CN113358894A - 车速计算方法、运动目标运动状态检测方法、装置及设备 - Google Patents
车速计算方法、运动目标运动状态检测方法、装置及设备 Download PDFInfo
- Publication number
- CN113358894A CN113358894A CN202110648977.4A CN202110648977A CN113358894A CN 113358894 A CN113358894 A CN 113358894A CN 202110648977 A CN202110648977 A CN 202110648977A CN 113358894 A CN113358894 A CN 113358894A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- acceleration
- speed
- reference value
- vehicle speed
- 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.)
- Granted
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 27
- 238000001514 detection method Methods 0.000 title abstract description 10
- 230000001133 acceleration Effects 0.000 claims abstract description 125
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000001914 filtration Methods 0.000 claims abstract description 24
- 238000009499 grossing Methods 0.000 claims abstract description 18
- 230000003068 static effect Effects 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000002349 favourable effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
-
- 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
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computer Networks & Wireless Communication (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供车速计算方法、运动目标运动状态检测方法、装置及设备。其中，所述车速计算方法包括：对车辆在运动状态下的加速度ak进行平滑滤波处理，以得到修正后的加速度
计算所述车辆静止状态下的加速度基准值aanchor；基于所述修正后的加速度
与加速度基准值aanchor之间的差值，计算得到所述车辆的车速Vk。通过本发明的方法来计算车辆速度，可有效避免现有车身传感器在车辆低速情况下不输出车速或输出的车速不准确等问题，进而有利于结合毫米波雷达判断车辆周围运动目标的运动状态。
Description
技术领域
本发明涉及车辆技术领域，特别是涉及车速计算方法、运动目标运动状态检测方法、装置及设备。
背景技术
目前，在L0-L4级别的高级驾驶辅助系统(Advanced Driving AssistanceSystem，简称ADAS)及自动驾驶系统中，车身信息(如车速、方向盘转角、轮速脉冲等)会通过CAN总线传递至本车上的电子控制单元(Electronic Control Unit，简称ECU)或者雷达、摄像头等传感器。
现阶段车身传感器输出车身信息存在2个主要问题：时延较大(最大时延>500ms)、低速下不输出车速(比如车速低于1km/h以下输出0km/h)。这两个问题还会影响对本车周围运动环境的检测。
当前，毫米波雷达通过目标回波的多普勒信息计算目标的速度，结合本车自身速度可以判断该目标的运动状态。然而，由于市面上很多型号的车辆采用的车身传感器不输出低速值，如1km/h以下的速度，如图1所示，导致车辆在低速情况下本车速度的输出数据不准确，进而导致目标的运动状态出现误判，特别是起步时期会将大量静止目标误判为运动目标形成大量跟踪。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供车速计算方法、运动目标运动状态检测方法、装置及设备，用于解决现有技术中车辆在低速情况下车身传感器输出的车速值不准确等技术问题。
为实现上述目的及其他相关目的，本发明提供一种车速计算方法，包括：对车辆在运动状态下的加速度ak进行平滑滤波处理，以得到修正后的加速度
