CN113219446A - 车内雷达占位识别方法、装置及车载雷达 - Google Patents
车内雷达占位识别方法、装置及车载雷达 Download PDFInfo
- Publication number
- CN113219446A CN113219446A CN202110483820.0A CN202110483820A CN113219446A CN 113219446 A CN113219446 A CN 113219446A CN 202110483820 A CN202110483820 A CN 202110483820A CN 113219446 A CN113219446 A CN 113219446A
- Authority
- CN
- China
- Prior art keywords
- matrix
- point cloud
- frame
- vehicle
- 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.)
- 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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明适用于雷达技术领域,提供了一种车内雷达占位识别方法、装置及车载雷达,该方法包括:获取目标车辆对应的区域划分矩阵、空间位置矩阵和车载雷达对目标车辆内部扫描得到的多帧点云数据;根据目标车辆对应的空间位置矩阵及各帧点云数据,统计落在各个空间内的点云数量,得到对应的点云统计矩阵;基于分割阈值对各帧点云统计矩阵中的元素进行分类赋值,得到各帧点云数据对应的第一矩阵;最后根据近邻聚类法及各帧第一矩阵确定各帧点云数据在空间位置矩阵中的初始质心位置;基于初始质心位置确定所述目标车辆存在占位的区域。本申请通过空间划分,能够基于各个空间的点云数量快速的确定车内占位情况,从而提高车内占位识别效果。
Description
技术领域
本发明属于雷达技术领域,尤其涉及一种车内雷达占位识别方法、装置及车载雷达。
背景技术
随着人们对汽车安全性能意识的不断提升,车内座位占用识别技术的需求也越来越迫切,目前,车内座位占用识别通常采用雷达监测技术,该技术根据雷达接收机对车内扫描的回波信号获取点云数据,然后基于点云数据的排布特征确定车内占位情况;但是该方法容易受汽车舱内大小的制约,不宜方便快速的查找到区域最优位置,占位识别效果不佳。
发明内容
有鉴于此,本发明实施例提供了一种车内雷达占位识别方法、装置及车载雷达,以解决现有技术中车内雷达占位识别效果差的问题。
本发明实施例的第一方面提供了一种车内雷达占位识别方法,包括:
获取目标车辆对应的区域划分矩阵、空间位置矩阵和车载雷达对目标车辆内部扫描得到的多帧点云数据;所述区域划分矩阵中的元素表示所述目标车辆划分的多个区域的位置信息,所述空间位置矩阵中的元素表示每个区域对应的多个空间的位置信息;
根据所述目标车辆对应的空间位置矩阵及各帧点云数据,统计落在各个空间内的点云数量,得到各帧点云数据对应的点云统计矩阵;
基于所述区域划分矩阵确定各帧点云统计矩阵中各个元素对应的分割阈值,并基于各个元素对应的分割阈值对各帧点云统计矩阵中的元素进行分类赋值,得到各帧点云数据对应的第一矩阵;
根据近邻聚类法及各帧点云数据对应的第一矩阵确定各帧点云数据在空间位置矩阵中的初始质心位置;
根据各帧点云数据在空间位置矩阵中的初始质心位置确定所述目标车辆存在占位的区域。
本发明实施例的第二方面提供了一种车内雷达占位识别装置,包括:
数据获取模块,用于获取目标车辆对应的区域划分矩阵、空间位置矩阵和车载雷达对目标车辆内部扫描得到的多帧点云数据;所述区域划分矩阵中的元素表示所述目标车辆划分的多个区域的位置信息,所述空间位置矩阵中的元素表示每个区域对应的多个空间的位置信息;
点云统计矩阵确定模块,用于根据所述目标车辆对应的空间位置矩阵及各帧点云数据,统计落在各个空间内的点云数量,得到各帧点云数据对应的点云统计矩阵;
第一矩阵确定模块,用于基于所述区域划分矩阵确定各帧点云统计矩阵中各个元素对应的分割阈值,并基于各个元素对应的分割阈值对各帧点云统计矩阵中的元素进行分类赋值,得到各帧点云数据对应的第一矩阵;
质心位置确定模块,用于根据近邻聚类法及各帧点云数据对应的第一矩阵确定各帧点云数据在空间位置矩阵中的初始质心位置;
占位识别模块,用于根据各帧点云数据在空间位置矩阵中的初始质心位置确定所述目标车辆存在占位的区域。
本发明实施例的第三方面提供了一种车载雷达,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上所述车内雷达占位识别方法的步骤。
