CN114660566B - 虚假目标剔除方法、装置、计算机设备及存储介质 - Google Patents
虚假目标剔除方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114660566B CN114660566B CN202210563470.3A CN202210563470A CN114660566B CN 114660566 B CN114660566 B CN 114660566B CN 202210563470 A CN202210563470 A CN 202210563470A CN 114660566 B CN114660566 B CN 114660566B
- Authority
- CN
- China
- Prior art keywords
- track
- point
- false
- information
- false 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000008030 elimination Effects 0.000 title claims abstract description 29
- 238000003379 elimination reaction Methods 0.000 title claims abstract description 29
- 238000012216 screening Methods 0.000 claims abstract description 167
- 230000003068 static effect Effects 0.000 claims abstract description 33
- 238000001914 filtration Methods 0.000 claims description 35
- 230000004888 barrier function Effects 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 abstract description 40
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 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
- 238000013179 statistical model Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/411—Identification of targets based on measurements of radar reflectivity
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)
Abstract
本申请涉及虚假目标剔除方法、装置、计算机设备及存储介质，该方法包括：获取扫描得到的目标信息，并基于目标信息得到点迹信息和航迹信息；通过若干点迹筛选框统计筛选点迹信息，通过若干航迹筛选框统计筛选航迹信息；基于点迹筛选框内的静止点迹数量和动态点迹数量确定点迹栅栏，遍历航迹信息中每个航迹与点迹栅栏之间的距离，计算得到每个航迹基于点迹栅栏确定的第一虚假目标概率；对比航迹筛选框内的当前航迹与历史航迹，计算得到每个当前航迹基于历史航迹确定的第二虚假目标概率；结合第一虚假目标概率和第二虚假目标概率确定虚假目标并剔除。本申请在数据处理阶段进行虚假目标剔除，能够处理多种情况下的虚假目标，提高了剔除效率与全面性。
Description
技术领域
本申请涉及雷达检测技术领域，特别是涉及一种虚假目标剔除方法、装置、计算机设备及存储介质。
背景技术
随着雷达技术的发展，在无人驾驶等场景中的应用越来越广泛。毫米波雷达通过计算发射信号和接收信号的波程时间差，经过一系列的信号处理方法，得到包含目标的距离、方位、仰角信息的量测值信息，将其作为输入数据传递给雷达数据处理模块。雷达数据处理模块通过对扫描获得的量测值进行关联获得目标航迹，经过航迹关联、滤波等一系列航迹处理，精确地估计出目标真实的航迹数据，作为最终目标信息传递给下级模块。
在上述目标检测过程中，会存在多种虚假目标，例如，如果真实目标所在环境存在金属栅栏、围墙等强反射体，被目标散射出的电磁波信号容易与该强反射体产生二次以及多次反射后，再被雷达接收机接收，此类反射回来的电磁波信号通过信号处理、数据处理等阶段，便会形成多径虚假目标。再例如，由于雷达波形的限制，在信号处理阶段需要对目标进行多普勒解模糊处理，此过程中会存在解模糊错误的点，这些错误点同样会形成虚假目标。这些虚假目标会使得系统产生虚警，甚至干扰真实目标的检测，致使雷达产生误判，严重影响雷达系统的目标跟踪性能，必须对雷达检测中的虚假目标进行剔除处理。
针对这些虚假目标，现有技术通常采用多种不同的处理方法，如在信号处理阶段提取目标的微多普勒信息来抑制多径虚假目标；通过在解模糊前对点迹进行属性标识来抑制解模糊错误产生的虚假目标。上述方法均在信号处理阶段进行虚假目标识别、剔除，会存在漏检真实目标的可能性，存在算法复杂度高、识别准确率略低的问题，并且大部分技术只能抑制单一情况的虚假目标，无法全面覆盖所有情况，增加整个工程实现负担。
因此，需要一种针对多种虚假目标的剔除方案。
发明内容
基于此，有必要针对上述技术问题，提供一种能够剔除多种虚假目标的虚假目标剔除方法、装置、计算机设备及存储介质。
第一方面，本申请提供了一种虚假目标剔除方法，包括：
获取扫描得到的目标信息，并基于目标信息得到点迹信息和航迹信息；
