CN113093191B - 一种基于毫米波雷达的道路车辆检测系统 - Google Patents

一种基于毫米波雷达的道路车辆检测系统 Download PDF

Info

Publication number
CN113093191B
CN113093191B CN202110349499.7A CN202110349499A CN113093191B CN 113093191 B CN113093191 B CN 113093191B CN 202110349499 A CN202110349499 A CN 202110349499A CN 113093191 B CN113093191 B CN 113093191B
Authority
CN
China
Prior art keywords
target
period
millimeter wave
radar
wave radar
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
Application number
CN202110349499.7A
Other languages
English (en)
Other versions
CN113093191A (zh
Inventor
陈江伟
谢烁红
黄玉春
孟小亮
王力行
颜思睿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN202110349499.7A priority Critical patent/CN113093191B/zh
Publication of CN113093191A publication Critical patent/CN113093191A/zh
Application granted granted Critical
Publication of CN113093191B publication Critical patent/CN113093191B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
    • 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
    • G01S13/92—Radar or analogous systems specially adapted for specific applications for traffic control for velocity measurement
    • 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
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/292—Extracting wanted echo-signals
    • G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
    • 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
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G01S7/354—Extracting wanted echo-signals
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于毫米波雷达的道路车辆检测系统，包括毫米波雷达系统和雷达数据处理系统，所述毫米波雷达系统布置于交通信号灯横杆上，所述毫米波雷达系统主动发射电磁波信号，通过计算接收信号与发射信号的多普勒频移来提供探测目标的相对距离、相对速度以及方位角三个数据信息，然后将三个数据信息输出给数据处理系统，由数据处理系统完成信号的滤波，并最终输出车辆的位置信息和速度信息；所述的滤波包括两个步骤：有效目标初选和目标有效性检验，所述有效目标初选是利用极坐标系运算规则来剔除不在道路区域内的虚假目标，所述目标有效性检验是利用卡尔曼滤波算法来计算相邻几个周期内目标出现和移动的连续性，以此剔除噪声数据的干扰。