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,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上所述车内雷达占位识别方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:本实施例首先获取目标车辆对应的区域划分矩阵、空间位置矩阵和车载雷达对目标车辆内部扫描得到的多帧点云数据;然后根据所述目标车辆对应的空间位置矩阵及各帧点云数据,统计落在各个空间内的点云数量,得到各帧点云数据对应的点云统计矩阵;基于所述区域划分矩阵确定各帧点云统计矩阵中各个元素对应的分割阈值,并基于各个元素对应的分割阈值对各帧点云统计矩阵中的元素进行分类赋值,得到各帧点云数据对应的第一矩阵;最后根据近邻聚类法及各帧点云数据对应的第一矩阵确定各帧点云数据在空间位置矩阵中的初始质心位置;根据各帧点云数据在空间位置矩阵中的初始质心位置确定所述目标车辆存在占位的区域。本实施例通过对目标车辆内的多区域进行空间划分,能够基于各个空间的点云数量快速的确定车内占位情况,从而提高车内占位识别效果。
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车内雷达占位识别方法的流程示意图;
图2是本发明实施例提供的目标车辆的车内区域示意图;
图3是本发明实施例提供的空间位置矩阵中元素位置坐标的示意图;
图4是本发明实施例提供的车内雷达占位识别装置的示意图;
图5是本发明实施例提供的车载雷达的示意图。
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。
在一个实施例中,如图1所示,图1示出了本实施例提供的一种车内雷达占位识别方法的流程,其过程详述如下:
S101:获取目标车辆对应的区域划分矩阵、空间位置矩阵和车载雷达对目标车辆内部扫描得到的多帧点云数据;所述区域划分矩阵中的元素表示所述目标车辆划分的多个区域的位置信息,所述空间位置矩阵中的元素表示每个区域对应的多个空间的位置信息。
在一个实施例中,所述车载雷达安装于所述目标车辆的车内顶部;所述区域划分矩阵A={(xn-1,xn,ym-1,ym)n∈[1,N],m∈[1,M]},其中,N表示横向区域划分数量,M表示纵向区域划分数量;(xn-1,xn,ym-1,ym)表示区域在俯视平面下的二维位置坐标;所述空间位置矩阵B={(xi-1,xi,yj-1,yj)i∈[1,I],j∈(1,J)},其中,I表示横向空间划分数量,J表示纵向空间划分数量;(xi-1,xi,yj-1,yj)表示空间在俯视平面下的二维位置坐标。
在本实施例中,车载雷达可以采用毫米波雷达,毫米波穿透雾、烟、灰尘的能力强,能够实现距离、速度、方位角和俯仰角等多维分辨,毫米波雷达FOV视角广,有效带宽较大,检测精度高,利用特殊的高频信号处理算法,能够识别呼吸微动目标,且具有体积小,重量轻的特点,隐藏式安装无需破坏车内造型,能够保持车辆造型的完整性和美观化。
具体地,车载雷达采用多发多收的MIMO(Multiple-Input Multiple-Out-put,多输入多输出系统)设计方案,且集成度高,包含射频前端和信号处理模块,以及丰富的外设接口。雷达信号处理算法的实现在车载雷达内部MCU中完成,雷达将识别结果通过CAN((Controller Area Network,控制器局域网络)发送到车身控制器。车载雷达还能够实现休眠唤醒功能,支持FOTA远程升级功能。
具体地,当车辆点火(IGON)时,车载雷达上电激活,开始工作,通过发射天线向车内空间发送特定频率的电磁波,电磁波遇到物体发生反射,接收天线接收该回波信号,经过ADC采样和带通滤波处理,从一定程度上滤除带外干扰信号,获得车内单帧对应的不同距离、方位角和俯仰角的点云数据,该点云数据按距离单元由近及远排列。
本实施例通过上述方法获取多帧点云数据。
在本实施例中,图2示出了本实施例提供的目标车辆的车内俯视示意图,如图2所示,车载雷达M1可以安装在目标车辆的车顶中间部位,即顶棚和钣金中间,为非外露式安装。车内区域可以分为前排两个座位对应的区域(1、2)和后排三个座位对应的区域(3、4、5),共五个区域。然后将5个区域分别进行立方体划分,得到多个立方体。
示例性的,立方体可以取5cm*5cm*120cm的尺寸。
由于车载雷达设置于车顶,因此,可以将俯视截面作为坐标平面,以俯视截面的某一角作为坐标原点,将各个区域在该坐标平面下的二维坐标作为区域位置矩阵中各个区域的位置信息,将各个立方体空间在该坐标平面下的二维坐标作为空间位置矩阵中各个立方体空间的位置信息。
在本实施例中,立方体空间的二维坐标表示该立方体空间在俯视截面的矩形的端点坐标,如图3所示,(xn-1,xn,ym-1,ym)表示空间位置矩阵中第n行、第m列的空间对应的位置,即图3中anm对应的位置。同理,(xi-1,xi,yj-1,yj)可表示区域位置矩阵中第i行、第j列的区域在俯视截面的矩形区域位置信息。
S102:根据所述目标车辆对应的空间位置矩阵及各帧点云数据,统计落在各个空间内的点云数量,得到各帧点云数据对应的点云统计矩阵。