构造若干点迹筛选框和若干航迹筛选框，通过若干点迹筛选框统计筛选点迹信息，通过若干航迹筛选框统计筛选航迹信息；
基于点迹筛选框内的静止点迹数量和动态点迹数量确定点迹栅栏，遍历航迹信息中每个航迹与点迹栅栏之间的距离，计算得到每个航迹基于点迹栅栏确定的第一虚假目标概率；
对比航迹筛选框内的当前航迹与历史航迹，计算得到每个当前航迹基于历史航迹确定的第二虚假目标概率，其中，当前航迹为航迹信息中新增的航迹，历史航迹为航迹信息中真实的航迹；
结合第一虚假目标概率和第二虚假目标概率确定航迹信息中的虚假目标并剔除。
在其中一个实施例中，构造若干点迹筛选框和若干航迹筛选框，通过若干点迹筛选框统计筛选点迹信息，通过若干航迹筛选框统计筛选航迹信息包括：
遍历所有点迹和航迹，按照点迹和航迹的横向位置划分若干点迹筛选框和若干航迹筛选框；
基于点迹的横向位置将点迹划分至不同的点迹筛选框内，基于航迹的横向位置将航迹划分至不同的航迹筛选框内。
在其中一个实施例中，在通过若干点迹筛选框统计筛选点迹信息的过程中，还包括：
比较点迹筛选框统计筛选得到的最新点迹和点迹筛选框中的历史点迹的坐标大小，更新点迹筛选框的大小。
在其中一个实施例中，基于点迹筛选框内的静止点迹数量和动态点迹数量确定点迹栅栏包括：
比较点迹筛选框内静止点迹数量和动态点迹数量，确定点迹栅栏：
若预设时间周期内静止点迹数量大于动态点迹数量，则点迹栅栏成立，并基于静止点迹确定点迹栅栏，反之，点迹栅栏不成立。
在其中一个实施例中，遍历航迹信息中每个航迹与点迹栅栏之间的距离，计算得到每个航迹基于点迹栅栏确定的第一虚假目标概率包括：
遍历航迹信息中每个航迹与点迹栅栏之间的距离X：
其中，y为航迹的横向位置，x为航迹的纵向位置，k为点迹栅栏的斜率，b为点迹栅栏的截距；
计算得到每个航迹基于点迹栅栏确定的第一虚假目标概率：
其中，v为载具的运动速度。
在其中一个实施例中，对比航迹筛选框内的当前航迹与历史航迹，计算得到每个当前航迹基于历史航迹确定的第二虚假目标概率包括：
对比航迹筛选框中的航迹，若当前航迹和历史航迹的横向距离小于预设阈值，且当前航迹的航迹筛选框与历史航迹的航迹筛选框纵向重叠，则获取当前航迹和历史航迹的纵向偏差；
基于纵向偏差计算得到每个当前航迹基于历史航迹确定的第二虚假目标概率：
其中，Ex为纵向偏差。
在其中一个实施例中，结合第一虚假目标概率和第二虚假目标概率确定航迹信息中的虚假目标并剔除包括：
若第一虚假目标概率和第二虚假目标概率之和大于预设的虚假阈值，则对应的航迹确定为虚假目标并剔除，反之，则对应的航迹确定为正常目标。
在其中一个实施例中，结合第一虚假目标概率和第二虚假目标概率确定航迹信息中的虚假目标并剔除还包括：
若第一虚假目标概率和第二虚假目标概率中的任一概率大于虚假阈值，则直接确定对应的航迹为虚假目标并剔除，且跳过该航迹另一概率所对应的步骤。
第二方面，本申请还提供了一种虚假目标剔除装置，包括：
获取模块，用于获取扫描得到的目标信息，并基于目标信息得到点迹信息和航迹信息；
统计筛选模块，用于构造若干点迹筛选框和若干航迹筛选框，通过若干点迹筛选框统计筛选点迹信息，通过若干航迹筛选框统计筛选航迹信息；
第一检测模块，用于基于点迹筛选框内的静止点迹数量和动态点迹数量确定点迹栅栏，遍历航迹信息中每个航迹与点迹栅栏之间的距离，计算得到每个航迹基于点迹栅栏确定的第一虚假目标概率；
第二检测模块，用于对比航迹筛选框内的当前航迹与历史航迹，计算得到每个当前航迹基于历史航迹确定的第二虚假目标概率，其中，当前航迹为航迹信息中新增的航迹，历史航迹为航迹信息中真实的航迹；
剔除模块，用于结合第一虚假目标概率和第二虚假目标概率确定航迹信息中的虚假目标并剔除。
第三方面，本申请还提供了一种计算机设备。所述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，所述处理器执行所述计算机程序时实现上述任意一实施例中的虚假目标剔除方法的步骤。
第四方面，本申请还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，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一实施例中的虚假目标剔除方法的步骤。
上述虚假目标剔除方法、装置、计算机设备及存储介质，通过构造航迹、点迹的筛选框，统计筛选点迹信息和航迹信息，基于点迹信息和航迹信息得出各航迹隶属于虚假目标的多方面概率，并结合多方面概率最终决定是否为虚假航迹并进行剔除处理，其中，上述过程在数据处理阶段（目标跟踪阶段）对虚假目标进行识别和剔除，可以减少真实目标漏检概率，同时通过航迹、点迹的筛选框对点迹信息与航迹信息进行划分，将数据划分处理，可以减少整体的数据处理量，大大提高虚假目标剔除的处理效率，并且通过统一方案能够处理多种工况下产生的虚假目标，提高了虚假目标剔除的全面性，也避免了虚假目标产生的虚警和干扰，提高了毫米波雷达对目标的跟踪性能。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案，下面将对实施例或传统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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一个实施例中虚假目标剔除方法的整体流程示意图；
图2为一个实施例中虚假目标剔除方法的点迹筛选框示意图；
图3为一个实施例中虚假目标剔除方法的航迹与点迹栅栏之间距离示意图；
图4为一个实施例中虚假目标剔除方法的当前航迹与历史航迹纵向偏差示意图；
图5为一个实施例中虚假目标剔除装置的结构框图；
图6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。
