CN115236627A - 一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法 - Google Patents

一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法 Download PDF

Info

Publication number
CN115236627A
CN115236627A CN202211147676.4A CN202211147676A CN115236627A CN 115236627 A CN115236627 A CN 115236627A CN 202211147676 A CN202211147676 A CN 202211147676A CN 115236627 A CN115236627 A CN 115236627A
Authority
CN
China
Prior art keywords
data
clustering
frame
millimeter wave
wave 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.)
Granted
Application number
CN202211147676.4A
Other languages
English (en)
Other versions
CN115236627B (zh
Inventor
王帅
李再兴
孙浩
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.)
Shenzhen Anngic Technology Co ltd
Original Assignee
Shenzhen Anngic Technology 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 Shenzhen Anngic Technology Co ltd filed Critical Shenzhen Anngic Technology Co ltd
Priority to CN202211147676.4A priority Critical patent/CN115236627B/zh
Publication of CN115236627A publication Critical patent/CN115236627A/zh
Application granted granted Critical
Publication of CN115236627B publication Critical patent/CN115236627B/zh
Priority to PCT/CN2023/104570 priority patent/WO2024060771A1/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法，包括：S1对输入的毫米波雷达帧数据进行预处理，并对预处理后的帧数据进行三维坐标归一化；S2通过调用OPTICS方法得到归一化数据聚类结果；S3在归一化数据聚类结果中提取聚类数据标号，并将多帧聚类数据与当前帧数据进行匹配从而获得当前帧数据聚类。本发明引入了多普勒速度维，对于位置维距离接近但存在相对运动的目标，能够进行有效的区分，解决了单纯依靠位置信息进行聚类无法区分近距离目标的问题。同时，本发明引入了多帧延迟数据方法，对于容易出现漏检现象的小目标，若单帧漏检概率为
Figure 100004_DEST_PATH_IMAGE001
，能够降低此类目标的漏检概率至
Figure 100004_DEST_PATH_IMAGE002
，进而提升聚类方法性能。

