CN115047456B - 无人驾驶车三维全景感知方法和雷达系统 - Google Patents
无人驾驶车三维全景感知方法和雷达系统 Download PDFInfo
- Publication number
- CN115047456B CN115047456B CN202210978644.2A CN202210978644A CN115047456B CN 115047456 B CN115047456 B CN 115047456B CN 202210978644 A CN202210978644 A CN 202210978644A CN 115047456 B CN115047456 B CN 115047456B
- Authority
- CN
- China
- Prior art keywords
- radar
- signal
- matrix
- array
- echo
- 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
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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请涉及车载环境感知技术领域的一种无人驾驶车三维全景感知方法和雷达系统。该方法包括:将旋转扫描装置安装在无人车车顶,将雷达安装在旋转扫描装置转臂的运动末端,在方位向通过转臂旋转形成旋转扫描合成孔径雷达系统,在高度向通过多收多发天线阵列来获取高度信息;弧形轨迹扫描的有效视角为360度,且在方位向上的分辨率显著高于实孔径阵列;该方法是基于二维全景旋转扫描合成孔径雷达系统,比常规二维实孔径阵列雷达具有更好的视场范围和方位向分辨率;针对阵元在单一位置上只能接收到单次快拍回波信号的问题,采用迭代角度估计方法提高角度分辨率。采用本方法能对无人车周围目标进行三维全景高分辨成像,满足目标识别处理的要求。
Description
技术领域
本申请涉及车载环境感知技术领域,特别是涉及一种无人驾驶车三维全景感知方法和雷达系统。
背景技术
无人驾驶作为一种新型的交通方式,是未来车辆发展的大势所趋,具备行车更安全、智能规划路线更经济和解放人类时间更便捷等优势。2013年以来,全球很多国家陆续将发展无人驾驶上升为国家战略,并不断出台政策措施支持无人驾驶发展。目前,无人驾驶已经在智慧交通、物流运输、矿山、港口等民用和军事等众多领域得到了初步的应用。
在无人驾驶系统涉及的关键技术中,实时环境感知与理解是无人驾驶平台遂行自主任务的前提条件。然而由于真实道路中不同目标三维度信息的复杂特性,平台自身必须具备足够的感知三维环境信息的能力来对它所处的周围环境做出准确的理解,这对无人驾驶车提出很高的要求。当前无人驾驶车环境感知的解决方案都不太理想。
当前各种环境感知技术都在飞速发展。光学、激光、红外和超声波等感知手段在无人驾驶车上的应用各有利弊。光学感知技术对于结构化道路和目标的识别上有优势,但它在作用距离和三维探测精度上存在不足。多线激光雷达由于价格太过昂贵难以实现技术落地。红外与超声波等感知技术的作用距离非常有限。特别是在野外和非结构化复杂环境下,上述感知手段都存在适应夜晚、雨雪、烟雾等不利天气,以及应对野外地形、植被覆盖、凹陷障碍等复杂环境时,感知能力突显不足。
微波雷达作为新型无人驾驶车环境感知手段,拥有其在分辨率、测距精度、成本和对外界环境的稳健性上具有天然的优势。正成为无人驾驶车环境感知研究的热点。目前无人驾驶车中尚未实现基于微波雷达的三维全景感知,在其他领域中应用最广泛的三维微波成像雷达是实孔径阵列雷达,通过对同一维度上多个阵元的接收信号做傅里叶变换处理,就可以得到该维度的目标位置信息。然而常规无人驾驶车成像雷达存在以下应用局限性:二维成像雷达在成像结果上存在目标叠掩和投影畸变等问题,将影响车载感知后续的目标识别和距离估计;在二维上存在视场范围和方位向分辨率不足,无法满足后续目标监测的要求;由于无人驾驶车的特殊性,微波雷达在高度维的布阵上存在阵元数量有限和接收的快拍数有限等限制,常规的雷达成像方法在无人驾驶车上并不适用。
发明内容
基于此,有必要针对上述技术问题,提供一种无人驾驶车三维全景感知方法和雷达系统。
一种无人驾驶车三维全景感知方法,所述方法包括:
将旋转扫描装置安装在无人车车顶,将雷达安装在旋转扫描装置转臂的运动末端,在方位向通过转臂旋转形成旋转扫描合成孔径雷达系统。
对旋转扫描合成孔径雷达系统中每个阵元接收到信号进行调频处理,得到回波信号;根据所述回波信号在方位向采用后向投影成像算法进行SAR成像,得到全景二维图像。
在旋转扫描合成孔径雷达系统的基础上,在高度维上设置多收多发天线阵列;通过多收多发天线阵列接收单次快拍的回波信号,根据预处理后的回波信号采用空间FFT方法进行处理,根据得到的处理结果对散射点能量值进行初始化。
根据每个散射点能量值的初始化值、噪声能量估计矩阵的初始化值以及导向矩阵,采用迭代角度估计方法更新测量信号协方差矩阵和能量矩阵,直到达到收敛条件,根据得到的最终能量矩阵得到高度维角度估计结果;噪声能量估计矩阵的初始化值为零矩阵。
