CN113030896B - 雷达目标聚类方法、装置和电子设备 - Google Patents
雷达目标聚类方法、装置和电子设备 Download PDFInfo
- Publication number
- CN113030896B CN113030896B CN202110260144.0A CN202110260144A CN113030896B CN 113030896 B CN113030896 B CN 113030896B CN 202110260144 A CN202110260144 A CN 202110260144A CN 113030896 B CN113030896 B CN 113030896B
- Authority
- CN
- China
- Prior art keywords
- clustering
- threshold
- radar
- point cloud
- radar frame
- 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
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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Abstract
本发明适用于雷达测控技术领域,提供了一种雷达目标聚类方法、装置和电子设备,其中,雷达目标聚类方法包括:接收第一雷达帧;根据第一雷达帧的点云聚类特征,确定第一雷达帧的聚类门限;基于第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限,对第一雷达帧中与真实目标对应的真实点云进行聚类。采用本发明可以提高雷达目标聚类的准确率,进而可以提高雷达对目标的识别准确率。
Description
技术领域
本发明属于雷达测控技术领域,尤其涉及一种雷达目标聚类方法、装置和电子设备。
背景技术
随着无人驾驶技术的飞速发展,雷达在汽车领域的应用愈发普遍。在车辆的行驶过程中,雷达可以对车辆周围的目标进行检测,并识别出目标的类别,如大车、小车、行人等。
然而,雷达在对目标进行识别时,有时会出现识别错误的情况,例如将一辆大车识别为多辆小车或者将多辆小车识别为一辆大车,导致目标的识别准确率较低。
发明内容
有鉴于此,本发明实施例提供了一种雷达目标聚类方法、装置和电子设备,以解决现有技术中雷达对目标的识别准确率较低的问题。
本发明实施例的第一方面提供了一种雷达目标聚类方法,包括:
接收第一雷达帧;
根据第一雷达帧的点云聚类特征,确定第一雷达帧的聚类门限;
基于第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限,对第一雷达帧中与真实目标对应的真实点云进行聚类;第二雷达帧为位于第一雷达帧之前的雷达帧。
可选的,根据第一雷达帧的点云聚类特征,确定第一雷达帧的聚类门限,包括:
获取第一雷达帧中的目标点云的点数;目标点云为真实点云或者为与多径目标对应的多径点云;
当目标点云的点数大于第一预设点数阈值时,将第一预设点数阈值对应的第一聚类门限确定为第一雷达帧的聚类门限;
当目标点云的点数小于或者等于第一预设点数阈值时,将第一预设点数阈值对应的第二聚类门限确定为第一雷达帧的聚类门限;
第一预设点数阈值仅对应有第一聚类门限和第二聚类门限,第一聚类门限小于第二聚类门限。
可选的,根据第一雷达帧的点云聚类特征,确定第一雷达帧的聚类门限,包括:
按照预设聚类门限对第一雷达帧中的目标点云进行聚类;目标点云为真实点云或者为与多径目标对应的多径点云;
在聚类得到多个类别的情况下,获取多个类别的类别中心彼此之间的距离分布特征;
当距离分布特征为离散特征时,将离散特征对应的第三聚类门限确定为第一雷达帧的聚类门限;
当距离分布特征为聚集特征时,将聚集特征对应的第四聚类门限确定为第一雷达帧的聚类门限;
第三聚类门限小于第四聚类门限。
可选的,距离分布特征为多个类别的类别中心彼此之间的距离的平均距离;
在获取多个类别的类别中心彼此之间的距离分布特征之后,方法还包括:
在平均距离小于预设距离阈值的情况下,确定距离分布特征为离散特征;
在平均距离大于或者等于预设距离阈值的情况下,确定距离分布特征为聚集特征。
可选的,根据第一雷达帧的点云聚类特征,确定第一雷达帧的聚类门限,包括:
按照预设聚类门限对第一雷达帧中的目标点云进行聚类;目标点云为真实点云或者为与多径目标对应的多径点云;
在聚类得到多个类别的情况下,获取多个类别的点云回波强度特征;
当多个类别的点云回波强度特征不一致时,将第五聚类门限确定为第一雷达帧的聚类门限;
当多个类别的点云回波强度特征一致时,将第六聚类门限确定为第一雷达帧的聚类门限;
第五聚类门限小于第六聚类门限。