Description

一种基于毫米波雷达的道路车辆检测系统
技术领域
本发明属于智能交通技术领域，特别是涉及一种基于毫米波雷达的道路车辆检测系统。
背景技术
智能交通定义为：将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成运用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合交通运输管理系统。
道路车辆检测是智能交通技术体系的重要组成部分。目前的道路车辆检测技术主要有地磁/地感线圈检测技术，视频检测技术等几种，但各个技术均存在各种不足；其中地磁/地感线圈检测技术的主要缺陷有：
(1)需要对道路进行破坏性施工，施工难度大、成本高，并且施工时需要封闭车道；
(2)只能获得经过该条道路路口的车辆的数量信息，无法获得车辆属性信息(型号、颜色与车牌号等)和其速度信息；
(3)硬件成本高；
(4)使用寿命仅有1-2年。
视频检测技术的主要缺陷是仅能获取车辆的位置和属性信息，无法获取其速度信息。
目前，市场上迫切需要一种既能获取车辆属性信息，又能获取车辆速度信息并且拥有较长使用寿命和低成本的车辆检测技术。
发明内容
为了解决上述技术问题，本发明提出了一种既能获取车辆属性信息，又能获取车辆速度信息并且拥有较长使用寿命和低成本的车辆检测技术。
本发明的技术方案为：一种基于毫米波雷达的道路车辆检测系统，包括毫米波雷达系统和雷达数据处理系统，所述毫米波雷达系统布置于交通信号灯横杆上，所述毫米波雷达系统主动发射电磁波信号，通过计算接收信号与发射信号的多普勒频移来提供探测目标的相对距离、相对速度以及方位角三个数据信息，然后将三个数据信息输出给数据处理系统，由数据处理系统完成信号的滤波，并最终输出车辆的位置信息和速度信息；所述的滤波包括两个步骤：有效目标初选和目标有效性检验，所述有效目标初选是利用极坐标系运算规则来剔除不在道路区域内的虚假目标，所述目标有效性检验是利用卡尔曼滤波算法来计算相邻几个周期内目标出现和移动的连续性，以此剔除噪声数据的干扰。
进一步的，所述车辆的位置信息以直角坐标系的方式表达，或者以极坐标方式表达，即包括方位角和目标到雷达的相对距离。
进一步的，有效目标初选的具体实现方式如下；
先将雷达探测目标的有效区域划分出来，设有效区域是一个由x1＝A1,x2＝A2,y1＝B1,y2＝B2所包围而成的矩形，其中A1，A2，B1，B2代表矩形的四条边在以毫米波雷达为原点的直角坐标系下的边界值，是由先验知识得到的；
判别目标有效性，即判别目标是否在道路区域内的公式为：
Figure BDA0003001950870000021
其中，r为目标与雷达的相对距离，α为目标与雷达的方位角，若某一目标的r与α符合公式(4)，即可认为其有效。
进一步的，目标有效性检验的原理为，若连续N个周期内，待跟踪目标的位置与速度信息与利用卡尔曼滤波所得到的位置与速度信息的误差符合差限，则认为该目标为有效目标，并基于卡尔曼滤波，利用第(N-1)周期的卡尔曼滤波结果与第N周期的观测结果得出第N周期该目标的最优信息。
进一步的，目标有效性检验的具体实现步骤如下；
①设定周期阈值N；
②确定待跟踪目标，在第1个周期中，选择该周期中新出现的目标为待跟踪目标；
③计算目标的预测状态向量，首先需要得到第n个周期时描述待跟踪目标的状态向量，状态向量包括位置信息和速度信息，1≤n≤N-1：Xn|n＝[xn|n,yn|n,vxn|n,vyn|n]T，及其协方差Pn|n，其中X表示状态向量，x表示待跟踪目标在以毫米波雷达为原点的直角坐标系下的横坐标，y表示纵坐标，vx表示待跟踪目标的速度矢量在横坐标轴上的分量，vy表示在纵坐标轴上的分量，下标n|n表示加入了第n个周期的观测值后由卡尔曼滤波方法计算得到的值，若下标是n|n-1，则表示该值是利用第(n-1)个周期的状态向量利用卡尔曼滤波方法预测得到的值；
若周期序数n＝1，则将待跟踪目标的位置坐标从极坐标系转换到直角坐标系，得到位置观测值，利用xy正交分解将待跟踪目标的位置坐标和速度矢量从极坐标系下转换到直角坐标系下，得到速度观测值，公式为：
Figure BDA0003001950870000031
Figure BDA0003001950870000032