根据所述全景二维图像和所述高度维角度估计结果,得到全景三维图像。
一种无人驾驶车三维全景感知雷达系统,所述系统用于采用上述无人驾驶车三维全景感知方法实现无人驾驶车的三维全景感知,所述系统包括:信号处理显示分系统、阵列雷达和旋转机械装置。
所述阵列雷达的收发天线是多收多发天线阵列;所述阵列雷达安装在转臂的运动末端,所述多收多发天线阵列垂直所述转臂末端方向放置;所述阵列雷达与所述信号处理显示分系统连接。
所述旋转机械装置,包括转台、基座、转臂、旋转电机和通信控制单元;所述基座是所述旋转电机、所述通信控制单元的安装容器,所述转臂通过轴承与所述转台固定,所述转台安装在所述基座上,所述旋转电机与所述轴承连接;所述旋转电机用于在通信控制单元的控制下驱动所述转臂旋转;所述通信控制单元与所述阵列雷达和所述信号处理显示分系统连接。
所述信号处理显示分系统安装在所述旋转机械装置近端或远端,包括控制模块、信号处理模块、显示模块以及历史数据存储数据库,所述控制模块用于接收用户的控制指令,产生控制所述旋转机械装置和所述阵列雷达的命令,并分别发送至所述通信控制单元和所述阵列雷达;所述信号处理模块用于实时接收所述阵列雷达输出的雷达信号,根据所述雷达信号进行二维全景成像处理和高度维的角度估计,得到全景三维图像;所述显示模块用于显示信号处理模块输出的处理结果,所述历史数据存储数据库用于存储探测结果。
上述无人驾驶车三维全景感知方法和雷达系统,所述方法包括:将旋转扫描装置安装在无人车车顶,将雷达安装在旋转扫描装置转臂的运动末端,在方位向通过转臂旋转形成旋转扫描合成孔径雷达系统,在高度向通过多收多发天线阵列来获取高度信息;在弧形轨迹扫描的有效视角为360°,且在方位向上的分辨率是显著高于实孔径阵列的;无人驾驶环境的成像方法是基于二维全景旋转扫描合成孔径雷达系统,相比常规二维实孔径阵列雷达具有更好的视场范围和方位向分辨率;阵元在单一位置上只能接收到单次快拍的回波信号的FFT处理结果为初始值,采用迭代角度估计方法提高角度分辨率。采用本方法能对无人车周围目标进行三维全景高分辨成像,满足后续目标识别处理的要求。
附图说明
图1为一个实施例中无人驾驶车三维全景感知方法的流程示意图;
图2为另一个实施例中无人驾驶车三维全景感知雷达系统示意图;
图3为另一个实施例中全景旋转扫描环境感知雷达的二维几何示意图;
图4为另一个实施例中三维全景旋转扫描环境感知雷达系统的几何示意图;
图5为另一个实施例中相邻阵元回波接收示意图。
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。
在一个实施例中,如图1所示,提供了一种无人驾驶车三维全景感知方法,该方法包括以下步骤:
步骤100:将旋转扫描装置安装在无人车车顶,将雷达安装在旋转扫描装置转臂的运动末端,在方位向通过转臂旋转形成旋转扫描合成孔径雷达系统。
具体的,用于无人驾驶环境的成像方法是基于二维全景旋转扫描合成孔径雷达系统的,相比常规二维实孔径阵列雷达具有更好的视场范围和方位向分辨率。
步骤102:对旋转扫描合成孔径雷达系统中每个阵元接收到信号进行调频处理,得到回波信号;根据回波信号在方位向采用后向投影成像算法进行SAR成像,得到全景二维图像。
步骤104:在旋转扫描合成孔径雷达系统的基础上,在高度维上设置多收多发天线阵列;通过多收多发天线阵列接收单次快拍的回波信号,根据预处理后的回波信号采用空间FFT方法进行处理,根据得到的处理结果对散射点能量值进行初始化。
步骤106:根据每个散射点能量值的初始化值、噪声能量估计矩阵的初始化值以及导向矩阵,采用迭代角度估计方法更新测量信号协方差矩阵和能量矩阵,直到达到收敛条件,根据得到的最终能量矩阵得到高度维角度估计结果;噪声能量估计矩阵的初始化值为零矩阵。
具体的,旋转扫描的短基线结构会导致高度维阵元的位置是不断变化的,阵元在单一位置上只能接收到单次快拍的回波信号,MUSIC、APES等常规波达角估计方法需要接收多次快拍信号来构建样本协方差矩阵。FFT角估计方法不需要多次快拍信号,但在阵元数量少的情况下,FFT的角度分辨率很不理想。因此基于短基线和旋转结构,本实施例提出了一种配套的角度估计方法。以FFT结果为初始值,根据数据样本协方差矩阵和每个阵元的复散射回波系数之间的相互关系进行迭代。该角度估计方法在针对方位向成像进行优化后的结构下,能够实现较高的角度分辨率,同时降低了系统的整体成本。
步骤108:根据全景二维图像和高度维角度估计结果,得到全景三维图像。
上述无人驾驶车三维全景感知方法中,所述方法包括:将旋转扫描装置安装在无人车车顶,将雷达安装在旋转扫描装置转臂的运动末端,在方位向通过转臂旋转形成旋转扫描合成孔径雷达系统,在高度向通过多收多发天线阵列来获取高度信息;在弧形轨迹扫描的有效视角为360°,且在方位向上的分辨率是显著高于实孔径阵列的;无人驾驶环境的成像方法是基于二维全景旋转扫描合成孔径雷达系统,相比常规二维实孔径阵列雷达具有更好的视场范围和方位向分辨率;阵元在单一位置上只能接收到单次快拍的回波信号的FFT处理结果为初始值,采用迭代角度估计方法提高角度分辨率。采用本方法能对无人车周围目标进行三维全景高分辨成像,满足后续目标识别处理的要求。