可选的,在获取多个类别的点云回波强度特征之后,雷达目标聚类方法还包括:
获取多个类别的点云回波强度特征的方差;
在方差大于预设方差阈值的情况下,确定多个类别的点云回波强度特征不一致;
在方差小于或者等于预设方差阈值的情况下,确定多个类别的点云回波强度特征一致。
可选的,基于第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限,对第一雷达帧中与真实目标对应的真实点云进行聚类,包括:
对第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限取平均值,得到平均聚类门限;
按照平均聚类门限对真实点云进行聚类。
可选的,基于第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限,对第一雷达帧中与真实目标对应的真实点云进行聚类,包括:
将第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限分别乘以相应的权重值,得到加权聚类门限;
按照加权聚类门限对真实点云进行聚类。
本发明实施例的第二方面提供了一种雷达目标聚类装置,包括:
接收模块,用于接收第一雷达帧;
确定模块,用于根据第一雷达帧的点云聚类特征,确定第一雷达帧的聚类门限;
聚类模块,用于基于第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限,对第一雷达帧中与真实目标对应的真实点云进行聚类;第二雷达帧为位于第一雷达帧之前的雷达帧。
可选的,确定模块还用于:
获取第一雷达帧中的目标点云的点数;目标点云为真实点云或者为与多径目标对应的多径点云;
当目标点云的点数大于第一预设点数阈值时,将第一预设点数阈值对应的第一聚类门限确定为第一雷达帧的聚类门限;
当目标点云的点数小于或者等于第一预设点数阈值时,将第一预设点数阈值对应的第二聚类门限确定为第一雷达帧的聚类门限;
其中,第一预设点数阈值仅对应有第一聚类门限和第二聚类门限,第一聚类门限小于第二聚类门限。
可选的,确定模块还用于:
按照预设聚类门限对第一雷达帧中的目标点云进行聚类;目标点云为真实点云或者为与多径目标对应的多径点云;
在聚类得到多个类别的情况下,获取多个类别的类别中心彼此之间的距离分布特征;
当距离分布特征为离散特征时,将离散特征对应的第三聚类门限确定为第一雷达帧的聚类门限;
当距离分布特征为聚集特征时,将聚集特征对应的第四聚类门限确定为第一雷达帧的聚类门限;
其中,第三聚类门限小于第四聚类门限。
可选的,距离分布特征为多个类别的类别中心彼此之间的距离的平均距离;
相应的,确定模块还用于:
在平均距离小于预设距离阈值的情况下,确定距离分布特征为离散特征;
在平均距离大于或者等于预设距离阈值的情况下,确定距离分布特征为聚集特征。
可选的,确定模块还用于:
按照预设聚类门限对第一雷达帧中的目标点云进行聚类;目标点云为真实点云或者为与多径目标对应的多径点云;
在聚类得到多个类别的情况下,获取多个类别的点云回波强度特征;
当多个类别的点云回波强度特征不一致时,将第五聚类门限确定为第一雷达帧的聚类门限;
当多个类别的点云回波强度特征一致时,将第六聚类门限确定为第一雷达帧的聚类门限;
第五聚类门限小于第六聚类门限。
可选的,确定模块还用于:
获取多个类别的点云回波强度特征的方差;
在方差大于预设方差阈值的情况下,确定多个类别的点云回波强度特征不一致;
在方差小于或者等于预设方差阈值的情况下,确定多个类别的点云回波强度特征一致。
可选的,聚类模块还用于:
对第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限取平均值,得到平均聚类门限;
按照平均聚类门限对真实点云进行聚类。
可选的,聚类模块还用于:
将第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限分别乘以相应的权重值,得到加权聚类门限;
按照加权聚类门限对真实点云进行聚类。
本发明实施例的第三方面提供了一种电子设备,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,所述处理器执行所述计算机程序时实现如第一方面所述方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:
在本发明实施例中,在接收到第一雷达帧后,可以根据第一雷达帧的点云聚类特征,确定第一雷达帧的聚类门限。如此,可以基于第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限,对点云进行聚类。这样,可以利用第一雷达帧的点云聚类特征,预先判断出第一雷达帧中存在的影响聚类准确率的目标的类型,然后可以采用该目标类型对应的聚类门限,进行目标聚类。如此,可以避免采用固定的初始聚类门限进行聚类带来的聚类错误的情况,并且采用了与点云中存在的目标相匹配的聚类门限进行聚类,可以提高聚类的准确率,进而可以提高雷达对目标的识别准确率。
