CN115050192B - 基于毫米波雷达的停车位检测的方法及应用 - Google Patents

基于毫米波雷达的停车位检测的方法及应用 Download PDF

Info

Publication number
CN115050192B
CN115050192B CN202210653276.4A CN202210653276A CN115050192B CN 115050192 B CN115050192 B CN 115050192B CN 202210653276 A CN202210653276 A CN 202210653276A CN 115050192 B CN115050192 B CN 115050192B
Authority
CN
China
Prior art keywords
parking space
point cloud
data
moving
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
Application number
CN202210653276.4A
Other languages
English (en)
Other versions
CN115050192A (zh
Inventor
陈涛
周世军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Sidian Microsystems Co ltd
Original Assignee
Nanjing Sidian Microsystems Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Sidian Microsystems Co ltd filed Critical Nanjing Sidian Microsystems Co ltd
Priority to CN202210653276.4A priority Critical patent/CN115050192B/zh
Publication of CN115050192A publication Critical patent/CN115050192A/zh
Application granted granted Critical
Publication of CN115050192B publication Critical patent/CN115050192B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于毫米波雷达的停车位检测的方法及应用，该方法包括以下步骤：采集毫米波雷达初次安装时的停车位背景数据，并对所述停车位背景数据进行处理，以得到先验数据点云特征和运动目标信息；根据所述运动目标的点云图判断所述运动目标是否为车辆；若是，通过所述运动目标信息判断所述运动目标是否进入或驶出车位；若是，采集所述运动目标停止运动后的停车位背景数据，并对所述停车位背景数据进行1DFFT处理，得到当前环境点云特征；以及根据所述当前环境点云特征，所述先验数据点云特征以及两者对消后的点云特征判断当前停车位是否为占用状态，并控制当前停车位的车位指示灯点亮。该方法能同时进行车位占用状态检测和运动目标检测。

