CN113344954A - 边界检测方法、装置、计算机设备、存储介质和传感器 - Google Patents
边界检测方法、装置、计算机设备、存储介质和传感器 Download PDFInfo
- Publication number
- CN113344954A CN113344954A CN202110490404.3A CN202110490404A CN113344954A CN 113344954 A CN113344954 A CN 113344954A CN 202110490404 A CN202110490404 A CN 202110490404A CN 113344954 A CN113344954 A CN 113344954A
- Authority
- CN
- China
- Prior art keywords
- boundary
- effective
- model
- detected
- detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 334
- 238000000034 method Methods 0.000 claims abstract description 91
- 238000012545 processing Methods 0.000 claims abstract description 63
- 230000008569 process Effects 0.000 claims abstract description 25
- 238000012360 testing method Methods 0.000 claims description 31
- 238000013139 quantization Methods 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 abstract description 6
- 238000011002 quantification Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 12
- 238000009434 installation Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请涉及一种边界检测方法、装置、计算机设备、存储介质和传感器。包括:服务器通过获取待检测区域中连续的至少两帧原始目标点,对每一帧原始目标点进行边界检测处理,得到待检测区域的每一帧的待检测区域的每条边界的边界信息和边界状态,作为当前帧的边界检测结果,从而,对预设帧数的边界检测结果进行多帧综合量化检测,确定待检测区域的目标边界检测结果。本方法中,服务器中集成了用于进行边界检测的单帧检测算法模块和多帧综合量化算法模块,基于雷达自动扫描、采集的待检测区域的原始目标点,进行边界检测处理,不需要通过获取人的移动数据来获取对应的室内边界的检测数据,简化了边界检测流程,提高了边界检测的效率。
Description
技术领域
本申请涉及目标检测技术领域,特别是涉及一种边界检测方法、装置、计算机设备、存储介质和传感器。
背景技术
随着社会的发展,针对特定区域范围内进行目标检测的得到广泛的应用,为了提升目标检测的精准度,一般是需要先确定该特定区域的边界。
但是,传统的边界检测方法,其检测精度均无法满足用户当下的需求,且无法实现边界的自动检测。例如,在传感器安装时需要人工的参与才能确定边界,并在改变传感器检测方向、更换安装位置等操作时,还需要专门的技术人员重新参与,进而使得人力成本过高,检测过程较为繁琐。
发明内容
基于此,有必要针对上述技术问题,提供一种边界检测方法、装置、计算机设备、存储介质和传感器。
第一方面,提供一种边界检测方法,该方法包括:
获取待检测区域中连续的至少两帧原始目标点;
对每一帧原始目标点进行边界检测处理,以得到待检测区域的各帧的边界检测结果;以及
对预设帧数的边界检测结果进行多帧综合量化检测,确定待检测区域的目标边界检测结果。
在其中一个实施例中,上述对每一帧原始目标点进行边界检测处理,以得到待检测区域的各帧的边界检测结果,包括:
在传感器所在坐标系的平面上,基于当前帧原始目标点获取待检测区域的每条边界的初始边界模型;
针对每条边界的初始边界模型,在预设的角度范围和预设的距离范围进行多次边界搜索,确定待检测区域的每个边界的边界参数;
根据每个边界的边界参数和相邻边界关系,确定待检测区域的有效边界模型;以及
根据有效边界模型的角度进行边界搜索,得到与当前帧的原始目标点对应的边界检测结果;
其中,边界检测结果包括待检测区域每条边界的边界信息和/或边界状态;和/或,边界参数包括角度、距离和/或置信度。
在其中一个实施例中,上述针对每条边界的初始边界模型,在预设的角度范围和预设的距离范围进行多次边界搜索,确定待检测区域的每个边界的边界参数,包括:
针对每条边界,以初始边界模型为基准,在预设的角度范围以预设角度步长进行M次边界搜索,以及在预设的距离范围以预设距离步长进行N次边界搜索,得到每条边界对应的M*N个候选边界模型;
计算当前帧的每个原始目标点到每条边界的每个候选边界模型的距离;以及
根据距离确定每条边界的边界参数;
其中,M、N为正整数。
在其中一个实施例中,上述根据距离确定每条边界的边界参数,包括:
针对第i条边界的候选边界模型,统计距离小于预设距离阈值的原始目标点的数目;
根据原始目标点的数目最大的候选边界模型,确定第i条边界的边界参数;
其中,i为正整数。
在其中一个实施例中,上述根据有效边界模型的角度进行边界搜索,得到与当前帧的原始目标点对应的边界检测结果,包括:
若待检测区域存在有效边界模型,则根据有效边界模型的角度搜索有效模型的相邻边界模型,并根据有效边界模型和相邻边界模型的角度搜索剩余的边界模型,输出有效边界模型、相邻边界模型和剩余的边界模型对应的边界信息,且确定边界状态为有效;
若不存在有效边界模型,则输出默认的边界模型对应的边界信息,且确定边界状态为无效。
在其中一个实施例中,若待检测区域具有偶数条边界模型,则上述根据有效边界模型的角度进行边界搜索,得到与当前帧的原始目标点对应的边界检测结果,包括:
若存在一个有效边界模型,则根据有效边界模型的角度搜索有效模型的相邻边界模型,并根据有效边界模型和相邻边界模型的角度搜索剩余的边界模型,输出有效边界模型、相邻边界模型和剩余的边界模型对应的边界信息,且确定边界状态为有效;
若存在奇数个两两相邻的有效边界模型,根据有效边界模型的角度搜索剩余的边界模型,输出有效边界模型和剩余的边界模型对应的边界信息,且确定边界状态为有效;
若不存在有效边界模型,则确定边界状态为无效。
在其中一个实施例中,该方还包括:
若边界状态为有效,则根据边界信息、相邻边界关系和对边距离判断边界信息的有效性,若边界信息有效,则输出边界信息,且确定边界状态为有效;若边界信息无效,则输出默认的边界模型对应的边界信息,确定边界状态为无效;
若边界状态为无效,则输出默认的边界模型对应的边界信息,确定边界状态为无效。
在其中一个实施例中,上述对预设帧数的边界检测结果进行多帧综合量化检测,确定待检测区域的目标边界检测结果,包括:
获取边界状态为有效的帧数量,若帧数量大于预设的数量阈值,则针对每条边界,从各帧的边界信息中选择置信度最高的边界信息作为目标边界信息;其中,数量阈值为根据判决因子和预设帧数确定的;
根据目标边界信息、相邻边界关系和对边距离判断目标边界信息的有效性,若目标边界信息有效,则输出目标边界信息,且确定边界状态为有效;
若目标边界信息无效,则输出默认的边界模型对应的目标边界信息,确定边界状态为无效。
在其中一个实施例中,在获取待检测区域中的多帧原始目标点之后,该方法还包括:
对原始目标点进行数据预处理,剔除原始目标点中的杂点;杂点包括待检测区域中的雷达盲区内杂点、运动点、左右噪点、和预设区域内的噪点中的至少一个。
第二方面,提供一种边界检测装置,该装置包括:
获取模块,用于获取待检测区域中连续的至少两帧原始目标点;
边界检测模块,用于对每一帧原始目标点进行边界检测处理,得到待检测区域的每一帧的边界检测结果;边界检测结果包括待检测区域的每条边界的边界信息和边界状态;
综合量化模块,用于对预设帧数的边界检测结果进行多帧综合量化检测,确定待检测区域的目标边界检测结果。
第三方面,提供一种目标检测方法,用于设置在待检测区域内的传感器进行目标检测,待检测区域具有至少一个物理边界,该方法包括:
对传感器所获取的原始目标点进行降噪处理以得到有效目标点;
基于有效目标点进行建模以得到与物理边界对应的目标边界检测结果;以及
基于目标边界检测结果和传感器的参数确定待检测区域中的有效监测区域的边界。
在其中一个实施例中,针对待检测区域中的一预设二维平面;对传感器所获取的原始目标点进行降噪处理以得到有效目标点,包括:
对回波信号进行信号处理以得到原始目标点;以及
将各原始目标点投影至预设二维平面后,继续进行降噪处理以得到位于预设二维平面上的有效目标点。
在其中一个实施例中,降噪处理包括盲区杂点滤除、运动点滤除、左右噪点滤除和/或近距离前方噪点滤除。
在其中一个实施例中,位于预设二维平面上的有效目标点包括至少一帧有效目标点;
基于有效目标点进行建模以得到与物理边界对应的目标边界检测结果,包括单帧边界检测步骤;
单帧边界检测步骤包括:
针对任一帧有效目标点,基于预设的边界模型获取单帧的目标边界检测结果;
其中,基于单帧的目标边界检测结果和传感器的参数确定待检测区域中的有效监测区域的边界。
在其中一个实施例中,基于有效目标点进行建模以得到与物理边界对应的目标边界检测结果,还包括多帧综合评估步骤;
多帧综合评估步骤包括:
针对预设帧数的单帧的目标边界检测结果,对置信度最高的各条边界进行评估,以得到综合的目标边界检测结果;