Description

一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法
技术领域
本发明属于信号与信息处理技术领域，更具体地，涉及一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法。
背景技术
毫米波雷达是汽车ADAS所包含的重要传感器之一，由于载波具有频率高、波长短的特性，能够缩小发射电磁波束散角，提升抗干扰性，并且由于多普勒频移大，能够实现较高的测速精度。毫米波雷达通过分析发射波与物体反射波特性差异实现距离、角度和速度的检测，当所处环境存在较多有效目标以外的干扰目标如障碍物、建筑物等，或探测目标处于强反射障碍附近时，检测数据会包含大量的无效数据，甚至覆盖目标信息，造成检测性能下降。
传统的处理方式是将雷达数据的距离和角度信息转换至以横向距离为x轴、纵向距离为y轴的二维笛卡尔坐标系中，通过K-means、DBSCAN、OPTICS等聚类方法，以数据点间的欧式距离作为评价指标对数据进行二维位置维度上的划分。但是在以下情况，采用传统的聚类方法实现目标回波数据的准确聚类难度较大：1. 大尺寸目标回波数据间断；2. 探测范围内存在多个目标且目标间距离较小或目标与障碍物距离较小；3. 小尺寸目标回波数量少。对于情况1，类似于近距离卡车这种大尺寸目标，容易出现目标头、尾部分存在较多回波，而中间部分无回波的现象，基于二维位置信息的聚类方法易将其划分为多个目标而产生冗余或在聚类中引入噪声；对于情况2，基于二维位置信息进行聚类无法实现目标间或目标与障碍间的有效区分，导致目标丢失或将障碍回波数据归为目标；情况3中由于目标回波数少，极大概率会将其判定为噪声，导致目标丢失。上述由于数据聚类导致目标丢失或目标冗余会大幅降低检测系统可靠性。
发明内容
针对现有技术的缺陷，本发明的目的在于提供一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法，旨在解决针对小目标时现有技术中的数据聚类方法导致目标丢失或目标冗余从而降低了检测可靠性的问题。
本发明提供了一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法，包括下述步骤：
S1：对输入的毫米波雷达帧数据进行预处理，并对预处理后的帧数据进行三维坐标归一化；
S2：通过调用OPTICS方法得到归一化数据聚类结果；
S3：在所述归一化数据聚类结果中提取聚类数据标号，并将多帧聚类数据与当前帧数据进行匹配从而获得当前帧数据聚类。
其中，在输入帧数据之前还需要进行参数初始化：设定延迟帧数N，OPTICS方法参数和数据预处理参数。
数据预处理参数包括：能量阈值Pmin、关注角度范围[θmin θmax]和距离范围[rmin rmax]；毫米波雷达帧数据包括：观测点极坐标下的极径r，角度θ，多普勒速度v和能量I。
作为本发明的一个实施例，预处理包括：以设定的数据预处理参数为数据筛选条件，依次对输入点的能量、角度和距离进行判断，若同时满足条件则保留，不满足则删除。
更进一步地，在预处理之后且归一化之前还包括：
帧数据压栈：当帧数据栈中所存储的帧数<N时，存储当前帧数据；当帧数=N时，执行聚类算法；当帧数>N时，删除栈末帧数据，并存储当前帧数据至栈顶，以维持栈内帧数据数量始终为N；
帧数据栈判断：此步骤主要在方法起始循环数<N时起效，作用是仅当帧数据栈满后才启动后续流程，否则等待新数据输入。
作为本发明的一个实施例，三维坐标归一化具体为：
帧数据通过判断条件后，栈中数据转换为矩阵的格式如下所示：
Figure 100002_DEST_PATH_IMAGE001
其中第1行存储x位置坐标，第2行存储y位置坐标，第3行存储多普勒速度，上标为数据所属帧标号，取值范围为1~N。
其中，对于位置维和速度维分别采用两种不同的归一化方式进行处理：
位置维数据归一化：采用线性变换方式，根据数组中的最大值
Figure 100002_DEST_PATH_IMAGE002
与最小值
Figure 100002_DEST_PATH_IMAGE003
，按照公式
Figure 100002_DEST_PATH_IMAGE004
将整体变换至0~1区间范围内；
速度维数据归一化：通过统计方法获取速度
Figure 100002_DEST_PATH_IMAGE005
，其中速度维归一化函数表达式如下：
Figure 100002_DEST_PATH_IMAGE006
；式中
Figure 100002_DEST_PATH_IMAGE007
为衰减系数，用于控制运动目标与固定目标间的欧式距离；
归一化后的数据为：
Figure 100002_DEST_PATH_IMAGE008
。
更进一步地，步骤S2具体包括：
根据公式
Figure 100002_DEST_PATH_IMAGE009
获得数据间欧式距离，作为OPTICS算法聚类依据；
调用OPTICS方法得到归一化数据聚类结果，并将每个聚类生成结构体，数据标号即归一化矩阵列号。
更进一步地，步骤S3具体为：
按归一化矩阵列号索引原雷达矩阵数据，存储数据三维坐标至聚类中；
将多帧聚类数据与当前帧数据的每一维信息进行比对，若完全一致则匹配成功并保留聚类中的该数据，否则删除，从而完成当前帧数据聚类。
本发明还提供了一种基于多帧多普勒速度扩维的毫米波雷达数据聚类系统，包括依次连接的多帧数据处理模块、基于OPTICS三维数据聚类模块以及当前帧聚类数据恢复模块，所述多帧数据处理模块主要用于实现毫米波雷达多帧数据预处理、数据存储与移位、多普勒速度维非线性归一化、位置维线性归一化等运算；所述OPTICS三维数据聚类模块主要用于实现基于OPTICS方法的三维数据聚类；所述当前帧聚类数据恢复模块用于将多帧聚类数据与当前帧数据进行匹配，输出聚类结果到后续模块，用于目标匹配或跟踪。
