CN114910898A - 一种速度测量方法、装置及相关设备 - Google Patents
一种速度测量方法、装置及相关设备 Download PDFInfo
- Publication number
- CN114910898A CN114910898A CN202210514766.6A CN202210514766A CN114910898A CN 114910898 A CN114910898 A CN 114910898A CN 202210514766 A CN202210514766 A CN 202210514766A CN 114910898 A CN114910898 A CN 114910898A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- speed
- radar
- data set
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
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
本申请公开了一种速度测量方法、装置及相关设备,包括:获取雷达通过探测所得到的点云数据,并对该点云数据进行划分,得到静态物体对应的第一点云数据集合以及运动物体对应的第二点云数据集合,从而根据该第一点云数据集合计算出雷达相对于静态物体的第一速度,根据第二点云数据集合计算出运动物体相对于雷达的第二速度,进而根据该第一速度以及第二速度,计算得到运动物体相对于静态物体的运动速度。由于在测算运动物体的实际运动速度的过程中,无需引入额外的传感器,这不仅可以避免额外引入的传感器对最终输出的实际运动速度产生影响,提高雷达测量速度的准确度,而且,也能降低硬件成本。
Description
技术领域
本申请涉及雷达技术领域,特别是涉及一种速度测量方法、装置及相关设备。
背景技术
目前,通常可以利用调频连续波(Frequency Modulated Continuous Wave,FMCW)技术测量物体的运动速度。具体实现时,雷达的探测器可以发射高频连续波,其中,探测器所发射的连续波的频率可以随时间按照三角波规律变化。这样,雷达可以根据接收到的回波信号相对于发射的高频连续波所产生的多普勒频移,测算出物体的运动速度。其中,多普勒频移:指当移动台以恒定的速率沿某一方向移动时,由于传播路程差的原因,会造成移动台接收到信号的相位和频率发生变化。其中,当被测物体靠近探测器时,被测物体接收到的信号频率相对于探测器发射的信号频率提升;当被测物体远离探测器时,被测物体接收到的信号频率相对于探测器发射的信号频率降低。
实际应用的部分场景中,雷达在测量过程中同样可能发生移动,则,雷达所接收到的回波信号存在多普勒频移,则雷达所测算出的物体运动速度为物体在探测器的光束方向上的相对运动速度。此时,通常需要引入其它传感器测得雷达的运动速度,以便根据雷达的运动速度以及雷达所测算出的相对运动速度,计算出物体的实际运动速度。
但是,在测量物体实际运动速度的过程中,引入其它传感器可能会导致最终所测算出的实际运动速度的准确性较低。
发明内容
本申请实施例提供了一种速度测量方法、装置及相关设备,以实现在雷达处于运动状态时,提高雷达所测算出的物体运动速度的准确性。
第一方面,本申请实施例提供了一种速度测量方法,所述方法包括:
获取点云数据;
对所述点云数据进行划分,得到静态物体对应的第一点云数据集合以及运动物体对应的第二点云数据集合;
根据所述第一点云数据集合计算出雷达相对于所述静态物体的第一速度,根据所述第二点云数据集合计算出所述运动物体相对于所述雷达的第二速度;
根据所述第一速度以及所述第二速度,计算得到所述运动物体相对于所述静态物体的运动速度。
在一种可能的实施方式中,所述对所述点云数据进行划分,得到静态物体对应的第一点云数据集合以及运动物体对应的第二点云数据集合,包括:
对所述点云数据进行去噪处理,得到所述候选点云数据;
根据所述候选点云数据,确定物体数量;
根据所述物体数量对所述候选点云数据进行过滤,得到目标点云数据;
对所述目标点云数据进行语义分割,得到静态物体对应的第一点云数据集合以及运动物体对应的第二点云数据集合。
在一种可能的实施方式中,所述根据所述物体数量对所述候选点云数据进行过滤,得到目标点云数据,包括:
根据所述物体数量,通过谱聚类的方式对所述候选点云数据进行过滤,得到所述目标点云数据。
在一种可能的实施方式中,所述对所述目标点云数据进行语义分割,包括:
通过深度学习网络对所述目标点云数据进行语义分割。
第二方面,本申请实施例还提供了一种速度测量装置,所述装置包括:
获取模块,用于获取点云数据;
划分模块,用于对所述点云数据进行划分,得到静态物体对应的第一点云数据集合以及运动物体对应的第二点云数据集合;