Description

基于毫米波雷达的停车位检测的方法及应用
技术领域
本发明是关于车位检测领域，特别是关于一种基于毫米波雷达的停车位检测的方法及应用。
背景技术
随着私家车数量越来越多，车位也越来越多。许多人员流动大、商业往来频繁的地方都会设有地上、地下的停车位。停车位检测就成了智能停车场系统的必要组成部分，目前大部分商场都有停车位检测系统。同时随着国家节能减排号召，室内停车场需要对无人的区域减少照明设备工作数量以降低能耗，而实现此功能则需要对区域内是否有人进行监测。
目前，停车位占用状态是检测主要通过超声波雷达或摄像头进行检测。(1)在每个车位正上方安装超声波雷达，通过检测雷达正下方目标到雷达的距离变化来判断是否有车，优点是准确度较高，缺点是对安装要求较高，且只能检测静止物体。(2)在每个车位前沿上方安装摄像头，通过图像识别的方式检测是否有车，优点是准确度高，可以识别车牌，缺点是成本高，容易被灰尘，水渍覆盖干扰。
目前，停车场运动目标的检测主要通过以下方式：(1)5.8GHz多普勒雷达和照明灯一体安装，通过多普勒效应检测是否有运动物体，优点是对运动物体敏感，准确率较高，缺点是只能检测运动物体，而且安装密度较高时容易造成自激干扰。(2)红外PIR传感器和照明灯一体安装，通过感应人体和车辆散发热射线检测是否有运动物体，优点是对热源敏感，缺点是容易受温度干扰，且无法检测静止的车辆。
以上两种检测功能的各自解决方案彼此独立，综合成本高，且方案本身也存在易受干扰，安装要求高等缺点。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种基于毫米波雷达的停车位检测的方法及应用，解决如何同时进行停车位占用状态的检测和停车场内运动目标的检测的问题。
为实现上述目的，本发明的实施例提供了一种基于毫米波雷达的停车位检测的方法。
在本发明的一个或多个实施方式中，所述方法包括：采集毫米波雷达初次安装时的停车位背景数据，并对所述停车位背景数据进行处理，以得到先验数据点云特征和运动目标信息，其中，所述运动目标信息包括所述运动目标的速度和位置距离；根据所述运动目标的点云图判断所述运动目标是否为车辆；若是，通过所述运动目标信息判断所述运动目标是否进入或驶出车位；若是，采集所述运动目标停止运动后的停车位背景数据，并对所述停车位背景数据进行1DFFT处理，得到当前环境点云特征；以及根据所述当前环境点云特征，所述先验数据点云特征以及两者对消后的点云特征判断当前停车位是否为占用状态，并控制当前停车位的车位指示灯点亮。
在本发明的一个或多个实施方式中，对所述停车位背景数据进行处理，以得到先验数据点云特征和运动目标信息，包括：对所述停车位背景数据进行1DFFT处理，得到先验数据点云特征；对所述先验数据点云特征进行MTI处理，以过滤静止目标，保留运动目标；以及对所述MTI处理后的每帧数据进行2DFFT处理，以得到所述运动目标信息，并对2DFFT处理后的数据块进行CFAR目标检索，以判断当前停车位是否存在运动目标。
在本发明的一个或多个实施方式中，根据所述停车位背景数据的点云图判断所述运动目标是否为车辆，包括：记录每一时刻所述运动目标点云中点的数量、速度和位置距离，并对所述运动目标点云中同速度方向的点的数量进行统计；判断所述运动目标点云中同速度方向的点的数量是否大于预设的车辆目标点数；若是，确定所述运动目标为车辆。
在本发明的一个或多个实施方式中，通过所述运动目标信息判断所述运动目标是否进入或驶出车位，包括：将所述运动目标的点云中当前时刻具有相同速度的点划分为同组，并从所有组中选取点数最多的点组，记为车目标；计算所述车目标的位置距离的最小值，并根据所述最小值形成轨迹数组；以及根据所述轨迹数组中记录的运行轨迹判断所述运动目标是否进入或驶出车位。
在本发明的一个或多个实施方式中，根据所述当前环境点云特征，所述先验数据点云特征以及两者对消后的点云特征判断当前车位是否为占用状态，包括：将所述当前环境点云特征和所述先验数据点云特征进行对消；统计所述当前环境点云特征，所述先验数据点云特征以及对消后的点云特征的数据特征，其中，所述数据特征包括：最大峰值位置、点云维持距离、对地目标是否存在；以及根据所述数据特征判断当前停车位的占用状态，并将所述占用状态保存至所述先验数据点云特征。
在本发明的一个或多个实施方式中，所述方法还包括：在采集毫米波雷达初次安装时的停车位背景数据后，根据所述停车位背景数据绘制点云图。
在本发明的一个或多个实施方式中，所述方法还包括：在当前停车位不存在运动目标时，对所述先验数据点云特征进行MTI处理，以过滤静止目标，保留运动目标；以及对所述MTI处理后的每帧数据进行2DFFT处理，并对2DFFT数据块进行CFAR目标检索。
在本发明的一个或多个实施方式中，所述方法还包括：在当前停车位存在运动目标时，控制当前停车位的照明灯点亮；或在当前停车位不存在运动目标时，控制当前停车位的照明灯熄灭。
