CN114578342A - 车载雷达的目标跟踪方法、车载雷达及存储介质 - Google Patents
车载雷达的目标跟踪方法、车载雷达及存储介质 Download PDFInfo
- Publication number
- CN114578342A CN114578342A CN202210181884.XA CN202210181884A CN114578342A CN 114578342 A CN114578342 A CN 114578342A CN 202210181884 A CN202210181884 A CN 202210181884A CN 114578342 A CN114578342 A CN 114578342A
- Authority
- CN
- China
- Prior art keywords
- coordinate system
- target
- vehicle
- state
- moment
- 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
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种车载雷达的目标跟踪方法、车载雷达及存储介质,该方法包括:获取自车雷达探测得到的目标在当前时刻的车辆坐标系下的量测量;若自车在当前时刻处于转弯状态,则将目标在当前时刻的车辆坐标系下的量测量转换至世界坐标系下,其中,世界坐标系为第一时刻的车辆坐标系,第一时刻为自车进入本次转弯状态的时刻;然后根据世界坐标系下目标在当前时刻的量测量计算世界坐标系下目标在当前时刻的状态估计量;将世界坐标系下目标在当前时刻的状态估计量转换至当前时刻的车辆坐标系下。通过上述过程,本申请能够避免在车辆转弯时雷达和目标相对运动不再符合线性关系导致的跟踪失败,从而提高车载雷达的目标跟踪准确性。
Description
技术领域
本发明涉及雷达技术领域,尤其涉及一种车载雷达的目标跟踪方法、车载雷达及存储介质。
背景技术
高分辨毫米波雷达相较于传统传感器具有测量精度高、探测点云丰富、全天时、全天候等优点,已经被广泛应用在L3及以上的辅助驾驶环境感知中。在辅助驾驶过程中,探测目标稳定的跟踪、正确的速度估计对后续的规划和决策至关重要。
目前毫米波雷达目标跟踪都是在车辆坐标系下进行。但是当自车转弯甚至是调头过程中,由于雷达和目标相对运动不再符合线性关系会导致跟踪失败。
发明内容
有鉴于此,本发明提供了一种车载雷达的目标跟踪方法、车载雷达及存储介质,能够解决自车转弯过程中雷达对目标跟踪失败的问题。
第一方面,本发明实施例提供了一种车载雷达的目标跟踪方法,包括:
获取自车雷达探测得到的目标在当前时刻的车辆坐标系下的量测量;
若自车在当前时刻处于转弯状态,则将所述目标在当前时刻的车辆坐标系下的量测量转换至世界坐标系下,其中,所述世界坐标系为第一时刻的车辆坐标系,所述第一时刻为自车进入本次转弯状态的时刻;
根据所述世界坐标系下所述目标在当前时刻的量测量计算所述世界坐标系下所述目标在当前时刻的状态估计量;
将所述世界坐标系下所述目标在当前时刻的状态估计量转换至当前时刻的车辆坐标系下。
第二方面,本发明实施例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第一方面任一种可能的实现方式所述车载雷达的目标跟踪方法的步骤。
第三方面,本发明实施例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第一方面任一种可能的实现方式所述车载雷达的目标跟踪方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:
本发明实施例首先获取自车雷达探测得到的目标在当前时刻的车辆坐标系下的量测量;若自车在当前时刻处于转弯状态,则将所述目标在当前时刻的车辆坐标系下的量测量转换至世界坐标系下,其中,所述世界坐标系为第一时刻的车辆坐标系,所述第一时刻为自车进入本次转弯状态的时刻;然后根据所述世界坐标系下所述目标在当前时刻的量测量计算所述世界坐标系下所述目标在当前时刻的状态估计量;将所述世界坐标系下所述目标在当前时刻的状态估计量转换至当前时刻的车辆坐标系下。通过上述过程,本实施例能够避免在车辆转弯时雷达和目标相对运动不再符合线性关系导致的跟踪失败,车辆转弯时在世界坐标系下对目标进行跟踪,从而提高车载雷达的目标跟踪准确性。
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载雷达的目标跟踪方法的流程示意图;
图2是本发明实施例提供的车辆坐标系和世界坐标系的坐标示意图;
图3是本发明实施例提供的车载雷达的目标跟踪装置的结构示意图;
图4是本发明实施例提供的车载雷达的示意图;
图5是雷达探测的目标的量测量和采用本发明实施例提供的方法计算得到的估计量的对比示意图。
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。
为了更加清楚的说明本方案,本实施例首先对下文提及的公式符号进行说明,详述如下;
Vt表示t时刻的自车速度;
Vk+1表示k+1时刻的自车速度;
Fk表示k时刻的状态转移矩阵;
vk表示世界坐标系下k时刻的过程噪声;
Qk,W表示世界坐标系下的过程噪声矩阵;
Qk,ego表示车辆坐标系下的过程噪声矩阵;
ωk+1表示k+1时刻的量测噪声;
Rk+1,W表示k+1时刻的世界坐标系下的量测噪声矩阵;
Rk+1,ego表示车辆坐标系下k+1时刻的量测噪声矩阵;
Hk+1表示k+1时刻的量测转移矩阵;
εk+1表示自进入转弯状态开始至k+1时刻的横摆角累积变化量;
θi表示i时刻自车的横摆角变化量;
T表示帧周期;
Zk+1,W表示k+1时刻所述目标在世界坐标系下的量测量;
Zk+1,ego表示k+1时刻所述目标在车辆坐标系下的量测量;
Mk+1表示k+1时刻的旋转矩阵;
Nk+1表示k+1时刻的平移向量;
Xk+1,W表示k+1时刻所述目标在世界坐标系下的真实状态量;
Xk,W表示k时刻所述目标在世界坐标系下的真实状态量;
Xk+1k,W表示在世界坐标系下对所述目标在k+1时刻的状态量的预测量;
Vk+1,W表示世界坐标系下所述目标在k+1时刻的新息;
Pk+1k,W表示世界坐标系下对所述目标在k+1时刻的状态协方差的预测量;
Pk+1k+1,W表示世界坐标系下所述目标在k+1时刻的状态协方差;
Pk+1k+1,ego表示车辆坐标系下所述目标在k+1时刻的状态协方差;
Kk+1表示k+1时刻的增益矩阵;
Sk+1表示所述目标在k+1时刻的新息协方差矩阵;
I表示单位矩阵;
(·)T表示向量或者矩阵的转置;
(·)-1表示向量或者矩阵的逆。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施例来进行说明。
图1为本发明实施例提供的车载雷达的目标跟踪方法的实现流程图,详述如下:
S101:获取自车雷达探测得到的目标在当前时刻的车辆坐标系下的量测量。
在本实施例中,量测量表示雷达测量出的目标的数据,状态量表示目标的真实数据,量测量与状态量之间通常存在一定的偏差。
S102:若自车在当前时刻处于转弯状态,则将所述目标在当前时刻的车辆坐标系下的量测量转换至世界坐标系下,其中,所述世界坐标系为第一时刻的车辆坐标系,所述第一时刻为自车进入本次转弯状态的时刻。
具体的,当自车处于直行状态时,自车与目标之间的相对运动符合线性关系,因此直接在车辆坐标系下对目标创建线性的状态更新方程即可。但是当自车处于转弯状态时,自车与目标之间的相对运动不再符合线性关系,仍然采用车辆坐标系下创建的线性的状态更新方程则无法准确的对目标进行跟踪。因此,本申请在车辆处于转弯状态时,将量测量转换至世界坐标系下,由于世界坐标系下自车与目标车之间仍然呈线性运动关系,因此在世界坐标系下能够很好的对目标进行跟踪。
在一个实施例中,在S102之前,本实施例提供的方法还包括:
若自车在当前时刻处于转弯状态,且监测到自车在连续M帧内的横摆角累积变化量小于第一预设阈值,则判定自车由转弯状态进入直行状态;
若自车在当前时刻处于直行状态,且监测到自车在连续N帧内的横摆角累积变化量大于第一预设阈值,则判定自车由直行状态进入转弯状态。
具体的,转弯状态包括转弯维持状态和进入转弯状态,对自车横摆角进行实时监测,若自车在当前时刻处于转弯维持状态或者进入转弯状态,且监测到自车在连续M帧内的横摆角累积变化量小于或等于第一预设阈值,则判定自车由转弯状态进入直行状态;否则,自车维持当前状态。其中,第一预设阈值可以为0.003rad。
直行状态包括直行以及待机状态,对自车横摆角进行实时监测,若自车在当前时刻处于直行状态或待机状态,且监测到自车在连续N帧内的横摆角累积变化量大于第一预设阈值,则判定自车由直行状态进入转弯状态;否则,自车维持当前状态。其中,待机状态表示车辆未行驶时的状态。
具体的,M>N,M可以取5,N可以取3。
在本发明的一个实施例中,当监测到自车由直行状态进入转弯状态时,则将进入转弯状态时刻对应的车辆坐标系作为世界坐标系,并在转弯状态中,一直在该世界坐标系下对目标进行跟踪。因此首先需要基于世界坐标系和车辆坐标系之间的转换公式,将目标在当前时刻的车辆坐标系下的量测量转换至世界坐标系下。
旋转矩阵Mk+1的推导过程如下所述:
车辆坐标系为以自车的质心作为原点,以车辆前行方向作为y轴,以水平面上与y轴垂直的方向作为x轴的坐标系。图2示出了两个时刻的车辆坐标系之间的关系示意图,如图2所示,k时刻车辆坐标系为坐标系,该坐标系下目标的状态向量为其中,xk表示k时刻目标在坐标系的x轴坐标,yk表示k时刻目标在坐标系的y轴坐标,表示k时刻目标在坐标系的x轴方向速度,表示k时刻目标在坐标系的y轴方向速度。自车位于坐标系原点处自车仅具有沿y轴正半轴的线速度Vk,横摆角为δk;在k+1时刻,车辆坐标系为坐标系,该坐标系下目标的状态向量为其中,xk+1表示k+1时刻目标在坐标系的x轴坐标,yk+1表示k+1时刻目标在坐标系的y轴坐标,表示k+1时刻目标在坐标系的x轴方向速度,表示k+1时刻目标在坐标系的y轴方向速度。自车位于该坐标系原点处自车仅具有沿y轴正半轴的线速度Vk+1,横摆角为δk+1。
上式两边同时对t求导数,则可以得到转换前后速度的变化关系:
综合上述两个方程,可以得到变换之后的方程为
按照上述转换过程,假设自车在k时刻进入转弯状态,则将k时刻对应的车辆坐标系作为世界坐标系,k时刻至k+1时刻车辆的横摆角累积变化量为εk+1,k+1时刻对应的车辆坐标系与世界坐标系之间的旋转矩阵为:
S103:根据所述世界坐标系下所述目标在当前时刻的量测量及所述目标在前一时刻的状态估计量计算所述世界坐标系下所述目标在当前时刻的状态估计量。
在一个实施例中,S103的具体实现流程包括,包括:
将所述世界坐标系下所述目标在当前时刻的量测量及所述目标在前一时刻的状态估计量输入状态更新方程,得到所述世界坐标系下所述目标在当前时刻的状态估计量和状态协方差;所述状态更新方程为对所述目标的状态空间模型进行卡尔曼滤波计算得到的方程;所述状态空间模型包括状态方程和量测方程,所述状态方程和所述量测方程均建立于世界坐标系下,且所述量测方程用于表示世界坐标系下所述目标在同一时刻的量测量与状态量之间的关系。
在一个实施例中,所述状态方程为:Xk+1,W=FkXk,W+vk;
其中,若车辆在t时刻由直行状态进入转弯状态,即将t时刻的车辆坐标系作为世界坐标系,则当t=k时,世界坐标系下k时刻的真实状态量为x(t)表示t时刻所述目标在车辆坐标系下的x轴方向坐标;y(t)表示t时刻所述目标在车辆坐标系下的y轴方向坐标;vx(t)表示t时刻所述目标在车辆坐标系下的x轴方向速度;vy(t)表示t时刻所述目标在车辆坐标系下的y轴方向速度;vk服从高斯分布N(0,Qk,W)。
所述量测方程为:Zk+1,W=Hk+1Xk+1,W+ωk+1;
基于卡尔曼滤波算法,所述状态更新方程包括:
S104:将所述世界坐标系下所述目标在当前时刻的状态估计量转换至当前时刻的车辆坐标系下。
