CN115033991A - 一种用于智能驾驶汽车仿真的毫米波雷达模拟方法及装置 - Google Patents
一种用于智能驾驶汽车仿真的毫米波雷达模拟方法及装置 Download PDFInfo
- Publication number
- CN115033991A CN115033991A CN202210668660.1A CN202210668660A CN115033991A CN 115033991 A CN115033991 A CN 115033991A CN 202210668660 A CN202210668660 A CN 202210668660A CN 115033991 A CN115033991 A CN 115033991A
- Authority
- CN
- China
- Prior art keywords
- millimeter wave
- information
- intensity
- point
- radar
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明实施例公开一种用于智能驾驶汽车仿真的毫米波雷达模拟方法,该方法包括:获取仿真场景中的环境数据;环境数据中至少包括毫米波雷达感知范围内的所有物体的材质网格参数;根据雷达方向图,确定毫米波雷达在发射角度上的发射强度;将雷达方向图转换为灰度图;根据灰度图中的每个像素点和毫米波雷达的发射强度,发射毫米波;基于光线追踪算法获取仿真场景中,通过像素点的毫米波与物体相交的各击中点的结构体信息;根据各结构体信息,获取各击中点对应的击中点信息;根据击中点信息,得到模拟毫米波雷达输出的目标信息;目标信息至少包括目标距离、目标速度、目标方位角、目标峰值功率、置信度以及距离信噪比。
Description
技术领域
本发明涉及智能驾驶汽车仿真技术领域,具体而言,涉及一种用于智能驾驶汽车仿真的毫米波雷达模拟方法及装置。
背景技术
在高级辅助驾驶系统(Advanced Driver Assistant Systems,简称ADAS)和智能驾驶系统中,毫米波雷达是汽车上重要的环境感知传感器。毫米波雷达可以通过探测路面目标的相对距离、相对速度和方位角为ADAS和智能驾驶系统提供路面环境变量。
在ADAS和智能驾驶系统的设计和实现过程中,通常利用仿真场景软件进行测试,毫米波雷达模型能将仿真软件中的场景信息实时转换为贴近实际车辆的传感器数据,由智能驾驶算法接收传感器数据,并输出汽车操作决策。
然而,上述方法存在以下问题,毫米波雷达模型虽然能够根据常见的车辆、人物等目标物体信息形成仿真结果,但是无法根据不常见的新型目标物体的信息形成仿真结果,导致毫米波雷达模型输出的传感器数据的真实程度较低,进而影响到对ADAS和智能驾驶系统测试的准确度。
发明内容
本发明提供了一种用于智能驾驶汽车仿真的毫米波雷达模拟方法及装置,以提高毫米波雷达模型输出的传感器数据的真实程度,进而提高对ADAS和智能驾驶系统测试的准确度。具体的技术方案如下。
第一方面,本发明实施例提供一种用于智能驾驶汽车仿真的毫米波雷达模拟方法,所述方法包括:
获取仿真场景中的环境数据;所述环境数据中至少包括毫米波雷达感知范围内的所有物体的材质网格参数;
根据所述雷达方向图,确定所述毫米波雷达在发射角度上的发射强度;
将所述雷达方向图转换为灰度图;所述灰度图包括多个像素点;
根据所述灰度图中的每个所述像素点和所述毫米波雷达的发射强度,发射毫米波;
基于光线追踪算法获取所述仿真场景中,通过所述像素点的所述毫米波与物体相交的各击中点的结构体信息;所述结构体信息至少包括所述击中点的毫米波强度、所述毫米波传输路径、所述击中点的相对角度;
根据各所述结构体信息,获取各所述击中点对应的击中点信息;所述击中点信息至少包括所述击中点的位置信息、速度信息、角度信息以及强度信息;
根据所述击中点信息,得到模拟毫米波雷达输出的目标信息;所述目标信息至少包括目标距离,目标速度,目标方位角,目标峰值功率,置信度以及距离信噪比。
可选地,所述将所述雷达方向图转换为灰度图,包括:
根据映射关系,将所述雷达方向图中雷达发射天线的第一水平角度范围转换为图像平面下的第二水平角度范围,并将所述雷达方向图中雷达发射天线的第一垂直角度范围转换为图像平面下的第二垂直角度范围;
将所述第二水平角度范围和所述第二垂直角度范围进行归一化处理,得到所述灰度图。
可选地,所述基于光线追踪算法获取所述仿真场景中,通过所述像素点的所述毫米波与物体相交的各击中点的结构体信息,包括:
在所述仿真场景中,生成在所述毫米波传输路径上经过多次镜面反射后产生的多个击中点;
获取所述毫米波在各所述击中点的相对角度;
根据镜面反射的毫米波强度计算公式,计算各个所述击中点产生的镜面反射的毫米波强度;
根据所述毫米波传输路径、所述击中点的相对角度和所述毫米波强度,得到所述击中点的结构体信息。
可选地,所述根据各所述结构体信息,获取各所述击中点对应的击中点信息,包括:
根据所述结构体信息中的毫米波强度,确定从对应的击中点返回的毫米波返回强度;
根据所述毫米波返回强度,确定所述对应的击中点的位置信息、速度信息、角度信息以及强度信息;
