CN115656962B - 一种基于毫米波雷达识别限高物体的方法 - Google Patents
一种基于毫米波雷达识别限高物体的方法 Download PDFInfo
- Publication number
- CN115656962B CN115656962B CN202211671476.9A CN202211671476A CN115656962B CN 115656962 B CN115656962 B CN 115656962B CN 202211671476 A CN202211671476 A CN 202211671476A CN 115656962 B CN115656962 B CN 115656962B
- Authority
- CN
- China
- Prior art keywords
- height
- trace
- clustering result
- clustering
- point
- 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
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于毫米波雷达识别限高物体的方法。该方法包括获取目标的点迹,并对目标的点迹进行动静分离处理,并剔除运动目标的点迹;根据保留的目标的点迹的径向距离及仰俯角度计算该点迹的高度,判断点迹的高度是否在设定的高度阈值之间,否则将该点迹剔除;对剩余的点迹进行聚类,对每一聚类结果计算其聚类点迹在直角坐标系下的横向距离跨度及纵向距离跨度,从聚类结果集合中选取满足的筛选条件的聚类结果;计算满足筛选条件的聚类结果的高度估计及高度估计方差;使用多帧信息联合估计聚类结果的高度信息,并依照预设的判决门限判断目标是否确为限高物体。本发明不易受到恶劣天气的影响,降低限高物体识别提醒的成本,提高了识别精度。
Description
技术领域
本发明涉及限高物体识别技术领域,具体涉及一种基于毫米波雷达识别限高物体的方法。
背景技术
隧道或涵洞等均限定允许通过车辆的最大高度,传统上司机只能靠目测来判断能否通过,由于视角受限,会有判断错误的事件发生,进而造成车辆顶部撞上限高架等限高物体。公开号为CN113561894 A的专利申请公布了一种基于双目立体视觉及4D毫米波雷达的限高检测车辆控制系统及其控制方法,其将双目立体视觉和4D毫米波雷达融合进行前方限高杆的高度探测,该方案具有如下的缺陷:首先,视觉检测设备价格昂贵,且容易受到恶劣天气的影响,造成误判或漏判的情况;其次,双目立体视觉与4D毫米波雷达融合,会致使资源浪费。
发明内容
本发明的目的是针对现有技术存在的不足,提供一种基于毫米波雷达识别限高物体的方法。
为实现上述目的,本发明提供了一种基于毫米波雷达识别限高物体的方法,包括:
对每一聚类结果计算其聚类点迹在直角坐标系下的横向距离跨度及纵向距离跨度/>,其中,/>为聚类结果/>中的聚类点迹在Y轴方向的最大值,/>为聚类结果/>中的聚类点迹在Y轴方向的最小值,/>为聚类结果/>中的聚类点迹在X轴方向的最大值,/>为聚类结果/>中的聚类点迹在X轴方向的最小值,从聚类结果集合中选取满足筛选条件的聚类结果;
进一步的,所述动静分离处理的方式具体如下:
获取车辆在X轴的速度,并将速度/>投影到/>平面上得到/>,判断/>与/>之和是否小于速度阈值thr1,且/>是否小于速度阈值thr2,是,则将该点迹判定为静止目标的点迹,否则,将该点迹判定为运动目标的点迹。
其中,为k时刻使用多帧信息联合估计出的每一满足的筛选条件的聚类结果/>的高度估计,/>为k-1时刻使用多帧信息联合估计出的每一满足的筛选条件的聚类结果/>的高度估计,/>为k时刻根据信噪比Snr加权计算出的满足筛选条件的聚类结果/>的高度估计,/>为k时刻使用多帧信息联合估计出的每一满足的筛选条件的聚类结果/>的高度估计方差,/>为k-1时刻使用多帧信息联合估计出的每一满足的筛选条件的聚类结果/>的高度估计方差,/>为k时刻根据信噪比Snr加权计算出的满足筛选条件的聚类结果/>的高度估计方差,k为大于0的自然数。
进一步的,所述设定的高度阈值范围为1-4.7米。
有益效果:本发明基于单个毫米波雷达实现限高物体的识别,无需与双目立体视觉进行融合,即可精准的识别出限高物体及其高度信息,识别精度不易受到恶劣天气的影响,降低限高物体识别提醒的成本。
附图说明
图1是本发明实施例的基于毫米波雷达识别限高物体的方法的流程示意图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,本实施例在以本发明技术方案为前提下进行实施,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。
如图1所示,本发明实施例提供了一种基于毫米波雷达识别限高物体的方法,包括:
基于安装在车辆前侧的毫米波雷达模块获取目标的点迹,n为大于2的自然数,/>即表示第n个点迹。然后对目标的点迹/>进行动静分离处理,并将判定为运动目标的点迹剔除,将剩余的点迹记为/>,/>∈/>。上述毫米波雷达模块可以安装在车辆的前保险杠处,一般情况下,它最远探测距离为300米,俯仰角为±15°。
上述动静分离的方式具体如下:
将目标的点迹的径向速度V分解到/>平面上得到/>,并分解到Z轴方向得到/>。获取车辆在X轴的速度/>,并将速度/>投影到/>平面上得到/>,判断/>与之和是否小于速度阈值thr1,且/>是否小于速度阈值thr2,若/>与/>之和小于速度阈值thr1且/>小于速度阈值thr2,则将该点迹判定为静止目标的点迹,否则,将该点迹判定为运动目标的点迹。判定为运动目标的点迹剔除后,即不参与后续处理。需要说明的是,上述车辆的速度可通过将毫米波雷达模块接入车身信息CAN总线来获取。
判断点迹的高度h是否在设定的高度阈值范围之间,若不在设定的高度阈值范围之间,则将该点迹剔除,将剩余的点迹记为,/>∈。一般可将高度阈值范围的下限设置为1米,低于1米的直接予以剔除。一般城市道路的龙门架高度为14米以上,限高杆高度一般为4.5米以下,可以以4.5米为界限,设置+20cm的误差冗余,即将高度阈值范围的上限设置为4.7米,若点迹的高度h高于高度阈值4.7米,则予以剔除,由此可判断前方高处障碍物是龙门架还是限高杆等限高物体。
对每一聚类结果计算其聚类点迹在直角坐标系下的横向距离跨度及纵向距离跨度/>,其中,/>为聚类结果/>中的聚类点迹在Y轴方向的最大值,/>为聚类结果/>中的聚类点迹在Y轴方向的最小值,/>为聚类结果/>中的聚类点迹在X轴方向的最大值,/>为聚类结果/>中的聚类点迹在X轴方向的最小值,从聚类结果集合中选取满足筛选条件的聚类结果/>。该筛选条件优选为且/>且/>且/>,其中,/>和/>分别为纵向跨度阈值和横向跨度阈值。满足以上筛选条件的点迹对于的目标,可视为准限高物体。
其中,为k时刻使用多帧信息联合估计出的每一满足的筛选条件的聚类结果/>的高度估计,/>为k-1时刻使用多帧信息联合估计出的每一满足的筛选条件的聚类结果/>的高度估计,/>为k时刻根据信噪比Snr加权计算出的满足筛选条件的聚类结果/>的高度估计,/>为k时刻使用多帧信息联合估计出的每一满足的筛选条件的聚类结果/>的高度估计方差,/>为k-1时刻使用多帧信息联合估计出的每一满足的筛选条件的聚类结果/>的高度估计方差,/>为k时刻根据信噪比Snr加权计算出的满足筛选条件的聚类结果/>的高度估计方差,k为大于0的自然数。需要说明的是,当k的取值为1时,对应为初始时刻,此时/>,/>。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,其它未具体描述的部分,属于现有技术或公知常识。在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.一种基于毫米波雷达识别限高物体的方法,其特征在于,包括:
对每一聚类结果计算其聚类点迹在直角坐标系下的横向距离跨度及纵向距离跨度/>,其中,/>为聚类结果/>中的聚类点迹在Y轴方向的最大值,/>为聚类结果/>中的聚类点迹在Y轴方向的最小值,/>为聚类结果/>中的聚类点迹在X轴方向的最大值,/>为聚类结果/>中的聚类点迹在X轴方向的最小值,从聚类结果集合中选取满足筛选条件的聚类结果;所述筛选条件为/>且/>且/>且/>,其中,/>和/>分别为纵向跨度阈值和横向跨度阈值;
3.根据权利要求1所述的一种基于毫米波雷达识别限高物体的方法,其特征在于,所述设定的高度阈值范围为1-4.7米。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211671476.9A CN115656962B (zh) | 2022-12-26 | 2022-12-26 | 一种基于毫米波雷达识别限高物体的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211671476.9A CN115656962B (zh) | 2022-12-26 | 2022-12-26 | 一种基于毫米波雷达识别限高物体的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115656962A CN115656962A (zh) | 2023-01-31 |
CN115656962B true CN115656962B (zh) | 2023-03-31 |
Family
ID=85022369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211671476.9A Active CN115656962B (zh) | 2022-12-26 | 2022-12-26 | 一种基于毫米波雷达识别限高物体的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115656962B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109581312B (zh) * | 2018-11-22 | 2023-07-14 | 西安电子科技大学昆山创新研究院 | 一种高分辨毫米波雷达多目标聚类方法 |
CN110687549B (zh) * | 2019-10-25 | 2022-02-25 | 阿波罗智能技术(北京)有限公司 | 障碍物检测方法和装置 |
CN112085843B (zh) * | 2020-08-24 | 2023-11-28 | 北京航天发射技术研究所 | 一种隧道类目标特征实时提取及测量方法和装置 |
CN113561894A (zh) * | 2021-08-20 | 2021-10-29 | 郑州睿行汽车科技有限公司 | 一种基于双目立体视觉及4d毫米波雷达的限高检测车辆控制系统及其控制方法 |
CN113866742B (zh) * | 2021-12-03 | 2022-02-22 | 南京楚航科技有限公司 | 一种4d毫米波雷达点云处理和目标分类的方法 |
CN114322799B (zh) * | 2022-03-14 | 2022-05-24 | 北京主线科技有限公司 | 一种车辆行驶方法、装置、电子设备和存储介质 |
CN115267783A (zh) * | 2022-06-23 | 2022-11-01 | 深圳承泰科技有限公司 | 一种车载雷达高度目标分类方法、装置、设备及存储介质 |
CN115372972A (zh) * | 2022-08-05 | 2022-11-22 | 西安电子科技大学 | 一种基于交通毫米波雷达点云数据的聚类方法 |
-
2022
- 2022-12-26 CN CN202211671476.9A patent/CN115656962B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115656962A (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110532896B (zh) | 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法 | |
CN109284348B (zh) | 一种电子地图的更新方法、装置、设备和存储介质 | |
US20200041284A1 (en) | Map road marking and road quality collecting apparatus and method based on adas system | |
CN104573646B (zh) | 基于激光雷达和双目相机的车前行人检测方法及系统 | |
CN104965202B (zh) | 障碍物探测方法和装置 | |
US9292750B2 (en) | Method and apparatus for detecting traffic monitoring video | |
CN110705543A (zh) | 基于激光点云进行车道线识别的方法和系统 | |
CN112083441B (zh) | 激光雷达和毫米波雷达深度融合的障碍物检测方法及系统 | |
CN105203552A (zh) | 一种360°踏面图像检测系统及其检测方法 | |
CN112116031B (zh) | 基于路侧设备的目标融合方法、系统、车辆及存储介质 | |
CN107796373B (zh) | 一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法 | |
CN108828608B (zh) | 车辆检测方法中激光雷达背景数据滤除方法 | |
CN115656962B (zh) | 一种基于毫米波雷达识别限高物体的方法 | |
CN108645375B (zh) | 一种用于车载双目系统快速车辆测距优化方法 | |
CN107909012B (zh) | 一种基于视差图的实时车辆跟踪检测方法与装置 | |
CN111123262B (zh) | 自动驾驶3d建模方法、装置及系统 | |
CN112365706B (zh) | 一种基于多源信息的异常车距辨识方法 | |
CN115018879A (zh) | 目标检测方法、计算机可读存储介质及驾驶设备 | |
CN114419874A (zh) | 基于路侧感知设备数据融合的目标行车安全风险预警方法 | |
CN105512641A (zh) | 一种采用激光雷达扫描法标定雨雪状态下视频中的动态行人及车辆的方法 | |
CN112731296A (zh) | 一种汽车毫米波雷达点迹凝聚方法及系统 | |
CN115657002A (zh) | 基于交通毫米波雷达的车辆运动状态估计方法 | |
CN105300390A (zh) | 障碍物体运动轨迹的确定方法及装置 | |
CN113313182B (zh) | 一种基于雷达和视频融合的目标识别方法及终端 | |
CN112085101A (zh) | 一种高性能高可靠的环境融合感知方法及系统 |
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 |