在其中一个实施例中,步骤102包括:对旋转扫描合成孔径雷达系统中每个阵元接收到的回波信号进行调频处理,得到距离向脉冲压缩处理的数据;对探测范围进行网格化,得到每个网格的坐标;计算整个探测范围与雷达天线之间的信号时间差,根据信号时间差计算距离门;根据距离门选择角度范围的方位向数据,然后选择同样角度范围的窗函数对此段数据进行插值处理,得到目标点Q处的数据值;计算雷达到所有网格点的距离,并计算所有网格点相对于目标点的延迟时间,根据延迟时间确定回波信号相对于发射信号的延迟相位,并根据延迟相位对目标点Q处的数据值进行相位补偿;对雷达系统能接受到目标点Q的回波信号的一段圆弧轨迹上的每个位置的雷达回波数据进行相应的插值重采样,并进行相位补充,将相位补充后的回波数据相干累加,得到目标点Q的回波幅度值;对整个场景中的所有像素点都采用后向投影成像算法进行SAR成像,得到每个像素点的回波幅度值,输出整幅二维图像。
具体的,全景旋转扫描环境感知雷达系统的结构示意图如图2所示。
首先建立以转台旋转中心为原点的坐标系,图3为全景旋转扫描环境感知雷达系统的二维几何示意图。它是由旋转平台中心延伸出的旋臂和用于收发信号的SAR雷达系统组成。由于旋转扫描SAR系统的合成孔径通过附在旋臂末端的天线旋转生成,该系统的视场能够覆盖360°全景范围。
选取SAR雷达系统的旋转平面为成像平面,为点目标点(假设在成像平面上),为旋臂长度,即SAR雷达系统的旋转半径,为旋臂旋转角度,即方位向角度,为目标位置的方位角,为瞬时斜视角,为目标与旋转中心的瞬时距离,为目标与天线相位中心的瞬时距离,它是关于的函数。
设c为光速。那么,发射信号与接收信号的时间差可表示为:
采用后向投影(BP)成像算法进行SAR成像,该算法具有实现简单、易于并行加速的优点。BP算法的步骤如下:
(1)距离压缩
距离压缩就是对每个阵元接收到的回波信号做采样处理和FFT处理。天线的波束宽度不影响距离向的成像处理结果。因此,下面公式中就不考虑天线的波束宽度。对采样后的信号进行 FFT后的结果如下:
(2)数据插值重采样
对距离向脉冲压缩处理的数据进行选择。首先对探测范围进行网格化。再利用信号时间差来计算距离门。这个距离门表示为距离压缩数据中目标散射点Q所在位置。再根据此距离门选择一个角度范围的方位向数据。然后选择同样角度范围的的窗函数对此段数据进行插值处理。最后得到目标点Q处的数据值。
(3)补偿延迟相位
延迟相位是回波相对于发射信号的附加相位。为了实现同一点目标在不同时刻的回波能相干累加,必须先补偿掉在每一时刻的延迟相位。延迟相位补偿因子计算公式可以表示为:
(4)相干累加
对于合成孔径雷达来说,雷达系统发射信号的位置是在不断变化的。在旋转扫描SAR中,雷达系统在一段圆弧轨迹的位置上都能接收到目标点Q的回波信号。因此,我们需要对圆形轨迹上每个位置的雷达回波数据进行相应的插值重采样。同时再补偿各自的剩余相位。最后将回波数据相干累加,得到目标点Q的总回波幅度值如下:
对整个场景中的所有像素点都重复进行以上四个步骤的操作。得到每个像素点的回波幅度值。最后输出整幅二维图像。
在其中一个实施例中,步骤106包括:设置预设迭代次数;根据每个散射点能量值的初始化值、噪声能量估计矩阵的初始化值、测量信号协方差矩阵以及导向矩阵,采用迭代公式进行迭代计算,直至满足预设迭代次数要求,得到最终能量矩阵;所述迭代公式为:
其中,为第n次迭代得到的能量矩阵对角线上的第l个元素,为遍历角度的划分数量,A为导向矩阵,上标H为共轭转置,为第n次迭代得到的测量信号协方差矩阵,为单位矩阵的第m列,为第n次迭代噪声能量估计矩阵中对角线上的第m个元素,为阵元的数量,为接收到的回波数据;为角度为的导向矢量;n为迭代次数,n为大于等于1且小于等于预设迭代次数的整数。
根据最终能量矩阵得到复散射回波系数,将每一个散射系数对应到跨航迹方向的分辨单元,得到高度维角度估计结果。
具体的,三维全景旋转扫描环境感知雷达系统在二维全景感知的基础上,在高度维上设置了多收多发天线阵列,图4为三维全景旋转扫描环境感知雷达系统的几何示意图。它在高度维通过天线阵列来获取高度信息,设计了一种高精度的角度估计处理方法进行分辨,结合由旋转扫描结构中天线环扫生成的方位向合成孔径,该系统能够实现覆盖360°全景三维成像。
电磁波的速度等于光速,那么上面的路程计算到时间维度,可以得出:相同的信号,要到达后一个阵元,就比前一个阵元在时间上迟了。假设阵列天线共有个阵元组成,并且以第一个阵元为参考点,那么每一个阵元相对于第一个阵元的时间差为:
那么到达各个阵元的信号,相对于第一个阵元的相位差就应该是:
对于均匀线阵,某一时刻接收到一个包含l个不同方向信息的快拍信号:
根据式(16)中接收信号的形式,虽然信号的角度不知道,但还是对于给定的阵列,其所有角度的导向矢量的数学形式是已知的。因此,可以运用空间FFT来进行DOA估计。