将所述击中点的位置信息、速度信息、角度信息以及强度信息确定为所述击中点对应的击中点信息。
可选地,所述根据所述击中点信息,得到模拟毫米波雷达输出的目标信息,包括:
根据各所述击中点的位置信息、速度信息、角度信息和强度信息,生成数据轴为相对距离、相对速度和方位角正弦的三维阵列;
根据各所述击中点信息得到对应的所述击中点所属的三维阵列中的单元格;
为所述三维阵列中的每个单元格及其各自邻近的预设数量个单元格进行毫米波强度分配;
以所述单元格的毫米波强度作为权重,计算对应的所述单元格中击中点的加权真值;
对所述三维矩阵进行检测,得到毫米波强度大于预设阈值的单元格;
将所述单元格对应的击中点确定为点目标;
利用聚类算法对所述点目标进行聚类,得到所述目标信息。
可选地,所述根据雷达方向图,确定所述毫米波雷达在发射角度上的发射强度,包括:
根据所述雷达方向图,查找发射角度上的天线增益;
根据所述天线增益,确定所述发射角度上的发射强度。
可选地,所述根据镜面反射的毫米波强度计算公式,计算各个所述击中点产生的镜面反射的毫米波强度,包括:
通过以下镜面反射的毫米波强度计算公式,计算各个所述击中点产生的镜面反射的毫米波强度Preflection:
Preflection=P0×Creflection×Cmaterial×Cdistance
其中,P0为经过上个击中点或发射端入射至本击中点的能量,Creflection为菲涅尔反射公式计算的反射强度占全部强度的比例,Cmaterial为材质反射率,Cdistance是和距离平方成正比的衰减系数。
可选地,所述毫米波返回强度包括镜面反射的毫米波强度和后向散射的毫米波强度。
可选地,所述对所述三维矩阵进行检测,得到毫米波强度大于预设阈值的单元格,包括:
通过恒虚警率检测算法对所述三维矩阵进行检测,得到毫米波强度大于预设阈值的单元格。
第二方面,本发明实施例提供一种用于智能驾驶汽车仿真的毫米波雷达模拟装置,所述装置包括:
获取模块,用于获取仿真场景中的环境数据;所述环境数据中至少包括毫米波雷达感知范围内的所有物体的材质网格参数;
确定模块,用于根据所述雷达方向图,确定所述毫米波雷达在发射角度上的发射强度;
转换模块,用于将所述雷达方向图转换为灰度图;所述灰度图包括多个像素点;
发射模块,用于根据所述灰度图中的每个所述像素点和所述毫米波雷达的发射强度,发射毫米波;
所述获取模块还用于基于光线追踪算法获取所述仿真场景中,通过所述像素点的所述毫米波与物体相交的各击中点的结构体信息;所述结构体信息至少包括所述击中点的毫米波强度、所述毫米波传输路径、所述击中点的相对角度;根据各所述结构体信息,获取各所述击中点对应的击中点信息;所述击中点信息至少包括所述击中点的位置信息、速度信息、角度信息以及强度信息;
处理模块,用于根据所述击中点信息,得到模拟毫米波雷达输出的目标信息;所述目标信息至少包括目标距离,目标速度,目标方位角,目标峰值功率,置信度以及距离信噪比。
可选地,所述转换模块具体用于:
根据映射关系,将所述雷达方向图中雷达发射天线的第一水平角度范围转换为图像平面下的第二水平角度范围,并将所述雷达方向图中雷达发射天线的第一垂直角度范围转换为图像平面下的第二垂直角度范围;
将所述第二水平角度范围和所述第二垂直角度范围进行归一化处理,得到所述灰度图。
可选地,所述获取模块具体用于:
在所述仿真场景中,生成在所述毫米波传输路径上经过多次镜面反射后产生的多个击中点;
获取所述毫米波在各所述击中点的相对角度;
根据镜面反射的毫米波强度计算公式,计算各个所述击中点产生的镜面反射的毫米波强度;
根据所述毫米波传输路径、所述击中点的相对角度和所述毫米波强度,得到所述击中点的结构体信息。
可选地,所述获取模块具体用于:
根据所述结构体信息中的毫米波强度,确定从对应的击中点返回的毫米波返回强度;
根据所述毫米波返回强度,确定所述对应的击中点的位置信息、速度信息、角度信息以及强度信息;
将所述击中点的位置信息、速度信息、角度信息以及强度信息确定为所述击中点对应的击中点信息。
可选地,所述处理模块具体用于:
根据各所述击中点的位置信息、速度信息、角度信息和强度信息,生成数据轴为相对距离、相对速度和方位角正弦的三维阵列;
根据各所述击中点信息得到对应的所述击中点所属的三维阵列中的单元格;
为所述三维阵列中的每个单元格及其各自邻近的预设数量个单元格进行毫米波强度分配;
以所述单元格的毫米波强度作为权重,计算对应的所述单元格中击中点的加权真值;
对所述三维矩阵进行检测,得到毫米波强度大于预设阈值的单元格;
将所述单元格对应的击中点确定为点目标;
利用聚类算法对所述点目标进行聚类,得到所述目标信息。
可选的,所述确定模块具体用于:
根据所述雷达方向图,查找发射角度上的天线增益;
根据所述天线增益,确定所述发射角度上的发射强度。
可选的,所述获取模块具体用于:
通过以下镜面反射的毫米波强度计算公式,计算各个所述击中点产生的镜面反射的毫米波强度Preflection:
Preflection=P0×Creflection×Cmaterial×Cdistance
其中,P0为经过上个击中点或发射端入射至本击中点的能量,Creflection为菲涅尔反射公式计算的反射强度占全部强度的比例,Cmaterial为材质反射率,Cdistance是和距离平方成正比的衰减系数。