第一计算模块,用于根据所述第一点云数据集合计算出雷达相对于所述静态物体的第一速度,根据所述第二点云数据集合计算出所述运动物体相对于所述雷达的第二速度;
第二计算模块,用于根据所述第一速度以及所述第二速度,计算得到所述运动物体相对于所述静态物体的运动速度。
在一种可能的实施方式中,所述划分模块,包括:
去噪单元,用于对所述点云数据进行去噪处理,得到所述候选点云数据;
物体数量确定单元,用于根据所述候选点云数据,确定物体数量;
过滤单元,用于根据所述物体数量对所述候选点云数据进行过滤,得到目标点云数据;
语义分割单元,用于对所述目标点云数据进行语义分割,得到静态物体对应的第一点云数据集合以及运动物体对应的第二点云数据集合。
在一种可能的实施方式中,所述过滤单元,用于根据所述物体数量,通过谱聚类的方式对所述候选点云数据进行过滤,得到所述目标点云数据。
在一种可能的实施方式中,所述语义分割单元,用于通过深度学习网络对所述目标点云数据进行语义分割。
第三方面,本申请实施例还提供了一种计算设备,该设备可以包括处理器以及存储器:
所述存储器用于存储计算机程序;
所述处理器用于根据所述计算机程序执行上述第一方面以及第一方面中任一种实施方式所述的方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储计算机程序,所述计算机程序用于执行上述第一方面以及第一方面中任一种实施方式所述的方法。
在本申请实施例的上述实现方式中,获取雷达通过探测所得到的点云数据,并对该点云数据进行划分,得到静态物体对应的第一点云数据集合以及运动物体对应的第二点云数据集合,从而根据该第一点云数据集合计算出雷达相对于静态物体的第一速度,根据第二点云数据集合计算出运动物体相对于雷达的第二速度,进而根据该第一速度以及第二速度,计算得到运动物体相对于静态物体的运动速度,也即运动物体的实际运动速度。
由于在测算运动物体的实际运动速度的过程中,无需引入额外的传感器,这不仅可以避免额外引入的传感器因为时钟不同步或者故障等原因而对最终输出的实际运动速度产生影响,提高雷达测量速度的准确度,而且,也能通过减少测算运动物体的实际运动速度所需的硬件而降低硬件成本。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本申请实施例中一种速度测量方法的流程示意图;
图2为本申请实施例中一种速度测量装置的结构示意图;
图3为本申请实施例中一种计算设备的硬件结构示意图。
具体实施方式
实际应用场景中,雷达可能在测量运动物体的过程中也存在运动,这使得雷达所测算出的运动物体的移动速度,为该运动物体相对于雷达的相对速度,而并非该运动物体的实际运动速度(也即相对于地面的运动速度)。目前,通常是通过额外增加速度传感器或者其它传感器的方式,测量雷达的运动速度,从而根据雷达本身的运动速度以及雷达所测算出的运动物体的相对速度,计算出运动物体的实际运动速度。
但是,当速度传感器(或者其它传感器)与雷达的时钟不同步,或者用于测量雷达运动速度的传感器发生故障时,容易导致所测量的雷达运动速度不准确,从而基于该雷达运动速度所最终计算出的运动物体的实际运动速度也不准确。而且,由于额外引入了新的传感器,这导致测算运动物体的实际运动速度的成本较高。
基于此,本申请实施例提供了一种速度测量方法,用于在雷达处于运动状态时,提高雷达所测算出的物体运动速度的准确性。具体实现时,获取雷达通过探测所得到的点云数据,并对该点云数据进行划分,得到静态物体对应的第一点云数据集合以及运动物体对应的第二点云数据集合,从而根据该第一点云数据集合计算出雷达相对于静态物体的第一速度,根据第二点云数据集合计算出运动物体相对于雷达的第二速度,进而根据该第一速度以及第二速度,计算得到运动物体相对于静态物体的运动速度,也即运动物体的实际运动速度。
由于在测算运动物体的实际运动速度的过程中,无需引入额外的传感器,这不仅可以避免额外引入的传感器因为时钟不同步或者故障等原因而对最终输出的实际运动速度产生影响,提高雷达测量速度的准确度,而且,也能通过减少测算运动物体的实际运动速度所需的硬件而降低硬件成本。
为使本申请的上述目的、特征和优点能够更加明显易懂,下面将结合附图对本申请实施例中的各种非限定性实施方式进行示例性说明。显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
参阅图1,图1示出了本申请实施例中一种速度测量方法的流程示意图,该方法可以雷达执行,如雷达中的控制器执行等,或者可以是由单独的计算设备执行,本实施例对此并不进行限定。为便于说明与理解,下面以雷达执行速度测量方法为例进行说明。该方法具体可以包括:
S101:获取点云数据。
实际应用时,雷达可以通过探测器在不同的方向的发射激光束,该激光束经过被测物体的反射后形成回波信号,该回波信号可以被雷达通过信号接收装置(如接收天线等)接收,从而雷达可以根据接收到的回波信号生成点云数据。