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为本发明实施例提供的一种雷达目标聚类方法的步骤流程图;
图2为本发明实施例提供的一种雷达目标聚类装置的示意图;
图3为本发明实施例提供的一种电子设备的示意图。
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。
如背景技术所描述的,雷达在对目标进行识别时,有时会出现将一辆大车识别为多辆小车或者将多辆小车识别为一辆大车的识别错误情况,导致目标的识别准确率较低。
申请人发现,导致雷达出现目标识别错误的原因,在于雷达进行目标聚类时选取了不合理的聚类门限,通常为固定的初始聚类门限,如0.5米,这导致雷达目标聚类的准确率较低。例如,对于尺寸较大的目标,其对应的点云中点的分布较为集中,雷达在采用初始聚类门限进行聚类处理时,往往将该尺寸较大的目标聚类为多个尺寸较小的目标,从而进行了错误的聚类。而雷达对目标进行识别时,是基于聚类结果进行识别,这样,当基于错误的聚类进行目标识别时,识别结果也将出错。
为了解决现有技术问题,本发明实施例提供了一种雷达目标聚类方法、装置和电子设备。下面首先对本发明实施例所提供的雷达目标聚类方法进行介绍。
雷达目标聚类方法的执行主体,可以是雷达目标聚类装置,该雷达目标聚类装置可以是具备数据处理能力的电子设备,例如微波雷达、车载雷达、交通雷达、安防雷达等,本发明实施例对其不做具体限定。
如图1所示,本发明实施例提供的雷达目标聚类方法可以包括以下步骤:
步骤S110、接收第一雷达帧。
在一些实施例中,第一雷达帧可以是当前进行目标识别的雷达帧,雷达帧中可以包括大量反映目标距离、速度等信息的点,这些点的总和可以称为点云。
步骤S120、根据第一雷达帧的点云聚类特征,确定第一雷达帧的聚类门限。
在一些实施例中,点云聚类特征可以是点云的点数,也可以是对点云进行聚类得到的各个类别的特征,如反映各类别中心离散或聚集的距离分布特征、各个类别的点云回波强度特征等。由于大目标对应的聚类的点具有点数多、点聚集、回波强度特征一致的特性,因此,可以利用该特性来确定是否出现了将一个大目标聚类为多个小目标的情况。
此外,对于存在有尺寸较大的目标的点云,当采用较大的聚类门限对该点云进行聚类时,可以提高该点云聚类的准确率;而当采用较小的聚类门限对该点云进行聚类时,容易将该尺寸较大的目标聚类为多个小目标,使得该点云聚类的准确率较低。可见,当点云中存在尺寸较大的目标时,可以采用较大的聚类门限进行聚类,以提高聚类的准确率。
这样,当判断出点云中存在大目标时,可以采用较大的聚类门限来提高聚类的准确率。
在一些实施例中,点云聚类特征可以是第一雷达帧中与真实目标对应的真实点云的点云聚类特征,也可以是第一雷达帧中与多径目标对应的多径点云的点云聚类特征。
具体的,在电磁学领域,雷达或通信发射机等电子设备可以发射电磁波,电磁波在自然环境中被多次折射、反射后再次被接收机等电子设备接收,通过各种信号处理、数据处理的方法,可以提取解析出电磁波携带的信息。从这些信息中,可以获知到发射机发送的信息或环境目标的距离、角度等信息。在较为空旷的环境中,电磁波经由空间目标处反射后即可被接收机接收,此时接收系统可以正常解调、解算出目标信息,该目标可称为真实目标。相应的,与真实目标相对应的点云可以称为真实点云。
若目标所处空间较为复杂时,如室内、市区、隧道等,接收设备除了接收到经由目标直接反射的电磁波,还会接收到由目标、周围复杂反射面多次联合反射产生的回波。通常,经由目标一次反射而被接收机接收到的回波称为直达波,经由目标和空间反射物多次反射而被接收机接收到的回波称为多径波。以雷达接收机为例,由于多径信号的多次反射,雷达将会在空间某个不存在目标的位置,检测到一个虚假目标,该虚假目标可以称为与真实目标相对应的多径目标。相应的,与多径目标对应的点云,可以称为多径点云。
需要说明的是,第一雷达帧的聚类门限是对第一雷达帧中的真实点云进行聚类的聚类门限。
可选的,可以采用聚类的点数这一点云聚类特征,确定第一雷达帧的聚类门限,相应的处理可以如下:获取第一雷达帧中的目标点云的点数,其中,目标点云为真实点云或者为与多径目标对应的多径点云;当目标点云的点数大于第一预设点数阈值时,将第一预设点数阈值对应的第一聚类门限确定为第一雷达帧的聚类门限;当目标点云的点数小于或者等于第一预设点数阈值时,将第一预设点数阈值对应的第二聚类门限确定为第一雷达帧的聚类门限。
