CN115184891A - 一种毫米波雷达道路栅栏检测识别方法 - Google Patents

Abstract

本发明提供一种毫米波雷达道路栅栏检测识别方法，利用了更多的先验已知信息，无需经过测角和坐标转换，不依赖于测角结果的准确性，即可对道路的边界进行检测识别，其准确性和鲁棒性相对较高，且在道路边界与车辆行驶方向不平行时仍然能够工作。

Description

一种毫米波雷达道路栅栏检测识别方法

技术领域

本发明涉及车载毫米波雷达技术领域，尤其涉及一种毫米波雷达道路栅栏检测识别方法。

背景技术

在车载毫米波雷达当中，目标的漏检和虚警都是经典长存的问题，雷达输出存在很多的杂点或者噪点，这一定程度上是由雷达的电磁散射特性决定的，某些场景下，反射，漫发射，多次反射，折射，绕射，衍射等丰富的电磁传播方式，使得在雷达接收端，大概率产生一定数量的虚假目标(ghost objects)，另外在某些处理策略下也可能会导致额外的虚假目标，这些虚假目标将对雷达系统功能产生一定影响，会导致雷达的虚警，如果虚警概率过高，会极大的影响用户的使用体验，因此，如何抑制或减轻这些虚假点是提高雷达可靠性中相当重要的工作。

现有的虚假目标抑制技术可大致分为基于模型的方法和基于数据驱动的方法，基于模型方法常用的即是对于道路边界的识别，如栅栏、隧道边界等等，可以将识别到的道路边界以外的点都认为是虚假目标点，其优点在于计算量小，容易理解，缺点在于实际道路环境多变，很难实现在任意条件下通用的策略，鲁棒性可能较小。

而基于数据驱动的方法，则是基于机器学习或深度学习类的方法，此种方法需要较大的计算量，较为难以在嵌入式系统当中实现，目前最为通用和容易实现的方法仍然是对于道路边界的识别。

现有的栅栏识别策略的常见思路是：

(1)对获得二维FFT结果数据的检测矩阵进行目标检测，距离和速度维，获得点迹列表和距离速度结果；

(2)对目标点进行角度维FFT，获得角度测量结果；

(3)对所有目标进行坐标计算，并进行雷达坐标向车辆坐标的转换；

(4)对于获得的在车辆坐标下的所有点迹，对其进行聚合判断，判断其是否存在明显的静止目标带，如果存在，判断有道路边界，否则无。

如上所述，现有技术思路的道路边界判断往往发生在经过步骤(1)、(2)、(3)处理之后，再对点迹进行是否存在道路边界的判断，在此种方式下，道路边界的识别效果，往往依赖于点迹测量当中角度测量的准确性，如果点迹的角度测量不准，则可信的目标点数变少，对于道路边界的判断可能会变得比较困难。另外由于在常见的聚合判断当中，对于非标准栅栏场景(与车辆行驶方向不平行、具有倾斜角度)的场景下，较为难以判断。

发明内容

本发明提供的一种毫米波雷达道路栅栏检测识别方法，主要解决的技术问题是：针对当前的道路边界识别需要依赖于角度测量之后经过坐标转换的点迹问题，并且其有可能带来的准确性、鲁棒性较低的问题。

为解决上述技术问题，本发明提出在处理流程的更前级对道路边界进行识别，以提高道路边界识别的准确性和算法的鲁棒性，对应提供一种毫米波雷达道路栅栏检测识别方法，包括：

S10、基于车载毫米波雷达发射序列调频连续波对道路环境进行探测，在信号接收端接收雷达回波数据，并对所述雷达回波数据进行二维FFT处理，获取得到所有检测点的检测矩阵和距离-速度平面；

S20、采用恒虚警CFAR检测算法对所述所有检测点进行虚警剔除，获得目标检测点的第一点迹列表，所述第一点迹列表包含各目标检测点的距离和速度；

S30、在所述第一点迹列表中，确定与车载毫米波雷达的相对速度接近0的目标检测点，生成第二点迹列表；

S40、与车载终端通信，获取车辆运行速度V_car；

S50、对所述第二点迹列表中的目标检测点，按照与车辆的距离从小到大的顺序，基于车辆速度V_car，逐个拟合道路边界曲线；

S60、为所拟合得到的道路边界曲线设置有效范围，在所述第一点迹列表中统计在所拟合得到的道路边界曲线有效范围内的目标检测点个数；

S70、判断所述目标检测点个数是否满足门限要求，如是，转至步骤S80；如否，转至步骤S50，以选择下一目标检测点进行道路边界拟合；若遍历完所述第二点迹列表当中的所有目标检测点，均判断目标检测点个数小于门限要求，则转至步骤S90；