计算所述车辆静止状态下的加速度基准值aanchor；基于所述修正后的加速度
与加速度基准值aanchor之间的差值，计算得到所述车辆的车速Vk。
于本发明一实施例中，通过以下公式对所述加速度ak进行平滑滤波处理，以得到所述加速度
其中，
为所述车辆在k时刻修正后的加速度，
为所述车辆在k-1时刻修正后的加速度。α、β为加权系数，根据数据特点做相对应的滤波。
于本发明一实施例中，通过以下公式计算所述加速度基准值aanchor：
其中，N为所述车辆静止状态下加速度的采样个数，ai为所述车辆静止状态下第i个采样时刻的加速度值。
于本发明一实施例中，通过以下公式计算所述车辆的车速Vk：
其中，Vk为所述车辆在k时刻的车速，Vk-1为所述车辆在k-1时刻的车速，Tsystem为k-1时刻与k时刻之间的时间间隔。
为实现上述目的及其他相关目的，本发明提供一种运动目标运动状态的检测方法，包括：对车辆在运动状态下的加速度ak进行平滑滤波处理，以得到修正后的加速度
计算所述车辆静止状态下的加速度基准值aanchor；基于所述修正后的加速度
与加速度基准值aanchor之间的差值，计算得到所述车辆的车速Vk；通过毫米波雷达检测运动目标，并根据所述毫米波雷达得到的所述运动目标的速度以及所述车速Vk确定所述运动目标在相应时刻的运动状态。
于本发明一实施例中，通过以下公式对所述加速度ak进行平滑滤波处理，以得到所述加速度
其中，
为所述车辆在k时刻修正后的加速度，
为所述车辆在k-1时刻修正后的加速度。α、β为加权系数，根据数据特点做相对应的滤波。
于本发明一实施例中，通过以下公式计算所述加速度基准值aanchor：
其中，N为所述车辆静止状态下加速度的采样个数，ai为所述车辆静止状态下第i个采样时刻的加速度值。
于本发明一实施例中，通过以下公式计算所述车辆的车速Vk：
其中，Vk为所述车辆在k时刻的车速，Vk-1为所述车辆在k-1时刻的车速，Tsystem为k-1时刻与k时刻之间的时间间隔。
为实现上述目的及其他相关目的，本发明提供一种车速计算装置，包括：加速度修正模块，用于对车辆在运动状态下的加速度ak进行平滑滤波处理，以得到修正后的加速度
加速度基准值计算模块，用于计算所述车辆静止状态下的加速度基准值aanchor；车速计算模块，用于基于所述修正后的加速度
与加速度基准值aanchor之间的差值，计算得到所述车辆的车速Vk。
为实现上述目的及其他相关目的，本发明提供一种运动目标运动状态的检测装置，包括：加速度修正模块，对车辆在运动状态下的加速度ak进行平滑滤波处理，以得到修正后的加速度
加速度基准值计算模块，计算所述车辆静止状态下的加速度基准值aanchor；车速计算模块，基于所述修正后的加速度
与加速度基准值aanchor之间的差值，计算得到所述车辆的车速Vk；运动状态确定模块，用于通过毫米波雷达检测运动目标，并根据所述毫米波雷达得到的所述运动目标的速度以及所述车速Vk确定所述运动目标在相应时刻的运动状态。
为实现上述目的及其他相关目的，本发明提供一种计算机可读存储介质，其中存储有计算机程序，所述计算机程序被处理器加载执行时，实现上述任一方法。
为实现上述目的及其他相关目的，本发明提供一种电子设备，包括：处理器及存储器；其中，所述存储器用于存储计算机程序；所述处理器用于加载执行所述计算机程序，以使所述电子设备执行上述任一方法。
如上所述，本发明的车速计算方法、运动目标运动状态检测方法、装置及设备，有效弥补了现有车身传感器在车辆低速情况下不输出车速或输出车速不准确等不足，能够较为精准地计算出车辆的真实车速，进而有利于结合毫米波雷达准确地判断出车辆周围运动目标的运动状态。
附图说明
图1显示为现有技术中车身传感器输出车速值的示意图。
图2显示为本发明一实施例中车速计算方法的流程示意图。
图3显示为现有技术中车辆起停状态下加速度传感器输出值的示意图。
图4显示为现有技术中车辆静止状态时加速度传感器输出值的示意图。
图5显示为低速情况下本发明的速度补偿结果示意图。
图6显示为车身传感器延时情况下本发明的速度补偿结果示意图。
图7显示为本发明一实施例中车速计算装置的模块示意图。
图8显示为本发明一实施例中运动目标运动状态的检测方法的流程示意图。
图9显示为本发明一实施例中运动目标运动状态的检测装置的模块示意图。
图10显示为本发明一实施例中电子设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
如图2所示，本实施例提供一种车速计算方法，即便在车速较低的情况下也能准确地生成车辆的真实车速，从而避免现有车身传感器在车辆低速情况下不输出车速或输出的车速不准确等问题。
参见图2，本实施例的车速计算方法包括以下步骤：
S21：对车辆在运动状态下的加速度ak进行平滑滤波处理，以得到修正后的加速度
具体的，本步骤通过以下公式对所述加速度ak进行平滑滤波处理，以得到所述加速度
其中，
为所述车辆在k时刻修正后的加速度，
为所述车辆在k-1时刻修正后的加速度，α、β为加权系数，本领域技术人员可根据数据特点赋予加权系数值，从而做相对应的滤波。