可选的,所述毫米波返回强度包括镜面反射的毫米波强度和后向散射的毫米波强度。
可选的,所述处理模块具体用于:
通过恒虚警率检测算法对所述三维矩阵进行检测,得到毫米波强度大于预设阈值的单元格。
由上述内容可知,本发明实施例提供的用于智能驾驶汽车仿真的毫米波雷达模拟方法及装置,可以基于仿真软件的毫米波雷达模型,从仿真场景中提取环境信息,并经过对环境信息的处理,将其转换为贴近真实车辆雷达特性的目标信息输出,传递至感知层和智能驾驶决策层,以对智能驾驶系统的核心功能进行验证。毫米波雷达模型所提取的材质信息不仅限于常见的材质,还包括了植皮、玻璃、橡胶等材质元素,同时也在信号强度中体现,从而提高了毫米波雷达模型的适用性,以及输出数据的保真度。
本发明实施例通过使用光线追踪算法,计算毫米波的传输路径,仿真毫米波的多次反射、后向散射特性。同时,毫米波雷达模型可以通过参数设置,被配置为不同的雷达型号,同时,也可以模拟出在车辆的不同位置安装多个毫米波雷达,形成较为逼真的数据。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
本发明实施例的创新点包括:
1、贴近真实车辆的毫米波雷达模型的毫米波传输特性,通过毫米波追踪技术计算毫米波传输路径,毫米波的信号强度根据不同材质网格产生,本发明拥有计算传感器范围内所有网格回波强度的能力,并考虑反射、后向散射的特性,形成较为逼真的数据。
2、毫米波雷达模型所提取的材质信息不仅限于常见的材质,还包括了植皮、玻璃、橡胶等材质元素,同时也在信号强度中体现,从而提高了毫米波雷达模型的适用性,以及输出数据的保真度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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的前提下,还可以根据这些附图获得其他的附图。
图1是智能驾驶系统于毫米波雷达的工作流程图;
图2是毫米波雷达模型的应用流程图;
图3为本发明实施例提供的用于智能驾驶汽车仿真的毫米波雷达模拟方的一种流程示意图;
图4是毫米波雷达模型的处理流程示意图;
图5是雷达方向图转换得到的灰度图的示意图;
图6是使用光线追踪算法发射毫米波的示意图;
图7是使用光线追踪算法接收毫米波的示意图;
图8是本实施例中以强度为权重计算加权真值的示意图;
图9是本发明实施例提供的一种用于智能驾驶汽车仿真的毫米波雷达模拟装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明实施例及附图中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含的一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
本发明实施例公开了一种用于智能驾驶汽车仿真的毫米波雷达模拟方法及装置,能够提高毫米波雷达模型输出的传感器数据的真实程度,进而提高对ADAS和智能驾驶系统测试的准确度。下面对本发明实施例进行详细说明。
图1是智能驾驶系统于毫米波雷达的工作流程图。如图1所示,毫米波雷达通过雷达收发、原始数据处理、目标检测的过程获取周围环境的感知信息,并结合其他智能驾驶传感器输入至感知层进行数据融合,得到感知信息,决策规划层根据感知信息输出决策与规划的路径,最终由控制执行层负责车辆在当前交通场景下的车辆控制。因此,智能驾驶系统的工作是一个复杂的闭环工作过程。而毫米波雷达是智驾系统的必要组成部分。
智能驾驶系统的重点测试项目包含传感器融合算法和决策规划算法,在开发前期的测试过程中,通常使用仿真环境替代实际车辆场景。使用毫米波雷达模型替代毫米波雷达,从而使用仿真技术替代实际道路测试,仿真相对于实际道路测试而言,具有数据采集效率高、验证效率高和安全性高等优点。
在本发明实施例中,如图2所示,毫米波雷达模型可以从仿真场景中提取环境数据,通过毫米波追踪技术计算毫米波的传输路径,仿真反射和后向散射的特性,并将结果转换为接近真实毫米波雷达输出的点目标形式。如表1所示,是毫米波雷达模型参数化列表:
表1
图3为本发明实施例提供的用于智能驾驶汽车仿真的毫米波雷达模拟方的一种流程示意图。该方法具体包括以下步骤。
S110:获取仿真场景中的环境数据;环境数据中至少包括毫米波雷达感知范围内的所有物体的材质网格参数。
其中,环境数据是指在仿真环境下,毫米波雷达的感知范围中出现的所有物体的材质网格参数,如人的材质、车辆材质、车道材质等,如表2所示:
表2
如图4所示,是毫米波雷达模型的处理流程示意图。该步骤中的获取仿真场景中的环境数据,例如可以由输入模块获取。
S120:根据雷达方向图,确定毫米波雷达在发射角度上的发射强度。
本步骤例如可以由图4中的发射天线增益模块执行。输入模块接收到环境数据后,发射天线增益模块可以根据雷达方向图查找发射角度上的天线增益,雷达方向图刻画了与发射天线朝向的相对角度与电场强度的关系,θ表示相对水平角度,表示相对垂直角度,确定了某个方位上的发射强度:其中,P0为雷达的初始发射强度,P为乘以天线增益后的发射强度。
S130:将雷达方向图转换为灰度图;灰度图包括多个像素点。