S80、判断道路边界存在，并记录道路边界的横向距离；

S90、判断道路边界栅栏不存在。

进一步的，所述基于车辆速度V_car，逐个拟合道路边界曲线包括：

按照如下公式进行道路边界曲线拟合：

其中，V_fence为目标检测点与车载毫米波雷达的相对速度，V_car为车辆速度，r为目标检测点与车载毫米波雷达之间的距离，H为车载毫米波雷达与目标检测点的垂直横向距离。

本发明的有益效果是：

根据本发明提供的一种毫米波雷达道路栅栏检测识别方法，利用了更多的先验已知信息(自车车速)，无需经过测角和坐标转换，不依赖于测角结果的准确性，即可对道路的边界进行检测识别，其准确性和鲁棒性相对较高，且在道路边界与车辆行驶方向不平行时仍然能够工作。

附图说明

图1为本发明的雷达安装方式和道路边界点示意图；

图2为本发明的道路边界点与雷达的相对关系示意图；

图3为本发明的标准栅栏在雷达检测距离-速度平面当中的特征工程实测示意图(即检测矩阵示意图)；

图4为本发明的道路栅栏检测识别方法流程图；

图5为本发明的使用车速和横向距离进行仿真拟合结果示意图；

图6为本发明的非标准道路点迹示意图；

图7为本发明的非标准道路边界拟合曲线示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，下面通过具体实施方式结合附图对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例一：

本发明所使用的技术方案为：

利用自车车速与栅栏检测点之间的相对运动关系及检测点在雷达回波信号距离-速度维平面当中的位置关系，来判断确定是否存在栅栏。关键技术点在于：

(1)自车车速的使用。

(2)道路边界通常为一个长的边界，在雷达检测平面当中体现为多个检测点，如附图说明当中附图1所示。附图1为展示所述雷达的安装方式，以及其可能观测到的道路边界的检测点值所处位置的直观展示示意图。

(3)道路边界的多个检测点与自车车速具有一定的相对关系。如附图2所示。附图2为雷达实际检测目标点在车辆运动状态下，其各参数之间的相对关系，如图所示，r表示目标点到雷达之间的距离，Vcar是自车向前的车速，H是雷达到道路边界栅栏的垂直横向距离，θ是目标点在车辆坐标系下目标与雷达连线偏离水平线的角度值。

在典型场景当中，自车有一个向前的车速V，对于道路边界上的一点，其为静止点，与雷达之间偏离水平轴线的夹角为θ，则雷达测量到的该静止点的相对速度为：

参见附图2，栅栏为绝对静止目标，绝对速度为0，自车运动时，装于车上的雷达具有速度Vcar，此时测量到的栅栏相对于雷达的相对目标速度为V_fence：

V_fence＝V_car*sin(θ) (2)

根据三角函数关系，可以得到：

因此，结合公式(1)和公式(2)，即可得到相对速度：

在已知自车车速的情况下，可以根据相对关系直接拟合出道路边界各点应该在雷达检测距离-速度平面的位置。

一个连续的道路边界上的多个检测点，在雷达对其进行观测时，其测量到的距离、速度、角度都应该是变化的，且其是连续的，其在雷达检测的距离-速度平面特征为附图3所表现的形式，特殊情况在于，与测量行驶方向所垂直方向上的点，其θ为0，测量速度为0，在道路边界的远端，与自车的车速接近，随着道路边界距雷达的距离越近，其目标的角度变小，雷达测量到的速度变小，在其正侧方时，目标速度变为0，在其视角范围内雷达的前方时，其目标的速度变为负。附图3为标准栅栏在雷达检测距离-速度平面当中的特征工程实测，横轴为距离，纵轴为速度。