具体的,S104的具体实现流程包括:
将所述世界坐标系下所述目标在当前时刻的状态估计量和状态协方差,转换到当前时刻的车辆坐标系下。
在一个实施例中,S104进一步包括:
根据状态估计变换公式将所述世界坐标系下所述目标在当前时刻的状态估计量转换至当前时刻的车辆坐标系下;
根据状态协方差变换公式将所述世界坐标系下所述目标在当前时刻的状态协方差转换至当前时刻的车辆坐标系下;
在一个实施例中,本实施例提供的车载雷达的目标跟踪方法还包括:
若当前时刻自车由直行状态进入转弯状态或由转弯状态进入直行状态,则将εk+1重置为零。
在一个实施例中,本实施例提供的方法还包括:
若自车在当前时刻处于直行状态,则在车辆坐标系下基于所述目标在当前时刻的量测量及所述目标在前一时刻的状态估计量计算所述目标在当前时刻的状态估计量。
在本实施例中,若自车在当前时刻处于直行状态,则将所述目标在当前时刻的车辆坐标系下的量测量及所述目标在前一时刻的状态估计量输入车辆坐标系下的状态更新方程,得到当前时刻的车辆坐标系下所述目标的状态估计量。
采用上述方法对实际的量测数据的状态数据进行估计,发现在自车掉头时,即便有量测缺失,仍能准确估计出目标的速度位置,如图5黑框内部分所示,如果只用车辆坐标系跟踪是无法准确估计目标速度的。
从上述实施例可知,本实施例通过对世界坐标系和车辆坐标系互相转换公式的推导、世界坐标系下卡尔曼公式的推导、转换矩阵的求解和推导,能够在自车不转弯或者不机动的时候采取车辆坐标系跟踪,在自车处于转弯状态时则采用世界坐标系跟踪,从而提高雷达的目标跟踪准确性,避免了雷达和目标相对运动不符合线性关系时导致跟踪失败的问题。
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。
以下为本发明的装置实施例,对于其中未详尽描述的细节,可以参考上述对应的方法实施例。
图3示出了本发明实施例提供的车载雷达的目标跟踪装置的结构示意图,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
如图3所示,车载雷达的目标跟踪装置100包括:
量测量获取模块110,用于获取自车雷达探测得到的目标在当前时刻的车辆坐标系下的量测量;
第一坐标系转换模块120,用于若自车在当前时刻处于转弯状态,则将所述目标在当前时刻的车辆坐标系下的量测量转换至世界坐标系下,其中,所述世界坐标系为第一时刻的车辆坐标系,所述第一时刻为自车进入本次转弯状态的时刻;
状态估计量计算模块130,用于根据所述世界坐标系下所述目标在当前时刻的量测量及所述目标在前一时刻的状态估计量计算所述世界坐标系下所述目标在当前时刻的状态估计量;
第二坐标系转换模块140,用于将所述世界坐标系下所述目标在当前时刻的状态估计量转换至当前时刻的车辆坐标系下。
从上述实施例可知,本发明实施例首先获取自车雷达探测得到的目标在当前时刻的车辆坐标系下的量测量;若自车在当前时刻处于转弯状态,则将所述目标在当前时刻的车辆坐标系下的量测量转换至世界坐标系下,其中,所述世界坐标系为第一时刻的车辆坐标系,所述第一时刻为自车进入本次转弯状态的时刻;然后根据所述世界坐标系下所述目标在当前时刻的量测量计算所述世界坐标系下所述目标在当前时刻的状态估计量;将所述世界坐标系下所述目标在当前时刻的状态估计量转换至当前时刻的车辆坐标系下。通过上述过程,本实施例能够避免在车辆转弯时雷达和目标相对运动不再符合线性关系导致的跟踪失败,车辆转弯时在世界坐标系下对目标进行跟踪,从而提高车载雷达的目标跟踪准确性。
在一个实施例中,状态估计量计算模块130包括:
将所述世界坐标系下所述目标在当前时刻的量测量及所述目标在前一时刻的状态估计量输入状态更新方程,得到所述世界坐标系下所述目标在当前时刻的状态估计量和状态协方差;所述状态更新方程为对所述目标的状态空间模型进行卡尔曼滤波计算得到的方程;所述状态空间模型包括状态方程和量测方程,所述状态方程和所述量测方程均建立于世界坐标系下,且所述量测方程用于表示世界坐标系下所述目标在同一时刻的量测量与状态量之间的关系;
相应地,第二坐标系转换模块140包括:
将所述世界坐标系下所述目标在当前时刻的状态估计量和状态协方差,转换到当前时刻的车辆坐标系下。
在一个实施例中,所述状态方程为:Xk+1,W=FkXk,W+vk;
其中,Xk+1,W表示k+1时刻所述目标在世界坐标系下的真实状态量;Xk,W表示k时刻所述目标在世界坐标系下的真实状态量,且x(t)表示t时刻所述目标在车辆坐标系下的x轴方向坐标,y(t)表示t时刻所述目标在车辆坐标系下的y轴方向坐标,vx(t)表示t时刻所述目标在车辆坐标系下的x轴方向速度,vy(t)表示t时刻所述目标在车辆坐标系下的y轴方向速度,Vt表示t时刻的自车速度;Fk表示k时刻的状态转移矩阵,且vk表示k时刻的过程噪声,且vk服从高斯分布N(0,Qk,W);
所述量测方程为:Zk+1,W=Hk+1Xk+1,W+ωk+1;
其中,Zk+1,W表示k+1时刻所述目标在世界坐标系下的量测量,且rx表示世界坐标系下所述目标在k+1时刻的x轴方向坐标,ry表示世界坐标系下所述目标在k+1时刻的y轴方向坐标;Hk+1表示k+1时刻的量测转移矩阵,且ωk+1表示k+1时刻的量测噪声,且ωk+1服从高斯分布N(0,Rk+1,W)。
在一个实施例中,所述状态更新方程包括:
其中,表示k+1时刻所述目标在世界坐标系下的状态估计量;表示在世界坐标系下对所述目标在k+1时刻的状态量的预测量均值,Kk+1表示k+1时刻的增益矩阵,Vk+1,W表示世界坐标系下所述目标在k+1时刻的新息,Zk+1,W表示k+1时刻所述目标在世界坐标系下的量测量,Hk+1表示k+1时刻的量测转移矩阵;Pk+1k,W表示世界坐标系下对所述目标在k+1时刻的状态协方差的预测量,Sk+1表示所述目标在k+1时刻的新息协方差矩阵;
其中,Pk+1k+1,W表示世界坐标系下所述目标在k+1时刻的状态协方差,Rk+1,W表示世界坐标系下k+1时刻的量测噪声矩阵,Rk+1,ego表示车辆坐标系下k+1时刻的量测噪声矩阵。
在一个实施例中,第二坐标系转换模块140具体包括:
根据状态估计变换公式将所述世界坐标系下所述目标在当前时刻的状态估计量转换至当前时刻的车辆坐标系下;
根据状态协方差变换公式将所述世界坐标系下所述目标在当前时刻的状态协方差转换至当前时刻的车辆坐标系下;
其中,Pk+1|k+1,ego表示车辆坐标系下所述目标在k+1时刻的状态协方差,表示k+1时刻所述目标在车辆坐标系下的状态估计量;Mk+1表示k+1时刻的旋转矩阵,且Nk+1表示k+1时刻的平移向量,且
其中,εk+1表示自车从进入转弯状态开始至k+1时刻的横摆角累积变化量;Vk+1表示k+1时刻的自车速度;表示自车在k+1时刻的横摆角速率;T表示帧周期;xk表示k时刻所述目标在所述车辆坐标系下的x轴方向坐标,yk表示k时刻所述目标在所述车辆坐标系下的y轴方向坐标。
在一个实施例中,车载雷达的目标跟踪装置100还包括:
横摆角重置模块,用于若当前时刻自车由直行状态进入转弯状态或由转弯状态进入直行状态,则将εk+1重置为零。
在一个实施例中,车载雷达的目标跟踪装置100还包括:
第一转弯状态判断模块,用于若自车在当前时刻处于转弯状态,且监测到自车在连续M帧内的横摆角累积变化量小于第一预设阈值,则判定自车由转弯状态进入直行状态;
第二转弯状态判断模块,用于若自车在当前时刻处于直行状态,且监测到自车在连续N帧内的横摆角累积变化量大于第一预设阈值,则判定自车由直行状态进入转弯状态。
在一个实施例中,车载雷达的目标跟踪装置100还包括:
直行目标跟踪模块,用于若自车在当前时刻处于直行状态,则在车辆坐标系下基于所述目标在当前时刻的量测量及所述目标在前一时刻的状态估计量计算所述目标在当前时刻的状态估计量。
图4是本发明一实施例提供的终端的示意图。如图4所示,该实施例的车载雷达4包括:处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。所述处理器40执行所述计算机程序42时实现上述各个车载雷达的目标跟踪方法实施例中的步骤,例如图1所示的步骤101至步骤104。或者,所述处理器40执行所述计算机程序42时实现上述各装置实施例中各模块/单元的功能,例如图3所示单元110至140的功能。
示例性的,所述计算机程序42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41中,并由所述处理器40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42在所述车载雷达中的执行过程。
所述车载雷达可包括,但不仅限于,处理器40、存储器41。本领域技术人员可以理解,图4仅仅是车载雷达的示例,并不构成对车载雷达的限定,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,例如所述终端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40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)、现场可编程门阵列(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41可以是所述车载雷达的内部存储单元,例如车载雷达的硬盘或内存。所述存储器41也可以是所述车载雷达的外部存储设备,例如所述车载雷达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41还可以既包括所述车载雷达的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器41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,所揭露的装置/终端和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端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,可实现上述各个车载雷达的目标跟踪方法实施例的步骤。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是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)
1.一种车载雷达的目标跟踪方法,其特征在于,包括:
获取自车雷达探测得到的目标在当前时刻的车辆坐标系下的量测量;
若自车在当前时刻处于转弯状态,则将所述目标在当前时刻的车辆坐标系下的量测量转换至世界坐标系下,其中,所述世界坐标系为第一时刻的车辆坐标系,所述第一时刻为自车进入本次转弯状态的时刻;
根据所述世界坐标系下所述目标在当前时刻的量测量及所述目标在前一时刻的状态估计量计算所述世界坐标系下所述目标在当前时刻的状态估计量;
将所述世界坐标系下所述目标在当前时刻的状态估计量转换至当前时刻的车辆坐标系下。
2.如权利要求1所述的车载雷达的目标跟踪方法,其特征在于,所述根据所述世界坐标系下所述目标在当前时刻的量测量及所述目标在前一时刻的状态估计量计算所述世界坐标系下所述目标在当前时刻的状态估计量,包括:
将所述世界坐标系下所述目标在当前时刻的量测量及所述目标在前一时刻的状态估计量输入状态更新方程,得到所述世界坐标系下所述目标在当前时刻的状态估计量和状态协方差;所述状态更新方程为对所述目标的状态空间模型进行卡尔曼滤波计算得到的方程;所述状态空间模型包括状态方程和量测方程,所述状态方程和所述量测方程均建立于世界坐标系下,且所述量测方程用于表示世界坐标系下所述目标在同一时刻的量测量与状态量之间的关系;
相应地,所述将所述世界坐标下所述目标在当前时刻的状态估计量转换至当前时刻的车辆坐标系下,包括:
将所述世界坐标系下所述目标在当前时刻的状态估计量和状态协方差,转换到当前时刻的车辆坐标系下。
3.如权利要求2所述的车载雷达的目标跟踪方法,其特征在于,
所述状态方程为:Xk+1,W=FkXk,W+vk;
其中,Xk+1,W表示k+1时刻所述目标在世界坐标系下的真实状态量;Xk,W表示k时刻所述目标在世界坐标系下的真实状态量,且x(t)表示t时刻所述目标在车辆坐标系下的x轴方向坐标,y(t)表示t时刻所述目标在车辆坐标系下的y轴方向坐标,vx(t)表示t时刻所述目标在车辆坐标系下的x轴方向速度,vy(t)表示t时刻所述目标在车辆坐标系下的y轴方向速度,Vt表示t时刻的自车速度;Fk表示k时刻的状态转移矩阵,且vk表示k时刻的过程噪声,且vk服从高斯分布N(0,Qk,W);
所述量测方程为:Zk+1,W=Hk+1Xk+1,W+ωk+1;
4.如权利要求3所述的车载雷达的目标跟踪方法,其特征在于,所述状态更新方程包括:
其中,表示k+1时刻所述目标在世界坐标系下的状态估计量;表示在世界坐标系下对所述目标在k+1时刻的状态量的预测量均值,Kk+1表示k+1时刻的增益矩阵,Vk+1,W表示世界坐标系下所述目标在k+1时刻的新息,Zk+1,W表示k+1时刻所述目标在世界坐标系下的量测量,Hk+1表示k+1时刻的量测转移矩阵;Pk+1|k,W表示世界坐标系下对所述目标在k+1时刻的状态协方差的预测量,Sk+1表示所述目标在k+1时刻的新息协方差矩阵;
其中,Pk+1|k+1,W表示世界坐标系下所述目标在k+1时刻的状态协方差,Rk+1,W表示世界坐标系下k+1时刻的量测噪声矩阵,Rk+1,ego表示车辆坐标系下k+1时刻的量测噪声矩阵。
5.根据权利要求2所述的车载雷达的目标跟踪方法,其特征在于,所述将所述世界坐标系下所述目标在当前时刻的状态估计量和状态协方差,转换到当前时刻的车辆坐标系下,包括:
根据状态估计变换公式将所述世界坐标系下所述目标在当前时刻的状态估计量转换至当前时刻的车辆坐标系下;
根据状态协方差变换公式将所述世界坐标系下所述目标在当前时刻的状态协方差转换至当前时刻的车辆坐标系下;
其中,Pk+1|k+1,ego表示车辆坐标系下所述目标在k+1时刻的状态协方差,表示k+1时刻所述目标在车辆坐标系下的状态估计量;Mk+1表示k+1时刻的旋转矩阵,且Nk+1表示k+1时刻的平移向量,且
6.如权利要求3至5任一项所述的车载雷达的目标跟踪方法,其特征在于,所述方法还包括:
若当前时刻自车由直行状态进入转弯状态或由转弯状态进入直行状态,则将εk+1重置为零。
7.如权利要求1至5任一项所述的车载雷达的目标跟踪方法,其特征在于,在所述若自车在当前时刻处于转弯状态之前,所述方法还包括:
若自车在当前时刻处于转弯状态,且监测到自车在连续M帧内的横摆角累积变化量小于第一预设阈值,则判定自车由转弯状态进入直行状态;
若自车在当前时刻处于直行状态,且监测到自车在连续N帧内的横摆角累积变化量大于第一预设阈值,则判定自车由直行状态进入转弯状态。
8.如权利要求1至5任一项所述的车载雷达的目标跟踪方法,其特征在于,所述方法还包括:
若自车在当前时刻处于直行状态,则在车辆坐标系下基于所述目标在当前时刻的量测量及所述目标在前一时刻的状态估计量计算所述目标在当前时刻的状态估计量。
9.一种车载雷达,其特征在于,包括处理器和存储器,所述存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,执行如权利要求1至8中任一项所述的方法。
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上的权利要求1至8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210181884.XA CN114578342A (zh) | 2022-02-25 | 2022-02-25 | 车载雷达的目标跟踪方法、车载雷达及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210181884.XA CN114578342A (zh) | 2022-02-25 | 2022-02-25 | 车载雷达的目标跟踪方法、车载雷达及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114578342A true CN114578342A (zh) | 2022-06-03 |