在本发明的另一个方面当中，提供了一种基于毫米波雷达的停车位检测的装置，其包括数据处理模块、判断模块和指示模块。
数据处理模块，用于采集毫米波雷达初次安装时的停车位背景数据，并对所述停车位背景数据进行处理，以得到先验数据点云特征和运动目标信息，其中，所述运动目标信息包括所述运动目标的速度和位置距离；
判断模块，用于根据所述运动目标的点云图判断所述运动目标是否为车辆；以及通过所述运动目标信息判断所述运动目标是否进入或驶出车位；
指示模块，用于采集所述运动目标停止运动后的停车位背景数据，并对所述停车位背景数据进行1DFFT处理，得到当前环境点云特征；以及根据所述当前环境点云特征，所述先验数据点云特征以及两者对消后的点云特征判断当前停车位是否为占用状态，并控制当前停车位的车位指示灯点亮。
在本发明的一个或多个实施方式中，所述数据处理模块还用于：对所述停车位背景数据进行1DFFT处理，得到先验数据点云特征；对所述先验数据点云特征进行MTI处理，以过滤静止目标，保留运动目标；以及对所述MTI处理后的每帧数据进行2DFFT处理，以得到所述运动目标信息，并对2DFFT处理后的数据块进行CFAR目标检索，以判断当前停车位是否存在运动目标。
在本发明的一个或多个实施方式中，所述判断模块还用于：记录每一时刻所述运动目标点云中点的数量、速度和位置距离，并对所述运动目标点云中同速度方向的点的数量进行统计；判断所述运动目标点云中同速度方向的点的数量是否大于预设的车辆目标点数；若是，确定所述运动目标为车辆。
在本发明的一个或多个实施方式中，所述判断模块还用于：将所述运动目标的点云中当前时刻具有相同速度的点划分为同组，并从所有组中选取点数最多的点组，记为车目标；计算所述车目标的位置距离的最小值，并根据所述最小值形成轨迹数组；以及根据所述轨迹数组中记录的运行轨迹判断所述运动目标是否进入或驶出车位。
在本发明的一个或多个实施方式中，所述判断模块还用于：将所述当前环境点云特征和所述先验数据点云特征进行对消；统计所述当前环境点云特征，所述先验数据点云特征以及对消后的点云特征的数据特征，其中，所述数据特征包括：最大峰值位置、点云维持距离、对地目标是否存在；以及根据所述数据特征判断当前停车位的占用状态，并将所述占用状态保存至所述先验数据点云特征。
在本发明的一个或多个实施方式中，所述数据处理模块还用于：在采集毫米波雷达初次安装时的停车位背景数据后，根据所述停车位背景数据绘制点云图。
在本发明的一个或多个实施方式中，所述数据处理模块还用于：在当前停车位不存在运动目标时，对所述先验数据点云特征进行MTI处理，以过滤静止目标，保留运动目标；以及对所述MTI处理后的每帧数据进行2DFFT处理，并对2DFFT数据块进行CFAR目标检索。
在本发明的一个或多个实施方式中，所述指示模块还用于：在当前停车位存在运动目标时，控制当前停车位的照明灯点亮；或在当前停车位不存在运动目标时，控制当前停车位的照明灯熄灭。
在本发明的另一个方面当中，提供了一种电子设备，包括：至少一个处理器；以及存储器，所述存储器存储指令，当所述指令被所述至少一个处理器执行时，使得所述至少一个处理器执行如上所述的基于毫米波雷达的停车位检测的方法。
在本发明的另一个方面当中，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如所述的基于毫米波雷达的停车位检测的方法的步骤。
与现有技术相比，根据本发明实施方式的基于毫米波雷达的停车位检测的方法及应用，其能够采用单一毫米波雷达传感器同时进行停车位占用状态的检测和运动目标的检测两个功能，且安装简单不易受干扰，既提升了两个检测功能的检测性能同时大幅降低硬件以及安装成本。
根据本发明实施方式的基于毫米波雷达的停车位检测的方法及应用，其还具有以下优势：安装条件宽松，无需安装在车位正上方，且由于使用双重检测以及对消点云特征检测的方式，安装时无需校准，且不受车位形状、位置、周边环境影响；毫米波雷达在正常车位间距平行安装，不会出现5.8GHz多普勒雷达自激问题；毫米波雷达受温湿度影响较小，不会出现红外PIR传感器在夏季高温时准确度降低的问题。
附图说明
图1是根据本发明一实施方式的基于毫米波雷达的停车位检测的方法的总流程图；
图2是根据本发明一实施方式的基于毫米波雷达的停车位检测的方法的某次上电后1DFFT点云图；
图3是根据本发明一实施方式的基于毫米波雷达的停车位检测的方法的2DFFT数据块示意图；
图4是根据本发明一实施方式的基于毫米波雷达的停车位检测的方法的人和车辆的点云图；
图5是根据本发明一实施方式的基于毫米波雷达的停车位检测的方法的对消折线图；
图6是根据本发明一实施方式的基于毫米波雷达的停车位检测的方法的具体流程图；
图7是根据本发明一实施方式的基于毫米波雷达的停车位检测的装置的结构图；
