对雷达运动反射面进行有效检测,进而准确识别雷达运动反射面产生的多径目标。
Description
技术领域
本发明属于雷达技术领域,尤其涉及一种雷达运动反射面多径目标的识别方法及装置。
背景技术
随着智慧交通的发展,交通雷达成为交通流量监测、道路事件检测、车路协同系统的必需设备。
目前,市面上的交通雷达大多为线性调频毫米波雷达(FMCW),其虽然具有较高的距离分辨率和多普勒速度分辨率,但受体积和成本限制,角度分辨率较差,在检测过程中会产生多径目标,影响雷达对目标的准确检测。因此,准确识别并消除多径目标,是提升雷达性能的关键。
然而,本申请的发明人发现,由于道路上较长的刚体反射面均会产生多径目标,因此,大卡车、公交车等大型车辆均可能引起多径效应,而这些运动反射面又很难确定,导致运动反射面产生的多径目标无法被准确识别。
发明内容
有鉴于此,本发明实施例提供了一种雷达运动反射面多径目标的识别方法及装置,以解决现有技术无法准确识别雷达运动反射面产生的多径目标的问题。
本发明实施例的第一方面提供了一种雷达运动反射面多径目标的识别方法,包括:
获取雷达检测的距离-多普勒频谱图,并对距离-多普勒频谱图进行恒虚警检测,得到距离-多普勒频谱图中运动目标的点云数据;
对点云数据进行聚类,得到多簇点云数据;
根据多簇点云数据确定运动反射面直线;
基于运动反射面直线、真实目标、多径目标之间的几何关系对运动反射面产生的多径目标进行识别。
本发明实施例的第二方面提供了一种雷达运动反射面多径目标的识别装置,包括:
获取模块,用于获取雷达检测的距离-多普勒频谱图,对距离-多普勒频谱图进行恒虚警检测,得到距离-多普勒频谱图中运动目标的点云数据;
聚类模块,用于对点云数据进行聚类,得到多簇点云数据;
确定模块,用于根据多簇点云数据确定运动反射面直线;
识别模块,用于基于运动反射面直线、真实目标、多径目标之间的几何关系对运动反射面产生的多径目标进行识别。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上述雷达运动反射面多径目标的识别方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上述雷达运动反射面多径目标的识别方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:
本发明首先对雷达距离-多普勒频谱图进行恒虚警检测,提取距离-多普勒频谱图中运动目标的点云数据,通过对点云数据进行聚类,能够根据多簇点云数据确定运动反射面直线,进而基于运动反射面直线、真实目标、多径目标之间的几何关系对运动反射面产生的多径目标进行识别。本发明能够对雷达运动反射面进行有效检测,进而准确识别雷达运动反射面产生的多径目标。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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。
图1是本发明实施例提供的雷达运动反射面多径目标的识别方法的实现流程示意图;
图2是本发明实施例提供的大型车辆转向示意图;
图3是本发明实施例提供的雷达检测目标的示意图;
图4是本发明实施例提供的平面直角坐标系的示意图;
图5是本发明实施例提供的雷达运动反射面多径目标的识别装置的结构示意图;
图6是本发明实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
本发明实施例的第一方面提供了一种雷达运动反射面多径目标的识别方法,如图1所示,该方法具体包括以下步骤:
步骤S101、获取雷达检测的距离-多普勒频谱图,并对距离-多普勒频谱图进行恒虚警检测,得到距离-多普勒频谱图中运动目标的点云数据。
在本发明实施例中,通过对距离-多普勒频谱图进行恒虚警检测,使用多天线信息对距离-多普勒频谱图中检测到的峰值进行角度解算,即在各天线通道之间进行角度维FFT,对目标的角度进行估计,可以得到运动目标的点云数据。
可选的,作为本发明实施例第一方面提供的雷达运动反射面多径目标的识别方法的一种具体的实施方式,在获取雷达检测的距离-多普勒频谱图之前,还包括:
获取雷达检测得到的中频信号;
对中频信号进行快时间维FFT处理和慢时间维FFT处理,得到雷达检测的距离-多普勒频谱图。
在本发明实施例中,FMCW雷达向外发射的毫米波信号被其发射路径上的物体阻挡时会发生反射,通过捕捉反射的信号,雷达信号处理系统可以确定被测目标的距离、角度、多普勒速度和信噪比等信息。
具体的,雷达信号处理系统首先将发射信号和接收信号进行混频得到包含目标信息的中频信号,通过ADC采样将模拟信号转换为数字信号。通过距离多普勒处理方法(Range-Dopple Matrix,简称RDM)对中频信号进行快时间维度和慢时间维度的处理,即可得到距离-多普勒频谱(RD)图。通过对RD图进行恒虚警检测(CFAR),再利用各天线的数据对检测到的峰值进行角度解算,就得到了运动目标的点云数据,其包含了运动目标的径向距离、多普勒速度和相对于雷达法线的角度。
