CN113687429A - 一种确定毫米波雷达监测区域边界的装置及方法 - Google Patents
一种确定毫米波雷达监测区域边界的装置及方法 Download PDFInfo
- Publication number
- CN113687429A CN113687429A CN202111003517.2A CN202111003517A CN113687429A CN 113687429 A CN113687429 A CN 113687429A CN 202111003517 A CN202111003517 A CN 202111003517A CN 113687429 A CN113687429 A CN 113687429A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- boundary
- pile
- unit
- millimeter wave
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/12—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with electromagnetic waves
-
- 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
- G01S13/42—Simultaneous measurement of distance and other co-ordinates
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Geophysics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及信号处理技术,其公开了一种确定毫米波雷达监测区域边界的装置及方法,提高监测区域边界的设置准确性和效率。该装置,包括:信号接收单元,用于接收毫米波雷达向待测空间发射的电磁波信号的反射信号;信号处理单元,用于对所述反射信号进行处理,获得待测空间的静态点云的信息数据;筛选分堆单元,用于根据方位角和俯仰角对所述静态点云进行筛选,并根据坐标位置,对筛选出来的静态点云进行分堆;边界分析单元,用于对分堆后的静态点云进行分析,确定区域边界。
Description
技术领域
本发明涉及信号处理技术,具体涉及一种确定毫米波雷达监测区域边界的装置及方法。
背景技术
传统技术中用于室内人员检测与跟踪的传感器通常包括超声波、被动红外、主动红外(激光雷达、TOF等)和光学摄像头等传感器,但是这些传感器容易受外部环境,如光照、温度等影响,造成虚警的出现。
毫米波雷达应用于室内人员检测与跟踪是近几年新兴的技术,毫米波雷达具备全天候的特性,在环境稳健性方面比其他传感器优异很多,能够满足室内人员检测的准确性、稳定性等方面的要求,因此被越来越多的应用在安防监控、智能家居、智慧养老和自动门控制等领域。尤其在涉及到保护个人隐私生活等方面,毫米波雷达更有不可替代的天然优势。
毫米波雷达在应用前的一个基本的要求就是需要提前提供毫米波雷达能够监测的区域范围,以便于进行目标跟踪与统计。现有技术中,通常采用手动设置监测区域的边界参数,但是针对自动化、规模化的应用场景,如果对每个毫米波雷达都手动设置边界参数,存在效率低,准确度差的缺陷。
发明内容
本发明所要解决的技术问题是:提出一种确定毫米波雷达监测区域边界的装置及方法,提高监测区域边界的设置准确性和效率。
本发明解决上述技术问题采用的技术方案是:
一种确定毫米波雷达监测区域边界的装置,包括:
信号接收单元,用于接收毫米波雷达向待测空间发射的电磁波信号的反射信号;
信号处理单元,用于对所述反射信号进行处理,获得待测空间的静态点云的信息数据;
筛选分堆单元,用于根据方位角和俯仰角对所述静态点云进行筛选,并根据坐标位置,对筛选出来的静态点云进行分堆;
边界分析单元,用于对分堆后的静态点云进行分析,确定区域边界。
此外,基于上述装置,本发明还提供了一种确定毫米波雷达监测区域边界的方法,包括以下步骤:
a.毫米波雷达对待测空间发射电磁波信号;
b.接收毫米波雷达向待测空间发射的电磁波信号的反射信号;
c.对所述反射信号进行处理,获得待测空间的静态点云的信息数据;
d.根据方位角和俯仰角对所述静态点云进行筛选,并根据坐标位置,对筛选出来的静态点云进行分堆;
e.对分堆后的静态点云进行分析,确定区域边界。
作为进一步优化,步骤c中,对所述反射信号进行信号处理,获得待测空间的静态点云的信息数据,具体包括:
对反射信号进行傅里叶变换,在距离维度上根据恒虚警率算法提取目标的距离信息;
根据所述目标的距离信息,由天线阵列确定的方向导引矢量,先确定目标的方位角,同时计算出该目标的信噪比,再由方向导引矢量计算出目标的俯仰角;