通过本发明所构思的以上技术方案，与现有技术相比，由于本发明引入了多普勒速度维，对于位置维距离接近但存在相对运动的目标，采用本发明所提出的方法能够进行有效的区分，解决了单纯依靠位置信息进行聚类无法区分近距离目标的问题。同时，本发明引入了多帧延迟数据方法，对于容易出现漏检现象的小目标，若单帧漏检概率为
Figure DEST_PATH_IMAGE010
，采用本发明所提出的方法能够降低此类目标的漏检概率至
Figure DEST_PATH_IMAGE011
，进而提升聚类方法性能。
附图说明
图1为本发明实施例提供的毫米波雷达数据聚类系统的结构原理框图。
图2为本发明实施例提供的毫米波雷达数据聚类方法的实现流程图。
图3为本发明实施例提供的测试场景一的现场照片。
图4为本发明实施例提供的测试场景一数据基于多帧多普勒速度扩维的数据聚类方法三维聚类结果。
图5为本发明实施例提供的测试场景一数据基于多帧多普勒速度扩维的数据聚类方法二维聚类结果。
图6为本发明实施例提供的测试场景一数据基于OPTICS在二维位置平面聚类结果一。
图7为本发明实施例提供的测试场景一数据基于OPTICS在二维位置平面聚类结果二。
图8为本发明实施例提供的测试场景二的现场照片。
图9为本发明实施例提供的测试场景二数据基于多帧多普勒速度扩维的数据聚类方法三维聚类结果。
图10为本发明实施例提供的测试场景二数据基于多帧多普勒速度扩维的数据聚类方法二维聚类结果。
图11为本发明实施例提供的测试场景二数据基于OPTICS在二维位置平面聚类结果。
图12为本发明实施例提供的测试场景三现场照片。
图13为本发明实施例提供的测试场景三数据基于多帧多普勒速度扩维的数据聚类方法三维聚类结果。
图14为本发明实施例提供的测试场景三数据基于多帧多普勒速度扩维的数据聚类方法二维聚类结果。
图15为本发明实施例提供的测试场景三数据基于OPTICS在二维位置平面聚类结果。
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，以下结合附图及实施例，对本发明进行进一步详细说明。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。
本发明适用于毫米波雷达数据聚类方法，可以克服传统聚类方法在处理毫米波雷达数据过程中存在的缺陷，提出了一种基于多帧多普勒速度扩维的毫米波雷达数据的高性能聚类方法，以小幅增加数据处理量为代价，实现了聚类方法性能改善。
本发明所提出的基于多帧多普勒速度扩维的毫米波雷达数据的高性能聚类方法结构如图1所示，可按功能划分为三个模块：多帧数据处理模块、基于OPTICS三维数据聚类模块以及当前帧聚类数据恢复模块。其中多帧数据处理模块主要用于实现毫米波雷达多帧数据预处理、数据存储与移位、多普勒速度维非线性归一化、位置维线性归一化等运算；OPTICS三维数据聚类模块主要用于实现基于OPTICS方法的三维数据聚类；当前帧聚类数据恢复模块用于将多帧聚类数据与当前帧数据进行匹配，输出聚类结果到后续模块，用于目标匹配或跟踪。
如图2所示，本发明提供的毫米波雷达数据聚类方法包括下述步骤：
1. 多帧数据处理
步骤1.1： 方法参数初始化：设定延迟帧数N，OPTICS方法参数（核心密度M、邻域距离
Figure DEST_PATH_IMAGE012
等），数据预处理参数（能量阈值Pmin、关注角度范围[θmin θmax]、距离范围[ rminrmax]）；
步骤1.2：帧数据输入：将毫米波雷达数据输入，包括观测点极坐标下的极径r，角度θ，多普勒速度v和能量I；
步骤1.3: 帧数据预处理：本步骤主要根据所指定的数据筛选规则，以步骤1.1中设定的数据预处理参数，依次对输入点进行判断，满足条件保留，不满足则删除，降低方法运算量；
步骤1.4：帧数据压栈：当帧数据栈中所存储的帧数<N时，存储当前帧数据，当帧数>N时，删除栈末帧数据，并存储当前帧数据至栈顶；
步骤1.5：帧数据栈判断：此步骤主要在方法起始循环数<N时起效，作用是仅当帧数据栈满后才启动后续流程，否则等待新数据输入。
步骤1.6：三维坐标归一化：帧数据通过判断条件后，栈中数据转换为矩阵的格式如下式所示：
Figure DEST_PATH_IMAGE013
其中第1行存储x位置坐标，第2行存储y位置坐标，第3行存储多普勒速度。上标为数据所属帧标号，取值范围为1~N。对于位置维和速度维，本发明采用两种不同的归一化方式进行处理。
步骤1.6.1 位置维数据归一化：采用线性变换方式，根据数组中的最大值
Figure DEST_PATH_IMAGE014
与最小值
Figure DEST_PATH_IMAGE015
，按下式将整体变换至0~1区间范围内；
Figure DEST_PATH_IMAGE016
步骤1.6.2速度维数据归一化：为使运动速度目标与固定障碍间的三维欧式距离尽可能增大以排除固定障碍检测数据的影响，在分析大量工程数据后发现，对于市内交通场景中的毫米波雷达数据，来自固定障碍的回波数据占比远大于其它目标，且该类数据的多普勒速度分布较集中，可通过统计方法获取该速度
Figure DEST_PATH_IMAGE017
。速度维归一化函数表达式如下：
Figure DEST_PATH_IMAGE018
式中
Figure DEST_PATH_IMAGE019
为衰减系数，用于控制运动目标与固定目标间的欧式距离。
归一化后的数据为：
Figure DEST_PATH_IMAGE020