在旋转扫描SAR成像体制下,存在快拍数少、多目标信号相干等特点。因此,对于具有更好角度估计的经典DOA算法Capon和MUSIC都不适用,这些算法处理相干信号需要采集多次快拍信号来进行样本协方差矩阵估计,以此提高信噪比和估计分辨率。而且,空间FFT对回波信号的处理比较直接,其受噪声和旁瓣串扰的影响比较大,因此,在对角度分辨中的精度不高。
针对旋转扫描体制SAR成像的特点,本发明设计了一种用于无人驾驶传感器结构的角度估计方法。它能够通过一次快拍实现频谱估计,同时具有很高的估计精度。该迭代角度估计方法是以FFT结果为初始值,根据数据样本协方差矩阵和每个阵元的复散射回波系数之间的相互关系进行迭代,其核心是每一次迭代开始时都利用前一次谱估计的结果构造信号协方差矩阵。它是在APES算法基础上提出了具有鲁棒性和非参数的自适应谱分析方法。因此,它能够在同等基线长度下有效抑制旁瓣影响,同时拥有更高的分辨力,从而实现提高三维成像效果。
与空间FFT中原理类似,但只有一次快拍,因此考虑信号模型为:
上式的解为:
用散射系数的无偏估计值代替散射系数,即将式(22)代入(23)得:
根据式(27)以及矩阵求逆引理,式(23)又可以写为:
根据以上公式,若测量信号协方差矩阵为单位矩阵,则该式就是空间FFT估计的表达式。在计算测量信号协方差矩阵之前,须先确定能量矩阵中对角元素的值。迭代角度估计方法用空间FFT估计结果来对能量矩阵进行初始赋值,然后通过循环迭代的方式不断更新矩阵测量信号协方差矩阵以及能量矩阵,直到达到收敛条件。一般而言,当迭代角度估计方法的迭代次数超过10次以后,其估计结果的性能不再明显提升,此时可认为算法已达到收敛。
在其中一个实施例中,提供了基于迭代角度估计方法均匀线阵成像方法,具体步骤包括:
一、初始化系统参数,将每一个阵元接收的数据做脉冲压缩、距离徙动补偿等处理可以得到M组二维场景在距离方位向的SAR图像。
三、确定第一个目标点所在位置各散射点的位置及其系数。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图2所示,提供了一种无人驾驶车三维全景感知雷达系统,该系统用于采用上述任一无人驾驶车三维全景感知方法实现无人驾驶车的三维全景感知,系统包括:信号处理显示分系统、阵列雷达和旋转机械装置。
阵列雷达的收发天线是多收多发天线阵列201;阵列雷达安装在转臂的运动末端,多收多发天线阵列垂直转臂末端方向放置;阵列雷达与信号处理显示分系统202连接。雷达安装在无人车车顶,对圆弧轨道向外进行探测,由此可获得车辆周围360°范围内的高分辨三维成像结果。
旋转机械装置,包括转台203、基座204、转臂205、旋转电机206和通信控制单元207;基座204是旋转电机206、通信控制单元207的安装容器,转臂205通过轴承208与转台203固定,旋转电机206与轴承208连接,转台203安装在基座204上;旋转电机206用于在通信控制单元207的控制下驱动转臂205旋转;通信控制单元207与阵列雷达和信号处理显示分系统202连接。
信号处理显示分系统202安装在旋转机械装置近端或远端,包括控制模块、信号处理模块、显示模块以及历史数据存储数据库,控制模块用于接收用户的控制指令,产生控制旋转机械装置和阵列雷达的命令,并分别发送至通信控制单元207和阵列雷达;信号处理模块用于实时接收阵列雷达输出的雷达信号,根据雷达信号进行二维全景成像处理和高度维的角度估计,得到全景三维图像;显示模块用于显示信号处理模块输出的处理结果,历史数据存储数据库用于存储探测结果。
具体的,本系统采用成熟的机械电子结构,成本较低、适合大范围应用推广。本系统的硬件构成由机械转臂和低功率雷达组成,转臂可采用步进转台实现,低功率雷达存在较多的货架产品,如77GHz雷达,MMW雷达等。相比当前多个角雷达组成的全景探测解决方案,本实施例能够仅用一个雷达系统通过一次扫描实现三维全景成像,因此系统的整体成本较低且易于其他应用场景的迁移使用,适合在无人驾驶、智能交通和直升机等领域大范围推广应用。
在其中一个实施例中,阵列雷达是调频连续波雷达,还包括:宽带频率源209、发射机210、接收机211、AD采集板212、参考信号213、以及信号预处理模块214。
宽带频率源209,用于在信号处理显示分系统202发送的控制命令的控制下,根据参考信号调制出发射机210所需的宽带雷达波形;发射机210,用于将宽带雷达波形与参考波形进行混频、滤波和功率放大,得到发射雷达信号;多收多发天线阵列201中的发射天线用于将发射雷达信号发射到无人驾驶车周围环境,接收天线用于将目标的回波散射信息收集并传输至接收机211;接收机211,用于将接收到的回波信号滤波、放大后,与发射机210参考信号做解调接收,形成中频信号,并输入至AD采集板212;AD采集板212,用于将中频信号进行模数转换后输入至信号预处理模块214;信号预处理模块214,用于对接收到的信息进行脉冲压缩处理,并将处理后的信号输入至信号处理显示分系统202。
在其中一个实施例中,所述多收多发天线阵列采用频分/码分复用的方案,不同天线阵元的发射波形从频率或者编码方式上进行区分,信号处理显示分系统通过指令控制宽带频率源,使不同的发射阵元工作在不同频率上或者采用不同的编码发射波形。
