CN116106853A - 基于毫米波雷达的水面场景目标动静状态识别方法 - Google Patents

基于毫米波雷达的水面场景目标动静状态识别方法 Download PDF

Info

Publication number
CN116106853A
CN116106853A CN202310384790.7A CN202310384790A CN116106853A CN 116106853 A CN116106853 A CN 116106853A CN 202310384790 A CN202310384790 A CN 202310384790A CN 116106853 A CN116106853 A CN 116106853A
Authority
CN
China
Prior art keywords
point cloud
radar
target
coordinate system
axis
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
CN202310384790.7A
Other languages
English (en)
Other versions
CN116106853B (zh
Inventor
程宇威
朱健楠
庞长松
池雨豪
虞梦苓
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.)
Shaanxi Orca Electronic Intelligent Technology Co ltd
Original Assignee
Shaanxi Orca Electronic Intelligent 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 Shaanxi Orca Electronic Intelligent Technology Co ltd filed Critical Shaanxi Orca Electronic Intelligent Technology Co ltd
Priority to CN202310384790.7A priority Critical patent/CN116106853B/zh
Publication of CN116106853A publication Critical patent/CN116106853A/zh
Application granted granted Critical
Publication of CN116106853B publication Critical patent/CN116106853B/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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B35/00—Vessels or similar floating structures specially adapted for specific purposes and not otherwise provided for
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/60—Velocity or trajectory determination systems; Sense-of-movement determination systems wherein the transmitter and receiver are mounted on the moving object, e.g. for determining ground speed, drift angle, ground track
    • 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
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • 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
    • G01S13/937—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of marine craft
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
    • 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
    • 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
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B35/00—Vessels or similar floating structures specially adapted for specific purposes and not otherwise provided for
    • B63B2035/006—Unmanned surface vessels, e.g. remotely controlled
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Multimedia (AREA)
  • Ocean & Marine Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Automation & Control Theory (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于毫米波雷达的水面场景目标动静状态识别方法，首先利用GPS数据和IMU数据对各毫米波雷达采集到的雷达点云做速度补偿、空间合并、杂波滤除以及坐标系变换，得到前一时刻和当前时刻包含聚类簇信息的全局点云。接下来利用前一时刻全局点云中的每个聚类簇点云分别初始化卡尔曼滤波器，得到k个追踪对象。然后将当前时刻的全局点云与追踪对象进行匹配，并更新追踪对象状态。最后利用追踪对象的当前信息与历史信息识别追踪对象的动静状态，实现了利用毫米波雷达识别水面目标动静状态的技术效果。