其中,基于综合的目标边界检测结果和传感器的参数确定待检测区域中的有效监测区域的边界。
在其中一个实施例中,针对待检测区域中的一预设二维平面获取有效目标点时,传感器在垂直于该预设二维平面的维度上发射窄波束测试信号。
第四方面,提供一种目标检测的方法,该方法包括:
基于如第一方面实施例提供的边界检测的方法所获取的边界检测结果,或者,如上述第三方面实施例提供的边界检测的方法所获取的有效监测区域的边界进行目标检测。
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、第三方面任一所述的方法。
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、第三方面任一所述的方法。
第七方面,提供一种传感器,传感器固定设置在待检测区域内,传感器包括:
不共线的至少三根发射天线;
控制单元,用于控制至少三根发射天线在预设维度上发射窄波束测试信号;
处理单元,用于对测试回波信号进行处理得到预设二维平面上的边界信息;
其中,预设维度垂直于二维平面。
在其中一个实施例中,处理单元还用于第一方面、第三方面任一项的方法对测试回波信号进行处理得到预设二维平面上的边界信息。
在其中一个实施例中,控制单元还用于控制至少三个发射天线发射检测信号;以及
处理单元还用于基于边界信息对检测回波信号进行处理,以对待检测区域中预设二维平面进行目标检测。
在其中一个实施例中,传感器为毫米波雷达。
第八方面,提供一种设备,包括:
设备本体;以及设置于设备本体上的上述第七方面实施例提供的传感器;其中,传感器用于目标检测和/或通信。
上述边界检测方法、装置、计算机设备、存储介质和传感器,服务器通过获取待检测区域中连续的至少两帧原始目标点,对每一帧原始目标点进行边界检测处理,得到待检测区域的每一帧的待检测区域的每条边界的边界信息和边界状态,作为当前帧的边界检测结果,从而,对预设帧数的边界检测结果进行多帧综合量化检测,确定待检测区域的目标边界检测结果。在本方法中,服务器中集成了用于进行边界检测的单帧检测算法模块和多帧综合量化算法模块,基于雷达自动扫描、采集的待检测区域的原始目标点,进行边界检测处理,不需要通过获取人的移动数据来获取对应的室内边界的检测数据,简化了边界检测流程,提高了边界检测的效率。
附图说明
图1为一个实施例中边界检测方法的流程示意图;
图2为一个实施例中边界检测方法的流程示意图;
图3为一个实施例中边界检测方法的流程示意图;
图4为一个实施例中边界检测方法的应用环境图;
图5为一个实施例中边界检测方法的雷达侧向安装平面图;
图6为一个实施例中边界检测方法的流程示意图;
图7为一个实施例中边界检测方法的流程示意图;
图8为一个实施例中边界检测方法的流程示意图;
图9为一个实施例中边界检测方法的流程示意图;
图10为一个实施例中边界检测方法的流程示意图;
图11为另一个实施例中边界检测方法的流程示意图;
图12为一个实施例中边界检测装置的结构框图;
图13为一个实施例中边界检测装置的结构框图;
图14为一个实施例中边界检测装置的结构框图;
图15为一个实施例中边界检测装置的结构框图;
图16为一个实施例中边界检测装置的结构框图;
图17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。
在利用传感器在特定区域(例如房间、停车场(室内或室外)等)中进行目标探测时,由于传感器固定安装后,该传感器的实际视场边界一般由该传感器的视场和上述特定区域中的物理边界所决定,进而在传感器进行正常工作前,先确定实际视场边界,来降低甚至消除诸如多径效应等带来的假目标,进而才能实现在实际视场区域中进行精致的目标检测或跟踪等操作。
例如,当传感器应用到室内进行目标检测及跟踪等操作时,就需要根据该传感器自身的视场角以及视场所覆盖区域的物理边界所限定,进而就需要先获取实际视场边界,比如传感器的视场中房间的边界、面积、拐角、形状等信息。
在实际的应用中,由于用户对于传感器或者装载有传感器的设备的安装方式具有一定的个性化需求,进而需要在传感器或装载有传感器的设备安装固定后,目前一般是需要测试目标物沿着上述特定区域(或目标区域)的物理边界进行运动(例如测试人员、测试物体沿着墙边移动),通过检测该测试目标物的运动轨迹来确定实际视场区域在水平面上的边界,从而使得边界的检测过程较为复杂,同时人体相对于室内而言是非常大的目标点,故而使得检测精度也很低。
本申请发明人在了解上述技术问题后,经过研究分析创造性的提出了一种目标检测方法,可用于设置在待检测区域内的传感器进行目标检测,该待检测区域可具有至少一个物理边界,如图1所示,所述方法可包括以下步骤:
步骤S11、可在满足预设触发条件后,传感器发射边界测试信号并接收对应的测试回波信号。
具体的,上述的预设触发条件可为在传感器初始固定安装后、传感器更换位置固定后、间隔预定时间段、在预定的时刻等,具体可依据实际使用时的需求而设定,并在满足上述的预设触发条件后,传感器自动发射上述的测试信号,并接收对应的测试回波信号,进而进行诸如边界及相关数据信息的确定或优化等操作。
可选的,上述的测试信号可为新增的信号(即与后续进行目标测试信号相异),也可为与传感器进行目标检测的发射信号相同的信号,如可在满足预设触发条件后的特定时间段作为边界检测时间,即在该边界检测时间段内,传感器的发收信号及相关的信号处理、数据处理均为以获取当前传感器所在环境中的有效视场为目的。该有效视场可为基于传感器的信号辐射参数和/或待检测区域中的物理边界所限定的区域,也可为在预设参数条件下,结合上述传感器的信号辐射参数和/或待检测区域中的物理边界所限定的区域。
步骤S12、基于上述的回波信号进行信号处理以得到原始目标数据。
具体的,上述的信号处理包括但不限于诸如针对回波信号的各种模拟信号处理(如解调、滤波、混频、采样、AD转换等)、数字信号处理(如傅里叶变换(FFT)、恒虚警检测(CFAR)、信号波达方向(DOA)等)等处理操作,以获取包含有目标速度、距离、方向角(如方位角和俯仰角)等信息的原始目标数据,即该原始目标数据中目标点包含可有多种,例如运动目标、静止目标,以及因诸如多径效应引起的虚假目标等。
步骤S13、对原始目标点进行降噪处理以得到有效目标点。
具体的,由于原始目标数据中包含有针对边界测试是噪声的目标数据,故而可依据边界测试的需求,以及环境特点、传感器自身性能限制等条件,将诸如在传感器盲区内、位于环境限制范围外和/或处于运动状态等作为噪点进行去除。例如,当传感器应用在室内时,可将位于传感器盲区内、处于运动状态的、近距离前方目标点等作为噪点,即可依据实际的需求来设定上述噪点的范围。
需要说明的是,针对环境限制条件,可以理解为事先已经知悉该传感器的应用场景,例如应用场景是在普通居民的卧室内,则可将比如可将原始目标数据中的距离限制在卧室斜对角直线的长度,例如10米,即目标距离大于10米即可认为是多径引起的假目标,并予以去除。即根据已经确定的一些信息,可在边界检测前,事先先设定一定的限制条件,以进一步提升边界检测效率及精确度。
同时,上述的处于运动状态可理解为目标的速度不为零,或者目标速度大于预设值(例如传感器目标检测速度误差值,或其他预设值等)的目标点作为处于运动状态的目标点。近距离前方目标点则可理解为在传感器很近的范围内本不可能存在的边界目标;例如,当传感器安装在客厅的顶部中间时,该客厅的边界与传感器之间的一般会大于1米,故而可认为与传感器之间的距离小于1米的近距离目标点均可作为噪点予以滤除。
步骤S14、基于上述的有效目标点得到与物理边界对应的目标边界检测结果。
具体的,可基于上述的有效目标点进行点云成像或者建模的方式,来得到上述的目标检测结果。该目标检测结果包括但不限于该边界的位置、长度、形状、边界间的夹角等信息。
例如,基于应用于室内的传感器,由于其边界一般是直线,故而可基于预设的直线模型进行建模(也可预先设置多种模型,并设定与各模型对应的调取条件,一旦检测到当前环境满足其中的一个调取条件,即可调取对应的模型进行处理),进而得到上述的目标边界检测结果。
步骤S15、基于上述的目标检测结果和传感器的参数确定待检测区域中的有效检测区域的边界。
具体的,因为有效检测区域是由物理边界(或者预设的边界)和传感器自身的检测视场所决定,故而可基于上述的目标检测结果和传感器的参数来自动得到有效检测区域的三位框架边界,即可确定一个三维立体的有效检测区域范围。
传感器正常进行目标探测时,基于上述所确定三维立体的有效检测区域范围,或者上述的边界检测结果,即可实现对目标的精准,从而使得用户在使用传感器或者设置有传感器的设备时,从初始上电来自动检测获取当前环境的有效检测区域范围到精准的目标检测的全流程自动化处理,且在传感器更换位置或长时间使用时,能够自动的对当前所处环境及位置所限定的有效检测区域范围的重新确认及不断优化、更新等操作,以确保目标检测的精度。
需要说明的是,在传感器进行目标探测时,上述作为噪点的处于运动状态的目标点不能作为噪点进行处理,此时其是包含在真实目标点的范围内。即边界检测过程,在获取原始目标点及其以前的步骤可与目标探测过程中DOA处理(CFAR处理)后得到的目标数据的步骤近似甚至完全相同。边界检测与目标探测之间的区别可以是获取到原始目标点之后,目标探测是以上述有效检测区域范围(或者上述的边界检测结果)对原始目标点进行降噪(即去除有效检测区域范围外或边界外的目标点)后,得到真实的检测目标点。
需要说明的是,上述边界检测的步骤可为基于一帧测试回波信号所得的原始目标数据(即一帧原始目标数据)为单位,也可为基于多帧(至少两帧)测试回波信号所得的原始目标数据为单位所进行的操作。
同时,当针对一帧测试回波信号所得的原始目标数据为单位进行上述边界检测的操作时,可基于此时得到边界数据作为最终结果进行后续的目标探测,即可认为此方法中边界测试信号只要一帧即可;而当接收的测试回波信号具有至少两帧时,则可基于各帧回波信号所得到的边界进行综合分析处理后得到优化后的最终结果,并以该优化后的最终结果进行后续的目标探测操作。