其中，r为目标与雷达的相对距离，α为目标与雷达的方位角，v为目标与雷达的相对速度，下标1表示周期序数，则X1|1＝[x1|1,y1|1,vx1|1,vy1|1]T＝[x1,y1,vx1,vy1]T，P1|1由毫米波雷达生产厂商提供；
若周期序数n≠1，则说明在上一个周期中已经得到了使用卡尔曼滤波计算出的结果Xn|n，Pn|n；
假设该目标在一个周期的间隔内近似认为做匀速直线运动，则第(n+1)周期该目标的预测状态向量可通过公式(7)来预测：
Figure BDA0003001950870000033
即
Figure BDA0003001950870000034
其中，T为雷达扫描周期，xn+1|n、yn+1|n、vxn+1|n、vyn+1|n为根据第n个周期计算所得的第(n+1)周期该目标的预测状态向量
Figure BDA0003001950870000035
协方差通过公式(8)来计算：
Pn+1|n＝FPn|nFT+Qn (8)
其中Qn为均值为零的高斯协方差矩阵；
④判断相邻两个周期内观测到的是否是同一个目标，将目标的预测状态向量与实际观测得到的状态向量比较，设第(n+1)周期观测到的该目标的实际状态向量为：Xn+1＝[xn+1,yn+1,vxn+1,vyn+1]T，则比较公式如下：
Figure BDA0003001950870000041
其中，Δx，Δy，Δvx，Δvy是人为设定的误差差限，若Xn+1与
Figure BDA0003001950870000042
满足公式(9)，则认为在第(n+1)周期内观测到的该目标与在第n个周期观测到的是同一个目标；若是同一个目标，则进行下一步，否则认为丢失该目标，即该目标为噪声；
⑤计算卡尔曼滤波结果，第(n+1)周期的卡尔曼滤波结果为：
Figure BDA0003001950870000043
Pn+1|n+1＝Pn+1|n-KnPn+1|n (11)
Kn＝Pn+1|n(Pn+1|n+Rn+1),Rn+1＝P1|1 (12)
其中，Kn为卡尔曼增益，Rn+1为第(n+1)个周期观测的协方差矩阵，由于近似认为同一个毫米波雷达每次观测的误差相等，故有Rn+1＝P1|1；
⑥重复步骤③-⑤，直至目标消失或周期序数达到N，若在周期序数达到N之前目标消失，则认为该目标是噪声，放弃跟踪；若周期序数达到N，即n+1＝N，则输出Xn+1|n+1。
进一步的，T为50ms。
本发明相对于现有技术，建设成本低、施工难度小、并且在施工过程中不影响道路的正常通行、使用寿命长、最重要的是能同时、精确地检测出道路车辆的位置和速度信息，可以有效地提升现有的道路交通监管水平，是一种能解决现有问题的创新实用的道路车辆检测系统。
附图说明
图1：为本发明的算法流程图。
图2：为本发明的有效目标初选子算法的场景示意图。
图3：为本发明的目标有效性检验子算法的场景示意图。
具体实施方式
以下结合附图和具体实施例来对本发明做进一步的说明。
请见图1，本发明采用的技术方案是：一种基于毫米波雷达的道路车辆检测系统，包括布设在交通信号灯横杆上的毫米波雷达和雷达数据处理系统。所述的毫米波雷达系统主动发射电磁波信号，将接收到的回波信号输出给数据处理系统，由数据处理系统完成信号的滤波和车辆的位置信息和速度信息，车辆的位置信息可以以直角坐标系的方式表达(横坐标和纵坐标)，也可以以极坐标方式表达(方位角和到雷达的直线距离)的提取并输出。所述的滤波包括两个步骤：有效目标初选和目标有效性检验。所述有效目标初选算法是利用极坐标系运算规则来剔除不在道路区域内的虚假目标。所述目标有效性检验是利用卡尔曼滤波算法来计算相邻几个周期内目标出现和移动的连续性，以此剔除噪声数据的干扰。所述的毫米波雷达系统布置于交通信号灯横杆上。
毫米波雷达系统通过计算接收信号与发射信号的多普勒频移来提供探测目标的相对距离、相对速度以及方位角三个数据信息。现将雷达探测的任一目标数据描述为如下向
其中，r为目标与雷达的相对距离，α为目标与雷达的方位角，v为目标与雷达的相对速度：
x＝(r,α,v) (1)
某一时刻雷达采集的一帧数据可表示为：
X＝(x1,x2,...,xn) (2)
其中，n为该时刻探测到的有效运动目标的数量。
毫米波雷达获取的目标除了道路上的有效目标之外，还可能存在两种干扰目标：①道路区域以外的目标，可能是运动中的行人或其他障碍物，因超出了本技术的作用领域，故认为是干扰目标；②虚假目标，即噪声信号，该种目标在极短时间内出现并消失。若无法做到精确地剔除这两种干扰目标，则会影响检测结果的精确度。现结合有效目标初选与目标有效性检验两种方式进行目标筛选，以改善获取目标信息质量。