在本实施例中,点云数据中携带着各个数据点对应的位置信息,根据各个数据点对应的位置信息,确定点云数据落在哪个立方体空间内,然后统计各个立方体空间内的点云数量,得到点云统计矩阵,点云统计矩阵可表示为[k11,k12,k13,...,kmn]m*n,其中kmn表示第m行,第n列的空间对应的点云数量。
S103:基于所述区域划分矩阵确定各帧点云统计矩阵中各个元素对应的分割阈值,并基于各个元素对应的分割阈值对各帧点云统计矩阵中的元素进行分类赋值,得到各帧点云数据对应的第一矩阵。
在一个实施例中,图1中的S103的具体实现流程包括:
S201:根据所述区域划分矩阵中各个区域对应的位置信息,确定所述点云统计矩阵中各个元素所属的区域;每个区域对应一个分割阈值;
S202:根据所述点云统计矩阵中各个元素所属的区域,确定所述点云矩阵中各个元素对应的分割阈值。
在一个实施例中,图1中的S103的具体实现流程还包括:
针对各帧点云统计矩阵中的每个元素,若该元素对应的点云数量大于该元素对应的分割阈值,则将该元素赋值为第一值;若该元素对应的点云数量小于或等于该元素对应的分割阈值,则将该元素赋值为第二值;所述第一值不等于所述第二值。
在本实施例中,为各个区域分别设置不同的阈值,然后根据各空间所处区域的不同对各个空间对应的点云统计矩阵元素进行赋值。
具体地,判定决策5个区域俯视图的范围大小和阈值是经过大量测试确定的。
示例性地,第一值为1,第二值为0。
S104:根据近邻聚类法及各帧点云数据对应的第一矩阵确定各帧点云数据在空间位置矩阵中的初始质心位置。
在一个实施例中,图1中的S104的具体实现流程包括:
针对各帧第一矩阵中的任一元素Dmn,若Dmn的数值为第一值,则遍历D(m+1)n、Dm(n+1)、D(m+1)(n+1)的数值;若D(m+1)n、Dm(n+1)、D(m+1)(n+1)的数值均为第一值,则将D(m+1)n、Dm(n+1)、D(m+1)(n+1)的数值更新为第三值;
针对任一帧第一矩阵,将该帧第一矩阵中数值为第三值的元素作为该帧第一矩阵的目标元素,并基于所述空间位置矩阵获取该帧第一矩阵的目标元素对应空间的位置信息;对该帧第一矩阵的目标元素对应空间的位置信息求均值,得到该帧点云数据在空间位置矩阵中的初始质心位置。
在本实施例中,针对任一帧第一矩阵,对该第一矩阵进行最近邻域分析,遍历每个区域的矩阵数据。具体地,第一步,若Dmn等于1,则遍历D(m+1)n、Dm(n+1)、D(m+1)(n+1)的数值;第二步,若D(m+1)n、Dm(n+1)、D(m+1)(n+1)均为1,则将D(m+1)n、Dm(n+1)、D(m+1)(n+1)设为‘2’,形成新的第一矩阵;第三步,从空间位置矩阵中提取更新后的第一矩阵中数值为‘2’的位置信息。
在得到该帧第一矩阵中数值为“2”的元素对应的空间位置矩阵中的位置信息后,对该帧得到的多个位置求均值,得到该帧对应的初始质心位置。
S105:根据各帧点云数据在空间位置矩阵中的初始质心位置确定所述目标车辆存在占位的区域。
在一个实施例中,图1中的S105的具体实现流程包括:
若第一区域中存在初始质心位置的点云数据帧数与点云数据总帧数的比值大于第一阈值,则将所述第一区域判定为存在占位的区域;所述第一区域为所述目标车辆内的任一区域。
在本实施例中,若初始质心位置在其中5个区域内,则在该区域置‘1’,其余置‘0’,滤波处理,统计每个区域M帧结果中1出现的次数,若统计结果超过70%,则认为该区域座位存在占用。
若某一座位存在占位,车载雷达则将占位信息发送至车身控制器,车身控制器将占位信息在车身显示器/仪表盘上显示,提醒驾乘人员系好安全带。
从上述实施例可知,本实施例首先获取目标车辆对应的区域划分矩阵、空间位置矩阵和车载雷达对目标车辆内部扫描得到的多帧点云数据;然后根据所述目标车辆对应的空间位置矩阵及各帧点云数据,统计落在各个空间内的点云数量,得到各帧点云数据对应的点云统计矩阵;基于所述区域划分矩阵确定各帧点云统计矩阵中各个元素对应的分割阈值,并基于各个元素对应的分割阈值对各帧点云统计矩阵中的元素进行分类赋值,得到各帧点云数据对应的第一矩阵;最后根据近邻聚类法及各帧点云数据对应的第一矩阵确定各帧点云数据在空间位置矩阵中的初始质心位置;根据各帧点云数据在空间位置矩阵中的初始质心位置确定所述目标车辆存在占位的区域。本实施例通过对目标车辆内的多区域进行空间划分,能够基于各个空间的点云数量快速的确定车内占位情况,从而提高车内占位识别效果。
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。
在一个实施例中,如图4所示,图4示出了本实施例提供的车内雷达占位识别装置100的结构,其包括:
数据获取模块110,用于获取目标车辆对应的区域划分矩阵、空间位置矩阵和车载雷达对目标车辆内部扫描得到的多帧点云数据;所述区域划分矩阵中的元素表示所述目标车辆划分的多个区域的位置信息,所述空间位置矩阵中的元素表示每个区域对应的多个空间的位置信息;