在一个可选的实施例中,因为有些应用场景的物理空间具有一定的特殊性,可无需获取有效检测区域的三位框架边界,即获取有效监测区域的其中部分的二维平面的边界即可,此时可针对不同的应用场景对上述的方法进行一些改进,以提升边界检测的效率及精度等。同时,确定上述三维立体的有效检测区域范围时,也可基于以下的方法来直接或间接的确定各个二维平面的边界。
下面就以传感器应用在居家客厅为例进行详细说明,由于居家房间一般为正四方体(如正方体或长方体等),且一般只要对房间的地面平面上的活体目标进行检测,故而可只要检测该地面平面(即预设二维平面)的边界即可。
一种边界检测的方法,针对室内检测的应用场景,如图2所示,该方法可包括以下步骤:
步骤S21、将传感器安装固定在一房间后,可针对传感器所接收的回波信号进行信号处理以得到原始目标点。
具体可参见上述的步骤S11-12,在此不予赘述。
步骤S22、将各所述原始目标点投影至上述房间的地面平面上后,继续进行进行盲区杂点滤除、运动点滤除、左右噪点滤除和/或近距离前方噪点滤除等降噪处理操作,以得到位于该地面平面上的有效目标点。
步骤S23、进行单帧边界检测步骤,即针对任一帧的有效目标点,可基于预设的边界模型获取单帧的目标边界检测结果。
具体的,由于居住房间的地面平面一般是正四方形,故而可将上述的预设的边界模型设置为直线模型,后续可通过诸如步进搜索等方式来确定地面平面各边的边界信息。
在一个可选的实施例中,为提升传感器针对地面平面的边界检测精度,传感器要在具有具有俯仰角检测的功能,并还可通过波束合成技术在俯仰维(即与地面平面垂直的维度)上发射窄波束信号来进一步提升边界检测的精度。
在另一个可选的实施例中,为进一步提升边界检测的精度,可在上述的边界检测的方法的基础上,进行多帧综合的边界检测,即该方法还可包括多帧综合评估的步骤,即:
针对预设帧数的单帧的目标边界检测结果,对置信度最高的各条边界进行评估,以得到综合的目标边界检测结果;其中,基于综合的目标边界检测结果可确定待检测区域中的有效监测区域的边界。
例如,利用雷达(如毫米波雷达)进行室内目标检测,雷达具有不在同一直线上(即不共线)的至少三个发射天线,如图3所示,边界检测的方法则可包括:
步骤S31、雷达上电启动,雷达发射机的各个发射同时开启,并在空间俯仰维进行发射波束合成。
步骤S32、雷达接收室内目标信号(即回波信号),并进行信号处理,进而得到原始检测点。
其中,该信号处理可包括距离维FFT、速度维FFT、非相干积累、CFAR(恒虚警检测)、测角(方位角)等处理步骤,得到多个原始目标点(即目标点)数据,每个原始点的数据可包含目标的距离、速度、方位角、SNR(信噪比)等信息。
步骤S33、对单帧原始检测点(即原始目标点)进行“单帧边界检测”处理。
步骤S34、保存基于单帧数据得到的室内边界信息。
步骤S35、若“单帧边界检测”处理的帧数达到N帧,则进入“多帧综合评估”的步骤,否则继续进行“单帧边界检测”处理。
步骤S36、基于上述“多帧综合评估”的步骤,输出室内边界检测多帧综合评估结果,例如房间面积、边界模型、房间拐角坐标点等边界信息。
下面就应用于室内的毫米波雷达为例进行详细说明,但应当理解的是,本申请实施例所记载的方案还可适用于室外的各种特定区域中,同时对于雷达的安装方式也没有特别的限定,例如正向安装、顶部安装、侧向安装等多种安装方式。
在毫米波雷达室内应用领域中,室内定位技术逐渐发展起来,为提高室内检测、定位的精确度,一般需要先对室内边界进行精准检测,例如房间边界位置、面积等参数的检测。
目前常见的室内边界检测方法,通常为技术人员与雷达结合的方法进行测量,具体为,技术人员沿着室内边界移动,雷达通过对技术人员进行跟踪检测,获取技术人员的移动数据作为室内边界的检测数据,进而根据该检测数据得到房间的边界值和面积大小等。当雷达更换位置时,还需要技术人员重新沿着室内边界移动,重新获取技术人员的移动数据作为室内边界的检测数据进行室内边界测量,即全程需要人工参与,人力成本高,检测过程较为繁琐。
本申请提供的室内边界检测方法,可以应用于如图4所示的应用环境中。如图4所示,服务器101与雷达102通过网络进行通信,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。雷达102可以为毫米波雷达,例如,采用4GHz带宽设计、77GHz的毫米波雷达,需要说明的是,该雷达102中具有测量角度、距离的收发天线,可选地,该雷达还具备发射波束合成,形成俯仰窄波束的电磁波信号的天线。在进行室内边界检测时,该雷达可以置于待检测区域的某一角落中,其安装方向为侧向安装;还可以置于待检测区域的某一条边界中,其安装方向为正向安装;还可以将雷达置于待检测区域的上方,其安装方式不做限定。另外,本申请提供的室内边界检测方法可适用于任意多边形区域的边界检测,本实施例以四边形检测区域、雷达侧向安装为例进行室内边界检测方法的解释说明。如图5所示,图5为四边形检测区域中,雷达侧向安装的平面示意图。
在本申请实施例中,服务器101可与雷达102同时设置于一个设备上,例如均集成在一个智能设备(如空调、灯具、电风扇、扫地机器人、电暖气等),甚至可集成于同一块PCB板上作为一体器件以便于安装在电子设备上,实现电子设备的智能操作。在另一个可选的实施例中,上述的服务器101可与雷达102甚至可集成为一SoC芯片,例如AiP(Antenna-in-Package)芯片或者AoC(Antenna-on-Chip)芯片等。
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6-图11实施例提供的边界检测方法,其执行主体为服务器101,也可以是边界检测装置,该可边界检测装置可以通过软件、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6所示,提供了一种边界检测方法,涉及的是服务器根据获取到的待检测区域中的多帧原始目标点,对每一帧原始目标点进行边界检测处理,得到待检测区域的每一帧的边界检测结果,从而对预设帧数的边界检测结果进行多帧综合量化检测,确定待检测区域的目标边界检测结果的过程,包括以下步骤:
S201、获取待检测区域中连续的至少两帧原始目标点。
其中,待检测区域可以为任意多边形区域,例如,该待检测区域可以为三角形、四边形、五边形、六边形、不规则形状等。
在本实施例中,雷达可以被置于待检测区域中的任意位置,示例地,雷达可以置于待检测区域的某个角落中,即,雷达为侧向安装。服务器获取雷达采集到的待检测区域的原始目标点,其中,雷达的采集方式为,通过俯仰维3个发射天线在空中发射合成波束,形成俯仰窄波束的电磁波信号,接收周围目标后反射的回波信号,雷达中方位维4个接收天线接收回波信号,并对回波信号进行信号处理,如距离维、速度维、非相干积累、恒虚警检测、测角(方位角)等处理,得到多个原始目标点数据;可选地,每个原始点包含目标的距离、速度、方位角等信息,本实施例对此不做限定。
S202、对每一帧原始目标点进行边界检测处理,以得到待检测区域的每一帧的边界检测结果。
其中,边界检测结果包括待检测区域的每条边界的边界信息和边界状态,边界信息指的是该边界形成的待检测区域的面积、各边界对应的边界模型、以及各边界形成的待检测区域的拐点坐标等等;边界状态指的是当前边界是否有效。
在本实施例中,由于雷达获取到的是多帧的原始目标点,服务器可以以帧为单位,进行单帧的边界检测操作,即根据每一帧的原始目标点对待检测区域的每条边界进行边界检测操作。可选地,服务器可以根据每一帧的原始目标点构建当前帧对应待检测区域每条边界的初始边界模型,基于原始目标点,通过线性拟合的方式,优化当前帧对应的各边界的初始边界模型,得到当前帧各边界对应的边界参数;服务器还可以根据当前帧对应的初始边界模型,以预设的角度步长,与预设的距离步长,搜索构建多个候选边界模型,根据各候选边界模型与原始目标点的距离的关系,最终确定当前帧每一条边界对应的候选边界模型,根据该候选边界模型,确定每一条界对应的边界参数,本实施例对此不做限定。
S203、对预设帧数的边界检测结果进行多帧综合量化检测,确定待检测区域的目标边界检测结果。
其中,预设帧数指的是预先设定的帧的数量,该预设帧数根据实际情况确定,其目的为扩大边界检测的样本量,提高边界检测结果的准确性。多帧综合量化检测指的是对预设帧数的所有帧对应的各边界的边界参数进行进一步的有效性的量化。
在本实施例中,为提高服务器综合量化的效率,在服务器对预设帧数的所有帧对应的各边界的边界参数进行有效性量化的过程中,服务器可以先根据各帧的边界检测结果进行有效性筛选,只保留有效的单帧边界检测结果,再根据有效的单帧边界检测结果进行综合量化。其中,综合量化可以从各边界与平面纵轴的夹角、各边界与原点的距离,各相邻边界之间的夹角、以及各对边边界之间的对边距离等方面进行各边界的综合量化,最终确定当前待检测区域的目标边界检测结果,该目标边界检测结果可以包括待检测区域的各边界的边界信息及边界状态,本实施例对此不做限定。
上述边界检测方法中,服务器通过获取待检测区域中连续的至少两帧原始目标点,对每一帧原始目标点进行边界检测处理,得到待检测区域的每一帧的待检测区域的边界信息和边界状态,作为当前帧的边界检测结果,从而,对预设帧数的边界检测结果进行多帧综合量化检测,确定待检测区域的目标边界检测结果。在本方法中,服务器中集成了用于进行边界检测的单帧检测算法模块和多帧综合量化算法模块,基于雷达自动扫描、采集的待检测区域的原始目标点,进行边界检测处理,不需要通过获取人的移动数据来获取对应的室内边界的检测数据,简化了边界检测流程,提高了边界检测的效率。