需要表明的是，本发明的表明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在此使用时，单数形式的“一”、“一个”和“所述/该”也可以包括复数形式，除非上下文清楚指出另外的方式。还应当理解的是，术语“包括/包含”或“具有”等指定所陈述的特征、整体、步骤、操作、组件、部分或它们的组合的存在，但是不排除存在或添加一个或更多个其他特征、整体、步骤、操作、组件、部分或它们的组合的可能性。同时，在本说明书中使用的术语“和/或”包括相关所列项目的任何及所有组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
本申请实施例提供的虚假目标剔除方法、装置、计算机设备及存储介质，可以应用于雷达产品中，尤其是无人驾驶车辆，无人驾驶车辆车辆基于雷达进行周边环境的检测，以指引其自动行驶。其中，在无人驾驶过程中，车辆上搭载的毫米波雷达需要检测周边的目标，如机动车辆、非机动车辆、行人、路障等等，这些真实目标都是指引无人驾驶车辆行驶决策的重要因素。
但是在毫米波雷达检测过程中，如果真实目标所在环境存在金属栅栏、围墙等强反射体，被目标散射出的电磁波信号容易与该强反射体产生二次以及多次反射后，再被雷达接收机接收，此类反射回来的电磁波信号通过信号处理、数据处理等阶段，便会形成多径虚假目标。另外，由于雷达波形的限制，在信号处理阶段需要对目标进行多普勒解模糊处理，此过程中会存在解模糊错误的点，这些错误点同样会形成虚假目标。
这些虚假目标就会使得系统产生虚警，甚至干扰真实目标的检测，致使雷达产生误判，严重影响雷达系统的目标跟踪性能，因此必须对雷达检测中的虚假目标进行剔除。
在一个实施例中，如图1所示，提供了一种虚假目标剔除方法，包括以下步骤：
S100：获取扫描得到的目标信息，并基于目标信息得到点迹信息和航迹信息；
具体地，本实施例通过雷达系统扫描得到目标信息，该目标信息可以包括距离、角度、速度等信息，雷达系统的数据处理模块对目标信息进行处理得到点迹信息和航迹信息。
进一步地，毫米波雷达通过计算发射信号和接收信号的波程时间差，并经过信号处理，得到本实施例的目标信息，再将其输入雷达数据处理模块，雷达数据处理模块通过扫描获得的目标信息可以得到点迹信息，再通过对点迹信息进行聚类、关联、滤波等处理可以得到航迹信息。
其中，点迹信息是指雷达电磁波照射到预设目标物上回波产生的能量信息，点迹的信息可以包括速度和位置，还可以是方位角、信噪比（SIGNAL-NOISE RATIO，SNR）、雷达散射截面（RADAR CROSS SECTION，RCS）等，航迹信息是指点迹信息经聚类、关联、滤波等处理得到轨迹信息。
S200：构造若干点迹筛选框和若干航迹筛选框，通过若干点迹筛选框统计筛选点迹信息，通过若干航迹筛选框统计筛选航迹信息；
具体地，本实施例构造了若干点迹、航迹的筛选框，通过筛选框进行点迹、航迹的统计筛选，其中，通过点迹、航迹的筛选框将点迹、航迹按照位置分布划分到不同的框内，从而简化所有点迹、航迹的数据处理，提高虚假目标剔除的效率。
其中，点迹、航迹的筛选框在雷达的每一个工作周期，每个筛选框都具有长度与宽度的最大、最小值，具体基于实际的点迹、航迹的位置分布筛选框的大小。
S300：基于点迹筛选框内的静止点迹数量和动态点迹数量确定点迹栅栏，遍历航迹信息中每个航迹与点迹栅栏之间的距离，计算得到每个航迹基于点迹栅栏确定的第一虚假目标概率；
具体地，通过点迹筛选框内的静止点迹数量和动态点迹数量，结合点迹栅栏的成立条件确定点迹栅栏，点迹栅栏的成立条件可以包括如筛选框内的点迹数量、筛选框的大小、筛选框内的点迹类型分布情况、雷达扫描的帧数等等，在满足点迹栅栏的成立条件下，可以确定对应点迹的位置存在栅栏。需要说明的是，此处的栅栏泛指具有例如金属栅栏、围墙等强反射体的广义边界，并不局限于实际道路的栅栏。
具体地，通过遍历航迹信息中每个航迹与点迹栅栏之间的距离，即确定判定目标与点迹栅栏之间的距离，以此来判定目标由于栅栏反射造成的虚假目标的可能性，即每个航迹基于点迹栅栏确定的第一虚假目标概率。
S400：对比航迹筛选框内的当前航迹与历史航迹，计算得到每个当前航迹基于历史航迹确定的第二虚假目标概率，其中，当前航迹为航迹信息中新增的航迹，历史航迹为航迹信息中真实的航迹；
具体地，对比航迹筛选框内的当前航迹与历史航迹，即确定当前航迹和已存在航迹的相似性或差异性，以此来判定目标由于信号多普勒模糊处理造成的虚假目标的可能性，即基于历史航迹确定的第二虚假目标概率，其中，本实施例的历史航迹为本次检测之前已确定为真实目标的航迹，当前航迹为航迹筛选框内新出现的航迹。
S500：结合第一虚假目标概率和第二虚假目标概率确定航迹信息中的虚假目标并剔除。
具体地，本实施例结合第一虚假目标概率和第二虚假目标概率综合确定虚假目标，其中，一方面，第一虚假目标概率可以确定来自栅栏的虚假目标概率，第二虚假目标概率可以确定来自历史航迹的虚假目标概率，两者分别可以确定各自的虚假目标，另一方面，结合第一虚假目标概率和第二虚假目标概率可以确定来自栅栏与历史航迹两者共同影响产生的虚假目标概率。
上述虚假目标剔除方法，通过构造航迹、点迹的筛选框，统计筛选点迹信息和航迹信息，基于点迹信息和航迹信息得出各航迹隶属于虚假目标的多方面概率，并结合多方面概率最终决定是否为虚假航迹并进行剔除处理，其中，上述过程在数据处理阶段（目标跟踪阶段）对虚假目标进行识别和剔除，可以减少真实目标漏检概率，同时通过航迹、点迹的筛选框对点迹信息与航迹信息进行划分，将数据划分处理，可以减少整体的数据处理量，大大提高虚假目标剔除的处理效率，并且通过统一方案能够处理多种工况下产生的虚假目标，提高了虚假目标剔除的全面性，也避免了虚假目标产生的虚警和干扰，提高了毫米波雷达对目标的跟踪性能。