Description

基于毫米波雷达的水面场景目标动静状态识别方法
技术领域
本发明涉及毫米波雷达环境感知技术领域，尤其涉及一种基于毫米波雷达的水面场景目标动静状态识别方法。
背景技术
在水面自动驾驶领域中，当前感知算法所提供的常见信息为目标的类别语义信息，可以为后级任务提供当前环境周边的所属类别，但更有价值的是目标的动静信息，它可以精准的反应环境中目标的安全系数。但目标的动静信息的获取却是当前自动驾驶研究中的一大难点，因为它不仅需要算法技术分析目标的纹理、几何特征，还需要对目标可能的时序特征进行一定分析。而目前自动驾驶感知算法所使用的传感器中，毫米波雷达的环境鲁棒性更高，经济成本较低，同时具有多普勒速度信息，但他的点云稀疏，对目标的形状描述能力差，难以完成对水面目标进行动静识别的任务。
发明内容
本发明所要解决的技术问题在于提供一种基于毫米波雷达的水面场景目标动静状态识别方法，可以利用毫米波雷达对水面目标进行动静识别。
为解决上述技术问题，本发明采用如下所述的技术方案：
一种基于毫米波雷达的水面场景目标动静状态识别方法，包括有如下步骤：S10、构建无人船传感器配置，在无人船上搭载GPS和IMU传感器，并在无人船前后左右各安装一个毫米波雷达，对应记为前雷达、后雷达、左雷达和右雷达；S20、实时采集各毫米波雷达的雷达数据、GPS的GPS数据和IMU传感器的IMU数据并作时间同步，其中，GPS数据包括位置数据loc和船速v，IMU数据包括角度数据yaw和船角速度gz；S30、利用船速v和船角速度gz，对各个毫米波雷达采集到的雷达点云做速度补偿、空间合并、杂波滤除，得到预处理后的点云p 1 ；S40、利用位置数据loc与角度数据yaw，将预处理后的点云p 1 转换到世界坐标系，得到全局点云p 2 ，该全局点云p 2 包含有聚类簇信息；S50、利用全局点云p 2 初始化卡尔曼滤波器，得到k个追踪对象T k ；S60、按步骤S20-S40的方式继续采集数据并处理，得到的全局点云p´ 2 ；S70、将全局点云p´ 2 与追踪对象T k 进行匹配，利用匹配成功的点云更新追踪对象T k 状态，未匹配成功的点云初始化为新的追踪对象；S80、利用追踪对象T k 的当前信息及历史信息识别目标当前时刻的动静状态；S90、重复步骤S60-S80，不断识别每一时刻所有目标的动静状态。
本发明的有益技术效果在于：与现有技术相比，本发明基于毫米波雷达的水面场景目标动静状态识别方法，先利用GPS数据和IMU数据对各毫米波雷达采集到的雷达点云做速度补偿、空间合并、杂波滤除以及坐标系变换，得到前一时刻和当前时刻包含聚类簇信息的全局点云；接下来利用前一时刻全局点云中的每个聚类簇点云分别初始化卡尔曼滤波器，得到k个追踪对象；然后将当前时刻的全局点云与追踪对象进行匹配，并更新追踪对象状态；最后利用追踪对象的当前信息与历史信息识别追踪对象的动静状态；在无人船航行过程中，通过对其他目标的连续观测，实现了利用毫米波雷达识别水面目标动静状态的技术效果。
附图说明
图1为本发明中的基于毫米波雷达的水面场景目标动静状态识别方法的流程示意图。
图2为本发明中的目标动静状态判断过程示意图。
具体实施方式
为使本领域的普通技术人员更加清楚地理解本发明的目的、技术方案和优点，以下结合附图和实施例对本发明做进一步的阐述。
如图1所示，在本发明一个实施例中，基于毫米波雷达的水面场景目标动静状态识别方法包括有步骤S10～步骤S90：
S10、构建无人船传感器配置，在无人船上搭载GPS和IMU传感器，并在无人船前后左右各安装一个毫米波雷达，对应记为前雷达、后雷达、左雷达和右雷达。
S20、实时采集各毫米波雷达的雷达数据、GPS的GPS数据和IMU传感器的IMU数据并作时间同步，其中，GPS数据包括位置数据loc和船速v，IMU数据包括角度数据yaw和船角速度gz。
分别实时采集各毫米波雷达的雷达数据，前侧雷达、后侧雷达、左侧雷达以及右侧雷达采集到的毫米波雷达点云对应记为
Figure SMS_3
，
Figure SMS_8
，
Figure SMS_9
，
Figure SMS_2
，
Figure SMS_5
，其中，
Figure SMS_10
表示雷达左右方向距离，右侧为正，
Figure SMS_13
表示雷达前后方向距离，前侧为正，
Figure SMS_1
表示雷达上下方向距离，上方为正，
Figure SMS_6
表示点云到雷达所在位置的径向方向的相对速度，
Figure SMS_11
为前侧雷达点云数量，
Figure SMS_12
表示后侧雷达点云数量，
Figure SMS_4
表示左侧雷达点云数量，
Figure SMS_7
表示右侧雷达点云数量。
实时采集GPS的数据，GPS数据包括位置数据和速度数据（即船速）。其中，位置数据记为loc，以世界某一位置
Figure SMS_14
为坐标原点，正东方向为x轴正方向，正北方向为y轴正方向建立的全局直角坐标系
Figure SMS_15
（即世界坐标系），loc表述无人船当前位置在该全局直角坐标系
Figure SMS_16
中的坐标
Figure SMS_17
；所述速度数据记为
Figure SMS_18
，该速度方向为当前船头所处方向，大小为v。
实时采集IMU传感器的数据，IMU数据包括角度数据和角速度数据（即船角速度）。其中，角度数据记为
Figure SMS_19
，
Figure SMS_20
的0度为正北方向，顺时针方向为正；所述角速度数据记为
Figure SMS_21
，顺时针旋转为正方向。
在采集各毫米波雷达、GPS和IMU传感器的数据的同时，对采集到的数据做时间同步，完成各传感器数据的时间同步。
S30、利用船速v和船角速度gz，对各个毫米波雷达采集到的雷达点云做速度补偿、空间合并、杂波滤除，得到预处理后的点云p 1 。
其中，对各个毫米波雷达采集到的雷达点云做速度补偿的步骤，具体包括步骤3.1-3.6。
3.1 以船方向右侧为X轴正方向，前侧为Y轴正方向建立船只直角坐标系，记为坐标系XOY。
3.2 将前雷达采集的前雷达点云
Figure SMS_22
中所有点云的速度
Figure SMS_23
投影到坐标系XOY中x轴与y轴上，分别得到每个点在坐标系XOY中x轴与y轴的投影速度
Figure SMS_24
和
Figure SMS_25
：
Figure SMS_26
；
其中，
Figure SMS_27
为前雷达坐标系y轴与坐标系XOY中y轴方向夹角，前雷达坐标系y轴在坐标系XOY中y轴左侧为正。
3.3 将船速v投影到坐标系XOY的x轴与y轴上，分别得到无人船在坐标系XOY的x轴与y轴上的投影速度，即船速投影速度
Figure SMS_28
。
3.4 利用船角速度gz计算前雷达所处位置的线速度
Figure SMS_29
，该线速度
Figure SMS_30
方向为雷达的左右方向，其中右侧为正，将线速度
Figure SMS_31
投影到坐标系XOY的x轴与y轴上，分别得到角速度投影速度