(1)有效目标初选
毫米波雷达探测范围较广，若保留其原始探测范围，在探测到更多目标信息的同时，也会增加对非道路机动车目标的探测与处理，既增加了处理时间，又影响了输出结果的精度。
如图2所示，先将雷达探测目标的有效区域划分出来，设有效区域是一个由x1＝A1,x1＝A2,y1＝B1,y1＝B2所包围而成的矩形，其中A1，A2，B1，B2代表矩形的四条边在以毫米波雷达为原点的直角坐标系下的边界值，是由先验知识得到的(人工测量得到或由道路线检测算法识别输出的)。
判别目标有效性，即判别目标是否在道路区域内的公式为：
Figure BDA0003001950870000061
其中，r为目标与雷达的相对距离，α为目标与雷达的方位角。若某一目标的r与α符合公式(4)，即可认为其有效(在道路区域内)。
(2)目标有效性检验
目标数据信息的有效性验证主要针对由于毫米波雷达本身工作的不稳定性而产生的具备一闪而过特征的虚假目标。
目标有效性检验的原理为：若连续N个周期内，待跟踪目标的位置与速度信息与利用卡尔曼滤波所得到的位置与速度信息的误差符合差限，则认为该目标为有效目标(非噪声)，并基于卡尔曼滤波，利用第(N-1)周期的卡尔曼滤波结果与第N周期的观测结果得出第N周期该目标的最优信息。
①设定周期阈值N。
②确定待跟踪目标。在第1个周期中，选择该周期中新出现的目标为待跟踪目标。
③计算目标的预测状态向量。首先需要得到第n个周期(1≤n≤N-1)时描述待跟踪目标的状态向量(状态包括位置和速度)：Xn|n＝[xn|n,yn|n,vxn|n,vyn|n]T，及其协方差Pn|n，其中X表示状态向量，x表示待跟踪目标在以毫米波雷达为原点的直角坐标系下的横坐标，y表示纵坐标，vx表示待跟踪目标的速度矢量在横坐标轴上的分量，vy表示在纵坐标轴上的分量，下标n|n表示加入了第n个周期的观测值后由卡尔曼滤波方法计算得到的值(若下标是n|n-1，则表示该值是利用第(n-1)个周期的状态向量利用卡尔曼滤波方法预测得到的值)。
若周期序数n＝1，则将待跟踪目标的位置坐标从极坐标系转换到直角坐标系，得到位置观测值，利用xy正交分解将待跟踪目标的位置坐标和速度矢量从极坐标系下转换到直角坐标系下，得到速度观测值，公式为：
Figure BDA0003001950870000071
Figure BDA0003001950870000072
其中，r为目标与雷达的相对距离，α为目标与雷达的方位角，v为目标与雷达的相对速度，下标1表示周期序数，则X1|1＝[x1|1,y1|1,vx1|1,vy1|1]T＝[x1,y1,vx1,vy1]T，P1|1由毫米波雷达生产厂商提供。
若周期序数n≠1，则说明在上一个周期中已经得到了使用卡尔曼滤波计算出的结果Xn|n，Pn|n。
假设该目标在一个周期的间隔内可以近似认为做匀速直线运动，则第(n+1)周期该目标的预测状态向量可通过公式(7)来预测：
Figure BDA0003001950870000073
即
Figure BDA0003001950870000074
其中，T为雷达扫描周期，通常为50ms，xn+1|n、yn+1|n、vxn+1|n、vyn+1|n为根据第n个周期计算所得的第(n+1)周期该目标的预测状态向量
Figure BDA0003001950870000075
协方差可以通过公式(8)来计算：
Pn+1|n＝FPn|nFT+Qn (8)
其中Qn为均值为零的高斯协方差矩阵。
④判断相邻两个周期内观测到的是否是同一个目标。将目标的预测状态向量与实际观测得到的状态向量比较，设第(n+1)周期观测到的该目标的实际状态向量为：Xn+1＝[xn+1,yn+1,vxn+1,vyn+1]T，则比较公式如下：
Figure BDA0003001950870000081
其中，Δx，Δy，Δvx，Δvy是人为设定的误差差限。若Xn+1与
Figure BDA0003001950870000082
满足公式(9)，则认为在第(n+1)周期内观测到的该目标与在第n个周期观测到的是同一个目标。若是同一个目标，则进行下一步，否则认为丢失该目标，即该目标为噪声。