2. 归一化数据聚类
步骤2.1数据间欧式距离计算公式如下：
Figure DEST_PATH_IMAGE021
步骤2.2调用OPTICS方法得到归一化数据聚类结果，并将每个聚类生成结构体，数据标号即归一化矩阵列号。
3. 当前帧聚类数据恢复
步骤3.1 提取聚类数据标号：按归一化矩阵列号索引原雷达矩阵数据，存储数据三维坐标至聚类中。
步骤3.2将多帧聚类数据与当前帧数据进行匹配，若匹配成功则保留聚类中的该数据，否则删除，完成当前帧数据聚类。
本发明通过引入多普勒速度维，对于位置维距离接近但存在相对运动的目标，采用本发明所提出的方法能够进行有效的区分，解决了单纯依靠位置信息进行聚类无法区分近距离目标的问题。同时，引入了多帧延迟数据方法，对于容易出现漏检现象的小目标，若单帧漏检概率为
Figure DEST_PATH_IMAGE022
，采用本发明所提出的方法，能够降低此类目标的漏检概率至
Figure DEST_PATH_IMAGE023
，进而提升聚类方法性能。
为了更进一步的说明本发明实施例提供的毫米波雷达数据聚类方法，现结合具体实例详述如下：
采用基于多帧延迟及多普勒速度扩维的毫米波雷达数据聚类方法对77GHz雷达数据进行聚类。
测试场景为单向车道，两侧均存在固定离散不规则分布障碍物，存在相向而行且尺寸较小目标。
具体的过程包括：
（1）方法参数初始化。设定延迟帧数3，核心密度3、邻域距离
Figure DEST_PATH_IMAGE024
=0.2，邻域距离
Figure DEST_PATH_IMAGE025
=0.1:能量阈值Pmin=1e-3、关注角度范围[-15° 15°]、纵向距离范围[ 0m 60m]、横向距离范围[-20m 20m]），衰减系数
Figure 440472DEST_PATH_IMAGE026
=0.3；
（2）顺次读取3帧数据入栈，按行索引依次对应横向位置、纵向位置、多普勒速度和能量，按列索引对应数据标号，按如下数据点筛选规则对数据进行预处理，输出多帧数据矩阵Data：
i.R1：删除能量阈值低于1e-3的检测数据；
ii. R2：删除角度在[-15° 15°]之外的检测数据；
iii.R3：删除纵向距离>60m的检测数据；
iv. R4：删除横向距离在[-20m 20m]之外的数据。
（3）位置数据归一化。分别提取横向位置、纵向位置最大值及最小值，并归一化至[0 1]范围；速度数据归一化。取速度区间长度为0.1m/s，遍历多普勒速度数据，提取分布最密集的区间并令其为
Figure DEST_PATH_IMAGE027
，本例中
Figure 170662DEST_PATH_IMAGE027
=-12.91m/s，采用；
（4）基于OPTICS方法进行归一化数据聚类。参数为M=3，
Figure 12716DEST_PATH_IMAGE028
=0.2，
Figure DEST_PATH_IMAGE029
=0.1，由于该方法较成熟，在此不做赘述。
（5）当前帧聚类数据恢复。本步骤可用方法较多，如按标号匹配或按数据严格匹配，本例中采用按数据匹配方式，即首先按聚类标号提取原始多帧数据矩阵Data中对应的数据点，采用穷举法将两者进行对比，若数据一致则赋予当前帧数据聚类号，直至穷举完成，未匹配成功的数据则为本帧噪声点。
本发明所提出的毫米波雷达数据聚类方法在应用例中的数据聚类结果及采用传统的OPTICS聚类方法对比结果如图3~图11所示。
图3为测试场景一所对应的现场环境照片，道路两侧存在不规则分布的固定障碍，右前方出现尺寸较大的车辆。图4为本发明所提出的基于多帧多普勒速度扩维的数据聚类方法处理结果，由图可见方法能够有效识别图中出现的车辆，聚类结果为图中的Cluster8。图5为将多帧数据恢复到本帧数据后的聚类结果，由图可见由于车辆尺寸较大，本帧数据中来自车辆的回波数据出现分散现象，但所本发明所提出的方法能够有效的对数据进行聚类，聚类结果为图中Cluster8。图6和图7为采用OPTICS在二维位置数据的基础上进行聚类的结果，对应的聚类数据标号为Cluster1。由两图可知，仅以包含二维位置变量的单帧数据进行聚类无法得到理想的效果，仅能识别部分回波数据或将距离较近的噪声信号归于聚类结果中，聚类结果均差于本发明所提出的方法，可知所提出的方法能够有效解决大尺寸目标回波数据不连续情况下的聚类问题。
图8为测试场景二所对应的现场环境照片，道路两侧存在不规则分布的固定障碍，前方靠近障碍物处出现体积较小的机动车辆。图9为基于多帧多普勒速度扩维的数据聚类方法处理结果，由图可见在引入多普勒速度维后，由于车辆与固定障碍间存在相对运动，使得车辆与障碍在多普勒速度维度上能够得到有效的区分，车辆聚类标号为Cluster2，相邻障碍物聚类标号为Cluster5。图10为恢复至当前帧聚类结果，由图可见在二维位置平面上，车辆回波信号与障碍物信号距离较近，但所提出的方法仍然能够对二者进行有效区分，车辆聚类标号为Cluster2，相邻障碍物聚类标号为Cluster5。图11为基于OPTICS在二维位置数据的基础上进行聚类的结果，可已看出方法无法将车辆与障碍物划分，而将二者划分为标号为Cluster5的聚类，通过对比可以看出所提出的方法能够在一定程度上解决目标与障碍物距离小情况下的聚类问题。