步骤S102、对点云数据进行聚类,得到多簇点云数据。
可选的,作为本发明实施例第一方面提供的雷达运动反射面多径目标的识别方法的一种具体的实施方式,对点云数据进行聚类的算法为DBSCAN算法。
在本发明实施例中,DBSCAN算法是一种基于密度的聚类算法,其通过寻找数据点密度相连的最大集合得到聚类的最终结果,DBSCAN算法具有聚类速度快、能够有效处理噪声点、能够有效发现任意形状的空间聚类、不需要输入聚类个数等优点,能够较好的应用于雷达数据处理中。通过DBSCAN算法对点云数据进行聚类,能够减少提供给后续跟踪算法的对象的数量并引入滞后,实现跟踪器只跟踪有效目标,并且不会在相邻的目标之间切换。
步骤S103、根据多簇点云数据确定运动反射面直线。
可选的,作为本发明实施例第一方面提供的雷达运动反射面多径目标的识别方法的一种具体的实施方式,根据多簇点云数据确定运动反射面直线,包括:
确定各簇点云数据的质心点的真实速度;
计算各个质心点的真实速度的差值,若存在某两个质心点的真实速度的差值小于预设阈值,则根据两个质心点确定运动反射面直线。
可选的,作为本发明实施例第一方面提供的雷达运动反射面多径目标的识别方法的一种具体的实施方式,确定各簇点云数据的质心点的真实速度,包括:
获取各簇点云数据的质心点的多普勒速度;
在以雷达为原点的坐标系中,根据各簇点云数据的质心点的多普勒速度以及相应的几何关系确定各簇点云数据的质心点的真实速度。
在本发明实施例中,FMCW雷达需要检测的目标包括行人、小型车辆和大型车辆等,行人和小型车辆具有较小的雷达截面积和较低的信噪比,而大型车辆由于其巨大的物理尺寸,具有较大的雷达截面积和非常高的信噪比,通常工程师在做恒虚警(CFAR)策略时,为了保证行人和远距离小车的检出率,会设定较低的门限值,这就导致一些大型车辆会产生分裂效应,即一辆大型车辆可能会被检测出两团甚至多团点云,导致在聚类时被聚为两个或多个类。因此,通过寻找来自同一个大型车辆的多簇点云数据的质心点,即可确定大型车辆形成的运动反射面。
具体的,参照图2所示,大型车辆运动可以认为是刚体运动,当车辆线性运动时,车身所有的点都有相同的速度矢量,但是,当车辆转弯时,车身纵向中心轴上各点的速度矢量(不包括旋转中心C)的纵向速度不同,横向速度随时间变化,便产生了有差异的多普勒速度。以雷达为中心建立平面直角坐标系,车身的长为l、行驶速度为v、偏航角为车辆旋转中心C的坐标为(xc,yc),则车辆中心轴上任意一点e的多普勒速度为
进一步,在坐标系中基于上式求出的多普勒速度进行几何推导,即可确定相应的真实速度。具体的,以图2中两簇点云数据的质心点M、N为例,在三角形MON中,∠MON=∠NOy-∠MOy,由三角形的余弦定理可知:
MN2=MO2+NO2-2·MO·NO·cos(∠MON)
同理,可求得N点的行驶速度(即真实速度,上同);当M点和N点的真实速度在误差允许的范围内时,即可认为两点来自同一大型车辆,此时可通过M点和N点确定大型车辆形成的运动反射面的直线。另外,需要指出的是,由于目前FMCW雷达的分辨率较低,并且在大型车辆聚类形成的点云中会通过加权平均的方法求多普勒速度,因此由于车辆转向所引起的速度变化可以大致抵消,不需要进行考虑。
步骤S104、基于运动反射面直线、真实目标、多径目标之间的几何关系对运动反射面产生的多径目标进行识别。
可选的,作为本发明实施例第一方面提供的雷达运动反射面多径目标的识别方法的一种具体的实施方式,基于运动反射面直线、真实目标、多径目标之间的几何关系对运动反射面产生的多径目标进行识别,包括:
以雷达为原点O建立平面直角坐标系;其中,平面直角坐标系中包含运动反射面直线方程L、真实目标坐标点A和多径目标坐标点B;
确定雷达关于运动反射面直线方程的镜像坐标点O',并判断直线AO'与直线BO的交点J是否位于运动反射面直线方程上,若交点J位于运动反射面直线方程上,则根据真实目标的径向距离、多径目标的径向距离对运动反射面产生的多径目标进行识别。
可选的,作为本发明实施例第一方面提供的雷达运动反射面多径目标的识别方法的一种具体的实施方式,根据真实目标的径向距离、多径目标的径向距离对运动反射面产生的多径目标进行识别,包括:
判断真实目标的径向距离、多径目标的径向距离是否满足预设关系式,若满足预设关系式,则确定真实目标与多径目标之间具有对应关系;其中,预设关系式为:
式中,R真实为真实目标的径向距离,R多径为多径目标的径向距离,Jx为交点的横坐标,Jy为交点的纵坐标,Ax为真实目标的横坐标,Ay为真实目标的纵坐标。
在本发明实施例中,以图3为示例说明基于运动反射面直线、真实目标、多径目标之间的几何关系对运动反射面产生的多径目标进行识别的过程。