图8是根据本发明一实施方式的基于毫米波雷达的停车位检测的计算设备的硬件结构图。
具体实施方式
下面结合附图，对本发明的具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其它明确表示，否则在整个说明书和权利要求书中，术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分，而并未排除其它元件或其它组成部分。
以下结合附图，详细说明本发明各实施例提供的技术方案。
实施例1
如图1至图6所示，介绍本发明的一个实施例中基于毫米波雷达的停车位检测的方法，该方法包括如下步骤。
在步骤S101中，采集毫米波雷达初次安装时的停车位背景数据，并对停车位背景数据进行处理，以得到先验数据点云特征和运动目标信息。
在本实施例中，将毫米波雷达安装于停车位前沿上方离地面高度2.5～3米处，雷达天线朝向车位侧倾斜一定角度，在本实施例中倾斜角度为20°。
采集毫米波雷达初次安装时的停车位背景数据，由于安装时无法保证车位是空旷的，初次安装时毫米波雷达时车位上是否停车状态未知，车位旁边有无固定反射物(墙、柱子等)也是未知的，因此毫米波雷达第一次上电时，对停车位背景数据进行1DFFT处理，并绘制成点云图，得到先验数据点云特征，如图2所示。
对毫米波雷达处理得到的距离FFT数据做脉冲之间的2DFFT处理，得到运动目标信息，通过分类算法识别运动目标是行人或者车辆。在当前停车位存在运动目标时，控制当前停车位的照明灯点亮；或在当前停车位不存在运动目标时，控制当前停车位的照明灯熄灭，以实现节能减排。
如图3所示，对先验数据点云特征进行MTI处理，以过滤静止目标，保留运动目标；以及对MTI处理后的每帧数据进行2DFFT处理，2DFFT处理后的数据块Y轴代表速度，X轴代表位置距离，具体的，Y轴上每一格数据物理含义为速度分辨率λ为波长，Tf为帧积累时间；X轴上每一格数据物理含义为距离分辨率/>c为光速，B为扫频带宽。
通过2DFFT处理后的数据块可以得到运动目标的速度和距离位置。对2DFFT数据块进行CFAR目标检索，以判断当前停车位是否存在运动目标。
在步骤S102中，根据运动目标的点云图判断运动目标是否为车辆。
由于运动的车和运动的人所呈现出的点云密度有明显的区别，车的反射面积大会显示出较大数量的目标点，人的反射面积小，目标点数较少。因此记录每一时刻运动目标点云中点的数量、速度和位置距离，并对运动目标点云中同速度方向的点的数量进行统计；判断运动目标点云中同速度方向的点的数量是否大于预设的车辆目标点数；若是，确定运动目标为车辆，否则，确定运动目标为人。如图4所示，左侧两簇较少点云为行走的人回波形成，右侧较密集点云为运动的车回波形成。
在步骤S103中，通过运动目标信息判断运动目标是否进入或驶出车位。
当算法识别出运动目标为车辆时，通过轨迹以及速度的变化特征判断该车辆是通过停车位前的车道还是进入或驶出车位。由于单发单收模式的毫米波雷达只能提供点云速度和距离信息，无法提供角度信息，因此不能准确判断是驶入车位还是驶离车位，只能判断是否经过车位。
每个点包含距离、速度两个要素，将识别为车目标的点根据速度进行二次区分。具体的，将运动目标的点云中当前时刻具有相同速度的点划分为同组，并从所有组中选取点数最多的点组，记为车目标；计算车目标中点之间的距离最小值，并根据最小值形成轨迹数组；以及根据轨迹数组中记录的运行轨迹判断运动目标是否进入或驶出车位。
在步骤S104中，采集运动目标停止运动后的停车位背景数据，并对停车位背景数据进行1DFFT处理，得到当前环境点云特征。
当上述判断结果是有车辆驶入或驶离车位时，等待环境重新静止(即车辆停止移动，占用车位)后，通过毫米波雷达重新采集该停车位的背景数据，并对该背景数据进行1DFFT处理，生成当前环境点云特征。
在步骤S105中，根据当前环境点云特征，先验数据点云特征以及两者对消后的点云特征判断当前停车位是否为占用状态，并控制当前停车位的车位指示灯点亮。
如图5所示，将当前环境点云特征DataCur和先验数据点云特征DataPre进行对消，对消后的点云特征为DataDiff，对消公式为：DataDiff＝DataPre-DataCur。统计当前环境点云特征，先验数据点云特征以及对消后的点云特征的数据特征，其中，数据特征包括：最大峰值位置、点云维持距离、对地目标是否存在；以及根据数据特征判断当前停车位的占用状态，并将占用状态保存至先验数据点云特征。在当前停车位为占用状态时，控制停车位上方车位指示灯进行车位指示，即点亮该车位指示灯。
如图7所示，介绍根据本发明具体实施方式的基于毫米波雷达的停车位检测的装置。
在本发明的实施方式中，基于毫米波雷达的停车位检测的装置包括数据处理模块701、判断模块702和指示模块703。