图12为测试场景三所对应的现场环境照片，道路两侧存在不规则分布的固定障碍，前方出现体积较小的机动车辆。图13为基于多帧多普勒速度扩维的数据聚类方法处理结果，由图可见在引入多帧数据后，能够在三维空间中对回波数量较少的小目标进行有效聚类，聚类标号为Cluster2。图14为恢复至当前帧聚类结果，由图可见本帧数据中来自目标的回波数量仅为1，但所提出的方法能够有效将其与噪声点区分，形成单点聚类，标号为Cluster2。图15为采用传统的OPTICS方法聚类结果，由图可见该目标回波被划分为噪声，由OPTICS方法原理知在核心点密度大于1的情况下均会将其划分为噪声，而若设置核心点密度为1则会将所有噪声将被列为有效目标，使后续计算量大幅增加。通过对比可以看出本发明所提出的毫米波雷达数据聚类方法能够解决小目标回波数量少的情况下的聚类问题。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法，其特征在于，包括下述步骤：
S1：对输入的毫米波雷达帧数据进行预处理，并对预处理后的帧数据进行三维坐标归一化；
S2：通过调用OPTICS方法得到归一化数据聚类结果；
S3：在所述归一化数据聚类结果中提取聚类数据标号，并将多帧聚类数据与当前帧数据进行匹配从而获得当前帧数据聚类。
2.如权利要求1所述的毫米波雷达数据聚类方法，其特征在于，在输入帧数据之前还需要进行参数初始化：设定延迟帧数N，OPTICS方法参数和数据预处理参数。
3.如权利要求2所述的毫米波雷达数据聚类方法，其特征在于，所述数据预处理参数包括：能量阈值Pmin、关注角度范围[θmin θmax]和距离范围[ rmin rmax]；
所述毫米波雷达帧数据包括：观测点极坐标下的极径r，角度θ，多普勒速度v和能量I。
4.如权利要求2所述的毫米波雷达数据聚类方法，其特征在于，所述预处理包括：以设定的数据预处理参数为数据筛选条件，依次对输入点的能量、角度和距离进行判断，若同时满足条件则保留，不满足则删除。
5.如权利要求4所述的毫米波雷达数据聚类方法，其特征在于，在预处理之后且归一化之前还包括：
帧数据压栈：当帧数据栈中所存储的帧数<N时，存储当前帧数据；当帧数=N时，执行聚类算法；当帧数>N时，删除栈末帧数据，并存储当前帧数据至栈顶，以维持栈内帧数据数量始终为N；
帧数据栈判断：此步骤主要在方法起始循环数<N时起效，作用是仅当帧数据栈满后才启动后续流程，否则等待新数据输入。
6.如权利要求5所述的毫米波雷达数据聚类方法，其特征在于，所述三维坐标归一化具体为：
帧数据通过判断条件后，栈中数据转换为矩阵的格式如下所示：
Figure DEST_PATH_IMAGE001
其中第1行存储x位置坐标，第2行存储y位置坐标，第3行存储多普勒速度，上标为数据所属帧标号，取值范围为1~N。
7.如权利要求6所述的毫米波雷达数据聚类方法，其特征在于，对于位置维和速度维分别采用两种不同的归一化方式进行处理：
位置维数据归一化：采用线性变换方式，根据数组中的最大值
Figure DEST_PATH_IMAGE002
与最小值
Figure DEST_PATH_IMAGE003
，按照公式
Figure DEST_PATH_IMAGE004
将整体变换至0~1区间范围内；
速度维数据归一化：通过统计方法获取速度
Figure DEST_PATH_IMAGE005
，其中速度维归一化函数表达式如下：
Figure DEST_PATH_IMAGE006
；式中
Figure DEST_PATH_IMAGE007
为衰减系数，用于控制运动目标与固定目标间的欧式距离；
归一化后的数据为：
Figure DEST_PATH_IMAGE008
。
8.如权利要求1所述的毫米波雷达数据聚类方法，其特征在于，步骤S2具体包括：
根据公式
Figure DEST_PATH_IMAGE009
获得数据间欧式距离，作为OPTICS算法聚类依据；
调用OPTICS方法得到归一化数据聚类结果，并将每个聚类生成结构体，数据标号即归一化矩阵列号。
9.如权利要求1所述的毫米波雷达数据聚类方法，其特征在于，步骤S3具体为：
按归一化矩阵列号索引原雷达矩阵数据，存储数据三维坐标至聚类中；
将多帧聚类数据与当前帧数据的每一维信息进行比对，若完全一致则匹配成功并保留聚类中的该数据，否则删除，从而完成当前帧数据聚类。
10.一种基于多帧多普勒速度扩维的毫米波雷达数据聚类系统，其特征在于，包括依次连接的多帧数据处理模块、基于OPTICS三维数据聚类模块以及当前帧聚类数据恢复模块，
所述多帧数据处理模块主要用于实现毫米波雷达多帧数据预处理、数据存储与移位、多普勒速度维非线性归一化、位置维线性归一化等运算；
所述OPTICS三维数据聚类模块主要用于实现基于OPTICS方法的三维数据聚类；
所述当前帧聚类数据恢复模块用于将多帧聚类数据与当前帧数据进行匹配，输出聚类结果到后续模块，用于目标匹配或跟踪。
CN202211147676.4A 2022-09-21 2022-09-21 一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法 Active CN115236627B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211147676.4A CN115236627B (zh) 2022-09-21 2022-09-21 一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法
PCT/CN2023/104570 WO2024060771A1 (zh) 2022-09-21 2023-06-30 一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211147676.4A CN115236627B (zh) 2022-09-21 2022-09-21 一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法