具体的,阵列雷达总体系统中在高度维放置了多收多发天线阵列,相较于一发多收和自发自收的结构,多收多发天线阵列的设计可以在较短的物理长度中实现更多阵元的等效。由于无人驾驶车对于传感器高度有一定的限制,采用多收多发天线阵列结构有利于提高角度感知的分辨率。但是天线阵元之间的间距很小,发射信号都采用宽带相参连续波体制。因此,为了防止阵元之间产生同频干扰影响测量结果,提出了采用频分/码分复用的方案。不同天线阵元的发射波形可以从频率或者编码方式上进行区分,信号处理显示分系统通过指令控制宽带频率源,使不同的发射阵元工作在不同频率上或者采用不同的编码发射波形,便于在接收信号中做区分。
在其中一个实施例中,通信控制单元用于连接处理显示分系统与阵列雷达,传输命令和测量数据,还用于接收信号处理显示分系统的命令,控制旋转机械装置的旋转,从而使得信号处理显示分系统、阵列雷达和旋转机械装置同步协调工作。
在其中一个实施例中,控制模块根据用户的控制指令产生的控制旋转机械装置和阵列雷达工作所需的命令包括:转台同步旋转、同步发射、同步接收;开始、暂停与结束工作;工作参数、工作模式切换;系统自检与校准。
在其中一个实施例中,信号处理显示分系统,还用于根据实时接收的阵列雷达输出的雷达信号,完成近海目标检测、参数提取、高分辨成像、多目标跟踪的高级雷达信号处理任务。
在其中一个实施例中,当信号处理显示分系统安装在旋转机械装置的远端时,信号处理显示分系统通过数据链路与旋转机械装置连接。
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发明专利范围的限制。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,本申请专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种无人驾驶车三维全景感知方法,其特征在于,所述方法包括:
将旋转扫描装置安装在无人车车顶,将雷达安装在旋转扫描装置转臂的运动末端,在方位向通过转臂旋转形成旋转扫描合成孔径雷达系统;
对旋转扫描合成孔径雷达系统中每个阵元接收到信号进行调频处理,得到回波信号;根据所述回波信号在方位向采用后向投影成像算法进行SAR成像,得到全景二维图像;
在旋转扫描合成孔径雷达系统的基础上,在高度维上设置多收多发天线阵列;通过多收多发天线阵列接收单次快拍的回波信号,根据预处理后的回波信号采用空间FFT方法进行处理,根据得到的处理结果对散射点能量值进行初始化;
根据每个散射点能量值的初始化值、噪声能量估计矩阵的初始化值以及导向矩阵,采用迭代角度估计方法更新测量信号协方差矩阵和能量矩阵,直到达到收敛条件,根据得到的最终能量矩阵得到高度维角度估计结果;噪声能量估计矩阵的初始化值为零矩阵;所述噪声能量估计矩阵的初始化值为零矩阵;
根据所述全景二维图像和所述高度维角度估计结果,得到全景三维图像;
其中,根据每个散射点能量值的初始化值、噪声能量估计矩阵的初始化值以及导向矩阵,采用迭代角度估计方法更新测量信号协方差矩阵和能量矩阵,直到达到收敛条件,根据得到的最终能量矩阵得到高度维角度估计结果,包括:
设置预设迭代次数;
根据每个散射点能量值的初始化值、噪声能量估计矩阵的初始化值、测量信号协方差矩阵以及导向矩阵,采用迭代公式进行迭代计算,直至满足预设迭代次数要求,得到最终能量矩阵;所述迭代公式为:
其中,为第n次迭代得到的能量矩阵对角线上的第l个元素,为遍历角度的划分数量,A为导向矩阵,上标H为共轭转置,为第n次迭代得到的测量信号协方差矩阵,为单位矩阵的第m列,是第n次迭代噪声能量估计矩阵中对角线上的第m个元素,为阵元的数量,为接收到的回波数据;为角度为的导向矢量;n为迭代次数,n为大于等于1且小于等于预设迭代次数的整数;
根据最终能量矩阵得到复散射回波系数,将每一个散射系数对应到跨航迹方向的分辨单元,得到高度维角度估计结果。
2.根据权利要求1所述的方法,其特征在于,对旋转扫描合成孔径雷达系统中每个阵元接收到信号进行调频处理,得到回波信号;根据所述回波信号在方位向采用后向投影成像算法进行SAR成像,得到全景二维图像,包括:
对旋转扫描合成孔径雷达系统中每个阵元接收到的回波信号进行调频处理,得到距离向脉冲压缩处理的数据;
对探测范围进行网格化,得到每个网格的坐标;
计算整个探测范围与雷达天线之间的信号时间差,根据信号时间差计算距离门;
根据所述距离门选择角度范围的方位向数据,然后选择同样角度范围的窗函数对此段数据进行插值处理,得到目标点Q处的数据值;
计算雷达到所有网格点的距离,并计算所有网格点相对于目标点的延迟时间,根据所述延迟时间确定回波信号相对于发射信号的延迟相位,并根据所述延迟相位对目标点Q处的数据值进行相位补偿;
对雷达系统能接受到目标点Q的回波信号的一段圆弧轨迹上的每个位置的雷达回波数据进行相应的插值重采样,并进行相位补充,将相位补充后的回波数据相干累加,得到目标点Q的回波幅度值;
对整个场景中的所有像素点都采用后向投影成像算法进行SAR成像,得到每个像素点的回波幅度值,输出整幅二维图像。