数据处理模块701，用于采集毫米波雷达初次安装时的停车位背景数据，并对停车位背景数据进行处理，以得到先验数据点云特征和运动目标信息，其中，运动目标信息包括运动目标的速度和位置距离。
判断模块702，用于根据运动目标的点云图判断运动目标是否为车辆；以及通过运动目标信息判断运动目标是否进入或驶出车位。
指示模块703，用于采集运动目标停止运动后的停车位背景数据，并对停车位背景数据进行1DFFT处理，得到当前环境点云特征；以及根据当前环境点云特征，先验数据点云特征以及两者对消后的点云特征判断当前停车位是否为占用状态，并控制当前停车位的车位指示灯点亮。
数据处理模块701还用于：对停车位背景数据进行1DFFT处理，得到先验数据点云特征；对先验数据点云特征进行MTI处理，以过滤静止目标，保留运动目标；以及对MTI处理后的每帧数据进行2DFFT处理，以得到运动目标信息，并对2DFFT处理后的数据块进行CFAR目标检索，以判断当前停车位是否存在运动目标。
判断模块702还用于：记录每一时刻运动目标点云中点的数量、速度和位置距离，并对运动目标点云中同速度方向的点的数量进行统计；判断运动目标点云中同速度方向的点的数量是否大于预设的车辆目标点数；若是，确定运动目标为车辆。
判断模块702还用于：将运动目标的点云中当前时刻具有相同速度的点划分为同组，并从所有组中选取点数最多的点组，记为车目标；计算车目标的位置距离的最小值，并根据最小值形成轨迹数组；以及根据轨迹数组中记录的运行轨迹判断运动目标是否进入或驶出车位。
判断模块702还用于：将当前环境点云特征和先验数据点云特征进行对消；统计当前环境点云特征，先验数据点云特征以及对消后的点云特征的数据特征，其中，数据特征包括：最大峰值位置、点云维持距离、对地目标是否存在；以及根据数据特征判断当前停车位的占用状态，并将占用状态保存至先验数据点云特征。
数据处理模块701还用于：在采集毫米波雷达初次安装时的停车位背景数据后，根据停车位背景数据绘制点云图。
数据处理模块701还用于：在当前停车位不存在运动目标时，对先验数据点云特征进行MTI处理，以过滤静止目标，保留运动目标；以及对MTI处理后的每帧数据进行2DFFT处理，并对2DFFT数据块进行CFAR目标检索。
指示模块703还用于：在当前停车位存在运动目标时，控制当前停车位的照明灯点亮；或在当前停车位不存在运动目标时，控制当前停车位的照明灯熄灭。
图8示出了根据本说明书的实施例的用于基于毫米波雷达的停车位检测的计算设备80的硬件结构图。如图8所示，计算设备80可以包括至少一个处理器801、存储器802(例如非易失性存储器)、内存803和通信接口804，并且至少一个处理器801、存储器802、内存803和通信接口804经由总线805连接在一起。至少一个处理器801执行在存储器802中存储或编码的至少一个计算机可读指令。
应该理解，在存储器802中存储的计算机可执行指令当执行时使得至少一个处理器801进行本说明书的各个实施例中以上结合图1-8描述的各种操作和功能。
在本说明书的实施例中，计算设备80可以包括但不限于：个人计算机、服务器计算机、工作站、桌面型计算机、膝上型计算机、笔记本计算机、移动计算设备、智能电话、平板计算机、蜂窝电话、个人数字助理(PDA)、手持装置、消息收发设备、可佩戴计算设备、消费电子设备等等。
根据一个实施例，提供了一种比如机器可读介质的程序产品。机器可读介质可以具有指令(即，上述以软件形式实现的元素)，该指令当被机器执行时，使得机器执行本说明书的各个实施例中以上结合图1-8描述的各种操作和功能。具体地，可以提供配有可读存储介质的系统或者装置，在该可读存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机或处理器读出并执行存储在该可读存储介质中的指令。
根据本发明实施方式的基于毫米波雷达的停车位检测的方法及应用，其能够采用单一毫米波雷达传感器同时进行停车位占用状态的检测和运动目标的检测两个功能，且安装简单不易受干扰，既提升了两个检测功能的检测性能同时大幅降低硬件以及安装成本。
根据本发明实施方式的基于毫米波雷达的停车位检测的方法及应用，其还具有以下优势：安装条件宽松，无需安装在车位正上方，且由于使用双重检测以及对消点云特征检测的方式，安装时无需校准，且不受车位形状、位置、周边环境影响；毫米波雷达在正常车位间距平行安装，不会出现5.8GHz多普勒雷达自激问题；毫米波雷达受温湿度影响较小，不会出现红外PIR传感器在夏季高温时准确度降低的问题。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式，并且很显然，根据上述教导，可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用，从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。