附图2当中的道路边界横向距离H，在附图3中表现为检测能量强点与0速的交点的距离等价。

根据所拟合的道路边界曲线作为判断是否存在道路边界的依据。

本实施例提供一种毫米波雷达道路栅栏检测识别方法，请参见图4，具体实施过程包括：

S10、基于车载毫米波雷达发射序列调频连续波对道路环境进行探测，根据通用雷达原理，在信号接收端获得接收雷达回波Adc数据，进行二维FFT，获得所有检测点的检测矩阵及距离-速度平面。

应当理解的是，雷达回波数据所获得距离-速度平面跟检测矩阵几乎等价，检测矩阵是一个二维数值矩阵，不同数值代表强度信息，将检测矩阵绘制成图即是附图3，可参见附图3，即为实际回波Adc数据经过处理所得的检测矩阵和距离-速度平面，横轴为距离，纵轴为速度，图中的亮点即为环境当中的目标，在实施步骤S20中对其进行CFAR检测算法处理，即是从检测矩阵当中挑出强度比较高的点，通过其横轴和纵轴的的位置可以得到其距离和速度。附图3中，所特别标注的曲线，即为本方案所述的道路边界栅栏会在回波数据当中的规律体现，如附图3中右上半区域靠近中间的地方出现的明显孤立的亮点为运动车辆目标点，附图1中的边界小圆点可对应附图3中标注的曲线，后方孤立的小圆点对应所说运动目标即附图3中的孤立亮点。

在汽车雷达当中，通常以发送的序列调频连续波(FMCW)对目标进行探测，在信号接收端对数据进行采样获得如M组N个采样点数据(发射M个线性调频波，每个线性调频波采集N个点数据)，构成二维数据阵列，其中一维FFT之后可进行距离检测，另一维FFT之后可进行速度检测。车载毫米波雷达探测的不仅仅是只有道路边界检测点，同时也包含道路上的其他运动目标和静止目标，例如车辆、指示牌、绿植等其他雷达所能观测到的所有目标，因此需要从所有检测目标当中挑出与边界判断相关的检测点迹。

S20、使用CFAR(恒虚警检测)对检测矩阵进行目标检测，剔除虚警，获得目标检测点的第一点迹列表，包含各目标检测点的距离、速度值。

S30、在第一点迹列表中，确定速度接近0的目标检测点(为速度接近0设置范围)，生成第二点迹列表。

其中，为速度接近0设置范围可基于实际需求灵活设置，具体不做限制。例如[-0.05～0.05]。

S40、与车身通信，获得车辆运行速度V_car。

S50、对找到的速度接近0的目标点按照与车辆距离从小到大的顺序，使用车辆速度V_car逐个拟合道路边界曲线。

具体的，采用上述公式(4)实现道路边界曲线拟合。V_car是通过车载终端通信获得的已知量，H对应的是0速点与车载雷达之间的横向距离，在对这些0速点按与车载雷达之间的距离从小到大的过程逐个拟合时，可认为在每一次循环下，H也是一个固定的已知量，此时该公式下，距离r是自变量，Vfence是因变量，距离对应附图的横轴，速度对应附图的纵轴，可以得到道路边界拟合曲线，拟合出的曲线结果可以参考附图5。

栅栏边界拟合时，根据前期已经获得的第二点迹列表，先挑出其中的近距离0速目标，在行驶场景中，一般不考虑横向超过10m以外的检测点，0速目标的个数是有限的。将这些0速目标检测点从小到大的排序，逐个根据检测点的速度，拟合道路曲线，当某个距离下的拟合曲线范围内目标个数达到门限要求时，就判断其边界存在，并且当前状态下的0速目标的距离就是道路边界的横向距离，值得注意的是此处是一个依照从小到大的遍历过程，其目的是为了找到离车辆最近的道路边界，一旦找到就不再往后进行。

S60、为拟合道路边界曲线设置有效范围，在第一点迹列表当中统计在拟合道路边界曲线范围当中的目标点个数。

道路边界曲线往往是一条弯折曲线，检测点与车辆距离越远时，其相对速度变化越小，接近横线，横向距离越小时近距离的曲线弯曲度越大，在实际设置时会根据0速目标的距离，在整条曲线的不同距离段设置不同的宽度范围，距离越近时设置越大，距离越小时设置越小，具体设置值需要依赖统计和经验设置。