在一些实施例中,以大目标为大车、小目标为小车为例,对于两辆小车,每一辆小车都可以形成点云,假设两辆小车所形成的聚类的点数分别为n1、n2,一辆大车形成的聚类的点数为n3,通常情况下,由于雷达观测视角、车辆后向等效反射面粗糙度的影响,两辆小车所形成的聚类的点数之和通常大于一辆大车的聚类的点数,即n3≤n1+n2。因此,可以经验性地设置点数门限,即第一预设点数阈值,当在某一区域内,如果聚类得到的目标所对应的聚类的点数小于第一预设点数阈值,则可以认为该目标为大车,反之则为两辆小车。
如此,当目标点云的点数大于第一预设点数阈值时,可以认为该目标点云中不存在大目标,相应的,可以将第一预设点数阈值对应的小目标的聚类门限,即第一聚类门限,确定为第一雷达帧的聚类门限。当目标点云的点数小于或者等于第一预设点数阈值时,可以认为该目标点云中存在大目标,相应的,可以将将第一预设点数阈值对应的大目标的聚类门限,即第二聚类门限,确定为第一雷达帧的聚类门限。
需要说明的是,第一预设点数阈值仅对应有第一聚类门限和第二聚类门限,且第一聚类门限小于第二聚类门限。
可选的,可以采用距离分布特征这一点云聚类特征,确定第一雷达帧的聚类门限,相应的处理可以如下:按照预设聚类门限对第一雷达帧中的目标点云进行聚类;目标点云为真实点云或者为与多径目标对应的多径点云;在聚类得到多个类别的情况下,获取多个类别的类别中心彼此之间的距离分布特征;当距离分布特征为离散特征时,将离散特征对应的第三聚类门限确定为第一雷达帧的聚类门限;当距离分布特征为聚集特征时,将聚集特征对应的第四聚类门限确定为第一雷达帧的聚类门限;。
在一些实施例中,距离分布特征可以是多个类别的类别中心彼此之间的距离的平均距离。此外,在平均距离小于预设距离阈值的情况下,该距离分布特征为离散特征。在平均距离大于或者等于预设距离阈值的情况下,该距离分布特征为聚集特征。
在一些实施例中,对某个点云而言,当聚类形成多个类别后,若该点云中只包括多个小尺寸目标时,则各个类别的点距离相应类的类别中心较为密集,且不同类别之间的距离较为遥远,可见,多个类别的类别中心彼此之间的距离的平均距离较大,即呈现离散特征的特点。若该点云中包括一个大尺寸目标时,则各类的点距离相应类的类别中心较为离散,且不同类别之间的距离较为接近,可见,多个类别的类别中心彼此之间的距离的平均距离较小,即呈现聚集特征的特点。
如此,可以按照预设聚类门限对第一雷达帧的目标点云进行聚类。在聚类得到多个类别的情况下,可以先获取多个类别的类别中心彼此之间的距离分布特征。之后,当距离分布特征为离散特征时,可以认为该目标点云中不存在大目标,相应的,可以将离散特征对应的小目标的聚类门限,即第三聚类门限,确定为第一雷达帧的聚类门限。当距离分布特征为聚集特征时,可以认为该目标点云中存在大目标,相应的,可以将聚集特征对应的大目标的聚类门限,即第四聚类门限,确定为第一雷达帧的聚类门限。
需要说明的是,第三聚类门限小于第四聚类门限。
可选的,可以采用点云回波强度特征这一点云聚类特征,确定第一雷达帧的聚类门限,相应的处理可以如下:按照预设聚类门限对第一雷达帧中的目标点云进行聚类;目标点云为真实点云或者为与多径目标对应的多径点云;在聚类得到多个类别的情况下,获取多个类别的点云回波强度特征;当多个类别的点云回波强度特征不一致时,将第五聚类门限确定为第一雷达帧的聚类门限;当多个类别的点云回波强度特征一致时,将第六聚类门限确定为第一雷达帧的聚类门限。
在一些实施例中,点云回波强度可以是某个类别的类别中心或者类别中点云的回波强度,如表示目标的回波功率或信噪比。对某个点云而言,当聚类形成多个类别后,若该点云中只包括多个小尺寸目标时,则各个类别的类别中心强度或者类别中点云强度变化不一致。若该点云中包括一个大尺寸目标时,则各个类别的类别中心强度或者类别中点云强度变化一致。
在一些实施例中,可以通过方差来判断点云回波强度的一致性。具体的,可以获取多个类别的点云回波强度特征的方差。在方差大于预设方差阈值的情况下,可以认为各个类别的点云回波强度变化较大,此时,可以确定多个类别的点云回波强度特征不一致。在方差小于或者等于预设方差阈值的情况下,可以确定多个类别的点云回波强度特征一致。
如此,可以按照预设聚类门限对第一雷达帧的目标点云进行聚类。在聚类得到多个类别的情况下,可以先获取多个类别的点云回波强度特征。之后,当多个类别的点云回波强度特征不一致时,可以认为该目标点云中不存在大目标,相应的,可以将小目标的聚类门限,即第五聚类门限,确定为第一雷达帧的聚类门限。当多个类别的点云回波强度特征一致时,可以认为该目标点云中存在大目标,相应的,可以将大目标的聚类门限,即第六聚类门限,确定为第一雷达帧的聚类门限。
需要说明的是,第五聚类门限小于第六聚类门限。
步骤S130、基于第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限,对第一雷达帧中与真实目标对应的真实点云进行聚类。
在一些实施例中,第二雷达帧可以是位于第一雷达帧之前的雷达帧。