Claims (8)

1.一种基于毫米波雷达的停车位检测的方法，其特征在于，所述方法包括：
采集毫米波雷达初次安装时的停车位背景数据，并对所述停车位背景数据进行处理，以得到先验数据点云特征和运动目标信息，其中，所述运动目标信息包括所述运动目标的速度和位置距离；
记录每一时刻所述运动目标点云中点的数量、速度和位置距离，并对所述运动目标点云中同速度方向的点的数量进行统计；
判断所述运动目标点云中同速度方向的点的数量是否大于预设的车辆目标点数；若是，确定所述运动目标为车辆；
将所述运动目标的点云中当前时刻具有相同速度的点划分为同组，并从所有组中选取点数最多的点组，记为车目标；
计算所述车目标的位置距离的最小值，并根据所述最小值形成轨迹数组；
根据所述轨迹数组中记录的运行轨迹判断所述运动目标是否进入或驶出车位；若是，
采集所述运动目标停止运动后的停车位背景数据，并对所述停车位背景数据进行1DFFT处理，得到当前环境点云特征；以及
根据所述当前环境点云特征，所述先验数据点云特征以及两者对消后的点云特征判断当前停车位是否为占用状态，并控制当前停车位的车位指示灯点亮。
2.如权利要求1所述的基于毫米波雷达的停车位检测的方法，其特征在于，对所述停车位背景数据进行处理，以得到先验数据点云特征和运动目标信息，包括：
对所述停车位背景数据进行1DFFT处理，得到先验数据点云特征；
对所述先验数据点云特征进行MTI处理，以过滤静止目标，保留运动目标；以及
对所述MTI处理后的每帧数据进行2DFFT处理，以得到所述运动目标信息，并对2DFFT处理后的数据块进行CFAR目标检索，以判断当前停车位是否存在运动目标。
3.如权利要求1所述的基于毫米波雷达的停车位检测的方法，其特征在于，根据所述当前环境点云特征，所述先验数据点云特征以及两者对消后的点云特征判断当前车位是否为占用状态，包括：
将所述当前环境点云特征和所述先验数据点云特征进行对消；
统计所述当前环境点云特征，所述先验数据点云特征以及对消后的点云特征的数据特征，其中，所述数据特征包括：最大峰值位置、点云维持距离、对地目标是否存在；以及
根据所述数据特征判断当前停车位的占用状态，并将所述占用状态保存至所述先验数据点云特征。
4.如权利要求1所述的基于毫米波雷达的停车位检测的方法，其特征在于，所述方法还包括：
在采集毫米波雷达初次安装时的停车位背景数据后，根据所述停车位背景数据绘制点云图。
5.如权利要求2所述的基于毫米波雷达的停车位检测的方法，其特征在于，所述方法还包括：
在当前停车位不存在运动目标时，对所述先验数据点云特征进行MTI处理，以过滤静止目标，保留运动目标；以及
对所述MTI处理后的每帧数据进行2DFFT处理，并对2DFFT数据块进行CFAR目标检索。
6.如权利要求2所述的基于毫米波雷达的停车位检测的方法，其特征在于，所述方法还包括：
在当前停车位存在运动目标时，控制当前停车位的照明灯点亮；或
在当前停车位不存在运动目标时，控制当前停车位的照明灯熄灭。
7.一种基于毫米波雷达的停车位检测的装置，其特征在于，所述装置包括：
数据处理模块，用于采集毫米波雷达初次安装时的停车位背景数据，并对所述停车位背景数据进行处理，以得到先验数据点云特征和运动目标信息，其中，所述运动目标信息包括所述运动目标的速度和位置距离；
判断模块，用于记录每一时刻所述运动目标点云中点的数量、速度和位置距离，并对所述运动目标点云中同速度方向的点的数量进行统计；判断所述运动目标点云中同速度方向的点的数量是否大于预设的车辆目标点数；若是，确定所述运动目标为车辆；根据所述运动目标的点云图判断所述运动目标是否为车辆；若是，将所述运动目标的点云中当前时刻具有相同速度的点划分为同组，并从所有组中选取点数最多的点组，记为车目标计算所述车目标的位置距离的最小值，并根据所述最小值形成轨迹数组；根据所述轨迹数组中记录的运行轨迹判断所述运动目标是否进入或驶出车位；
指示模块，用于采集所述运动目标停止运动后的停车位背景数据，并对所述停车位背景数据进行1DFFT处理，得到当前环境点云特征；以及根据所述当前环境点云特征，所述先验数据点云特征以及两者对消后的点云特征判断当前停车位是否为占用状态，并控制当前停车位的车位指示灯点亮。
8.一种电子设备，其特征在于，包括：
至少一个处理器；以及
存储器，所述存储器存储指令，当所述指令被所述至少一个处理器执行时，使得所述至少一个处理器执行如权利要求1至6中任一项所述的基于毫米波雷达的停车位检测的方法。
CN202210653276.4A 2022-06-09 2022-06-09 基于毫米波雷达的停车位检测的方法及应用 Active CN115050192B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210653276.4A CN115050192B (zh) 2022-06-09 2022-06-09 基于毫米波雷达的停车位检测的方法及应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210653276.4A CN115050192B (zh) 2022-06-09 2022-06-09 基于毫米波雷达的停车位检测的方法及应用