3.一种无人驾驶车三维全景感知雷达系统,其特征在于,所述系统用于采用权利要求1-2任一项所述无人驾驶车三维全景感知方法实现无人驾驶车的三维全景感知,所述系统包括:信号处理显示分系统、阵列雷达和旋转机械装置;
所述阵列雷达的收发天线是多收多发天线阵列;所述阵列雷达安装在转臂的运动末端,所述多收多发天线阵列垂直所述转臂末端方向放置;所述阵列雷达与所述信号处理显示分系统连接;
所述旋转机械装置,包括转台、基座、转臂、旋转电机和通信控制单元;所述基座是所述旋转电机、所述通信控制单元的安装容器,所述转臂通过轴承与所述转台固定,所述转台安装在所述基座上,所述旋转电机与所述轴承连接;所述旋转电机用于在通信控制单元的控制下驱动所述转臂旋转;所述通信控制单元与所述阵列雷达和所述信号处理显示分系统连接;
所述信号处理显示分系统安装在所述旋转机械装置近端或远端,包括控制模块、信号处理模块、显示模块以及历史数据存储数据库,所述控制模块用于接收用户的控制指令,产生控制所述旋转机械装置和所述阵列雷达的命令,并分别发送至所述通信控制单元和所述阵列雷达;所述信号处理模块用于实时接收所述阵列雷达输出的雷达信号,根据所述雷达信号进行二维全景成成像处理和高度维的角度估计,得到全景三维图像;所述显示模块用于显示信号处理模块输出的处理结果,所述历史数据存储数据库用于存储探测结果。
4.根据权利要求3所述的系统,其特征在于,所述阵列雷达是调频连续波雷达,还包括:宽带频率源、发射机、接收机、AD采集、参考信号、以及信号预处理模块,
所述宽带频率源,用于在信号处理显示分系统发送的控制命令的控制下,根据参考信号调制出发射机所需的宽带雷达波形;
所述发射机,用于将所述宽带雷达波形与参考波形进行混频、滤波好功率放大,得到发射雷达信号;
所述多收多发天线阵列中的发射天线用于将所述发射雷达信号发射到无人驾驶车周围环境,接收天线用于将目标的回波散射信息收集并传输至接收机;
所述接收机,用于将回波信号滤波、放大后,与发射机参考信号做解调接收,形成中频信号,并输入至AD采集板;
所述AD采集板,用于将所述中频信号减小模数转换后输入至信号预处理模块;
所述信号预处理,用于对接收到的信息进行脉冲压缩处理,并将处理后的信号输入至信号处理显示分系统。
5.根据权利要求3所述的系统,其特征在于,所述多收多发天线阵列采用频分/码分复用的方案,不同天线阵元的发射波形从频率或者编码方式上进行区分,所述信号处理显示分系统通过指令控制宽带频率源,使不同的发射阵元工作在不同频率上或者采用不同的编码发射波形。
6.根据权利要求3所述的系统,其特征在于,所述通信控制单元用于连接处理显示分系统与阵列雷达,传输命令和测量数据,还用于接收信号处理显示分系统的命令,控制旋转机械装置的旋转,从而使得信号处理显示分系统、阵列雷达和旋转机械装置同步协调工作。
7.根据权利要求4所述的系统,其特征在于,所述控制模块根据用户的控制指令产生的控制旋转机械装置和阵列雷达工作所需的命令包括:转台同步旋转、同步发射、同步接收;开始、暂停与结束工作;工作参数、工作模式切换;系统自检与校准。
8.根据权利要求3所述的系统,其特征在于,所述信号处理显示分系统,还用于根据实时接收的所述阵列雷达输出的雷达信号,完成近海目标检测、参数提取、高分辨成像、多目标跟踪的高级雷达信号处理任务。
9.根据权利要求3所述的系统,其特征在于,当所述信号处理显示分系统安装在所述旋转机械装置的远端时,所述信号处理显示分系统通过数据链路与所述旋转机械装置连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210978644.2A CN115047456B (zh) | 2022-08-16 | 2022-08-16 | 无人驾驶车三维全景感知方法和雷达系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210978644.2A CN115047456B (zh) | 2022-08-16 | 2022-08-16 | 无人驾驶车三维全景感知方法和雷达系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115047456A CN115047456A (zh) | 2022-09-13 |
CN115047456B true CN115047456B (zh) | 2022-10-25 |
Family
ID=83166377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210978644.2A Active CN115047456B (zh) | 2022-08-16 | 2022-08-16 | 无人驾驶车三维全景感知方法和雷达系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115047456B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6628844B1 (en) * | 1997-02-19 | 2003-09-30 | Massachusetts Institute Of Technology | High definition imaging apparatus and method |