在一些实施例中,考虑到单个雷达帧的聚类门限的可靠性较低,可以利用该雷达帧之前的至少一个雷达帧的聚类门限,得到最终进行聚类的聚类门限,以提高聚类的准确率和鲁棒性。
具体的,可以对第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限取平均值,得到平均聚类门限,然后可以按照平均聚类门限,对第一雷达帧中与真实目标对应的真实点云进行聚类。
以5个第二雷达帧为例,假设第一雷达帧的聚类门限为0.9米,5个第二雷达帧的聚类门限分别为0.4米、0.5米、0.6米、0.7米、0.8米,那么平均聚类门限为0.65米。
在一些实施例中,可以将第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限分别乘以相应的权重值,得到加权聚类门限,然后可以按照加权聚类门限对点云进行聚类。
在本发明实施例中,在接收到第一雷达帧后,可以根据第一雷达帧的点云聚类特征,确定第一雷达帧的聚类门限。如此,可以基于第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限,对点云进行聚类。这样,可以利用第一雷达帧的点云聚类特征,预先判断出第一雷达帧中存在的影响聚类准确率的目标的类型,然后可以采用该目标类型对应的聚类门限,进行目标聚类。如此,可以避免采用固定的初始聚类门限进行聚类带来的聚类错误的情况,并且采用了与点云中存在的目标相匹配的聚类门限进行聚类,可以提高聚类的准确率,进而可以提高雷达对目标的识别准确率。
此外,还具有实现简单,便于工程实现,成本较低的优点,只需在已有的雷达系统中增加软件模块,不需要额外的硬件成本,通用性强,可以用于各类雷达系统中。
基于上述实施例提供的雷达目标聚类方法,相应地,本发明还提供了应用于该雷达目标聚类方法的雷达目标聚类装置的具体实现方式。请参见以下实施例。
如图2所示,提供了一种雷达目标聚类装置,该装置包括:
接收模块210,用于接收第一雷达帧;
确定模块220,用于根据第一雷达帧的点云聚类特征,确定第一雷达帧的聚类门限;
聚类模块230,用于基于第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限,对第一雷达帧中与真实目标对应的真实点云进行聚类;第二雷达帧为位于第一雷达帧之前的雷达帧。
可选的,确定模块还用于:
获取第一雷达帧中的目标点云的点数;目标点云为真实点云或者为与多径目标对应的多径点云;
当目标点云的点数大于第一预设点数阈值时,将第一预设点数阈值对应的第一聚类门限确定为第一雷达帧的聚类门限;
当目标点云的点数小于或者等于第一预设点数阈值时,将第一预设点数阈值对应的第二聚类门限确定为第一雷达帧的聚类门限;
其中,第一预设点数阈值仅对应有第一聚类门限和第二聚类门限,第一聚类门限小于第二聚类门限。
可选的,确定模块还用于:
按照预设聚类门限对第一雷达帧中的目标点云进行聚类;目标点云为真实点云或者为与多径目标对应的多径点云;
在聚类得到多个类别的情况下,获取多个类别的类别中心彼此之间的距离分布特征;
当距离分布特征为离散特征时,将离散特征对应的第三聚类门限确定为第一雷达帧的聚类门限;
当距离分布特征为聚集特征时,将聚集特征对应的第四聚类门限确定为第一雷达帧的聚类门限;
其中,第三聚类门限小于第四聚类门限。
可选的,距离分布特征为多个类别的类别中心彼此之间的距离的平均距离;
相应的,确定模块还用于:
在平均距离小于预设距离阈值的情况下,确定距离分布特征为离散特征;
在平均距离大于或者等于预设距离阈值的情况下,确定距离分布特征为聚集特征。
可选的,确定模块还用于:
按照预设聚类门限对第一雷达帧中的目标点云进行聚类;目标点云为真实点云或者为与多径目标对应的多径点云;
在聚类得到多个类别的情况下,获取多个类别的点云回波强度特征;
当多个类别的点云回波强度特征不一致时,将第五聚类门限确定为第一雷达帧的聚类门限;
当多个类别的点云回波强度特征一致时,将第六聚类门限确定为第一雷达帧的聚类门限;
第五聚类门限小于第六聚类门限。
可选的,确定模块还用于:
获取多个类别的点云回波强度特征的方差;
在方差大于预设方差阈值的情况下,确定多个类别的点云回波强度特征不一致;
在方差小于或者等于预设方差阈值的情况下,确定多个类别的点云回波强度特征一致。
可选的,聚类模块还用于:
对第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限取平均值,得到平均聚类门限;
按照平均聚类门限对真实点云进行聚类。
可选的,聚类模块还用于:
将第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限分别乘以相应的权重值,得到加权聚类门限;