在一个实施例中，基于目标信息通过卡尔曼滤波算法计算得到k时刻航迹的个数以及航迹信息估计，航迹信息估计即航迹相关的参数信息，如横向位置、纵向位置等。
在一个实施例中，构造若干点迹筛选框和若干航迹筛选框，通过若干点迹筛选框统计筛选点迹信息，通过若干航迹筛选框统计筛选航迹信息包括：遍历所有点迹和航迹，按照点迹和航迹的横向位置划分若干点迹筛选框和若干航迹筛选框；基于点迹的横向位置将点迹划分至不同的点迹筛选框内，基于航迹的横向位置将航迹划分至不同的航迹筛选框内。
具体地，本实施例构造了用于筛选点迹的点迹筛选框与用于筛选航迹的航迹筛选框，其中，参看图2，通过点迹的横向位置划分了若干条形框，将该条形框作为点迹筛选框，点迹按照其横向位置被筛选至对应的筛选框内，航迹筛选框同理，不作赘述。进一步地，每个筛选框设置有索引ID，以互相区分识别，参看图2，具体索引ID的定义可以为：当YPOS>0时，索引YPOSID=10-YPOS/2，当YPOS<0时，索引YPOSID=11+YPOS/2，YPOS为筛选框的横向位置，上述索引ID的定义为一具体场景下的实施方式，还可以根据实际的需要进行其他自定义，本实施例不局限于此。
在一个实施例中，在通过若干点迹筛选框统计筛选点迹信息的过程中，还包括：比较点迹筛选框统计筛选得到的最新点迹和点迹筛选框中的历史点迹的坐标大小，更新点迹筛选框的大小。
具体地，本实施例的点迹筛选框可以根据筛选的点迹信息动态调整其大小值，其中，点迹筛选框将筛选得到的点迹坐标，与筛选框点迹坐标的历史最大值和最小值比较，若在点迹筛选框的当前范围内，点迹筛选框的大小不作调整，若在点迹筛选框的当前范围外，则更新筛选框的范围坐标值。
在一个实施例中，基于点迹筛选框内的静止点迹数量和动态点迹数量确定点迹栅栏包括：比较点迹筛选框内静止点迹数量和动态点迹数量，确定点迹栅栏：若预设时间周期内静止点迹数量大于动态点迹数量，则点迹栅栏成立，并基于静止点迹确定点迹栅栏，反之，点迹栅栏不成立。
具体地，本实施例将满足多普勒速度小于1 m⁄s的点迹标志为静止点迹，反之，标志为动态点迹。需要说明的是，本实施例的静止点迹泛指广义静止的点迹，广义静止即在一定条件下可以认定为相对静止，其中，也包括绝对静止，对应的，动态点迹也泛指相对动态的点迹。本实施例通过点迹筛选框筛选框内的静止点迹数量和动态点迹数量并比较，确定点迹栅栏是否成立，若成立，则认为静止点迹对应的位置存在栅栏，基于静止点迹的坐标可以确定点迹栅栏的范围，若不成立，则跳过后续的来自栅栏的第一虚假目标概率的计算。
进一步地，本实施例的点迹筛选框包括静止点迹筛选框和动态点迹筛选框，以分别统计筛选对应筛选框内的静止点迹和动态点迹。
进一步地，本实施例具体在累积5帧的情况下，即在连续一段时间内，满足条件：静止点迹个数大于设定阈值3、且筛选点迹框长度大于设定阈值5、且满足静止点迹的个数大于动态点迹的个数，则确定点迹栅栏成立。如此，准确地确定点迹栅栏是否成立，避免了一些误判的情况，提高了虚假目标检测的准确性。需要说明的是，上述为本实施例的一种具体实施方式，但不仅限于此。
在一个实施例中，遍历航迹信息中每个航迹与点迹栅栏之间的距离，计算得到每个航迹基于点迹栅栏确定的第一虚假目标概率包括：
遍历航迹信息中每个航迹与点迹栅栏之间的距离X：
其中，y为航迹的横向位置，x为航迹的纵向位置，k为点迹栅栏的斜率，b为点迹栅栏的截距；
计算得到每个航迹基于点迹栅栏确定的第一虚假目标概率：
其中，v为载具的运动速度，即雷达搭载的载具的运动速度。
具体地，参看图3，在确定点迹栅栏成立的情况下，可以确定点迹栅栏的栅栏条，即栅栏的范围，基于航迹与点迹栅栏条之间的距离就可以计算来自栅栏的第一虚假目标概率。其中，基于点迹栅栏条的斜率和截距表示点迹栅栏条在坐标系中的关系式，基于该关系式与航迹的横向位置和纵向位置就可以确定两者之间的距离，计算公式如上；航迹与点迹栅栏条之间的距离越近，来自栅栏的虚假目标的可能性越大，本实施例基于上述原理通过第一虚假目标概率的上述公式通过数值表述该可能性。
在一个实施例中，对比航迹筛选框内的当前航迹与历史航迹，计算得到每个当前航迹基于历史航迹确定的第二虚假目标概率包括：对比航迹筛选框中的航迹，若当前航迹和历史航迹的横向距离小于预设阈值，且当前航迹的航迹筛选框与历史航迹的航迹筛选框纵向重叠，则获取当前航迹和历史航迹的纵向偏差；
基于纵向偏差计算得到每个当前航迹基于历史航迹确定的第二虚假目标概率：
其中，Ex为纵向偏差。
具体地，本实施例对于信号处理阶段对目标进行多普勒模糊处理产生了错误的目标，采用比较航迹筛选框内的当前航迹与历史航迹的方式确认，其中，历史航迹为已经确认为真实目标的航迹，参看图4，比较当前航迹和历史航迹之间的横向距离、以及当前航迹、历史航迹的航迹筛选框的纵向重叠性结合确定两者之间的相关性，即当前航迹是否可能为该历史航迹经过多普勒模糊处理产生了错误的目标。在确定相关性满足一定条件，即横向距离小于预设阈值且筛选框纵向重叠，则获取当前航迹和历史航迹的纵向偏差，比较历史航迹和当前航迹纵向长度，重合度越高，源自历史真实目标的概率越大，即新生航迹在刚生成起始的时候，寻找到附近的航迹，并且这个航迹完全被另一个历史航迹覆盖，则为虚假目标，本实施例基于上述原理通过上述公式基于纵向偏差计算得到来自历史航迹的的第二虚假目标概率。
在一个实施例中，结合第一虚假目标概率和第二虚假目标概率确定航迹信息中的虚假目标并剔除包括：若第一虚假目标概率和第二虚假目标概率之和大于预设的虚假阈值，则对应的航迹确定为虚假目标并剔除，反之，则对应的航迹确定为正常目标。
其中，虚假阈值是根据具体实际情况设定的阈值，在一个具体场景下该虚假阈值取0.8，本实施例对此不作具体限定。