服务器在对每一帧进行边界检测时,可以通过构建待检测区域的各边界的线性模型进行边界检测,可选地,在一个实施例中,如图7所示,上述对每一帧原始目标点进行边界检测处理,以得到待检测区域的各帧的边界检测结果,包括:
S301、在传感器所在坐标系的平面上,基于当前帧原始目标点获取待检测区域的每条边界的初始边界模型。
其中,初始边界模型可以为根据实际情况构建的各边界对应的线性模型,以待检测区域的边界为直线型为例,服务器可以基于传感器所在的直角坐标系的平面中,获取待检测区域的边界的直线模型。
在本实施例中,可选地,服务器获取的待检测区域的各边界对应的直线模型可以为:
Ax+By+C=0
其中,A=cosθ,B=sinθ,C=d,θ为直线与直角坐标系中纵轴的夹角;d为直线与直角坐标系中原点的距离。
S302、针对每条边界的初始边界模型,在预设的角度范围和预设的距离范围进行多次边界搜索,确定待检测区域的每个边界的边界参数。
其中,边界参数包括角度、距离和置信度,预设的角度范围指的是各边界对应的角度范围,该角度为各边界与平面坐标系中纵轴的夹角;预设的距离范围指的是各边界对应的距离范围,该距离为各边界与平面坐标系中原点的距离;置信度指的是各边界中,原始目标点到该边界的距离小于预设距离阈值的原始目标点的数量;角度范围和距离范围根据待检测区域的实际情况确定。
在本实施例中,针对第i条边界,可选地,服务器在其对应的角度范围内,以不同的角度值,一定的距离值,进行搜索取值,得到不同角度对应的第i条边界的边界参数;类似地,服务器在其对应的距离范围内,以不同的距离值,一定的角度值,进行搜索取值,得到不同距离对应的第i条边界的边界参数。优选地,服务器在分别以距离、角度进行搜索时,可以设定距离步长、角度步长,以距离步长、角度步长为基准,进行边界搜索,得到第i条边界的多个边界模型对应的边界参数。可选地,服务器可以根据第i条边界的多个边界模型对应的置信度,确定置信度最大的边界模型对应的边界参数为第i条边界的边界参数;服务器还可以根据角度和距离的关联关系,例如,角度与距离的乘积;确定该乘积最小的边界模型对应的边界参数为第i条边界的边界参数,本实施例对此不做限定。
S303、根据每个边界的边界参数和相邻边界关系,确定待检测区域的有效边界模型。
其中,相邻边界关系指的是相邻边界之间的夹角关系。
在本实施例中,服务器根据每个边界的角度、距离、置信度及相邻边界之间的夹角判断当前待检测区域的边界信息对应的边界模型的有效性。可选地,服务器可以根据雷达、待检测区域的实际情况,设定夹角θ的有效范围[θmin,θmax]、距离d的有效范围[dmin,dmax]、置信度c的有效范围[cmin,cmax]、以及邻边夹角θk,k+1的有效范围若第k条边界对应的边界参数均在上述设定的各自对应的有效范围内时,确定该第k条边界有效,否则,确定该第k条边界无效;进一步地,若该第k条边界与第k+1条边界的夹角在上述设定的邻边夹角有效范围内时,确定第k条边界有效,若该第k条边界与第k+1条边界的夹角不在上述设定的邻边夹角范围内时,确定该第k条边界无效,需要说明的是,若存在至少两条边的邻边夹角均不处于上述设定的邻边夹角范围内,则确定置信度最小的边界为无效边界。上述判断过程可以根据预设的顺序执行,也可同时执行,本实施例对此不做限定。
S304、根据有效边界模型的角度进行边界搜索,得到与当前帧的原始目标点对应的边界检测结果。
其中,边界搜索与上述步骤S302的边界搜索类似,通过调整各边界的角度、距离而得到的各边界对应的新的边界参数。
在本实施例中,步骤S303得到的有效边界模型的数量不确定,服务器可以根据有效边界模型的数量,匹配搜索效率较高的搜索方式进行搜索。以平行四边形为例说明,若上述确定的有效边界模型的数量为2,且该有效边界模型对应的边界为相邻边界,由于平行四边形具有对边平行、夹角相等的特性,此时,服务器可以根据有效边界模型的夹角直接确定另外两条无效边界的边界模型的夹角,从而在搜索时,服务器只需要根据距离范围和距离步长进行搜索即可。若上述确定的有效边界模型的数量为1,根据预先设定的平行四边形中相邻夹角的取值范围,服务器可以直接确定当前有效边界模型对应边界的相邻边界的夹角,从而根据距离范围和距离步长搜索确定相邻边界的边界参数。本实施例对此不做限定。
在本实施例中,服务器先对待检测区域进行单帧边界检测,初步确定各帧中对应的有效边界模型,使得后续的多帧综合量化的样本数据均为有效边界模型,进一步提高了边界检测结果的准确定和精度。
服务器根据角度、距离进行多次边界搜索,得到各边界的边界参数,在一个实施例中,如图8所示,上述针对每条边界的初始边界模型,在预设的角度范围和预设的距离范围进行多次边界搜索,确定待检测区域的每个边界的边界参数,包括:
S401、针对每条边界,以初始边界模型为基准,在预设的角度范围以预设角度步长进行M次边界搜索,以及在预设的距离范围以预设距离步长进行N次边界搜索,得到每条边界对应的M*N个候选边界模型。
在本实施例中,其中,M、N为正整数,服务器预先设定角度步长为Δθ,预设的角度范围为[θmin,θmax],距离步长为Δd,预设的距离范围为[dmin,dmax],具体地,服务器在[θmin,θmax]范围内,以Δθ为步长搜索M次,在[dmin,dmax]范围内,以Δd为步长搜索N次,其中,第m次搜索角度为θm=m·Δθ,第n次搜索的距离为dm=n·Δd,搜索M*N次后,得到的各边界对应的M*N个候选边界模型Lmn为:
Lmn:Amx+Bmy+Cn=0
其中,A为自变量系数,A=cosθ;B为应变量系数,B=sinθ;C为直线Lnm到原点的距离,C=d,C为常数。
S402、计算当前帧的每个原始目标点到每条边界的每个候选边界模型的距离。
在本实施例中,服务器计算当前帧的每个原始目标点分别到各个边界对应的M*N个候选边界模型的距离,其计算方法即为任意一种点到线的距离的计算方法。针对每一帧中的每一条边界,各原始目标点Pk到Lmn的距离可以表示为Dmnk。
S403、根据距离确定每条边界的边界参数。
在本实施例中,服务器可以根据当前帧中各个边界对应的M*N*k个距离值,确定当前边界的候选边界模型中,距离值平方和最小的候选边界模型对应的边界参数为当前边界的边界参数;可选地,服务器还可以设定一个距离阈值,统计该距离阈值范围内的原始目标点的数量,从而根据原始目标点的数量确定当前边界的候选边界模型,从而确定该候选边界模型对应的边界参数为当前边界的边界参数,本实施例对此不做限定。
在本实施例中,由于边界检测的是基于平面直角坐标系,通过角度步长、角度范围、距离步长、距离范围进行全方位的候选边界模型的搜索,不局限于雷达安装角度,且提高了边界搜索的效率和准确率。
可选地,在一个实施例中,如图9所示,上述根据距离确定每条边界的边界参数,包括:
S501、针对第i条边界的候选边界模型,统计距离小于预设距离阈值的原始目标点的数目。
其中,预设距离阈值为根据待检测区域的实际情况确定,在实际边界检测侧过程中,若原始目标点距离当前候选边界模型的距离过远,可以认为该原始目标点不属于当前边界对应的候选边界模型,即,在统计原始目标点数目时,只需要统计可能属于当前候选边界模型的点数。
在本实施例中,服务器可以设定距离阈值为Tk,针对第i条边界的每个候选边界模型,计算原始目标点到该候选边界模型的距离Dmnk,进一步地,统计该距离Dmnk<Tk的原始目标点的数目Jmn,本实施例对此不做限定。
S502、根据原始目标点的数目最大的候选边界模型,确定第i条边界的边界参数。
在本实施例中,其中,i为正整数,针对第i条边界,服务器可以计算得到M*N个候选边界模型,每个候选边界模型对应一个原始目标点的数目Jmn,相当于得到了M*N个Jmn,在M*N个Jmn中,确定其最大值max(Jmn)对应的候选边界模型作为当前边界对应的边界模型,该边界模型对应的边界参数确定为当前边界的边界参数。示例地,确定J12为当前边界的M*N个原始目标点的数目的最大值,则确定当前边界的边界参数为角度θ1,距离d2,以及对应的置信度。
在本实施例中,服务器根据原始目标点到候选边界模型的距离以及点数确定第i条边界的边界参数,选择原始目标点的数目最大的候选边界模型,即该候选边界模型包含的原始目标点数最多,进一步确保了该候选边界模型边界参数的准确性。
在任意一种多边形的场景中,针对每一帧的边界检测结果,在一个实施例中,上述根据有效边界模型的角度进行边界搜索,得到与当前帧的原始目标点对应的边界检测结果,包括:
若待检测区域存在有效边界模型,则根据有效边界模型的角度搜索有效模型的相邻边界模型,并根据有效边界模型和相邻边界模型的角度搜索剩余的边界模型,输出有效边界模型、相邻边界模型和剩余的边界模型对应的边界信息,且确定边界状态为有效。
在本实施例中,服务器可以设定待检测区域中各相邻边界之间的夹角关系,当服务器检测到当前帧中,待检测区域中存在有效边界模型时,可以根据当前有效边界模型与其相邻边界之间的夹角关系,确定其相邻边界的与平面坐标系中纵轴的夹角,从而确定该相邻边界对应的边界模型,可选地,其确定方式与上述步骤S302类似,具体为根据确定的夹角角度,以不同的距离进行搜索,确定该相邻边界对应的边界模型。在多边形的待检测区域中,可以通过这种方式,逐次确定当前有效边界的相邻边界,从而完成待检测区域中所有边界的搜索确定,从而输出所有边界对应的边界信息,并将当前帧的待检测区域的边界状态确定为有效状态,本实施例对此不做限定。
若不存在有效边界模型,则输出默认的边界模型对应的边界信息,且确定边界状态为无效。
在本实施例中,当服务器检测到当前帧中,待检测区域中不存在有效边界模型时,即,当前没有有效的边界参数可供服务器进行搜索参考,此时,服务器放弃搜索,并输出预设的默认边界模型对应的边界信息,并将当前帧的待检测区域的边界状态确定为无效状态。
在具有偶数条边界的多边形的场景中,在一个实施例中,若待检测区域具有偶数条边界模型,则上述根据有效边界模型的角度进行边界搜索,得到与当前帧的原始目标点对应的边界检测结果,包括:
若存在一个有效边界模型,则根据有效边界模型的角度搜索有效模型的相邻边界模型,并根据有效边界模型和相邻边界模型的角度搜索剩余的边界模型,输出有效边界模型、相邻边界模型和剩余的边界模型对应的边界信息,且确定边界状态为有效。
在本实施例中,服务器同样可以设定待检测区域中各相邻边界之间的夹角关系,当待检测区域中存在1个有效边界模型时,可以根据当前有效边界模型与其相邻边界之间的夹角关系,确定其相邻边界的与平面坐标系中纵轴的夹角,从而确定该相邻边界对应的边界模型,可选地,其确定方式与上述步骤S302类似,具体为,以一定的相邻夹角角度,以不同的距离进行搜索,确定该相邻边界对应的边界模型。通过这种方式,服务器逐次确定当前有效边界的相邻边界,从而完成待检测区域中所有边界的搜索确定,从而输出所有边界对应的边界信息,并将当前待检测区域的边界状态确定为有效状态,本实施例对此不做限定。
若存在奇数个两两相邻的有效边界模型,根据有效边界模型的角度搜索剩余的边界模型,输出有效边界模型和剩余的边界模型对应的边界信息,且确定边界状态为有效。
在本实施例中,可选地,待检测区域具有偶数条边界,且存在奇数对相互平行的边界,在服务器确定当前帧中,待检测区域存在奇数个两两相邻的有效边界模型时,根据平行对边角度一样的特性,服务器可以直接根据角度确定另外奇数个边界对应的边界角度,从而根据距离步长进行搜索,确定另外奇数个边界的边界模型,本实施例对此不做限定。
若不存在有效边界模型,则确定边界状态为无效。
在本实施例中,当服务器检测到当前帧中,待检测区域中不存在有效边界模型时,即,当前没有有效的边界参数可供服务器进行搜索参考,此时,服务器放弃搜索,并输出预设的默认边界模型对应的边界信息,并将当前帧的待检测区域的边界状态确定为无效状态。
在本实施例中,针对不同的多边形的待检测区域,服务器可以设定不同的搜索规则,简化搜索过程,提高搜索效率,从而提高待检测区域的边界检测效率。
为进一步的确保每一帧边界信息的有效性,服务器还可以对输出的各边界信息进行进一步的联合判定,在一个实施例中,该方法还包括:
若边界状态为有效,则根据边界信息、相邻边界关系和对边距离判断边界信息的有效性,若边界信息有效,则输出边界信息,且确定边界状态为有效;若边界信息无效,则输出默认的边界模型对应的边界信息,确定边界状态为无效。
其中,边界信息包括各边界的夹角、距离;相邻边界关系指的是两条相邻边界的夹角关系;对边距离指的是不相邻的边界之间的距离。
在本实施例中,服务器在确定当前帧的待检测区域的边界状态有效,即该待检测区域中的所有边界信息均有效,此时,服务器判断所有边界的夹角、距离、置信度是否均处于相应的预设的取值范围内时,若所有边界的夹角、距离、置信度均处于相应的预设的取值范围内时,则确定当前帧的待检测区域的边界信息有效;服务器根据相邻边界关系中各邻边夹角的取值范围,确定当前帧的所有边界的相邻夹角是否处于对应预设的夹角范围内,若所有边界的相邻夹角均处于对应预设的夹角范围内,则确定当前帧的待检测区域的边界信息有效;服务器还可以根据当前帧中,所有边界的对边距离,判断所有对边距离是否处于其各自对应的取值范围内,若所有边界的对边距离均处于各自对应的取值范围内,则确定当前帧的待检测区域的边界信息有效。需要说明的是,服务器判断夹角、距离、相邻夹角、对边距离等步骤可以为同时进行,也可以是按照一定的顺序进行。需要注意的是,当服务器检测到存在至少一个边界的至少一个参数不处于其对应的有效取值范围时,则确定当前帧的待检测区域的边界信息无效。
若边界状态为无效,则输出默认的边界模型对应的边界信息,确定边界状态为无效。
在本实施例中,服务器在确定当前帧的待检测区域的边界状态无效,此时,服务器则输出初始化的默认边界模型对应的边界信息,并确定当前帧的待检测区域的边界状态无效。
在本实施例中,服务器在搜索确定当前帧的待检测区域的边界之后,又对有效边界信息进行了进一步的有效性判定,多重验证,提高了当前帧的待检测区域的边界检测结果的准确性。
服务器在对各帧进行边界检测之后,还可以通过多帧综合量化确定待检测区域边界的检测结果,在一个实施例中,如图10所示,上述对预设帧数的边界检测结果进行多帧综合量化检测,确定待检测区域的目标边界检测结果,包括:
S601、获取边界状态为有效的帧数量,若帧数量大于预设的数量阈值,则针对每条边界,从各帧的边界信息中选择置信度最高的边界信息作为目标边界信息;其中,数量阈值为根据判决因子和预设帧数确定的。
其中,判决因子α为服务器根据实际情况设定的乘数因子。在本实施例中,服务器获取预设帧数NF的边界检测结果后,统计预设帧数中,边界检测结果中边界状态为有效的帧数Kovalid,若Kovalid>α·NF,则说明预设帧数的边界检测结果有效,则服务器根据各帧的边界信息,选择置信度最高的边界信息作为目标边界信息。可选地,服务器可以分别统计每条边界对应的Kovalid个角度θ和Kovalid个距离d,针对于每条边界,确定[θmin,θmax]内的置信度最高对应的角度值θopt作为该边界输出的角度值,确定[dmin,dmax]内的置信度最高对应的距离dopt作为该边界输出的距离值,分别确定各边界对应的角度值θopt和距离dopt,作为待检测区域的目标边界信息。
S602、根据目标边界信息、相邻边界关系和对边距离判断目标边界信息的有效性,若目标边界信息有效,则输出目标边界信息,且确定边界状态为有效。
其中,以平行四边形为例,对边距离指的是非相邻边的距离。
在本实施例中,服务器若判断目标边界信息中对应的夹角、距离、置信度均处于相应的预设的取值范围内时,确定该目标边界信息有效;根据相邻边界关系中各邻边夹角的取值范围,确定该目标边界信息是否有效;根据待检测区域的实际情况,设定对边距离的取值范围为判断对边距离d(k,k+2)是否处于该取值范围内,若不处于该取值范围内,则确定当前目标边界信息无效,若无效的目标边界信息多于预设阈值,示例地,待检测区域若为四边形,则该预设阈值可以为2,则根据各边界对应的置信度,确定置信度最小的边界对应的目标边界信息无效。上述判断条件可以按照预设的顺序执行,也可以同时执行。需要说明的是,若存在一个边界的目标边界信息无效时,则确定当前待检测区域的目标边界信息无效。
S603、若目标边界信息无效,则输出默认的边界模型对应的目标边界信息,确定边界状态为无效。
在本实施例中,服务器确定目标边界信息无效,即当前目标边界信息无法准确反映待检测区域的边界信息,此时,该目标边界信息作废,服务器可以输出初始化默认的边界模型对应的目标边界信息作为当前待检测区域的边界信息,可选地,服务器还可以将当前目标边界信息标记为无效,用于后续对该待检测区域的边界检测状态进行查看等操作。
在本实施例中,服务器在针对多帧的边界检测结果进行综合量化,再一次确定目标边界信息有效性,通过多次量化,使得待检测区域的边界检测结果更加准确可靠。
为提高样本数据的精度,在获取原始目标点之后,单帧边界检测之前,服务器可以对原始目标点进行筛选处理。在一个实施例中,在获取待检测区域中的多帧原始目标点之后,该方法还包括:
对原始目标点进行数据预处理,剔除原始目标点中的杂点;杂点包括待检测区域中的运动点、预设区域内的噪点。
在本实施例中,服务器在获取到原始目标点之后,将原始目标点投影至直角坐标系中,可选地,杂点还可以包括雷达盲区内杂点、运动点、左右噪点、近距离前方噪点等。在执行数据预处理时,服务器可以根据雷达的实际情况,设定Rmin为雷达的盲区,将R<Rmin的原始目标点都确定为盲区内杂点,进行滤除处理;基于上述步骤S201,原始目标点具有其对应的数据,其中包括各原始目标点的速度,在数据预处理时,服务器可以将速度不为0的原始目标点确定为运动点,进行滤除处理;服务器还可以根据雷达的实际放置情况,设定雷达的左右边界阈值xl,xr,即x>xr或x<xl的原始目标点被确定为左右噪点,进行滤除操作;服务器还可以根据雷达的实际情况,设定雷达的前向距离的阈值yu,即y<yu的原始目标点被确定为近距离前方噪点,进行滤除处理;或者,服务器还可以根据其他滤除规则对待检测区域中非有效点进行滤除,本实施例对此不做限定。
在本实施例中,服务器在数据预处理阶段根据多种杂点确定规则,对无效点进行滤除,一定程度上提高了原始目标点样本的有效性,间接提高了后续边界检测的准确性。
为了更好的说明上述方法,如图11所示,本实施例提供一种边界检测方法,具体包括:
S101、获取待检测区域中连续的至少两帧原始目标点;
S102、对原始目标点进行数据预处理,剔除原始目标点中的杂点;
S103、在传感器所在坐标系的平面上,基于当前帧原始目标点获取待检测区域的每条边界的初始边界模型。
S104、针对每条边界的初始边界模型,在预设的角度范围和预设的距离范围进行多次边界搜索,确定待检测区域的每个边界的边界参数;
S105、根据每个边界的边界参数和相邻边界关系,确定待检测区域的有效边界模型;
S106、根据有效边界模型的角度进行边界搜索,得到当前帧的边界检测结果;边界检测结果包括待检测区域的边界信息和边界状态;
S107、判断边界监测的帧数是否已达到预设帧数;若达到,则执行步骤S108;若没达到,则返回执行步骤S103;
S108、获取边界状态为有效的帧数量,若帧数量大于预设的数量阈值,则针对每条边界,从各帧的边界信息中选择置信度最高的边界信息作为目标边界信息;
S109、根据目标边界信息、相邻边界关系和对边距离判断目标边界信息的有效性;若目标边界信息有效,则执行步骤S110;若目标边界信息无效,则执行步骤S111;
S110、输出目标边界信息,且确定边界状态为有效;
S111、输出默认的边界模型对应的目标边界信息,确定边界状态为无效。
在本实施例中,服务器通过对原始目标点进行预处理,初步筛选掉无效的原始目标点,且,在边界检测过程中,服务器先对各帧的原始目标点进行边界检测,而后结合多帧的边界检测结果进行综合量化,多维度地提高了边界检测结果的稳定性和准确性。