按照加权聚类门限对真实点云进行聚类。
在本发明实施例中,在接收到第一雷达帧后,可以根据第一雷达帧的点云聚类特征,确定第一雷达帧的聚类门限。如此,可以基于第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限,对点云进行聚类。这样,可以利用第一雷达帧的点云聚类特征,预先判断出第一雷达帧中存在的影响聚类准确率的目标的类型,然后可以采用该目标类型对应的聚类门限,进行目标聚类。如此,可以避免采用固定的初始聚类门限进行聚类带来的聚类错误的情况,并且采用了与点云中存在的目标相匹配的聚类门限进行聚类,可以提高聚类的准确率,进而可以提高雷达对目标的识别准确率。
此外,还具有实现简单,便于工程实现,成本较低的优点,只需在已有的雷达系统中增加软件模块,不需要额外的硬件成本,通用性强,可以用于各类雷达系统中。
图3是本发明一实施例提供的电子设备的示意图。如图3所示,该实施例的电子设备3包括:处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32。所述处理器30执行所述计算机程序32时实现上述各个雷达目标聚类方法实施例中的步骤。或者,所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块/单元的功能。
示例性的,所述计算机程序32可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器31中,并由所述处理器30执行,以完成本发明。所述一个或多个模块/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,该指令段用于描述所述计算机程序32在所述电子设备3中的执行过程。例如,所述计算机程序32可以被分割成接收模块、确定模块、聚类模块,各模块具体功能如下:
接收模块,用于接收第一雷达帧;
确定模块,用于根据第一雷达帧的点云聚类特征,确定第一雷达帧的聚类门限;
聚类模块,用于基于第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限,对第一雷达帧中与真实目标对应的真实点云进行聚类;第二雷达帧为位于第一雷达帧之前的雷达帧。
所述电子设备3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。所述电子设备可包括,但不仅限于,处理器30、存储器31。本领域技术人员可以理解,图3仅仅是电子设备3的示例,并不构成对电子设备3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,例如所述电子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30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)、现场可编程门阵列(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。
所述存储器31可以是所述电子设备3的内部存储单元,例如电子设备3的硬盘或内存。所述存储器31也可以是所述电子设备3的外部存储设备,例如所述电子设备3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,所述存储器31还可以既包括所述电子设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器31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,即将所述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)
1.一种雷达目标聚类方法,其特征在于,包括:
接收第一雷达帧;
根据所述第一雷达帧的点云聚类特征,确定所述第一雷达帧的聚类门限;其中,所述点云聚类特征是第一雷达帧中与真实目标对应的真实点云的点云聚类特征,或者是第一雷达帧中与多径目标对应的多径点云的点云聚类特征;
基于所述第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限,对所述第一雷达帧中与真实目标对应的真实点云进行聚类;所述第二雷达帧为位于所述第一雷达帧之前的雷达帧。
2.如权利要求1所述的雷达目标聚类方法,其特征在于,所述根据所述第一雷达帧的点云聚类特征,确定所述第一雷达帧的聚类门限,包括:
获取所述第一雷达帧中的目标点云的点数;所述目标点云为所述真实点云或者为与多径目标对应的多径点云;
当所述目标点云的点数大于第一预设点数阈值时,将所述第一预设点数阈值对应的第一聚类门限确定为所述第一雷达帧的聚类门限;