Publications (2)

Publication Number Publication Date
CN115236627A true CN115236627A (zh) 2022-10-25
CN115236627B CN115236627B (zh) 2022-12-16

Family

ID=83681246

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211147676.4A Active CN115236627B (zh) 2022-09-21 2022-09-21 一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法

Country Status (2)

Country Link
CN (1) CN115236627B (zh)
WO (1) WO2024060771A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115980738A (zh) * 2023-03-15 2023-04-18 深圳安智杰科技有限公司 一种基于动静分离的多目标跟踪方法
CN117289255A (zh) * 2023-10-19 2023-12-26 广州行深智能科技有限公司 目标检测方法、装置、终端设备及存储介质
WO2024060771A1 (zh) * 2022-09-21 2024-03-28 深圳安智杰科技有限公司 一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118568525A (zh) * 2024-07-29 2024-08-30 中国人民解放军海军航空大学 一种雷达回波的自适应聚类方法

Citations (47)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020151992A1 (en) * 1999-02-01 2002-10-17 Hoffberg Steven M. Media recording device with packet data interface
US20030009470A1 (en) * 2001-04-25 2003-01-09 Leary James F. Subtractive clustering for use in analysis of data
JP2005141517A (ja) * 2003-11-07 2005-06-02 Daihatsu Motor Co Ltd 車両検出方法及び車両検出装置
US20080010291A1 (en) * 2006-07-05 2008-01-10 Krishna Leela Poola Techniques for clustering structurally similar web pages
EP2193390A1 (de) * 2007-09-18 2010-06-09 Continental Teves AG & CO. OHG Auf die strassenoberfläche gerichtete lasersensoren zum erfassen der bewegung eines fahrzeugs
US20120036016A1 (en) * 1999-02-01 2012-02-09 Hoffberg Steven M Vehicular information system and method
JP2015130041A (ja) * 2014-01-07 2015-07-16 日本放送協会 画像処理装置及び画像処理プログラム
CN108776460A (zh) * 2018-05-02 2018-11-09 南京航空航天大学 基于pc的高速图像检测分拣生产线控制系统及其控制方法
US20190011550A1 (en) * 2017-07-04 2019-01-10 Baidu Online Network Technology (Beijing) Co., Ltd Method and apparatus for determing obstacle speed
EP3514569A1 (en) * 2018-01-22 2019-07-24 Infineon Technologies AG System and method for human behavior modelling and power control using a millimeter-wave radar sensor
CN110597251A (zh) * 2019-09-03 2019-12-20 三星电子（中国）研发中心 用于控制智能移动设备的方法及装置
CN110895333A (zh) * 2019-12-05 2020-03-20 电子科技大学 一种基于多普勒频率的77g车载雷达数据快速聚类方法
CN111045008A (zh) * 2020-01-15 2020-04-21 深圳市华讯方舟微电子科技有限公司 基于展宽计算的车载毫米波雷达目标识别方法
CN111316128A (zh) * 2018-12-28 2020-06-19 深圳市大疆创新科技有限公司 连续障碍物检测方法、设备、系统及存储介质
CN111699406A (zh) * 2019-03-29 2020-09-22 深圳市大疆创新科技有限公司 毫米波雷达的跟踪检测方法、毫米波雷达和车辆
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
WO2021000787A1 (zh) * 2019-07-02 2021-01-07 华为技术有限公司 道路几何识别方法及装置
WO2021008202A1 (zh) * 2019-07-16 2021-01-21 浙江大学 一种基于毫米波雷达点云特征的核支持向量机目标分类方法
JP2021034025A (ja) * 2019-08-16 2021-03-01 富士通株式会社 レーダ反射点のクラスタリング装置、方法及び電子機器
CN112526513A (zh) * 2021-02-10 2021-03-19 北方工业大学 基于聚类算法的毫米波雷达环境地图构建方法及装置
CN112712040A (zh) * 2020-12-31 2021-04-27 潍柴动力股份有限公司 基于雷达校准车道线信息的方法、装置、设备及存储介质
CN112949489A (zh) * 2021-03-01 2021-06-11 成都安智杰科技有限公司 一种道路边界识别方法、装置、电子设备和存储介质
US20210197851A1 (en) * 2019-12-30 2021-07-01 Yanshan University Method for building virtual scenario library for autonomous vehicle
CN113093168A (zh) * 2021-04-08 2021-07-09 深圳安智杰科技有限公司 测距测速方法、装置、雷达及可读存储介质
CN113536850A (zh) * 2020-04-20 2021-10-22 长沙莫之比智能科技有限公司 基于77g毫米波雷达的目标物体大小测试方法和装置
CN113591695A (zh) * 2021-07-30 2021-11-02 清华大学 一种基于毫米波雷达点云的行人重识别方法及装置
WO2021217669A1 (zh) * 2020-04-30 2021-11-04 华为技术有限公司 一种目标检测方法及装置
WO2021218346A1 (zh) * 2020-04-30 2021-11-04 华为技术有限公司 一种聚类的方法和装置
WO2021218347A1 (zh) * 2020-04-30 2021-11-04 华为技术有限公司 一种聚类的方法和装置
CN113625266A (zh) * 2021-07-20 2021-11-09 嘉兴聚速电子技术有限公司 应用雷达检测低速目标的方法、装置、存储介质和设备
US20210350149A1 (en) * 2019-01-14 2021-11-11 SZ DJI Technology Co., Ltd. Lane detection method and apparatus,lane detection device,and movable platform
CN113743171A (zh) * 2020-05-30 2021-12-03 华为技术有限公司 目标检测方法及装置
CN113918004A (zh) * 2020-07-10 2022-01-11 华为技术有限公司 手势识别方法及其装置、介质和系统
CN114092778A (zh) * 2022-01-24 2022-02-25 深圳安智杰科技有限公司 基于表征学习的雷达摄像头数据融合系统及方法
CN114114197A (zh) * 2021-12-24 2022-03-01 纵目科技（上海）股份有限公司 多普勒模糊度的计算方法、多普勒速度的计算方法及装置
WO2022058735A2 (en) * 2020-09-16 2022-03-24 Nodens Medical Ltd Millimeterwave radar system for determining an activity record
CN114325682A (zh) * 2021-04-29 2022-04-12 北京易航远智科技有限公司 基于车载4d毫米波雷达的车辆速度状态估计方法
WO2022083529A1 (zh) * 2020-10-19 2022-04-28 华为技术有限公司 一种数据处理方法及装置
WO2022089194A1 (zh) * 2020-10-29 2022-05-05 同济大学 一种基于毫米波雷达数据的车道线形检测方法
US20220155432A1 (en) * 2020-11-19 2022-05-19 Xidian University Method of target feature extraction based on millimeter-wave radar echo
CN114609626A (zh) * 2022-03-16 2022-06-10 电子科技大学 一种车载毫米波雷达多目标检测方法
US20220207868A1 (en) * 2020-12-29 2022-06-30 Tsinghua University All-weather target detection method based on vision and millimeter wave fusion
CN114859339A (zh) * 2022-04-29 2022-08-05 电子科技大学 一种基于毫米波雷达的多目标跟踪方法
US20220252712A1 (en) * 2019-07-05 2022-08-11 Gree Electric Appliances, Inc. Of Zhuhai Human Detection Method and Device, Electronic Apparatus and Storage Medium
CN114966589A (zh) * 2022-04-29 2022-08-30 电子科技大学 一种基于毫米波雷达的多目标检测方法
CN114998452A (zh) * 2022-08-03 2022-09-02 深圳安智杰科技有限公司 一种车载摄像头在线标定方法及系统
CN115079121A (zh) * 2022-07-19 2022-09-20 南京隼眼电子科技有限公司 用于车载雷达的多径目标识别方法、装置及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI220733B (en) * 2003-02-07 2004-09-01 Ind Tech Res Inst System and a method for stack-caching method frames
CN115236627B (zh) * 2022-09-21 2022-12-16 深圳安智杰科技有限公司 一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法