Figure SMS_32
。
3.5 用船速投影速度
Figure SMS_34
与角速度投影速度
Figure SMS_36
，对点云投影速度
Figure SMS_38
和
Figure SMS_35
进行补偿，并求所得结果的二范数，所得结果为目标相对于静止目标的绝对径向速度
Figure SMS_37
，并将绝对径向速度
Figure SMS_39
补充入前雷达点云
Figure SMS_40
，得到径向速度补偿的前雷达点云
Figure SMS_33
。
3.6 按步骤3.2-步骤3.5的方式，分别计算后雷达、左雷达和右雷达点云的绝对径向速度
Figure SMS_41
，并将其补充入雷达点云，得到径向速度补偿的后雷达点云
Figure SMS_42
、左雷达点云
Figure SMS_43
和右雷达点云
Figure SMS_44
。
所述对各个毫米波雷达采集到的雷达点云做空间合并的步骤，具体包括步骤3.7-3.10。
3.7 测量前雷达点云坐标系到坐标系XOY的外参，得到旋转矩阵R和平移矩阵T。
3.8 利用旋转矩阵R和平移矩阵T将前雷达点云
Figure SMS_45
变换到坐标系XOY内，得到旋转后的前雷达点云
Figure SMS_46
。
3.9 按步骤3.7-步骤3.8的方式分别对左雷达点云
Figure SMS_47
、右雷达点云
Figure SMS_48
、后雷达点云
Figure SMS_49
进行处理，分别得到旋转后的左雷达点云
Figure SMS_50
、右雷达点云
Figure SMS_51
、后雷达点云
Figure SMS_52
。
3.10 将旋转后的前雷达点云
Figure SMS_53
、左雷达点云
Figure SMS_54
、右雷达点云
Figure SMS_55
、后雷达点云
Figure SMS_56
做数据拼接，得到合并点云
Figure SMS_57
。
所述对各个毫米波雷达采集到的雷达点云做杂波滤除的步骤，具体包括步骤3.11-3.12。
3.11 将合并点云
Figure SMS_58
做直通滤波，得到滤波点云
Figure SMS_59
。
3.12 将滤波点云
Figure SMS_60
做dbscan聚类滤波，去除离群点，得到聚类簇点云
Figure SMS_61
，并将聚类类别合并入聚类簇点云
Figure SMS_62
，得到预处理后的点云p 1 。
S40、利用位置数据loc与角度数据yaw，将预处理后的点云p 1 转换到世界坐标系，得到全局点云p 2 。
4.1 将角度数据yaw与位置数据loc转换为船只直角坐标系到世界坐标系的旋转矩阵
Figure SMS_63
与平移矩阵
Figure SMS_64
：
Figure SMS_65
；
其中，
Figure SMS_66
表示无人船当前位置在世界坐标系中的坐标。
4.2 利用
Figure SMS_67
将预处理后的点云
Figure SMS_68
转换为全局点云
Figure SMS_69
：
Figure SMS_70
。
S50、利用全局点云p 2 初始化卡尔曼滤波器，得到k个追踪对象T k 。
步骤S50具体包括步骤5.1-5.3。
5.1 将全局点云
Figure SMS_71
按其中属性聚类簇类别归类，得到k个聚类簇点云
Figure SMS_72
。
5.2 计算每个聚类簇点云
Figure SMS_73
的中心位置
Figure SMS_74
，平均径向速度
Figure SMS_75
：
Figure SMS_76
，
其中，
Figure SMS_77
表示点云的绝对径向速度，x i 表示点云在世界坐标系中x轴坐标，y i 表示点云在世界坐标系中y轴坐标，
Figure SMS_78
表示聚类簇点云
Figure SMS_79
中点云的数量。
5.3 利用中心位置
Figure SMS_80
、平均径向速度
Figure SMS_81
分别做K个目标的卡尔曼滤波器初始化，得到K个追踪对象
Figure SMS_82
。
具体地，利用中心位置
Figure SMS_83
，平均径向速度
Figure SMS_84
做目标k的卡尔曼滤波器的初始化的步骤，具体包括步骤5.3.1-5.3.7。
5.3.1 卡尔曼滤波器初始化目标状态向量为
Figure SMS_85
，连续帧间隔时间为
Figure SMS_86
：
Figure SMS_87
；
其中，
Figure SMS_88
表示目标在世界坐标系下x轴的坐标，
Figure SMS_89
表示目标在世界坐标系下y轴的坐标，
Figure SMS_90
表示目标在世界坐标系下x轴的速度，
Figure SMS_91
表示目标在世界坐标系下y轴的速度，
Figure SMS_92
表示目标在世界坐标系下x轴的加速度，
Figure SMS_93
表示目标在世界坐标系下y轴的加速度。
5.3.2 卡尔曼滤波器初始化目标转移矩阵
Figure SMS_94
：
Figure SMS_95
5.3.3 卡尔曼滤波器初始化过程噪声协方差矩阵
Figure SMS_96
：
Figure SMS_97
5.3.4 卡尔曼滤波器初始化测量噪声协方差矩阵
Figure SMS_98
：
Figure SMS_99
5.3.5 卡尔曼滤波器初始化目标观测矩阵
Figure SMS_100
：
Figure SMS_101
5.3.6 初始化该卡尔曼滤波器的径向速度为
Figure SMS_102
，目标长度建立为一个大小为
Figure SMS_103
的目标长度队列
Figure SMS_104
，并利用pca（principal components analysis，即主成分分析技术，又称主分量分析）算法计算当前目标较长边的长度
Figure SMS_105
，并将长度
Figure SMS_106
添加到目标长度队列
Figure SMS_107
内；
5.3.7 卡尔曼滤波器初始化状态估计误差的协方差矩阵
Figure SMS_108
：
Figure SMS_109
。
S60、按步骤S20-S40的方式继续采集数据并处理，得到的全局点云p´ 2 。
S70、将全局点云p´ 2 与追踪对象T k 进行匹配，利用匹配成功的点云更新追踪对象T k 状态，未匹配成功的点云初始化为新的追踪对象。
步骤S70具体包括步骤7.1-7.4 。
7.1 遍历每个追踪对象
Figure SMS_110
，针对每个追踪对象
Figure SMS_111
，在全局点云
Figure SMS_112
中检索距离追踪对象
Figure SMS_113
距离为
Figure SMS_114
的点云，得到每个追踪对象
Figure SMS_115
对应的匹配点云
Figure SMS_116
。
7.2 遍历每个追踪对象
Figure SMS_117
，根据每个追踪对象
Figure SMS_118
的信息分别进行状态预测，得到目标的状态预测结果
Figure SMS_119