具体地，本实施例结合第一虚假目标概率和第二虚假目标概率综合判定虚假目标，其中，第一虚假目标概率和第二虚假目标概率之和大于预设的虚假阈值包括了三种情况，第一虚假目标概率大于虚假阈值，或者第二虚假目标概率大于虚假阈值，或者第一虚假目标概率与第二虚假目标概率之和大于虚假阈值，这三种情况下都可以确定虚假目标，如此涵盖了虚假目标的多种情况，不仅可以分别独立检测两种虚假目标，而且可以结合着检测两种虚假目标的结合，大大提高了虚假目标剔除的准确性。
进一步地，结合第一虚假目标概率和第二虚假目标概率确定航迹信息中的虚假目标并剔除还包括：若第一虚假目标概率和第二虚假目标概率中的任一概率大于虚假阈值，则直接确定对应的航迹为虚假目标并剔除，且跳过该航迹另一概率所对应的步骤。
具体地，本实施例在确定虚假目标时，如果可以直接单方面确定虚假目标，即第一虚假目标概率和第二虚假目标概率中的任一概率大于虚假阈值，也就是说，明确是来自栅栏或者历史航迹的虚假目标，则该其他的虚假目标的检测判断步骤可以直接跳过，也就是说，不再需要执行该航迹的其他判断步骤。如此，避免了一些不需要执行的步骤，大大提高了整个虚假目标判断与剔除的执行效率。
现结合一具体的场景对于上述过程进行详细介绍，但不仅限于此。
本实施例基于当前统计模型进行虚假目标剔除，包括以下步骤：
S10：获取信号处理模块计算得到的目标信息，其包含距离、角度和速度等信息，基于目标信息通过卡尔曼滤波算法计算得到k时刻航迹的个数以及航迹信息估计，即航迹信息，同时基于目标信息直接获取点迹信息；
S20：构造若干点迹筛选框和若干航迹筛选框，遍历每个点迹，按照点迹的横向位
置
，将点迹划分到不同点迹筛选框内，并设置每个点迹筛选框的索引ID，遍历每个航
迹，按照航迹的横向位置，将航迹划分到不同航迹筛选框内，并设置每个航迹筛选框的索引
ID；
其中，将满足多普勒速度小于1 m/s的点迹标志为静止点迹，筛选到点迹筛选框内累积静止点迹个数Sn，若不满足筛选静止点迹条件，则点迹的状态标志为动态点迹，累积筛选选框中动点迹的个数Dn；
在点迹筛选框统计筛选点迹信息的过程中，k时刻开始累积到点迹筛选框的点迹
和
，比较筛选框中历史最大值和最小值与当前循环点迹j的大小，并更新筛选框
的
最大值和最小值、
的最大值和最小值；
在航迹筛选框统计筛选航迹信息的过程中，如果航迹是确认的，即为真实目标，且航迹的状态是大于上述低速的，即多普勒速度大于1 m/s，则累积各个筛选框内的动航迹个数Tn。
S30：如果筛选框累积到的静止点迹个数大于设定阈值3，且筛选点迹框长度大于设定阈值5，且满足静止点迹的个数Sn大于动点迹的个数Dn，且这些条件累积5帧都满足，则点迹栅栏成立。
如果栅栏有效，遍历每个航迹，计算航迹到栅栏条之间的距离，公式如下：
其中，y为航迹的横向位置，x为航迹的纵向位置，k为点迹栅栏的斜率，b为点迹栅栏的截距。
计算来自栅栏的概率：
其中，v为自车当前的车速。将Pz大于0.8的目标确定为虚假目标并剔除。
S40：对比航迹筛选框中的航迹，如果新起始航迹（当前航迹）的横向位置和已存在航迹Tn（历史航迹）的横向距离小于设定的阈值，且航迹筛选框的纵向位置在已存在航迹的航迹筛选框重叠，则得到当前航迹和已存在航迹的纵向偏差Ex。
计算来自已存在航迹的概率
S50：如果Pt+ Pz>0.8则将当前航迹确定为虚假目标并剔除。
上述虚假目标剔除方法，通过构造航迹、点迹的筛选框，统计筛选点迹信息和航迹信息，基于点迹信息和航迹信息得出各航迹隶属于虚假目标的多方面概率，并结合多方面概率最终决定是否为虚假航迹并进行剔除处理，其中，上述过程在数据处理阶段（目标跟踪阶段）对虚假目标进行识别和剔除，可以减少真实目标漏检概率，同时通过航迹、点迹的筛选框对点迹信息与航迹信息进行划分，将数据划分处理，可以减少整体的数据处理量，大大提高虚假目标剔除的处理效率，并且通过统一方案能够处理多种工况下产生的虚假目标，提高了虚假目标剔除的全面性，也避免了虚假目标产生的虚警和干扰，提高了毫米波雷达对目标的跟踪性能。
在一个实施例中，如图5所示，提供了一种虚假目标剔除装置，装置包括：
获取模块10，用于获取扫描得到的目标信息，并基于目标信息得到点迹信息和航迹信息；
统计筛选模块20，用于构造若干点迹筛选框和若干航迹筛选框，通过若干点迹筛选框统计筛选点迹信息，通过若干航迹筛选框统计筛选航迹信息；
第一检测模块30，用于基于点迹筛选框内的静止点迹数量和动态点迹数量确定点迹栅栏，遍历航迹信息中每个航迹与点迹栅栏之间的距离，计算得到每个航迹基于点迹栅栏确定的第一虚假目标概率；
第二检测模块40，用于对比航迹筛选框内的当前航迹与历史航迹，计算得到每个当前航迹基于历史航迹确定的第二虚假目标概率，其中，当前航迹为航迹信息中新增的航迹，历史航迹为航迹信息中真实的航迹；
剔除模块50，用于结合第一虚假目标概率和第二虚假目标概率确定航迹信息中的虚假目标并剔除。
在一个实施例中，统计筛选模块构造若干点迹筛选框和若干航迹筛选框，通过若干点迹筛选框统计筛选点迹信息，通过若干航迹筛选框统计筛选航迹信息包括：遍历所有点迹和航迹，按照点迹和航迹的横向位置划分若干点迹筛选框和若干航迹筛选框；基于点迹的横向位置将点迹划分至不同的点迹筛选框内，基于航迹的横向位置将航迹划分至不同的航迹筛选框内。
在一个实施例中，统计筛选模块在通过若干点迹筛选框统计筛选点迹信息的过程中，还用于比较点迹筛选框统计筛选得到的最新点迹和点迹筛选框中的历史点迹的坐标大小，更新点迹筛选框的大小。
在一个实施例中，第一检测模块基于点迹筛选框内的静止点迹数量和动态点迹数量确定点迹栅栏包括：比较点迹筛选框内静止点迹数量和动态点迹数量，确定点迹栅栏；若预设时间周期内静止点迹数量大于动态点迹数量，则点迹栅栏成立，并基于静止点迹确定点迹栅栏，反之，点迹栅栏不成立。
在一个实施例中，第一检测模块遍历航迹信息中每个航迹与点迹栅栏之间的距离，计算得到每个航迹基于点迹栅栏确定的第一虚假目标概率包括：
