CN115856812A - 基于毫米波雷达的目标物显示方法、装置、设备、介质 - Google Patents
基于毫米波雷达的目标物显示方法、装置、设备、介质 Download PDFInfo
- Publication number
- CN115856812A CN115856812A CN202211414107.1A CN202211414107A CN115856812A CN 115856812 A CN115856812 A CN 115856812A CN 202211414107 A CN202211414107 A CN 202211414107A CN 115856812 A CN115856812 A CN 115856812A
- Authority
- CN
- China
- Prior art keywords
- target object
- millimeter wave
- point
- track
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 239000013598 vector Substances 0.000 claims abstract description 27
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 18
- 230000006870 function Effects 0.000 claims description 29
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000004888 barrier function Effects 0.000 claims description 3
- 230000006872 improvement Effects 0.000 abstract description 10
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于毫米波雷达的目标物显示方法、装置、设备、介质,显示方法包括:根据目标点迹的方向向量,确定所述目标点迹之间具有关联性的关联点迹群;根据最小二乘估计法合成所述关联点迹群的轨迹;根据所述轨迹匹配当前目标物,若所述目标物消失,根据所述轨迹输出消失后的所述目标物。本发明的有益效果:保证了在目标物临时消失的情况下的对策方法,进而保证行车安全,同时在不新增其他设备的情况下,完成智能驾驶系统在部分场景下性能提升,节约成本。
Description
技术领域
本发明涉及技术领域,尤其涉及一种基于毫米波雷达的目标物显示方法、装置、设备、介质。
背景技术
目前相关的汽车ADAS驾驶辅助系统,利用毫米波雷达进行设计,但在其适用场景主要是复杂的真实道路,通过发送和接收电磁波,后续有关功能。甚以保证车辆在有限的条件下可以进行自动驾驶辅助功能。
现在的技术方案,由于道路环境复杂,在毫米波雷达生成目标物,并无法适应道路场景复杂环境下目标物因为各种原因消失或者被遮挡,导致无法对目标的持续跟踪,目标丢失后的轨迹无法预测。
目前可以改变FOV区域的毫米波雷达系统,实现对目标物的扫描跟踪,但这也基于现有毫米波雷达技术判断能力,仅能通过跟踪延长目标物在毫米波雷达探测区域内的时间,不能有效解决目标物离开探测区域后的预测。即使借助角雷达(毫米波)辅助,可以通过增加硬件的形式扩大毫米波雷达的探测,但也无法保证对目标消失时的及时探测。
汽车的各型毫米波雷达中,也有部分航迹融合技术,但毫米波雷达回波数据处理后会丢失大量的原始信息,对于道路上复杂的环境,毫米波雷达可检测到的回波过滤掉环境噪声后的信息本来就很少,因此无法在阈值限下对其目标进行持续稳定跟踪。为更好的探测因为环境临时干扰或其他因素丢失的目标,毫米波雷达必须调低判断阈值,以获得目标的探测信息,但会明显增加假目标导致误识别。
发明内容
针对现有技术的以上缺陷或改进需求,本发明的目的在于提供一种基于毫米波雷达的目标物显示方法、装置、设备、介质。
为达此目的,本发明采用以下技术方案:
第一方面,一种基于毫米波雷达的目标物显示方法,包括以下步骤:
根据目标点迹的方向向量,确定所述目标点迹之间具有关联性的关联点迹群;
根据最小二乘估计法合成所述关联点迹群的轨迹;
根据所述轨迹匹配当前目标物,若所述目标物消失,根据所述轨迹输出消失后的所述目标物。
在一个实施例中,所述根据最小二乘估计法合成所述关联点迹群的轨迹的步骤包括:
根据所述关联点迹中各点迹的方向向量矩阵、系数矩阵和观测误差矩阵,合成所述关联点迹群的轨迹,其中,所述系数矩阵根据电磁波发射范围和角度确定,所述观测误差矩阵表示电磁波发射和接收回波的误差系数。