上述实施例提供的边界检测方法,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6-11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6-11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12所示,提供了一种边界检测装置,包括:获取模块01、边界检测模块02和综合量化模块03,其中:
获取模块01,用于获取待检测区域中连续的至少两帧原始目标点;
边界检测模块02,用于对每一帧原始目标点进行边界检测处理,以得到待检测区域的每一帧的边界检测结果;
综合量化模块03,用于对预设帧数的边界检测结果进行多帧综合量化检测,确定待检测区域的目标边界检测结果。
在一个实施例中,如图13所示,上述边界检测模块02包括创建单元021、搜索单元022和确定单元023,其中:
创建单元021,用于在传感器所在坐标系的平面上,基于当前帧原始目标点获取待检测区域的每条边界的初始边界模型;
搜索单元022,用于针对每条边界的初始边界模型,在预设的角度范围和预设的距离范围进行多次边界搜索,确定待检测区域的每个边界的边界参数;
确定单元023,用于根据每个边界的边界参数和相邻边界关系,确定待检测区域的有效边界模型;
搜索单元022,还用于根据有效边界模型的角度进行边界搜索,得到与当前帧的原始目标点对应的边界检测结果;
其中,边界检测结果包括待检测区域每条边界的边界信息和/或边界状态;和/或,边界参数包括角度、距离和/或置信度。
在一个实施例中,上述搜索单元022,具体用于针对每条边界,以初始边界模型为基准,在预设的角度范围以预设角度步长进行M次边界搜索,以及在预设的距离范围以预设距离步长进行N次边界搜索,得到每条边界对应的M*N个候选边界模型;计算当前帧的每个原始目标点到每条边界的每个候选边界模型的距离;根据距离确定每条边界的边界参数;
其中,M、N为正整数。
在一个实施例中,上述搜索单元022,具体用于对第i条边界的候选边界模型,统计距离小于预设距离阈值的原始目标点的数目;根据原始目标点的数目最大的候选边界模型,确定第i条边界的边界参数;
其中,i为正整数。
在一个实施例中,上述搜索单元022,具体用于若待检测区域存在有效边界模型,则根据有效边界模型的角度搜索有效模型的相邻边界模型,并根据有效边界模型和相邻边界模型的角度搜索剩余的边界模型,输出有效边界模型、相邻边界模型和剩余的边界模型对应的边界信息,且确定边界状态为有效;若不存在有效边界模型,则输出默认的边界模型对应的边界信息,且确定边界状态为无效。
在一个实施例中,在待检测区域具有偶数条边界模型的情况下,上述搜索单元022,具体用于若存在一个有效边界模型,则根据有效边界模型的角度搜索有效模型的相邻边界模型,并根据有效边界模型和相邻边界模型的角度搜索剩余的边界模型,输出有效边界模型、相邻边界模型和剩余的边界模型对应的边界信息,且确定边界状态为有效;若存在奇数个两两相邻的有效边界模型,根据有效边界模型的角度搜索剩余的边界模型,输出有效边界模型和剩余的边界模型对应的边界信息,且确定边界状态为有效;若不存在有效边界模型,则确定边界状态为无效。
在一个实施例中,如图14所示,上述边界检测装置还包括输出模块04;
输出模块04,用于若边界状态为有效,则根据边界信息、相邻边界关系和对边距离判断边界信息的有效性,若边界信息有效,则输出边界信息,且确定边界状态为有效;若边界信息无效,则输出默认的边界模型对应的边界信息,确定边界状态为无效;若边界状态为无效,则输出默认的边界模型对应的边界信息,确定边界状态为无效。
在一个实施例中,如图15所示,上述综合量化模块03包括选择单元031、判断单元032和输出单元033,其中:
选择单元031,用于获取边界状态为有效的帧数量,若帧数量大于预设的数量阈值,则针对每条边界,从各帧的边界信息中选择置信度最高的边界信息作为目标边界信息;其中,数量阈值为根据判决因子和预设帧数确定的;
判断单元032,用于根据目标边界信息、相邻边界关系和对边距离判断目标边界信息的有效性,若目标边界信息有效,则输出目标边界信息,且确定边界状态为有效;
输出单元033,用于若目标边界信息无效,则输出默认的边界模型对应的目标边界信息,确定边界状态为无效。
在一个实施例中,如图16所示,上述边界检测装置还包括数据处理模块05;
数据处理模块05,用于对原始目标点进行数据预处理,剔除原始目标点中的杂点;杂点包括待检测区域中的雷达盲区内杂点、运动点、左右噪点、和预设区域内的噪点中的至少一个。
关于边界检测装置的具体限定可以参见上文中对于边界检测方法的限定,在此不再赘述。上述边界检测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17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边界检测方法。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17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:
获取待检测区域中连续的至少两帧原始目标点;
对每一帧原始目标点进行边界检测处理,得到待检测区域的每一帧的边界检测结果;边界检测结果包括待检测区域的每条边界的边界信息和边界状态;
对预设帧数的边界检测结果进行多帧综合量化检测,确定待检测区域的目标边界检测结果。
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:
获取待检测区域中连续的至少两帧原始目标点;
对每一帧原始目标点进行边界检测处理,得到待检测区域的每一帧的边界检测结果;边界检测结果包括待检测区域的每条边界的边界信息和边界状态;
对预设帧数的边界检测结果进行多帧综合量化检测,确定待检测区域的目标边界检测结果。
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。
在另一个可选的实施例中,本申请还提供了一种传感器(如各种雷达设备或集成电路,如毫米波雷达芯片等),该传感器可用于固定设置在待检测区域内以便于进行目标检测,所述传感器可包括发收天线、控制单元和处理单元等,该发收天线用于发收无线电信号,以便于进行目标检测:处理单元则可用于对回波信号进行处理以获取目标信息。其中,上述的发收天线可包括至少三根发射天线,且该至少三根发射天线位于非同一直线上(即不共线),以便于实现俯仰角和方位角的检测。
可选的,上述的传感器还可包括控制单元,用于控制上述的至少三根发射天线发射无线电信号。当上述的传感器固定在上述的待检测区域内时,上述的控制单元可控制发射天线发射出用于边界检测的测试信号,该测试信号可与后续用于目标检测的信号相同或相异。同时,上述的发收天线中的接收天线则可接收用于边界检测的测试回波信号,而处理单元则可对测试回波信号进行诸如信号处理、数据处理等操作以得到预设二维平面上的边界信息。
在另一个可选的实施例中,为了进一步提升针对预设二维平面上边界信息的检测精准性,控制单元还可在控制所述至少三根发射天线在预设维度上发射窄波束测试信号,即预设维度垂直于所述二维平面。
在一个可选的实施例中,上述的处理单元还可采用本申请任一实施例中所述的方法对所述测试回波信号进行处理,以得到所述预设二维平面上的边界信息。具体详情可参见本申请中相关部分的阐述,在此便不予赘述。
在一个可选的实施例中,本申请还提供了一种设备,可包括:设备本体;以及设置于所述设备本体上的本申请任一实施例中所述的传感器;其中,所述传感器用于目标检测和/或通信。
可选的,上述的设备本体可为智能交通运输设备(如汽车、自行车、摩托车、船舶、地铁、火车等)、安防设备(如摄像头)、液位/流速检测设备、智能穿戴设备(如手环、眼镜等)、智能家居设备(如电视、空调、智能灯等)、各种通信设备(如手机、平板电脑等)等,以及诸如道闸、智能交通指示灯、智能指示牌、交通摄像头及各种工业化机械手(或机器人)等,也可为用于检测生命特征参数的各种仪器以及搭载该仪器的各种设备。
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 (24)
1.一种边界检测方法,其特征在于,所述方法包括:
获取待检测区域中连续的至少两帧原始目标点;
对每一帧原始目标点进行边界检测处理,以得到所述待检测区域的各帧的边界检测结果;以及
对预设帧数的所述边界检测结果进行多帧综合量化检测,确定所述待检测区域的目标边界检测结果。
2.根据权利要求1所述的方法,其特征在于,所述对每一帧原始目标点进行边界检测处理,以得到所述待检测区域的各帧的边界检测结果,包括:
在传感器所在坐标系的平面上,基于当前帧原始目标点获取所述待检测区域的每条边界的初始边界模型;
针对每条边界的所述初始边界模型,在预设的角度范围和预设的距离范围进行多次边界搜索,确定所述待检测区域的每个边界的边界参数;
根据所述每个边界的边界参数和相邻边界关系,确定所述待检测区域的有效边界模型;以及
根据所述有效边界模型的角度进行边界搜索,得到与所述当前帧原始目标点对应的边界检测结果;
其中,所述边界检测结果包括所述待检测区域每条边界的边界信息和/或边界状态;和/或,所述边界参数包括角度、距离和/或置信度。
3.根据权利要求2所述的方法,其特征在于,所述针对每条边界的所述初始边界模型,在预设的角度范围和预设的距离范围进行多次边界搜索,确定所述待检测区域的每个边界的边界参数,包括:
针对每条边界,以所述初始边界模型为基准,在预设的角度范围以预设角度步长进行M次边界搜索,以及在预设的距离范围以预设距离步长进行N次边界搜索,得到所述每条边界对应的M*N个候选边界模型;
计算当前帧的每个原始目标点到所述每条边界的每个所述候选边界模型的距离;以及