运动反射面近似为镜面反射,因此,可得雷达关于运动反射面的镜像坐标点O'(Ox,Oy)为:
直线BO为:
直线AO'为:
联立直线y1和y2求其交点J(Jx,Jy),若交点J大致位于运动反射面直线方程上,则进一步判断真实目标的径向距离与多径目标的径向距离是否满足以下关系式:
若同样满足上述关系式,则认为B是由静止反射面产生的A的多径目标,反之,B不是A的多径目标,识别完成。
由以上内容可知,本发明首先对雷达距离-多普勒频谱图进行恒虚警检测,提取距离-多普勒频谱图中的信噪比较高的峰值,再进行角度结算可以得到运动目标的点云数据,通过对点云数据进行聚类,根据多簇点云数据的质心点的真实速度寻找来自同一个大型车辆的质心点,进而确定运动反射面直线,基于运动反射面直线、真实目标、多径目标之间的几何关系对运动反射面产生的多径目标进行识别。本发明能够对雷达运动反射面进行有效检测,进而准确识别雷达运动反射面产生的多径目标。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
本发明实施例的第二方面提供了一种雷达运动反射面多径目标的识别装置,如图5所示,该装置5包括:
获取模块51,用于获取雷达检测的距离-多普勒频谱图,对距离-多普勒频谱图进行恒虚警检测,得到距离-多普勒频谱图中运动目标的点云数据。
聚类模块52,用于对点云数据进行聚类,得到多簇点云数据。
确定模块53,用于根据多簇点云数据确定运动反射面直线。
识别模块54,用于基于运动反射面直线、真实目标、多径目标之间的几何关系对运动反射面产生的多径目标进行识别。
可选的,作为本发明实施例第二方面提供的雷达运动反射面多径目标的识别装置的一种具体的实施方式,在获取雷达检测的距离-多普勒频谱图之前,获取模块51还用于:
获取雷达检测得到的中频信号;
对中频信号进行快时间维FFT处理和慢时间维FFT处理,得到雷达检测的距离-多普勒频谱图。
可选的,作为本发明实施例第二方面提供的雷达运动反射面多径目标的识别装置的一种具体的实施方式,对点云数据进行聚类的算法为DBSCAN算法。
可选的,作为本发明实施例第二方面提供的雷达运动反射面多径目标的识别装置的一种具体的实施方式,根据多簇点云数据确定运动反射面直线,可以详述为:
确定各簇点云数据的质心点的真实速度;
计算各个质心点的真实速度的差值,若存在某两个质心点的真实速度的差值小于预设阈值,则根据两个质心点确定运动反射面直线。
可选的,作为本发明实施例第二方面提供的雷达运动反射面多径目标的识别装置的一种具体的实施方式,确定各簇点云数据的质心点的真实速度,可以详述为:
获取各簇点云数据的质心点的多普勒速度;
在以雷达为原点的坐标系中,根据各簇点云数据的质心点的多普勒速度以及相应的几何关系确定各簇点云数据的质心点的真实速度。
可选的,作为本发明实施例第二方面提供的雷达运动反射面多径目标的识别装置的一种具体的实施方式,基于运动反射面直线、真实目标、多径目标之间的几何关系对运动反射面产生的多径目标进行识别,可以详述为:
以雷达为原点O建立平面直角坐标系;其中,平面直角坐标系中包含运动反射面直线方程、真实目标坐标点A和多径目标坐标点B;
确定雷达关于运动反射面直线方程的镜像坐标点O',并判断直线AO'与直线BO的交点J是否位于运动反射面直线方程上,若交点J位于运动反射面直线方程上,则根据真实目标的径向距离、多径目标的径向距离对运动反射面产生的多径目标进行识别。
可选的,作为本发明实施例第二方面提供的雷达运动反射面多径目标的识别装置的一种具体的实施方式,根据真实目标的径向距离、多径目标的径向距离对运动反射面产生的多径目标进行识别,可以详述为:
判断真实目标的径向距离、多径目标的径向距离是否满足预设关系式,若满足预设关系式,则确定真实目标与多径目标之间具有对应关系;其中,预设关系式为:
式中,R真实为真实目标的径向距离,R多径为多径目标的径向距离,Jx为交点的横坐标,Jy为交点的纵坐标,Ax为真实目标的横坐标,Ay为真实目标的纵坐标。
图6是本发明一实施例提供的终端设备的示意图。如图6所示,该实施例的终端设备6包括:处理器60、存储器61以及存储在存储器61中并可在处理器60上运行的计算机程序62。处理器60执行计算机程序62时实现上述各个雷达运动反射面多径目标的识别方法实施例中的步骤,例如图1所示的步骤S101至S104。或者,处理器60执行计算机程序62时实现上述各装置实施例中各模块的功能,例如图5所示模块51至54的功能。
示例性的,计算机程序62可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器61中,并由处理器60执行,以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序62在终端设备6中的执行过程。例如,计算机程序62可以被分割成获取模块51、聚类模块52、确定模块53、识别模块54(虚拟装置中的模块),各模块具体功能如下:
获取模块51,用于获取雷达检测的距离-多普勒频谱图,对距离-多普勒频谱图进行恒虚警检测,得到距离-多普勒频谱图中运动目标的点云数据。
聚类模块52,用于对点云数据进行聚类,得到多簇点云数据。
确定模块53,用于根据多簇点云数据确定运动反射面直线。
识别模块54,用于基于运动反射面直线、真实目标、多径目标之间的几何关系对运动反射面产生的多径目标进行识别。
终端设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备6可包括,但不仅限于,处理器60、存储器61。本领域技术人员可以理解,图6仅仅是终端设备6的示例,并不构成对终端设备6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器61可以是终端设备6的内部存储单元,例如终端设备6的硬盘或内存。存储器61也可以是终端设备6的外部存储设备,例如终端设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器61还可以既包括终端设备6的内部存储单元也包括外部存储设备。存储器61用于存储计算机程序以及终端设备所需的其他程序和数据。存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种雷达运动反射面多径目标的识别方法,其特征在于,包括:
获取雷达检测的距离-多普勒频谱图,并对所述距离-多普勒频谱图进行恒虚警检测,得到所述距离-多普勒频谱图中运动目标的点云数据;
对所述点云数据进行聚类,得到多簇点云数据;
根据所述多簇点云数据确定运动反射面直线;
基于运动反射面直线、真实目标、多径目标之间的几何关系对运动反射面产生的多径目标进行识别。
2.如权利要求1所述的雷达运动反射面多径目标的识别方法,其特征在于,在获取雷达检测的距离-多普勒频谱图之前,还包括:
获取雷达检测得到的中频信号;
对所述中频信号进行快时间维FFT处理和慢时间维FFT处理,得到雷达检测的距离-多普勒频谱图。
3.如权利要求1所述的雷达运动反射面多径目标的识别方法,其特征在于,对所述点云数据进行聚类的算法为DBSCAN算法。
4.如权利要求1所述的雷达运动反射面多径目标的识别方法,其特征在于,所述根据所述多簇点云数据确定运动反射面直线,包括:
确定各簇点云数据的质心点的真实速度;
计算各个质心点的真实速度的差值,若存在某两个质心点的真实速度的差值小于预设阈值,则根据两个质心点确定运动反射面直线。
5.如权利要求4所述的雷达运动反射面多径目标的识别方法,其特征在于,所述确定各簇点云数据的质心点的真实速度,包括:
获取各簇点云数据的质心点的多普勒速度;
在以雷达为原点的坐标系中,根据各簇点云数据的质心点的多普勒速度以及相应的几何关系确定各簇点云数据的质心点的真实速度。
6.如权利要求1-5任一项所述的雷达运动反射面多径目标的识别方法,其特征在于,所述基于运动反射面直线、真实目标、多径目标之间的几何关系对运动反射面产生的多径目标进行识别,包括:
以雷达为原点O建立平面直角坐标系;其中,所述平面直角坐标系中包含运动反射面直线方程、真实目标坐标点A和多径目标坐标点B;
确定雷达关于所述运动反射面直线方程的镜像坐标点O',并判断直线AO'与直线BO的交点J是否位于所述运动反射面直线方程上,若所述交点J位于所述运动反射面直线方程上,则根据所述真实目标的径向距离、所述多径目标的径向距离对所述运动反射面产生的多径目标进行识别。
8.一种雷达运动反射面多径目标的识别装置,其特征在于,包括:
获取模块,用于获取雷达检测的距离-多普勒频谱图,对所述距离-多普勒频谱图进行恒虚警检测,得到所述距离-多普勒频谱图中运动目标的点云数据;
聚类模块,用于对所述点云数据进行聚类,得到多簇点云数据;
确定模块,用于根据所述多簇点云数据确定运动反射面直线;
识别模块,用于基于运动反射面直线、真实目标、多径目标之间的几何关系对运动反射面产生的多径目标进行识别。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110192492.9A CN113009441B (zh) | 2021-02-20 | 2021-02-20 | 一种雷达运动反射面多径目标的识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110192492.9A CN113009441B (zh) | 2021-02-20 | 2021-02-20 | 一种雷达运动反射面多径目标的识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113009441A true CN113009441A (zh) | 2021-06-22 |
