CN113219430A - 地杂波处理方法、装置、计算机设备和存储介质 - Google Patents

地杂波处理方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN113219430A
CN113219430A CN202110399141.5A CN202110399141A CN113219430A CN 113219430 A CN113219430 A CN 113219430A CN 202110399141 A CN202110399141 A CN 202110399141A CN 113219430 A CN113219430 A CN 113219430A
Authority
CN
China
Prior art keywords
points
ground clutter
clutter
target
candidate
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
Application number
CN202110399141.5A
Other languages
English (en)
Inventor
张磊
陈熠
王晓
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.)
Calterah Semiconductor Technology Shanghai Co Ltd
Original Assignee
Calterah Semiconductor Technology Shanghai Co Ltd
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 Calterah Semiconductor Technology Shanghai Co Ltd filed Critical Calterah Semiconductor Technology Shanghai Co Ltd
Priority to CN202110399141.5A priority Critical patent/CN113219430A/zh
Publication of CN113219430A publication Critical patent/CN113219430A/zh
Pending legal-status Critical Current

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
    • 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
    • G01S7/414—Discriminating targets with respect to background clutter

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

本申请涉及一种地杂波处理方法、装置、计算机设备和存储介质。本方法包括：服务器获取多个原始目标点的数据，基于数据中的俯仰角，从多个原始目标点中筛选出候选地杂波点，基于数据中的距离和信噪比，从候选地杂波点中筛选出目标地杂波点。本方法中，服务器根据雷达获取到目标物体的俯仰角对原始目标点进行初步地杂波点筛选，确定候选地杂波点，进而根据距离、信噪比对候选地杂波点进行进一步的筛选，通过俯仰角、距离、信噪比和/或速度等多个维度的联合筛选，避免了近距离弱小目标被一刀切的问题，通过该方法筛选目标地杂波点，地杂波点的识别精度比较准确。

Description

地杂波处理方法、装置、计算机设备和存储介质
技术领域
本申请涉及目标探测技术领域，特别是涉及一种地杂波处理方法、装置、计算机设备和存储介质。
背景技术
在利用传感器进行目标探测时，经常会受到来自其它方向的杂波的影响，进而会导致目标检测结果不准确。其中，最主要的也是影响最大的杂波是来自地面反射的地杂波，地杂波不仅可以造成虚假目标，还影响对近距离弱小目标的检测，因此，地杂波的处理方法在目标探测的过程中起着重要作用。
目前地杂波处理方法一般是通过抬高近距离检测门限来处理地杂波，即将信噪比小于地杂波检测门限的探测原始点均确定为地杂波点进行剔除处理。
但是，上述方法在处理地杂波点的同时，也降低了对近距离目标点的检测性能，在地杂波识别、处理精度和准确率方面效果均不理想。
发明内容
基于此，有必要针对上述技术问题，提供一种地杂波处理方法、装置、计算机设备和存储介质。
第一方面，提供一种地杂波处理方法，应用于利用传感器进行目标检测的信号处理层中，上述方法包括：
获取多个原始目标点的数据；各原始目标点的数据包括俯仰角、距离、以及信噪比；
基于俯仰角，从多个原始目标点中筛选出候选地杂波点；以及
基于距离和信噪比，从候选地杂波点中筛选出目标地杂波点。
在其中一个可选的实施例中，上述基于俯仰角，从多个原始目标点中筛选出候选地杂波点，包括：
预设俯仰角范围；以及
将俯仰角位于俯仰角范围内的原始目标点确定为候选地杂波点。
在其中一个可选的实施例中，上述预设俯仰角范围，包括：
获取多个样本地杂波点的数据；各样本地杂波点的数据包括俯仰角；
统计分析样本地杂波点的俯仰角的分布范围，得到俯仰角范围。
在其中一个可选的实施例中，上述基于俯仰角，从多个原始目标点中筛选出候选地杂波点，还包括：
预设距离范围；以及
将距离位于距离范围内且俯仰角也位于俯仰角范围内的原始目标点确定为候选地杂波点。
在其中一个可选的实施例中，上述预设距离范围，包括：
获取多个样本地杂波点的数据；各样本地杂波点的数据包括距离；
统计分析样本地杂波点的距离的分布范围，得到距离范围。
在其中一个可选的实施例中，各原始目标点的数据还包括方位角和速度；上述基于俯仰角，从多个原始目标点中筛选出候选地杂波点，还包括：
预设方位角范围和速度范围；以及
将方位角位于方位角范围内、速度位于速度范围内、距离位于距离范围内，且俯仰角也位于俯仰角范围内的原始目标点，确定为候选地杂波点。
在其中一个可选的实施例中，上述预设距离范围，包括：
获取多个样本地杂波点的数据；各样本地杂波点的数据包括方位角和速度；
统计分析样本地杂波点的方位角的分布范围，得到方位角范围；
统计分析样本地杂波点的速度的分布范围，得到速度范围。
在其中一个可选的实施例中，上述基于距离和信噪比，从候选地杂波点中筛选出目标地杂波点，包括：
预设地杂波点判定模型；
将候选地杂波点对应的距离作为地杂波点判定模型的输入，得到各候选地杂波点所对应的地杂波门限值；以及
将信噪比小于对应地杂波门限值的候选地杂波点确定为目标地杂波点。
在其中一个可选的实施例中，上述预设地杂波点判定模型，包括：
获取多个样本地杂波点的数据；各样本地杂波点的数据包括距离和信噪比；以及
以距离R为自变量，信噪比SNR为因变量，对多个样本地杂波点的数据进行线性拟合得到地杂波点判定模型。
在其中一个可选的实施例中，上述以距离R为自变量，信噪比SNR为因变量，对多个样本地杂波点的数据进行线性拟合得到地杂波点判定模型，包括：
以距离R为自变量，信噪比SNR为因变量，基于多个样本地杂波点的数据，绘制出地杂波平面图数据；
在距离维上，将地杂波平面图数据中信噪比SNR最大的两个地杂波平面图数据点所对应的样本地杂波点的数据，作为上包络数据；
根据上包络数据和预设的K条曲线模型，线性拟合得到K条曲线模型所对应的K条曲线；其中，K为大于0的自然数；
将K条曲线中，所有上包络点到曲线的距离平方和最小的曲线，确定为候选曲线；