点云统计矩阵确定模块120,用于根据所述目标车辆对应的空间位置矩阵及各帧点云数据,统计落在各个空间内的点云数量,得到各帧点云数据对应的点云统计矩阵;
第一矩阵确定模块130,用于基于所述区域划分矩阵确定各帧点云统计矩阵中各个元素对应的分割阈值,并基于各个元素对应的分割阈值对各帧点云统计矩阵中的元素进行分类赋值,得到各帧点云数据对应的第一矩阵;
质心位置确定模块140,用于根据近邻聚类法及各帧点云数据对应的第一矩阵确定各帧点云数据在空间位置矩阵中的初始质心位置;
占位识别模块150,用于根据各帧点云数据在空间位置矩阵中的初始质心位置确定所述目标车辆存在占位的区域。
从上述实施例可知,本实施例首先获取目标车辆对应的区域划分矩阵、空间位置矩阵和车载雷达对目标车辆内部扫描得到的多帧点云数据;然后根据所述目标车辆对应的空间位置矩阵及各帧点云数据,统计落在各个空间内的点云数量,得到各帧点云数据对应的点云统计矩阵;基于所述区域划分矩阵确定各帧点云统计矩阵中各个元素对应的分割阈值,并基于各个元素对应的分割阈值对各帧点云统计矩阵中的元素进行分类赋值,得到各帧点云数据对应的第一矩阵;最后根据近邻聚类法及各帧点云数据对应的第一矩阵确定各帧点云数据在空间位置矩阵中的初始质心位置;根据各帧点云数据在空间位置矩阵中的初始质心位置确定所述目标车辆存在占位的区域。本实施例通过对目标车辆内的多区域进行空间划分,能够基于各个空间的点云数量快速的确定车内占位情况,从而提高车内占位识别效果。
在一个实施例中,所述车载雷达安装于所述目标车辆的车内顶部;所述区域划分矩阵A={(xn,xn+1,ym,ym+1)|n∈[0,N],m∈[1,M]},其中,N表示横向区域划分数量,M表示纵向区域划分数量;(xn,xn+1,ym,ym+1)表示区域在俯视平面下的二维位置坐标;所述空间位置矩阵B={(xi,xi+1,yj,yj+1)|i∈[1,I],j∈(1,J)},其中,I表示横向空间划分数量,J表示纵向空间划分数量;(xi,xi+1,yj,yj+1)表示空间在俯视平面下的二维位置坐标。
在一个实施例中,图4中的第一矩阵确定模块130包括:
区域确定单元,用于根据所述区域划分矩阵中各个区域对应的位置信息,确定所述点云统计矩阵中各个元素所属的区域;每个区域对应一个分割阈值;
分割阈值获取单元,用于根据所述点云统计矩阵中各个元素所属的区域,确定所述点云矩阵中各个元素对应的分割阈值。
在一个实施例中,图4中的第一矩阵确定模块130还包括:
分类赋值单元,用于针对各帧点云统计矩阵中的每个元素,若该元素对应的点云数量大于该元素对应的分割阈值,则将该元素赋值为第一值;若该元素对应的点云数量小于或等于该元素对应的分割阈值,则将该元素赋值为第二值;所述第一值不等于所述第二值。
在一个实施例中,图4中的质心位置确定模块140具体用于:
针对各帧第一矩阵中的任一元素Dmn,若Dmn的数值为第一值,则遍历D(m+1)n、Dm(n+1)、D(m+1)(n+1)的数值;若D(m+1)n、Dm(n+1)、D(m+1)(n+1)的数值均为第一值,则将D(m+1)n、Dm(n+1)、D(m+1)(n+1)的数值更新为第三值;
针对任一帧第一矩阵,将该帧第一矩阵中数值为第三值的元素作为该帧第一矩阵的目标元素,并基于所述空间位置矩阵获取该帧第一矩阵的目标元素对应空间的位置信息;对该帧第一矩阵的目标元素对应空间的位置信息求均值,得到该帧点云数据在空间位置矩阵中的初始质心位置。
在一个实施例中,图4中的占位识别模块150具体用于:
若第一区域中存在初始质心位置的点云数据帧数与点云数据总帧数的比值大于第一阈值,则将所述第一区域判定为存在占位的区域;所述第一区域为所述目标车辆内的任一区域。
图5是本发明一实施例提供的车载雷达的示意图。如图5所示,该实施例的车载雷达5包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52。所述处理器50执行所述计算机程序52时实现上述各个车内雷达占位识别方法实施例中的步骤,例如图1所示的步骤101至105。或者,所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能,例如图4所示模块110至150的功能。
所述计算机程序52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51中,并由所述处理器50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52在所述车载雷达5中的执行过程。所述车载雷达5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。所述车载雷达可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是车载雷达5的示例,并不构成对车载雷达5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,例如所述车载雷达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50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。