通常情况下,雷达发射激光束进行扫描时较为精细,因此,雷达通常可以获得较多数量的激光点,从而可以形成较多数量的点云数据。其中,每个点云数据携带有方位、距离、运动速度等信息,以便根据该点云数据测算出被测物体的位置以及运动速度等信息。
值得注意的是,本实施例中,雷达在通过发射激光束探测运动物体的过程中,雷达可以处于运动状态,从而所获取的点云数据可以是雷达在处于运动状态时所采集到的点云数据。
S102:对点云数据进行划分,得到静态物体对应的第一点云数据集合以及运动物体对应的第二点云数据集合。
本实施例中,雷达周围反射激光束的多个物体,通常包括处于静止状态(以下简称为静态)的物体(如大地、建筑、植物等)以及处于运动状态的物体(如行驶的车辆、奔跑的动物等),从而雷达所获取的点云数据中,可以包括由静态物体反射激光束所生成的点云数据,以及由运动物体反射激光束所生成的点云数据。
为此,雷达可以对获取的点云数据进行划分,得到静态物体对应的第一点云数据集合以及运动物体对应的第二点云数据集合,每个点云数据集合中通常包括多个点云数据。
在一种可能的实施方式中,由于雷达所获取的点云数据中可能包括噪声数据,并且,该噪声数据对后续雷达测算运动物体的速度可能会产生干扰,因此,雷达可以先对点云数据进行去噪处理,得到候选点云数据。
然后,雷达可以根据去噪得到的候选点云数据,确定物体数量。例如,雷达可以从点云数据中提取出高层语义信息,并且,雷达在提取高层语义信息时可能会忽略边界等结构化信息,因此,可以将点云数据中的底层结构化信息以及高层语义信息进行融合,得到更好的层次化信息。这样,雷达可以根据融合得到的层次化信息,从点云数据中提取出雷达周围物体(包括静态以及运动状态的物体)的数量。
接着,雷达可以根据所确定出的物体数量,对候选点云数据进行过滤,得到目标点云数据。例如,雷达可以通过谱聚类(spectral clustering)的方式对候选点云数据进行过滤等。其中,谱聚类,是指是把所有的点云数据看做空间中的多个点,并将这些点用边进行连接,并且,距离较远的两个点之间的边权重值较低,而距离较近的两个点之间的边权重值较高。然后,通过对所有点组成的图进行切图,让切图后不同的子图间边权重和尽可能的低,而子图内的边权重和尽可能的高,从而达到聚类的目的。如此,通过谱聚类的方式对点云数据进行清洗,可以提高最终所计算出的运动物体的实际运动速度的准确性。
最后,雷达可以对目标点云数据进行语义分割,得到静态物体对应的第一点云数据集合以及运动物体对应的第二点云数据集合。例如,雷达可以通过深度学习网络(如pointnet++网络等)对点目标点云数据进行语义分割。其中,对点云数据进行语义分割,是指将点云数据划分为语义上有意义的多个部分,不同部分的点云数据属于不同类别的语义,同一部分的点云数据属于同一类别的语义。比如,所得到的第一点云数据集合中的点云数据对应于静态物体的语义,第二点云数据集合中的点云数据对应于运动物体的语义。
值得注意的是,本实施例中是以雷达从目标点云数据中确定出一个静态物体对应的点云数据集合以及一个运动物体对应的点云数据集合为例进行示例性说明,实际应用场景中,雷达从目标点云数据中可能会确定出多个静态物体分别对应的点云数据集合,或者确定出多个运动物体分别对应的点云数据集合,本实施例对此并不进行限定。其中,当确定出多个运动物体分别对应的点云数据集合时,表征雷达周围可能存在多个不同的运动物体,从而雷达可以基于下述过程中计算出每个运动物体各自的实际运动速度。
另外,在其它实施方式中,上述划分点云数据得到静态物体以及运动物体分别对应的点云数据集合的方式,也可以是通过预先构建深度学习模型进行确定,该深度学习模型处理点云数据的过程可以参照上述过程描述,本实施例在此不做赘述。
S103:根据第一点云数据集合计算出雷达相对于静态物体的第一速度,并根据第二点云数据集合计算出运动物体相对于雷达的第二速度。
其中,对于静态物体对应的第一点云数据集合中的点云数据,是雷达在运动过程中相对于静止状态的物体发射激光束进行采集得到。当以雷达为参照物时,可以视为静态物体相对于雷达存在运动。因此,雷达根据第一点云数据集合中的点云数据,可以计算出静态物体相对于雷达的运动速度,该速度也即雷达本身的运动速度。
并且,雷达还根据第二点云数据集合计算出运动物体相对于雷达的第二速度,也即运动物体与雷达之间的相对速度。
其中,雷达根据第一点云数据集合以及第二点云数据集合分别计算到第一速度以及第二速度,可以采用相同的公式或算法。下面对该过程进行示例性介绍。
以计算出雷达本身的运动速度(即第一速度)为例,雷达可以根据第一点云数据集合中的点云数据,确定处于运动状态中的雷达在不同激光束方向上速度分量vd1,vd2,…,vdn。其中,雷达在第i个激光束方向上的速度分量可以表示为下述公式(1)。
vl·Ri=vdi (1)