在候选曲线对应的曲线模型上增加预设的调整因子，得到地杂波点判定模型。
在其中一个可选的实施例中，上述方法还包括：
剔除多个原始目标点中的目标地杂波点以得到真实目标点，以基于真实目标点进行目标跟踪；和/或
传感器可包括AiP(Antenna in Package)芯片或AoC(Antenna on Chip)芯片等集成电路，且该传感器所发射的信号还可为毫米波信号，即毫米波传感器。
第二方面，提供一种地杂波处理方法，应用于利用传感器进行目标检测的信号处理层中，上述方法包括：
获取多个原始目标点的数据；各原始目标点的数据包括至少两个参数因子；
基于至少两个参数因子从多个原始目标点中筛选出目标地杂波点；以及
剔除多个原始目标点中的目标地杂波点以得到真实目标点，以基于真实目标点进行目标跟踪。
在其中一个可选的实施例中，上述基于至少两个参数因子从多个原始目标点中筛选出目标地杂波点，包括：
将至少两个参数因子中的至少一个参数因子作为第一参数因子；
将至少两个参数因子中的至少两个参数因子作为第二参数因子；
基于第一参数因子从多个原始目标点中筛选出候选地杂波点；以及
基于第二参数因子从候选地杂波点中筛选出目标地杂波点。
在其中一个可选的实施例中，上述基于第二参数因子从候选地杂波点中筛选出目标地杂波点，包括：
预设地杂波点判定模型；
基于第二参数因子和地杂波点判定模型得到各候选地杂波点所对应的地杂波门限值；以及
将小于对应地杂波门限值的候选地杂波点确定为目标地杂波点。
在其中一个可选的实施例中，上述第一参数因子包括俯仰角、方位角、速度和/或距离；和/或
第二参数因子包括距离和信噪比。
在其中一个可选的实施例中，上述第一参数因子包括俯仰角、方位角、速度和距离；以及
所述第二参数因子包括距离和信噪比。
第三方面，提供一种地杂波处理装置，该装置包括：
获取模块，用于获取多个原始目标点的数据；各原始目标点的数据包括俯仰角、距离、以及信噪比；
初步筛选模块，用于基于俯仰角，从多个原始目标点中筛选出候选地杂波点；以及
二次筛选模块，用于基于距离和信噪比，从候选地杂波点中筛选出目标地杂波点。
第四方面，提供一种地杂波处理装置，该装置包括：
获取模块，用于获取多个原始目标点的数据；各原始目标点的数据包括至少两个参数因子；
筛选模块，用于基于至少两个参数因子从多个原始目标点中筛选出目标地杂波点；
剔除模块，用于剔除多个原始目标点中的目标地杂波点以得到真实目标点，以基于真实目标点进行目标跟踪。
第五方面，提供一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行该计算机程序时实现上述第一方面、第二方面任一所述的地杂波处理方法。
第六方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述第一方面、第二方面任一所述的地杂波处理方法。
上述地杂波处理方法、装置、计算机设备和存储介质，服务器获取多个原始目标点的数据，基于数据中的俯仰角，从多个原始目标点中筛选出候选地杂波点，基于数据中的距离和信噪比，从候选地杂波点中筛选出目标地杂波点。本方法中，服务器根据雷达获取到目标物体的俯仰角对原始目标点进行初步地杂波点筛选，确定候选地杂波点，进而根据距离、信噪比对候选地杂波点进行进一步的筛选，通过俯仰角、距离、信噪比和/或速度等多个维度的联合筛选，避免了近距离弱小目标被一刀切的问题，通过该方法筛选目标地杂波点，地杂波点的识别精度比较准确。
附图说明
图1为一个实施例中地杂波处理方法的应用环境图；
图1a为一个实施例中地杂波处理方法的车载前向雷达的侧视示意图；
图1b为一个实施例中地杂波处理方法的车载前向雷达的俯视示意图；
图2为一个实施例中地杂波处理方法的流程示意图；
图3为一个实施例中地杂波处理方法的流程示意图；
图4为一个实施例中地杂波处理方法的流程示意图；
图5为一个实施例中地杂波处理方法的流程示意图；
图6为一个实施例中地杂波处理方法的流程示意图；
图7为一个实施例中地杂波处理方法的流程示意图；
图8为一个实施例中地杂波处理方法的流程示意图；
图9为一个实施例中地杂波处理方法的流程示意图；
图10为一个实施例中地杂波处理方法的流程示意图；
图11为一个实施例中地杂波处理方法的流程示意图；
图12为另一个实施例中地杂波处理方法的流程示意图；
图13为一个实施例中地杂波处理方法的流程示意图；
图14为一个实施例中地杂波处理方法的流程示意图；
图15为另一个实施例中地杂波处理方法的流程示意图；
图16为一个实施例中地杂波处理装置的结构框图；
图17为一个实施例中地杂波处理装置的结构框图；
图18为另一个实施例中地杂波处理装置的结构框图；
图19为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的地杂波处理方法，可以应用于如图1所示的应用环境中。如图1所示，服务器101与雷达102通过网络(有线和/或无线网络)进行通信，其中，服务器101可以为独立的服务器，或者为多个服务器组成的服务器集群，在其他可选的实施例中，服务器101还可设置于汽车中，或者与雷达102集成为一体器件。雷达102可以为毫米波雷达，还可以为其他类型的雷达，需要说明的是，该雷达102中具有测量俯仰角、速度、以及信噪比等参数的功能，其安装位置可以为车身前向、侧向、或后向中任意一种，本实施例以车身前向安装为例进行解释说明，如图1a所示，图1a为车载前向雷达的侧视示意图，该雷达102可以测量目标物体的距离R和俯仰角β，本实施例对此不做限定。
下面将通过实施例并结合附图具体地对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。需要说明的是，本申请图2-图11实施例提供的地杂波处理方法，其执行主体为服务器101，也可以是地杂波处理装置，该地杂波处理装置可以通过软件、硬件或者软硬件结合的方式成为服务器101的部分或全部。下述方法实施例中，均以执行主体是服务器101为例来进行说明。
在一个实施例中，如图2所示，提供了一种地杂波处理方法，涉及的是服务器获取多个原始目标点的数据，基于数据中的俯仰角，从多个原始目标点中筛选出候选地杂波点，基于数据中的距离和信噪比，从候选地杂波点中筛选出目标地杂波点过程，包括以下步骤：
S201、获取多个原始目标点的数据；各原始目标点的数据包括俯仰角、距离、以及信噪比。
其中，原始目标点的数据为经过雷达接收处理后得到的数据，各原始目标点的数据包括各目标物体的俯仰角β、各目标物体与雷达的距离R、各目标物体反射的回波信号的信噪比SNR等信息。
在本实施例中，服务器与雷达数据通信，获取雷达接收到的多个原始目标点的数据，其中，雷达接收处理原始点的数据的过程为，雷达的发射机通过天线将发射的电磁以电磁波的形式辐射出去，电磁波照射到周围目标物体之后，经过反射，形成反射回波信号，雷达的接收机接收该反射回波信号，并对该反射回波信号进行进一步地数据处理。可选地，对接收到的反射回波信号进行信号层处理，包括距离维、速度维、非相干积累、恒虚警检测、测角(如方位角、俯仰角等)等处理方式，经过数据处理，得到多个原始目标点的数据，每个原始目标点的数据包含目标物体的距离、俯仰角、信噪比等信息。服务器与雷达通信，获取数据处理之后的原始目标点的数据，进行地杂波点的筛选处理，本实施例对此不做限定。
S202、基于俯仰角，从多个原始目标点中筛选出候选地杂波点。