、状态向量估计协方差的预测结果
Figure SMS_120
。
具体地，步骤7.2进一步包括有步骤7.2.1-7.2.2：
7.2.1 利用目标的状态向量
Figure SMS_121
与转移矩阵
Figure SMS_122
计算目标的预测状态结果
Figure SMS_123
：
Figure SMS_124
；
其中，
Figure SMS_125
表示目标在世界坐标系下x轴的预测坐标，
Figure SMS_126
表示目标在世界坐标系下y轴的预测坐标，
Figure SMS_127
表示目标在世界坐标系下x轴的预测速度，
Figure SMS_128
表示目标在世界坐标系下y轴的预测速度，
Figure SMS_129
表示目标在世界坐标系下x轴的预测加速度，
Figure SMS_130
表示目标在世界坐标系下y轴的预测加速度。
7.2.2 计算状态向量估计协方差的预测
Figure SMS_131
：
Figure SMS_132
；
其中，
Figure SMS_133
表示目标的状态估计误差的协方差矩阵，
Figure SMS_134
表示过程噪声协方差矩阵。
7.3 利用每个追踪对象
Figure SMS_135
对应的匹配点云
Figure SMS_136
更新追踪对象
Figure SMS_137
的状态信息。
具体地，步骤7.3进一步包括有步骤7.3.1-7.3.7：
7.3.1 计算匹配点云
Figure SMS_138
的中心位置
Figure SMS_139
：
Figure SMS_140
；
其中，
Figure SMS_141
表示匹配点云
Figure SMS_142
中点云的x轴和y轴坐标，
Figure SMS_143
表示匹配点云
Figure SMS_144
中点云的数量。
7.3.2 计算当前目标的观测径向速度
Figure SMS_145
、当前目标的预测径向速度
Figure SMS_146
：
Figure SMS_147
；
其中，
Figure SMS_148
表示匹配点云
Figure SMS_149
的绝对径向速度。
7.3.3 计算当前目标的观测矩阵
Figure SMS_150
，观测结果与预测结果的插值
Figure SMS_151
：
Figure SMS_152
，
Figure SMS_153
，
Figure SMS_154
。
7.3.4 计算卡尔曼增益
Figure SMS_155
：
Figure SMS_156
。
7.3.5 计算当前目标的最优状态
Figure SMS_157
：
Figure SMS_158
。
7.3.6 计算当前目标的最优状态估计误差协方差矩阵
Figure SMS_159
：
Figure SMS_160
。
7.3.7 更新当前目标的信息：
Figure SMS_161
；
Figure SMS_162
。
7.4 未匹配成功的点云初始化为新的追踪对象。
针对全局点云
Figure SMS_163
中未完成匹配的点云，依据步骤S50的方式进行追踪对象初始化，得到新的追踪对象。
S80、利用追踪对象T k 的当前信息及历史信息识别目标当前时刻的动静状态。
步骤S80具体包括步骤8.1-8.3。
8.1 利用PCA算法计算目标长度
Figure SMS_164
。
8.2 遍历每个追踪对象
Figure SMS_165
，计算目标当前的实际速度
Figure SMS_166
，连续帧目标重叠度
Figure SMS_167
，目标长度方差
Figure SMS_168
：
Figure SMS_169
，
其中，
Figure SMS_170
为追踪对象被记录的次数，
Figure SMS_171
为追踪对象被记录的目标长度的平均值。
其中，计算连续帧目标重叠度
Figure SMS_172
的步骤包括有步骤8.2.1-8.2.4：
8.2.1 计算当前帧点云的凸包
Figure SMS_173
与前一帧点云的凸包
Figure SMS_174
；
8.2.2 计算当前帧点云在前一帧点云凸包内点的数量
Figure SMS_175
，并计算凸包内点数量与当前帧点数量的比例
Figure SMS_176
；
8.2.3 计算前一帧点云在当前帧点云凸包内点的数量
Figure SMS_177
，并计算凸包内点数量与前一帧点数量的比例
Figure SMS_178
；
8.2.4 计算当前目标的连续帧目标重叠度
Figure SMS_179
：
Figure SMS_180
。
8.3 利用目标当前的实际速度
Figure SMS_181
、目标长度方差
Figure SMS_182
、连续帧目标重叠度
Figure SMS_183
及当前径向速度
Figure SMS_184
进行动静目标的判断。
如图2所示，步骤8.3进一步包括有步骤8.3.1-8.3.5。
8.3.1 当目标
Figure SMS_185
当前的实际速度
Figure SMS_186
时，初步判断为静目标，进入步骤8.3.2；否则初步判断为动目标，进入步骤8.3.3。
8.3.2 在目标k被初步判断为静目标的情况下，若径向速度
Figure SMS_187
且连续帧目标重叠度
Figure SMS_188
时，当前目标k被确定为静目标状态，否则为动目标状态。
8.3.3 在目标k被初步判断为动目标的情况下，若连续帧目标重叠度
Figure SMS_189
时，当前目标k被确定为动目标状态，否则进入步骤8.3.4。
8.3.4 在目标k被初步判断为动目标的情况下，若目标重叠度
Figure SMS_190
且目标长度方差
Figure SMS_191
，当前目标k被确定为动目标状态，若目标重叠度
Figure SMS_192
且
Figure SMS_193
，当前目标k被确定为静目标状态。否则进入步骤8.3.5。
8.3.5 在目标k被初步判断为动目标的情况下，若目标重叠度
Figure SMS_194
且径向速度
Figure SMS_195
，当前目标k被确定为静目标状态，若目标重叠度
Figure SMS_196
且径向速度
Figure SMS_197
，当前目标k被确定为动目标状态。
其中，
Figure SMS_198
为速度阈值，
Figure SMS_199
为方差阈值，
Figure SMS_200
为两个重叠度阈值且
Figure SMS_201
，
Figure SMS_202
为两个径向速度阈值。
S90、重复步骤S60-S80，不断识别每一时刻所有目标的动静状态。
完成当前时刻目标的动静状态识别后，再次执行一遍步骤S60-S80可以完成下一时刻目标的动静状态识别，重复步骤S60-S80，可以不断识别每一时刻所有目标的动静状态。
以上所述仅为本发明的优选实施例，而非对本发明做任何形式上的限制。本领域的技术人员可在上述实施例的基础上施以各种等同的更改和改进，凡在权利要求范围内所做的等同变化或修饰，均应落入本发明的保护范围之内。