当所述目标点云的点数小于或者等于第一预设点数阈值时,将所述第一预设点数阈值对应的第二聚类门限确定为所述第一雷达帧的聚类门限;
所述第一预设点数阈值仅对应有第一聚类门限和第二聚类门限,所述第一聚类门限小于所述第二聚类门限。
3.如权利要求1所述的雷达目标聚类方法,其特征在于,所述根据所述第一雷达帧的点云聚类特征,确定所述第一雷达帧的聚类门限,包括:
按照预设聚类门限对所述第一雷达帧中的目标点云进行聚类;所述目标点云为所述真实点云或者为与多径目标对应的多径点云;
在聚类得到多个类别的情况下,获取所述多个类别的类别中心彼此之间的距离分布特征;
当所述距离分布特征为离散特征时,将所述离散特征对应的第三聚类门限确定为所述第一雷达帧的聚类门限;
当所述距离分布特征为聚集特征时,将所述聚集特征对应的第四聚类门限确定为所述第一雷达帧的聚类门限;
所述第三聚类门限小于所述第四聚类门限。
4.如权利要求3所述的雷达目标聚类方法,其特征在于,所述距离分布特征为所述多个类别的类别中心彼此之间的距离的平均距离;
在所述获取所述多个类别的类别中心彼此之间的距离分布特征之后,所述方法还包括:
在所述平均距离小于预设距离阈值的情况下,确定所述距离分布特征为离散特征;
在所述平均距离大于或者等于预设距离阈值的情况下,确定所述距离分布特征为聚集特征。
5.如权利要求1所述的雷达目标聚类方法,其特征在于,所述根据所述第一雷达帧的点云聚类特征,确定所述第一雷达帧的聚类门限,包括:
按照预设聚类门限对所述第一雷达帧中的目标点云进行聚类;所述目标点云为所述真实点云或者为与多径目标对应的多径点云;
在聚类得到多个类别的情况下,获取所述多个类别的点云回波强度特征;
当所述多个类别的点云回波强度特征不一致时,将第五聚类门限确定为所述第一雷达帧的聚类门限;
当所述多个类别的点云回波强度特征一致时,将第六聚类门限确定为所述第一雷达帧的聚类门限;
所述第五聚类门限小于所述第六聚类门限。
6.如权利要求5所述的雷达目标聚类方法,其特征在于,在所述获取所述多个类别的点云回波强度特征之后,所述方法还包括:
获取所述多个类别的点云回波强度特征的方差;
在所述方差大于预设方差阈值的情况下,确定所述多个类别的点云回波强度特征不一致;
在所述方差小于或者等于预设方差阈值的情况下,确定所述多个类别的点云回波强度特征一致。
7.如权利要求1至6任一项所述的雷达目标聚类方法,其特征在于,所述基于所述第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限,对所述第一雷达帧中与真实目标对应的真实点云进行聚类,包括:
对所述第一雷达帧的聚类门限和所述至少一个第二雷达帧的聚类门限取平均值,得到平均聚类门限;
按照所述平均聚类门限对所述真实点云进行聚类。
8.如权利要求1至6任一项所述的雷达目标聚类方法,其特征在于,所述基于所述第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限,对所述第一雷达帧中与真实目标对应的真实点云进行聚类,包括:
将所述第一雷达帧的聚类门限和所述至少一个第二雷达帧的聚类门限分别乘以相应的权重值,得到加权聚类门限;
按照所述加权聚类门限对所述真实点云进行聚类。
9.一种雷达目标聚类装置,其特征在于,包括:
接收模块,用于接收第一雷达帧;
确定模块,用于根据所述第一雷达帧的点云聚类特征,确定所述第一雷达帧的聚类门限;其中,所述点云聚类特征是第一雷达帧中与真实目标对应的真实点云的点云聚类特征,或者是第一雷达帧中与多径目标对应的多径点云的点云聚类特征;
聚类模块,用于基于所述第一雷达帧的聚类门限和至少一个第二雷达帧的聚类门限,对所述第一雷达帧中与真实目标对应的真实点云进行聚类;所述第二雷达帧为位于所述第一雷达帧之前的雷达帧。
10.一种电子设备,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8任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110260144.0A CN113030896B (zh) | 2021-03-10 | 2021-03-10 | 雷达目标聚类方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110260144.0A CN113030896B (zh) | 2021-03-10 | 2021-03-10 | 雷达目标聚类方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113030896A CN113030896A (zh) | 2021-06-25 |
CN113030896B true CN113030896B (zh) | 2022-08-26 |