根据目标的距离信息、方位角、俯仰角及信噪比,结合毫米波雷达的角度分辨率和距离分辨率,获得待测空间的静态点云的信息数据;
所述静态点云的信息数据包括坐标、高度、方位角、俯仰角以及信噪比。
作为进一步优化,步骤d中,所述根据方位角和俯仰角对所述静态点云进行筛选,具体包括:
在计算毫米波雷达监测区域左右边界时,限定方位角的范围;
在计算毫米波雷达监测区域前后边界时,限定俯仰角的范围。
作为进一步优化,步骤d中,所述根据坐标位置,对筛选出来的静态点云进行分堆,具体包括:
针对筛选出来的静态点云,根据坐标位置将其分堆:
将横坐标为负的点提取出来,分为一堆,标定为左边界的点云堆;
将横坐标为正的点提取出来,分为一堆,标定为右边界的点云堆;
将纵坐标为正的点提取出来,分为一堆,标定为前边界的点云堆;
将纵坐标为负的点提取出来,分为一堆,标定为后边界的点云堆。
作为进一步优化,步骤e中,所述对分堆后的静态点云进行分析,确定区域边界,具体包括:
根据单侧边界的点云堆中各个点的坐标位置,将该点云堆划分为一定数量的依次排列的单元;
统计各个单元内的点的个数,选出最多的点所在的单元i,i代表单元的单元号;
判定单元i内的点数在该单侧边界的点云堆中点数的占比,若大于一定阈值,则选定单元i作为待确定边界,否则,判定点数不足,无法确定边界,则输出默认边界。
作为进一步优化,所述将点云堆划分为一定数量的依次排列的单元,具体包括:
划分方法为:对于左、右边界的点云堆,计算单元号为横坐标值的绝对值的3倍加1并取整;对于前、后边界的点云堆,计算单元号为纵坐标值的绝对值的3倍加1并取整;
然后,针对各个点云堆,将具有同一单元号的点划分至相应单元中;
通过上述划分方式,使得划分出的每个单元与坐标位置挂钩,从而反映出点云堆中以更细区域划分的点的密集程度,以便在此基础上确定边界;本步骤中,放大3倍加1再取整的操作能够将单元划分的更“细”,使得最终的边界确定结果更精确,减少误差。
作为进一步优化,步骤e中,对分堆后的静态点云进行分析,确定区域边界,还包括:
在选定单元i作为待确定边界后,为避免错漏,将单元i的单元号放大10倍后再除以3(前面放大的3倍在这里消除,这里放大10倍也是为了消除计算误差),然后取其前后各5个单元(i′+5:i′-5)作为搜索域,其中,i′=i*10/3;统计在搜索域内,逐个计算以搜索域内的单元为理论边界,且在理论边界0.1米的范围内具有最多点的单元j,将单元j/10(前面放大的10倍在这里消除)作为对应侧的边界。
本步骤中,通过对待确定边界进行放大处理,在其前后范围的单元构成的搜索域中逐个搜索,逐个搜索各个单元理论边界的阈值范围内具有最多的点的单元,由于前面进行了放大处理,这里还需要对找出的单元的单元号进行缩小还原,那么进行缩小还原后的单元号对应的单元即为最终确定出的更加符合的边界。
本发明的有益效果是:
通过程序算法较为准确的实现毫米波雷达监测区域的边界计算,相对于手动设置边界参数,效率更高,能够适应诸如机场、会议室、走廊、特定保密场所等诸多场景。
附图说明
图1是本发明中确定毫米波雷达监测区域边界的装置结构框图;
图2是本发明实施例中确定毫米波雷达监测区域边界的方法流程图。
具体实施方式
本发明旨在提出一种确定毫米波雷达监测区域边界的装置及方法,提高监测区域边界的设置准确性和效率。通常,目标越大,对雷达波的反射越强,反射出来的点也就越多,而作为边界的墙体会反射出很多点,因此,将密集的区域找到基本上就可以确定边界了。基于此思想,本发明通过接收毫米波雷达向待测空间发射的电磁波信号的反射信号并进行处理,获得待测空间的静态点云的信息数据,结合方位角和俯仰角对点云进行筛选,初步减少干扰,然后根据坐标位置对筛选出的点云进行分堆,以此划分出属于前后左右边界的点云堆,接着针对各边界的点云堆细分单元,结合阈值判定选取含点数最多的单元,从而更加精确地确定出对应侧边界。
具体实现上,如图1所示,本发明中的确定毫米波雷达监测区域边界的装置,包括:信号接收单元、信号处理单元、筛选分堆单元和边界分析单元;具体的,
信号接收单元,用于接收毫米波雷达向待测空间发射的电磁波信号的反射信号;
信号处理单元,用于对所述反射信号进行处理,获得待测空间的静态点云的信息数据;
筛选分堆单元,用于根据方位角和俯仰角对所述静态点云进行筛选,并根据坐标位置,对筛选出来的静态点云进行分堆;
边界分析单元,用于对分堆后的静态点云进行分析,确定区域边界。
实施例:
本实施例是确定毫米波雷达监测区域边界的方法示例,在具体实现上,其执行逻辑通过代码实现自动化检测,流程如图2所示,包括以下步骤:
S1、毫米波雷达对待测空间发射电磁波信号:
这里的“待测空间”可以是性状为正方形或长方形的任意室内空间。
S2、接收毫米波雷达向待测空间发射的电磁波信号的反射信号:
接收的反射信号将被用于后续的信号分析处理。
S3、对所述反射信号进行处理,获得待测空间的静态点云的信息数据:
其中,对反射回来的信号进行信号处理包括:
对反射回来的信号进行傅里叶变换,在距离维度上根据恒虚警率算法提取目标的距离信息;根据所述目标的距离信息,由天线阵列确定的方向导引矢量,先确定目标的方位角,然后再由方向导引矢量算出所提取出的目标的俯仰角;
根据目标的距离信息、方位角、俯仰角,结合毫米波雷达的角度分辨率和距离分辨率,得到待测空间的静态点云的信息数据。
为了便于后续使用,对反射回来的信号进行信号处理还可以包括:
根据波束形成算法计算静态点云的参数,如:信噪比。
最终经过处理获得待测空间的静态点云的信息数据包括坐标、高度、方位角、俯仰角、信噪比等数据。
S4、对静态点云进行筛选,并根据坐标位置,对筛选出来的静态点云进行分堆;
本步骤中,通过对方位角和俯仰角做一些限定,来对得到的静态点云进行筛选,使得筛选出的点更加能反应真实边界;
比如:在一个立方体的空间内,雷达扫射的范围比较广,为了排除一些不必要的干扰,其中方位角和俯仰角的限定包括:
在确定左右边界时,选择方位角在-45°到45°内的点云,使得选出的范围中的点大概率都落在左右边界上,从而减少明显非边界点的干扰,以增加左右边界计算的正确率;
在确定前后边界时,选择俯仰角在-45°到45°内的点云,使得选出的范围中的点大概率都落在边界上,从而减少明显非边界点的干扰,以增加前后边界计算的正确率。
在筛选出点云后,根据点云的坐标进行分堆处理,比如:
将横坐标为负的点提取出来,标定为左边界的点云堆;
将横坐标为正的点提取出来,标定为右边界的点云堆;
将纵坐标为正的点提取出来,标定为前边界的点云堆;
将纵坐标为负的点提取出来,标定为后边界的点云堆;
以此区分出属于前、后、左、右边界的4堆点云。
S5、对分堆后的静态点云进行分析,确定区域边界:
本步骤中,针对属于各边界上的点云堆再细分单元,选取点数最多的单元,做一些阈值判定,最终选定合适的单元作为边界。
作为一个具体示例,本步骤的操作可以采取如下方式实现:
根据单侧边界的点云堆中各个点的坐标位置,将当前点云划分为若干个依次排列的单元,划分方法为:单元号为坐标值的绝对值的3倍加1并取整,然后,针对各个点云堆,将具有同一单元号的点划分至相应单元中;这样就使得每个单元与坐标挂钩,放大3倍加1再取整这样操作能使结果更精确,减少误差;
然后,统计各个单元内的点的个数,选出最多的点所在的单元i,i代表的就是选定单元的单元号;判定单元i内的点数占整个单侧边界的点数的占比,大于一定阈值(该阈值由经验取得,比如为0.6),则选定单元i,否则点数不足,无法确定边界;由于点云是根据对边界实体墙的反射信号获取的,如果雷达射程范围内没有墙体,相当于没有边界,则可以输出一个默认边界,只监测默认边界范围里的人员,实现计数与跟踪。
确定单元i后,为避免错漏,取其前后各5个单元(i′+5:i′-5)作为搜索域,其中,i′=i*10/3;统计在搜索域内,逐个计算以搜索域内的单元为理论边界,且在理论边界0.1米的范围内具有最多点的单元j,最终,将单元j/10(前面放大的10倍在这里消除)作为对应侧的边界。
本步骤中,通过对待确定边界进行放大处理,在其前后范围的单元构成的搜索域中逐个搜索,逐个搜索各个单元理论边界的阈值范围内具有最多的点的单元,由于前面进行了放大处理,这里还需要对找出的单元的单元号进行缩小还原,那么进行缩小还原后的单元号对应的单元即为最终确定出的更加符合的边界。
Claims (8)
1.一种确定毫米波雷达监测区域边界的装置,其特征在于,包括:
信号接收单元,用于接收毫米波雷达向待测空间发射的电磁波信号的反射信号;
信号处理单元,用于对所述反射信号进行处理,获得待测空间的静态点云的信息数据;
筛选分堆单元,用于根据方位角和俯仰角对所述静态点云进行筛选,并根据坐标位置,对筛选出来的静态点云进行分堆;
边界分析单元,用于对分堆后的静态点云进行分析,确定区域边界。
2.一种确定毫米波雷达监测区域边界的方法,其特征在于,包括以下步骤:
a.毫米波雷达对待测空间发射电磁波信号;
b.接收毫米波雷达向待测空间发射的电磁波信号的反射信号;
c.对所述反射信号进行处理,获得待测空间的静态点云的信息数据;
d.根据方位角和俯仰角对所述静态点云进行筛选,并根据坐标位置,对筛选出来的静态点云进行分堆;
e.对分堆后的静态点云进行分析,确定区域边界。
3.如权利要求2所述的确定毫米波雷达监测区域边界的方法,其特征在于,
步骤c中,对所述反射信号进行信号处理,获得待测空间的静态点云的信息数据,具体包括:
对反射信号进行傅里叶变换,在距离维度上根据恒虚警率算法提取目标的距离信息;
根据所述目标的距离信息,由天线阵列确定的方向导引矢量,先确定目标的方位角,同时计算出该目标的信噪比,再由方向导引矢量计算出目标的俯仰角;
根据目标的距离信息、方位角、俯仰角及信噪比,结合毫米波雷达的角度分辨率和距离分辨率,获得待测空间的静态点云的信息数据;
所述静态点云的信息数据包括坐标、高度、方位角、俯仰角以及信噪比。
4.如权利要求2所述的确定毫米波雷达监测区域边界的方法,其特征在于,