Family
ID=81773809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210181884.XA Pending CN114578342A (zh) | 2022-02-25 | 2022-02-25 | 车载雷达的目标跟踪方法、车载雷达及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114578342A (zh) |
-
2022
- 2022-02-25 CN CN202210181884.XA patent/CN114578342A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111415387B (zh) | 相机位姿确定方法、装置、电子设备及存储介质 | |
CN111537967B (zh) | 一种雷达偏转角修正方法、装置及雷达终端 | |
CN114111775B (zh) | 一种多传感器融合定位方法、装置、存储介质及电子设备 | |
CN113340334A (zh) | 用于无人车的传感器标定方法、装置及电子设备 | |
CN108805075A (zh) | 行车轨迹线获取方法、装置以及电子设备 | |
CN113920198B (zh) | 一种基于语义边缘对齐的由粗到精的多传感器融合定位方法 | |
CN113109783A (zh) | 航向角获取方法、装置、设备和存储介质 | |
CN113989766A (zh) | 道路边缘检测方法、应用于车辆的道路边缘检测设备 | |
CN113985405A (zh) | 障碍物检测方法、应用于车辆的障碍物检测设备 | |
CN114820749A (zh) | 无人车井下定位方法、系统、设备及介质 | |
CN113311905A (zh) | 一种数据处理系统 | |
CN113671454A (zh) | 一种车载雷达的位置参数标定方法、装置及存储介质 | |
CN113494910B (zh) | 一种基于uwb定位的车辆定位方法、装置及存储介质 | |
CN117541655A (zh) | 融合视觉语义消除radar建图z轴累积误差的方法 | |
CN113252023A (zh) | 基于里程计的定位方法、装置及设备 | |
CN113295159A (zh) | 端云融合的定位方法、装置和计算机可读存储介质 | |
CN112967347A (zh) | 位姿标定方法、装置、机器人及计算机可读存储介质 | |
Yang et al. | Simultaneous estimation of ego-motion and vehicle distance by using a monocular camera | |
CN114578342A (zh) | 车载雷达的目标跟踪方法、车载雷达及存储介质 | |
CN109917644B (zh) | 一种提高视觉惯导系统鲁棒性的方法、装置和机器人设备 | |
CN114187328B (zh) | 一种物体检测方法、装置和电子设备 | |
CN114563770A (zh) | 车载雷达的目标跟踪方法、车载雷达及存储介质 | |
CN114322978B (zh) | 一种车辆定位方法、计算机设备、计算机可读存储介质 | |
CN114415129A (zh) | 基于多项式模型的视觉与毫米波雷达联合标定方法及装置 | |
CN117999207A (zh) | 运动状态估计方法及装置 |
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 |