CN115170601A - 雷达测量数据处理方法及装置 - Google Patents
雷达测量数据处理方法及装置 Download PDFInfo
- Publication number
- CN115170601A CN115170601A CN202210757051.3A CN202210757051A CN115170601A CN 115170601 A CN115170601 A CN 115170601A CN 202210757051 A CN202210757051 A CN 202210757051A CN 115170601 A CN115170601 A CN 115170601A
- Authority
- CN
- China
- Prior art keywords
- moving target
- current moment
- range
- radar
- peak value
- 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
- 238000005259 measurement Methods 0.000 title claims abstract description 71
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000012216 screening Methods 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 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
- 230000008569 process Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种雷达测量数据处理方法及装置,其中该方法包括:获取测量区域在当前时刻的雷达速度距离多普勒图以及动目标点云数据;将多个距离门分别对应的多个信号功率值并行比较,根据比较结果得到测量区域在当前时刻动目标信息区域集合;对动目标点云数据聚类,得到测量区域在当前时刻的第一动目标运动信息;根据当前时刻动目标信息区域集合筛选第一动目标运动信息,得到第二动目标运动信息。本发明通过比较结果得到测量区域在当前时刻的动目标信息区域集合,使用聚类方法获得第一动目标运动信息。根据当前时刻动目标信息区域集合筛选第一动目标运动信息,从而获得了更加有效的第二动目标运动信息,降低了复杂环境下雷达目标检测的虚警率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及雷达测量数据处理方法及装置。
背景技术
目前,在智能安防领域中,毫米波雷达因其不受白天黑夜、大雾以及沙尘等天气影响且能够精确探测的优势而被现代安防策略所采纳。作为整个安防系统中关键的传感器之一,毫米波雷达能够检测环境中的动目标,威胁安全的目标大多都是动目标,这些动目标的测量经常会与环境测量信息融为一体,很难区分。
安防雷达一般是安装在人流量较大且环境复杂的闹市区域,雷达的测量数据混杂的噪声非常复杂,混有各种实物干扰、虚假目标干扰以及径向目标干扰。其中,环境中的实物干扰包括很多形状尺寸相差较大的目标产生的干扰测量。虚假目标干扰是因为测量现场中的复杂电磁环境产生的一些虚假数据。
综上,目前亟需一种雷达测量数据处理方法,用于解决上述现有技术存在的问题。
发明内容
本发明实施例提供一种雷达测量数据处理方法,用以获得更加有效的动目标运动信息并降低复杂环境下雷达目标检测的虚警率,该方法包括:
获取测量区域在当前时刻的雷达速度距离多普勒图以及动目标点云数据;所述雷达速度距离多普勒图包含:多个距离门以及所述多个距离门分别对应的多个信号功率值;
将所述多个距离门分别对应的多个信号功率值并行比较,根据比较结果得到所述测量区域在当前时刻的动目标信息区域集合;
对所述动目标点云数据聚类,得到测量区域在当前时刻的第一动目标运动信息;
根据所述动目标信息区域集合筛选所述第一动目标运动信息,得到第二动目标运动信息。
本发明实施例还提供一种雷达测量数据处理的装置,用以获得更加有效的动目标运动信息并降低复杂环境下雷达目标检测的虚警率,该装置包括:
获取模块,用于获取测量区域在当前时刻的雷达速度距离多普勒图以及动目标点云数据;所述雷达速度距离多普勒图包含:多个距离门以及所述多个距离门分别对应的多个信号功率值;
处理模块,用于将将所述多个距离门分别对应的多个信号功率值并行比较,根据比较结果得到所述测量区域在当前时刻的动目标信息区域集合;对所述动目标点云数据聚类,得到测量区域在当前时刻的第一动目标运动信息;根据所述动目标信息区域集合筛选所述第一动目标运动信息,得到第二动目标运动信息。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述雷达测量数据处理方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述雷达测量数据处理方法。
本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现上述雷达测量数据处理方法。
本发明实施例中,获取测量区域在当前时刻的雷达速度距离多普勒图以及动目标点云数据,将多个距离门分别对应的多个信号功率值并行比较,根据比较结果得到测量区域在当前时刻动目标信息区域集合,对动目标点云数据聚类,得到测量区域在当前时刻的第一动目标运动信息,根据当前时刻动目标信息区域集合筛选第一动目标运动信息,得到第二动目标运动信息,与现有技术中雷达测量数据处理的技术方案相比,通过将多个距离门分别对应的多个信号功率值并行比较,根据比较结果得到测量区域在当前时刻的动目标信息区域集合,基于动目标点云数据,使用聚类方法获得第一动目标运动信息。最后根据当前时刻动目标信息区域集合筛选第一动目标运动信息从而获得了更加有效的第二动目标运动信息,降低了复杂环境下雷达目标检测的虚警率。
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地介绍,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。在附图中:
图1为本发明实施例中雷达测量数据处理方法的系统框架;
图2为本发明提供的雷达测量数据处理方法的流程示意图;
图3为本发明提供的雷达测量数据处理方法的流程示意图;
图4为本发明提供的雷达测量数据处理方法的流程示意图;
图5为本发明提供的雷达测量数据处理装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
本发明实施例提供的雷达测量数据处理方法,可以适用于如图1所示的系统架构中,该系统架构包括雷达100、服务器200。
具体的,雷达100用于获取测量区域在当前时刻的雷达速度距离多普勒图以及动目标点云数据。
需要说明的是,雷达速度距离多普勒图(Range Dopple Matrix,RDM)是雷达进行多目标信息提取的有效手段,通过对雷达发送的多个周期的序列以及回波信息进行快时间维度和慢时间维度的处理,即可得到雷达速度距离多普勒图,进而可以提取多目标的距离和速度信息。
本发明实施例中,雷达速度距离多普勒图包含:多个距离门以及多个距离门分别对应的多个信号功率值。
服务器200用于将多个距离门分别对应的多个信号功率值并行比较,根据比较结果得到测量区域在当前时刻的动目标信息区域集合。
进一步地,对动目标点云数据聚类,得到测量区域在当前时刻的第一动目标运动信息;根据动目标信息区域集合筛选第一动目标运动信息,得到第二动目标运动信息。
在一种可能的实施方式中,服务器200的存储设备使用数据存储磁盘,可存储建立好的速度、距离、角度以及RDM图数据模型,并支持可扩展。
需要说明的是,图1仅是本发明实施例系统架构的一种示例,本发明对此不做具体限定。
基于上述所示意的系统架构,图2为本发明实施例提供的一种雷达测量数据处理方法所对应的流程示意图,如图2所示,该方法包括:
步骤201,获取测量区域在当前时刻的雷达速度距离多普勒图以及动目标点云数据。
需要说明的是,雷达速度距离多普勒图(Range Dopple Matrix,RDM)是雷达进行多目标信息提取的有效手段,通过对雷达发送的多个周期的序列以及回波信息进行快时间维度和慢时间维度的处理,即可得到雷达速度距离多普勒图,进而可以提取多目标的距离和速度信息。
本发明实施例中,雷达速度距离多普勒图包含:多个距离门以及多个距离门分别对应的多个信号功率值。