其中,vl为雷达的运动速度,Ri为雷达扫描时的第i个激光束方向的单位向量,可以表示为下述公式(2)。
其中,xi、yi、zi为三个不同方向上的值。
从而基于公式(1)以及公式(2)可以转化得到下述公式(3)。
vlx·xi+vly·yi+vlz·zi=vdi (3)
这样,根据公式(3),针对第1,2,…,n束激光束,可以得到下述公式(4)。
其中,公式(4)所示的方程组可以转化为下述公式(5):
Gu=P (5)
其中,G为n×3的矩阵,u为激光雷达速度列向量,P为获取的多普勒速度列向量,分别可以表示为下述公式(6)、(7)、(8)。
u=[vlx vly vlz]T (7)
P=[vd1 vd2 L vdn]T (8)
根据上述公式(5)、(6)、(7)、(8)求解对于方程组中每个方程误差的平方和最小,可以得到下述公式(9)。
通过求解上式,即可求得方程的最小二乘解,即激光雷达速度在空间直角坐标系中在三个坐标轴方向的分量,最小二乘解可以表示为下述公式(10)。
u=[GTG]-1GTP (10)
类似地,雷达可以基于上述公式(1)~(10),根据第二点云数据集合计算得到运动物体相对于雷达的第二速度,具体可参照上述过程理解,在此不做赘述。
S104:根据计算出的第一速度以及第二速度,计算得到运动物体相对于静态物体的运动速度。
其中,运动物体相对于静态物体的运动速度,也即为运动物体的实际运动速度。具体实现时,雷达可以计算第一速度与第二速度之和,并将该速度之和作为运动物体的实际运动速度。
由于在测算运动物体的实际运动速度的过程中,无需引入额外的传感器,这不仅可以避免额外引入的传感器因为时钟不同步或者故障等原因而对最终输出的实际运动速度产生影响,提高雷达测量速度的准确度,而且,也能通过减少测算运动物体的实际运动速度所需的硬件而降低硬件成本。
此外,本申请实施例还提供了一种速度测量装置。参阅图2,图2示出了本申请实施例中一种速度测量装置的结构示意图,该装置200包括:
获取模块201,用于获取点云数据;
划分模块202,用于对所述点云数据进行划分,得到静态物体对应的第一点云数据集合以及运动物体对应的第二点云数据集合;
第一计算模块203,用于根据所述第一点云数据集合计算出雷达相对于所述静态物体的第一速度,根据所述第二点云数据集合计算出所述运动物体相对于所述雷达的第二速度;
第二计算模块204,用于根据所述第一速度以及所述第二速度,计算得到所述运动物体相对于所述静态物体的运动速度。
在一种可能的实施方式中,所述划分模块202,包括:
去噪单元,用于对所述点云数据进行去噪处理,得到所述候选点云数据;
物体数量确定单元,用于根据所述候选点云数据,确定物体数量;
过滤单元,用于根据所述物体数量对所述候选点云数据进行过滤,得到目标点云数据;
语义分割单元,用于对所述目标点云数据进行语义分割,得到静态物体对应的第一点云数据集合以及运动物体对应的第二点云数据集合。
在一种可能的实施方式中,所述过滤单元,用于根据所述物体数量,通过谱聚类的方式对所述候选点云数据进行过滤,得到所述目标点云数据。
在一种可能的实施方式中,所述语义分割单元,用于通过深度学习网络对所述目标点云数据进行语义分割。
需要说明的是,上述装置各模块、单元之间的信息交互、执行过程等内容,由于与本申请实施例中方法实施例基于同一构思,其带来的技术效果与本申请实施例中方法实施例相同,具体内容可参见本申请实施例前述所示的方法实施例中的叙述,此处不再赘述。
此外,本申请实施例还提供了一种计算设备。参阅图3,图3示出了本申请实施例中一种计算设备的硬件结构示意图,该设备300可以包括处理器301以及存储器302。
其中,所述存储器302,用于存储计算机程序;
所述处理器301,用于根据所述计算机程序执行如下步骤:
获取点云数据;
对所述点云数据进行划分,得到静态物体对应的第一点云数据集合以及运动物体对应的第二点云数据集合;
根据所述第一点云数据集合计算出雷达相对于所述静态物体的第一速度,根据所述第二点云数据集合计算出所述运动物体相对于所述雷达的第二速度;
根据所述第一速度以及所述第二速度,计算得到所述运动物体相对于所述静态物体的运动速度。
在一种可能的实施方式中,所述处理器301,具体用于根据所述计算机程序执行如下步骤:
对所述点云数据进行去噪处理,得到所述候选点云数据;
根据所述候选点云数据,确定物体数量;
根据所述物体数量对所述候选点云数据进行过滤,得到目标点云数据;
对所述目标点云数据进行语义分割,得到静态物体对应的第一点云数据集合以及运动物体对应的第二点云数据集合。
在一种可能的实施方式中,所述处理器301,具体用于根据所述计算机程序执行如下步骤:
根据所述物体数量,通过谱聚类的方式对所述候选点云数据进行过滤,得到所述目标点云数据。
在一种可能的实施方式中,所述处理器301,具体用于根据所述计算机程序执行如下步骤:
通过深度学习网络对所述目标点云数据进行语义分割。
