CN116449329A - 毫米波雷达的速度解模糊方法、系统、设备及存储介质 - Google Patents

毫米波雷达的速度解模糊方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN116449329A
CN116449329A CN202310471918.3A CN202310471918A CN116449329A CN 116449329 A CN116449329 A CN 116449329A CN 202310471918 A CN202310471918 A CN 202310471918A CN 116449329 A CN116449329 A CN 116449329A
Authority
CN
China
Prior art keywords
points
point cloud
point
matching
speed
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
CN202310471918.3A
Other languages
English (en)
Inventor
陈承文
周珂
张健
杨新艳
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.)
Shenzhen Cheng Tech Co ltd
Original Assignee
Shenzhen Cheng Tech 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 Shenzhen Cheng Tech Co ltd filed Critical Shenzhen Cheng Tech Co ltd
Priority to CN202310471918.3A priority Critical patent/CN116449329A/zh
Publication of CN116449329A publication Critical patent/CN116449329A/zh
Pending legal-status Critical Current

Links

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
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • 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
    • 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
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

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

本发明公开了毫米波雷达的速度解模糊方法、系统、设备及存储介质，遍历当前帧的点云，使用相应的匹配策略对当前帧的点云与前一帧的点云进行点匹配，匹配成功的点进行解模糊得到模糊数q，匹配失败的点不处理，对当前帧的点云进行数据跟踪处理，获得航迹框；根据航迹框对当前帧的点云进行聚类，获取聚类集；查找聚类集中第一步匹配失败的点和成功的点，分别记作Pf和Ps；查找Pf所在的类，并找出其中匹配成功的原始点，选择与Pf距离最近的一个Ps；参考Ps的模糊数q和速度值，遍历模糊数q‑1，q，q+1，对Pf进行解模糊，取出和Ps的速度值最接近的一个作为Pf解模糊后的速度，其能够充分利用已知的信息提高目标的速度准确度和可信性。