Family
ID=76469304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110260144.0A Active CN113030896B (zh) | 2021-03-10 | 2021-03-10 | 雷达目标聚类方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113030896B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112394334A (zh) * | 2019-08-16 | 2021-02-23 | 富士通株式会社 | 雷达反射点的聚类装置、方法以及电子设备 |
CN110441753B (zh) * | 2019-09-19 | 2021-03-30 | 森思泰克河北科技有限公司 | 雷达遮挡检测方法及雷达 |
CN110766719B (zh) * | 2019-09-21 | 2022-11-18 | 北醒(北京)光子科技有限公司 | 一种目标跟踪方法、设备及存储介质 |
CN111427032B (zh) * | 2020-04-24 | 2022-02-01 | 森思泰克河北科技有限公司 | 基于毫米波雷达的房间墙体轮廓识别方法及终端设备 |
CN112348000A (zh) * | 2021-01-07 | 2021-02-09 | 知行汽车科技(苏州)有限公司 | 障碍物识别方法、装置、系统及存储介质 |
-
2021
- 2021-03-10 CN CN202110260144.0A patent/CN113030896B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113030896A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110531357A (zh) | 估计移动目标在水平面中速度大小的方法和雷达检测系统 | |
CN112213725B (zh) | 车载雷达的多径虚警抑制方法、装置及终端设备 | |
CN108859952B (zh) | 车辆变道预警方法、装置和雷达 | |
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 | |
CN109828250B (zh) | 一种雷达标定方法、标定装置及终端设备 | |
CN113391305B (zh) | 多雷达融合的虚假目标抑制方法、装置及终端设备 | |
CN112986945B (zh) | 雷达目标的识别方法、装置、设备和存储介质 | |
CN113009442A (zh) | 一种雷达静止反射面多径目标的识别方法及装置 | |
CN115147333A (zh) | 一种目标检测方法及装置 | |
CN108693517B (zh) | 车辆定位方法、装置和雷达 | |
CN113177497B (zh) | 视觉模型的训练方法、车辆识别方法及装置 | |
US20210325508A1 (en) | Signal-to-Noise Ratio Range Consistency Check for Radar Ghost Target Detection | |
CN113030896B (zh) | 雷达目标聚类方法、装置和电子设备 | |
CN113391270A (zh) | 多雷达点云融合的虚假目标抑制方法、装置及终端设备 | |
CN112689842B (zh) | 一种目标检测方法以及装置 | |
CN116299401B (zh) | 基于目标散射点位置的恒虚警方法、设备及其存储介质 | |
CN112034464A (zh) | 一种目标分类方法 | |
CN113009467B (zh) | 一种雷达盲区目标检测跟踪方法、装置及终端设备 | |
CN113030897B (zh) | 基于多径的雷达目标聚类方法、装置、设备和存储介质 | |
CN113514825A (zh) | 道路边缘的获取方法、装置和终端设备 | |
CN113205059B (zh) | 车位的检测方法、系统、终端及计算机可读存储介质 | |
CN114332818B (zh) | 障碍物的检测方法、装置和电子设备 | |
CN115728772A (zh) | 激光扫描点的类别检测方法、装置及终端设备 | |
CN116027288A (zh) | 生成数据的方法、装置、电子设备及存储介质 | |
CN115457506A (zh) | 一种目标检测方法、装置及存储介质 |
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 |