在一个实施例中,所述轨迹X的表达式为:
X=(HTR-1H)-1HR-1Z;
其中,Z表示所述关联点迹群中k个目标点迹的方向向量矩阵,H表示所述关联点迹群中k个目标点迹的系数矩阵,R表示所述关联点迹群中k个目标点迹的观测误差矩阵。
在一个实施例中,在所述确定所述点迹之间具有关联性的关联点迹群步骤之前还包括以下步骤:
将任意时间段内毫米波雷达的脉冲信号转化为可描述的回波函数,其中所述时间段根据信号周期确定;
根据查表,将所述时间段内的回波函数转化为障碍物特征点。
在一个实施例中,所述将任意时间段内毫米波雷达的脉冲信号转化为可描述的回波函数的步骤包括:
对所述毫米波雷达的脉冲信号进行瞬时载波计算,确定瞬时回波函数;
根据所述瞬时回波方程和脉冲信号的信号周期,确定不同信号周期之间的回波函数。
在一个实施例中,所述将所述回波函数转化为障碍物特征点步骤之后还包括:
将所述障碍物特征点融合至空间二维坐标系,其中,所述空间二维坐标系的原点由所述时间段的起始时刻的主车位置确定;
根据所述空间二维坐标系和信号周期,构建时空三维坐标系,在所述时空三维坐标系更新所述障碍物特征点为所述目标点迹。
在一个实施例中,所述根据目标点迹的方向向量,确定所述目标点迹之间具有关联性的关联点迹群的步骤包括:
根据所述时空三维坐标系,确定所述目标点迹的方向向量。
第二方面,一种基于毫米波雷达的目标物显示装置,包括:
第一模块,用于根据目标点迹的方向向量,确定所述目标点迹之间具有关联性的关联点迹群;
第二模块,用于根据最小二乘估计法合成所述关联点迹群的轨迹;
第三模块,用于根据所述轨迹匹配当前目标物,若所述目标物消失,根据所述轨迹输出消失后的所述目标物。
第三方面,一种设备,包括处理器和存储器,所述处理器和存储器相互连接;
所述存储器用于存储计算机程序;
所述处理器被配置用于在调用所述计算机程序时,执行上述基于毫米波雷达的目标物显示方法。
第四方面,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以实现如上述基于毫米波雷达的目标物显示方法。
本发明的有益效果:
对于基于毫米波雷达的目标物显示方法,根据目标点迹的方向向量,确定目标点迹之间具有关联性的关联点迹群;根据最小二乘估计法合成关联点迹群的轨迹;根据轨迹匹配当前目标物,若目标物消失,根据轨迹输出消失后的目标物,保证了在目标物临时消失的情况下的对策方法,进而保证行车安全,同时在不新增其他设备的情况下,完成智能驾驶系统在部分场景下性能提升,节约成本。
对于基于毫米波雷达的目标物显示装置,根据目标点迹的方向向量,确定目标点迹之间具有关联性的关联点迹群;根据最小二乘估计法合成关联点迹群的轨迹;根据轨迹匹配当前目标物,若目标物消失,根据轨迹输出消失后的目标物,保证了在目标物临时消失的情况下的对策方法,进而保证行车安全,同时在不新增其他设备的情况下,完成智能驾驶系统在部分场景下性能提升,节约成本。
对于设备,根据目标点迹的方向向量,确定目标点迹之间具有关联性的关联点迹群;根据最小二乘估计法合成关联点迹群的轨迹;根据轨迹匹配当前目标物,若目标物消失,根据轨迹输出消失后的目标物,保证了在目标物临时消失的情况下的对策方法,进而保证行车安全,同时在不新增其他设备的情况下,完成智能驾驶系统在部分场景下性能提升,节约成本。
对于计算机可读存储介质,根据目标点迹的方向向量,确定目标点迹之间具有关联性的关联点迹群;根据最小二乘估计法合成关联点迹群的轨迹;根据轨迹匹配当前目标物,若目标物消失,根据轨迹输出消失后的目标物,保证了在目标物临时消失的情况下的对策方法,进而保证行车安全,同时在不新增其他设备的情况下,完成智能驾驶系统在部分场景下性能提升,节约成本。
本申请附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是本申请实施例提供的基于毫米波雷达的目标物显示方法的流程示意图;
图2是本申请实施例提供的基于毫米波雷达的目标物显示装置的流程示意图;
图3是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在本发明的描述中,除非另有明确的规定和限定,术语“相连”、“连接”、“固定”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像本申请实施例中一样被特定定义,否则不会用理想化或过于正式的含义来解释。