Publications (2)

Publication Number Publication Date
CN115050192A CN115050192A (zh) 2022-09-13
CN115050192B true CN115050192B (zh) 2023-11-21

Family

ID=83160885

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210653276.4A Active CN115050192B (zh) 2022-06-09 2022-06-09 基于毫米波雷达的停车位检测的方法及应用

Country Status (1)

Country Link
CN (1) CN115050192B (zh)

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000230972A (ja) * 1999-02-08 2000-08-22 Mitsubishi Electric Corp レーダ信号処理装置
CN106872967A (zh) * 2017-01-17 2017-06-20 中国人民解放军海军航空工程学院 一种基于双基地雷达的动目标检测系统及方法
CN109031346A (zh) * 2018-07-09 2018-12-18 江苏大学 一种基于3d激光雷达的周边泊车位辅助检测方法
CN109740604A (zh) * 2019-04-01 2019-05-10 深兰人工智能芯片研究院（江苏）有限公司 一种行驶区域检测的方法和设备
CN110599800A (zh) * 2019-09-24 2019-12-20 江苏集萃智能传感技术研究所有限公司 一种停车场车位状态监测系统及监测方法
CN110942663A (zh) * 2019-12-02 2020-03-31 北京深测科技有限公司 一种停车场的监控分配引导方法和系统
CN110969855A (zh) * 2019-12-13 2020-04-07 长沙莫之比智能科技有限公司 一种基于毫米波雷达的交通流量监测系统
CN111047901A (zh) * 2019-11-05 2020-04-21 珠海格力电器股份有限公司 停车管理方法、装置、存储介质、计算机设备
CN111366919A (zh) * 2020-03-24 2020-07-03 南京矽典微系统有限公司 基于毫米波雷达的目标检测方法和装置、电子设备、存储介质
WO2020216316A1 (zh) * 2019-04-26 2020-10-29 纵目科技（上海）股份有限公司 基于毫米波雷达的辅助驾驶系统、方法、终端和介质
CN112098990A (zh) * 2020-11-19 2020-12-18 长沙莫之比智能科技有限公司 车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法
CN112926526A (zh) * 2021-03-30 2021-06-08 矽典微电子(上海)有限公司 基于毫米波雷达的停车检测方法及系统
CN112991162A (zh) * 2019-12-12 2021-06-18 北京初速度科技有限公司 一种点云数据的分层方法及装置
WO2021134296A1 (zh) * 2019-12-30 2021-07-08 深圳元戎启行科技有限公司 障碍物检测方法、装置、计算机设备和存储介质
CN113192337A (zh) * 2021-07-01 2021-07-30 长沙莫之比智能科技有限公司 一种基于毫米波雷达的车位检测方法
CN113191459A (zh) * 2021-05-27 2021-07-30 山东高速建设管理集团有限公司 一种基于路侧激光雷达的在途目标分类方法
CN113945913A (zh) * 2021-10-12 2022-01-18 南昌智能新能源汽车研究院 一种基于毫米波雷达点云的车内人员检测方法