步骤d中,所述根据方位角和俯仰角对所述静态点云进行筛选,具体包括:
在计算毫米波雷达监测区域左右边界时,限定方位角的范围;
在计算毫米波雷达监测区域前后边界时,限定俯仰角的范围。
5.如权利要求4所述的确定毫米波雷达监测区域边界的方法,其特征在于,
步骤d中,所述根据坐标位置,对筛选出来的静态点云进行分堆,具体包括:
针对筛选出来的静态点云,根据坐标位置将其分堆:
将横坐标为负的点提取出来,分为一堆,标定为左边界的点云堆;
将横坐标为正的点提取出来,分为一堆,标定为右边界的点云堆;
将纵坐标为正的点提取出来,分为一堆,标定为前边界的点云堆;
将纵坐标为负的点提取出来,分为一堆,标定为后边界的点云堆。
6.如权利要求2所述的确定毫米波雷达监测区域边界的方法,其特征在于,
步骤e中,所述对分堆后的静态点云进行分析,确定区域边界,具体包括:
根据单侧边界的点云堆中各个点的坐标位置,将该点云堆划分为一定数量的依次排列的单元;
统计各个单元内的点的个数,选出最多的点所在的单元i,i代表单元的单元号;
判定单元i内的点数在该单侧边界的点云堆中点数的占比,若大于一定阈值,则选定单元i作为待确定边界,否则,判定点数不足,无法确定边界,则输出默认边界。
7.如权利要求6所述的确定毫米波雷达监测区域边界的方法,其特征在于,
所述将点云堆划分为一定数量的依次排列的单元,具体包括:
划分方法为:对于左、右边界的点云堆,计算单元号为横坐标值的绝对值的3倍加1并取整;对于前、后边界的点云堆,计算单元号为纵坐标值的绝对值的3倍加1并取整;
然后,针对各个点云堆,将具有同一单元号的点划分至相应单元中。
8.如权利要求7所述的确定毫米波雷达监测区域边界的方法,其特征在于,
步骤e中,所述对分堆后的静态点云进行分析,确定区域边界,还包括:
在选定单元i作为待确定边界后,将单元i的单元号放大10倍后再除以3,然后取其前后各5个单元作为搜索域;统计在搜索域内,逐个计算以搜索域内的单元为理论边界,且在理论边界0.1米的范围内具有最多点的单元j,将单元j/10作为对应侧的边界。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111003517.2A CN113687429B (zh) | 2021-08-30 | 2021-08-30 | 一种确定毫米波雷达监测区域边界的装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111003517.2A CN113687429B (zh) | 2021-08-30 | 2021-08-30 | 一种确定毫米波雷达监测区域边界的装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113687429A true CN113687429A (zh) | 2021-11-23 |
CN113687429B CN113687429B (zh) | 2023-07-04 |
Family
ID=78583910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111003517.2A Active CN113687429B (zh) | 2021-08-30 | 2021-08-30 | 一种确定毫米波雷达监测区域边界的装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113687429B (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 |
CN114637006A (zh) * | 2022-05-07 | 2022-06-17 | 长沙莫之比智能科技有限公司 | 基于毫米波人员跌倒检测雷达的预警区域自适应调节方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107792115A (zh) * | 2017-09-07 | 2018-03-13 | 中铁二院工程集团有限责任公司 | 一种利用三维激光点云自动提取既有线轨顶高程方法 |
US20180172830A1 (en) * | 2015-06-24 | 2018-06-21 | Konica Minolta, Inc. | Distance image processing device, distance image processing method, distance image processing program, and recording medium |
CN110569749A (zh) * | 2019-08-22 | 2019-12-13 | 江苏徐工工程机械研究院有限公司 | 一种矿山道路的边界线及可行驶区域检测方法及系统 |