由于与本申请实施例中方法实施例基于同一构思,其带来的技术效果与本申请实施例中方法实施例相同,具体内容可参见本申请实施例前述所示的方法实施例中的叙述,此处不再赘述。
另外,本申请实施例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用于存储计算机程序,所述计算机程序用于执行上述方法实施例中所述的速度测量方法。
本申请实施例中提到的“第一速度”、“第一点云数据集合”等名称中的“第一”只是用来做名字标识,并不代表顺序上的第一。该规则同样适用于“第二”、“第三”等。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如只读存储器(英文:read-only memory,ROM)/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者诸如路由器等网络通信设备)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅是本申请示例性的实施方式,并非用于限定本申请的保护范围。
Claims (10)
1.一种速度测量方法,其特征在于,所述方法包括:
获取点云数据;
对所述点云数据进行划分,得到静态物体对应的第一点云数据集合以及运动物体对应的第二点云数据集合;
根据所述第一点云数据集合计算出雷达相对于所述静态物体的第一速度,根据所述第二点云数据集合计算出所述运动物体相对于所述雷达的第二速度;
根据所述第一速度以及所述第二速度,计算得到所述运动物体相对于所述静态物体的运动速度。
2.根据权利要求1所述的方法,其特征在于,所述对所述点云数据进行划分,得到静态物体对应的第一点云数据集合以及运动物体对应的第二点云数据集合,包括:
对所述点云数据进行去噪处理,得到候选点云数据;
根据所述候选点云数据,确定物体数量;
根据所述物体数量对所述候选点云数据进行过滤,得到目标点云数据;
对所述目标点云数据进行语义分割,得到静态物体对应的第一点云数据集合以及运动物体对应的第二点云数据集合。
3.根据权利要求2所述的方法,其特征在于,所述根据所述物体数量对所述候选点云数据进行过滤,得到目标点云数据,包括:
根据所述物体数量,通过谱聚类的方式对所述候选点云数据进行过滤,得到所述目标点云数据。
4.根据权利要求2或3所述的方法,其特征在于,所述对所述目标点云数据进行语义分割,包括:
通过深度学习网络对所述目标点云数据进行语义分割。
5.一种速度测量装置,其特征在于,所述装置包括:
获取模块,用于获取点云数据;
划分模块,用于对所述点云数据进行划分,得到静态物体对应的第一点云数据集合以及运动物体对应的第二点云数据集合;
第一计算模块,用于根据所述第一点云数据集合计算出雷达相对于所述静态物体的第一速度,根据所述第二点云数据集合计算出所述运动物体相对于所述雷达的第二速度;
第二计算模块,用于根据所述第一速度以及所述第二速度,计算得到所述运动物体相对于所述静态物体的运动速度。
6.根据权利要求5所述的装置,其特征在于,所述划分模块,包括:
去噪单元,用于对所述点云数据进行去噪处理,得到候选点云数据;
物体数量确定单元,用于根据所述候选点云数据,确定物体数量;
过滤单元,用于根据所述物体数量对所述候选点云数据进行过滤,得到目标点云数据;
语义分割单元,用于对所述目标点云数据进行语义分割,得到静态物体对应的第一点云数据集合以及运动物体对应的第二点云数据集合。
7.根据权利要求6所述的装置,其特征在于,所述过滤单元,用于根据所述物体数量,通过谱聚类的方式对所述候选点云数据进行过滤,得到所述目标点云数据。
8.根据权利要求6或7所述的装置,其特征在于,所述语义分割单元,用于通过深度学习网络对所述目标点云数据进行语义分割。
9.一种计算设备,其特征在于,所述设备包括处理器以及存储器:
所述存储器用于存储计算机程序;
所述处理器用于根据所述计算机程序执行权利要求1-4中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储计算机程序,所述计算机程序用于执行权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210514766.6A CN114910898A (zh) | 2022-05-12 | 2022-05-12 | 一种速度测量方法、装置及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210514766.6A CN114910898A (zh) | 2022-05-12 | 2022-05-12 | 一种速度测量方法、装置及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114910898A true CN114910898A (zh) | 2022-08-16 |
