CN116256721A - 通道场景模式判断方法、系统、电子设备及介质 - Google Patents
通道场景模式判断方法、系统、电子设备及介质 Download PDFInfo
- Publication number
- CN116256721A CN116256721A CN202310525101.XA CN202310525101A CN116256721A CN 116256721 A CN116256721 A CN 116256721A CN 202310525101 A CN202310525101 A CN 202310525101A CN 116256721 A CN116256721 A CN 116256721A
- Authority
- CN
- China
- Prior art keywords
- scene
- data
- channel
- mode
- signal
- 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
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
- G01S7/411—Identification of targets based on measurements of radar reflectivity
-
- 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
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
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)
- Selective Calling Equipment (AREA)
Abstract
本申请公开了一种通道场景模式判断方法、系统、电子设备及介质,包括如下步骤:信号接收模块接收当前场景中的反射信号;信号处理模块根据反射信号得到场景的第一数据和第二数据;判断模块根据第一数据和第二数据的比值判断场景的模式;其中,反射信号由信号发射模块发出的探测信号经反射后形成。本申请通过多个模块的协同配合能够准确的判断出当前场景的模式,从而便于后续设备的工作开展。
Description
技术领域
本申请的实施例涉及场景识别判断技术领域,特别涉及一种通道场景模式判断方法、系统、电子设备及介质。
背景技术
由于隧道场景的特殊性,车载毫米波雷达在隧道内进行场景识别时,容易产生多径效应。在多径效应下,车载毫米波雷达会接收到虚假的多径检测点,从而形成虚假的目标,使传感器接无法接收到准确的信息。现有技术中,由于隧道的形式不同,导致不同的车载毫米波雷达抓取隧道轮廓的方法无法形成通用。因此,如何快速有效的识别隧道场景和道路场景的转换是目前急需解决的问题。
发明内容
本申请的实施例提供一种通道场景模式判断方法、系统、电子设备及介质,以解决现有技术中车载毫米波雷达无法有效的识别隧道场景的技术问题。
为了解决上述技术问题,本申请的实施例公开了如下技术方案:
第一方面,提供了一种通道场景模式判断方法,包括:
信号接收模块接收当前场景中的反射信号;
信号处理模块根据所述反射信号得到所述场景的第一数据和第二数据;
判断模块根据所述第一数据和所述第二数据的比值判断所述场景的模式;
其中,所述反射信号由信号发射模块发出的探测信号经反射后形成。
结合第一方面,所述信号处理模块根据所述反射信号得到所述场景的第一数据和第二数据的方法包括:
所述信号处理模块根据所述反射信号得到所述场景的高度数据;
所述信号处理模块对所述高度数据进行拆分得到所述第一数据和所述第二数据。
结合第一方面,所述高度数据为所述反射信号中高度处于H1~H2的个数,其中,H1和H2分别满足:-22m≤H1≤-15m;15m≤H2≤22m,且H1<H2。
结合第一方面,所述高度数据为所述反射信号中在各个高度上的统计量,相邻所述统计量间隔H3,其中,0.5m≤H3≤1.5m。
结合第一方面,所述信号处理模块对所述高度数据进行拆分得到所述第一数据和所述第二数据的方法包括:
将处于h1~h2的所述高度数据作为所述第一数据;
将剩余的所述高度数据作为所述第二数据;
其中,h1和h2分别满足:-3m≤h1≤-0.5m;0.5m≤h2≤3m,且H1<h1<h2<H2。
结合第一方面,所述反射信号每次获取的时间间隔为t,其中,t满足:50ms≤t≤80ms。
结合第一方面,所述的判断模块根据所述第一数据和所述第二数据的比值判断所述场景的模式的方法包括:
获取当前所述场景的模式;
根据所述场景的模式确定场景阈值的类型;
将所述第一数据与所述第二数据作商获得比值;
将所述比值与所述场景阈值进行比较,获得比较结果;
根据所述比较结果对累加器进行更新;
当所述累加器的数值大于计数阈值时,转换当前所述场景的模式;
其中,所述场景的模式包括通道内侧和通道外侧;
当所述场景的模式为所述通道内侧时,所述场景阈值为第一阈值Y1;
当所述场景的模式为所述通道外侧时,所述场景阈值为第二阈值Y2;
所述第二阈值Y2大于所述第一阈值Y1;所述第一阈值Y1和所述第二阈值Y2分别满足:0.6≤Y1≤0.8;1.1≤Y2≤1.6。
结合第一方面,所述的根据比较结果对累加器进行更新的方法包括:
当所述比值小于所述第一阈值Y1时,所述累加器加1,否则所述累加器清零;
当所述比值大于所述第二阈值Y2时,所述累加器加1,否则所述累加器清零。
结合第一方面,所述的当所述累加器的数值大于计数阈值时,转换当前所述场景的模式的方法包括:
当所述场景的模式为所述通道内侧时,若所述累加器的数值大于计数阈值,则将所述场景的模式转换为所述通道外侧;
当所述场景的模式为所述通道外侧时,若所述累加器的数值大于计数阈值,则将所述场景的模式转换为所述通道内侧。
第二方面,提供了一种通道场景模式判断系统,所述系统包括:
信号发射模块,所述信号发射模块用于发出探测信号;
信号接收模块,所述信号接收模块用于接收当前场景中的反射信号;
信号处理模块,所述信号处理模块用于根据所述反射信号得到所述场景的第一数据和第二数据;
判断模块,所述判断模块用于根据所述第一数据和所述第二数据的比值判断所述场景的模式;
其中,所述反射信号由信号发射模块发出的探测信号经反射后形成。
第三方面,提供了一种电子设备,包括存储器和处理器;所述存储器,用于存储计算机程序;所述处理器,用于当执行所述计算机程序时,实现如第一方面任一项所述的通道场景模式判断方法,或者,采用如第二方面所述的通道场景模式判断系统实现如第一方面任一项所述的通道场景模式判断方法。
第四方面,一种计算机可读存储介质,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如第一方面任一项所述的通道场景模式判断方法,或者,采用如第二方面所述的通道场景模式判断系统实现如第一方面任一项所述的通道场景模式判断方法。
上述技术方案中的一个技术方案具有如下优点或有益效果:
与现有技术相比,本申请的一种通道场景模式判断方法,包括:信号接收模块接收当前场景中的反射信号;信号处理模块根据反射信号得到场景的第一数据和第二数据;判断模块根据第一数据和第二数据的比值判断场景的模式;其中,反射信号由信号发射模块发出的探测信号经反射后形成。本申请通过多个模块的协同配合能够准确的判断出当前场景的模式,从而便于后续设备的工作开展。
附图说明
下面结合附图,通过对本申请的具体实施方式详细描述,将使本申请的技术方案及其它有益效果显而易见。
图1为本申请实施例提供的方法流程示意图;
图2为本申请实施例提供的系统结构框图;
图3为本申请实施例提供的第一种隧道外侧统计量直方图;
图4为本申请实施例提供的第二种隧道外侧统计量直方图;
图5为本申请实施例提供的第一种隧道内侧统计量直方图;
图6为本申请实施例提供的第二种隧道内侧统计量直方图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。在本申请的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
车载毫米波雷达的重要应用之一便是一些场景识别和目标检测。其中,隧道是一个比较常见的场景,雷达在隧道内会产生多径效应,产生虚假的多径检测点,会导致形成虚假的目标,给传感器带来错误的检测信息。现有技术在面对不同道路隧道时,隧道形式不同会导致抓取轮廓的方法难以通用,且不同雷达的分辨率各不相同。
申请人注意到,现有技术通过对点云进行聚类等处理,试图找出当前场景的轮廓,来判断是否进入隧道场景内。该种方法需要进行多帧积累提升识别效果,加上聚类等都比较消耗资源,无法实时处理。因此,如何有效的识别出隧道场景,并及时对信号处理或是数据处理做出相应的对策显得尤为重要。对此,申请人提出以下技术方案来解决上述遇到的一个或多个技术问题。
需要注意的是,本申请实施例的技术方案中所提到的雷达包括4D毫米波雷达;所提到的通道包括各种隧道、管道、桥洞和洞穴;所提到的场景应用范围包括汽车、轮船、飞行器和智能机器人等的自动驾驶或自动控制。本申请的技术方案将汽车进出隧道作为应用场景,同时将4D毫米波雷达集成在汽车上作为信号的收发。4D毫米波雷达又称为成像雷达,在原有的距离、速度、方向的数据基础上,加上了对目标的高度分析,将第4个维度整合到传统毫米波雷达中,以更好地了解和绘制环境地图,让测到的交通数据更为精准。普通的毫米波雷达由于不具备测高的能力,很难判断前方静止物体是在地面还是在空中,在遇到井盖、减速带、立交桥、交通标识牌等地面、空中物体时,无法准确测得物体的高度数据,如果将这样的数据交给自动驾驶汽车,将使得自动驾驶汽车出现频繁刹车的情况。
以下通过实施例来阐述本申请的具体实施方式:
如图1所示,本申请实施例提供了一种通道场景模式判断方法,方法包括如下步骤:
S1:信号接收模块接收当前场景中的反射信号;通过信号接收模块接收当前场景中由信号发射模块发出的探测信号经反射后形成的反射信号。可以理解的是,本申请中提到的信号发射模块和信号接收模块包括集成在毫米波雷达上的信号发射单元和信号接收单元或与毫米波雷达连接的信号发射设备和信号接收设备。由于毫米波雷达在隧道内发出探测信号后,经过不同程度的反射,大量的检测点会在高度信息上出现明显的干扰。为了排除隧道内部其他车辆或交通工具的检测点的影响,将静态检测点作为数据进行统计。毫米波雷达在接收到返回的发射信号时,首先需要对发射信号进行滤波处理,将不属于毫米波雷达发出的信号数据剔除。然后将剩下的信号数据进行处理,处理后会产生大量检测点数据,即所谓的点云,每个检测点中均包含动静态、径向距离、径向相对速度、方位角和俯仰角等数据。在点云中选取全部静态检测点,作为信号数据。
需要说明的是,在本申请实施例中,反射信号每次获取的时间间隔为t,其中,t满足:50ms≤t≤80ms。可以理解的是,信号发射模块实时向外界发射探测信号,信号接收模块每隔t时间获取返回的反射信号,t能够选择的范围包括但不限于:50ms、52ms、55ms、56ms、58ms、60ms、62ms、65ms、68ms、70ms、72ms、75ms、78ms和80ms。由于汽车在运动过程中场景是在不断变化的,尤其是在高速路上,汽车的速度非常快,在1秒时间内汽车就能开出几十米。因此两个信号的获取时间不能间隔太长,同时由于对信号的处理步骤需要一定的算力,当间隔时间太短时需要庞大的算力支撑。因此将两个信号的获取时间控制在50至80毫米之间比较合理。
在一些其他的实施例中,信号发射模块实时向外界发射探测信号,信号接收模块也实时接收返回的反射信号,但是在反射信号的截取时,控制在50至80毫米进行截取,对截取的该段信号数据进行统计处理作为后续的判断数据;或者可以通过汽车里程表上汽车的移动距离来确定两个信号数据获取的时间间隔,如汽车每移动D则进行一次信号数据的获取,其中,D可以选择的范围包括但不限于:1.0m、1.2m、1.5m、1.8m、2.0m、2.2m、2.5m、2.8m、3.0m、3.2m、3.5m、3.8m、4.0m、4.2m、4.5m、4.8m、5.0m、5.2m、5.5m、5.8m、6.0m。可以理解的是,当汽车移动的距离D越小时,判断获得的场景越准确,而当移动汽车移动的距离D越大时,计算量越小。
S2:信号处理模块根据反射信号得到场景的第一数据和第二数据;通过信号处理模块将接收到的反射信号进行处理得到当前场景下的第一数据和第二数据;
具体的方法步骤包括:
S201:信号处理模块根据反射信号得到场景的高度数据;
在本申请实施例中,高度数据为反射信号中在各个高度上的统计量,一般而言,所选择的高度处于H1~H2,H1和H2分别满足:-22m≤H1≤-15m;15m≤H2≤22m;相邻统计量间隔H3,其中,0.5m≤H3≤1.5m。可以理解的是,在H1和H2之间,每隔H3获取一次位于该高度的点数。举例而言,当H3为1时,获取的信号中高度为10m的点数有5个,而高度为11m的点数有6个。需要说明的是,H1可以选择的范围包括但不限于:-22.0m、-21.5m、-21.0m、-20.5m、-20.0m、-19.5m、-19.0m、-18.5m、-18.0m、-17.5m、-17.0m、-16.5m、-16.0m、-15.5m、-15.0m;相同的H2可以选择的范围包括但不限于:15.0m、15.5m、16.0m、16.5m、17.0m、17.5m、18.0m、18.5m、19.0m、19.5m、20.0m、20.5m、21.0m、21.5m、22.0m;同样的,H3可以选择的范围包括但不限于:0.5m、0.6m、0.8m、0.9m、1.0m、1.1m、1.2m、1.3m、1.4m、1.5m。
S202:信号处理模块对高度数据进行拆分得到第一数据和第二数据;
在本申请实施例中,将处于h1~h2的高度数据作为第一数据;将剩余的高度数据作为第二数据;其中,H1<h1<h2<H2,其中的h1和h2分别满足:-3m≤h1≤-0.5m;0.5m≤h2≤3m。可以理解的是,第一数据是位于处于h1~h2的高度数据,将位于h1~h2的高度数据的统计量进行累加得到第一数据;将高度数据中除了第一数据以外的数据累加得到第二数据。需要说明的是,h1和h2的大小是浮动的,因此第一数据和第二数据的数值并不一定。根据车载毫米波雷达的型号不同,h1可以选择的范围包括但不限于:-5.0m、-4.0m、-3.0m、-2.8m、-2.5m、-2.2m、-2.0m、-1.8m、-1.5m、-1.2m、-1.0m、-0.9m、-0.8m、-0.7m、-0.6m、-0.5m;同样的,h2可以选择的范围包括但不限于:0.5m、0.6m、0.7m、0.8m、0.9m、1.0m、1.2m、1.3m、1.5m、1.8m、2.0m、2.2m、2.5m、2.8m、3.0m、4.0m、5.0m。
S3:判断模块根据第一数据和第二数据的比值判断场景的模式,根据获得的第一数据和第二数据的比值,通过判断模块判断当前场景下的模式。
具体的方法步骤包括:
S301:将第一数据与第二数据作商获得比值。
在本申请实施例中,如前述,第一数据和第二数据分别为高度数据中不同区段中的统计量,将两个统计量相除即可得到比值。需要说明的是,由于在不同的场景下,两个区段中的数据量是不同的。因此第一数据和第二数据的比值有可能小于1,也有可能大于1。
S302:将比值与场景阈值进行比较,判断场景的模式。
在本申请实施例中,首先,需要获取当前场景的模式;接着根据场景的模式确定场景阈值的类型;然后将比值与场景阈值进行比较,获得比较结果;最后根据比较结果重置当前场景的模式。一般而言,在本申请中,场景的模式主要包括通道内侧和通道外侧;即汽车处于隧道内和隧道外两种情况。可以理解的是,除了汽车在进入隧道时的那段时间之外,汽车所处的场景只有在隧道内部和在隧道外部的两种情况。而毫米波雷达在隧道外部接收到的信号数据与在隧道内部接收到的信号数据并不相同。如图3和图4所示是两种情况下在隧道外侧测得的高度数据,可以看到当汽车在隧道外侧时,毫米波雷达获取得到的高度数据集中在-5至5米范围内,并且在这个范围中的高度数据的个数明显大于其他位置的高度数据的个数。如图5和图6所示是两种情况下在隧道内侧测得的高度数据,可以看到当汽车在隧道内侧时,-5至5米范围内的毫米波雷达获取得到的高度数据明显少于其他范围的高度数据。在图中,横坐标Z表示高度,单位为米,纵坐标表示静止点数,即为高度数据,单位为个。因此为了能够更加准确的判断汽车在行驶过程中所处的场景的模式,不同场景需要设置不同的场景阈值来判断。当场景的模式为通道内侧时,场景阈值为第一阈值Y1;当场景的模式为通道外侧时,场景阈值为第二阈值Y2;由于汽车在道路上行驶时上方没有遮挡,因此第二阈值Y2会大于第一阈值Y1。每个隧道的高度也不相同,因此隧道内部的数据也不能完全统一。因此,第一阈值Y1可以选择的范围包括但不限于:0.6、0.7、0.8;由于隧道内部的结构也并非平整规律的,因此第二阈值Y2可以选择的范围包括但不限于:1.1、1.2、1.3、1.4、1.5、1.6。当获取得到汽车位于隧道外时,把比值与第一阈值Y1进行比较,若比值小于第一阈值Y1,则对累加器进行加1处理,若比值大于第一阈值Y1,则对累加器清零处理,当累加器的数值大于计数阈值时,则判定为汽车位于隧道内,同时将汽车的场景的模式更新为隧道内。当获取得到汽车位于隧道内,把比值与第二阈值Y2进行比较,若比值大于第二阈值Y2,则对累加器进行加1,若比值小于第二阈值Y2,则对累加器进行清零处理,当累加器的数值大于计数阈值时,则判断汽车位于隧道外,同时将汽车的场景的模式更新为隧道外。可以理解的是,累加器在一开始的数值均为0。当比值小于第一阈值Y1时,说明汽车处于隧道内部,但为了排除外部因素干扰,如汽车经过了一个广告牌导致雷达识别错误的情况。因此当比值又大于第一阈值Y1时将累加器清零,只有当比值连续多次比较结果均小于第一阈值Y1后才确定汽车此时处于隧道内部。同理,当汽车处于隧道外部的判断方式与此相同,在此不再赘述。在本申请中,计数阈值可以选择的范围包括但不限于:5、6、7、8、9、10。当计数阈值越大时,汽车对外部场景的模式判断月准确。基于上述的步骤,本申请的方案能够在识别到隧道场景时,可以对多径问题导致的异常检测点进行大量的滤除,可以有效的提升后续的数据处理等算法的准确性,对隧道内目标的感知可以显著的改善。
如图2所示,本申请实施例提供了一种通道场景模式判断系统,系统包括:
信号发射模块,信号发射模块用于发出探测信号;
信号接收模块,信号接收模块用于接收当前场景中的反射信号;
信号处理模块,信号处理模块用于根据反射信号得到场景的第一数据和第二数据;
判断模块,判断模块用于根据第一数据和第二数据的比值判断场景的模式;
其中,反射信号由信号发射模块发出的探测信号经反射后形成。
可以理解的是,信号发射模块和信号接收模块可以是集成在毫米波雷达上的信号收发单元。毫米波雷达装配在汽车的前端或顶端位置,通过信号发送模块向外界放松探测信号,再通过信号接收模块接收返回的反射信号。在接收到反射信号以后,信号接收模块将反射信号的数据传输至信号处理模块中,信号处理模块可以是车机系统或者其他可以对信号进行分析的芯片。信号处理完成后通过判断模块将信号进行判断,从而得到汽车的场景的模式。判断模块可以是用于对数据进行判断的芯片。
本申请实施例提供了一种电子设备,包括存储器和处理器;存储器,用于存储计算机程序;处理器,用于当执行计算机程序时,实现如上述任一项的通道场景模式判断方法,或者,采用如上述的通道场景模式判断系统实现如上述任一项的通道场景模式判断方法。本申请所指的电子设备在执行计算机程序时实现的方法步骤与上述所提到的相同,因此在此不再做更多赘述。
本申请实施例提供了一种计算机可读存储介质,存储介质上存储有计算机程序,当计算机程序被处理器执行时,实现如上述任一项的通道场景模式判断方法,或者,采用如上述的通道场景模式判断系统实现如上述任一项的通道场景模式判断方法。本申请所指的计算机可读存储介质在被计算机处理时,执行计算机程序时实现的方法步骤与上述所提到的相同,因此在此不再做更多赘述。
以上对本申请实施例所提供的一种通道场景模式判断方法、系统、电子设备及介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的技术方案及其核心思想;本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例的技术方案的范围。
Claims (12)
1.一种通道场景模式判断方法,其特征在于,包括如下步骤:
信号接收模块接收当前场景中的反射信号;
信号处理模块根据所述反射信号得到所述场景的第一数据和第二数据;
判断模块根据所述第一数据和所述第二数据的比值判断所述场景的模式;
其中,所述反射信号由信号发射模块发出的探测信号经反射后形成。
2.如权利要求1所述的通道场景模式判断方法,其特征在于,所述信号处理模块根据所述反射信号得到所述场景的第一数据和第二数据的方法包括:
所述信号处理模块根据所述反射信号得到所述场景的高度数据;
所述信号处理模块对所述高度数据进行拆分得到所述第一数据和所述第二数据。
3.如权利要求2所述的通道场景模式判断方法,其特征在于,所述高度数据为所述反射信号中高度处于H1~H2的个数,其中,H1和H2分别满足:-22m≤H1≤-15m;15m≤H2≤22m,且H1<H2。
4.如权利要求3所述的通道场景模式判断方法,其特征在于,所述高度数据为所述反射信号中在各个高度上的统计量,相邻所述统计量间隔H3,其中,0.5m≤H3≤1.5m。
5.如权利要求4所述的通道场景模式判断方法,其特征在于,所
述信号处理模块对所述高度数据进行拆分得到所述第一数据和所述第二数据的方法包括:
将处于h1~h2的所述高度数据作为所述第一数据;
将剩余的所述高度数据作为所述第二数据;
其中,h1和h2分别满足:-3m≤h1≤-0.5m;0.5m≤h2≤3m,且H1<h1<h2<H2。
6.如权利要求5所述的通道场景模式判断方法,其特征在于,所述反射信号每次获取的时间间隔为t,其中,t满足:50ms≤t≤80ms。
7.如权利要求6所述的通道场景模式判断方法,其特征在于,所述的判断模块根据所述第一数据和所述第二数据的比值判断所述场景的模式的方法包括:
获取当前所述场景的模式;
根据所述场景的模式确定场景阈值的类型;
将所述第一数据与所述第二数据作商获得比值;
将所述比值与所述场景阈值进行比较,获得比较结果;
根据所述比较结果对累加器进行更新;
当所述累加器的数值大于计数阈值时,转换当前所述场景的模式;
其中,所述场景的模式包括通道内侧和通道外侧;
当所述场景的模式为所述通道内侧时,所述场景阈值为第一阈值Y1;
当所述场景的模式为所述通道外侧时,所述场景阈值为第二阈值Y2;
所述第二阈值Y2大于所述第一阈值Y1;所述第一阈值Y1和所述第二阈值Y2分别满足:0.6≤Y1≤0.8;1.1≤Y2≤1.6。
8.如权利要求7所述的通道场景模式判断方法,其特征在于,所述的根据比较结果对累加器进行更新的方法包括:
当所述比值小于所述第一阈值Y1时,所述累加器加1,否则所述累加器清零;
当所述比值大于所述第二阈值Y2时,所述累加器加1,否则所述累加器清零。
9.如权利要求8所述的通道场景模式判断方法,其特征在于,所述的当所述累加器的数值大于计数阈值时,转换当前所述场景的模式的方法包括:
当所述场景的模式为所述通道内侧时,若所述累加器的数值大于计数阈值,则将所述场景的模式转换为所述通道外侧;
当所述场景的模式为所述通道外侧时,若所述累加器的数值大于计数阈值,则将所述场景的模式转换为所述通道内侧。
10.一种通道场景模式判断系统,其特征在于,所述系统包括:
信号发射模块,所述信号发射模块用于发出探测信号;
信号接收模块,所述信号接收模块用于接收当前场景中的反射信号;
信号处理模块,所述信号处理模块用于根据所述反射信号得到所述场景的第一数据和第二数据;
判断模块,所述判断模块用于根据所述第一数据和所述第二数据的比值判断所述场景的模式;
其中,所述反射信号由信号发射模块发出的探测信号经反射后形成。
11.一种电子设备,其特征在于:包括存储器和处理器;所述存储器,用于存储计算机程序;所述处理器,用于当执行所述计算机程序时,实现如权利要求1至9任一项所述的通道场景模式判断方法,或者,采用如权利要求10所述的通道场景模式判断系统实现如权利要求1至9任一项所述的通道场景模式判断方法。
12.一种计算机可读存储介质,其特征在于:所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如权利要求1至9任一项所述的通道场景模式判断方法,或者,采用如权利要求10所述的通道场景模式判断系统实现如权利要求1至9任一项所述的通道场景模式判断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310525101.XA CN116256721B (zh) | 2023-05-11 | 2023-05-11 | 通道场景模式判断方法、系统、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310525101.XA CN116256721B (zh) | 2023-05-11 | 2023-05-11 | 通道场景模式判断方法、系统、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116256721A true CN116256721A (zh) | 2023-06-13 |
CN116256721B CN116256721B (zh) | 2023-07-28 |
Family
ID=86688281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310525101.XA Active CN116256721B (zh) | 2023-05-11 | 2023-05-11 | 通道场景模式判断方法、系统、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116256721B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190258878A1 (en) * | 2018-02-18 | 2019-08-22 | Nvidia Corporation | Object detection and detection confidence suitable for autonomous driving |
EP3588128A1 (en) * | 2018-06-26 | 2020-01-01 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Method for detection and height and azimuth estimation of objects in a scene by radar processing using sparse reconstruction with coherent and incoherent arrays |
CN110824476A (zh) * | 2019-08-26 | 2020-02-21 | 惠州市德赛西威汽车电子股份有限公司 | 一种探测范围动态可调的汽车探测方法及雷达系统 |
CN112023400A (zh) * | 2020-07-24 | 2020-12-04 | 上海米哈游天命科技有限公司 | 一种高度图生成方法、装置、设备及存储介质 |
CN112859008A (zh) * | 2021-01-19 | 2021-05-28 | 英博超算(南京)科技有限公司 | 一种前向毫米波雷达性能提升方法 |
CN113721232A (zh) * | 2021-11-02 | 2021-11-30 | 浙江宇视科技有限公司 | 目标对象检测方法、装置、电子设备及介质 |
CN114936330A (zh) * | 2021-02-04 | 2022-08-23 | 腾讯科技(深圳)有限公司 | 一种车辆行驶场景中信息推送的方法以及相关装置 |
-
2023
- 2023-05-11 CN CN202310525101.XA patent/CN116256721B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190258878A1 (en) * | 2018-02-18 | 2019-08-22 | Nvidia Corporation | Object detection and detection confidence suitable for autonomous driving |
EP3588128A1 (en) * | 2018-06-26 | 2020-01-01 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Method for detection and height and azimuth estimation of objects in a scene by radar processing using sparse reconstruction with coherent and incoherent arrays |
CN110824476A (zh) * | 2019-08-26 | 2020-02-21 | 惠州市德赛西威汽车电子股份有限公司 | 一种探测范围动态可调的汽车探测方法及雷达系统 |
CN112023400A (zh) * | 2020-07-24 | 2020-12-04 | 上海米哈游天命科技有限公司 | 一种高度图生成方法、装置、设备及存储介质 |
CN112859008A (zh) * | 2021-01-19 | 2021-05-28 | 英博超算(南京)科技有限公司 | 一种前向毫米波雷达性能提升方法 |
CN114936330A (zh) * | 2021-02-04 | 2022-08-23 | 腾讯科技(深圳)有限公司 | 一种车辆行驶场景中信息推送的方法以及相关装置 |
CN113721232A (zh) * | 2021-11-02 | 2021-11-30 | 浙江宇视科技有限公司 | 目标对象检测方法、装置、电子设备及介质 |
Non-Patent Citations (2)
Title |
---|
刘浩;赵文吉;段福洲;曹巍;李家存;: "面向地震灾害场景建模的三维地形交互改造技术", 吉林大学学报(地球科学版), no. 05 * |
高岩;苏虎;于洋;周穆雄;: "智能车辆仿真场景建模方法", 交通信息与安全, no. 01 * |
Also Published As
Publication number | Publication date |
---|---|
CN116256721B (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103064086B (zh) | 一种基于深度信息的车辆跟踪方法 | |
CN109597061B (zh) | 一种目标运动状态判别方法及系统 | |
CN109375177B (zh) | 一种用于机场场面监视雷达系统的运动目标检测方法 | |
CN112859062B (zh) | 一种基于雷达的车辆排队长度检测方法及系统 | |
CN112731307B (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
CN109188430B (zh) | 一种基于地面监视雷达系统的目标提取方法 | |
CN110782465A (zh) | 一种基于激光雷达的地面分割方法、装置及存储介质 | |
CN109100697B (zh) | 一种基于地面监视雷达系统的目标凝聚方法 | |
CN113671481A (zh) | 一种基于毫米波雷达的3d多目标跟踪处理方法 | |
CN112085950A (zh) | 交通状态判别指标的估计方法、系统、存储介质及应用 | |
CN110531337A (zh) | 基于隶属度分析的目标可信度计算方法及装置 | |
CN110556014B (zh) | 智能公交调度平台系统 | |
CN115236603A (zh) | 隧道内基于时空关系的毫米波雷达量测异常轨迹处理方法 | |
CN112597839A (zh) | 基于车载毫米波雷达的道路边界检测方法 | |
CN113436442B (zh) | 一种利用多地磁传感器的车速估计方法 | |
CN114141057B (zh) | 一种交叉路口车辆碰撞预警测评方法、装置及系统 | |
CN113256990B (zh) | 基于聚类算法的雷达采集道路车辆信息的方法及系统 | |
CN108983194B (zh) | 一种基于地面监视雷达系统的目标提取及凝聚方法 | |
CN116256721B (zh) | 通道场景模式判断方法、系统、电子设备及介质 | |
CN112162249B (zh) | 一种基于动态cfar的车载毫米波雷达遮挡检测方法及系统 | |
CN113109798A (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
CN106097728B (zh) | 车辆检测方法、装置及系统 | |
CN112946623B (zh) | 基于车辆上安装77g毫米波雷达的测速方法和装置 | |
CN114895274A (zh) | 一种护栏识别方法 | |
CN110444038B (zh) | 基于大数据的公交调度方法 |
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 |