Description

毫米波雷达的速度解模糊方法、系统、设备及存储介质
技术领域
本发明属于雷达信号处理技术领域，特别涉及毫米波雷达的速度解模糊方法、系统、设备及存储介质。
背景技术
毫米波雷达是工作波长在毫米数量级的电磁波，它可以实时测量运动目标的距离和速度，是自动驾驶系统中不可缺少的传感器部件。毫米波雷达具有可探测范围远、测量实时性高、不会受到灰尘雾霾等恶劣天气的影响和支持全天候工作等特点。
毫米波雷达通常采用的是调频连续锯齿波(LFMCW)信号。FMCW雷达发射间隔为Tc的两个Chi rp脉冲，每个反射的Chi rp脉冲通过Range-FFT进行处理。对应于每个Chi rp的Range-FFT，将在同一位置出现不同相位的峰值。该相位差与物体移动的位移有关。
由现有技术可知，由于相位差Δφ＝4*π*Δd/λ，其中Δd＝v*Tc，推导可得：由于速度测量基于相位差，因而会存在速度模糊性，仅当Δφ＜π时具有非模糊性。由速度计算公式/>可推导出最大速度：/>
当一个目标的真实速度Vr大于雷达的最高检测速度Vmax时，通过Dopp ler维FFT得到的速度将发生模糊，我们定义这个模糊速度为Va。目标的模糊速度Va和真实速度Vr之间满足公式：Va＝(Vr)mod(Vmax)。由公式可知模糊速度Va是实际速度Vr对最高检测速度Vmax的余数。目标的真实速度满足公式：Vr＝Va+q*Vmax。解模糊的过程即是根据Va和Vmax求解Vr，即求解模糊数q值的过程。
针对速度模糊的问题，目前最常使用的解模糊方式是基于中国余数定理的的速度扩展算法，具体原理如下所述。
定义两种不同Tc的chirp，这两种chirp对应的Vmax不同，同一个目标的Vr在这两种chirp下检测得到的Va也不同。根据中国剩余定理(如果一个自然数对一组互质的因子分别取余数，那么在知道余数和互质因子的情况下，一定可以计算出原始的自然数),我们能够从这两个chirp下计算的Va恢复出目标的真实速度Vr。由于连续两帧之间的时间差较大，容易出现两次测量速度无法匹配，以至于速度解模糊失败的问题。
目前存在的问题举例：如图1所示的场景，实线矩形框为车辆大小位置，虚线矩形框为目标的航迹框，虚线点为上一帧的原始点云数据，实线点为当前帧的原始点云数据，当使用某种常用的匹配策略对连续帧的原始点云进行匹配时，匹配结果为：实线点1和虚线点1匹配成功，实线点2匹配失败，当点2的真实速度超过Vmax时点2的速度将输出错误。
发明内容
针对上述问题，本发明提供了一种应用于毫米波雷达的速度解模糊方法、系统、设备及存储介质。
本发明提出毫米波雷达的速度解模糊方法，包括：遍历当前帧的点云，使用相应的匹配策略对所述当前帧的点云与前一帧的点云进行点匹配，匹配成功的点进行解模糊得到模糊数q，匹配失败的点不处理；
对当前帧的点云进行数据跟踪处理，获得航迹框；
根据所述航迹框对所述当前帧的点云进行聚类，获取聚类集；
查找所述聚类集中第一步匹配失败的点和成功的点，分别记作Pf和Ps；
查找Pf所在的类，并找出其中匹配成功的原始点，选择与Pf距离最近的一个Ps；
参考所述Ps的模糊数q和速度值，遍历模糊数q-1，q，q+1，对Pf进行解模糊，取出和Ps的速度值最接近的一个作为Pf解模糊后的速度。
作为优选的，所述遍历当前帧的点云，使用相应的匹配策略对所述当前帧的点云与前一帧的点云进行点匹配，包括：对雷达检测到的原始点云数据按照距离从小到大的规则进行排序；依次将当前帧的目标点与前一帧的原始点云数据按照匹配策略进行匹配。
作为优选的，所述匹配策略包括：分析两点之间的距离差异、速度差异和角度差异是否满足一定的条件，如果满足则认为匹配成功，用Ps表示，否则匹配失败，用Pf表示。
作为优选的，所述获得航迹框，包括：对当前点云进行数据处理，对于稳定出现的点根据卡尔曼滤波等算法可形成航迹；根据所述航迹得到聚类结果；参照所述聚类结果形成航迹框。
作为优选的，所述根据所述航迹框对所述当前帧的点云进行聚类，获取聚类集，包括：对所述航迹框内的原始点云采用DBSCAN方法进行聚类；其中，对于航迹框TrackFrame，其聚类的原始点用Points表示，包括匹配成功的点Ps和匹配失败的点Pf；将匹配成功的点Ps和匹配失败的点Pf进行聚类构成聚类集。
作为优选的，所述对所述航迹框内的原始点云采用DBSCAN方法进行聚类，包括：寻找原始点Points形成临时聚类簇，扫描当前帧的点云中的全部样本点，如果某个样本点R半径范围内点数目>＝MinPoints，则将其纳入核心点列表，并将其密度直达的点形成对应的临时聚类簇；合并临时聚类簇得到聚类簇，对于每一个临时聚类簇，检查其中的点是否为核心点，如果是，将该点对应的临时聚类簇和当前临时聚类簇合并，得到新的临时聚类簇，重复此操作，直到当前临时聚类簇中的每一个点要么不在核心点列表，要么其密度直达的点都已经在该临时聚类簇，该临时聚类簇升级成为聚类簇。继续对剩余的临时聚类簇进行相同的合并操作，直到全部临时聚类簇被处理。
另外，本发明提出毫米波雷达的速度解模糊系统，包括：
匹配模块，遍历当前帧的点云，使用相应的匹配策略对所述当前帧的点云与前一帧的点云进行点匹配，匹配成功的点进行解模糊得到模糊数q，匹配失败的点不处理，对当前帧的点云进行数据跟踪处理，获得航迹框；
聚集模块，用于根据所述航迹框对所述当前帧的点云进行聚类，获取聚类集；
查询模块，用于查找所述聚类集中第一步匹配失败的点和成功的点，分别记作Pf和Ps；
定值模块，用于查找Pf所在的类，并找出其中匹配成功的原始点，选择与Pf距离最近的一个Ps；
求解模块，用于参考所述Ps的模糊数q和速度值，遍历模糊数q-1，q，q+1，对Pf进行解模糊，取出和Ps的速度值最接近的一个作为Pf解模糊后的速度。
另外，本发明提出一种终端设备，包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如上所述的毫米波雷达的速度解模糊方法。
另外，本发明提出一种可读存储介质，所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如上所述的毫米波雷达的速度解模糊方法。
本发明的有益效果是：
本发明通过遍历当前帧的点云，使用相应的匹配策略对所述当前帧的点云与前一帧的点云进行点匹配，匹配成功的点进行解模糊得到模糊数q，匹配失败的点不处理；对当前帧的点云进行数据跟踪处理，获得航迹框；根据所述航迹框对所述当前帧的点云进行聚类，获取聚类集；查找所述聚类集中第一步匹配失败的点和成功的点，分别记作Pf和Ps；查找Pf所在的类，并找出其中匹配成功的原始点，选择与Pf距离最近的一个Ps；参考所述Ps的模糊数q和速度值，遍历模糊数q-1，q，q+1，对Pf进行解模糊，取出和Ps的速度值最接近的一个作为Pf解模糊后的速度，其能够充分利用已知的信息提高目标的速度准确度和可信性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了现有技术中速度解模糊的应用场景图；
图2示出了本发明实施例中一种应用于毫米波雷达的速度解模糊方法的应用场景示意图；
图3示出了本发明实施例中一种应用于毫米波雷达的速度解模糊方法的流程图；
图4示出了本发明实施例中一种应用于毫米波雷达的速度解模糊系统的框图；
图5示出了本发明实施例中一种应用于毫米波雷达的速度解模糊方法的服务器的硬件结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地说明，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图2，图2示出了本发明实施例中一种应用于毫米波雷达的速度解模糊方法的应用场景示意图。如图2所示，包括车辆1以及车辆1所包含的一个或者多个传感器101、一个或者多个控制器102。
可选的，车辆1可以包括传感器101，用于感知周围环境。传感器101可以包括下列传感器中的一个或多个：超声波传感器、毫米波雷达、激光雷达、视觉摄像头以及红外摄像头。
在一种可选的实施方式中，超声波传感器、毫米波雷达、激光雷达、视觉摄像头以及红外摄像头可以获取感知数据，以使控制器102可以分析获取的感知数据，以进行自动驾驶决策的分析确定。
可选的，车辆1可以包括控制器102。控制器102可以包括与各种类型的计算机可读存储装置或介质通信的处理器，例如中央处理单元或图形处理单元，或者其他的专用处理器等。计算机可读存储装置或介质可以包括任何非暂时性存储设备，非暂时性存储设备可以是非暂时性的并且可以实现数据存储的任何存储设备，计算机可读存储装置或介质中的一些数据可以表示由控制器102用于控制车辆的可执行指令。
在一种可选的实施方式中，控制器102中可以包括雷达数据处理系统。可选的，雷达数据处理系统可以是基于赛灵思Zynq UltraScale+MPSoC实现的4D成像雷达系统。雷达数据处理系统可以包括PS和PL。PS和PL之间可以通过AXI总线相连。其中，PS可以包括一个主核处理器和多个从核处理器，主核处理器和从核处理器之间可以共享内存，并实现核间通信。PL可以包括可编程逻辑模块。可选的，PS的主核处理器和从核处理器可以是ZynqA53核处理器；PS还可以包括一个R5核处理器，以进行整机通信、功能安全相关的业务处理。