S22：计算所述车辆静止状态中的加速度基准值aanchor；
具体的，本步骤通过以下公式计算所述加速度基准值aanchor：
其中，N为所述车辆静止状态下加速度的采样个数，ai为所述车辆静止状态下第i个采样时刻的加速度值。
S23：基于所述修正后的加速度
与加速度基准值aanchor之间的差值，计算得到所述车辆的车速Vk。
具体的，本步骤通过以下公式计算所述车辆的车速Vk：
其中，Vk为所述车辆在k时刻的车速，Vk-1为所述车辆在k-1时刻的车速，Tsystem为k-1时刻与k时刻之间的时间间隔。
以下将结合附图介绍本实施例的车速计算方法的推导过程。
根据车辆运动模型可知，Vt＝at+V0，其中，a为加速度，V0为初始速度，t为间隔时间，Vt为t时刻的速度。本发明利用加速度信息和车身传感器传出的速度信息对缺失部分的速度进行补偿，假设车身传感器有速度输出时的值为准确值，加速度传感器可以持续输出，每帧间隔的系统时间准确。
考虑到车身抖动等一些情况对加速度传感器的输出有影响，图3显示为车辆起停状态下加速度传感器的输出。从图3可以看出，加速度传感器的输出值不稳定，需要对车辆运动状态下输出的加速度进行平滑滤波，因此，本发明根据上述假设利用以下公式对车辆运动状态的加速度进行修正：
其中，
为所述车辆在k时刻修正后的加速度，
为所述车辆在k-1时刻修正后的加速度，α、β为加权系数，根据数据特点做相对应的滤波。
我们通过实验发现，车辆在停止状态下加速度传感器输出的值不为零，图4为车辆静止状态时加速度传感器的输出示意图。于是，在车辆起步状态时，我们需要对车辆加速度找校准的基准点。通过对车辆真实停止时的大量数据进行统计，我们得出车辆启动时加速度的基准点可通过以下公式计算得到：
其中，aanchor为车辆静止状态加速度的基准值，N为所述车辆静止状态下加速度的采样个数，ai为所述车辆静止状态下第i个采样时刻的加速度值。
较佳的，采样单位为帧，也即ai为车辆静止状态下每帧的加速度值，N为车辆从稳定静止到开始运动的帧数。
由于相邻两帧间隔的时间很短，此时可以认为相邻两帧之内的速度呈线性变化，所以加速度有如下关系：
此时，可以计算出车辆从1km/h以上降到1km/h以下时的加速度，结合该关系公式可以较为准确地估算出临界状态下的车辆速度。
对起停、低速运动等场景下车辆的加速度进行修正之后，可以将修正后的加速度带进上述车辆运动模型的公式，从而得到低速情况下的车辆速度Vk：
其中，Vk为所述车辆在k时刻的车速，Vk-1为所述车辆在k-1时刻的车速，Tsystem为k-1时刻与k时刻之间的时间间隔。
图5显示为车辆低速情况下本发明的速度补偿结果，可以看出现有车身传感器在0～30帧内输出的车辆速度值皆为0km/h，而通过本发明车速计算方法可以得到20～30帧内车辆的真实速度值，从而将速度缺失的部分进行补偿，此时的速度可以较为准确地反应本车的运动状态，为后续动静分离及后续目标跟踪等提供有效的车辆速度。
图6显示为车身传感器延时情况下的速度补偿结果，可以看出，在车身传感器输出延迟时，通过本发明的方法可以将车辆速度及时输出，从而减小了车身传感器的延时对本车判断周围运动环境的影响。
实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。基于这样的理解，本发明还提供一种计算机程序产品，包括一个或多个计算机指令。所述计算机指令可以存储在计算机可读存储介质中。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(如：软盘、硬盘、磁带)、光介质(如：DVD)、或者半导体介质(如：固态硬盘Solid State Disk(SSD))等。
参阅图7，本实施例提供一种车速计算装置70，由于本实施例的技术原理与前述方法实施例的技术原理相似，因而不再对同样的技术细节做重复性赘述。本实施例的车速计算装置70包括如下模块：
加速度修正模块71，用于对车辆在运动状态下的加速度ak进行平滑滤波处理，以得到修正后的加速度
加速度基准值计算模块72，用于计算所述车辆静止状态下的加速度基准值aanchor；
车速计算模块73，用于基于所述修正后的加速度
与加速度基准值aanchor之间的差值，计算得到所述车辆的车速Vk。
如图8所示，本实施例提供一种运动目标运动状态的检测方法，包括以下步骤：
S81：对车辆在运动状态下的加速度ak进行平滑滤波处理，以得到修正后的加速度
S82：计算所述车辆静止状态下的加速度基准值aanchor；
S83：基于所述修正后的加速度
与加速度基准值aanchor之间的差值，计算得到所述车辆的车速Vk；
S84：通过毫米波雷达检测运动目标，并根据所述毫米波雷达得到的所述运动目标的速度以及所述车速Vk确定所述运动目标在相应时刻的运动状态。
由于本实施例步骤S81～S83的技术原理同上述方法实施例的步骤S21～S23，故于此不再重复赘述。需说明的是，在现有技术中，毫米波雷达通过目标回波的多普勒信息计算目标的速度，结合本车自身速度可以判断该目标的运动状态，于此，通过步骤S81～S83得到车速Vk，再结合车速Vk来判断该目标的运动状态，无疑更加精确且延迟性降低。