具体的,在获取测量区域当前时刻的雷达速度距离多普勒图之后,对雷达速度距离多普勒图进行预处理。
在一种可能的实施方式中,基于预设阈值滤除RDM图中的底噪。
本发明实施例中,动目标点云数据是由速度V、距离R、角度θ组成的测量数据。其中,距离为动目标与雷达之间的距离,角度为动目标跟雷达的连线与雷达的法线所形成的夹角。
步骤202,将多个距离门分别对应的多个信号功率值并行比较,根据比较结果得到测量区域在当前时刻的动目标信息区域集合。
需要说明的是,距离门为RDM图中物理意义为距离的坐标轴上的设定距离范围。
步骤203,对动目标点云数据聚类,得到测量区域在当前时刻的第一动目标运动信息。
在一种可能的实施方式中,通过自适应聚类算法对动目标点云数据聚类,得到测量区域在当前时刻的第一动目标运动信息。
需要说明的是,聚类算法是研究分类问题的一种统计分析算法。举例来说,本发明实施例可以采用K-Means聚类算法、DBSCAN聚类算法等。
上述方案,基于雷达的距离、速度和方向角的动目标点云数据,使用聚类方法获得第一动目标运动信息,提高了第一动目标运动信息的准确性以及精确度。
本发明实施例中,第一动目标运动信息包括第一动目标位置信息以及第一动目标速度信息。
步骤204,根据动目标信息区域集合筛选第一动目标运动信息,得到第二动目标运动信息。
上述方案,一方面,通过将多个距离门分别对应的多个信号功率值并行比较,根据比较结果得到测量区域在当前时刻动目标信息区域集合。另一方面,基于动目标点云数据,使用聚类方法获得第一动目标运动信息。最后根据当前时刻动目标信息区域集合筛选第一动目标运动信息,从而获得了更加有效的第二动目标运动信息,降低了复杂环境下雷达目标检测的虚警率。
本发明实施例中,雷达速度距离多普勒图还包含:多个速度门以及多个速度门分别对应的多个信号功率值。
需要说明的是,速度门为RDM图中物理意义为速度的坐标轴上的设定速度范围。
进一步地,本发明实施例在步骤202中,步骤流程如图3所示,具体如下:
步骤301,将各个距离门分别对应的信号功率值在预设距离范围内进行比较,得到预设距离范围内的第一峰值。
步骤302,将各个速度门分别对应的信号功率值在预设速度范围内进行比较,得到预设速度范围内的第二峰值。
步骤303,根据第一峰值以及第二峰值,确定测量区域在当前时刻的动目标信息区域集合。
上述方案,通过多距离段并行比较并根据速度特性进行滤除,得到当前时刻的动目标信息区域集合,提高了第二动目标运动信息的有效性,从而进一步提高第二动目标运动信息的精确性。
本发明实施例在步骤301中,步骤流程如图4所示,具体如下:
步骤401,将各个距离门对应的信号功率值在预设距离范围内进行比较,得到预设距离范围内的第一候选峰值;
举例来说,RDM图中横坐标为速度,包含多个速度门;RDM图中纵坐标为距离,包含多个距离门。速度门与距离门将RDM图分成多个数据单元。
具体的,以RDM图中的各个数据单元为中心,计算此数据单元对应的信号功率值是否为前后l米范围内的最大值,若是,则此数据单元对应的信号功率值为前后l米范围内的峰值。
具体的,RDM图中第i行第j列的数据表示为Sij,在预设距离范围比如1米内包括k个距离门,计算公式如下:
SMax,k=Max[Si-k,j,Si-k+1,j,…,Si,j,Si+1,j,…,Si+k,j]
其中,SMax,k为k个距离门内第j个速度门内的峰值数据。进一步地,计算Sij是否等于SMax,k,若是,则当前数据Sij为第一候选峰值,否则当前数据Sij不是第一候选峰值。
上述方案,将各个距离门对应的信号功率值在预设距离范围内进行比较,得到预设距离范围内的第一候选峰值S′。
步骤402,判断第一候选峰值中的各个候选峰值对应的距离门是否满足预设条件。
本发明实施例中,根据雷达的距离分辨率和动目标的外廓特性可推出动目标在RDM图中的信号大于1个距离门,所以峰值会连续出现。
举例来说,雷达的距离分辨率为0.1米,汽车的长度为5米,汽车的长度远大于一个距离门。
步骤403,将不满足预设条件的候选峰值滤除,得到第一峰值。
进一步地,本发明实施例中没有连续出现的峰值也为无效测量,具体的公式如下:
其中,a为阈值参数,可以划定当前RDM图中第i个距离门前后的a个距离门的范围。S″ij是S′中的元素。本发明实施例中,将满足预设条件的S′ij保留,将不满足预设条件的S′ij置零,从而得到数据集S″。
上述方案,根据动目标外廓特性进行滤除,提高了第二动目标运动信息的有效性。
本发明实施例在步骤302中,基于第一峰值的计算结果计算各个数据单元对应的信号功率值在速度Δv范围内是否为最大值,若是则此测量数据保留,否则滤除此测量数据。
具体的,基于步骤301获得的RDM图中第一峰值Sij的集合,然后计算在速度Δv范围内即t个速度门内是否为峰值,计算公式如下:
SMax,t=Max[Si,j-t,Si,j-t+1,…,Si,j,Si,j+1,…,Si,j+t]
其中,SMax,t为t个速度门内第i个距离门内的峰值数据。进一步地,计算Sij是否等于SMax,t,若是,则Sij为第二峰值。
具体的,在步骤303中,根据第一峰值以及第二峰值确定测量区域在当前时刻的候选动目标信息区域集合;
获取设定时间段内前N个时刻的候选动目标信息区域集合;
其中,N为正整数;
根据前N个时刻的候选动目标信息区域集合对测量区域在当前时刻的候选动目标信息区域集合进行筛选,得到测量区域在当前时刻的动目标信息区域集合。
上述方案,通过多距离段并行比较并根据速度特性进行滤除,得到当前时刻的动目标信息区域集合,提高了第二动目标运动信息的有效性,从而进一步提高第二动目标运动信息的精确性。
本发明实施例中,基于前N个时刻的候选动目标信息区域集合,对测量区域在当前时刻的候选动目标信息区域集合进行筛选,得到测量区域在当前时刻动目标信息区域集合。
具体的,若在前N个时刻存在当前时刻候选动目标信息区域集合中的候选动目标信息区域,则该候选动目标信息区域为当前时刻的动目标信息区域。
本发明实施例中,候选动目标信息区域集合包括候选动目标位置集合以及候选动目标速度集合。
具体的,计算前N个时刻存在的候选动目标位置集合R′k-1以及候选动目标速度集合V′k-1。
进一步地,计算S″中各个信号功率值所在的距离门与候选动目标位置集合R′k-1中各数据的差以及各个信号功率值所在的速度门与候选动目标速度集合V′k-1中各数据的差,如果差值小于预设阈值,则S″中该信号功率值为有效值,否则置零。
具体的计算公式如下:
其中,S″′是S″ij中的元素。
上述方案,根据前N个时刻的候选动目标信息区域集合对测量区域在当前时刻的候选动目标信息区域集合进行筛选,得到测量区域在当前时刻的动目标信息区域集合,基于前N个时刻的信息进行概率叠加,提高了当前时刻的候选动目标信息区域集合的准确性,提高了第二动目标运动信息的有效性。
进一步地,本发明实施例在对动目标点云数据聚类前,对动目标点云数据进行坐标转换。
本发明实施例中,动目标点云数据由速度V、距离R和角度θ组成。其中,距离而为动目标与雷达之间的距离,角度为动目标跟雷达的连线与雷达的法线所形成的夹角。
在一种可能的实施方式中,通过坐标转换将极坐标下的动目标点云数据转换为直角坐标系下的动目标点云数据。
具体的,提取数据集{ρ1,…,ρj,…,ρm},其中ρj=[Rj,Vj,θj],j=1…m。
进一步地,通过极坐标系与笛卡尔坐标系转换公式,获得数据集{Z1,…,Zj,…,Zm},其中Zj=[xj,yj,vj],xj为ρj中极坐标转换成笛卡尔坐标在X轴上的值,yj为ρj中极坐标转换成笛卡尔坐标在Y轴上的值。
进一步地,本发明实施例根据动目标信息区域集合筛选第一动目标运动信息,得到第二动目标运动信息。
具体的,逐一遍历基于动目标点云数据聚类分析出来的所有动目标,判断动目标是否在动目标信息区域集合中,若是,标记该动目标点云数据为有效数据即第二动目标运动信息。
本发明实施例中,基于各个动目标所在雷达探测区域与雷达天线的距离以及动目标的速度,计算各个动目标测量点Z′是否有效,计算公式如下:
其中,Z′i动目标测量点集中第i个测量点,x′i为Z′i中的横坐标位置,y′i为Z′i中的纵坐标位置,v′i为Z′i中的速度量。
上述方案,首先对雷达速度距离多普勒图进行处理,遍历每一个距离门内多普勒数据,消除底噪,然后通过多距离门并行比较并根据外廓特性以及速度特性得到测量区域在当前时刻的动目标信息区域集合。基于雷达的距离、速度和方向角的动目标点云数据,使用聚类方法获得第一动目标运动信息,最后根据动目标信息区域集合筛选第一动目标运动信息,从而获得了更加有效的第二动目标运动信息,降低了复杂环境下雷达目标检测的虚警率。
本发明实施例中还提供了一种雷达测量数据处理装置,如下面的实施例所述。如图5所示,该装置可以包括:
获取模块501,用于获取测量区域在当前时刻的雷达速度距离多普勒图以及动目标点云数据;所述雷达速度距离多普勒图包含:多个距离门以及所述多个距离门分别对应的多个信号功率值;
处理模块502,用于将所述多个距离门分别对应的多个信号功率值并行比较,根据比较结果得到所述测量区域在当前时刻的动目标信息区域集合;对所述动目标点云数据聚类,得到测量区域在当前时刻的第一动目标运动信息;根据所述动目标信息区域集合筛选所述第一动目标运动信息,得到第二动目标运动信息。
进一步地,所述雷达速度距离多普勒图还包含:多个速度门以及所述多个速度门分别对应的多个信号功率值,所述处理模块502具体用于:
将各个距离门分别对应的信号功率值在预设距离范围内进行比较,得到所述预设距离范围内的第一峰值;
将各个速度门分别对应的信号功率值在预设速度范围内进行比较,得到所述预设速度范围内的第二峰值;
根据所述第一峰值以及所述第二峰值,确定测量区域在当前时刻的动目标信息区域集合。
进一步地,所述处理模块502具体用于:
根据所述第一峰值以及所述第二峰值确定测量区域在当前时刻的候选动目标信息区域集合;
获取设定时间段内前N个时刻的候选动目标信息区域集合;其中,N为正整数;
根据所述前N个时刻的候选动目标信息区域集合对所述测量区域在当前时刻的候选动目标信息区域集合进行筛选,得到测量区域在当前时刻的动目标信息区域集合。
进一步地,所述处理模块502具体用于:
将各个距离门对应的信号功率值在预设距离范围内进行比较,得到所述预设距离范围内的第一候选峰值;
判断所述第一候选峰值中的各个候选峰值对应的距离门是否满足预设条件;
将不满足所述预设条件的候选峰值滤除,得到所述第一峰值。
进一步地,所述处理模块502具体用于:
通过自适应聚类算法对所述动目标点云数据聚类,得到测量区域在当前时刻的第一动目标运动信息。
由于该装置解决问题的原理与雷达测量数据处理方法相似,因此该装置的实施可以参见雷达测量数据处理方法的实施,重复之处不再赘述。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述雷达测量数据处理方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述雷达测量数据处理方法。
本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现上述雷达测量数据处理方法。
本发明实施例中,获取测量区域在当前时刻的雷达速度距离多普勒图以及动目标点云数据,将多个距离门分别对应的多个信号功率值并行比较,根据比较结果得到测量区域在当前时刻动目标信息区域集合,对动目标点云数据聚类,得到测量区域在当前时刻的第一动目标运动信息,根据当前时刻动目标信息区域集合筛选第一动目标运动信息,得到第二动目标运动信息,与现有技术中雷达测量数据处理的技术方案相比,通过将多个距离门分别对应的多个信号功率值并行比较,根据比较结果得到测量区域在当前时刻动目标信息区域集合。基于雷达的点云数据,使用聚类方法获得各类动目标。最后根据当前时刻动目标信息区域集合筛选各类动目标,从而获得了更加有效的动目标测量数据集,降低了复杂环境下雷达目标检测的虚警率。
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。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (11)
1.一种雷达测量数据处理方法,其特征在于,包括:
获取测量区域在当前时刻的雷达速度距离多普勒图以及动目标点云数据;所述雷达速度距离多普勒图包含:多个距离门以及所述多个距离门分别对应的多个信号功率值;
将所述多个距离门分别对应的多个信号功率值并行比较,根据比较结果得到所述测量区域在当前时刻的动目标信息区域集合;
对所述动目标点云数据聚类,得到测量区域在当前时刻的第一动目标运动信息;
根据所述动目标信息区域集合筛选所述第一动目标运动信息,得到第二动目标运动信息。
2.根据权利要求1所述的雷达测量数据处理方法,其特征在于,所述雷达速度距离多普勒图还包含:多个速度门以及所述多个速度门分别对应的多个信号功率值,将所述多个距离门分别对应的多个信号功率值并行比较,根据比较结果得到所述测量区域在当前时刻的动目标信息区域集合,包括:
将各个距离门分别对应的信号功率值在预设距离范围内进行比较,得到所述预设距离范围内的第一峰值;
将各个速度门分别对应的信号功率值在预设速度范围内进行比较,得到所述预设速度范围内的第二峰值;
根据所述第一峰值以及所述第二峰值,确定测量区域在当前时刻的动目标信息区域集合。
3.根据权利要求2所述的雷达测量数据处理方法,其特征在于,根据所述第一峰值以及所述第二峰值,确定测量区域在当前时刻的动目标信息区域集合,包括:
根据所述第一峰值以及所述第二峰值确定测量区域在当前时刻的候选动目标信息区域集合;
获取设定时间段内前N个时刻的候选动目标信息区域集合;其中,N为正整数;
根据所述前N个时刻的候选动目标信息区域集合对所述测量区域在当前时刻的候选动目标信息区域集合进行筛选,得到测量区域在当前时刻的动目标信息区域集合。
4.根据权利要求2所述的雷达测量数据处理方法,其特征在于,将各个距离门分别对应的信号功率值在预设距离范围内进行比较,得到所述预设距离范围内的第一峰值,包括:
将各个距离门对应的信号功率值在预设距离范围内进行比较,得到所述预设距离范围内的第一候选峰值;
判断所述第一候选峰值中的各个候选峰值对应的距离门是否满足预设条件;
将不满足所述预设条件的候选峰值滤除,得到所述第一峰值。
5.根据权利要求1所述的雷达测量数据处理方法,其特征在于,对所述动目标点云数据聚类,得到测量区域在当前时刻的第一动目标运动信息,包括:
通过自适应聚类算法对所述动目标点云数据聚类,得到测量区域在当前时刻的第一动目标运动信息。
6.一种雷达测量数据处理装置,其特征在于,包括:
获取模块,用于获取测量区域在当前时刻的雷达速度距离多普勒图以及动目标点云数据;所述雷达速度距离多普勒图包含:多个距离门以及所述多个距离门分别对应的多个信号功率值;
处理模块,用于将所述多个距离门分别对应的多个信号功率值并行比较,根据比较结果得到所述测量区域在当前时刻的动目标信息区域集合;对所述动目标点云数据聚类,得到测量区域在当前时刻的第一动目标运动信息;根据所述动目标信息区域集合筛选所述第一动目标运动信息,得到第二动目标运动信息。
7.根据权利要求6所述的雷达测量数据处理装置,其特征在于,所述雷达速度距离多普勒图还包含:多个速度门以及所述多个速度门分别对应的多个信号功率值,所述处理模块具体用于:
将各个距离门分别对应的信号功率值在预设距离范围内进行比较,得到所述预设距离范围内的第一峰值;
将各个速度门分别对应的信号功率值在预设速度范围内进行比较,得到所述预设速度范围内的第二峰值;
根据所述第一峰值以及所述第二峰值,确定测量区域在当前时刻的动目标信息区域集合。
8.根据权利要求7所述的雷达测量数据处理装置,其特征在于,所述处理模块具体用于:
根据所述第一峰值以及所述第二峰值确定测量区域在当前时刻的候选动目标信息区域集合;
获取设定时间段内前N个时刻的候选动目标信息区域集合;其中,N为正整数;
根据所述前N个时刻的候选动目标信息区域集合对所述测量区域在当前时刻的候选动目标信息区域集合进行筛选,得到测量区域在当前时刻的动目标信息区域集合。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,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5任一所述方法。
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存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至5任一所述方法。
11.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现权利要求1至5任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210757051.3A CN115170601A (zh) | 2022-06-30 | 2022-06-30 | 雷达测量数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210757051.3A CN115170601A (zh) | 2022-06-30 | 2022-06-30 | 雷达测量数据处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115170601A true CN115170601A (zh) | 2022-10-11 |
Family
ID=83489897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210757051.3A Pending CN115170601A (zh) | 2022-06-30 | 2022-06-30 | 雷达测量数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115170601A (zh) |
-
2022
- 2022-06-30 CN CN202210757051.3A patent/CN115170601A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111045008B (zh) | 基于展宽计算的车载毫米波雷达目标识别方法 | |
CN109102702A (zh) | 基于视频车辆检测和雷达信号融合的车辆测速方法 | |
CN109581353B (zh) | 一种基于汽车雷达的多目标跟踪方法及系统 | |
CN110780289B (zh) | 基于场景雷达的多目标车辆跟踪方法及装置 | |
WO2016194036A1 (ja) | レーダ信号処理装置 | |
Li et al. | An adaptive 3D grid-based clustering algorithm for automotive high resolution radar sensor | |
CN108859952B (zh) | 车辆变道预警方法、装置和雷达 | |
CN113009441B (zh) | 一种雷达运动反射面多径目标的识别方法及装置 | |
CN112731307B (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
CN111562570A (zh) | 基于毫米波雷达的面向自动驾驶的车辆感知方法 | |
CN113256990A (zh) | 基于聚类算法的雷达采集道路车辆信息的方法及系统 | |
CN113537411A (zh) | 一种基于毫米波雷达的改进模糊聚类方法 | |
CN108693517B (zh) | 车辆定位方法、装置和雷达 | |
CN116449329B (zh) | 毫米波雷达的速度解模糊方法、系统、设备及存储介质 | |
Argüello et al. | Radar classification for traffic intersection surveillance based on micro-Doppler signatures | |
CN115170601A (zh) | 雷达测量数据处理方法及装置 | |
CN116964472A (zh) | 用于借助于雷达传感器系统的反射信号来探测环境的至少一个对象的方法 | |
CN113589288A (zh) | 基于毫米波雷达的目标筛选方法、装置、设备及存储介质 | |
Wang et al. | Classification and tracking of moving objects from 77 GHz automotive radar sensors | |
CN116879863B (zh) | 一种连续波4d毫米波雷达多目标测量方法及系统 | |
CN114839615B (zh) | 一种4d毫米波雷达目标航向角拟合方法及存储介质 | |
CN115840227B (zh) | 道路边缘的检测方法及装置 | |
CN117872310B (zh) | 基于雷达的水面目标跟踪方法、装置、设备及介质 | |
CN117269951B (zh) | 空地多视角信息增强的目标跟踪方法 | |
CN116224280B (zh) | 雷达目标检测方法、装置、雷达设备及存储介质 |
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 |