所述存储器51可以是所述车载雷达5的内部存储单元,例如车载雷达5的硬盘或内存。所述存储器51也可以是所述车载雷达5的外部存储设备,例如所述车载雷达5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51还可以既包括所述车载雷达5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述车载雷达所需的其他程序和数据。所述存储器51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,所揭露的车载雷达和方法,可以通过其它的方式实现。例如,以上所描述的车载雷达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)
1.一种车内雷达占位识别方法,其特征在于,包括:
获取目标车辆对应的区域划分矩阵、空间位置矩阵和车载雷达对目标车辆内部扫描得到的多帧点云数据;所述区域划分矩阵中的元素表示所述目标车辆划分的多个区域的位置信息,所述空间位置矩阵中的元素表示每个区域对应的多个空间的位置信息;
根据所述目标车辆对应的空间位置矩阵及各帧点云数据,统计落在各个空间内的点云数量,得到各帧点云数据对应的点云统计矩阵;
基于所述区域划分矩阵确定各帧点云统计矩阵中各个元素对应的分割阈值,并基于各个元素对应的分割阈值对各帧点云统计矩阵中的元素进行分类赋值,得到各帧点云数据对应的第一矩阵;
根据近邻聚类法及各帧点云数据对应的第一矩阵确定各帧点云数据在空间位置矩阵中的初始质心位置;
根据各帧点云数据在空间位置矩阵中的初始质心位置确定所述目标车辆存在占位的区域。
2.如权利要求1所述的车内雷达占位识别方法,其特征在于,所述车载雷达安装于所述目标车辆的车内顶部;
所述区域划分矩阵A={(xn-1,xn,ym-1,ym)|n∈[1,N],m∈[1,M]},其中,N表示横向区域划分数量,M表示纵向区域划分数量;(xn-1,xn,ym-1,ym)表示区域在俯视平面下的二维位置坐标;
所述空间位置矩阵B={(xi-1,xi,yj-1,yj)|i∈[1,I],j∈(1,J)},其中,I表示横向空间划分数量,J表示纵向空间划分数量;(xi-1,xi,yj-1,yj)表示空间在俯视平面下的二维位置坐标。
3.如权利要求1所述的车内雷达占位识别方法,其特征在于,所述基于所述区域划分矩阵确定所述点云统计矩阵中各个元素对应的分割阈值,包括:
根据所述区域划分矩阵中各个区域对应的位置信息,确定所述点云统计矩阵中各个元素所属的区域;每个区域对应一个分割阈值;
根据所述点云统计矩阵中各个元素所属的区域,确定所述点云矩阵中各个元素对应的分割阈值。
4.如权利要求1所述的车内雷达占位识别方法,其特征在于,所述基于各个元素对应的分割阈值对各帧点云统计矩阵中的元素进行分类赋值,得到各帧点云数据对应的第一矩阵,包括:
针对各帧点云统计矩阵中的每个元素,若该元素对应的点云数量大于该元素对应的分割阈值,则将该元素赋值为第一值;若该元素对应的点云数量小于或等于该元素对应的分割阈值,则将该元素赋值为第二值;所述第一值不等于所述第二值。
5.如权利要求1所述的车内雷达占位识别方法,其特征在于,所述根据近邻聚类法及各帧点云数据对应的第一矩阵,确定各帧点云数据在空间位置矩阵中的初始质心位置,包括:
针对各帧第一矩阵中的任一元素Dmn,若Dmn的数值为第一值,则遍历D(m+1)n、Dm(n+1)、D(m+1)(n+1)的数值;若D(m+1)n、Dm(n+1)、D(m+1)(n+1)的数值均为第一值,则将D(m+1)n、Dm(n+1)、D(m+1)(n+1)的数值更新为第三值;
针对任一帧第一矩阵,将该帧第一矩阵中数值为第三值的元素作为该帧第一矩阵的目标元素,并基于所述空间位置矩阵获取该帧第一矩阵的目标元素对应空间的位置信息;对该帧第一矩阵的目标元素对应空间的位置信息求均值,得到该帧点云数据在空间位置矩阵中的初始质心位置。
6.如权利要求1所述的车内雷达占位识别方法,其特征在于,所述根据各帧点云数据在空间位置矩阵中的初始质心位置确定所述目标车辆存在占位的区域,包括:
若第一区域中存在初始质心位置的点云数据帧数与点云数据总帧数的比值大于第一阈值,则将所述第一区域判定为存在占位的区域;所述第一区域为所述目标车辆内的任一区域。
7.一种车内雷达占位识别装置,其特征在于,包括:
数据获取模块,用于获取目标车辆对应的区域划分矩阵、空间位置矩阵和车载雷达对目标车辆内部扫描得到的多帧点云数据;所述区域划分矩阵中的元素表示所述目标车辆划分的多个区域的位置信息,所述空间位置矩阵中的元素表示每个区域对应的多个空间的位置信息;
点云统计矩阵确定模块,用于根据所述目标车辆对应的空间位置矩阵及各帧点云数据,统计落在各个空间内的点云数量,得到各帧点云数据对应的点云统计矩阵;