遍历航迹信息中每个航迹与点迹栅栏之间的距离X：
其中，y为航迹的横向位置，x为航迹的纵向位置，k为点迹栅栏的斜率，b为点迹栅栏的截距；
计算得到每个航迹基于点迹栅栏确定的第一虚假目标概率：
其中，v为载具的运动速度。
在一个实施例中，第二检测模块对比航迹筛选框内的当前航迹与历史航迹，计算得到每个当前航迹基于历史航迹确定的第二虚假目标概率包括：对比航迹筛选框中的航迹，若当前航迹和历史航迹的横向距离小于预设阈值，且当前航迹的航迹筛选框与历史航迹的航迹筛选框纵向重叠，则获取当前航迹和历史航迹的纵向偏差；
基于纵向偏差计算得到每个当前航迹基于历史航迹确定的第二虚假目标概率：
其中，Ex为纵向偏差。
在一个实施例中，剔除模块结合第一虚假目标概率和第二虚假目标概率确定航迹信息中的虚假目标并剔除包括：若第一虚假目标概率和第二虚假目标概率之和大于预设的虚假阈值，则对应的航迹确定为虚假目标并剔除，反之，则对应的航迹确定为正常目标。
在一个实施例中，剔除模块结合第一虚假目标概率和第二虚假目标概率确定航迹信息中的虚假目标并剔除还包括：若第一虚假目标概率和第二虚假目标概率中的任一概率大于虚假阈值，则直接确定对应的航迹为虚假目标并剔除，且跳过另一概率所对应的步骤。
上述虚假目标剔除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。
上述虚假目标剔除装置，通过构造航迹、点迹的筛选框，统计筛选点迹信息和航迹信息，基于点迹信息和航迹信息得出各航迹隶属于虚假目标的多方面概率，并结合多方面概率最终决定是否为虚假航迹并进行剔除处理，其中，上述过程在数据处理阶段（目标跟踪阶段）对虚假目标进行识别和剔除，可以减少真实目标漏检概率，同时通过航迹、点迹的筛选框对点迹信息与航迹信息进行划分，将数据划分处理，可以减少整体的数据处理量，大大提高虚假目标剔除的处理效率，并且通过统一方案能够处理多种工况下产生的虚假目标，提高了虚假目标剔除的全面性，也避免了虚假目标产生的虚警和干扰，提高了毫米波雷达对目标的跟踪性能。
在一个实施例中，如图6所示，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述实施例中的任意一种虚假目标剔除方法的步骤。
需要说明的是，在本实施例中的具体示例可以参考上述实施例及可选实施例方式中所描述的示例，在本实施例中不再赘述。
本领域技术人员可以理解，图6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。
此外，结合上述实施例中提供的虚假目标剔除方法，在本实施例中还可以提供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上述实施例中任意一种虚假目标剔除方法的步骤。
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、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-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。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等。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 RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
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本申请专利范围的限制。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，本申请的保护范围应以所附权利要求为准。
Claims (11)
1.一种虚假目标剔除方法，其特征在于，包括：
获取扫描得到的目标信息，并基于所述目标信息得到点迹信息和航迹信息；
构造若干点迹筛选框和若干航迹筛选框，通过若干所述点迹筛选框统计筛选所述点迹信息，通过若干所述航迹筛选框统计筛选所述航迹信息；
基于所述点迹筛选框内的静止点迹数量和动态点迹数量确定点迹栅栏，遍历所述航迹信息中每个航迹与所述点迹栅栏之间的距离，计算得到每个航迹基于所述点迹栅栏确定的第一虚假目标概率：
其中，Pz为所述第一虚假目标概率，X为航迹与所述点迹栅栏之间的距离，v为载具的运动速度；
对比所述航迹筛选框内的当前航迹与历史航迹，计算得到每个所述当前航迹基于所述历史航迹确定的第二虚假目标概率，其中，所述当前航迹为所述航迹信息中新增的航迹，所述历史航迹为所述航迹信息中真实的航迹；
结合所述第一虚假目标概率和所述第二虚假目标概率确定所述航迹信息中的虚假目标并剔除。
2.根据权利要求1所述的方法，其特征在于，所述构造若干点迹筛选框和若干航迹筛选框，通过若干所述点迹筛选框统计筛选所述点迹信息，通过若干所述航迹筛选框统计筛选所述航迹信息包括：
遍历所有点迹和航迹，按照点迹和航迹的横向位置划分若干所述点迹筛选框和若干所述航迹筛选框；
基于点迹的横向位置将点迹划分至不同的所述点迹筛选框内，基于航迹的横向位置将航迹划分至不同的所述航迹筛选框内。
3.根据权利要求2所述的方法，其特征在于，在所述通过若干所述点迹筛选框统计筛选所述点迹信息的过程中，还包括：
比较所述点迹筛选框统计筛选得到的最新点迹和所述点迹筛选框中的历史点迹的坐标大小，更新所述点迹筛选框的大小。
4.根据权利要求1所述的方法，其特征在于，所述基于所述点迹筛选框内的静止点迹数量和动态点迹数量确定点迹栅栏包括：
比较所述点迹筛选框内静止点迹数量和动态点迹数量，确定所述点迹栅栏：