Claims (11)

1.一种基于毫米波雷达的水面场景目标动静状态识别方法，其特征在于，所述基于毫米波雷达的水面场景目标动静状态识别方法包括有如下步骤：
S10、构建无人船传感器配置，在无人船上搭载GPS和IMU传感器，并在无人船前后左右各安装一个毫米波雷达，对应记为前雷达、后雷达、左雷达和右雷达；
S20、实时采集各毫米波雷达的雷达数据、GPS的GPS数据和IMU传感器的IMU数据并作时间同步，其中，GPS数据包括位置数据loc和船速v，IMU数据包括角度数据yaw和船角速度gz；
S30、利用船速v和船角速度gz，对各个毫米波雷达采集到的雷达点云做速度补偿、空间合并、杂波滤除，得到预处理后的点云p 1 ；
S40、利用位置数据loc与角度数据yaw，将预处理后的点云p 1 转换到世界坐标系，得到全局点云p 2 ，该全局点云p 2 包含有聚类簇信息；
S50、利用全局点云p 2 初始化卡尔曼滤波器，得到k个追踪对象T k ；
S60、按步骤S20-S40的方式继续采集数据并处理，得到的全局点云p´ 2 ；
S70、将全局点云p´ 2 与追踪对象T k 进行匹配，利用匹配成功的点云更新追踪对象T k 状态，未匹配成功的点云初始化为新的追踪对象；
S80、利用追踪对象T k 的当前信息及历史信息识别目标当前时刻的动静状态；
S90、重复步骤S60-S80，不断识别每一时刻所有目标的动静状态。
2.如权利要求1所述的基于毫米波雷达的水面场景目标动静状态识别方法，其特征在于，所述对各个毫米波雷达采集到的雷达点云做速度补偿包括有如下步骤：
S31、以船方向右侧为X轴正方向，前侧为Y轴正方向建立船只直角坐标系，记为坐标系XOY；
S32、将前雷达采集的前雷达点云
Figure QLYQS_1
中所有点云的速度投影到坐标系XOY中x轴与y轴上，分别得到每个点在坐标系XOY中x轴与y轴的投影速度
Figure QLYQS_2
和
Figure QLYQS_3
：
Figure QLYQS_4
；
其中，
Figure QLYQS_5
表示雷达左右方向距离，右侧为正，
Figure QLYQS_6
表示雷达前后方向距离，前侧为正，
Figure QLYQS_7
表示雷达上下方向距离，上方为正，
Figure QLYQS_8
表示点云到雷达所在位置的径向方向的相对速度，
Figure QLYQS_9
为前侧雷达点云数量，
Figure QLYQS_10
为前雷达坐标系y轴与坐标系XOY中y轴方向夹角，前雷达坐标系y轴在坐标系XOY中y轴左侧为正；
S33、将船速v投影到坐标系XOY的x轴与y轴上，分别得到船速投影速度
Figure QLYQS_11
；
S34、利用船角速度gz计算前雷达所处位置的线速度
Figure QLYQS_12
，该线速度
Figure QLYQS_13
方向为雷达的左右方向，其中右侧为正，将线速度
Figure QLYQS_14
投影到坐标系XOY的x轴与y轴上，分别得到角速度投影速度
Figure QLYQS_15
；
S35、用船速投影速度
Figure QLYQS_17
与角速度投影速度
Figure QLYQS_19
，对点云投影速度
Figure QLYQS_21
和
Figure QLYQS_18
进行补偿，并求所得结果的二范数，所得结果为目标相对于静止目标的绝对径向速度
Figure QLYQS_20
，并将绝对径向速度
Figure QLYQS_22
补充入前雷达点云
Figure QLYQS_23
，得到径向速度补偿的前雷达点云
Figure QLYQS_16
；
S36、按步骤S32-步骤S35的方式，分别计算后雷达、左雷达和右雷达点云的绝对径向速度
Figure QLYQS_24
，并将其补充入雷达点云，得到径向速度补偿的后雷达点云
Figure QLYQS_25
、左雷达点云
Figure QLYQS_26
和右雷达点云
Figure QLYQS_27
。
3.如权利要求2所述的基于毫米波雷达的水面场景目标动静状态识别方法，其特征在于，所述对各个毫米波雷达采集到的雷达点云做空间合并包括有如下步骤：
S37、测量前雷达点云坐标系到坐标系XOY的外参，得到旋转矩阵R和平移矩阵T；
S38、利用旋转矩阵R和平移矩阵T将前雷达点云
Figure QLYQS_28
变换到坐标系XOY内，得到旋转后的前雷达点云
Figure QLYQS_29
；
S39、按步骤S37-步骤S38的方式分别对左雷达点云
Figure QLYQS_30
、右雷达点云
Figure QLYQS_31
、后雷达点云
Figure QLYQS_32
进行处理，分别得到旋转后的左雷达点云
Figure QLYQS_33
、右雷达点云
Figure QLYQS_34
、后雷达点云
Figure QLYQS_35
；
S310、将旋转后的前雷达点云
Figure QLYQS_36
、左雷达点云
Figure QLYQS_37
、右雷达点云
Figure QLYQS_38
、后雷达点云
Figure QLYQS_39
做数据拼接，得到合并点云
Figure QLYQS_40
。
4.如权利要求3所述的基于毫米波雷达的水面场景目标动静状态识别方法，其特征在于，所述对各个毫米波雷达采集到的雷达点云做杂波滤除包括有如下步骤：
S311、将合并点云
Figure QLYQS_41
做直通滤波，得到滤波点云
Figure QLYQS_42
；
S312、将滤波点云
Figure QLYQS_43
做dbscan聚类滤波，去除离群点，得到聚类簇点云
Figure QLYQS_44
，并将聚类类别合并入聚类簇点云
Figure QLYQS_45
，得到预处理后的点云p 1 。
5.如权利要求1所述的基于毫米波雷达的水面场景目标动静状态识别方法，其特征在于，所述步骤S40进一步包括有步骤：
S41、将角度数据yaw与位置数据loc转换为船只直角坐标系到世界坐标系的旋转矩阵
Figure QLYQS_46
与平移矩阵
Figure QLYQS_47
：
Figure QLYQS_48
；
Figure QLYQS_49
；
其中，
Figure QLYQS_50
表示无人船当前位置在世界坐标系中的坐标；
S42、利用
Figure QLYQS_51
将预处理后的点云
Figure QLYQS_52
转换为全局点云
Figure QLYQS_53
：
Figure QLYQS_54
。
6.如权利要求1所述的基于毫米波雷达的水面场景目标动静状态识别方法，其特征在于，所述步骤S50进一步包括有步骤：
S51、将全局点云
Figure QLYQS_55
按其中属性聚类簇类别归类，得到k个聚类簇点云
Figure QLYQS_56
；
S52、计算每个聚类簇点云
Figure QLYQS_57
的中心位置
Figure QLYQS_58
，平均径向速度
Figure QLYQS_59
：
Figure QLYQS_60
；
其中，
Figure QLYQS_61
表示点云的绝对径向速度，x i 表示点云在世界坐标系中x轴坐标，
y i 表示点云在世界坐标系中y轴坐标，
Figure QLYQS_62
表示聚类簇点云
Figure QLYQS_63
中点云的数量；
S53、利用中心位置
Figure QLYQS_64
、平均径向速度
Figure QLYQS_65
分别做K个目标的卡尔曼滤波器初始化，得到K个追踪对象
Figure QLYQS_66
。
7.如权利要求6所述的基于毫米波雷达的水面场景目标动静状态识别方法，其特征在于，在所述步骤S53中，利用中心位置
Figure QLYQS_67
、平均径向速度
Figure QLYQS_68
做目标的卡尔曼滤波器的初始化的步骤包括：