第一矩阵确定模块,用于基于所述区域划分矩阵确定各帧点云统计矩阵中各个元素对应的分割阈值,并基于各个元素对应的分割阈值对各帧点云统计矩阵中的元素进行分类赋值,得到各帧点云数据对应的第一矩阵;
质心位置确定模块,用于根据近邻聚类法及各帧点云数据对应的第一矩阵确定各帧点云数据在空间位置矩阵中的初始质心位置;
占位识别模块,用于根据各帧点云数据在空间位置矩阵中的初始质心位置确定所述目标车辆存在占位的区域。
8.如权利要求7所述的车内雷达占位识别装置,其特征在于,所述车载雷达安装于所述目标车辆的车内顶部;
所述区域划分矩阵A={(xn-1,xn,ym-1,ym)|n∈[1,N],m∈[1,M]},其中,N表示横向区域划分数量,M表示纵向区域划分数量;(xn-1,xn,ym-1,ym)表示区域在俯视平面下的二维位置坐标;
所述空间位置矩阵B={(xi-1,xi,yj-1,yj)|i∈[1,I],j∈(1,J)},其中,I表示横向空间划分数量,J表示纵向空间划分数量;(xi-1,xi,yj-1,yj)表示空间在俯视平面下的二维位置坐标。
9.一种车载雷达,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6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6任一项所述方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110483820.0A CN113219446A (zh) | 2021-04-30 | 2021-04-30 | 车内雷达占位识别方法、装置及车载雷达 |
PCT/CN2022/087064 WO2022228150A1 (zh) | 2021-04-30 | 2022-04-15 | 车内雷达占位识别方法、装置及车载雷达 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110483820.0A CN113219446A (zh) | 2021-04-30 | 2021-04-30 | 车内雷达占位识别方法、装置及车载雷达 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113219446A true CN113219446A (zh) | 2021-08-06 |
Family
ID=77090687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110483820.0A Pending CN113219446A (zh) | 2021-04-30 | 2021-04-30 | 车内雷达占位识别方法、装置及车载雷达 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113219446A (zh) |
WO (1) | WO2022228150A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113561911A (zh) * | 2021-08-12 | 2021-10-29 | 森思泰克河北科技有限公司 | 车辆控制方法、装置、毫米波雷达及存储介质 |
CN113734046A (zh) * | 2021-08-17 | 2021-12-03 | 厦门星图安达科技有限公司 | 基于雷达的车内位置分区人员检测方法、装置以及设备 |
CN113791426A (zh) * | 2021-09-10 | 2021-12-14 | 深圳市唯特视科技有限公司 | 雷达p显界面生成方法、装置、计算机设备及存储介质 |
WO2022228150A1 (zh) * | 2021-04-30 | 2022-11-03 | 森思泰克河北科技有限公司 | 车内雷达占位识别方法、装置及车载雷达 |
CN115469330A (zh) * | 2022-10-28 | 2022-12-13 | 深圳市云鼠科技开发有限公司 | 子图的构建方法、装置、终端设备及存储介质 |
WO2023016350A1 (zh) * | 2021-08-12 | 2023-02-16 | 森思泰克河北科技有限公司 | 占位识别方法及应用其的车辆控制方法 |
WO2023061481A1 (zh) * | 2021-10-15 | 2023-04-20 | 北京一径科技有限公司 | 雷达失效判定方法及装置、存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109359614A (zh) * | 2018-10-30 | 2019-02-19 | 百度在线网络技术(北京)有限公司 | 一种激光点云的平面识别方法、装置、设备和介质 |