根据所述距离确定所述每条边界的边界参数;
其中,M、N为正整数。
4.根据权利要求3所述的方法,其特征在于,所述根据所述距离确定所述每条边界的边界参数,包括:
针对第i条边界的候选边界模型,统计所述距离小于预设距离阈值的原始目标点的数目;
根据所述原始目标点的数目最大的候选边界模型,确定所述第i条边界的边界参数;
其中,i为正整数。
5.根据权利要求2所述的方法,其特征在于,所述根据所述有效边界模型的角度进行边界搜索,得到与所述当前帧原始目标点对应的边界检测结果,包括:
若所述待检测区域存在所述有效边界模型,则根据所述有效边界模型的角度搜索所述有效模型的相邻边界模型,并根据所述有效边界模型和所述相邻边界模型的角度搜索剩余的边界模型,输出所述有效边界模型、所述相邻边界模型和所述剩余的边界模型对应的边界信息,且确定所述边界状态为有效;
若不存在所述有效边界模型,则输出默认的边界模型对应的边界信息,且确定所述边界状态为无效。
6.根据权利要求2所述的方法,其特征在于,若所述待检测区域具有偶数条边界模型,则所述根据所述有效边界模型的角度进行边界搜索,得到与所述当前帧原始目标点对应的边界检测结果,包括:
若存在一个所述有效边界模型,则根据所述有效边界模型的角度搜索所述有效模型的相邻边界模型,并根据所述有效边界模型和所述相邻边界模型的角度搜索剩余的边界模型,输出所述有效边界模型、所述相邻边界模型和所述剩余的边界模型对应的边界信息,且确定所述边界状态为有效;
若存在奇数个两两相邻的所述有效边界模型,根据所述有效边界模型的角度搜索剩余的边界模型,输出所述有效边界模型和所述剩余的边界模型对应的边界信息,且确定所述边界状态为有效;
若不存在所述有效边界模型,则确定所述边界状态为无效。
7.根据权利要求5或6所述的方法,其特征在于,所述方还包括:
若所述边界状态为有效,则根据所述边界信息、相邻边界关系和对边距离判断所述边界信息的有效性,若所述边界信息有效,则输出所述边界信息,且确定所述边界状态为有效;若所述边界信息无效,则输出默认的边界模型对应的边界信息,确定所述边界状态为无效;
若所述边界状态为无效,则输出默认的边界模型对应的边界信息,确定所述边界状态为无效。
8.根据权利要求2-6中任一项所述的方法,其特征在于,所述对预设帧数的所述边界检测结果进行多帧综合量化检测,确定所述待检测区域的目标边界检测结果,包括:
获取所述边界状态为有效的帧数量,若所述帧数量大于预设的数量阈值,则针对所述每条边界,从各帧的边界信息中选择置信度最高的边界信息作为目标边界信息;其中,所述数量阈值为根据判决因子和所述预设帧数确定的;
根据所述目标边界信息、相邻边界关系和对边距离判断所述目标边界信息的有效性,若所述目标边界信息有效,则输出所述目标边界信息,且确定所述边界状态为有效;
若所述目标边界信息无效,则输出默认的边界模型对应的目标边界信息,确定所述边界状态为无效。
9.根据权利要求2-6任一项所述的方法,其特征在于,在所述获取待检测区域中的多帧原始目标点之后,所述方法还包括:
对所述原始目标点进行数据预处理,剔除所述原始目标点中的杂点;所述杂点包括所述待检测区域中的雷达盲区内杂点、运动点、左右噪点、和预设区域内的噪点中的至少一个。
10.一种边界检测装置,其特征在于,所述装置包括:
获取模块,用于获取待检测区域中连续的至少两帧原始目标点;
边界检测模块,用于对每一帧原始目标点进行边界检测处理,得到所述待检测区域的每一帧的边界检测结果;所述边界检测结果包括所述待检测区域的每条边界的边界信息和边界状态;
综合量化模块,用于对预设帧数的所述边界检测结果进行多帧综合量化检测,确定所述待检测区域的目标边界检测结果。
11.一种目标检测方法,其特征在于,用于设置在待检测区域内的传感器进行目标检测,所述待检测区域具有至少一个物理边界,所述方法包括:
对所述传感器所获取的原始目标点进行降噪处理以得到有效目标点;
基于所述有效目标点进行建模以得到与所述物理边界对应的目标边界检测结果;以及
基于所述目标边界检测结果和所述传感器的参数确定所述待检测区域中的有效监测区域的边界。
12.根据权利要求11所述的方法,其特征在于,针对所述待检测区域中的一预设二维平面;所述对所述传感器所获取的原始目标点进行降噪处理以得到有效目标点,包括:
对回波信号进行信号处理以得到所述原始目标点;以及
将各所述原始目标点投影至所述预设二维平面后,继续进行所述降噪处理以得到位于所述预设二维平面上的所述有效目标点。
13.根据权利要求12所述的方法,其特征在于,所述降噪处理包括盲区杂点滤除、运动点滤除、左右噪点滤除和/或近距离前方噪点滤除。
14.根据权利要求12所述的方法,其特征在于,位于所述预设二维平面上的所述有效目标点包括至少一帧有效目标点;
所述基于所述有效目标点进行建模以得到与所述物理边界对应的目标边界检测结果,包括单帧边界检测步骤;
所述单帧边界检测步骤包括:
针对任一帧所述有效目标点,基于预设的边界模型获取单帧的目标边界检测结果;
其中,基于所述单帧的目标边界检测结果和所述传感器的参数确定所述待检测区域中的有效监测区域的边界。
15.根据权利要求14所述的方法,其特征在于,所述基于所述有效目标点进行建模以得到与所述物理边界对应的目标边界检测结果,还包括多帧综合评估步骤;
所述多帧综合评估步骤包括:
针对预设帧数的所述单帧的目标边界检测结果,对置信度最高的各条边界进行评估,以得到综合的目标边界检测结果;
其中,基于所述综合的目标边界检测结果和所述传感器的参数确定所述待检测区域中的有效监测区域的边界。
16.根据权利要求12所述的方法,其特征在于,针对所述待检测区域中的一所述预设二维平面获取所述有效目标点时,所述传感器在垂直于该预设二维平面的维度上发射窄波束测试信号。
17.一种目标检测的方法,其特征在于,包括:
基于如权利要求1-9中任一项所述边界检测的方法所获取的边界检测结果,或者,如权利要求11-16中任一项所述边界检测的方法所获取的有效监测区域的边界进行目标检测。
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17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17中任一项所述的方法的步骤。
20.一种传感器,其特征在于,所述传感器固定设置在待检测区域内,所述传感器包括:
不共线的至少三根发射天线;
控制单元,用于控制所述至少三根发射天线在预设维度上发射窄波束测试信号;
处理单元,用于对测试回波信号进行处理得到预设二维平面上的边界信息;
其中,所述预设维度垂直于所述二维平面。
21.根据权利要求20所述的传感器,其特征在于,所述处理单元还用于权利要求1至16中任一项所述的方法对所述测试回波信号进行处理得到所述预设二维平面上的边界信息。
22.根据权利要求20所述的传感器,其特征在于,所述控制单元还用于控制所述至少三个发射天线发射检测信号;以及
所述处理单元还用于基于所述边界信息对检测回波信号进行处理,以对所述待检测区域中所述预设二维平面进行目标检测。
23.根据权利要求1-22中任一项所述的传感器,所述传感器为毫米波雷达。
24.一种设备,其特征在于,包括:
设备本体;以及设置于所述设备本体上的如权利要求20-23所述的传感器;
其中,所述传感器用于目标检测和/或通信。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110490404.3A CN113344954A (zh) | 2021-05-06 | 2021-05-06 | 边界检测方法、装置、计算机设备、存储介质和传感器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110490404.3A CN113344954A (zh) | 2021-05-06 | 2021-05-06 | 边界检测方法、装置、计算机设备、存储介质和传感器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113344954A true CN113344954A (zh) | 2021-09-03 |
Family
ID=77469604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110490404.3A Pending CN113344954A (zh) | 2021-05-06 | 2021-05-06 | 边界检测方法、装置、计算机设备、存储介质和传感器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113344954A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114047508A (zh) * | 2022-01-13 | 2022-02-15 | 中国人民解放军海军工程大学 | 一种对海雷达探测范围统计评估方法及系统 |
CN115830043A (zh) * | 2023-01-09 | 2023-03-21 | 北京阿丘机器人科技有限公司 | 无线充磁铁的边界检测方法、装置、设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105404844A (zh) * | 2014-09-12 | 2016-03-16 | 广州汽车集团股份有限公司 | 一种基于多线激光雷达的道路边界检测方法 |
CN108957447A (zh) * | 2018-04-16 | 2018-12-07 | 长江水利委员会水文局长江下游水文水资源勘测局 | 一种船基雷达水边界自动测量方法 |