S531、卡尔曼滤波器初始化目标状态向量为
Figure QLYQS_69
，连续帧间隔时间为
Figure QLYQS_70
：
Figure QLYQS_71
；
其中，
Figure QLYQS_72
表示目标在世界坐标系下x轴的坐标，
Figure QLYQS_73
表示目标在世界坐标系下y轴的坐标，
Figure QLYQS_74
表示目标在世界坐标系下x轴的速度，
Figure QLYQS_75
表示目标在世界坐标系下y轴的速度，
Figure QLYQS_76
表示目标在世界坐标系下x轴的加速度，
Figure QLYQS_77
表示目标在世界坐标系下y轴的加速度；
S532、卡尔曼滤波器初始化目标转移矩阵
Figure QLYQS_78
：
Figure QLYQS_79
；
S533、卡尔曼滤波器初始化过程噪声协方差矩阵
Figure QLYQS_80
：
Figure QLYQS_81
；
S534、卡尔曼滤波器初始化测量噪声协方差矩阵
Figure QLYQS_82
：
Figure QLYQS_83
；
S535、卡尔曼滤波器初始化目标观测矩阵
Figure QLYQS_84
：
Figure QLYQS_85
；
S536、初始化该卡尔曼滤波器的径向速度为
Figure QLYQS_86
，目标长度建立为一个大小为
Figure QLYQS_87
的目标长度队列
Figure QLYQS_88
，并利用pca算法计算当前目标较长边的长度
Figure QLYQS_89
，并将长度
Figure QLYQS_90
添加到目标长度队列
Figure QLYQS_91
内；
S537、卡尔曼滤波器初始化状态估计误差的协方差矩阵
Figure QLYQS_92
：
Figure QLYQS_93
。
8.如权利要求1所述的基于毫米波雷达的水面场景目标动静状态识别方法，其特征在于，所述步骤S70进一步包括有步骤：
S71、遍历每个追踪对象
Figure QLYQS_94
，针对每个追踪对象
Figure QLYQS_95
，在全局点云
Figure QLYQS_96
中检索距离追踪对象
Figure QLYQS_97
距离为
Figure QLYQS_98
的点云，得到每个追踪对象
Figure QLYQS_99
对应的匹配点云
Figure QLYQS_100
；
S72、遍历每个追踪对象
Figure QLYQS_101
，根据每个追踪对象
Figure QLYQS_102
的信息分别进行状态预测，得到目标的状态预测结果
Figure QLYQS_103
、状态向量估计协方差的预测结果
Figure QLYQS_104
；
S73、利用每个追踪对象
Figure QLYQS_105
对应的匹配点云
Figure QLYQS_106
更新追踪对象
Figure QLYQS_107
的状态信息；
S74、未匹配成功的点云初始化为新的追踪对象。
9.如权利要求8所述的基于毫米波雷达的水面场景目标动静状态识别方法，其特征在于，所述步骤S72进一步包括有步骤：
S721、利用目标的状态向量
Figure QLYQS_108
与转移矩阵
Figure QLYQS_109
计算目标的预测状态结果
Figure QLYQS_110
：
Figure QLYQS_111
；
S722、计算状态向量估计协方差的预测
Figure QLYQS_112
：
Figure QLYQS_113
；
其中，
Figure QLYQS_114
表示目标的状态估计误差的协方差矩阵，
Figure QLYQS_115
表示过程噪声协方差矩阵。
10.如权利要求9所述的基于毫米波雷达的水面场景目标动静状态识别方法，其特征在于，所述步骤S73进一步包括有步骤：
S731、计算匹配点云
Figure QLYQS_116
的中心位置
Figure QLYQS_117
：
Figure QLYQS_118
；
其中，
Figure QLYQS_119
表示匹配点云
Figure QLYQS_120
中点云的坐标，
Figure QLYQS_121
表示匹配点云
Figure QLYQS_122
中点云的数量；
S732、计算当前目标的观测径向速度
Figure QLYQS_123
、当前目标的预测径向速度
Figure QLYQS_124
：
Figure QLYQS_125
；
其中，
Figure QLYQS_127
表示目标在世界坐标系下x轴的预测坐标，
Figure QLYQS_129
表示目标在世界坐标系下y轴的预测坐标，
Figure QLYQS_131
表示目标在世界坐标系下x轴的预测速度，
Figure QLYQS_128
表示目标在世界坐标系下y轴的预测速度，
Figure QLYQS_130
表示目标在世界坐标系下x轴的预测加速度，
Figure QLYQS_132
表示目标在世界坐标系下y轴的预测加速度，
Figure QLYQS_133
表示匹配点云
Figure QLYQS_126
的绝对径向速度；
S733、计算当前目标的观测矩阵
Figure QLYQS_134
，观测结果与预测结果的插值
Figure QLYQS_135
：
Figure QLYQS_136
；
Figure QLYQS_137
；
Figure QLYQS_138
；
其中，H表示初始的目标观测矩阵；
S734、计算卡尔曼增益
Figure QLYQS_139
：
Figure QLYQS_140
；
其中，
Figure QLYQS_141
表示测量噪声协方差矩阵；
S735、计算当前目标的最优状态
Figure QLYQS_142
：
Figure QLYQS_143
；
S736、计算当前目标的最优状态估计误差协方差矩阵
Figure QLYQS_144
：
Figure QLYQS_145
；
S737、更新当前目标的信息：
Figure QLYQS_146
；
Figure QLYQS_147
。
11.如权利要求1所述的基于毫米波雷达的水面场景目标动静状态识别方法，其特征在于，所述步骤S80进一步包括有步骤：
S81、利用PCA算法计算目标长度
Figure QLYQS_148
；
S82、遍历每个追踪对象
Figure QLYQS_149
，计算目标当前的实际速度
Figure QLYQS_150
、连续帧目标重叠度
Figure QLYQS_151
、目标长度方差
Figure QLYQS_152
：
Figure QLYQS_153
；
其中，
Figure QLYQS_154
为追踪对象被记录的次数，
Figure QLYQS_155
为追踪对象被记录的目标长度的平均值；
S83、利用目标当前的实际速度
Figure QLYQS_156
、目标长度方差
Figure QLYQS_157
、连续帧目标重叠度
Figure QLYQS_158
及当前径向速度进行动静目标的判断。
CN202310384790.7A 2023-04-12 2023-04-12 基于毫米波雷达的水面场景目标动静状态识别方法 Active CN116106853B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310384790.7A CN116106853B (zh) 2023-04-12 2023-04-12 基于毫米波雷达的水面场景目标动静状态识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310384790.7A CN116106853B (zh) 2023-04-12 2023-04-12 基于毫米波雷达的水面场景目标动静状态识别方法