在本实施例中,为了兼容光线追踪算法,需要将彩色的雷达方向图转换为灰度图表示。具体的,可以根据映射关系,将雷达方向图中雷达发射天线的第一水平角度范围转换为图像平面下的第二水平角度范围,并将雷达方向图中雷达发射天线的第一垂直角度范围转换为图像平面下的第二垂直角度范围;将第二水平角度范围和第二垂直角度范围进行归一化处理,得到灰度图。
如图5所示的雷达方向图转换得到的灰度图的示意图,以W×H分辨率为例,将雷达发射天线的第一水平角度范围转换至图像平面下的第二水平角度范围[0,W],第一垂直角度范围转换至图像平面下的第二垂直角度范围[0,H],其中,W、H均代表分辨率,可以根据需求自行设定。例如,一般图像的分辨率为800*600,则表示水平角度范围平分为800格,垂直角度范围平分为600格。
在得到第二水平角度范围和第二垂直角度范围后,进行归一化处理,得到灰度图Gtransmit(w,h);其中,映射关系可以表达为:
其中,Gmax表示雷达方向图的最大增益,Gmin表示雷达方向图的最小增益,θw表示水平方位角的第w个刻度,θw+1表示水平方位角的第w+1个刻度,表示垂直方位角的第h个刻度,表示垂直方位角的第h+1个刻度。
上述确定发射强度的公式可以通过常用的雷达水平方向图、Ghorizontal(θ)、雷达垂直方向图Gvertical(θ)进行近似,雷达水平方向图增益、雷达垂直方向图增益一般是可以通过测量得到的,在设计雷达时会考虑:
在得到灰度图Gtransmit(w,h)后,可以使用毫米波追踪技术模拟波的传递和强度,从每个像素点(w,h)发出的发射强度P为P=P0×Gtransmit(w,h)。
S140:根据灰度图中的每个像素点和毫米波雷达的发射强度,发射毫米波。
在本实施例中,使用灰度图替代了雷达方向图,在实际仿真过程中,可以使用光线追踪算法根据灰度图发出的毫米波,模拟毫米波的反射过程。
S150:基于光线追踪算法获取仿真场景中,通过像素点的毫米波与物体相交的各击中点的结构体信息;结构体信息至少包括击中点的毫米波强度、毫米波传输路径、击中点的相对角度。
本步骤中,在仿真场景中,可以生成在毫米波传输路径上经过多次镜面反射后产生的多个击中点;获取毫米波在各击中点的相对角度;根据镜面反射的毫米波强度计算公式,计算各个击中点产生的镜面反射的毫米波强度;根据毫米波传输路径、击中点的相对角度和毫米波强度,得到击中点的结构体信息。
如图6所示,是毫米波追踪的主要过程示意图,可以由图4中的光线追踪模块执行。光线追踪模块可以根据上述灰度图查找毫米波强度,通过像素点的毫米波和仿真场景中的物体求交点,该交点位置称为击中点,模型在每个击中点记录击中点结构信息如表3所示。
表3
镜面反射的毫米波强度为:
Preflection=P0×Creflection×Cmaterial×Cdistance
其中,P0为经过上个击中点或发射端入射至本击中点的能量,反射的能量Preflection和以下系数相关:Creflection为菲涅尔反射公式计算的反射能量占全部能量的比例,Cmaterial为材质反射率,Cdistance是和距离平方成正比的衰减系数,此处的距离从上一个击中点至本击中点的距离,模拟了毫米波因为距离造成的衰减,材质反射系数定义如表4所示。本实施例中,为了模拟电磁波的特性,生成了多次镜面反射产生的多个击中点,毫米波强度降低至最低强度以下或米波传输路径的总路程大于最大距离后停止计算。
表4
S160:根据各结构体信息,获取各击中点对应的击中点信息;击中点信息至少包括击中点的位置信息、速度信息、角度信息以及强度信息。
本步骤中,可以根据结构体信息中的毫米波强度,确定从对应的击中点返回的毫米波返回强度;根据毫米波返回强度,确定对应的击中点的位置信息、速度信息、角度信息以及强度信息;将击中点的位置信息、速度信息、角度信息以及强度信息确定为击中点对应的击中点信息。
如图7所示的毫米波接收过程示意图,毫米波的接收由如图4中的接收天线增益模块执行。接收天线增益模块负责计算从击中点返回的毫米波强度,该毫米波强度包含镜面反射的毫米波强度与后向散射的毫米波强度,返回的天线增益使用上述映射关系的公式进行计算得到接收灰度图Greceiver(w,h)。本步骤中,通过兰伯特公式计算入射角衰减系数CuBackWidth,后向散射能量PbackScatter如下:
可以理解的是,当击中点至接收天线之间的连线和其他物体交会,则说明击中点至接收天线被遮挡,其强度为0。
最终,接收天线接收的毫米波强度取决于返回接收端的方式:
S170:根据击中点信息,得到模拟毫米波雷达输出的目标信息;目标信息至少包括目标距离,目标速度,目标方位角,目标峰值功率,置信度以及距离信噪比。
在本步骤中,如图4所示的数据编码模块可以计算各击中点的强度、以及击中点的位置信息、速度信息和角度信息,生成数据轴为相对距离、相对速度和方位角正弦的三维阵列;其中,数据轴为相对距离、相对速度、方位角正弦,每一格的内容包含:强度、真值坐标、真值相对水平角度、真值相对垂直角度。具体的计算过程说明如下:
毫米波雷达信号处理时一般依序对距离维、速度维、角度维进行傅里叶变换。本步骤使用毫米波追踪技术生成类似3D傅里叶变化后的原始数据,能够根据各击中点信息得到对应的击中点所属的三维阵列中的单元格:即,计算击中点所归属的距离-速度-方位角正弦单元格,其中,距离-速度-方位角分析是雷达信号处理的现有技术,本实施例中通过收集不同击中点的后向散射强度进行强度加和并记录真实值,以此满足算法需求。
其中,距离为毫米波传播路程中的总距离,速度为传播路程中每个击中点速度对入射光路方向的投影总合,投影总合计算方法:当前击中点有个速度v,入射光路方向就是上个击中点至当前击中点的距离向量r,使用dot(v,r)投影,方位角正弦为最后返回的击中点相对角度取正弦。
虽然击中点只有一个点,它归属于三位矩阵的某个方格内,但真实情况是邻近的方格也应该有强度,因此,需要为三维阵列中的每个单元格及其各自邻近的预设数量个单元格进行毫米波强度分配。例如,对包含所属单元格临近的23格进行强度分配,如图8所示,对距离、速度、方位角正弦轴计算权重wr,wv,wa,三维网格中,每一个击中点有23个邻近格,假设有个击中点的r,v,a对每一维(R,V,A),计算在每一维度上的权重。假设当前有一击中点距离为x,若以k为间距划分,x属于区间A[A-,A+],其中比较当前x靠近区间A-或A+,求出属于A区间的权重:
其中,x-A-<A+-x表示点在A区间的左半区间,-A->A+-x表示点在A区间的右半区间。
比较当前x靠近区间A-或A+取邻近区间B:
属于B区间的权重为:
速度权重wv、方位角wθ权重的计算方式相同。
计算距离、速度、方位角的权重后,组合为总权重w,随后进行强度分配:
w=wr×wv×wθ
对击中点邻近的23格计算完权重w后,通过以下公式计算分配的强度:
Pi=P×wi,i={1,2,…,8}
其中,P为击中点返回接收端的毫米波强度接收的毫米波强度,i表示23格中的第i个单元格,Pi为临近单元格根据权重wi分配的强度。
在为单元格分配强度后,以单元格的毫米波强度作为权重,计算对应的单元格中击中点的加权真值。如图8中所示,当n个击中点被归属到同一个单元格中,加权真值的计算公式为:
其中,Pi为第i个击中点贡献的强度,x真值包括但不限于位置、距离、速度、水平角度、垂直角度,xi表示第i个击中点的真值。
经由上述步骤生成的三维矩阵具有强度信息、真值信息,但真实情况除了目标回波返回的高强度信号,还有外界环境所造成的底噪,本实施例依据实际情况引入高斯白噪声作为底噪,使生成的数据适用于毫米波雷达的检测算法。
具体的,由图4中的检测模块通过恒虚警率检测算法对三维矩阵进行检测,调整适当的检测单元数、保护单元数、阈值因子能自然的产生误检和漏检,得到毫米波强度大于预设阈值的单元格;将单元格对应的击中点确定为点目标。
图4中的目标聚类模块利用聚类算法对点目标进行聚类,得到目标信息。示例性的,聚类条件可以为:同时满足Δr≤rres,Δv≤vres,Δθ≤θres,Δr为任意两目标的距离差,Δv为任意两目标的速度差,Δθ为任意两目标的方位角差,rres为距离分辨率,vres为速度分辨率,θres为角度分辨率。
图4中的随机扰动模块对击中点结构体信息存储的真值引入噪声,所引入的噪声大小可以根据传感器测距精度、测速精度和测角精度而定,在此不做具体限定。
而最终的目标信息,由图4中的毫米波点云输出模块输出。具体的,该毫米波点云输出模块使用点目标的强度作为峰值功率,为较大强度的目标设置较大的置信度,距离信噪比由点目标强度与距离邻近阵列格内次大的强度相除计算得到,参照表5:
表5
由上述内容可知,本实施例可以基于仿真软件的毫米波雷达模型,从仿真场景中提取环境信息,并经过对环境信息的处理,将其转换为贴近真实车辆雷达特性的目标信息输出,传递至感知层和智能驾驶决策层,以对智能驾驶系统的核心功能进行验证。并且,通过使用光线追踪算法,计算毫米波的传输路径,仿真毫米波的多次反射、后向散射特性。同时,毫米波雷达模型可以通过参数设置,被配置为不同的雷达型号,同时,也可以模拟出在车辆的不同位置安装多个毫米波雷达,形成较为逼真的数据。
图9是本发明实施例提供的一种用于智能驾驶汽车仿真的毫米波雷达模拟装置的结构示意图。
如图9所示,本实施例的用于智能驾驶汽车仿真的毫米波雷达模拟装置900可以包括:获取模块901,确定模块902,转换模块903,发射模块904和处理模块905。
其中,获取模块901,用于获取仿真场景中的环境数据;所述环境数据中至少包括毫米波雷达感知范围内的所有物体的材质网格参数。
确定模块902,用于根据雷达方向图,确定所述毫米波雷达在发射角度上的发射强度。
转换模块903,用于将所述雷达方向图转换为灰度图;所述灰度图包括多个像素点。
发射模块904,用于根据所述灰度图中的每个所述像素点和所述毫米波雷达的发射强度,发射毫米波。
所述获取模块901还用于基于光线追踪算法获取所述仿真场景中,通过所述像素点的所述毫米波与物体相交的各击中点的结构体信息;所述结构体信息至少包括所述击中点的毫米波强度、所述毫米波传输路径、所述击中点的相对角度;根据各所述结构体信息,获取各所述击中点对应的击中点信息;所述击中点信息至少包括所述击中点的位置信息、速度信息、角度信息以及强度信息。
处理模块905,用于根据所述击中点信息,得到模拟毫米波雷达输出的目标信息;所述目标信息至少包括目标距离,目标速度,目标方位角,目标峰值功率,置信度以及距离信噪比。
在一个实施例中,所述转换模块903具体用于:根据映射关系,将所述雷达方向图中雷达发射天线的第一水平角度范围转换为图像平面下的第二水平角度范围,并将所述雷达方向图中雷达发射天线的第一垂直角度范围转换为图像平面下的第二垂直角度范围;将所述第二水平角度范围和所述第二垂直角度范围进行归一化处理,得到所述灰度图。
在一个实施例中,所述获取模块901具体用于:在所述仿真场景中,生成在所述毫米波传输路径上经过多次镜面反射后产生的多个击中点;获取所述毫米波在各所述击中点的相对角度;根据镜面反射的毫米波强度计算公式,计算各个所述击中点产生的镜面反射的毫米波强度;根据所述毫米波传输路径、所述击中点的相对角度和所述毫米波强度,得到所述击中点的结构体信息。
在一个实施例中,所述获取模块901具体用于:根据所述结构体信息中的毫米波强度,确定从对应的击中点返回的毫米波返回强度;根据所述毫米波返回强度,确定所述对应的击中点的位置信息、速度信息、角度信息以及强度信息;将所述击中点的位置信息、速度信息、角度信息以及强度信息确定为所述击中点对应的击中点信息。
在一个实施例中,所述处理模块905具体用于:根据各所述击中点的位置信息、速度信息、角度信息和强度信息,生成数据轴为相对距离、相对速度和方位角正弦的三维阵列;根据各所述击中点信息得到对应的所述击中点所属的三维阵列中的单元格;为所述三维阵列中的每个单元格及其各自邻近的预设数量个单元格进行毫米波强度分配;以所述单元格的毫米波强度作为权重,计算对应的所述单元格中击中点的加权真值;通过恒虚警率检测算法对所述三维矩阵进行检测,得到毫米波强度大于预设阈值的单元格;将所述单元格对应的击中点确定为点目标;利用聚类算法对所述点目标进行聚类,得到所述目标信息。
在一个实施例中,所述确定模块902具体用于:
根据所述雷达方向图,查找发射角度上的天线增益;
根据所述天线增益,确定所述发射角度上的发射强度。
在一个实施例中,所述获取模块901具体用于:
通过以下镜面反射的毫米波强度计算公式,计算各个所述击中点产生的镜面反射的毫米波强度Preflection:
Preflection=P0×Creflection×Cmaterial×Cdistance
其中,P0为经过上个击中点或发射端入射至本击中点的能量,Creflection为菲涅尔反射公式计算的反射强度占全部强度的比例,Cmaterial为材质反射率,Cdistance是和距离平方成正比的衰减系数。
在一个实施例中,所述毫米波返回强度包括镜面反射的毫米波强度和后向散射的毫米波强度。
在一个实施例中,所述处理模块905具体用于:
通过恒虚警率检测算法对所述三维矩阵进行检测,得到毫米波强度大于预设阈值的单元格。
上述装置实施例与方法实施例相对应,与该方法实施例具有同样的技术效果,具体说明参见方法实施例。装置实施例是基于方法实施例得到的,具体的说明可以参见方法实施例部分,此处不再赘述。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本领域普通技术人员可以理解:实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中,也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
最后应说明的是:以上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实施例技术方案的精神和范围。
Claims (10)
1.一种用于智能驾驶汽车仿真的毫米波雷达模拟方法,其特征在于,所述方法包括:
获取仿真场景中的环境数据;所述环境数据中至少包括毫米波雷达感知范围内的所有物体的材质网格参数;
根据雷达方向图,确定所述毫米波雷达在发射角度上的发射强度;
将所述雷达方向图转换为灰度图;所述灰度图包括多个像素点;
根据所述灰度图中的每个所述像素点和所述毫米波雷达的发射强度,发射毫米波;
基于光线追踪算法获取所述仿真场景中,通过所述像素点的所述毫米波与物体相交的各击中点的结构体信息;所述结构体信息至少包括所述击中点的毫米波强度、所述毫米波传输路径、所述击中点的相对角度;
根据各所述结构体信息,获取各所述击中点对应的击中点信息;所述击中点信息至少包括所述击中点的位置信息、速度信息、角度信息以及强度信息;
根据所述击中点信息,得到模拟毫米波雷达输出的目标信息;所述目标信息至少包括目标距离、目标速度、目标方位角、目标峰值功率、置信度以及距离信噪比。
2.根据权利要求1所述的方法,其特征在于,所述将所述雷达方向图转换为灰度图,包括:
根据映射关系,将所述雷达方向图中雷达发射天线的第一水平角度范围转换为图像平面下的第二水平角度范围,并将所述雷达方向图中雷达发射天线的第一垂直角度范围转换为图像平面下的第二垂直角度范围;
将所述第二水平角度范围和所述第二垂直角度范围进行归一化处理,得到所述灰度图。
3.根据权利要求1所述的方法,其特征在于,所述基于光线追踪算法获取所述仿真场景中,通过所述像素点的所述毫米波与物体相交的各击中点的结构体信息,包括:
在所述仿真场景中,生成在所述毫米波传输路径上经过多次镜面反射后产生的多个击中点;
获取所述毫米波在各所述击中点的相对角度;
根据镜面反射的毫米波强度计算公式,计算各个所述击中点产生的镜面反射的毫米波强度;
根据所述毫米波传输路径、所述击中点的相对角度和所述毫米波强度,得到所述击中点的结构体信息。
4.根据权利要求1所述的方法,其特征在于,所述根据各所述结构体信息,获取各所述击中点对应的击中点信息,包括:
根据所述结构体信息中的毫米波强度,确定从对应的击中点返回的毫米波返回强度;
根据所述毫米波返回强度,确定所述对应的击中点的位置信息、速度信息、角度信息以及强度信息;
将所述击中点的位置信息、速度信息、角度信息以及强度信息确定为所述击中点对应的击中点信息。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述根据所述击中点信息,得到模拟毫米波雷达输出的目标信息,包括:
根据各所述击中点的位置信息、速度信息、角度信息和强度信息,生成数据轴为相对距离、相对速度和方位角正弦的三维阵列;
根据各所述击中点信息得到对应的所述击中点所属的三维阵列中的单元格;
为所述三维阵列中的每个单元格及其各自邻近的预设数量个单元格进行毫米波强度分配;
以所述单元格的毫米波强度作为权重,计算对应的所述单元格中击中点的加权真值;
对所述三维矩阵进行检测,得到毫米波强度大于预设阈值的单元格;
将所述单元格对应的击中点确定为点目标;
利用聚类算法对所述点目标进行聚类,得到所述目标信息。
6.根据权利要求1所述的方法,其特征在于,所述根据雷达方向图,确定所述毫米波雷达在发射角度上的发射强度,包括:
根据所述雷达方向图,查找发射角度上的天线增益;
根据所述天线增益,确定所述发射角度上的发射强度。
7.根据权利要求3所述的方法,其特征在于,所述根据镜面反射的毫米波强度计算公式,计算各个所述击中点产生的镜面反射的毫米波强度,包括:
通过以下镜面反射的毫米波强度计算公式,计算各个所述击中点产生的镜面反射的毫米波强度Preflection:
Preflection=P0×Creflection×Cmaterial×Cdistance
其中,P0为经过上个击中点或发射端入射至本击中点的能量,Creflection为菲涅尔反射公式计算的反射强度占全部强度的比例,Cmaterial为材质反射率,Cdistance是和距离平方成正比的衰减系数。
8.根据权利要求4所述的方法,其特征在于,所述毫米波返回强度包括镜面反射的毫米波强度和后向散射的毫米波强度。
9.根据权利要求5所述的方法,其特征在于,所述对所述三维矩阵进行检测,得到毫米波强度大于预设阈值的单元格,包括:
通过恒虚警率检测算法对所述三维矩阵进行检测,得到毫米波强度大于预设阈值的单元格。
10.一种用于智能驾驶汽车仿真的毫米波雷达模拟装置,其特征在于,所述装置包括:
获取模块,用于获取仿真场景中的环境数据;所述环境数据中至少包括毫米波雷达感知范围内的所有物体的材质网格参数;
确定模块,用于根据雷达方向图,确定所述毫米波雷达在发射角度上的发射强度;
转换模块,用于将所述雷达方向图转换为灰度图;所述灰度图包括多个像素点;
发射模块,用于根据所述灰度图中的每个所述像素点和所述毫米波雷达的发射强度,发射毫米波;
所述获取模块还用于基于光线追踪算法获取所述仿真场景中,通过所述像素点的所述毫米波与物体相交的各击中点的结构体信息;所述结构体信息至少包括所述击中点的毫米波强度、所述毫米波传输路径、所述击中点的相对角度;根据各所述结构体信息,获取各所述击中点对应的击中点信息;所述击中点信息至少包括所述击中点的位置信息、速度信息、角度信息以及强度信息;
处理模块,用于根据所述击中点信息,得到模拟毫米波雷达输出的目标信息;所述目标信息至少包括目标距离、目标速度、目标方位角、目标峰值功率、置信度以及距离信噪比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210668660.1A CN115033991A (zh) | 2022-06-14 | 2022-06-14 | 一种用于智能驾驶汽车仿真的毫米波雷达模拟方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210668660.1A CN115033991A (zh) | 2022-06-14 | 2022-06-14 | 一种用于智能驾驶汽车仿真的毫米波雷达模拟方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115033991A true CN115033991A (zh) | 2022-09-09 |
Family
ID=83124364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210668660.1A Pending CN115033991A (zh) | 2022-06-14 | 2022-06-14 | 一种用于智能驾驶汽车仿真的毫米波雷达模拟方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115033991A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116577762A (zh) * | 2023-07-12 | 2023-08-11 | 西安深信科创信息技术有限公司 | 仿真雷达数据生成方法、装置、设备及存储介质 |