CN104166129A (zh) * | 2014-08-22 | 2014-11-26 | 电子科技大学 | 一种实波束雷达迭代最小均方误差角超分辨方法 |
CN105068041A (zh) * | 2015-08-28 | 2015-11-18 | 哈尔滨工程大学 | 互耦条件下基于协方差矢量稀疏表示的单基地mimo雷达角度估计方法 |
CN107167785A (zh) * | 2017-07-11 | 2017-09-15 | 吉林大学 | 一种稳健的大阵列mimo雷达目标收发角联合估计方法 |
CN109212526A (zh) * | 2018-10-17 | 2019-01-15 | 哈尔滨工业大学 | 用于高频地波雷达的分布式阵列目标角度测量方法 |
CN113376634A (zh) * | 2021-05-25 | 2021-09-10 | 西安电子科技大学 | 基于gniaa的舰船目标isar成像方法 |
CN114545401A (zh) * | 2021-12-02 | 2022-05-27 | 南京航空航天大学 | 用于机载前视阵列雷达的空时自适应迭代超分辨成像方法 |
CN114720981A (zh) * | 2022-04-19 | 2022-07-08 | 电子科技大学 | 基于主成分增强矩阵填充的毫米波雷达三维稀疏成像方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7671786B2 (en) * | 2008-05-09 | 2010-03-02 | Mitsubishi Electric Research Laboratories, Inc. | Method and apparatus for representing and classifying microwave back-projection radar signals |
US9329263B2 (en) * | 2011-05-23 | 2016-05-03 | The Regents Of The University Of Michigan | Imaging system and method |
-
2022
- 2022-08-16 CN CN202210978644.2A patent/CN115047456B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6628844B1 (en) * | 1997-02-19 | 2003-09-30 | Massachusetts Institute Of Technology | High definition imaging apparatus and method |
CN104166129A (zh) * | 2014-08-22 | 2014-11-26 | 电子科技大学 | 一种实波束雷达迭代最小均方误差角超分辨方法 |
CN105068041A (zh) * | 2015-08-28 | 2015-11-18 | 哈尔滨工程大学 | 互耦条件下基于协方差矢量稀疏表示的单基地mimo雷达角度估计方法 |
CN107167785A (zh) * | 2017-07-11 | 2017-09-15 | 吉林大学 | 一种稳健的大阵列mimo雷达目标收发角联合估计方法 |
CN109212526A (zh) * | 2018-10-17 | 2019-01-15 | 哈尔滨工业大学 | 用于高频地波雷达的分布式阵列目标角度测量方法 |
CN113376634A (zh) * | 2021-05-25 | 2021-09-10 | 西安电子科技大学 | 基于gniaa的舰船目标isar成像方法 |
CN114545401A (zh) * | 2021-12-02 | 2022-05-27 | 南京航空航天大学 | 用于机载前视阵列雷达的空时自适应迭代超分辨成像方法 |
CN114720981A (zh) * | 2022-04-19 | 2022-07-08 | 电子科技大学 | 基于主成分增强矩阵填充的毫米波雷达三维稀疏成像方法 |
Non-Patent Citations (3)
Title |
---|
A Fast Iterative Adaptive Approach for Scanning Radar Angular Superresolution;Yongchao Zhang 等;《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》;20150710;第8卷(第11期);第5336-5345页 * |
Fast Displacement Estimation of Multiple Close Targets with MIMO Radar and MUSICAPES Method;jian wang 等;《remote sensing》;20220421;第1-18页 * |