Publications (2)

Publication Number Publication Date
CN116106853A true CN116106853A (zh) 2023-05-12
CN116106853B CN116106853B (zh) 2023-09-01

Family

ID=86260108

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310384790.7A Active CN116106853B (zh) 2023-04-12 2023-04-12 基于毫米波雷达的水面场景目标动静状态识别方法

Country Status (1)

Country Link
CN (1) CN116106853B (zh)

Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104502907A (zh) * 2014-12-15 2015-04-08 西安电子工程研究所 一种机载雷达地面动静目标稳定跟踪方法
CN107561591A (zh) * 2017-07-28 2018-01-09 山东省科学院自动化研究所 基于多功能超宽带穿墙雷达的动静目标检测方法及系统
CN109031272A (zh) * 2017-06-12 2018-12-18 德尔福技术有限责任公司 确定目标的去混叠距离变化率的方法
US20200124698A1 (en) * 2018-10-23 2020-04-23 Baidu Usa Llc Radar sensor array for interference hunting and detection
CN111780771A (zh) * 2020-05-12 2020-10-16 驭势科技（北京）有限公司 一种定位方法、装置、电子设备及计算机可读存储介质
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
US20210262274A1 (en) * 2020-02-26 2021-08-26 Magna Electronics Inc. Radar scanning system for static obstacle detection for power door movement
US20210304343A1 (en) * 2020-03-27 2021-09-30 Sony Corporation Utilization of a fleet of unmanned aerial vehicles for delivery of goods
US20210311167A1 (en) * 2018-12-29 2021-10-07 Huawei Technologies Co., Ltd. Multisensor Data Fusion Method and Apparatus
US20210364632A1 (en) * 2020-05-24 2021-11-25 Havenshine Technologies, Inc. Methods and Systems for Map Creation and Calibration of Localization Equipment in an Outdoor Environment
CN113721234A (zh) * 2021-08-30 2021-11-30 南京慧尔视智能科技有限公司 一种车载毫米波雷达点云数据动静分离过滤方法和装置
CN113743385A (zh) * 2021-11-05 2021-12-03 陕西欧卡电子智能科技有限公司 一种无人船水面目标检测方法、装置及无人船
CN113777600A (zh) * 2021-09-09 2021-12-10 北京航空航天大学杭州创新研究院 一种多毫米波雷达协同定位跟踪方法
US20220026519A1 (en) * 2015-07-17 2022-01-27 Chenshu Wu Method, apparatus, and system for movement tracking
CN114114367A (zh) * 2021-11-17 2022-03-01 中南大学 Agv室外定位切换方法、计算机装置及程序产品
CN114509750A (zh) * 2022-01-21 2022-05-17 上海交通大学 一种基于多航海雷达的水上目标追踪方法
CN114545400A (zh) * 2022-04-27 2022-05-27 陕西欧卡电子智能科技有限公司 基于毫米波雷达的水面机器人的全局重定位方法
CN115032630A (zh) * 2022-05-31 2022-09-09 南京市德赛西威汽车电子有限公司 一种基于bsd雷达的网格化栏杆检测方法
CN115063555A (zh) * 2022-07-12 2022-09-16 湖南科技大学 高斯分布区域生长的车载LiDAR点云行道树提取方法
CN115097442A (zh) * 2022-08-24 2022-09-23 陕西欧卡电子智能科技有限公司 基于毫米波雷达的水面环境地图构建方法
CN115308785A (zh) * 2022-08-31 2022-11-08 浙江工业大学 一种基于多传感器融合的无人车自主定位方法
CN115435798A (zh) * 2022-07-29 2022-12-06 深圳亿嘉和科技研发有限公司 无人车高精地图路网生成系统及方法