实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。基于这样的理解，本发明还提供一种计算机程序产品，包括一个或多个计算机指令。所述计算机指令可以存储在计算机可读存储介质中。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(如：软盘、硬盘、磁带)、光介质(如：DVD)、或者半导体介质(如：固态硬盘Solid State Disk(SSD))等。
参阅图9，本实施例提供一种运动目标运动状态的检测装置90，由于本实施例的技术原理与前述运动目标运动状态的检测方法实施例的技术原理相似，因而不再对同样的技术细节做重复性赘述。本实施例的运动目标运动状态的检测装置90包括如下模块：
加速度修正模块91，对车辆在运动状态下的加速度ak进行平滑滤波处理，以得到修正后的加速度
加速度基准值计算模块92，计算所述车辆静止状态中的加速度基准值aanchor；
车速计算模块93，基于所述修正后的加速度
与加速度基准值aanchor之间的差值，计算得到所述车辆的车速Vk；
运动状态确定模块94，用于通过毫米波雷达检测运动目标，并根据所述毫米波雷达得到的所述运动目标的速度以及所述车速Vk确定所述运动目标在相应时刻的运动状态。
参阅图10，本实施例提供一种电子设备，电子设备可以是车机、智能手机等设备。详细的，电子设备至少包括通过总线连接的：存储器、处理器，其中，存储器用于存储计算机程序，处理器用于执行存储器存储的计算机程序，以执行前述车速计算方法实施例中的全部或部分步骤，或者，以执行前述运动目标运动状态检测方法的全部或部分步骤。
上述提到的系统总线可以是外设部件互连标准(Peripheral PomponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称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。
综上，本发明的车速计算方法、运动目标运动状态检测方法、装置及设备，可有效避免现有车身传感器在车辆低速情况下不输出车速或输出的车速不准确等问题，进而有利于结合毫米波雷达判断车辆周围运动目标的运动状态，克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (12)
1.一种车速计算方法，其特征在于，包括：
对车辆在运动状态下的加速度ak进行平滑滤波处理，以得到修正后的加速度
计算所述车辆静止状态下的加速度基准值aanchor；
基于所述修正后的加速度
与加速度基准值aanchor之间的差值，计算得到所述车辆的车速Vk。
2.根据权利要求1所述的方法，其特征在于，通过以下公式对所述加速度ak进行平滑滤波处理，以得到所述加速度
其中，
为所述车辆在k时刻修正后的加速度，
为所述车辆在k-1时刻修正后的加速度，α、β为加权系数，根据数据特点做相对应的滤波。
3.根据权利要求1所述的方法，其特征在于，通过以下公式计算所述加速度基准值aanchor：
其中，N为所述车辆静止状态下加速度的采样个数，ai为所述车辆静止状态下第i个采样时刻的加速度值。
4.根据权利要求1所述的方法，其特征在于，通过以下公式计算所述车辆的车速Vk：
其中，Vk为所述车辆在k时刻的车速，Vk-1为所述车辆在k-1时刻的车速，Tsystem为k-1时刻与k时刻之间的时间间隔。
5.一种运动目标运动状态的检测方法，其特征在于，包括：
对车辆在运动状态下的加速度ak进行平滑滤波处理，以得到修正后的加速度
计算所述车辆静止状态下的加速度基准值aanchor；
基于所述修正后的加速度
与加速度基准值aanchor之间的差值，计算得到所述车辆的车速Vk；
通过毫米波雷达检测运动目标，并根据所述毫米波雷达得到的所述运动目标的速度以及所述车速Vk确定所述运动目标在相应时刻的运动状态。
6.根据权利要求5所述的方法，其特征在于，通过以下公式对所述加速度ak进行平滑滤波处理，以得到所述加速度
其中，
为所述车辆在k时刻修正后的加速度，
为所述车辆在k-1时刻修正后的加速度。α、β为加权系数，根据数据特点做相对应的滤波。
7.根据权利要求5所述的方法，其特征在于，通过以下公式计算所述加速度基准值aanchor：
其中，N为所述车辆静止状态下加速度的采样个数，ai为所述车辆静止状态下第i个采样时刻的加速度值。
8.根据权利要求5所述的方法，其特征在于，通过以下公式计算所述车辆的车速Vk：
其中，Vk为所述车辆在k时刻的车速，Vk-1为所述车辆在k-1时刻的车速，Tsystem为k-1时刻与k时刻之间的时间间隔。
9.一种车速计算装置，其特征在于，包括：
加速度修正模块，用于对车辆在运动状态下的加速度ak进行平滑滤波处理，以得到修正后的加速度
加速度基准值计算模块，用于计算所述车辆静止状态下的加速度基准值aanchor；
车速计算模块，用于基于所述修正后的加速度
与加速度基准值aanchor之间的差值，计算得到所述车辆的车速Vk。
10.一种运动目标运动状态的检测装置，其特征在于，包括：