作为主动防护汽车驾驶安全的高级驾驶辅助系统(Advanced Driver AssistanceSystems,简称ADAS)正在逐渐成熟和普及。ADAS主要利用安装在车上的各式各样传感器收集数据,在行驶过程中随时感知周围的环境,收集数据,进行静态、动态物体的识别、侦测与追踪,并结合导航仪地图数据,进行系统的运算与分析,从而预先让驾驶者察觉到可能发生的危险,有效增加汽车驾驶的舒适性和安全性。目前感知环境的ADAS传感器有摄像头、超声波传感器和毫米波雷达等。当然,自动驾驶汽车还需要车载激光雷达。
毫米波雷达,即工作在毫米波频段的雷达。毫米波(Millimeter-Wave,缩写:MMW),是指长度在1~10mm的电磁波,对应的频率范围为30~300GHz。本实施例中的毫米波雷达的频段选择在24GHz、60GHz和77GHz这三个频段之一。其中,24GHz的波长是1.25cm(虽然24GHz的波长是1.25cm,但是目前业界也依然将其称之为毫米波),60GHz是5mm,77GHz的波长则更短,只有3.9mm。正如前面所说,频率越高波长越短,分辨率、精准度就越高。
毫米波雷达测距原理是把无线电波(毫米波)发出去,然后接收回波,根据收发的时间差测得目标的位置数据和相对距离。根据电磁波的传播速度,可以确定目标的距离公式为:s=c·t/2,其中s表示目标距离,t表示电磁波从雷达发射出去到接收到目标回波的时间,c表示光速。
毫米波雷达测速是基于多普勒效应(Doppler Effect)原理。所谓多普勒效应就是,当声音、光和无线电波等振动源与观测者以相对速度v运动时,观测者所收到的振动频率与振动源所发出的频率有不同。因为这一现象是奥地利科学家多普勒最早发现的,所以称之为多普勒效应。也就是说,当发射的电磁波和被探测目标有相对移动,回波的频率会和发射波的频率不同。当目标向雷达天线靠近时,反射信号频率将高于发射信号频率;反之,当目标远离天线而去时,反射信号频率将低于发射信号频率,由多普勒效应所形成的频率变化叫做多普勒频移,它与相对速度v成正比,与振动的频率成反比。如此,通过检测这个频率差,可以测得目标相对于雷达的移动速度,也就是目标与雷达的相对速度。根据发射脉冲和接收的时间差,可以测出目标的距离。
激光雷达因能对周围环境实现3D感知而备受自动驾驶主流者的“宠爱”。不过无论是激光雷达还是摄像头、超声波传感器,都容易受恶劣天气环境影响导致性能降低甚至失效(恶劣天气环境往往是事故高发的主要原因),因而都存在严重缺陷。这种时候,毫米波雷达凭借其可穿透尘雾、雨雪、不受恶劣天气影响的绝对优势,且唯一能够“全天候全天时”工作的超强能力,成为了汽车ADAS不可或缺的核心传感器之一。
本实施例提供一种基于毫米波雷达的目标物显示方法,该方法的技术前提为:在当前毫米波雷达不断发展的大背景下,利用调节灵敏度并可以原始特征点能力的毫米波波雷达系统。需要注意的是,调节灵敏度为毫米波雷达判断目标的过滤阀值,在一般固定场景其一般固定,多用于不同车型;不同安装位置;不同用途时按特定需求进行标定,但其固定下来一般保持不变。
本实施例提供的方法需要在车辆行驶中正常启用毫米波雷达时,通过实时改变毫米波雷达屏蔽阀值。保证其充分提取原始信号特征值,将较大的目标的跟踪,转化为对较小的特征点的跟踪,从而保证目标跟踪在极端或丢失的情况下的持续和稳定性。
需要说明的是,本实施例的技术前提还包括毫米波波雷达系统具备回波原始信息直接输出功能,内置算法通过分析大量毫米波雷达原始数据,通过降低过滤阈值,获取更多可以判断的原始数据,原始数据进行处理后提取特征点,进一步对目标物的特征进行单独跟踪。利用具有回波原始信息直接输出功能的优点,通过算法设计,能够一定条件下完成对目标轨迹的跟踪和处理。使得智能驾驶系统在完成对目标物轨迹的实际推算,满足目标物在真实场景下可能消失的情况进行补充应对,加强安全性成为可能。
图1是一种基于毫米波雷达的目标物显示方法的流程示意图,如图1所示,该方法包括步骤S10-步骤S70。
步骤S10、将任一时间段内毫米波雷达的脉冲信号转化为可描述的回波函数,其中时间段是根据信号周期确定。
具体的,根据毫米波雷达目标回波实时环境信号,对细微特征提取,并且对采样信号进行变换,将信号之间的特征区分,并对信号的分类识别,即将实时环境电磁信号,转化为可以用信号表征或描述的信号。
具体地,步骤S10包括步骤S101-S102。
步骤S101:对毫米波雷达的脉冲信号进行瞬时载波计算,确定瞬时回波函数。
首先对毫米波雷达的脉冲信号进行瞬时载波计算:
由于车载信号有严格的时间同步要求,且并非同步信号,Ts为一个信号周期,一个信号周期Ts通常在20ms或100ms,n个信号周期即nTs,因此步骤S102:根据所述瞬时回波方程和脉冲信号的信号周期,确定不同信号周期之间的回波函数。
首先,脉冲信号经过采样可以得到:
继续经过量化:
其中,fs表示为最高频率fmax的5-10倍,可标定。
再次经过变换可得到:
S(n)表示第n个信号周期的回波函数,同理S(n+m)表示第n+m个信号周期的回波函数。至此,通过对毫米波雷达脉冲信号进行脉内细微特征提取达成将细节微波特征转化为可描述的采样信号用于后续计算。
由于发射和接收由环境影响有较大的间隔,故连续多个信号周期需要判断相关性。
第n信号周期发射、第n+m个信号周期接收的电磁波的瞬时相位θ(n,m)表达为:
其中,B(n,m)=S(n)·S(n+m)。
第n信号周期发射、第n+m个信号周期接收的电磁波的瞬时频率f(n)表达为:
为了避免相位模糊,瞬时相位θ(n,m)应该满足:
为了题述信号的抗干扰能力,步骤S102之后还包括:对n和n+m之间的采样点做平滑处理,从而抑制噪声对提取瞬时频率时的干扰:
其中,f(n,m)表示第n至第n+m信号周期的回波平均频率。
需要说明的是,在步骤S10开始之前,需要根据车速等条件进行判断是否执行步骤S10。例如,当车速高于30km/h时,自动开启步骤S10,当然该车速可根据车主自行标定。也或者是驾驶员打开驾驶附住功能后,开启步骤S10。
步骤S20:根据查表,将时间段内的回波函数转化为障碍物特征点。
需要说明的是,回波函数和障碍物特征点之间的映射表是提前设置的。并且,回波函数和障碍物特征点之间的映射关系能够通过现有技术确定,这并非本发明的发明点,并不赘述。
步骤S30:将障碍物特征点融合至空间二维坐标系。
该空间二维坐标系的原点由所述时间段的起始时刻的主车位置确定。
本实施例中,超声波发出时间定义为第一个信号周期,即n=1,超声波接收时间定义为第201个信号周期,即m=200,时间段定义为二维坐标系的原点是第一个信号周期时主车位置,以主车的运动状态建立水平面的坐标系,从而能杆排除自车运动的二维位置干扰。
并且,步骤S10和步骤S20所确定的障碍物特征点是这200个信号周期内确定,即包括从第一信号周期到第201信号周期之间所有期间的信号周期:第2(m=1)、第3(m=2)、……第201(m=200)。这些障碍物特征点是在不同信号周期接收时确定的。此时,在空间二维坐标系上就存在有200个信号周期内接收的所有的障碍物特征点。
步骤S30后进行步骤S40:根据空间二维坐标系和信号周期,构建时空三维坐标系,在时空三维坐标系更新所述障碍物特征点为目标点迹。
在时空三维坐标系上更新障碍物特征点后,使障碍物特征点同时具有时间和空间两个属性,并命名为目标点迹,并且这些目标点迹根据时间进行排序,具有先后顺序。可以理解的是,在一个三维坐标系中,Z轴定义为时间轴后,Z轴的0点即为第n个周期的时间点,其余点为信号接收时间点,对不同时间的障碍物特征点进行时空对准(打上时间戳),如此完成目标点迹的更新。
步骤S40的目的在于,由于电磁波发出后回收时间不延续,能够将信号数据成为统一时空坐标系下进行。
步骤S50:根据目标点迹的方向向量,确定目标点迹之间具有关联性的关联点迹群。步骤S50的目的在于增强点迹的检测和判断性能,后续可以提高航迹质量和价值。
步骤S50能够通过预设向量阈值,根据目标点迹计算方向向量后,在向量阈值范围内的目标点迹能够认为具有关联性,并作为关联点迹群。
可选地,在步骤S50之后,还可以将关联点迹群进行压缩。从而进一步减小点迹数量,减小后续计算的工作量,也提高点迹质量,提高目标跟踪的维持精度。压缩方式不限于目前已公开的点迹压缩方案,本实施例并不限制。
步骤S60、根据最小二乘估计法合成所述关联点迹群的轨迹。
假设具有关联性的关联点迹一共有k个,则关联点迹群的轨迹X的表达式为:
X=(HTR-1H)-1HR-1Z;
其中,Z表示所述关联点迹群中k个目标点迹的方向向量矩阵,H表示关联点迹群中k个目标点迹的系数矩阵,R表示关联点迹群中k个目标点迹的观测误差矩阵。
步骤S70:根据轨迹匹配当前目标物,若目标物消失,根据轨迹输出消失后的所述目标物。
具体地,步骤S70根据步骤S60获得的轨迹信息与当前目标物进行匹配,如果有匹配点轨迹信息的目标物,则暂时不对外输出航迹,如果目标物消失但轨迹信息存在,则按此点轨迹信息输出运动参数。
本实施例提供的基于毫米波雷达的目标物显示方法,根据目标点迹的方向向量,确定目标点迹之间具有关联性的关联点迹群;根据最小二乘估计法合成关联点迹群的轨迹;根据轨迹匹配当前目标物,若目标物消失,根据轨迹输出消失后的目标物,保证了在目标物临时消失的情况下的对策方法,进而保证行车安全,同时在不新增其他设备的情况下,完成智能驾驶系统在部分场景下性能提升,节约成本。
本实施例还提供一种基于毫米波雷达的目标物显示装置,图2是本实施例提供的基于毫米波雷达的目标物显示装置的结构示意图。
如图2所示,基于毫米波雷达的目标物显示装置包括第一模块21、第二模块22、第三模块23、第四模块24、第五模块25、第六模块26和第七模块27。
第一模块21用于将任一时间段内毫米波雷达的脉冲信号转化为可描述的回波函数,其中时间段是根据信号周期确定。
第二模块22用于根据查表,将时间段内的回波函数转化为障碍物特征点。
第三模块23用于将障碍物特征点融合至空间二维坐标系。
第四模块24用于根据空间二维坐标系和信号周期,构建时空三维坐标系,在时空三维坐标系更新所述障碍物特征点为目标点迹。
第五模块25用于根据目标点迹的方向向量,确定目标点迹之间具有关联性的关联点迹群。
第六模块26用于根据最小二乘估计法合成所述关联点迹群的轨迹。
第七模块27用于根据轨迹匹配当前目标物,若目标物消失,根据轨迹输出消失后的所述目标物。
需要说明的是,本实施例提供的基于毫米波雷达的目标物显示装置还可以是运行于计算机设备中的一个计算机程序(包括程序代码),例如基于毫米波雷达的目标物显示装置为一个应用程序,可以用于执行本申请实施例提供的上述方法中的相应步骤。
在一些可行的实施方式中,本实施例提供的基于毫米波雷达的目标物显示装置可以采用软硬件结合的方式实现,作为示例,本申请实施例基于毫米波雷达的目标物显示装置可以是采用硬件译码处理器形式的处理器,其被编程以执行本申请实施例提供的基于毫米波雷达的目标物显示方法,例如,硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路(ASIC,Application Specific Integrated Circuit)、数字信号处理器(digital signal processor,DSP)、可编程逻辑器件(PLD,Programmable Logic Device)、复杂可编程逻辑器件(CPLD,Complex Programmable Logic Device)、现场可编程门阵列(FPGA,Field-Programmable Gate Array)或其他电子元件。
在一些可行的实施方式中,本实施例提供的基于毫米波雷达的目标物显示装置可以采用软件方式实现,其可以是程序和插件等形式的软件,并包括一系列的模块,以实现本发明实施例提供的控制方法。
本实施例提供的基于毫米波雷达的目标物显示装置根据目标点迹的方向向量,确定目标点迹之间具有关联性的关联点迹群;根据最小二乘估计法合成关联点迹群的轨迹;根据轨迹匹配当前目标物,若目标物消失,根据轨迹输出消失后的目标物,保证了在目标物临时消失的情况下的对策方法,进而保证行车安全,同时在不新增其他设备的情况下,完成智能驾驶系统在部分场景下性能提升,节约成本。
本申请实施例还提供一种电子设备,图3是本申请实施例的电子设备的结构示意图,如图3所示,本实施例中的电子设备1000可以包括:处理器1001,网络接口1004和存储器1005,此外,上述电子设备1000还可以包括:用户接口1003,和至少一个通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。其中,用户接口1003可以包括显示屏(Display)、键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1004可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图3所示,作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及设备控制应用程序。
如图3所示的电子设备1000中,网络接口1004可提供网络通讯功能;而用户接口1003主要用于为用户提供输入的接口;而处理器1001可以用于调用存储器1005中存储的设备控制应用程序,以实现:
确定操作模式,其中,所述操作模式包括滑动模式和点击模式;
根据在所述滑动模式中的第一动作,确定目标挡位;
根据所述目标挡位生成换挡指令,根据所述换挡指令控制换挡。
应当理解,在一些可行的实施方式中,上述处理器1001可以是中央处理单元(central processing unit,CPU),该处理器还可以是其他通用处理器、DSP、ASIC、FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。该存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如,存储器还可以存储设备类型的信息。
具体实现中,上述电子设备1000可通过其内置的各个功能模块执行如上述触摸换挡控制方法各个步骤所提供的实现方式,具体可参见上述各个步骤所提供的实现方式,在此不再赘述。
本实施例提供的电子设备,根据目标点迹的方向向量,确定目标点迹之间具有关联性的关联点迹群;根据最小二乘估计法合成关联点迹群的轨迹;根据轨迹匹配当前目标物,若目标物消失,根据轨迹输出消失后的目标物,保证了在目标物临时消失的情况下的对策方法,进而保证行车安全,同时在不新增其他设备的情况下,完成智能驾驶系统在部分场景下性能提升,节约成本。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,被处理器执行以实现上述实施例中触摸换挡控制方法中的各个步骤,具体可参见上述各个步骤所提供的实现方式,在此不再赘述。
本实施例提供的计算机可读存储介质,根据目标点迹的方向向量,确定目标点迹之间具有关联性的关联点迹群;根据最小二乘估计法合成关联点迹群的轨迹;根据轨迹匹配当前目标物,若目标物消失,根据轨迹输出消失后的目标物,保证了在目标物临时消失的情况下的对策方法,进而保证行车安全,同时在不新增其他设备的情况下,完成智能驾驶系统在部分场景下性能提升,节约成本。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种基于毫米波雷达的目标物显示方法,其特征在于,包括以下步骤:
根据目标点迹的方向向量,确定所述目标点迹之间具有关联性的关联点迹群;
根据最小二乘估计法合成所述关联点迹群的轨迹;
根据所述轨迹匹配当前目标物,若所述目标物消失,根据所述轨迹输出消失后的所述目标物。
2.根据权利要求1所述的基于毫米波雷达的目标物显示方法,其特征在于,所述根据最小二乘估计法合成所述关联点迹群的轨迹的步骤包括:
根据所述关联点迹中各点迹的方向向量矩阵、系数矩阵和观测误差矩阵,合成所述关联点迹群的轨迹,其中,所述系数矩阵根据电磁波发射范围和角度确定,所述观测误差矩阵表示电磁波发射和接收回波的误差系数。
4.根据权利要求1所述的基于毫米波雷达的目标物显示方法,其特征在于,在所述确定所述点迹之间具有关联性的关联点迹群步骤之前还包括以下步骤:
将任意时间段内毫米波雷达的脉冲信号转化为可描述的回波函数,其中所述时间段根据信号周期确定;
根据查表,将所述时间段内的回波函数转化为障碍物特征点。
5.根据权利要求4所述的基于毫米波雷达的目标物显示方法,其特征在于,所述将任意时间段内毫米波雷达的脉冲信号转化为可描述的回波函数的步骤包括:
对所述毫米波雷达的脉冲信号进行瞬时载波计算,确定瞬时回波函数;
根据所述瞬时回波方程和脉冲信号的信号周期,确定不同信号周期之间的回波函数。
6.根据权利要求4所述的基于毫米波雷达的目标物显示方法,其特征在于,所述将所述回波函数转化为障碍物特征点步骤之后还包括:
将所述障碍物特征点融合至空间二维坐标系,其中,所述空间二维坐标系的原点由所述时间段的起始时刻的主车位置确定;
根据所述空间二维坐标系和信号周期,构建时空三维坐标系,在所述时空三维坐标系更新所述障碍物特征点为所述目标点迹。
7.根据权利要求6所述的基于毫米波雷达的目标物显示方法,其特征在于,所述根据目标点迹的方向向量,确定所述目标点迹之间具有关联性的关联点迹群的步骤包括:
根据所述时空三维坐标系,确定所述目标点迹的方向向量。
8.一种基于毫米波雷达的目标物显示装置,其特征在于,包括:
第一模块,用于根据目标点迹的方向向量,确定所述目标点迹之间具有关联性的关联点迹群;
第二模块,用于根据最小二乘估计法合成所述关联点迹群的轨迹;
第三模块,用于根据所述轨迹匹配当前目标物,若所述目标物消失,根据所述轨迹输出消失后的所述目标物。
9.一种设备,其特征在于,包括处理器和存储器,所述处理器和存储器相互连接;
所述存储器用于存储计算机程序;
所述处理器被配置用于在调用所述计算机程序时,执行如权利要求1至7任一项所述的基于毫米波雷达的目标物显示方法。
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以实现如权利要求1至7任一项所述的基于毫米波雷达的目标物显示方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211414107.1A CN115856812A (zh) | 2022-11-11 | 2022-11-11 | 基于毫米波雷达的目标物显示方法、装置、设备、介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211414107.1A CN115856812A (zh) | 2022-11-11 | 2022-11-11 | 基于毫米波雷达的目标物显示方法、装置、设备、介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115856812A true CN115856812A (zh) | 2023-03-28 |
Family
ID=85663236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211414107.1A Pending CN115856812A (zh) | 2022-11-11 | 2022-11-11 | 基于毫米波雷达的目标物显示方法、装置、设备、介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115856812A (zh) |
-
2022
- 2022-11-11 CN CN202211414107.1A patent/CN115856812A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11927668B2 (en) | Radar deep learning | |
TWI834771B (zh) | 相機與雷達訊框之早期融合 | |
US20210124013A1 (en) | Signal processing apparatus, signal processing method, and program | |
US10816654B2 (en) | Systems and methods for radar-based localization | |
US10545229B2 (en) | Systems and methods for unified mapping of an environment | |
KR20200067629A (ko) | 레이더 데이터를 처리하는 장치 및 방법 | |
CN113490863A (zh) | 雷达辅助的单个图像三维深度重建 | |
US11366229B2 (en) | Range finding method, range finding apparatus, and range finding system | |
CN111679266B (zh) | 汽车毫米波雷达稀疏阵列栅瓣虚假目标识别方法及系统 | |
Cui et al. | 3D detection and tracking for on-road vehicles with a monovision camera and dual low-cost 4D mmWave radars | |
EP4166984A1 (en) | Distributed microwave radar imaging method and apparatus | |
CN116359908A (zh) | 点云数据增强方法、装置、计算机设备、系统及存储介质 | |
CN107783132A (zh) | 自动驾驶汽车防撞毫米波雷达系统及信号处理方法 | |
CN115856812A (zh) | 基于毫米波雷达的目标物显示方法、装置、设备、介质 | |
Eriksson et al. | Automotive radar for adaptive cruise control and collision warning/avoidance | |
US20230103178A1 (en) | Systems and methods for onboard analysis of sensor data for sensor fusion | |
Rangasamy et al. | A study on 77 GHz automotive radar for radar-camera fusion module | |
CN114859337A (zh) | 数据处理方法、装置、电子设备、计算机存储介质 | |
KR101619064B1 (ko) | 능동 클러터 맵을 이용한 목표물 검출 방법 | |
US20230393257A1 (en) | Fractalet radar processing | |
US11827238B2 (en) | Computing architecture of an autonomous vehicle | |
Arnone et al. | Simultaneous Odometry, Mapping and Object Tracking with a Compact Automotive Radar | |
CN105572659A (zh) | 使用射频信号确定对象距离 | |
CN116203577A (zh) | 一种基于多信号融合的目标检测的方法及设备 | |
CN115932858A (zh) | 一种车辆毫米波角雷达系统 |
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 |