US20200001777A1 (en) * | 2017-03-15 | 2020-01-02 | Mitsubishi Electric Corporation | Light intensity adjustment apparatus, light intensity adjustment method, and computer readable medium |
CN111125135A (zh) * | 2019-12-19 | 2020-05-08 | 北京易控智驾科技有限公司 | 地图更新方法、地图融合更新方法、终端及服务器 |
CN111289954A (zh) * | 2020-03-31 | 2020-06-16 | 四川长虹电器股份有限公司 | 用于毫米波雷达目标跟踪的点云划分与航迹匹配方法 |
US20200284883A1 (en) * | 2019-03-08 | 2020-09-10 | Osram Gmbh | Component for a lidar sensor system, lidar sensor system, lidar sensor device, method for a lidar sensor system and method for a lidar sensor device |
CN111650582A (zh) * | 2020-07-27 | 2020-09-11 | 四川长虹电器股份有限公司 | 一种基于mimo毫米波雷达的手势识别方法 |
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 |
CN112837346A (zh) * | 2021-02-01 | 2021-05-25 | 意诺科技有限公司 | 对活动目标进行到位检测的方法和装置 |
-
2021
- 2021-08-30 CN CN202111003517.2A patent/CN113687429B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180172830A1 (en) * | 2015-06-24 | 2018-06-21 | Konica Minolta, Inc. | Distance image processing device, distance image processing method, distance image processing program, and recording medium |
US20200001777A1 (en) * | 2017-03-15 | 2020-01-02 | Mitsubishi Electric Corporation | Light intensity adjustment apparatus, light intensity adjustment method, and computer readable medium |
CN107792115A (zh) * | 2017-09-07 | 2018-03-13 | 中铁二院工程集团有限责任公司 | 一种利用三维激光点云自动提取既有线轨顶高程方法 |
US20200284883A1 (en) * | 2019-03-08 | 2020-09-10 | Osram Gmbh | Component for a lidar sensor system, lidar sensor system, lidar sensor device, method for a lidar sensor system and method for a lidar sensor device |
CN110569749A (zh) * | 2019-08-22 | 2019-12-13 | 江苏徐工工程机械研究院有限公司 | 一种矿山道路的边界线及可行驶区域检测方法及系统 |
CN111125135A (zh) * | 2019-12-19 | 2020-05-08 | 北京易控智驾科技有限公司 | 地图更新方法、地图融合更新方法、终端及服务器 |
CN111289954A (zh) * | 2020-03-31 | 2020-06-16 | 四川长虹电器股份有限公司 | 用于毫米波雷达目标跟踪的点云划分与航迹匹配方法 |
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 |
CN111650582A (zh) * | 2020-07-27 | 2020-09-11 | 四川长虹电器股份有限公司 | 一种基于mimo毫米波雷达的手势识别方法 |
CN112837346A (zh) * | 2021-02-01 | 2021-05-25 | 意诺科技有限公司 | 对活动目标进行到位检测的方法和装置 |