⑤计算卡尔曼滤波结果。第(n+1)周期的卡尔曼滤波结果为：
Figure BDA0003001950870000083
Pn+1|n+1＝Pn+1|n-KnPn+1|n (11)
Kn＝Pn+1|n(Pn+1|n+Rn+1),Rn+1＝P1|1 (12)
其中，Kn为卡尔曼增益，Rn+1为第(n+1)个周期观测的协方差矩阵，由于可以近似认为同一个毫米波雷达每次观测的误差相等，故有Rn+1＝P1|1.
⑥重复步骤③-⑤，直至目标消失或周期序数达到N。若在周期序数达到N之前目标消失，则认为该目标是噪声，放弃跟踪。若周期序数达到N，即n+1＝N，则输出Xn+1|n+1。
下面结合附图说明对毫米波雷达数据进行有效目标初选和目标有效性检测的算法原理。有效目标初选子算法的原理为：利用毫米波雷达所探测到的目标位置数据，在极坐标系下，计算该目标位置是否在事先确定的道路范围内，若在道路范围内，则作为中间结果输入目标有效性检测子算法，否则将该目标丢弃。目标有效性检测子算法的原理为：若连续N个周期内，待跟踪目标的位置与速度信息与利用卡尔曼滤波所得到的位置与速度信息的误差符合差限，则认为该目标为有效目标(非噪声)，并基于卡尔曼滤波，利用第(N-1)周期的卡尔曼滤波结果与第N周期的观测结果得出第N周期该目标的最优信息。
请见图2，毫米波雷达在一个周期T内探测到了2个目标X1和X2，并将数据输出给雷达数据处理系统。在雷达数据处理系统中首先运行有效目标初选子算法，计算结果表明X1符合公式(4)，而X2不符合。故认为X1是有效目标，并将X1作为中间结果输入到目标有效性检验子算法中；认为X2是无效目标，不将其作为目标有效性检验子算法的输入。
请见图3，设定周期阈值N＝3。毫米波雷达在连续3个周期内探测到了运动目标，并且这些目标都通过了有效目标初选。在周期T1，共探测到3个待跟踪目标。在周期T2，共探测到2个待跟踪目标。其中，周期1中探测到的目标X2并未出现，则认为其是噪声，不再进行跟踪；经过计算，目标X1，X3通过了本周期的目标有效性检验。在周期T3，经过计算，目标X3不能通过本周期的目标有效性检验，原因是其不符合公式(9)；目标X1通过了本周期的目标有效性检验，则将其作为最后的结果输出。
以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，因此，凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于毫米波雷达的道路车辆检测系统，其特征在于：包括毫米波雷达系统和雷达数据处理系统，所述毫米波雷达系统布置于交通信号灯横杆上，所述毫米波雷达系统主动发射电磁波信号，通过计算接收信号与发射信号的多普勒频移来提供探测目标的相对距离、相对速度以及方位角三个数据信息，然后将三个数据信息输出给数据处理系统，由数据处理系统完成信号的滤波，并最终输出车辆的位置信息和速度信息；所述的滤波包括两个步骤：有效目标初选和目标有效性检验，所述有效目标初选是利用极坐标系运算规则来剔除不在道路区域内的虚假目标，所述目标有效性检验是利用卡尔曼滤波算法来计算相邻几个周期内目标出现和移动的连续性，以此剔除噪声数据的干扰；
有效目标初选的具体实现方式如下；
先将雷达探测目标的有效区域划分出来，设有效区域是一个由x1＝A1,x2＝A2,y1＝B1,y2＝B2所包围而成的矩形，其中A1，A2，B1，B2代表矩形的四条边在以毫米波雷达为原点的直角坐标系下的边界值，是由先验知识得到的；
判别目标有效性，即判别目标是否在道路区域内的公式为：
Figure FDA0003637471020000011
其中，r为目标与雷达的相对距离，α为目标与雷达的方位角，若某一目标的r与α符合公式(4)，即可认为其有效；
目标有效性检验的具体实现步骤如下；
①设定周期阈值N；
②确定待跟踪目标，在第1个周期中，选择该周期中新出现的目标为待跟踪目标；
③计算目标的预测状态向量，首先需要得到第n个周期时描述待跟踪目标的状态向量，状态向量包括位置信息和速度信息，1≤n≤N-1：Xn|n＝[xn|n,yn|n,vxn|n,vyn|n]T，及其协方差Pn|n，其中X表示状态向量，x表示待跟踪目标在以毫米波雷达为原点的直角坐标系下的横坐标，y表示纵坐标，vx表示待跟踪目标的速度矢量在横坐标轴上的分量，vy表示在纵坐标轴上的分量，下标n|n表示加入了第n个周期的观测值后由卡尔曼滤波方法计算得到的值，若下标是n|n-1，则表示该值是利用第n-1个周期的状态向量利用卡尔曼滤波方法预测得到的值；