若预设时间周期内静止点迹数量大于动态点迹数量，则所述点迹栅栏成立，并基于静止点迹确定所述点迹栅栏，反之，所述点迹栅栏不成立。
5.根据权利要求1至4任意一项所述的方法，其特征在于，所述遍历所述航迹信息中每个航迹与所述点迹栅栏之间的距离包括：
所述遍历航迹信息中每个航迹与所述点迹栅栏之间的距离X：
其中，y为航迹的横向位置，x为航迹的纵向位置，k为所述点迹栅栏的斜率，b为所述点迹栅栏的截距。
6.根据权利要求1至4任意一项所述的方法，其特征在于，所述对比所述航迹筛选框内的当前航迹与历史航迹，计算得到每个所述当前航迹基于所述历史航迹确定的第二虚假目标概率包括：
对比所述航迹筛选框中的航迹，若当前航迹和历史航迹的横向距离小于预设阈值，且当前航迹的所述航迹筛选框与历史航迹的所述航迹筛选框纵向重叠，则获取当前航迹和历史航迹的纵向偏差；
基于所述纵向偏差计算得到每个所述当前航迹基于所述历史航迹确定的第二虚假目标概率：
其中， Ex为所述纵向偏差。
7.根据权利要求1至4任意一项所述的方法，其特征在于，所述结合所述第一虚假目标概率和所述第二虚假目标概率确定所述航迹信息中的虚假目标并剔除包括：
若所述第一虚假目标概率和所述第二虚假目标概率之和大于预设的虚假阈值，则对应的航迹确定为虚假目标并剔除，反之，则对应的航迹确定为正常目标。
8.根据权利要求7所述的方法，其特征在于，所述结合所述第一虚假目标概率和所述第二虚假目标概率确定所述航迹信息中的虚假目标并剔除还包括：
若所述第一虚假目标概率和所述第二虚假目标概率中的任一概率大于所述虚假阈值，则直接确定对应的航迹为虚假目标并剔除，且跳过该航迹另一概率所对应的步骤。
9.一种虚假目标剔除装置，其特征在于，所述装置包括：
获取模块，用于获取扫描得到的目标信息，并基于所述目标信息得到点迹信息和航迹信息；
统计筛选模块，用于构造若干点迹筛选框和若干航迹筛选框，通过若干所述点迹筛选框统计筛选所述点迹信息，通过若干所述航迹筛选框统计筛选所述航迹信息；
第一检测模块，用于基于所述点迹筛选框内的静止点迹数量和动态点迹数量确定点迹栅栏，遍历所述航迹信息中每个航迹与所述点迹栅栏之间的距离，计算得到每个航迹基于所述点迹栅栏确定的第一虚假目标概率：
其中，Pz为所述第一虚假目标概率，X为航迹与所述点迹栅栏之间的距离，v为载具的运动速度；
第二检测模块，用于对比所述航迹筛选框内的当前航迹与历史航迹，计算得到每个所述当前航迹基于所述历史航迹确定的第二虚假目标概率，其中，所述当前航迹为所述航迹信息中新增的航迹，所述历史航迹为所述航迹信息中真实的航迹；
剔除模块，用于结合所述第一虚假目标概率和所述第二虚假目标概率确定所述航迹信息中的虚假目标并剔除。
10.一种计算机设备，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8中任一项所述的方法的步骤。
11.一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8中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210563470.3A CN114660566B (zh) | 2022-05-23 | 2022-05-23 | 虚假目标剔除方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210563470.3A CN114660566B (zh) | 2022-05-23 | 2022-05-23 | 虚假目标剔除方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114660566A CN114660566A (zh) | 2022-06-24 |
| CN114660566B true CN114660566B (zh) | 2022-08-16 |
Family
ID=82037871
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210563470.3A Active CN114660566B (zh) | 2022-05-23 | 2022-05-23 | 虚假目标剔除方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114660566B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115984318B (zh) * | 2023-03-20 | 2023-06-13 | 宝略科技(浙江)有限公司 | 一种基于特征最大关联概率的跨摄像头行人跟踪方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002071796A (ja) * | 2000-08-31 | 2002-03-12 | Mitsubishi Electric Corp | レーダ追尾装置 |
| CN109655822A (zh) * | 2018-11-09 | 2019-04-19 | 上海无线电设备研究所 | 一种改进的航迹起始方法 |
| CN112363131A (zh) * | 2020-09-03 | 2021-02-12 | 深圳市华讯方舟微电子科技有限公司 | 车载毫米波雷达数据的处理方法、装置及计算机存储介质 |
| CN112829753A (zh) * | 2019-11-22 | 2021-05-25 | 驭势（上海）汽车科技有限公司 | 基于毫米波雷达的护栏估计方法、车载设备和存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7868841B2 (en) * | 2007-04-11 | 2011-01-11 | Vubiq Incorporated | Full-wave di-patch antenna |