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000230972A (ja) * 1999-02-08 2000-08-22 Mitsubishi Electric Corp レーダ信号処理装置
CN106872967A (zh) * 2017-01-17 2017-06-20 中国人民解放军海军航空工程学院 一种基于双基地雷达的动目标检测系统及方法
CN109031346A (zh) * 2018-07-09 2018-12-18 江苏大学 一种基于3d激光雷达的周边泊车位辅助检测方法
CN109740604A (zh) * 2019-04-01 2019-05-10 深兰人工智能芯片研究院（江苏）有限公司 一种行驶区域检测的方法和设备
WO2020216316A1 (zh) * 2019-04-26 2020-10-29 纵目科技（上海）股份有限公司 基于毫米波雷达的辅助驾驶系统、方法、终端和介质
CN110599800A (zh) * 2019-09-24 2019-12-20 江苏集萃智能传感技术研究所有限公司 一种停车场车位状态监测系统及监测方法
CN111047901A (zh) * 2019-11-05 2020-04-21 珠海格力电器股份有限公司 停车管理方法、装置、存储介质、计算机设备
CN110942663A (zh) * 2019-12-02 2020-03-31 北京深测科技有限公司 一种停车场的监控分配引导方法和系统
CN112991162A (zh) * 2019-12-12 2021-06-18 北京初速度科技有限公司 一种点云数据的分层方法及装置
CN110969855A (zh) * 2019-12-13 2020-04-07 长沙莫之比智能科技有限公司 一种基于毫米波雷达的交通流量监测系统
WO2021134296A1 (zh) * 2019-12-30 2021-07-08 深圳元戎启行科技有限公司 障碍物检测方法、装置、计算机设备和存储介质
CN111366919A (zh) * 2020-03-24 2020-07-03 南京矽典微系统有限公司 基于毫米波雷达的目标检测方法和装置、电子设备、存储介质
CN112098990A (zh) * 2020-11-19 2020-12-18 长沙莫之比智能科技有限公司 车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法
CN112926526A (zh) * 2021-03-30 2021-06-08 矽典微电子(上海)有限公司 基于毫米波雷达的停车检测方法及系统
CN113191459A (zh) * 2021-05-27 2021-07-30 山东高速建设管理集团有限公司 一种基于路侧激光雷达的在途目标分类方法
CN113192337A (zh) * 2021-07-01 2021-07-30 长沙莫之比智能科技有限公司 一种基于毫米波雷达的车位检测方法
CN113945913A (zh) * 2021-10-12 2022-01-18 南昌智能新能源汽车研究院 一种基于毫米波雷达点云的车内人员检测方法

Also Published As

Publication number Publication date
CN115050192A (zh) 2022-09-13

Similar Documents

Publication Publication Date Title
CN107885795B (zh) 一种卡口数据的数据校验方法、系统和装置
KR102323437B1 (ko) 딥러닝 기반 교통량 모니터링 방법, 및 시스템
CN109444872B (zh) 行人与车辆的区分方法、装置、计算机设备及存储介质
CN114488194A (zh) 一种智能驾驶车辆结构化道路下目标检测识别方法
CN109389622B (zh) 车辆追踪方法、装置、识别设备及存储介质
CN112907867B (zh) 一种基于图像识别的预警方法、装置及服务器
CN113192337A (zh) 一种基于毫米波雷达的车位检测方法
CN111047868A (zh) 道路车辆流量检测方法、装置、计算机设备及存储介质
CN115050192B (zh) 基于毫米波雷达的停车位检测的方法及应用
CN115346183A (zh) 一种车道线检测方法、终端及存储介质
CN113625232B (zh) 雷达检测中多径虚假目标抑制方法、装置、介质和设备
CN103018785A (zh) 一种机场跑道异物检查系统
CN115128571B (zh) 一种基于毫米波雷达的多人与非机动车识别方法
CN114662600B (zh) 一种车道线的检测方法、装置和存储介质
CN115308746A (zh) 点云数据的滤噪方法、装置和自动驾驶车辆
CN115546727A (zh) 一种火情判断的方法、系统及电子设备
CN111753672B (zh) 待测目标的数量计数方法及相关装置
CN114895274A (zh) 一种护栏识别方法
CN113761981B (zh) 一种自动驾驶视觉感知方法、装置及存储介质
CN112356845B (zh) 一种目标运动状态的预测方法、装置、设备及车辆
CN117907957A (zh) 一种目标检测方法、装置、电子设备及介质
CN116819483B (zh) 路口车辆排队长度检测方法、装置、存储介质及终端
CN115598644B (zh) 一种碰撞检测方法、装置、介质和设备
WO2023248341A1 (ja) 物体検出装置
Liao et al. Real-time Occupancy Detection Of On-street Parking Spaces Based On An Edge Device

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