Non-Patent Citations (4)
Title |
---|
KF EVANS: "An algorithm for generating stochastic cloud fields from radar profile statistics", ATMOSPHERIC RESEARCH * |
崔雄文: "毫米波雷达房间尺寸测量方法研究", 科技视界 * |
张振华: "基于激光点云数据的障碍物检测算法研究", 中国优秀硕士论文集 * |
陈龙;司译文;田滨;檀祖冰;王永涛;: "基于3D LiDAR的矿山无人驾驶车行驶边界检测", 煤炭学报, no. 06 * |
Cited By (3)
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 |
CN114637006A (zh) * | 2022-05-07 | 2022-06-17 | 长沙莫之比智能科技有限公司 | 基于毫米波人员跌倒检测雷达的预警区域自适应调节方法 |
CN114637006B (zh) * | 2022-05-07 | 2023-03-10 | 长沙莫之比智能科技有限公司 | 基于毫米波人员跌倒检测雷达的预警区域自适应调节方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113687429B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9075143B2 (en) | Sparse array RF imaging for surveillance applications | |
CN113687429B (zh) | 一种确定毫米波雷达监测区域边界的装置及方法 | |
CN113093170B (zh) | 一种基于knn算法的毫米波雷达室内人员检测方法 | |
US20060132354A1 (en) | Method of detecting a target | |
US7646329B2 (en) | Method for detecting a target | |
CN111708022B (zh) | 毫米波雷达的扫描区域边界的计算方法及装置 | |
CN109188430B (zh) | 一种基于地面监视雷达系统的目标提取方法 | |
CN108919193A (zh) | 一种基于序列片段挖掘的参数捷变雷达信号分选方法 | |
CN112596049B (zh) | 一种提升无人机侦测准确率的方法 | |
Tobias et al. | Techniques for birth-particle placement in the probability hypothesis density particle filter applied to passive radar | |
CN113671481B (zh) | 一种基于毫米波雷达的3d多目标跟踪处理方法 | |
CN109100697B (zh) | 一种基于地面监视雷达系统的目标凝聚方法 | |
CN103995257B (zh) | 目标的探测方法及装置 | |
Wang et al. | Greedy algorithm-based track-before-detect in radar systems | |
CN110599800A (zh) | 一种停车场车位状态监测系统及监测方法 | |
CN108983194B (zh) | 一种基于地面监视雷达系统的目标提取及凝聚方法 | |
CN107219522A (zh) | 一种椭圆‑双曲线联合的穿墙雷达目标定位方法 | |
CN109239677B (zh) | 一种环境自适应恒虚警检测门限确定方法 | |
CN114167382A (zh) | 一种毫米波雷达点云分堆方法 | |
CN113970738A (zh) | 毫米波雷达半自动区域边界检测方法 | |
CN106249241B (zh) | 一种自适应杂波功率统计算法 | |
Li et al. | Moving target detection and tracking interactive algorithm based on acoustic image | |
Wang et al. | DBSCAN clustering algorithm of millimeter wave radar based on multi frame joint | |
CN116224280B (zh) | 雷达目标检测方法、装置、雷达设备及存储介质 | |
CN113625267B (zh) | 基于四维稳态杂波图的强杂波背景下低慢小目标检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |