CN115267718A - 基于点云拼接的环视雷达360°探测实现方法 - Google Patents

基于点云拼接的环视雷达360°探测实现方法 Download PDF

Info

Publication number
CN115267718A
CN115267718A CN202210956831.0A CN202210956831A CN115267718A CN 115267718 A CN115267718 A CN 115267718A CN 202210956831 A CN202210956831 A CN 202210956831A CN 115267718 A CN115267718 A CN 115267718A
Authority
CN
China
Prior art keywords
point
point cloud
radar
points
radar1
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
Application number
CN202210956831.0A
Other languages
English (en)
Inventor
李东瀛
吴悠
郁文贤
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.)
Shanghai Xihongqiao Navigation Technology Co ltd
Shanghai Jiaotong University
Original Assignee
Shanghai Xihongqiao Navigation Technology Co ltd
Shanghai Jiaotong University
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 Shanghai Xihongqiao Navigation Technology Co ltd, Shanghai Jiaotong University filed Critical Shanghai Xihongqiao Navigation Technology Co ltd
Priority to CN202210956831.0A priority Critical patent/CN115267718A/zh
Publication of CN115267718A publication Critical patent/CN115267718A/zh
Pending legal-status Critical Current

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
    • G01S7/414—Discriminating targets with respect to background clutter
    • 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
    • G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar

Landscapes

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

Abstract

一种基于点云拼接的环视雷达360°探测实现方法，将多个雷达中的任意两个相邻的雷达进行分组后，建立坐标系并设置角反位置后进行单帧点云的粗配准；通过扩大相邻点云的重叠角度区域和杂波抑制，再进行基于ICP算法的单帧精配准，循环执行直至所有图像均实现点云拼接，实现360°的探测。本发明通过对相邻点云的重叠部分高精度配准，从而将多个环视毫米波雷达的二维点云进行拼接，完成360°的探测。

Description

基于点云拼接的环视雷达360°探测实现方法
技术领域
本发明涉及的是一种雷达信号处理领域的技术，具体是一种基于点云拼接的环视雷达360°探测实现方法。
背景技术
单个毫米波雷达视场角FOV较小，以TIAWR2243雷达为例，FOV仅有120°，远不能探测周围360°范围内的目标信息，且在边界存在噪声。现有的点云配准方法包括粗配准和精配准。ICP(迭代最近点)算法及其各种变种已经成为精配准的固定模式，该算法依赖于选定良好的初值，这要求前期有良好的粗配准结果；此外，当两个点云不完全重叠，含有噪声时则无法获得良好结果。使得目前在使用ICP对点云重叠部分进行配准前，必须进行较为准确的粗配准和滤波去除噪声。
发明内容
本发明针对现有技术存在的上述不足，提出一种基于点云拼接的环视雷达360°探测实现方法，通过对相邻点云的重叠部分高精度配准，从而将多个环视毫米波雷达的二维点云进行拼接，完成360°的探测。
本发明是通过以下技术方案实现的：
本发明涉及一种基于点云拼接的环视雷达360°探测实现方法，将多个雷达中的任意两个相邻的雷达进行分组后，建立坐标系并设置角反位置后进行单帧点云的粗配准；通过扩大相邻点云的重叠角度区域和杂波抑制，再进行基于ICP算法的单帧精配准，循环执行直至所有图像均实现点云拼接，实现360°的探测。
本发明涉及一种实现上述方法的系统，包括：粗配准单元、杂波抑制单元以及细配准单元，其中：粗配准单元根据雷达的位置关系以及角反位置，进行点云位置变换，得到多点云初步拼接结果，杂波抑制单元在相邻两雷达点云重叠部分中，保留两点云中距离较近的点，得到杂波抑制后的重叠部分点云，细配准单元对杂波抑制后相邻两点云的重叠部分的点云，进行ICP配准，对多个点云分别进行相邻点云的两两配准，得到多个毫米波雷达点云的拼接结果。
附图说明
图1为雷达初始位置和角反位置示意图；
图2为搜索得到雷达数据中的角反点示意图；
图3为扩大重叠区域搜索范围示意图；
图4为多毫米波雷达点云拼接结果示意图；
图中：(a)为步骤2a)初始拼接后结果；为(b)为步骤2b)根据角反粗配准后结果；(c)为步骤3b)相邻点云重叠区域滤波后结果；(d)为步骤3c)重叠区域点云ICP配准后结果；(e)为多雷达点云最终拼接结果。
具体实施方式
本实施例涉及一种基于点云拼接的环视雷达360°探测实现方法，包括：
步骤1)将多个雷达radar1～radar3按照相隔θ的角度摆放，并测量得到其相对位置关系，并在相邻两点云的重叠区域放置角反corner1、corner2，同样测量其位置，以第二雷达radar2所在直线为y轴，以第一雷达radar1所在直线为x轴，建立直角坐标系如图1所示。图中，使用卷尺或激光测距仪得到多雷达和角反的位置，雷达探测区域由实线表示。
步骤2)进行基于雷达和角反位置的粗配准，具体包括：
a.根据雷达之间的实测位置关系，将多个点云进行初步拼接，具体为：以第二雷达radar2为基准，分别将第一和第三雷达radar1、radar3点云数据按雷达位置、摆放角度进行旋转平移，具体为：
Figure BDA0003791692480000021
Figure BDA0003791692480000022
其中：xr1，yr1，xr2，yr2，xr3，yr3分别为第一至第三雷达的横纵坐标，θ为测量所得的相邻雷达间隔角度，
xradar1,yradar1,xradar2,yradar2,xradar3,yradar3分别为第一至第三雷达原始点云中点的横纵坐标，xradar1′,yradar1′,xradar2′,yradar2′,xradar3′,yradar3′分别为第一至第三雷达点云初步拼接后点的横纵坐标。
b.根据雷达点的强度和角反点的实测位置，在相邻两点云重叠区域内找到对应角反的点，将点云进行微调，移动使得相邻的点云对应角反的点重合，具体为：根据第一角反点corner1实测位置，在其附近r距离范围内搜索第一和第二雷达radar1、radar2的数据点，根据其反射强度是否为最大判断对应的第一和第二雷达角反点(xr1c1，yr1c1)和(xr2c1，yr2c1)，如图2所示；对第一雷达radar1的点云进行平移使两点云对应角反点重合，具体为：
Figure BDA0003791692480000023
其中：xr1c1，yr1c1,xr2c1，yr2c1分别为第一和第二雷达点云中搜索出的角反点的横纵坐标，xradar1″,yradar1″为平移微调后的雷达点坐标；根据第二角反点corner2找到其对应的雷达数据点中的角反点(xr2c2，yr2c2)和(xr3c2，yr3c2)，对第三毫米波radar3点云进行平移，具体为：
Figure BDA0003791692480000024
其中：
xr2c2，yr2c2,xr3c2，yr3c2分别为第一和第二雷达点云中搜索出的角反点的横纵坐标，
xradar3″,yradar3″为平移微调后的雷达点坐标。
由于使用卷尺和激光测距仪测得的距离、雷达摆放的角度差存在测量误差，因此存在点云重叠区域的点不能完全重合的情况。
步骤3)对相邻雷达点云重叠区域进行杂波抑制并进行基于ICP的细配准，以消除运动过程中轻微抖动导致的误差，具体包括：
a.扩大相邻点云的重叠角度区域：对于相邻两点云的重叠区域的角度范围，由于雷达并非精准按间隔θ摆放，因此适度加大重叠区域角度范围，具体为：设第一至第三雷达radar1～radar3在直角坐标系中位置对应的角度为θ1，θ2，θ3，对于相邻的第一和第二雷达radar1和radar2，扩大重叠角度区域至
Figure BDA0003791692480000031
其中：α为增加的角度；对于相邻的第二和第三雷达radar2和radar3，同样扩大重叠角度区域至
Figure BDA0003791692480000032
角度区域如图3中虚线所示。
b.对相邻点云重叠区域内的点用最近点进行杂波抑制，具体为：仅保留一个点云中与另一点云距离小于阈值th的点，即只考虑较近点的对齐，得到重叠区域滤波后的第一和第二重叠点云radar1o1和radar2o1；同理对第二和第三雷达radar2和radar3进行杂波抑制，得到重叠区域滤波后的第三和第四重叠点云radar2o2和radar3o2。
以radar1与radar2为例，设radar1与radar2重叠区域中对应的点云分别为radar1_2,radar2_1，则从重叠区域点云中任意各取一点，分别定义为(xradar1_2，yradar1_2)与(xradar2_1，yradar2_1)，若
满足(xradar1_2-xradar2_1)2+(yradar1_2-yradar2_1)2＜th2，则将点(xradar1_2，yradar1_2)加入滤波后的点云radar1o1；将点(xradar2_1，yradar2_1)加入滤波后的点云radar2o1。
c.对杂波抑制后的第一至第四重叠点云进行ICP算法配准，将相同目标对应雷达点进一步拉近，具体包括：
c1.对第一重叠点云radar1o1中的每一个点，计算其与第二重叠点云radar2o1中每一个点的距离，找到第二重叠点云radar2o1中距其最近的点，即匹配点radar_match。
c2.SVD分解计算得到第一重叠点云radar1o1变换到radar_match的最优变换R,t.设radar1o1对应的点云坐标为
Figure BDA0003791692480000033
其中Ns为radar1o1点云中点数量；radar_match对应的点云坐标为
Figure BDA0003791692480000034
其中Nt为radar_match点云中点数量。则H＝(S1-mean(S1))(T1-mean(T1))T,其中T为转置，mean为求矩阵平均值，对H进行奇异值分解，得到矩阵U,V,则可得最优变换旋转矩阵R＝VUT，最优变换平移向量为t＝-R·mean(S1)+mean(T1)。
c3.对最优变换对radar1o1进行变换，具体为：S1′＝RS1+t，其中：S1′为第一重叠点云radar1o1内的点根据最优变换R,t变换后的点对应的横纵坐标矩阵，变换后的第一重叠点云记作radar1o1’。
c4.当变换后的第一重叠点云radar1o1’与第二重叠点云radar2o1点云的距离大于误差阈值error_th且循环执行次数未达到预设迭代次数max_iter时，重复步骤c1)～c3)。
经过具体实际实验，在室内使用三个FOV为120°的TIAWR2243雷达，相互间隔角度θ为90°，相邻两雷达重叠区域内放置距离雷达5m的角反，使用上述方法得到的实验结果如图4所示：(a)为粗配准单元中三雷达点云根据雷达位置关系所得的初始拼接结果，其中三角形、正方形、X符号分别代表第一至第三雷达点云的点。(b)为粗配准单元中radar2,radar3点云根据角反位置粗配准后的结果，(c)为杂波抑制单元相邻雷达radar2,radar3点云重叠区域滤波后结果,其中参数α＝20°,th＝0.5m,(d)为细配准单元相邻雷达radar2,radar3点云重叠区域ICP配准后结果，其中参数error_th＝0.001m,max_iter＝50,(e)为多雷达点云最终拼接结果。
上述方法中步骤2的粗配准，采用反射强度大的角反点进行校正，对相邻雷达点云微调，实现了角反点的重合。步骤3中进行杂波抑制前，第一重叠点云与第二重叠点云的豪斯多夫距离为49.0059，第三重叠点云与第四重叠点云的豪斯多夫距离为0.0871，经过杂波抑制与细配准后，第一重叠点云与第二重叠点云的豪斯多夫距离为48.8836，第三重叠点云与第四重叠点云的豪斯多夫距离为0.0667，可见，杂波抑制与细配准拉近了相邻点云。
与现有技术相比，本方法的优点在于：
1)粗配准部分原理简单，便于应用，且用时短就能给出较好的结果，大幅度节省了传统使用RANSAC，NDT等算法做粗配准的时间。并且，相对于传统粗配准方法，该方法不易受到噪声点影响。
2)杂波抑制方法原理简单且有效，能够迅速给进一步使用ICP算法提供良好的初值，并进一步取得良好结果。此外，由于毫米波雷达的点云点数量较少，该方法更适用于此类毫米波雷达的点云的拼接问题。
3)填补了毫米波雷达二维点云拼接方法的空缺，实现了多个毫米波雷达点云的拼接。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。

Claims (7)

1.一种基于点云拼接的环视雷达360°探测实现方法，其特征在于，将多个雷达中的任意两个相邻的雷达进行分组后，建立坐标系并设置角反位置后进行单帧点云的粗配准；通过扩大相邻点云的重叠角度区域和杂波抑制，再进行基于ICP算法的单帧精配准，循环执行直至所有图像均实现点云拼接，实现360°的探测。
2.根据权利要求1所述的基于点云拼接的环视雷达360°探测实现方法，其特征是，所述的建立坐标系是指：将多个雷达radar1～radar3按照相隔θ的角度摆放，并测量得到其相对位置关系，并在相邻两点云的重叠区域放置角反corner1、corner2，同样测量其位置，以第二雷达radar2所在直线为y轴，以第一雷达radar1所在直线为x轴，建立直角坐标系。
3.根据权利要求1所述的基于点云拼接的环视雷达360°探测实现方法，其特征是，所述的单帧点云的粗配准，具体包括：
a.根据雷达之间的实测位置关系，将多个点云进行初步拼接，具体为：以第二雷达radar2为基准，分别将第一和第三雷达radar1、radar3点云数据按雷达位置、摆放角度进行旋转平移，具体为：
Figure FDA0003791692470000011
Figure FDA0003791692470000012
其中：xr1，yr1，xr2，yr2，xr3，yr3分别为第一至第三雷达的横纵坐标，θ为测量所得的相邻雷达间隔角度，xradar1,yradar1,xradar2,yradar2,xradar3,yradar3分别为第一至第三雷达原始点云中点的横纵坐标，xradar1′,yradar1′,xradar2′,yradar2′,xradar3′,yradar3′分别为第一至第三雷达点云初步拼接后点的横纵坐标；
b.根据雷达点的强度和角反点的实测位置，在相邻两点云重叠区域内找到对应角反的点，将点云进行微调，移动使得相邻的点云对应角反的点重合，具体为：根据第一角反点corner1实测位置，在其附近r距离范围内搜索第一和第二雷达radar1、radar2的数据点，根据其反射强度是否为最大判断对应的第一和第二雷达角反点(xr1c1，yr1c1)和(xr2c1，yr2c1)，对第一雷达radar1的点云进行平移使两点云对应角反点重合，具体为：
Figure FDA0003791692470000013
Figure FDA0003791692470000014
其中：xr1c1，yr1c1,xr2c1，yr2c1分别为第一和第二雷达点云中搜索出的角反点的横纵坐标，xradar1″,yradar1″为平移微调后的雷达点坐标；根据第二角反点corner2找到其对应的雷达数据点中的角反点(xr2c2，yr2c2)和(xr3c2yyr3c2)，对第三毫米波radar3点云进行平移，具体为：
Figure FDA0003791692470000021
其中：xr2c2，yr2c2,xr3c2，yr3c2分别为第一和第二雷达点云中搜索出的角反点的横纵坐标，xradar3″,yradar3″为平移微调后的雷达点坐标。
4.根据权利要求1所述的基于点云拼接的环视雷达360°探测实现方法，其特征是，所述的扩大相邻点云的重叠角度区域和杂波抑制是指：对于相邻两点云的重叠区域的角度范围，由于雷达并非精准按间隔θ摆放，因此适度加大重叠区域角度范围，具体为：设第一至第三雷达radar1～radar3在直角坐标系中位置对应的角度为θ1，θ2，θ3，对于相邻的第一和第二雷达radar1和radar2，扩大重叠角度区域至
Figure FDA0003791692470000022
其中：α为增加的角度；对于相邻的第二和第三雷达radar2和radar3，同样扩大重叠角度区域至
Figure FDA0003791692470000023
Figure FDA0003791692470000024
对相邻点云重叠区域内的点用最近点进行杂波抑制，具体为：仅保留一个点云中与另一点云距离小于阈值th的点，即只考虑较近点的对齐，得到重叠区域滤波后的第一和第二重叠点云radar1o1和radar2o1；同理对第二和第三雷达radar2和radar3进行杂波抑制，得到重叠区域滤波后的第三和第四重叠点云radar2o2和radar3o2。
5.根据权利要求4所述的基于点云拼接的环视雷达360°探测实现方法，其特征是，所述的重叠区域滤波是指：设radar1与radar2重叠区域中对应的点云分别为radar1_2,radar2_1，则从重叠区域点云中任意各取一点，分别定义为(xradar1_2，yradar1_2)与(xradar2_1，yradar2_1)，若满足(xradar1_2-xradar2_1)2+(yradar1_2-yradar2_1)2＜th2，则将点(xradar1_2，yradar1_2)加入滤波后的点云radar1o1；将点(xradar2_1，yradar2_1)加入滤波后的点云radar2o1。
6.根据权利要求1所述的基于点云拼接的环视雷达360°探测实现方法，其特征是，所述的基于ICP算法的单帧精配准，即对杂波抑制后的第一至第四重叠点云进行ICP算法配准，将相同目标对应雷达点进一步拉近，具体包括：
c1.对第一重叠点云radar1o1中的每一个点，计算其与第二重叠点云radar2o1中每一个点的距离，找到第二重叠点云radar2o1中距其最近的点，即匹配点radar_match；
c2.SVD分解计算得到第一重叠点云radar1o1变换到radar_match的最优变换R,t.设radar1o1对应的点云坐标为
Figure FDA0003791692470000025
其中Ns为radar1o1点云中点数量；radar_match对应的点云坐标为
Figure FDA0003791692470000026
其中Nt为radar_match点云中点数量；则H＝(S1-mean(S1))(T1-mean(T1))T,其中T为转置，mean为求矩阵平均值，对H进行奇异值分解，得到矩阵U,V,则可得最优变换旋转矩阵R＝VUT，最优变换平移向量为t＝-R·mean(S1)+mean(T1)；
c3.对最优变换对radar1o1进行变换，具体为：S1′＝RS1+t，其中：S1′为第一重叠点云radar1o1内的点根据最优变换R,t变换后的点对应的横纵坐标矩阵，变换后的第一重叠点云记作radar1o1’；
c4.当变换后的第一重叠点云radar1o1’与第二重叠点云radar2o1点云的距离大于误差阈值error_th且循环执行次数未达到预设迭代次数max_iter时，重复步骤c1)～c3)。
7.一种实现权利要求1-6中任一所述的基于点云拼接的环视雷达360°探测实现方法的系统，其特征在于，包括：粗配准单元、杂波抑制单元以及细配准单元，其中：粗配准单元根据雷达的位置关系以及角反位置，进行点云位置变换，得到多点云初步拼接结果，杂波抑制单元在相邻两雷达点云重叠部分中，保留两点云中距离较近的点，得到杂波抑制后的重叠部分点云，细配准单元对杂波抑制后相邻两点云的重叠部分的点云，进行ICP配准，对多个点云分别进行相邻点云的两两配准，得到多个毫米波雷达点云的拼接结果。
CN202210956831.0A 2022-08-10 2022-08-10 基于点云拼接的环视雷达360°探测实现方法 Pending CN115267718A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210956831.0A CN115267718A (zh) 2022-08-10 2022-08-10 基于点云拼接的环视雷达360°探测实现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210956831.0A CN115267718A (zh) 2022-08-10 2022-08-10 基于点云拼接的环视雷达360°探测实现方法

Publications (1)

Publication Number Publication Date
CN115267718A true CN115267718A (zh) 2022-11-01

Family

ID=83750933

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210956831.0A Pending CN115267718A (zh) 2022-08-10 2022-08-10 基于点云拼接的环视雷达360°探测实现方法

Country Status (1)

Country Link
CN (1) CN115267718A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116008989A (zh) * 2022-12-23 2023-04-25 河北德冠隆电子科技有限公司 一种智慧交通用多拼接多维度全向扫描毫米波雷达
CN116953704A (zh) * 2022-12-23 2023-10-27 河北德冠隆电子科技有限公司 一种智慧交通用多维度角度可调全向扫描毫米波雷达

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116008989A (zh) * 2022-12-23 2023-04-25 河北德冠隆电子科技有限公司 一种智慧交通用多拼接多维度全向扫描毫米波雷达
CN116953704A (zh) * 2022-12-23 2023-10-27 河北德冠隆电子科技有限公司 一种智慧交通用多维度角度可调全向扫描毫米波雷达
CN116008989B (zh) * 2022-12-23 2023-11-10 河北德冠隆电子科技有限公司 一种智慧交通用多拼接多维度全向扫描毫米波雷达

Similar Documents

Publication Publication Date Title
US11113835B2 (en) Plant point cloud acquisition, registration and optimization method based on TOF camera
CN115267718A (zh) 基于点云拼接的环视雷达360°探测实现方法
WO2022156176A1 (zh) 多种雷达和相机联合标定方法、系统、设备及存储介质
CN110561423B (zh) 位姿变换的方法、机器人及存储介质
CN112198485B (zh) 毫米波雷达自动校准系统与方法
CN109725324B (zh) 一种利用激光雷达实现平面内坐标定位的方法
WO2018196245A1 (zh) 一种近景微波成像方法及系统
CN112612024A (zh) 微波阵列快速成像方法
CN102043142A (zh) 基于数字聚束的合成孔径雷达极坐标波前弯曲补偿方法
CN112985415B (zh) 一种室内定位方法及系统
CN113459088B (zh) 地图调整方法、电子设备及存储介质
CN111679261B (zh) 一种基于反光板的激光雷达定位方法及系统
CN109917384B (zh) 旋臂扫描地基sar的中远距频域快速成像方法及装置
CN108254729B (zh) 一种双拟合相位解缠绕方法和双拟合相位解缠绕装置
CN115865142B (zh) 一种雷达天线波束指向校准方法、系统、装置及存储介质
CN115205354B (zh) 基于ransac和icp点云配准的相控阵激光雷达成像方法
CN114384519B (zh) 超高分辨率星载合成孔径雷达成像方法及装置
CN112859018B (zh) 一种基于图像几何校正的视频sar成像方法
Yang et al. Vehicle Pose Estimation Based on Edge Distance Using Lidar Point Clouds (Poster)
CN113625063A (zh) 一种整机条件下的天线单脉冲性能评估方法
AU2019204348B2 (en) Method and system for determining an angle of arrival of a radioelectric signal
CN115236690B (zh) 用于激光雷达系统的数据融合方法、装置及可读存储介质
CN109490863B (zh) 一种提取三面角结构尺寸参数的方法
CN117706538A (zh) 基于涡旋电磁波的旋转目标多站定位方法
Itare et al. Tracking of an Unmanned Aerial Vehicle with few sensors using time-frequency representation

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