Patent Citations (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120036016A1 (en) * 1999-02-01 2012-02-09 Hoffberg Steven M Vehicular information system and method
US20020151992A1 (en) * 1999-02-01 2002-10-17 Hoffberg Steven M. Media recording device with packet data interface
US20030009470A1 (en) * 2001-04-25 2003-01-09 Leary James F. Subtractive clustering for use in analysis of data
JP2005141517A (ja) * 2003-11-07 2005-06-02 Daihatsu Motor Co Ltd 車両検出方法及び車両検出装置
US20080010291A1 (en) * 2006-07-05 2008-01-10 Krishna Leela Poola Techniques for clustering structurally similar web pages
EP2193390A1 (de) * 2007-09-18 2010-06-09 Continental Teves AG & CO. OHG Auf die strassenoberfläche gerichtete lasersensoren zum erfassen der bewegung eines fahrzeugs
JP2015130041A (ja) * 2014-01-07 2015-07-16 日本放送協会 画像処理装置及び画像処理プログラム
US20190011550A1 (en) * 2017-07-04 2019-01-10 Baidu Online Network Technology (Beijing) Co., Ltd Method and apparatus for determing obstacle speed
EP3514569A1 (en) * 2018-01-22 2019-07-24 Infineon Technologies AG System and method for human behavior modelling and power control using a millimeter-wave radar sensor
CN108776460A (zh) * 2018-05-02 2018-11-09 南京航空航天大学 基于pc的高速图像检测分拣生产线控制系统及其控制方法
CN111316128A (zh) * 2018-12-28 2020-06-19 深圳市大疆创新科技有限公司 连续障碍物检测方法、设备、系统及存储介质
WO2020133217A1 (zh) * 2018-12-28 2020-07-02 深圳市大疆创新科技有限公司 连续障碍物检测方法、设备、系统及存储介质
US20210350149A1 (en) * 2019-01-14 2021-11-11 SZ DJI Technology Co., Ltd. Lane detection method and apparatus,lane detection device,and movable platform
CN111699406A (zh) * 2019-03-29 2020-09-22 深圳市大疆创新科技有限公司 毫米波雷达的跟踪检测方法、毫米波雷达和车辆
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
WO2021000787A1 (zh) * 2019-07-02 2021-01-07 华为技术有限公司 道路几何识别方法及装置
US20220252712A1 (en) * 2019-07-05 2022-08-11 Gree Electric Appliances, Inc. Of Zhuhai Human Detection Method and Device, Electronic Apparatus and Storage Medium
WO2021008202A1 (zh) * 2019-07-16 2021-01-21 浙江大学 一种基于毫米波雷达点云特征的核支持向量机目标分类方法
JP2021034025A (ja) * 2019-08-16 2021-03-01 富士通株式会社 レーダ反射点のクラスタリング装置、方法及び電子機器
CN110597251A (zh) * 2019-09-03 2019-12-20 三星电子（中国）研发中心 用于控制智能移动设备的方法及装置
CN110895333A (zh) * 2019-12-05 2020-03-20 电子科技大学 一种基于多普勒频率的77g车载雷达数据快速聚类方法
US20210197851A1 (en) * 2019-12-30 2021-07-01 Yanshan University Method for building virtual scenario library for autonomous vehicle
CN111045008A (zh) * 2020-01-15 2020-04-21 深圳市华讯方舟微电子科技有限公司 基于展宽计算的车载毫米波雷达目标识别方法
CN113536850A (zh) * 2020-04-20 2021-10-22 长沙莫之比智能科技有限公司 基于77g毫米波雷达的目标物体大小测试方法和装置
WO2021218347A1 (zh) * 2020-04-30 2021-11-04 华为技术有限公司 一种聚类的方法和装置
WO2021217669A1 (zh) * 2020-04-30 2021-11-04 华为技术有限公司 一种目标检测方法及装置
WO2021218346A1 (zh) * 2020-04-30 2021-11-04 华为技术有限公司 一种聚类的方法和装置
CN113743171A (zh) * 2020-05-30 2021-12-03 华为技术有限公司 目标检测方法及装置
CN113918004A (zh) * 2020-07-10 2022-01-11 华为技术有限公司 手势识别方法及其装置、介质和系统
WO2022058735A2 (en) * 2020-09-16 2022-03-24 Nodens Medical Ltd Millimeterwave radar system for determining an activity record
WO2022083529A1 (zh) * 2020-10-19 2022-04-28 华为技术有限公司 一种数据处理方法及装置
WO2022089194A1 (zh) * 2020-10-29 2022-05-05 同济大学 一种基于毫米波雷达数据的车道线形检测方法
US20220155432A1 (en) * 2020-11-19 2022-05-19 Xidian University Method of target feature extraction based on millimeter-wave radar echo
US20220207868A1 (en) * 2020-12-29 2022-06-30 Tsinghua University All-weather target detection method based on vision and millimeter wave fusion
CN112712040A (zh) * 2020-12-31 2021-04-27 潍柴动力股份有限公司 基于雷达校准车道线信息的方法、装置、设备及存储介质
CN112526513A (zh) * 2021-02-10 2021-03-19 北方工业大学 基于聚类算法的毫米波雷达环境地图构建方法及装置
CN112949489A (zh) * 2021-03-01 2021-06-11 成都安智杰科技有限公司 一种道路边界识别方法、装置、电子设备和存储介质
CN113093168A (zh) * 2021-04-08 2021-07-09 深圳安智杰科技有限公司 测距测速方法、装置、雷达及可读存储介质
CN114325682A (zh) * 2021-04-29 2022-04-12 北京易航远智科技有限公司 基于车载4d毫米波雷达的车辆速度状态估计方法
CN113625266A (zh) * 2021-07-20 2021-11-09 嘉兴聚速电子技术有限公司 应用雷达检测低速目标的方法、装置、存储介质和设备
CN113591695A (zh) * 2021-07-30 2021-11-02 清华大学 一种基于毫米波雷达点云的行人重识别方法及装置
CN114114197A (zh) * 2021-12-24 2022-03-01 纵目科技（上海）股份有限公司 多普勒模糊度的计算方法、多普勒速度的计算方法及装置
CN114092778A (zh) * 2022-01-24 2022-02-25 深圳安智杰科技有限公司 基于表征学习的雷达摄像头数据融合系统及方法
CN114609626A (zh) * 2022-03-16 2022-06-10 电子科技大学 一种车载毫米波雷达多目标检测方法
CN114859339A (zh) * 2022-04-29 2022-08-05 电子科技大学 一种基于毫米波雷达的多目标跟踪方法
CN114966589A (zh) * 2022-04-29 2022-08-30 电子科技大学 一种基于毫米波雷达的多目标检测方法
CN115079121A (zh) * 2022-07-19 2022-09-20 南京隼眼电子科技有限公司 用于车载雷达的多径目标识别方法、装置及存储介质
CN114998452A (zh) * 2022-08-03 2022-09-02 深圳安智杰科技有限公司 一种车载摄像头在线标定方法及系统

Non-Patent Citations (18)