Family
ID=82767014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210514766.6A Pending CN114910898A (zh) | 2022-05-12 | 2022-05-12 | 一种速度测量方法、装置及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114910898A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116299302A (zh) * | 2023-05-19 | 2023-06-23 | 南京隼眼电子科技有限公司 | 交通工具本体速度确定方法、雷达系统和存储介质 |
-
2022
- 2022-05-12 CN CN202210514766.6A patent/CN114910898A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116299302A (zh) * | 2023-05-19 | 2023-06-23 | 南京隼眼电子科技有限公司 | 交通工具本体速度确定方法、雷达系统和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109407071A (zh) | 雷达测距方法、雷达测距装置、无人机和存储介质 | |
JP2017166966A (ja) | 周辺環境推定装置及び周辺環境推定方法 | |
KR101628154B1 (ko) | 수신 신호 세기를 이용한 다중 표적 추적 방법 | |
US20230141421A1 (en) | Point cloud motion compensation method and apparatus, storage medium, and lidar | |
EP3693759B1 (en) | System and method for tracking motion of target in indoor environment | |
US7167810B2 (en) | Analytical estimation of performance of a sensor system | |
CN113432533A (zh) | 一种机器人定位方法、装置、机器人及存储介质 | |
CN112630771A (zh) | 一种基于毫米波设备的多目标跟踪方法及系统 | |
CN114910898A (zh) | 一种速度测量方法、装置及相关设备 | |
CN115034993A (zh) | 一种运动目标图像去散焦处理方法、装置及存储介质 | |
JP6570675B2 (ja) | レーダ信号処理装置 | |
CN112767545A (zh) | 一种点云地图构建方法、装置、设备及计算机存储介质 | |
CN103328939A (zh) | 基于相位的跟踪 | |
CN112230212A (zh) | 雷达测距信号处理方法和装置 | |
Rodrigues et al. | An on-the-fly FDOA-based target localization system | |
CN113203424B (zh) | 多传感器的数据融合方法、装置及相关设备 | |
CN116222541A (zh) | 利用因子图的智能多源组合导航方法及装置 | |
CN113009432B (zh) | 提高测量精度、提高目标探测精度的方法、装置及设备 | |
US20220091252A1 (en) | Motion state determining method and apparatus | |
CN109635050A (zh) | 地图准确度评价方法和装置 | |
RU2385468C1 (ru) | Способ навигации движущихся объектов | |
CN114861725A (zh) | 一种目标感知跟踪的后处理方法、装置、设备及介质 | |
CN111123235B (zh) | 一种导航雷达的静止目标的确定方法及装置 | |
Saho | Steady‐State Performance Analysis of Tracking Filter Using LFM Waveforms and Range‐Rate Measurement | |
KR102589098B1 (ko) | 항공기 레이다 시스템에서의 추적 파형 prf 선택장치 및 그 방법 |
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 |