CN114399904B - 一种雷达自动识别车道的车道识别方法 - Google Patents
一种雷达自动识别车道的车道识别方法 Download PDFInfo
- Publication number
- CN114399904B CN114399904B CN202111082222.9A CN202111082222A CN114399904B CN 114399904 B CN114399904 B CN 114399904B CN 202111082222 A CN202111082222 A CN 202111082222A CN 114399904 B CN114399904 B CN 114399904B
- Authority
- CN
- China
- Prior art keywords
- lane
- lanes
- radar
- distance
- target
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
-
- 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
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
Abstract
本发明涉及雷达电子技术领域,具体是一种雷达自动识别车道的车道识别方法,其具体步骤如下:步骤S1:提取雷达采集的数据并将角度的参数加90度后转化为弧度的形式;步骤S2:划分几个不同的距离区间提取区间内对应的角度,并统计各角度出现在这些距离区间内的频率和频数;步骤S3:利用单元平均恒虚警的目标检测方法找到目标点,并确定各条车道;步骤S4:对上边确定的各条车道进行处理,获得最终各条车道并绘制出各车道中心线位置,本发明通过算法实现了雷达自动识别车道,能够快捷有效地让雷达自动识别出车道位置,测量人员可以在此基础上加以修正从而找到车道精确位置,使其达到设计效果,这能大大减少测量前计算的工作量。
Description
技术领域
本发明涉及雷达电子技术领域,具体是一种雷达自动识别车道的车道识别方法。
背景技术
毫米波交通雷达具有全天候,长距离,高分辨率定位目标的能力,因此在交通领域,它常被广泛用来探测周围目标的距离,速度和角度方位,民用交通雷达最常用的就是架在路口探测目标情况,例如车辆是否出现压线、超速等违规现象,而在探测这些现象前需要先“告诉”雷达每条车道在什么位置,这样才能更好的探测这些现象。所以交通雷达在架杆前需要很精确地计算和核验,而且对架杆的角度还有一定的要求,这样在测试之前需要做很大的工作量。
发明内容
为了解决上述问题,本发明提出一种雷达自动识别车道的车道识别方法。
一种雷达自动识别车道的车道识别方法,其具体步骤如下:
步骤S1:提取雷达采集的数据并将角度的参数加90度后转化为弧度的形式;
步骤S2:划分几个不同的距离区间提取区间内对应的角度,并统计各角度出现在这些距离区间内的频率和频数;
步骤S3:利用单元平均恒虚警的目标检测方法找到目标点,并确定各条车道;
步骤S4:对上边确定的各条车道进行处理,获得最终各条车道并绘制出各车道中心线位置。
所述的步骤S1中,雷达采集的数据时间不能太短,需要在15分钟以上。
所述的步骤S2中,所划分的距离区间不能太大或太小,且统计各角度出现的频率及频数需在极坐标中进行。
所述的步骤S3中,利用单元平均恒虚警检测目标拟合车道包括:
1)首先在直角坐标系中,找到每个距离区间内可作为目标的点,提取所有的有效目标的角度转化为弧度格式;
2)将找到的所有目标点放在同一表格并按照标准进行分类,将所有目标角度的正弦和余弦乘以对应的距离得到的数据放在同一个表格中,并将这些数据放到直角坐标系,角度正弦与距离的乘积作为纵坐标;
3)按照纵坐标的间距对所有的目标进行分类,根据分类后的点数进行一次拟合,确定车道数、各车道斜率、各车道位置。
所述的步骤S4中,绘制车道位置包括:
1)确定车道的斜率、各车道间距、所有车道的中心位置;
2)将数据代入公式:
y=k*x+mid+[(n–1)/2–(n-n1)]*space;
式中,y为目标点纵坐标,k为车道斜率,x为目标点横坐标,mid为所有车道的中心位置,n为车道数,n1为当前车道是第几条车道,space为各车道间距;确定各车道位置。
3)利用MATLAB软件的绘图软件绘制出各条车道。
所述的步骤S4的1)中,绘制的是各车道中心线位置,车道间距应根据计算的间距平均值取3.5m或3.75m,具体内容包括:将所有车道的斜率相加求平均得到最终车道的斜率k,将所有车道的间距相加求平均得到各车道间距space,将所有车道中心位置相加求平均得到最中心车道中心位置mid。
本发明的有益效果是:本发明通过算法实现了雷达自动识别车道,能够快捷有效地让雷达自动识别出车道位置,测量人员可以在此基础上加以修正从而找到车道精确位置,使其达到设计效果,这能大大减少测量前计算的工作量。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明的标定方法流程示意图;
图2为本发明在极坐标下的角度、距离示意图;
图3为本发明中一个距离区间内有效目标示意图;
图4为本发明的绘制的车道示意图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面对本发明进一步阐述。
如图1至图4所示,一种雷达自动识别车道的车道识别方法,其具体步骤如下:
步骤S1:提取雷达采集的数据并将角度的参数加90度后转化为弧度的形式;
步骤S2:划分几个不同的距离区间提取区间内对应的角度,并统计各角度出现在这些距离区间内的频率和频数;
步骤S3:利用单元平均恒虚警的目标检测方法找到目标点,并确定各条车道;
步骤S4:对上边确定的各条车道进行处理,获得最终各条车道并绘制出各车道中心线位置。
图2为本发明在极坐标下的角度、距离示意图,将原始数据中的角度转换为弧度制表示,按照条件对数据进行筛选,并将筛选出的数据按照角度、距离在极坐标中绘制出来。
图3为本发明中一个距离区间内有效目标示意图,对上述数据做单元平均恒虚警检测,检测出真正的有效目标,如图3中,分别包括虚线、实线、圆点,其中高于虚线的圆点即为有效目标,圆点分布在实线的最高峰顶端以及坐标轴的横坐标上。
图4为本发明中绘制的车道示意图,将检测到的有效目标依据条件进行分类得到车道数目,按照中间车道位置和车道间距绘制出识别出的车道。
所述的步骤S1中,雷达采集的数据时间不能太短,需要在15分钟以上。
所述的步骤S2中,所划分的距离区间不能太大或太小,且统计各角度出现的频率及频数需在极坐标中进行。
划分的距离区间不能太宽或太窄,应在1米,且划分的距离区间应在3条以上,本发明划分了4条;同时统计角度和距离的频率和频数应在极坐标下进行。
本发明通过算法实现了雷达自动识别车道,能够快捷有效地让雷达自动识别出车道位置,测量人员可以在此基础上加以修正从而找到车道精确位置,使其达到设计效果,这能大大减少测量前计算的工作量。
所述的步骤S3中,利用单元平均恒虚警检测目标拟合车道包括:
1)首先在直角坐标系中,找到每个距离区间内可作为目标的点,提取所有的有效目标的角度转化为弧度格式;
2)将找到的所有目标点放在同一表格并按照标准进行分类,将所有目标角度的正弦和余弦乘以对应的距离得到的数据放在同一个表格中,并将这些数据放到直角坐标系,角度正弦与距离的乘积作为纵坐标;
3)按照纵坐标的间距对所有的目标进行分类,根据分类后的点数进行一次拟合,确定车道数、各车道斜率、各车道位置。
所述的步骤S4中,绘制车道位置包括:
1)确定车道的斜率、各车道间距、所有车道的中心位置;
2)将数据代入公式:
y=k*x+mid+[(n–1)/2–(n-n1)]*space;
式中,y为目标点纵坐标,k为车道斜率,x为目标点横坐标,mid为所有车道的中心位置,n为车道数,n1为当前车道是第几条车道,space为各车道间距;确定各车道位置。
3)利用MATLAB软件的绘图软件绘制出各条车道。
所述的步骤S4的1)中,绘制的是各车道中心线位置,车道间距应根据计算的间距平均值取3.5m或3.75m,具体内容包括:将所有车道的斜率相加求平均得到最终车道的斜率k,将所有车道的间距相加求平均得到各车道间距space,将所有车道中心位置相加求平均得到最中心车道中心位置mid。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (4)
1.一种雷达自动识别车道的车道识别方法,其特征在于:其具体步骤如下:
步骤S1:提取雷达采集的数据并将角度的参数加90度后转化为弧度的形式;
步骤S2:划分几个不同的距离区间提取区间内对应的角度,并统计各角度出现在这些距离区间内的频率和频数;
步骤S3:利用单元平均恒虚警的目标检测方法找到目标点,并确定各条车道;
步骤S4:对上边确定的各条车道进行处理,获得最终各条车道并绘制出各车道中心线位置;
所述的步骤S3中,利用单元平均恒虚警检测目标拟合车道包括:
1)首先在直角坐标系中,找到每个距离区间内可作为目标的点,提取所有的有效目标的角度转化为弧度格式;
2)将找到的所有目标点放在同一表格并按照标准进行分类,将所有目标角度的正弦和余弦乘以对应的距离得到的数据放在同一个表格中,并将这些数据放到直角坐标系,角度正弦与距离的乘积作为纵坐标;
3)按照纵坐标的间距对所有的目标进行分类,根据分类后的点数进行一次拟合,确定车道数、各车道斜率、各车道位置;
所述的步骤S4中,绘制车道位置包括:
1)确定车道的斜率、各车道间距、所有车道的中心位置;
2)将数据代入公式:
y = k * x + mid + [(n–1)/2 – (n-n1)] * space;
式中,y为目标点纵坐标,k为车道斜率,x为目标点横坐标,mid为所有车道的中心位置,n为车道数,n1为当前车道是第几条车道,space为各车道间距;确定各车道位置;
3)利用MATLAB软件的绘图软件绘制出各条车道。
2.根据权利要求1所述的一种雷达自动识别车道的车道识别方法,其特征在于:所述的步骤S1中,雷达采集的数据时间不能太短,需要在15分钟以上。
3.根据权利要求1所述的一种雷达自动识别车道的车道识别方法,其特征在于:所述的步骤S2中,所划分的距离区间不能太大或太小,且统计各角度出现的频率及频数需在极坐标中进行。
4.根据权利要求1所述的一种雷达自动识别车道的车道识别方法,其特征在于:所述的步骤S4的1)中,绘制的是各车道中心线位置,车道间距应根据计算的间距平均值取3.5m或3.75m,将所有车道的斜率相加求平均得到最终车道的斜率k,将所有车道的间距相加求平均得到各车道间距space,将所有车道中心位置相加求平均得到最中心车道中心位置mid。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111082222.9A CN114399904B (zh) | 2021-09-15 | 2021-09-15 | 一种雷达自动识别车道的车道识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111082222.9A CN114399904B (zh) | 2021-09-15 | 2021-09-15 | 一种雷达自动识别车道的车道识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114399904A CN114399904A (zh) | 2022-04-26 |
CN114399904B true CN114399904B (zh) | 2023-07-28 |
Family
ID=81225445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111082222.9A Active CN114399904B (zh) | 2021-09-15 | 2021-09-15 | 一种雷达自动识别车道的车道识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114399904B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014116452A1 (de) * | 2014-11-11 | 2016-05-12 | Infineon Technologies Ag | Verfahren und Vorrichtung zur Verarbeitung von Radarsignalen |
CN106405556A (zh) * | 2016-11-02 | 2017-02-15 | 上海神添实业有限公司 | 车辆目标信息探测识别系统及其信号处理方法 |
CN107330376A (zh) * | 2017-06-06 | 2017-11-07 | 广州汽车集团股份有限公司 | 一种车道线识别方法及系统 |
CN107490789A (zh) * | 2017-08-16 | 2017-12-19 | 成都纳雷科技有限公司 | 基于恒虚警检测的车载雷达信号目标检测方法及装置 |
KR20180042052A (ko) * | 2016-10-17 | 2018-04-25 | 한국전자통신연구원 | Fmcw 레이더를 이용한 타겟 탐지 장치 및 방법 |
CN109655832A (zh) * | 2019-03-13 | 2019-04-19 | 上海赫千电子科技有限公司 | 一种盲区检测方法 |
KR102065980B1 (ko) * | 2019-02-28 | 2020-01-14 | 한화시스템 주식회사 | 표적 탐지 방법 |
CN112382092A (zh) * | 2020-11-11 | 2021-02-19 | 成都纳雷科技有限公司 | 交通毫米波雷达自动生成车道的方法、系统及介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200067629A (ko) * | 2018-12-04 | 2020-06-12 | 삼성전자주식회사 | 레이더 데이터를 처리하는 장치 및 방법 |
US11630197B2 (en) * | 2019-01-04 | 2023-04-18 | Qualcomm Incorporated | Determining a motion state of a target object |
-
2021
- 2021-09-15 CN CN202111082222.9A patent/CN114399904B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014116452A1 (de) * | 2014-11-11 | 2016-05-12 | Infineon Technologies Ag | Verfahren und Vorrichtung zur Verarbeitung von Radarsignalen |
KR20180042052A (ko) * | 2016-10-17 | 2018-04-25 | 한국전자통신연구원 | Fmcw 레이더를 이용한 타겟 탐지 장치 및 방법 |
CN106405556A (zh) * | 2016-11-02 | 2017-02-15 | 上海神添实业有限公司 | 车辆目标信息探测识别系统及其信号处理方法 |
CN107330376A (zh) * | 2017-06-06 | 2017-11-07 | 广州汽车集团股份有限公司 | 一种车道线识别方法及系统 |
CN107490789A (zh) * | 2017-08-16 | 2017-12-19 | 成都纳雷科技有限公司 | 基于恒虚警检测的车载雷达信号目标检测方法及装置 |
KR102065980B1 (ko) * | 2019-02-28 | 2020-01-14 | 한화시스템 주식회사 | 표적 탐지 방법 |
CN109655832A (zh) * | 2019-03-13 | 2019-04-19 | 上海赫千电子科技有限公司 | 一种盲区检测方法 |
CN112382092A (zh) * | 2020-11-11 | 2021-02-19 | 成都纳雷科技有限公司 | 交通毫米波雷达自动生成车道的方法、系统及介质 |
Non-Patent Citations (4)
Title |
---|
Road Watch Radar System Development;Jung S. Jung;2013 Asia-Pacific Microwave Conference Proceedings;全文 * |
基于软硬件协同设计的车道线实时识别方法;张伟伟;中国机械工程;第26卷(第10期);全文 * |
应用匹配滤波器的车道线恒虚警率识别方法;宋晓琳;张三林;张伟伟;;电子测量与仪器学报(第03期);全文 * |
远程交通微波传感器中的门限检测算法;孟龙;陈建春;;计算机工程与设计(第19期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114399904A (zh) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105425224B (zh) | 车载毫米波雷达系统多目标个数获取方法及装置 | |
CN111045008B (zh) | 基于展宽计算的车载毫米波雷达目标识别方法 | |
CN107607925B (zh) | 一种雷达应用的目标rcs实时评估方法 | |
CA2503581C (en) | Weather and airborne clutter suppression using a cluster shape classifier | |
US9286796B2 (en) | Traffic flow measuring apparatus and method, and computer-readable storage medium for judging size of vehicle depending on number of times reflected wave from vehicle is detected within detection time | |
CN105549012B (zh) | 车载毫米波雷达系统多目标检测装置 | |
CN110515051B (zh) | 一种车载雷达安装角度值的测量方法及系统 | |
CN102890269B (zh) | 识别车辆的雷达传感器的失调 | |
CN111708022B (zh) | 毫米波雷达的扫描区域边界的计算方法及装置 | |
CN109188382B (zh) | 一种基于毫米波雷达的目标识别方法 | |
KR102243363B1 (ko) | 레이더 장치 및 그를 이용한 타겟 식별방법 | |
CN108181620B (zh) | 一种三坐标雷达点迹质量评估方法 | |
US11255956B2 (en) | Method for measuring the flow velocity of a medium | |
CN110531337A (zh) | 基于隶属度分析的目标可信度计算方法及装置 | |
CN116027318A (zh) | 多传感器信号融合的方法、装置、电子设备及存储介质 | |
CN104569923A (zh) | 基于速度约束的Hough变换快速航迹起始方法 | |
CN114399904B (zh) | 一种雷达自动识别车道的车道识别方法 | |
CN112698267B (zh) | 一种干扰源测试定位方法 | |
CN104764465A (zh) | 一种遥感卫星地面分辨率的测量方法 | |
EP3290945A1 (en) | Misalignment detection for a vehicle radar sensor | |
JP3407045B2 (ja) | ミリ波センサの信号処理方法 | |
CN110221255B (zh) | 一种提取雷达信标信号的方法、装置及雷达系统 | |
CN113033586B (zh) | 目标识别方法及设备 | |
JP3890405B2 (ja) | ミリ波センサを用いた車種判別方法及び装置 | |
Zhou | Automobile Anti-collision Millimeter-Wave Radar Signal Processing |
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 |