CN109711410A (zh) * | 2018-11-20 | 2019-05-03 | 北方工业大学 | 一种三维物体快速分割和识别方法、装置及系统 |
CN110033457A (zh) * | 2019-03-11 | 2019-07-19 | 北京理工大学 | 一种目标点云分割方法 |
CN110799989A (zh) * | 2019-04-20 | 2020-02-14 | 深圳市大疆创新科技有限公司 | 一种障碍物检测方法、设备、可移动平台及存储介质 |
CN110879399A (zh) * | 2019-10-08 | 2020-03-13 | 驭势科技(浙江)有限公司 | 处理点云数据的方法、装置、车辆、电子设备和介质 |
CN111144228A (zh) * | 2019-12-05 | 2020-05-12 | 山东超越数控电子股份有限公司 | 基于3d点云数据的障碍物识别方法和计算机设备 |
CN111427032A (zh) * | 2020-04-24 | 2020-07-17 | 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 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018214084A1 (en) * | 2017-05-25 | 2018-11-29 | Bayerische Motoren Werke Aktiengesellschaft | Method and apparatus for representing environmental elements, system, and vehicle/robot |
CN111368604B (zh) * | 2018-12-26 | 2023-07-18 | 北京图森智途科技有限公司 | 一种停车控制方法、设备及系统 |
CN113219446A (zh) * | 2021-04-30 | 2021-08-06 | 森思泰克河北科技有限公司 | 车内雷达占位识别方法、装置及车载雷达 |
-
2021
- 2021-04-30 CN CN202110483820.0A patent/CN113219446A/zh active Pending
-
2022
- 2022-04-15 WO PCT/CN2022/087064 patent/WO2022228150A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109359614A (zh) * | 2018-10-30 | 2019-02-19 | 百度在线网络技术(北京)有限公司 | 一种激光点云的平面识别方法、装置、设备和介质 |
CN109711410A (zh) * | 2018-11-20 | 2019-05-03 | 北方工业大学 | 一种三维物体快速分割和识别方法、装置及系统 |
CN110033457A (zh) * | 2019-03-11 | 2019-07-19 | 北京理工大学 | 一种目标点云分割方法 |
CN110799989A (zh) * | 2019-04-20 | 2020-02-14 | 深圳市大疆创新科技有限公司 | 一种障碍物检测方法、设备、可移动平台及存储介质 |
CN110879399A (zh) * | 2019-10-08 | 2020-03-13 | 驭势科技(浙江)有限公司 | 处理点云数据的方法、装置、车辆、电子设备和介质 |
CN111144228A (zh) * | 2019-12-05 | 2020-05-12 | 山东超越数控电子股份有限公司 | 基于3d点云数据的障碍物识别方法和计算机设备 |
CN111427032A (zh) * | 2020-04-24 | 2020-07-17 | 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 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022228150A1 (zh) * | 2021-04-30 | 2022-11-03 | 森思泰克河北科技有限公司 | 车内雷达占位识别方法、装置及车载雷达 |
CN113561911A (zh) * | 2021-08-12 | 2021-10-29 | 森思泰克河北科技有限公司 | 车辆控制方法、装置、毫米波雷达及存储介质 |
WO2023016350A1 (zh) * | 2021-08-12 | 2023-02-16 | 森思泰克河北科技有限公司 | 占位识别方法及应用其的车辆控制方法 |
CN113734046A (zh) * | 2021-08-17 | 2021-12-03 | 厦门星图安达科技有限公司 | 基于雷达的车内位置分区人员检测方法、装置以及设备 |