| US10741933B2 (en) * | 2018-07-11 | 2020-08-11 | Apple Inc. | Dual-polarization phased antenna arrays |
| CN111832665B (zh) * | 2020-09-10 | 2021-01-05 | 福瑞泰克智能系统有限公司 | 栅栏检测方法、装置、计算机设备和存储介质 |
| CN112731296B (zh) * | 2020-11-30 | 2024-03-08 | 惠州市德赛西威智能交通技术研究院有限公司 | 一种汽车毫米波雷达点迹凝聚方法及系统 |
-
2022
- 2022-05-23 CN CN202210563470.3A patent/CN114660566B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002071796A (ja) * | 2000-08-31 | 2002-03-12 | Mitsubishi Electric Corp | レーダ追尾装置 |
| CN109655822A (zh) * | 2018-11-09 | 2019-04-19 | 上海无线电设备研究所 | 一种改进的航迹起始方法 |
| CN112829753A (zh) * | 2019-11-22 | 2021-05-25 | 驭势（上海）汽车科技有限公司 | 基于毫米波雷达的护栏估计方法、车载设备和存储介质 |
| CN112363131A (zh) * | 2020-09-03 | 2021-02-12 | 深圳市华讯方舟微电子科技有限公司 | 车载毫米波雷达数据的处理方法、装置及计算机存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114660566A (zh) | 2022-06-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110542885B (zh) | 一种复杂交通环境下的毫米波雷达目标跟踪方法 | |
| US20140112546A1 (en) | Video Surveillance System | |
| CN109581353B (zh) | 一种基于汽车雷达的多目标跟踪方法及系统 | |
| CN111444294B (zh) | 一种轨迹补全方法、装置及电子设备 | |
| CN107436434B (zh) | 基于双向多普勒估计的航迹起始方法 | |
| CN114660566B (zh) | 虚假目标剔除方法、装置、计算机设备及存储介质 | |
| CN115063454B (zh) | 多目标跟踪匹配方法、装置、终端及存储介质 | |
| CN113092807B (zh) | 基于多目标跟踪算法的城市高架道路车辆测速方法 | |
| CN114002667A (zh) | 一种基于随机矩阵法的多近邻扩展目标跟踪算法 | |
| CN111142101B (zh) | 一种数据关联方法 | |
| CN111832343B (zh) | 跟踪方法和装置、存储介质 | |
| CN114137562A (zh) | 一种基于改进全局最邻近的多目标跟踪方法 | |
| CN113077495B (zh) | 在线多目标跟踪方法、系统、计算机设备及可读存储介质 | |
| CN107729903A (zh) | 基于区域概率统计和显著性分析的sar图像目标检测方法 | |
| CN106772357A (zh) | 信噪比未知条件下的ai‑phd滤波器 | |
| US20230025981A1 (en) | Method and apparatus with grid map generation | |
| CN115220002A (zh) | 一种固定单站的多目标数据关联跟踪方法和相关装置 | |
| Vanpoperinghe et al. | Model-based detection and tracking of vehicle using a scanning laser rangefinder: A particle filtering approach | |
| CN112166341B (zh) | 速度确定方法、设备和存储介质 | |
| Lamard et al. | CPHD filter addressing occlusions with pedestrians and vehicles tracking | |
| CN110609561A (zh) | 一种行人跟踪方法、装置、计算机可读存储介质及机器人 | |
| CN118312807B (zh) | 激光雷达点云实时聚类方法、系统及智能车辆 | |
| US20230408686A1 (en) | Method and apparatus for detecting static object by means of radar sensor of roadside unit | |
| CN116879863B (zh) | 一种连续波4d毫米波雷达多目标测量方法及系统 | |
| US20240328792A1 (en) | System and method for localizing an autonomous vehicle |
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 |