空间步进频雷达多参数联合稀疏估计方法;贾远航 等;《雷达科学与技术》;20210830;第19卷(第4期);第423-429页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115047456A (zh) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jao | Theory of synthetic aperture radar imaging of a moving target | |
CN110456343B (zh) | 一种基于fmcw毫米波雷达的即时定位方法及系统 | |
CN107229048B (zh) | 一种高分宽幅sar动目标速度估计与成像方法 | |
US11506776B2 (en) | Method and device with improved radar resolution | |
Checchin et al. | Radar scan matching slam using the fourier-mellin transform | |
US8797206B2 (en) | Method and apparatus for simultaneous multi-mode processing performing target detection and tracking using along track interferometry (ATI) and space-time adaptive processing (STAP) | |
WO2018147929A2 (en) | Millimeter wave and/or microwave imaging systems and methods including examples of partioned inverse and enhanced resolution modes and imaging devices | |
US20050179579A1 (en) | Radar receiver motion compensation system and method | |
CN110412587B (zh) | 一种基于解卷积的下视合成孔径三维成像方法及系统 | |
Rouveure et al. | PELICAN: Panoramic millimeter-wave radar for perception in mobile robotics applications, Part 1: Principles of FMCW radar and of 2D image construction | |
CN109073743A (zh) | 弱目标检测方法、微波雷达传感器及无人机 | |
CN114545411A (zh) | 一种基于工程实现的极坐标格式多模高分辨sar成像方法 | |
CN102565772B (zh) | 基于sar子孔径序列图像的海洋动态信息提取方法 | |
CN115856854A (zh) | 一种模型与数据混合驱动的雷达探测方法及系统 | |
CN115877344A (zh) | 一种宽带检测跟踪识别一体化处理的雷达探测方法及系统 | |
CN115291207A (zh) | 基于mimo雷达的小型旋翼无人机多目标检测方法 | |
US11378679B2 (en) | Sensor array imaging device | |
Bezvesilniy et al. | Synthetic aperture radar systems for small aircrafts: Data processing approaches | |
CN110308445B (zh) | 一种基于车载数字阵调频连续波雷达的成像方法 | |
CN115047456B (zh) | 无人驾驶车三维全景感知方法和雷达系统 | |
US8063817B2 (en) | Method for cross-range enhancement of real-beam radar imagery | |
Belcher et al. | Hybrid strip-map/spotlight SAR | |
Gao et al. | Static background removal in vehicular radar: Filtering in azimuth-elevation-doppler domain | |
CN115980746A (zh) | 一种可行驶区域的检测方法、装置、车辆及存储介质 | |
Hoffmann et al. | Filter-based segmentation of automotive sar images |
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 |