若周期序数n＝1，则将待跟踪目标的位置坐标从极坐标系转换到直角坐标系，得到位置观测值，利用xy正交分解将待跟踪目标的位置坐标和速度矢量从极坐标系下转换到直角坐标系下，得到速度观测值，公式为：
Figure FDA0003637471020000021
Figure FDA0003637471020000022
其中，r为目标与雷达的相对距离，α为目标与雷达的方位角，v为目标与雷达的相对速度，下标1表示周期序数，则X1|1＝[x1|1,y1|1,vx1|1,vy1|1]T＝[x1,y1,vx1,vy1]T，P1|1由毫米波雷达生产厂商提供；
若周期序数n≠1，则说明在上一个周期中已经得到了使用卡尔曼滤波计算出的结果Xn|n，Pn|n；
假设该目标在一个周期的间隔内近似认为做匀速直线运动，则第n+1周期该目标的预测状态向量可通过公式(7)来预测：
Figure FDA0003637471020000023
即
Figure FDA0003637471020000024
其中，T为雷达扫描周期，xn+1|n、yn+1|n、vxn+1|n、vyn+1|n为根据第n个周期计算所得的第n+1周期该目标的预测状态向量
Figure FDA0003637471020000025
协方差通过公式(8)来计算：
Pn+1|n＝FPn|nFT+Qn (8)
其中Qn为均值为零的高斯协方差矩阵；
④判断相邻两个周期内观测到的是否是同一个目标，将目标的预测状态向量与实际观测得到的状态向量比较，设第n+1周期观测到的该目标的实际状态向量为：Xn+1＝[xn+1,yn+1,vxn+1,vyn+1]T，则比较公式如下：
Figure FDA0003637471020000031
其中，Δx，Δy，Δvx，Δvy是人为设定的误差差限，若Xn+1与
Figure FDA0003637471020000032
满足公式(9)，则认为在第n+1周期内观测到的该目标与在第n个周期观测到的是同一个目标；若是同一个目标，则进行下一步，否则认为丢失该目标，即该目标为噪声；
⑤计算卡尔曼滤波结果，第n+1周期的卡尔曼滤波结果为：
Figure FDA0003637471020000033
Pn+1|n+1＝Pn+1|n-KnPn+1|n (11)
Kn＝Pn+1|n(Pn+1|n+Rn+1),Rn+1＝P1|1 (12)
其中，Kn为卡尔曼增益，Rn+1为第n+1个周期观测的协方差矩阵，由于近似认为同一个毫米波雷达每次观测的误差相等，故有Rn+1＝P1|1；
⑥重复步骤③-⑤，直至目标消失或周期序数达到N，若在周期序数达到N之前目标消失，则认为该目标是噪声，放弃跟踪；若周期序数达到N，即n+1＝N，则输出Xn+1|n+1。
2.如权利要求1所述的一种基于毫米波雷达的道路车辆检测系统，其特征在于：所述车辆的位置信息以直角坐标系的方式表达，或者以极坐标方式表达，即包括方位角和目标到雷达的相对距离。
3.如权利要求1所述的一种基于毫米波雷达的道路车辆检测系统，其特征在于：目标有效性检验的原理为，若连续N个周期内，待跟踪目标的位置与速度信息与利用卡尔曼滤波所得到的位置与速度信息的误差符合差限，则认为该目标为有效目标，并基于卡尔曼滤波，利用第N-1周期的卡尔曼滤波结果与第N周期的观测结果得出第N周期该目标的最优信息。
4.如权利要求1所述的一种基于毫米波雷达的道路车辆检测系统，其特征在于：T为50ms。
CN202110349499.7A 2021-03-31 2021-03-31 一种基于毫米波雷达的道路车辆检测系统 Active CN113093191B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110349499.7A CN113093191B (zh) 2021-03-31 2021-03-31 一种基于毫米波雷达的道路车辆检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110349499.7A CN113093191B (zh) 2021-03-31 2021-03-31 一种基于毫米波雷达的道路车辆检测系统