CN109829386A (zh) * | 2019-01-04 | 2019-05-31 | 清华大学 | 基于多源信息融合的智能车辆可通行区域检测方法 |
CN110109127A (zh) * | 2019-04-02 | 2019-08-09 | 中山大学 | 一种增加激光雷达点云稠密度的装置及方法 |
CN110456377A (zh) * | 2019-08-15 | 2019-11-15 | 中国人民解放军63921部队 | 一种基于三维激光雷达的卫星来袭异物检测方法和系统 |
CN110705458A (zh) * | 2019-09-29 | 2020-01-17 | 北京智行者科技有限公司 | 边界检测方法及装置 |
CN111025241A (zh) * | 2019-10-17 | 2020-04-17 | 珠海格力电器股份有限公司 | 一种边界区域检测方法、装置、电子设备及存储介质 |
CN111583663A (zh) * | 2020-04-26 | 2020-08-25 | 宁波吉利汽车研究开发有限公司 | 基于稀疏点云的单目感知修正方法、装置及存储介质 |
CN111708022A (zh) * | 2020-07-15 | 2020-09-25 | 四川长虹电器股份有限公司 | 毫米波雷达的扫描区域边界的计算方法及装置 |
CN112013831A (zh) * | 2020-09-09 | 2020-12-01 | 北京易控智驾科技有限公司 | 一种基于地形分析的地图边界自动提取方法及装置 |
CN112288759A (zh) * | 2020-10-26 | 2021-01-29 | 广东博智林机器人有限公司 | 一种边界提取方法、装置、设备及存储介质 |
-
2021
- 2021-05-06 CN CN202110490404.3A patent/CN113344954A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105404844A (zh) * | 2014-09-12 | 2016-03-16 | 广州汽车集团股份有限公司 | 一种基于多线激光雷达的道路边界检测方法 |
CN108957447A (zh) * | 2018-04-16 | 2018-12-07 | 长江水利委员会水文局长江下游水文水资源勘测局 | 一种船基雷达水边界自动测量方法 |
CN109829386A (zh) * | 2019-01-04 | 2019-05-31 | 清华大学 | 基于多源信息融合的智能车辆可通行区域检测方法 |
CN110109127A (zh) * | 2019-04-02 | 2019-08-09 | 中山大学 | 一种增加激光雷达点云稠密度的装置及方法 |
CN110456377A (zh) * | 2019-08-15 | 2019-11-15 | 中国人民解放军63921部队 | 一种基于三维激光雷达的卫星来袭异物检测方法和系统 |
CN110705458A (zh) * | 2019-09-29 | 2020-01-17 | 北京智行者科技有限公司 | 边界检测方法及装置 |
CN111025241A (zh) * | 2019-10-17 | 2020-04-17 | 珠海格力电器股份有限公司 | 一种边界区域检测方法、装置、电子设备及存储介质 |
CN111583663A (zh) * | 2020-04-26 | 2020-08-25 | 宁波吉利汽车研究开发有限公司 | 基于稀疏点云的单目感知修正方法、装置及存储介质 |
CN111708022A (zh) * | 2020-07-15 | 2020-09-25 | 四川长虹电器股份有限公司 | 毫米波雷达的扫描区域边界的计算方法及装置 |
CN112013831A (zh) * | 2020-09-09 | 2020-12-01 | 北京易控智驾科技有限公司 | 一种基于地形分析的地图边界自动提取方法及装置 |
CN112288759A (zh) * | 2020-10-26 | 2021-01-29 | 广东博智林机器人有限公司 | 一种边界提取方法、装置、设备及存储介质 |
Non-Patent Citations (5)
Title |
---|
JACOPO PEGORARO等: "Multi-Person Continuous Tracking and Identificationfrom mm-Wave micro-Doppler Signatures", 《ARXIV》, 28 February 2021 (2021-02-28), pages 1 - 16 * |
姜青竹 等: "基于可区分边界和加权对比度优化的显著度检测算法", 《电子学报》, vol. 45, no. 1, 15 January 2017 (2017-01-15), pages 147 - 156 * |
王灿 等: "基于三维激光雷达的道路边界提取和障碍物检测算法", 《模式识别与人工智能》, vol. 33, no. 4, 15 April 2020 (2020-04-15), pages 353 - 362 * |
王经鹤 等: "组网雷达多帧检测前跟踪算法研究", 《雷达学报》, vol. 8, no. 4, 31 December 2019 (2019-12-31), pages 490 - 500 * |
赵炳振: "基于激光雷达的障碍物检测与跟踪算法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 2, 15 February 2021 (2021-02-15), pages 035 - 421 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114047508A (zh) * | 2022-01-13 | 2022-02-15 | 中国人民解放军海军工程大学 | 一种对海雷达探测范围统计评估方法及系统 |
CN115830043A (zh) * | 2023-01-09 | 2023-03-21 | 北京阿丘机器人科技有限公司 | 无线充磁铁的边界检测方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019062734A1 (zh) | 基于Wi-Fi热点的室内定位方法及装置 | |
CN111025283B (zh) | 雷达与球机联动的方法及装置 | |
CN106291517A (zh) | 基于位置与视觉信息优化的室内云机器人角度定位方法 | |
CN109959894B (zh) | 定位方法及终端设备 | |
WO2017121168A1 (zh) | 簇式磁场定位的方法、装置和系统 | |
CN113064117B (zh) | 一种基于深度学习的辐射源定位方法及装置 | |
CN113344954A (zh) | 边界检测方法、装置、计算机设备、存储介质和传感器 | |
US20230393234A1 (en) | System and methods for detecting a position using differential attenuation | |
CN109379711B (zh) | 一种定位方法 | |
WO2017088814A1 (zh) | 室内定位方法和相关设备 | |
Wang et al. | Adaptive rfid positioning system using signal level matrix | |
CN107402374A (zh) | 一种定位方法、服务器及定位系统 | |
CN110572786A (zh) | 一种基于wifi与人脸识别的区块化室内定位系统及方法 | |
Mazan et al. | A Study of Devising Neural Network Based Indoor Localization Using Beacons: First Results. | |
WO2020192182A1 (zh) | 一种室内定位方法、系统及电子设备 | |
Goonjur et al. | Enhanced the weighted centroid localization algorithm based on received strength signal in indoor wireless sensor network | |
CN103206917A (zh) | 一种室内定位方法 | |
KR20150008295A (ko) | 사용자 기기의 측위방법 | |
Kawauchi et al. | FineMesh: High-Density Sampling Platform Using an Autonomous Robot | |
CN109362036A (zh) | 一种基于图像与wifi相结合的多模态室内定位方法 | |
CN109190647B (zh) | 一种有源无源数据融合方法 | |
CN114758364B (zh) | 基于深度学习的工业物联网场景融合定位方法及系统 | |
RU2667115C1 (ru) | Способ позиционирования объекта засечкой азимута с первого измерительного пункта и угла места с дальностью - со второго | |
KR101694521B1 (ko) | 전파지문지도 생성 장치 및 방법 | |
CN115840192A (zh) | 一种基于空间估计谱置信度估计的室内定位方法 |
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 |