在本实施例中，服务器可以根据俯仰角以及俯仰角对应的范围，确定候选地杂波点，示例地，预设的俯仰角范围指的是在数据预处理阶段，根据多个样本地杂波点数据中的俯仰角分布范围，统计得到的俯仰角的阈值范围，该俯仰角的阈值范围可以为地杂波点对应的俯仰角的阈值范围，还可以为非地杂波点对应的俯仰角的阈值范围。服务器在根据俯仰角和预设的俯仰角范围进行地杂波点筛选时，对应地，若该俯仰角的阈值范围为地杂波点对应的俯仰角的阈值范围，在地杂波点筛选过程中，若原始目标点的俯仰角处于该俯仰角范围内，则可以确定当前原始目标点为候选地杂波点；若该俯仰角的阈值范围为非地杂波点对应的俯仰角的阈值范围，在地杂波点筛选过程中，若原始目标点的俯仰角不处于该俯仰角范围内，则可以确定当前原始目标点为候选地杂波点；或者，服务器还可以直接根据俯仰角的角度阈值，确定候选地杂波点，示例地，服务器可以将俯仰角大于预设角度阈值的地杂波点确定为候选地杂波点，本实施例对此不做限定。
S203、基于距离和信噪比，从候选地杂波点中筛选出目标地杂波点。
在本实施例中，服务器通过构建地杂波判定模型，将候选地杂波点的距离作为地杂波点判定模型的输入，通过地杂波点判定模型的计算，输出各候选地杂波点对应的地杂波门限值。从而根据各候选地杂波点的地杂波门限值，与各候选地杂波点的信噪比进行比较判断，确定当前候选地杂波点是否为目标地杂波点。可选地，地杂波门限值可以为地杂波点的上限阈值，即，若候选地杂波点的信噪比小于其对应的地杂波门限值，则确定当前候选地杂波点为目标地杂波点；可选地，地杂波门限值还可以为地杂波点的下限阈值，即，若候选地杂波点的信噪比大于其对应的地杂波门限值，则确定当前候选地杂波点为目标地杂波点。或者，服务器还可以根据候选地杂波点的距离和信噪比，以及预设的地杂波判定算法，确定候选地杂波点中的目标地杂波点，本实施例对此不做限定。
上述地杂波处理方法中，服务器获取多个原始目标点的数据，基于数据中的俯仰角，从多个原始目标点中筛选出候选地杂波点，基于数据中的距离和信噪比，从候选地杂波点中筛选出目标地杂波点。本方法中，服务器根据雷达获取到目标物体的俯仰角对原始目标点进行初步地杂波点筛选，确定候选地杂波点，进而根据距离、信噪比对候选地杂波点进行进一步的筛选，通过俯仰角、距离、信噪比等多个维度的联合筛选，避免了近距离弱小目标被一刀切的问题，通过该方法筛选目标地杂波点，地杂波点的识别精度比较准确。
服务器在对原始目标点的数据进行地杂波点的筛选时，可以执行多重筛选，例如，根据俯仰角进行候选地杂波点的确定，可选地，初步筛选可以是根据原始目标点的数据的数值范围进行筛选。在一个实施例中，如图3所示，上述根据俯仰角和预设的俯仰角范围，从多个原始目标点中筛选出候选地杂波点，包括：
S301、预设俯仰角范围。
其中，俯仰角范围指的是根据不同路况的理想环境下，雷达载车以不同速度行驶的场景下，所形成的对应的俯仰角范围。
可选地，在其中一个实施例中，如图4所示，预设俯仰角范围包括：
S401、获取多个样本地杂波点的数据；各样本地杂波点的数据包括俯仰角。
在本实施例中，基于不同路况的理想环境、雷达载车以不同速度行驶的多种场景，服务器获取各个场景下的多个样本地杂波点的数据；样本地杂波点的数据包括俯仰角。其中，不同的路况包括城市道路、高速公路、乡间公路、水泥路等多种路况；理想环境指的是当前路面较宽，且采集过程中无车辆经过的路面环境，例如，路面宽度大于10m，在雷达载车的方圆20m范围内无车辆或无经过车辆；不同行驶速度对应不同的速度范围，速度范围指的是为确保采集到的原始目标点的准确性，设置的雷达载车的行驶速度范围。
在本实施例中，服务器可以获取不同路况的理想环境下，不同雷达装载方式下的采集到的样本地杂波点的数据。以在某一路况下，雷达装载方式为置于车身前向的方式为例，服务器获取当前路况的理想环境下，以预设行驶速度行驶中，前向装载雷达采集到的样本地杂波点的数据，该样本地杂波点的数据包括目标物体的俯仰角，可选地，还可以设置前向装载雷达离地面高度为H，以便计算目标物体的俯仰角等参数。
雷达装载方式为置于车身前向的方式为例，服务器获取当前路况的理想环境下，以预设行驶速度行驶中，前向装载雷达采集到的样本地杂波点的数据，该样本地杂波点的数据包括目标物体的俯仰角，可选地，还可以设置前向装载雷达离地面高度为H，以便计算目标物体的俯仰角，本实施例对此不做限定。
S402、统计分析样本地杂波点的俯仰角的分布范围，得到俯仰角范围。
在本实施例中，服务器根据得到的样本地杂波点，统计确定该筛选得到的样本地杂波点中俯仰角的最大值βmax和最小值βmin，其中，最大值βmax和最小值βmin是根据当前路况、当前的雷达装载位置确定的，不同的路况、不同的雷达装载位置对应不同的参数的最大值和最小值，服务器根据最大值βmax和最小值βmin，将(βmin，βmax)确定为俯仰角范围。
在本实施例中，服务器根据样本地杂波点的俯仰角的分布范围，确定俯仰角范围，从而可以根据该阈值范围初步筛选在该阈值范围内的地杂波点，该筛选方式简单有效，节省了地杂波点的筛选资源和计算量。
S302、将俯仰角位于俯仰角范围内的原始目标点确定为候选地杂波点。
在本实施例中，以城市路况、车身前向装载雷达为例，设定俯仰角的最大值为β2，俯仰角的最小值为β1。服务器根据β2和β1，从获取到的原始目标点中，筛选样本地杂波点的俯仰角在(β1，β2)范围内的原始目标点，作为候选地杂波点，示例地，服务器根据获取到的原始目标点的俯仰角和预设的俯仰角范围进行地杂波点的筛选，若服务器确定原始目标点的俯仰角β处于俯仰角范围内(βmin,βmax)，则确定该原始目标点为候选地杂波点。示例地，预设的俯仰角范围可以为(-70°，0°)，当服务器获取到的某一个原始目标点的俯仰角β为-30°，该原始目标点的俯仰角β处于俯仰角范围内，服务器则确定当前原始目标点为候选地杂波点。
在本实施例中，服务器根据原始目标点的数据的俯仰角和预设的俯仰角的阈值范围进行初步筛选，根据取值范围进行筛选的方式简单有效，一定程度上减少了地杂波二次筛选的数据量，同时提高了地杂波筛选的精度。
服务器在对原始目标点的数据进行地杂波点的筛选时，可以执行多重筛选，例如，根据距离进行候选地杂波点的确定，在其中一个可选的实施例中，如图5所示，上述基于俯仰角，从多个原始目标点中筛选出候选地杂波点，还包括：
S501、预设距离范围。
可选地，在其中一个实施例中，如图6所示，预设距离范围包括：
S601、获取多个样本地杂波点的数据；各样本地杂波点的数据包括距离。
在本实施例中，雷达装载方式为置于车身前向的方式为例，服务器获取当前路况的理想环境下，以预设行驶速度行驶中，前向装载雷达采集到的样本地杂波点的数据，该样本地杂波点的数据包括距离，可选地，还可以设置前向装载雷达离地面高度为H，以便计算目标物体的距离，本实施例对此不做限定。
S602、统计分析样本地杂波点的距离的分布范围，得到距离范围。
在本实施例中，服务器根据得到的样本地杂波点，统计确定该筛选得到的样本地杂波点中距离的最大值Rmax和最小值Rmin，将(Rmin，Rmax)确定为距离的阈值范围。
S502、将距离位于距离范围内且俯仰角也位于俯仰角范围内的原始目标点确定为候选地杂波点。
其中，预设的距离对应的最大值和最小值是根据当前路况、当前的雷达装载位置确定的。不同的路况、不同的雷达装载位置对应不同的参数的最大值和最小值。
在本实施例中，以城市路况、车身前向装载雷达为例，设定距离的最大值为R2，距离的最小值为R1。服务器根据R2和R1，从获取到的原始目标点中，筛选原始目标点的距离在(R1，R2)范围内的原始目标点，确定为候选地杂波点，本实施例对此不做限定。
在本实施例中，服务器根据原始目标点的距离的分布范围，确定其对应的阈值范围，从而可以根据距离阈值范围初步筛选在距离阈值范围内的地杂波点，该筛选方式简单有效，节省了地杂波点的筛选资源和计算量。
服务器在对原始目标点的数据进行地杂波点的筛选时，可以执行多重筛选，例如，根据方位角和速度进行候选地杂波点的确定，在其中一个可选的实施例中，如图7所示，各原始目标点的数据还包括方位角和速度；上述基于俯仰角，从多个原始目标点中筛选出候选地杂波点，还包括：
S701、预设方位角范围和速度范围。
可选地，在其中一个实施例中，如图8所示，预设方位角范围和速度范围包括：
S801、获取多个样本地杂波点的数据；各样本地杂波点的数据包括方位角和速度。
在本实施例中，以上述步骤中获取俯仰角、距离等参数类似的，服务器将雷达装载于车身前向，获取当前路况的理想环境下，以预设行驶速度行驶中，前向装载雷达采集到的样本地杂波点的数据，该样本地杂波点的数据包括方位角和速度，可选地，还可以设置前向装载雷达离地面高度为H，以便计算目标物体的方位角和速度等参数定。
S802、统计分析样本地杂波点的方位角的分布范围，得到方位角范围。
在本实施例中，服务器根据得到的样本地杂波点，统计确定该筛选得到的样本地杂波点中方位角的最大值θmax和最小值θmin，将(θmin，θmax)确定为方位角的阈值范围。其中，方位角的最大值和最小值是根据当前路况、当前的雷达装载位置确定的。
S803、统计分析样本地杂波点的速度的分布范围，得到速度范围。
在本实施例中，服务器根据得到的样本地杂波点，统计确定该筛选得到的样本地杂波点中速度的最大值Vmax和最小值Vmin，将(Vmin，Vmax)确定为速度的阈值范围。其中，速度的最大值和最小值是根据当前路况、当前的雷达装载位置确定的。
S702、将方位角位于方位角范围内、速度位于速度范围内、距离位于距离范围内，且俯仰角也位于俯仰角范围内的原始目标点，确定为候选地杂波点。
在本实施例中，以城市路况、车身前向装载雷达为例，设定方位角的最大值为θ2，方位角的最小值为θ1，设定速度的最大值为V2，速度的最小值为V1。服务器根据θ2和θ1、V2和V1，从获取到的原始目标点中，筛选原始目标点的方位角在(θ1，θ2)范围内、且速度在(V1，V2)范围内的原始目标点，作为候选地杂波点，本实施例对此不做限定。
在本实施例中，服务器根据样本地杂波点的方位角和速度分布范围，确定各种对应的阈值范围，从而可以根据各自对应的阈值范围，从原始目标点中初步筛选在阈值范围内的地杂波点作为候选地杂波点，该筛选方式简单有效，节省了地杂波点的筛选资源和计算量。
服务器在根据俯仰角以及俯仰角范围对原始目标点的数据进行初步筛选得到候选地杂波点之后，为提高地杂波点的筛选精度，服务器还可以进一步地对候选地杂波点进行二次筛选，在一个实施例中，如图9所示，上述根据候选地杂波点的距离、信噪比、以及预设的地杂波点判定模型，从候选地杂波点中筛选出目标地杂波点，包括：
S901、预设地杂波点判定模型。
其中，预设的地杂波点判定模型指的是根据样本地杂波点中地杂波点的距离与信噪比的关系，通过曲线拟合的方法，生成的地杂波点判定模型，该地杂波点判定模型的输入参数为距离，输出参数为信噪比。可选地，服务器将通过该地杂波点判定模型输出的信噪比定义为地杂波门限值，用于进行地杂波点的筛选操作。
S902、将候选地杂波点对应的距离作为地杂波点判定模型的输入，得到各候选地杂波点所对应的地杂波门限值。
其中，地杂波点判定模型的输入为距离，输出为地杂波门限值。示例地，地杂波门限值的计算公式可以表示为：
Tk＝fout(Rk)
在本实施例中，服务器将第k个候选地杂波点的距离Rk代入地杂波点判定模型中，计算第k个候选地杂波点对应的地杂波门限值Tk。
S903、将信噪比小于对应地杂波门限值的候选地杂波点确定为目标地杂波点。
在本实施例中，服务器将该候选地杂波点的回波信号的信噪比SNRk与计算得到的地杂波门限值Tk进行比较，若SNRk<Tk，则服务器确定第k个候选地杂波点为目标地杂波点；若SNRk≥Tk，则服务器确定第k个候选地杂波点为有效点，本实施例对此不做限定。
在本实施例中，服务器通过地杂波点判定模型对候选地杂波进行进一步的筛选判定，可以有效地对候选地杂波点进行二次筛选，提高了地杂波点的识别、筛选精度。
可选地，服务器根据采集到的样本地杂波点的数据进行地杂波点判定模型的构建，在一个实施例中，如图10所示，预设地杂波点判定模型，包括：
S1001、获取多个样本地杂波点的数据；各样本地杂波点的数据包括距离和信噪比。
在本实施例中，基于不同路况的理想环境、雷达载车以不同速度行驶的多种场景，服务器获取各个场景下的多个样本地杂波点的数据；样本地杂波点的数据包括距离和信噪比。
S1002、以距离R为自变量，信噪比SNR为因变量，对多个样本地杂波点的数据进行线性拟合得到地杂波点判定模型。
其中，地杂波点判定模型的输入为样本地杂波点的距离R，输出为样本地杂波点的信噪比SNR。
可选地，在其中一个可选的实施例中，如图11所示，上述以距离R为自变量，信噪比SNR为因变量，对多个样本地杂波点的数据进行线性拟合得到地杂波点判定模型，包括：
S1101、以距离R为自变量，信噪比SNR为因变量，基于多个样本地杂波点的数据，绘制出地杂波平面图数据。
在本实施例中，服务器根据所有样本地杂波点的数据中的距离R和信噪比SNR绘制地杂波平面图数据，该地杂波平面图数据以R为自变量(即坐标系中横轴x)、以SNR为因变量(即坐标系中纵轴y)。可选地，该地杂波平面图数据为散点图数据。
S1102、在距离维上，将地杂波平面图数据中信噪比SNR最大的两个地杂波平面图数据点所对应的样本地杂波点的数据，作为上包络数据。
在本实施例中，服务器提取该杂波平面图数据中每个距离R点上SNR最大的两个地杂波平面图数据点对应的数据，作为上包络数据。可选地，服务器可以先统计存在多少个距离R点，然后分别统计每一个距离R点对应的样本地杂波点的SNR的值，通过排序、比较或其他方法，选取SNR值最大的两个地杂波平面图数据点的数据，作为上包络数据，本实施例对此不做限定。
S1103、根据上包络数据和预设的K条曲线模型，线性拟合得到K条曲线模型所对应的K条曲线；其中，K为大于0的自然数。
其中，预设的K条曲线模型可以表示为：
y＝akxk+ak-1xk-1+...+a1x1+a0
其中，k＝1,2,...,K，K为曲线数量；a为线性系数。
在本实施例中，服务器根据上述步骤确定的所有上包络数据，和上述K条曲线模型，通过线性最小二乘拟合法或其他任意一种线性拟合法，拟合K条曲线，可选地，K条曲线对应的方程可以表示为：
y＝fk(x)
其中，k＝1,2,...,K，K为曲线数量。
S1104、将K条曲线中，所有上包络点到曲线的距离平方和最小的曲线，确定为候选曲线。
在本实施例中，服务器可以根据所有上包络点到曲线的距离平方和，从K条曲线中确定最优的候选曲线，可选地，服务器可以将上包络点到曲线的距离平方和最小的曲线确定为最优的候选曲线。最优的候选曲线可以表示为：
y＝fopt(x)
其确定依据，即上包络点到曲线的距离平方和最小的表达式可以表示为：
Figure BDA0003019674270000131
其中，K为曲线数量，M为上包络点的数量。
S1105、在候选曲线对应的曲线模型上增加预设的调整因子，得到地杂波点判定模型。
其中，预设的调整因子根据实际的路况、雷达安装位置等环境设定。该调整因子的作用为确保上包络点均处于最优的候选曲线的下方。
在本实施例中，可选地，服务器可以在最优的候选曲线对应的曲线模型上增加预设的调整因子，得到地杂波点判定模型，示例地，该地杂波点判定模型对应的曲线方程可以表示为：
y＝fout(x)＝fopt(x)+c
其中，c为调整因子，fopt(x)为最优的候选曲线表达式。
在本实施例中，服务器根据样本地杂波点构建地杂波点判定模型，从而在对获取到的原始目标点的数据执行地杂波点的筛选时，可以有效地对候选地杂波点进行二次筛选，由于地杂波点判定模型是根据典型样本地杂波点的数据拟合得到，提高了地杂波点的识别、筛选精度。
在确定目标地杂波点之后，服务器可以对该目标地杂波点进行下一步的数据处理，在其中一个可选地实施例中，上述地杂波处理方法还包括：
剔除多个原始目标点中的目标地杂波点以得到真实目标点，以基于真实目标点进行目标跟踪；和/或，传感器为毫米波传感器。
在本实施例中，服务器根据上述实施例提供的地杂波处理方法得到目标地杂波点，可选地，服务器可以根据该目标地杂波点，从原始目标点的数据列表中搜索剔除对应的原始目标点；服务器还可以将该目标地杂波点对应的数据赋予第一值，根据该第一值剔除对应的原始目标点。可选地，在剔除目标地杂波点之后，服务器可以根据剩余的有效原始目标点进行跟踪处理，本实施例对此不做限定。
在本实施例中，由于上述地杂波处理方法中确定的目标地杂波点的过程进行了二次筛选，得到的目标地杂波点比较准确，因此，基于目标地杂波点进行剔除操作之后，保留下来的非地杂波点准确性也比较高。
本申请提供的另一种地杂波处理方法，同样可以应用于如图1所示的应用环境中。需要说明的是，在本实施例中，雷达102还应具有测量方位角、俯仰角、速度、距离、以及信噪比的收发天线，本实施例仍以车身前向安装为例进行解释说明，如图1b所示，图1b为车载前向雷达的俯视示意图，该雷达102还可以测量目标物体的方位角θ和距离R，本实施例对此不做限定。
下面将通过实施例并结合附图具体地对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。需要说明的是，本申请图12-图14实施例提供的地杂波处理方法，其执行主体为服务器101，也可以是地杂波处理装置，该地杂波处理装置可以通过软件、硬件或者软硬件结合的方式成为服务器101的部分或全部。下述方法实施例中，均以执行主体是服务器101为例来进行说明。
在一个实施例中，如图12所示，提供了一种地杂波处理方法，涉及的是服务器获取多个原始目标点的数据，基于数据中的至少两个参数因子从多个原始目标点中筛选出目标地杂波点，剔除多个原始目标点中的目标地杂波点以得到真实目标点，以基于真实目标点进行目标跟踪的过程，包括以下步骤：
S1201、获取多个原始目标点的数据；各原始目标点的数据包括至少两个参数因子。
其中，服务器获取的原始目标点的数据包括各目标物体的俯仰角β、方位角θ、速度V、各目标物体与雷达的距离R、以及各目标物体反射的回波信号的信噪比SNR等信息，可选地，至少两个参数因子可以包括第一参数因子和第二参数因子，第一参数因子包括俯仰角、方位角、速度和/或距离；和/或第二参数因子包括距离和信噪比。
在本实施例中，服务器获取到的原始目标点的数据，是经过雷达接收处理后得到的数据，每个原始目标点的数据包含目标物体的距离、俯仰角、方位角、速度、信噪比等信息，服务器根据获取到的原始目标点的数据，进行地杂波点的筛选处理，本实施例对此不做限定。
S1202、基于至少两个参数因子从多个原始目标点中筛选出目标地杂波点。
其中，按照上述步骤S1201给出的例子说明，第一参数因子用于从多个原始目标点中筛选出候选地杂波点；第二参数因子用于从候选地杂波点中确定目标地杂波点。
在本实施例中，服务器可以根据上述步骤202给出的实施例说明如何根据第一参数因子进行候选地杂波点的确定；根据上述步骤203中给出的实施例说明如何根据第二参数因子进行目标地杂波点的确定，本实施例对此不做赘述。
S1203、剔除多个原始目标点中的目标地杂波点以得到真实目标点，以基于真实目标点进行目标跟踪。
在本实施例中，服务器根据步骤S1202中给出的地杂波处理方法，从多个原始目标点中确定目标地杂波点，可选地，服务器可以根据该目标地杂波点，从原始目标点的数据列表中搜索剔除对应的原始目标点；服务器还可以将该目标地杂波点对应的数据赋予第一值，根据该第一值剔除对应的原始目标点。可选地，在剔除目标地杂波点之后，服务器可以根据剩余的有效原始目标点进行跟踪处理。
上述地杂波处理方法中，服务器获取多个原始目标点的数据；各原始目标点的数据包括至少两个参数因子，基于至少两个参数因子从多个原始目标点中筛选出目标地杂波点，剔除多个原始目标点中的目标地杂波点以得到真实目标点，以基于真实目标点进行目标跟踪。本方法中，服务器通过获取到的目标物体至少两个参数因子对原始目标点进行多个维度的联合筛选处理，有效地提高了地杂波点识别、处理的精度和准确率。
服务器根据原始目标点的数据的各个参数以及参数的阈值范围，对原始目标点的数据进行多重筛选，在一个实施例中，如图13所示，上述基于至少两个参数因子从多个原始目标点中筛选出目标地杂波点，包括：
S1301、将至少两个参数因子中的至少一个参数因子作为第一参数因子。
在本实施例中，第一参数因子包括俯仰角、方位角、速度、距离中至少一个参数。
S1302、将至少两个参数因子中的至少两个参数因子作为第二参数因子。
在本实施例中，第二参数因子可以包括距离和信噪比；第二参数因子还可以包括第一参数因子所包括的参数，例如，第二参数因子包括俯仰角、方位角、速度、距离和信噪比。
S1303、基于第一参数因子从多个原始目标点中筛选出候选地杂波点。
在本实施例中，服务器可以对获取到的原始目标点的俯仰角、方位角、速度、距离和各自对应的阈值范围进行候选地杂波点的筛选；还可以按照预设的顺序对获取到的原始目标点的俯仰角、方位角、速度、距离和各自对应的阈值范围进行候选地杂波点的筛选，该预设的顺序可以为距离、速度、俯仰角、方位角，或者其他任意一种顺序。
在本实施例中，若服务器判定原始目标点对应的俯仰角、方位角、速度、距离均位于各自对应的阈值范围内，则服务器确定当前原始目标点为候选地杂波点。即，服务器判定原始目标点的俯仰角β处于俯仰角范围内(βmin,βmax)，且，原始目标点的方位角θ处于方位角范围内(θmin,θmax)，且，原始目标点的速度V处于速度范围内(Vmin,Vmax)，且，原始目标点的距离R处于距离范围内(Rmin,Rmax)时，确定当前原始目标点为候选地杂波点。示例地，俯仰角范围为(-70°，0°)，方位角范围为(-70°,70°)，速度范围为(0,60km/h)，距离范围为(0,20m)，当前原始目标点的数据包括俯仰角为-30°，方位角范围为40°，速度范围为30km/h，距离范围为10m，各参数均处于其对应的阈值范围内，则服务器则确定当前原始目标点为候选地杂波点，本实施例对此不做限定。
S1304、基于第二参数因子从候选地杂波点中筛选出目标地杂波点。
服务器在根据第一参数因子对原始目标点的数据进行初步筛选得到候选地杂波点之后，为提高地杂波点的筛选精度，服务器还可以进一步地对候选地杂波点进行二次筛选，可选地，在一个实施例中，如图14所示，上述基于第二参数因子从候选地杂波点中筛选出目标地杂波点，包括：
S1401、预设地杂波点判定模型。
在本实施例中，与实施例步骤901所提供的地杂波点判定模型的预设方法类似，服务器根据样本地杂波点中地杂波点的距离与信噪比的关系，通过曲线拟合的方法，生成的地杂波点判定模型。
S1402、基于第二参数因子和地杂波点判定模型得到各候选地杂波点所对应的地杂波门限值。
在本实施例中，与上述步骤902类似地，服务器通过将候选地杂波点的距离作为预设的地杂波点判定模型的输入，通过地杂波点判定模型的计算，输出各候选地杂波点对应的地杂波门限值，本实施例不做赘述。
S1403、将小于对应地杂波门限值的候选地杂波点确定为目标地杂波点。
在本实施例中，服务器根据各候选地杂波点的地杂波门限值，与采集到的各候选地杂波点的信噪比进行比较判断，确定当前候选地杂波点是否为目标地杂波点，具体确定方法与步骤903所提供的实施例类似，本实施例不做赘述。