Patent Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104502907A (zh) * 2014-12-15 2015-04-08 西安电子工程研究所 一种机载雷达地面动静目标稳定跟踪方法
US20220026519A1 (en) * 2015-07-17 2022-01-27 Chenshu Wu Method, apparatus, and system for movement tracking
CN109031272A (zh) * 2017-06-12 2018-12-18 德尔福技术有限责任公司 确定目标的去混叠距离变化率的方法
CN107561591A (zh) * 2017-07-28 2018-01-09 山东省科学院自动化研究所 基于多功能超宽带穿墙雷达的动静目标检测方法及系统
US20200124698A1 (en) * 2018-10-23 2020-04-23 Baidu Usa Llc Radar sensor array for interference hunting and detection
US20210311167A1 (en) * 2018-12-29 2021-10-07 Huawei Technologies Co., Ltd. Multisensor Data Fusion Method and Apparatus
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
US20210262274A1 (en) * 2020-02-26 2021-08-26 Magna Electronics Inc. Radar scanning system for static obstacle detection for power door movement
US20210304343A1 (en) * 2020-03-27 2021-09-30 Sony Corporation Utilization of a fleet of unmanned aerial vehicles for delivery of goods
CN111780771A (zh) * 2020-05-12 2020-10-16 驭势科技（北京）有限公司 一种定位方法、装置、电子设备及计算机可读存储介质
US20210364632A1 (en) * 2020-05-24 2021-11-25 Havenshine Technologies, Inc. Methods and Systems for Map Creation and Calibration of Localization Equipment in an Outdoor Environment
CN113721234A (zh) * 2021-08-30 2021-11-30 南京慧尔视智能科技有限公司 一种车载毫米波雷达点云数据动静分离过滤方法和装置
CN113777600A (zh) * 2021-09-09 2021-12-10 北京航空航天大学杭州创新研究院 一种多毫米波雷达协同定位跟踪方法
CN113743385A (zh) * 2021-11-05 2021-12-03 陕西欧卡电子智能科技有限公司 一种无人船水面目标检测方法、装置及无人船
CN114114367A (zh) * 2021-11-17 2022-03-01 中南大学 Agv室外定位切换方法、计算机装置及程序产品
CN114509750A (zh) * 2022-01-21 2022-05-17 上海交通大学 一种基于多航海雷达的水上目标追踪方法
CN114545400A (zh) * 2022-04-27 2022-05-27 陕西欧卡电子智能科技有限公司 基于毫米波雷达的水面机器人的全局重定位方法
CN115032630A (zh) * 2022-05-31 2022-09-09 南京市德赛西威汽车电子有限公司 一种基于bsd雷达的网格化栏杆检测方法
CN115063555A (zh) * 2022-07-12 2022-09-16 湖南科技大学 高斯分布区域生长的车载LiDAR点云行道树提取方法
CN115435798A (zh) * 2022-07-29 2022-12-06 深圳亿嘉和科技研发有限公司 无人车高精地图路网生成系统及方法
CN115097442A (zh) * 2022-08-24 2022-09-23 陕西欧卡电子智能科技有限公司 基于毫米波雷达的水面环境地图构建方法
CN115308785A (zh) * 2022-08-31 2022-11-08 浙江工业大学 一种基于多传感器融合的无人车自主定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
朱健楠等: "无人水面艇感知技术发展综述", 哈尔滨工程大学学报, vol. 41, no. 10, pages 1486 - 1492 *

Also Published As

Publication number Publication date
CN116106853B (zh) 2023-09-01

Similar Documents

Publication Publication Date Title
Mohamed et al. A survey on odometry for autonomous navigation systems
CN110261870B (zh) 一种用于视觉-惯性-激光融合的同步定位与建图方法
US11466988B2 (en) Method and device for extracting key frames in simultaneous localization and mapping and smart device
CN112985416B (zh) 激光与视觉信息融合的鲁棒定位和建图方法及系统
CN112634451B (zh) 一种融合多传感器的室外大场景三维建图方法
Asvadi et al. 3D object tracking using RGB and LIDAR data
CN113865580B (zh) 构建地图的方法、装置、电子设备及计算机可读存储介质
CN113706626B (zh) 一种基于多传感器融合及二维码校正的定位与建图方法
CN113748357A (zh) 激光雷达的姿态校正方法、装置和系统
CN112747750B (zh) 一种基于单目视觉里程计和imu融合的定位方法
CN112101160A (zh) 一种面向自动驾驶场景的双目语义slam方法
CN115861352A (zh) 单目视觉、imu和激光雷达的数据融合和边缘提取方法
CN116359905A (zh) 基于4d毫米波雷达的位姿图slam计算方法及系统
CN109459046B (zh) 悬浮式水下自主航行器的定位和导航方法
Abu-Alrub et al. Radar odometry for autonomous ground vehicles: A survey of methods and datasets
CN114067210A (zh) 一种基于单目视觉导引的移动机器人智能抓取方法
CN116106853B (zh) 基于毫米波雷达的水面场景目标动静状态识别方法
CN117132620A (zh) 一种自动驾驶场景的多目标跟踪方法、系统、存储介质及终端
CN116185049A (zh) 基于视觉引导的无人直升机自主着舰方法
CN114932556A (zh) 煤矸分拣机器人视觉伺服的机械臂动态目标跟踪轨迹规划方法
CN114119885A (zh) 图像特征点匹配方法、装置及系统、地图构建方法及系统
Wu et al. A method with improved accuracy and robustness for object detection in wharf scenarios
CN112862865A (zh) 水下机器人的检测识别方法、装置和计算机存储介质
Kim et al. Feature-based 6-DoF camera localization using prior point cloud and images
CN112415516A (zh) 一种车辆前方障碍区域感知方法及装置

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