* Cited by examiner, † Cited by third party
Title
D. G. MACFARLANE: ""SAFIRE: A close range real time millimetre wave radar for public education"", 《2007 JOINT 32ND INTERNATIONAL CONFERENCE ON INFRARED AND MILLIMETER WAVES AND THE 15TH INTERNATIONAL CONFERENCE ON TERAHERTZ ELECTRONICS》 *
FEI SHOUYONG: ""Rail Identification Using Camera and Millimeter-Wave Radar Data"", 《2021 INTERNATIONAL CONFERENCE ON INFORMATION TECHNOLOGY AND BIOMEDICAL ENGINEERING (ICITBE)》 *
G. CONNAN: ""Millimeter-wave radar back-scattering from water waves"", 《RECORD OF THE IEEE 2000 INTERNATIONAL RADAR CONFERENCE》 *
KONISHI.K: ""Development of a 3D Imaging System Using Millimeter Wave MIMO Radar"", 《2021 46TH INTERNATIONAL CONFERENCE ON INFRARED, MILLIMETER AND TERAHERTZ WAVES (IRMMW-THZ) 》 *
MARTINEZ-INGLES: ""On clustering for deterministic and measured indoor mmW channels"", 《2014 8TH EUROPEAN CONFERENCE ON ANTENNAS AND PROPAGATION (EUCAP)》 *
PARK.S: ""Multiple Data Association and Tracking Using Millimeter Wave Radar"", 《2008 INTERNATIONAL CONFERENCE ON CONTROL, AUTOMATION AND SYSTEMS》 *
WILTSE J C: ""History of millmeter and submillimeter waves"", 《IEEE TRANSACTIONS ON MIRCROWAVE THEORY AND TECHNIQUES》 *
吴优: ""基于相控电磁表面的W波段雷达系统研究"", 《雷达学报》 *
吴兆平等: "距离-多普勒-时间三维雷达数据中的目标能量积累", 《系统工程与电子技术》 *
康猛: "毫米波雷达的多普勒扩展目标检测", 《现代雷达》 *
张仕阳等: "毫米波雷达人员检测系统设计", 《传感器与微系统》 *
李宁: "数据采集与处理2008年(第23卷1～6期)总目次", 《数据采集与处理》 *
李杨: ""车载毫米波雷达中的参数估计算法设计与系统实现"", 《中国优秀硕士学位论文全文数据库》 *
段建民等: "基于改进JP算法的激光雷达可行驶区域检测", 《应用激光》 *
赵佳楠: ""车载毫米波雷达目标方位估计与识别技术研究"", 《中国优秀硕士学位论文全文数据库》 *
郭蓬等: "基于角毫米波雷达的目标筛选", 《汽车实用技术》 *
魏兰玲等: "一种用于微弱目标检测的帧间移位累加方法", 《航空兵器》 *
龚伟: ""基于毫米波雷达的人数统计、姿态识别及跟踪系统的设计和实现"", 《中国优秀硕士学位论文全文数据库》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024060771A1 (zh) * 2022-09-21 2024-03-28 深圳安智杰科技有限公司 一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法
CN115980738A (zh) * 2023-03-15 2023-04-18 深圳安智杰科技有限公司 一种基于动静分离的多目标跟踪方法
CN115980738B (zh) * 2023-03-15 2023-06-02 深圳安智杰科技有限公司 一种基于动静分离的多目标跟踪方法
CN117289255A (zh) * 2023-10-19 2023-12-26 广州行深智能科技有限公司 目标检测方法、装置、终端设备及存储介质

Also Published As

Publication number Publication date
WO2024060771A1 (zh) 2024-03-28
CN115236627B (zh) 2022-12-16

Similar Documents

Publication Publication Date Title
CN115236627B (zh) 一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法
CN111260683B (zh) 一种三维点云数据的目标检测与跟踪方法及其装置
CN111583369B (zh) 一种基于面线角点特征提取的激光slam方法
Nabati et al. Rrpn: Radar region proposal network for object detection in autonomous vehicles
CN111239766B (zh) 基于激光雷达的水面多目标快速识别跟踪方法
CN114325682A (zh) 基于车载4d毫米波雷达的车辆速度状态估计方法
CN116299500B (zh) 一种融合目标检测和跟踪的激光slam定位方法及设备
CN116109601A (zh) 一种基于三维激光雷达点云的实时目标检测方法
CN111929653A (zh) 一种基于无人船航海雷达的目标检测、跟踪方法及系统
CN115062683A (zh) 基于dbscan的4d毫米波雷达聚类方法及存储介质
CN115980738B (zh) 一种基于动静分离的多目标跟踪方法
CN113077473B (zh) 三维激光点云路面分割方法、系统、计算机设备及介质
CN113625232A (zh) 雷达检测中多径虚假目标抑制方法、装置、介质和设备
CN111736167B (zh) 一种获取激光点云密度的方法和装置
JP2023533140A (ja) 自動運転車の位置推定精度を向上させる方法
CN116299473A (zh) 一种基于mimo毫米波雷达的横穿目标探测方法
WO2023108930A1 (zh) 一种基于点云速度的毫米波雷达大车识别方法
Prophet et al. CNN based road course estimation on automotive radar data with various gridmaps
CN113313654B (zh) 激光点云滤波去噪方法、系统、设备及存储介质
CN115423985A (zh) 一种剔除点云地图中动态物体点云的方法
CN115267827A (zh) 一种基于高度密度筛选的激光雷达港区障碍物感知方法
CN114839628A (zh) 利用多个距离和分辨率的物体检测
Pan et al. Fast vanishing point estimation based on particle swarm optimization
CN117196975A (zh) 一种无人物流车激光雷达地面点云的去除方法及应用
CN114814778B (zh) 一种基于毫米波雷达的载体速度解算方法

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A clustering method for millimeter wave radar data based on multi frame Doppler velocity expansion

Granted publication date: 20221216

Pledgee: Bank of Communications Limited Shenzhen Branch

Pledgor: SHENZHEN ANNGIC TECHNOLOGY CO.,LTD.

Registration number: Y2024980002919