CN113009441B CN113009441B (zh) | 2022-08-26 |
Family
ID=76404128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110192492.9A Active CN113009441B (zh) | 2021-02-20 | 2021-02-20 | 一种雷达运动反射面多径目标的识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113009441B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114966658A (zh) * | 2022-05-19 | 2022-08-30 | 安徽蔚来智驾科技有限公司 | 目标检测方法、计算机设备、计算机可读存储介质及车辆 |
CN115079121A (zh) * | 2022-07-19 | 2022-09-20 | 南京隼眼电子科技有限公司 | 用于车载雷达的多径目标识别方法、装置及存储介质 |
CN116224280A (zh) * | 2023-05-10 | 2023-06-06 | 南京隼眼电子科技有限公司 | 雷达目标检测方法、装置、雷达设备及存储介质 |
CN116736233A (zh) * | 2023-08-14 | 2023-09-12 | 陕西欧卡电子智能科技有限公司 | 毫米波雷达多径杂波滤除方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018136232A (ja) * | 2017-02-22 | 2018-08-30 | 古河電気工業株式会社 | レーダ装置およびレーダ装置の制御方法 |
CN111226132A (zh) * | 2019-03-18 | 2020-06-02 | 深圳市大疆创新科技有限公司 | 一种目标检测方法、设备、毫米波雷达及可移动平台 |
CN111712731A (zh) * | 2019-07-25 | 2020-09-25 | 深圳市大疆创新科技有限公司 | 目标检测方法、系统及可移动平台 |
CN111722196A (zh) * | 2019-03-19 | 2020-09-29 | 富士通株式会社 | 雷达反射点提取方法和装置 |
CN112213725A (zh) * | 2020-09-28 | 2021-01-12 | 森思泰克河北科技有限公司 | 车载雷达的多径虚警抑制方法、装置及终端设备 |
-
2021
- 2021-02-20 CN CN202110192492.9A patent/CN113009441B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018136232A (ja) * | 2017-02-22 | 2018-08-30 | 古河電気工業株式会社 | レーダ装置およびレーダ装置の制御方法 |
CN111226132A (zh) * | 2019-03-18 | 2020-06-02 | 深圳市大疆创新科技有限公司 | 一种目标检测方法、设备、毫米波雷达及可移动平台 |
CN111722196A (zh) * | 2019-03-19 | 2020-09-29 | 富士通株式会社 | 雷达反射点提取方法和装置 |
CN111712731A (zh) * | 2019-07-25 | 2020-09-25 | 深圳市大疆创新科技有限公司 | 目标检测方法、系统及可移动平台 |
CN112213725A (zh) * | 2020-09-28 | 2021-01-12 | 森思泰克河北科技有限公司 | 车载雷达的多径虚警抑制方法、装置及终端设备 |
Non-Patent Citations (3)
Title |
---|
CHENWEN LIU ET AL.: ""Multipath Propagation Analysis and Ghost Target Removal for FMCW Automotive Radars"", 《HTTPS://WWW.RESEARCHGATE.NET/PUBLICATION/344428291》 * |
JIANG LIUBING ET AL.: ""Feature Extraction and Reconstruction by Using 2D-VMD Based on Carrier-Free UWB Radar Application in Human Motion Recognition"", 《SENSORS》 * |