加速度修正模块，对车辆在运动状态下的加速度ak进行平滑滤波处理，以得到修正后的加速度
加速度基准值计算模块，计算所述车辆静止状态下的加速度基准值aanchor；
车速计算模块，基于所述修正后的加速度
与加速度基准值aanchor之间的差值，计算得到所述车辆的车速Vk；
运动状态确定模块，用于通过毫米波雷达检测运动目标，并根据所述毫米波雷达得到的所述运动目标的速度以及所述车速Vk确定所述运动目标在相应时刻的运动状态。
11.一种计算机可读存储介质，其中存储有计算机程序，其特征在于，所述计算机程序被处理器加载执行时，实现如权利要求1至8中任一所述的方法。
12.一种电子设备，其特征在于，包括：处理器及存储器；其中，
所述存储器用于存储计算机程序；
所述处理器用于加载执行所述计算机程序，以使所述电子设备执行如权利要求1至8中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110648977.4A CN113358894B (zh) | 2021-06-10 | 2021-06-10 | 车速计算方法、运动目标运动状态检测方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110648977.4A CN113358894B (zh) | 2021-06-10 | 2021-06-10 | 车速计算方法、运动目标运动状态检测方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113358894A true CN113358894A (zh) | 2021-09-07 |
| CN113358894B CN113358894B (zh) | 2023-08-18 |
Family
ID=77533787
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110648977.4A Active CN113358894B (zh) | 2021-06-10 | 2021-06-10 | 车速计算方法、运动目标运动状态检测方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113358894B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002040040A (ja) * | 2000-07-21 | 2002-02-06 | Denso Corp | 加速度を利用した処理装置 |
| JP2005331332A (ja) * | 2004-05-19 | 2005-12-02 | Denso Corp | センサ装置 |
| CN108519105A (zh) * | 2018-03-09 | 2018-09-11 | 天津大学 | 一种基于差分统计的零速校正定位方法 |
| CN109001488A (zh) * | 2018-04-26 | 2018-12-14 | 深圳市有为信息技术发展有限公司 | 一种车辆位置监控的静止运动的检测方法及检测系统 |
| CN109855617A (zh) * | 2019-02-28 | 2019-06-07 | 深圳市元征科技股份有限公司 | 一种车辆定位方法、车辆定位装置及终端设备 |
| CN109870680A (zh) * | 2018-10-26 | 2019-06-11 | 北京润科通用技术有限公司 | 一种目标分类方法及装置 |
| CN111273279A (zh) * | 2020-02-18 | 2020-06-12 | 中国科学院合肥物质科学研究院 | 一种基于加速度噪声参数的多雷达数据处理方法 |
| CN112269178A (zh) * | 2020-11-24 | 2021-01-26 | 珠海上富电技股份有限公司 | 一种自带加速度传感器的毫米波雷达、机动车辆及车速解算的方法 |
-
2021
- 2021-06-10 CN CN202110648977.4A patent/CN113358894B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002040040A (ja) * | 2000-07-21 | 2002-02-06 | Denso Corp | 加速度を利用した処理装置 |
| JP2005331332A (ja) * | 2004-05-19 | 2005-12-02 | Denso Corp | センサ装置 |
| CN108519105A (zh) * | 2018-03-09 | 2018-09-11 | 天津大学 | 一种基于差分统计的零速校正定位方法 |
| CN109001488A (zh) * | 2018-04-26 | 2018-12-14 | 深圳市有为信息技术发展有限公司 | 一种车辆位置监控的静止运动的检测方法及检测系统 |