在本实施例中，服务器根据原始目标点的数据的第一参数因子进行初步筛选，一定程度上减少了地杂波二次筛选的数据量，根据第二参数因子和预设的地杂波点判定模型进行目标地杂波点的确定，从多个维度进行联合判断，提高了地杂波点的筛选精度。
为了更好的说明上述方法，如图15所示，本实施例提供一种地杂波处理方法，具体包括：
S101、获取多个样本地杂波点的数据；各样本地杂波点的数据包括俯仰角、距离、方位角和速度中至少一个；
S102、统计分析样本地杂波点的俯仰角、距离、方位角和速度各自对应的分布范围，得到俯仰角、距离、方位角和速度各自对应的范围；
S103、获取多个样本地杂波点的数据；各样本地杂波点的数据包括距离和信噪比；
S104、以距离R为自变量，信噪比SNR为因变量，对多个样本地杂波点的数据进行线性拟合得到地杂波点判定模型；
S105、获取多个原始目标点的数据；各原始目标点的数据包括俯仰角、距离、以及信噪比；
S106、将俯仰角位于俯仰角范围内的、和/或距离位于距离范围内的、和/或方位角位于方位角范围内的、和/或速度位于速度范围内的原始目标点确定为候选地杂波点；
S107、将候选地杂波点对应的距离作为地杂波点判定模型的输入，得到各候选地杂波点所对应的地杂波门限值；
S108、将信噪比小于对应地杂波门限值的候选地杂波点确定为目标地杂波点；
S109、剔除多个原始目标点中的目标地杂波点以得到真实目标点，以基于真实目标点进行目标跟踪。
在本实施例中，服务器通过对样本地杂波点的数据进行预处理，得到样本地杂波点对应的不同维度的参数的阈值范围和地杂波点判定模型，从而在获取到多个原始目标点的数据对应的目标物体的俯仰角、方位角、速度、距离、以及回波信号的信噪比之后，根据不同维度的参数的阈值范围和地杂波点判定模型对原始目标点进行两次筛选，从多个维度对原始目标点进行联合处理，提高了地杂波点识别精度，根据筛选结果进行地杂波点的剔除处理，提高了地杂波点的处理精度和准确率，进一步地，由于有效、准确地剔除了地杂波点，减少了后续对雷达点跟踪的内存及运算量的负担。
上述实施例提供的地杂波处理方法，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
应该理解的是，虽然图2-15的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-15中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图16所示，提供了一种地杂波处理装置，包括：获取模块01、初步筛选模块02和二次筛选模块03，其中：
获取模块01，用于获取多个原始目标点的数据；各原始目标点的数据包括俯仰角、距离、以及信噪比；
初步筛选模块02，用于基于俯仰角，从多个原始目标点中筛选出候选地杂波点；以及
二次筛选模块03，用于基于距离和信噪比，从候选地杂波点中筛选出目标地杂波点。
在其中一个可选的实施例中，上述初步筛选模块02，用于预设俯仰角范围；以及将俯仰角位于俯仰角范围内的原始目标点确定为候选地杂波点。
在其中一个可选的实施例中，上述初步筛选模块02，具体用于获取多个样本地杂波点的数据；各样本地杂波点的数据包括俯仰角；统计分析样本地杂波点的俯仰角的分布范围，得到俯仰角范围。
在其中一个可选的实施例中，上述初步筛选模块02，还用于预设距离范围；以及将距离位于距离范围内且俯仰角也位于俯仰角范围内的原始目标点确定为候选地杂波点。
在其中一个可选的实施例中，上述初步筛选模块02，具体用于获取多个样本地杂波点的数据；各样本地杂波点的数据包括距离；统计分析样本地杂波点的距离的分布范围，得到距离范围。
在其中一个可选的实施例中，各原始目标点的数据还包括方位角和速度；初步筛选模块02，还用于预设方位角范围和速度范围；以及将方位角位于方位角范围内、速度位于速度范围内、距离位于距离范围内，且俯仰角也位于俯仰角范围内的原始目标点，确定为候选地杂波点。
在其中一个可选的实施例中，上述初步筛选模块02，具体用于获取多个样本地杂波点的数据；各样本地杂波点的数据包括方位角和速度；统计分析样本地杂波点的方位角的分布范围，得到方位角范围；统计分析样本地杂波点的速度的分布范围，得到速度范围。
在其中一个可选的实施例中，上述二次筛选模块03，用于预设地杂波点判定模型；将候选地杂波点对应的距离作为地杂波点判定模型的输入，得到各候选地杂波点所对应的地杂波门限值；以及将信噪比小于对应地杂波门限值的候选地杂波点确定为目标地杂波点。
在其中一个可选的实施例中，上述二次筛选模块03，具体用于获取多个样本地杂波点的数据；各样本地杂波点的数据包括距离和信噪比；以及以距离R为自变量，信噪比SNR为因变量，对多个样本地杂波点的数据进行线性拟合得到地杂波点判定模型。
在其中一个可选的实施例中，上述二次筛选模块03，具体用于以距离R为自变量，信噪比SNR为因变量，基于多个样本地杂波点的数据，绘制出地杂波平面图数据；在距离维上，将地杂波平面图数据中信噪比SNR最大的两个地杂波平面图数据点所对应的样本地杂波点的数据，作为上包络数据；根据上包络数据和预设的K条曲线模型，线性拟合得到K条曲线模型所对应的K条曲线；其中，K为大于0的自然数；将K条曲线中，所有上包络点到曲线的距离平方和最小的曲线，确定为候选曲线；在候选曲线对应的曲线模型上增加预设的调整因子，得到地杂波点判定模型。
在其中一个可选的实施例中，如图17所示，上述地杂波处理装置还包括剔除模块04；
剔除模块04，用于剔除多个原始目标点中的目标地杂波点以得到真实目标点，以基于真实目标点进行目标跟踪；和/或传感器为毫米波传感器。
在一个实施例中，如图18所示，提供了另一种地杂波处理装置，包括：获取模块11、筛选模块12和剔除模块13，其中：
获取模块11，用于获取多个原始目标点的数据；各原始目标点的数据包括至少两个参数因子；
筛选模块12，用于基于至少两个参数因子从多个原始目标点中筛选出目标地杂波点；
剔除模块13，用于剔除多个原始目标点中的目标地杂波点以得到真实目标点，以基于真实目标点进行目标跟踪。
在其中一个可选的实施例中，上述筛选模块12，用于将至少两个参数因子中的至少一个参数因子作为第一参数因子；将至少两个参数因子中的至少两个参数因子作为第二参数因子；基于第一参数因子从多个原始目标点中筛选出候选地杂波点；以及基于第二参数因子从候选地杂波点中筛选出目标地杂波点。
在其中一个可选的实施例中，上述筛选模块12，具体用于预设地杂波点判定模型；基于第二参数因子和地杂波点判定模型得到各候选地杂波点所对应的地杂波门限值；以及将小于对应地杂波门限值的候选地杂波点确定为目标地杂波点。
在其中一个可选的实施例中，上述第一参数因子包括俯仰角、方位角、速度和/或距离；和/或第二参数因子包括距离和信噪比。
关于地杂波处理装置的具体限定可以参见上文中对于地杂波处理方法的限定，在此不再赘述。上述地杂波处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图19所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种地杂波处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图19中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取多个原始目标点的数据；各原始目标点的数据包括俯仰角、距离、以及信噪比；
基于俯仰角，从多个原始目标点中筛选出候选地杂波点；以及
基于距离和信噪比，从候选地杂波点中筛选出目标地杂波点。
上述实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取多个原始目标点的数据；各原始目标点的数据包括至少两个参数因子；
基于至少两个参数因子从多个原始目标点中筛选出目标地杂波点；以及
剔除多个原始目标点中的目标地杂波点以得到真实目标点，以基于真实目标点进行目标跟踪。
上述实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取多个原始目标点的数据；各原始目标点的数据包括俯仰角、距离、以及信噪比；
基于俯仰角，从多个原始目标点中筛选出候选地杂波点；以及
基于距离和信噪比，从候选地杂波点中筛选出目标地杂波点。
上述实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取多个原始目标点的数据；各原始目标点的数据包括至少两个参数因子；
基于至少两个参数因子从多个原始目标点中筛选出目标地杂波点；以及
剔除多个原始目标点中的目标地杂波点以得到真实目标点，以基于真实目标点进行目标跟踪。
上述实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (19)

1.一种地杂波处理方法，其特征在于，应用于利用传感器进行目标检测的信号处理层中，所述方法包括：
获取多个原始目标点的数据；各原始目标点的数据包括俯仰角、距离、以及信噪比；
基于俯仰角，从所述多个原始目标点中筛选出候选地杂波点；以及
基于距离和信噪比，从所述候选地杂波点中筛选出目标地杂波点。
2.根据权利要求1所述的方法，其特征在于，所述基于俯仰角，从所述多个原始目标点中筛选出候选地杂波点，包括：
预设俯仰角范围；以及
将俯仰角位于所述俯仰角范围内的原始目标点确定为所述候选地杂波点。
3.根据权利要求2所述的方法，其特征在于，所述预设俯仰角范围，包括：
获取多个样本地杂波点的数据；各样本地杂波点的数据包括俯仰角；
统计分析所述样本地杂波点的俯仰角的分布范围，得到所述俯仰角范围。
4.根据权利要求2所述的方法，其特征在于，所述基于俯仰角，从所述多个原始目标点中筛选出候选地杂波点，还包括：
预设距离范围；以及
将距离位于所述距离范围内且俯仰角也位于所述俯仰角范围内的原始目标点确定为所述候选地杂波点。
5.根据权利要求4所述的方法，其特征在于，所述预设距离范围，包括：
获取多个样本地杂波点的数据；各样本地杂波点的数据包括距离；
统计分析所述样本地杂波点的距离的分布范围，得到所述距离范围。
6.根据权利要求4所述的方法，其特征在于，各原始目标点的数据还包括方位角和速度；所述基于俯仰角，从所述多个原始目标点中筛选出候选地杂波点，还包括：
预设方位角范围和速度范围；以及
将方位角位于所述方位角范围内、速度位于所述速度范围内、距离位于所述距离范围内，且俯仰角也位于所述俯仰角范围内的原始目标点，确定为所述候选地杂波点。
7.根据权利要求6所述的方法，其特征在于，所述预设距离范围，包括：
获取多个样本地杂波点的数据；各样本地杂波点的数据包括方位角和速度；
统计分析所述样本地杂波点的方位角的分布范围，得到所述方位角范围；
统计分析所述样本地杂波点的速度的分布范围，得到所述速度范围。
8.根据权利要求1所述的方法，其特征在于，所述基于距离和信噪比，从所述候选地杂波点中筛选出目标地杂波点，包括：
预设地杂波点判定模型；
将候选地杂波点对应的距离作为所述地杂波点判定模型的输入，得到各候选地杂波点所对应的地杂波门限值；以及
将信噪比小于对应地杂波门限值的候选地杂波点确定为目标地杂波点。
9.根据权利要求8所述的方法，其特征在于，所述预设地杂波点判定模型，包括：
获取多个样本地杂波点的数据；各样本地杂波点的数据包括距离和信噪比；以及
以距离R为自变量，信噪比SNR为因变量，对所述多个样本地杂波点的数据进行线性拟合得到所述地杂波点判定模型。
10.根据权利要求9所述的方法，其特征在于，所述以距离R为自变量，信噪比SNR为因变量，对所述多个样本地杂波点的数据进行线性拟合得到所述地杂波点判定模型，包括：
以距离R为自变量，信噪比SNR为因变量，基于所述多个样本地杂波点的数据，绘制出地杂波平面图数据；
在距离维上，将所述地杂波平面图数据中信噪比SNR最大的两个地杂波平面图数据点所对应的样本地杂波点的数据，作为上包络数据；
根据所述上包络数据和预设的K条曲线模型，线性拟合得到所述K条曲线模型所对应的K条曲线；其中，K为大于0的自然数；
将所述K条曲线中，所有上包络点到曲线的距离平方和最小的曲线，确定为候选曲线；
在所述候选曲线对应的曲线模型上增加预设的调整因子，得到所述地杂波点判定模型。
11.根据权利要求1-10中任一项所述的方法，其特征在于，还包括：
剔除所述多个原始目标点中的目标地杂波点以得到真实目标点，以基于所述真实目标点进行目标跟踪；和/或
所述传感器为毫米波传感器。
12.一种地杂波处理方法，其特征在于，应用于利用传感器进行目标检测的信号处理层中，所述方法包括：
获取多个原始目标点的数据；各原始目标点的数据包括至少两个参数因子；
基于所述至少两个参数因子从所述多个原始目标点中筛选出目标地杂波点；
剔除所述多个原始目标点中的目标地杂波点以得到真实目标点；以及
基于所述真实目标点进行目标跟踪。
13.根据权利要求12所述的方法，其特征在于，所述基于所述至少两个参数因子从所述多个原始目标点中筛选出目标地杂波点，包括：
将所述至少两个参数因子中的至少一个参数因子作为第一参数因子；
将所述至少两个参数因子中的至少两个参数因子作为第二参数因子；
基于所述第一参数因子从所述多个原始目标点中筛选出候选地杂波点；以及
基于第二参数因子从所述候选地杂波点中筛选出目标地杂波点。
14.根据权利要求13所述的方法，其特征在于，所述基于第二参数因子从所述候选地杂波点中筛选出目标地杂波点，包括：
预设地杂波点判定模型；
基于所述第二参数因子和所述地杂波点判定模型得到各候选地杂波点所对应的地杂波门限值；以及
将小于对应地杂波门限值的候选地杂波点确定为所述目标地杂波点。
15.根据权利要求13或14所述的方法，其特征在于，所述第一参数因子包括俯仰角、方位角、速度和/或距离；和/或
所述第二参数因子包括距离和信噪比。
16.一种地杂波处理装置，其特征在于，所述装置包括：
获取模块，用于获取多个原始目标点的数据；各原始目标点的数据包括俯仰角、距离、以及信噪比；
初步筛选模块，用于基于俯仰角，从所述多个原始目标点中筛选出候选地杂波点；以及
二次筛选模块，用于基于距离和信噪比，从所述候选地杂波点中筛选出目标地杂波点。
17.一种地杂波处理装置，其特征在于，所述装置包括：
获取模块，用于获取多个原始目标点的数据；各原始目标点的数据包括至少两个参数因子；
筛选模块，用于基于所述至少两个参数因子从所述多个原始目标点中筛选出目标地杂波点；
剔除模块，用于剔除所述多个原始目标点中的目标地杂波点以得到真实目标点，以基于所述真实目标点进行目标跟踪。
18.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至15中任一项所述的方法的步骤。
19.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至15中任一项所述的方法的步骤。
CN202110399141.5A 2021-04-14 2021-04-14 地杂波处理方法、装置、计算机设备和存储介质 Pending CN113219430A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110399141.5A CN113219430A (zh) 2021-04-14 2021-04-14 地杂波处理方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110399141.5A CN113219430A (zh) 2021-04-14 2021-04-14 地杂波处理方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN113219430A true CN113219430A (zh) 2021-08-06

Family

ID=77087129

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110399141.5A Pending CN113219430A (zh) 2021-04-14 2021-04-14 地杂波处理方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN113219430A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009276084A (ja) * 2008-05-12 2009-11-26 Toyota Motor Corp レーダー装置
CN102243298A (zh) * 2011-04-25 2011-11-16 中国民航大学 一种基于dem的机载气象雷达地杂波剔除方法
CN102269809A (zh) * 2011-07-11 2011-12-07 中国民航大学 一种基于地形高程数据的机载气象雷达地杂波剔除方法
CN103529437A (zh) * 2013-10-15 2014-01-22 西安电子科技大学 系留气球载相控阵雷达在多目标下分辨空地目标的方法
CN106405513A (zh) * 2016-11-19 2017-02-15 陕西长岭电子科技有限责任公司 基于多层扫描对比的地杂波抑制方法
CN106772282A (zh) * 2016-11-08 2017-05-31 北京敏视达雷达有限公司 双偏振雷达的系统差分相移标定方法及系统
CN108535709A (zh) * 2017-03-06 2018-09-14 通用汽车环球科技运作有限责任公司 道路杂波抑除
CN108983164A (zh) * 2017-05-31 2018-12-11 松下电器产业株式会社 雷达信号处理装置和雷达信号处理方法
CN111123269A (zh) * 2019-12-30 2020-05-08 成都纳雷科技有限公司 用于无人机避障雷达的地面杂波抑制方法、模块及装置
CN111398910A (zh) * 2020-03-11 2020-07-10 四川九洲防控科技有限责任公司 雷达信号检测方法、装置、电子设备及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009276084A (ja) * 2008-05-12 2009-11-26 Toyota Motor Corp レーダー装置
CN102243298A (zh) * 2011-04-25 2011-11-16 中国民航大学 一种基于dem的机载气象雷达地杂波剔除方法
CN102269809A (zh) * 2011-07-11 2011-12-07 中国民航大学 一种基于地形高程数据的机载气象雷达地杂波剔除方法
CN103529437A (zh) * 2013-10-15 2014-01-22 西安电子科技大学 系留气球载相控阵雷达在多目标下分辨空地目标的方法
CN106772282A (zh) * 2016-11-08 2017-05-31 北京敏视达雷达有限公司 双偏振雷达的系统差分相移标定方法及系统
CN106405513A (zh) * 2016-11-19 2017-02-15 陕西长岭电子科技有限责任公司 基于多层扫描对比的地杂波抑制方法
CN108535709A (zh) * 2017-03-06 2018-09-14 通用汽车环球科技运作有限责任公司 道路杂波抑除
CN108983164A (zh) * 2017-05-31 2018-12-11 松下电器产业株式会社 雷达信号处理装置和雷达信号处理方法
CN111123269A (zh) * 2019-12-30 2020-05-08 成都纳雷科技有限公司 用于无人机避障雷达的地面杂波抑制方法、模块及装置
CN111398910A (zh) * 2020-03-11 2020-07-10 四川九洲防控科技有限责任公司 雷达信号检测方法、装置、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
秦娟: "基于DEM的机载气象雷达地杂波剔除方法", 《信号处理》, vol. 27, no. 10, pages 1484 - 1488 *

Similar Documents

Publication Publication Date Title
CN110443786B (zh) 激光雷达点云滤波方法、装置、计算机设备和存储介质
CN110782465B (zh) 一种基于激光雷达的地面分割方法、装置及存储介质
CN112666588B (zh) 一种城市峡谷环境下基于景象匹配与机器学习的定位方法
CN107505603A (zh) 用于测试车用天线罩体的发射属性和反射属性的方法和设备
CN103793907A (zh) 一种水体信息的提取方法及装置
KR101291980B1 (ko) 기상레이더 반사도 자료의 통합품질지수 생성 방법
CN111142085B (zh) 一种基于航迹特征提取的外辐射源雷达目标分类识别方法
CN105549009A (zh) 一种基于超像素的sar图像cfar目标检测方法
CN112949519B (zh) 目标检测方法、装置、设备及存储介质
CN112526470A (zh) 标定雷达参数的方法和装置、电子设备、存储介质
US10958287B1 (en) Efficient compression of radar data
CN116931101A (zh) 地下浅层病害体探测方法、装置、电子设备及存储介质
CN116547562A (zh) 点云滤噪方法、系统和可移动平台
CN114201851A (zh) 一种基于双层云的云特性定量反演方法及系统
CN113344954A (zh) 边界检测方法、装置、计算机设备、存储介质和传感器
CN113219430A (zh) 地杂波处理方法、装置、计算机设备和存储介质
KR101694521B1 (ko) 전파지문지도 생성 장치 및 방법
CN116184407B (zh) Sar影像辐射质量问题自动化标记方法、装置及设备
CN113034539A (zh) 一种确定点云的边界框的方法及装置
CN113591890A (zh) 一种聚类的方法和装置
CN115294148A (zh) 基于分水岭算法的颗粒物粒径分析方法、装置和存储介质
CN112989946B (zh) 一种车道线的确定方法、装置、设备及车辆
CN114779235A (zh) 基于车载毫米波雷达的道路边界检测方法和系统
CN108564054A (zh) 一种基于cfar的精确溢油检测方法
Li et al. Pavement pothole detection based on 3d laser point cloud

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