王梦娜: ""多径利用雷达目标几何定位方法研究"", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114966658A (zh) * | 2022-05-19 | 2022-08-30 | 安徽蔚来智驾科技有限公司 | 目标检测方法、计算机设备、计算机可读存储介质及车辆 |
CN115079121A (zh) * | 2022-07-19 | 2022-09-20 | 南京隼眼电子科技有限公司 | 用于车载雷达的多径目标识别方法、装置及存储介质 |
CN116224280A (zh) * | 2023-05-10 | 2023-06-06 | 南京隼眼电子科技有限公司 | 雷达目标检测方法、装置、雷达设备及存储介质 |
CN116224280B (zh) * | 2023-05-10 | 2023-07-25 | 南京隼眼电子科技有限公司 | 雷达目标检测方法、装置、雷达设备及存储介质 |
CN116736233A (zh) * | 2023-08-14 | 2023-09-12 | 陕西欧卡电子智能科技有限公司 | 毫米波雷达多径杂波滤除方法 |
CN116736233B (zh) * | 2023-08-14 | 2023-10-13 | 陕西欧卡电子智能科技有限公司 | 毫米波雷达多径杂波滤除方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113009441B (zh) | 2022-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113009441B (zh) | 一种雷达运动反射面多径目标的识别方法及装置 | |
CN111656217B (zh) | 用于虚拟孔径雷达跟踪的系统和方法 | |
CN111045008B (zh) | 基于展宽计算的车载毫米波雷达目标识别方法 | |
CN113009442B (zh) | 一种雷达静止反射面多径目标的识别方法及装置 | |
US11585895B2 (en) | Detection of parking slot configuration based on repetitive patterns | |
Prophet et al. | Pedestrian classification for 79 GHz automotive radar systems | |
CN112689775B (zh) | 雷达点云聚类方法和装置 | |
CN113219462B (zh) | 基于时频图的目标识别方法、装置和终端设备 | |
CN112731307B (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
CN109932695A (zh) | 一种提高目标物识别速度的方法及装置 | |
CN115061113B (zh) | 用于雷达的目标检测模型训练方法、装置及存储介质 | |
CN112233416A (zh) | 车流量检测方法及装置 | |
CN116027318A (zh) | 多传感器信号融合的方法、装置、电子设备及存储介质 | |
CN112986945B (zh) | 雷达目标的识别方法、装置、设备和存储介质 | |
CN108693517B (zh) | 车辆定位方法、装置和雷达 | |
Berthold et al. | A radar measurement model for extended object tracking in dynamic scenarios | |
CN111044987B (zh) | 基于汽车雷达的环境目标速度解模糊方法、系统及介质 | |
Lim et al. | Radar sensor-based estimation of vehicle orientation for autonomous driving | |
CN115701289A (zh) | 汽车成像中的集群 | |
Kim et al. | Deep-learning based multi-object detection and tracking using range-angle map in automotive radar systems | |
CN116027288A (zh) | 生成数据的方法、装置、电子设备及存储介质 | |
CN116047442A (zh) | 一种检测目标角度的方法、装置及电子设备 | |
CN116359908A (zh) | 点云数据增强方法、装置、计算机设备、系统及存储介质 | |
CN113514825A (zh) | 道路边缘的获取方法、装置和终端设备 | |
CN113030897B (zh) | 基于多径的雷达目标聚类方法、装置、设备和存储介质 |
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 |