| CN109870680A (zh) * | 2018-10-26 | 2019-06-11 | 北京润科通用技术有限公司 | 一种目标分类方法及装置 |
| CN109855617A (zh) * | 2019-02-28 | 2019-06-07 | 深圳市元征科技股份有限公司 | 一种车辆定位方法、车辆定位装置及终端设备 |
| CN111273279A (zh) * | 2020-02-18 | 2020-06-12 | 中国科学院合肥物质科学研究院 | 一种基于加速度噪声参数的多雷达数据处理方法 |
| CN112269178A (zh) * | 2020-11-24 | 2021-01-26 | 珠海上富电技股份有限公司 | 一种自带加速度传感器的毫米波雷达、机动车辆及车速解算的方法 |
Non-Patent Citations (2)
| Title |
|---|
| JORGE VILLAGRA, ET AL: "Smooth path and speed planning for an automated public transport vehicle", 《ROBOTICS AND AUTONOMOUS SYSTEMS》, vol. 60, no. 2, pages 252 - 265, XP028354552, DOI: 10.1016/j.robot.2011.11.001 * |
| 蔡煊;王长林;林颖;: "基于多传感器的列车空转及滑行检测与校正方法研究", 城市轨道交通研究, no. 01, pages 22 - 27 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113358894B (zh) | 2023-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11763568B2 (en) | Ground plane estimation in a computer vision system | |
| CN108872975B (zh) | 用于目标跟踪的车载毫米波雷达滤波估计方法、装置及存储介质 | |
| EP3859596B1 (en) | Object collision prediction method and device | |
| US20200070823A1 (en) | Collision Detection Method and Apparatus Based on an Autonomous Vehicle, Device and Storage Medium | |
| CN109143242B (zh) | 障碍物绝对速度估计方法、系统、计算机设备和存储介质 | |
| CN114973198A (zh) | 目标车辆的航向角预测方法、装置及电子设备、存储介质 | |
| CN115546315A (zh) | 自动驾驶车辆的传感器在线标定方法、装置及存储介质 | |
| CN111731309B (zh) | 坡度估计方法、装置、设备及车辆 | |
| KR20130021985A (ko) | 차량의 곡률 반경 추정 방법 및 그 장치 | |
| CN113358894A (zh) | 车速计算方法、运动目标运动状态检测方法、装置及设备 | |
| CN110865360B (zh) | 一种数据融合方法及装置 | |
| CN116990776A (zh) | 激光雷达点云补偿方法、装置及电子设备、存储介质 | |
| WO2023201953A1 (zh) | 自适应巡航控制方法及装置 | |
| CN115871683A (zh) | 一种车辆横摆角速度确定方法、装置、车辆及介质 | |
| CN114037977B (zh) | 道路灭点的检测方法、装置、设备及存储介质 | |
| CN116164786A (zh) | 传感器外参的确定方法、装置、电子设备和存储介质 | |
| CN114397671B (zh) | 目标的航向角平滑方法、装置及计算机可读存储介质 | |
| CN112835063B (zh) | 物体动静属性的确定方法、装置、设备及存储介质 | |
| CN115183786A (zh) | 用于自动驾驶的传感器误差预测模型的训练方法、装置 | |
| JP6847336B2 (ja) | 計測装置、計測方法及び計測プログラム | |
| CN110308724B (zh) | 自动驾驶控制方法、装置、车辆、存储介质及电子设备 | |
| CN113805147A (zh) | 车载雷达水平测量角度自校正方法、装置、介质及设备 | |
| CN117553695B (zh) | 计算车辆高度的方法、装置及计算机存储介质 | |
| CN113753024B (zh) | 一种车辆稳态偏差消除方法、装置、设备及存储介质 | |
| CN115284809B (zh) | 智能网联车队主动悬架控制方法、系统及计算机设备 |
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 |