CN113734046B (zh) * | 2021-08-17 | 2023-09-19 | 江苏星图智能科技有限公司 | 基于雷达的车内位置分区人员检测方法、装置以及设备 |
CN113791426A (zh) * | 2021-09-10 | 2021-12-14 | 深圳市唯特视科技有限公司 | 雷达p显界面生成方法、装置、计算机设备及存储介质 |
WO2023061481A1 (zh) * | 2021-10-15 | 2023-04-20 | 北京一径科技有限公司 | 雷达失效判定方法及装置、存储介质 |
CN115469330A (zh) * | 2022-10-28 | 2022-12-13 | 深圳市云鼠科技开发有限公司 | 子图的构建方法、装置、终端设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2022228150A1 (zh) | 2022-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113219446A (zh) | 车内雷达占位识别方法、装置及车载雷达 | |
CN110208793B (zh) | 基于毫米波雷达的辅助驾驶系统、方法、终端和介质 | |
CN104392629B (zh) | 检测车距的方法和装置 | |
CN112613344B (zh) | 车辆占道检测方法、装置、计算机设备和可读存储介质 | |
DE102020105117A1 (de) | Verfahren und Systeme zum Verbessern von Karten | |
CN110008891B (zh) | 一种行人检测定位方法、装置、车载计算设备及存储介质 | |
CN113219462A (zh) | 基于时频图的目标识别方法、装置和终端设备 | |
CN113391305A (zh) | 多雷达融合的虚假目标抑制方法、装置及终端设备 | |
CN113548064A (zh) | 基于车身信息的预警方法、预警系统、汽车及存储介质 | |
CN103679238B (zh) | 物品运输途中环境的监控方法及装置 | |
US20220244354A1 (en) | Artificial intelligence for the classification of signals for radar detectors | |
CN113406613B (zh) | 一种人员检测方法、装置、设备和存储介质 | |
DE102009046338A1 (de) | Verfahren, Sende-/Empfangseinrichtung und System zum Erkennen von Objekten | |
CN111191603B (zh) | 车内人员识别方法、装置、终端设备及介质 | |
CN113687358A (zh) | 目标物体的识别方法、装置、电子设备及存储介质 | |
DE102021208627A1 (de) | Verfahren und Prozessorschaltung zum Betreiben eines Radarsystems mit mehreren Antennen sowie Radarsystem und Kraftfahrzeug | |
EP4239367A1 (en) | Electronic device, method for controlling electronic device, and program | |
CN112926526A (zh) | 基于毫米波雷达的停车检测方法及系统 | |
DE102019216373A1 (de) | Verfahren zur Erfassung eines Zielobjekts | |
WO2022091708A1 (ja) | 電子機器、電子機器の制御方法、及びプログラム | |
DE102019001043A1 (de) | Verfahren zum Klassifizieren von statischen Objekten in einer Fahrzeugumgebung eines Kraftfahrzeugs | |
CN116593973A (zh) | 一种车载毫米波雷达自动校准安装角度的方法和系统 | |
CN114236488B (zh) | 目标分类方法、目标分类装置、终端设备及存储介质 | |
US20230244815A1 (en) | Anonymizing personally identifiable information in sensor data | |
EP4174523A1 (en) | Electronic device, method for controlling electronic device, and program |
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 |