S70、门限判断，拟合道路边界曲线的统计点目标个数是否满足门限要求；如是，转至S80；如否，转至S50，以选择下一目标检测点进行道路边界拟合；若遍历完第二点迹列表当中的所有目标检测点，均判断目标检测点个数小于门限要求，则转至步骤S90；

S80、判断道路边界存在，记录栅栏的横向距离。

S90、判定无栅栏。

目标个数门限要求可根据实际需求灵活设置，对此不做限制。应当理解的是，在所拟合道路边界曲线上的统计点目标个数越多，则表明属于道路边界的可能性越大，所拟合的道路边界也就越准确。

在本发明的其他实施例中，还可基于边界检测结果，对点迹列表进行角度处理，坐标计算等内容，得到所有点在车辆坐标系下的位置。根据道路边界判断结果，对检测目标进行筛选、删除操作。

在汽车雷达当中，通常以近距离的虚假运动目标对于报警等功能影响巨大，尤其以在经过栅栏地带时容易出现，筛选删除操作为，计算判断栅栏成功时，得到栅栏相对于车辆的横向距离，认为在栅栏外侧的目标点不可能被检测到，因此，划定一定的纵向距离的横向距离之外的所有运动目标或者静止目标都被判定为虚假点，直接删除，提高汽车雷达目标检测准确性。

在本发明的其他实施例中，亦可使用公式(2)当中的目标点速度、车速和目标点距离对所有检测点反算其横向距离H值，统计所有点计算得到的H值最多出现次数的点，当有明显的集群距离值时判断有道路边界，否则无。

附图5使用车速和横向距离进行仿真拟合结果，与附图3实测结果做相互对照。

附图6所示，非标准道路点迹示意。

如附图7所示，有三条标准道路边界，两条弯曲道路边界，完全道路边界拟合应横跨标准道路边界。

本方案的技术效果在于：

能够不依赖于角度测量就对道路中是否存在道路边界进行识别，在信号处理的后处理中，可以提前删除无效目标，减少后处理的计算量；

在距离-速度平面上直接做判断识别，其鲁棒性更高；

此识别判断方法较常规思路其统计量更为简单，计算量更低。

显然，本领域的技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在计算机存储介质(ROM/RAM、磁碟、光盘)中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以，本发明不限制于任何特定的硬件和软件结合。

以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (2)

1.一种毫米波雷达道路栅栏检测识别方法，其特征在于，包括：

S10、基于车载毫米波雷达发射序列调频连续波对道路环境进行探测，在信号接收端接收雷达回波数据，并对所述雷达回波数据进行二维FFT处理，获取得到所有检测点的检测矩阵和距离-速度平面；

S20、采用恒虚警CFAR检测算法对所述所有检测点进行虚警剔除，获得目标检测点的第一点迹列表，所述第一点迹列表包含各目标检测点的距离和速度；

S30、在所述第一点迹列表中，确定与车载毫米波雷达的相对速度接近0的目标检测点，生成第二点迹列表；

S40、与车载终端通信，获取车辆运行速度V_car；

S50、对所述第二点迹列表中的目标检测点，按照与车辆的距离从小到大的顺序，基于车辆速度V_car，逐个拟合道路边界曲线；

S60、为所拟合得到的道路边界曲线设置有效范围，在所述第一点迹列表中统计在所拟合得到的道路边界曲线有效范围内的目标检测点个数；

S70、判断所述目标检测点个数是否满足门限要求，如是，转至步骤S80；如否，转至步骤S50，以选择下一目标检测点进行道路边界拟合；若遍历完所述第二点迹列表当中的所有目标检测点，均判断目标检测点个数小于门限要求，则转至步骤S90；

S80、判断道路边界存在，并记录道路边界的横向距离；

S90、判断道路边界栅栏不存在。

2.如权利要求1所述的毫米波雷达道路栅栏检测识别方法，其特征在于，所述基于车辆速度V_car，逐个拟合道路边界曲线包括：

按照如下公式进行道路边界曲线拟合：

其中，V_fence为目标检测点与车载毫米波雷达的相对速度，V_car为车辆速度，r为目标检测点与车载毫米波雷达之间的距离，H为车载毫米波雷达与目标检测点的垂直横向距离。

Images