-
2022
- 2022-06-14 CN CN202210668660.1A patent/CN115033991A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116577762A (zh) * | 2023-07-12 | 2023-08-11 | 西安深信科创信息技术有限公司 | 仿真雷达数据生成方法、装置、设备及存储介质 |
CN116577762B (zh) * | 2023-07-12 | 2023-10-31 | 西安深信科创信息技术有限公司 | 仿真雷达数据生成方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Schuler et al. | Extraction of virtual scattering centers of vehicles by ray-tracing simulations | |
US7352321B2 (en) | Determining statistical descriptors of a signal from a set of its samples | |
CN112417757B (zh) | 车载雷达信号级仿真方法、装置、设备及可读存储介质 | |
CN106154238B (zh) | 一种汽车防撞雷达回波模拟测试系统和测试方法 | |
CN107255805A (zh) | 基于加权最小二乘的雷达目标rcs的预测方法 | |
CN107607951A (zh) | 一种sar图像二次散射特征模拟方法 | |
Li et al. | Research on millimeter wave radar simulation model for intelligent vehicle | |
CN115061113B (zh) | 用于雷达的目标检测模型训练方法、装置及存储介质 | |
Kusk et al. | Synthetic SAR image generation using sensor, terrain and target models | |
CN115033991A (zh) | 一种用于智能驾驶汽车仿真的毫米波雷达模拟方法及装置 | |
Watson et al. | Non-line-of-sight radar | |
CN109581384B (zh) | 基于多普勒天气雷达的晴空垂直风廓线探测方法及系统 | |
CN108562899B (zh) | 高分辨极化sar目标图像快速仿真方法 | |
CN105891793A (zh) | 一种雷达导引头空时相关相参k分布杂波建模方法 | |
Wachtel et al. | Validation of a radar sensor model under non-ideal conditions for testing automated driving systems | |
CN113960551A (zh) | 一种针对sar图像的杂波图像生成方法和目标检测方法 | |
Degen et al. | Development of a Lidar Model for the Analysis of Borderline Cases Including Vehicle Dynamics in a Virtual City Environment in Real Time | |
CN116577762B (zh) | 仿真雷达数据生成方法、装置、设备及存储介质 | |
RU2626018C1 (ru) | Способ определения эффективной площади рассеяния воздушных объектов бортовой радиолокационной станцией | |
Abadpour et al. | Back scattering of traffic participants based on an automotive radar measurement | |
Lian et al. | Analysis and simulation of FMCW mmWave radar multi-target detection in traffic scene | |
CN115310372B (zh) | 一种基于高精度电磁传播模型的路径损耗预测方法 | |
JP2003270357A (ja) | 視程学習装置 | |
CN116577734B (zh) | 基于先验知识的机载雷达精细化杂波仿真方法与装置 | |
US20240176927A1 (en) | Method for modeling a sensor in a test environment |
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 |