Publications (2)

Publication Number Publication Date
CN113093191A CN113093191A (zh) 2021-07-09
CN113093191B true CN113093191B (zh) 2022-07-05

Family

ID=76672035

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110349499.7A Active CN113093191B (zh) 2021-03-31 2021-03-31 一种基于毫米波雷达的道路车辆检测系统

Country Status (1)

Country Link
CN (1) CN113093191B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113256990B (zh) * 2021-07-13 2021-09-28 北京戍宁信息技术有限公司 基于聚类算法的雷达采集道路车辆信息的方法及系统
CN115113157B (zh) * 2022-08-29 2022-11-22 成都瑞达物联科技有限公司 一种基于车路协同雷达的波束指向校准方法
CN115966084B (zh) * 2023-03-17 2023-06-09 江西昂然信息技术有限公司 全息路口毫米波雷达数据处理方法、装置及计算机设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012185084A (ja) * 2011-03-07 2012-09-27 Isuzu Motors Ltd 車両の物体検出装置
CN107092039A (zh) * 2017-03-10 2017-08-25 南京沃杨机械科技有限公司 农机导航用农田环境感知方法
CN110969855A (zh) * 2019-12-13 2020-04-07 长沙莫之比智能科技有限公司 一种基于毫米波雷达的交通流量监测系统
CN111532274A (zh) * 2020-02-28 2020-08-14 南京航空航天大学 基于多传感器数据融合的智能车辆换道辅助系统及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012185084A (ja) * 2011-03-07 2012-09-27 Isuzu Motors Ltd 車両の物体検出装置
CN107092039A (zh) * 2017-03-10 2017-08-25 南京沃杨机械科技有限公司 农机导航用农田环境感知方法
CN110969855A (zh) * 2019-12-13 2020-04-07 长沙莫之比智能科技有限公司 一种基于毫米波雷达的交通流量监测系统
CN111532274A (zh) * 2020-02-28 2020-08-14 南京航空航天大学 基于多传感器数据融合的智能车辆换道辅助系统及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Combined Lane Mapping Using a Mobile Mapping System;Rui Wan等;《remote sensing》;20190202;第1-25页 *
基于多传感器融合的目标跟踪及冲突预警策略与算法研究;于文琪;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20210215(第2期);第16-20页 *
毫米波雷达与机器视觉融合的行人检测系统研究;张晓;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20200715(第7期);第15-17页 *

Also Published As

Publication number Publication date
CN113093191A (zh) 2021-07-09

Similar Documents

Publication Publication Date Title
CN113093191B (zh) 一种基于毫米波雷达的道路车辆检测系统
US10634766B2 (en) Method of determining the de-aliased range rate of a target
CN113096397B (zh) 基于毫米波雷达与视频检测的交通拥堵分析方法
CN112098990B (zh) 车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法
CN107632308B (zh) 一种基于递归叠加算法的车辆前方障碍物轮廓检测方法
CN110780289B (zh) 基于场景雷达的多目标车辆跟踪方法及装置
US6661370B2 (en) Radar data processing apparatus and data processing method
CN110033479A (zh) 基于交通监控视频的交通流参数实时检测方法
CN107942329B (zh) 机动平台单通道sar对海面舰船目标检测方法
CN106054150B (zh) 一种先起始后确认的雷达航迹起始方法
CN111398948B (zh) 一种强杂波背景下的机动小目标航迹关联方法
CN105510896A (zh) 一种集中式多雷达数据处理的加权最近邻域数据关联方法
CN112184749B (zh) 基于视频sar跨域联合的动目标跟踪方法
CN112198503A (zh) 一种目标航迹预测优化方法、装置及雷达系统
CN105842687A (zh) 基于rcs预测信息的检测跟踪一体化方法
CN107436434B (zh) 基于双向多普勒估计的航迹起始方法
WO2022134510A1 (zh) 一种车载bsd毫米波雷达低速下障碍物识别方法
CN105427342A (zh) 一种水下小目标声呐图像目标检测跟踪方法和系统
CN102338874A (zh) 用于被动式多传感器目标跟踪的全局概率数据关联方法
CN105116387A (zh) 基于位置和多普勒速度信息的pd雷达抗速度拖引方法
CN111562570A (zh) 基于毫米波雷达的面向自动驾驶的车辆感知方法
US20230184926A1 (en) Radar anti-spoofing system for identifying ghost objects created by reciprocity-based sensor spoofing
CN104020468B (zh) 一种基于二次雷达的近距离目标更新周期的计算方法
US11841419B2 (en) Stationary and moving object recognition apparatus
CN110542902B (zh) 一种适用于车载毫米波雷达的简易测高方法

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