可选的，主核处理器可以对原始目标的原始雷达数据进行发波处理和校准处理，得到第一雷达数据；通过可编程逻辑模块，对第一雷达数据进行模数采样、距离维处理、多普勒维处理和相干累计处理，得到第二雷达数据；对第二雷达数据进行恒虚警检测处理，得到第三雷达数据；基于多个从核处理器的数量，将目标平均划分，得到待处理目标；将待处理目标对应的第三雷达数据确定为待处理雷达数据；向从核处理器发送待处理雷达数据。多个从核处理器可以接收主核处理器发送的待处理目标的待处理雷达数据；对待处理雷达数据进行波达估计处理，得到点云数据；点云数据用于确定待处理目标的空间位置信息；将点云数据存入第一存储空间；向主核处理器发送第一中断信号，第一中断信号用于指示主核处理器从第一存储空间读取点云数据。
此外，需要说明的是，图2所示的仅仅是本公开提供的毫米波雷达的速度解模糊方法的一种应用环境，在实际应用中，还可以包括其他应用环境，本实施例不对此做限定，本公开的车辆可以包括图2所示的车辆1的结构或者功能中的一种或多种。
下面介绍本申请提供的一种毫米波雷达的速度解模糊方法的示例性流程。
请参阅图3，图3示出了本发明实施例中一种应用于毫米波雷达的速度解模糊方法的流程图。
本说明书提供了如实施例或流程图所示的方法或者流程操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多执行顺序中的一种方式，不代表唯一的执行顺序，在实际执行时，可以按照实施例或者附图所示的方法或者流程顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
具体的，所述一种应用于毫米波雷达的速度解模糊方法，包括如下步骤：
S1、遍历当前帧的点云，使用相应的匹配策略对所述当前帧的点云与前一帧的点云进行点匹配，匹配成功的点进行解模糊得到模糊数q，匹配失败的点不处理，对当前帧的点云进行数据跟踪处理，获得航迹框。
具体的，通过对雷达检测到的原始点云数据按照距离从小到大的规则进行排序；依次将当前帧的目标点与前一帧的原始点云数据按照匹配策略进行匹配。
示例性的，所述匹配策略包括：分析两点之间的距离差异、速度差异和角度差异是否满足一定的条件，如果满足则认为匹配成功，用Ps表示，否则匹配失败，用Pf表示。
另外，所述获得航迹框的步骤包括：对当前点云进行数据处理，对于稳定出现的点根据卡尔曼滤波等算法可形成航迹；根据所述航迹得到聚类结果；参照所述聚类结果形成航迹框。
相应的，对于航迹框还包括虚假目标剔除，包括：
获取扫描得到的目标信息，并基于所述目标信息得到点迹信息和航迹信息；
构造若干点迹筛选框和若干航迹筛选框，通过若干所述点迹筛选框统计筛选所述点迹信息，通过若干所述航迹筛选框统计筛选所述航迹信息；
基于所述点迹筛选框内的静止点迹数量和动态点迹数量确定点迹栅栏，遍历所述航迹信息中每个航迹与所述点迹栅栏之间的距离，计算得到每个航迹基于所述点迹栅栏确定的第一虚假目标概率；
对比所述航迹筛选框内的当前航迹与历史航迹，计算得到每个所述当前航迹基于所述历史航迹确定的第二虚假目标概率，其中，所述当前航迹为所述航迹信息中新增的航迹，所述历史航迹为所述航迹信息中真实的航迹；
结合所述第一虚假目标概率和所述第二虚假目标概率确定所述航迹信息中的虚假目标并剔除。
S2、根据所述航迹框对所述当前帧的点云进行聚类，获取聚类集。
具体的，通过对所述航迹框内的原始点云采用DBSCAN方法进行聚类；其中，对于航迹框TrackFrame，其聚类的原始点用Points表示，包括匹配成功的点Ps和匹配失败的点Pf；将匹配成功的点Ps和匹配失败的点Pf进行聚类构成聚类集。
另外，获取聚类集的步骤包括：寻找原始点Points形成临时聚类簇，扫描当前帧的点云中的全部样本点，如果某个样本点R半径范围内点数目>＝MinPoints，则将其纳入核心点列表，并将其密度直达的点形成对应的临时聚类簇；合并临时聚类簇得到聚类簇，对于每一个临时聚类簇，检查其中的点是否为核心点，如果是，将该点对应的临时聚类簇和当前临时聚类簇合并，得到新的临时聚类簇，重复此操作，直到当前临时聚类簇中的每一个点要么不在核心点列表，要么其密度直达的点都已经在该临时聚类簇，该临时聚类簇升级成为聚类簇，继续对剩余的临时聚类簇进行相同的合并操作，直到全部临时聚类簇被处理。
S3、查找所述聚类集中第一步匹配失败的点和成功的点，分别记作Pf和Ps；
S4、查找Pf所在的类，并找出其中匹配成功的原始点，选择与Pf距离最近的一个Ps；
S5、参考所述Ps的模糊数q和速度值，遍历模糊数q-1，q，q+1，对Pf进行解模糊，取出和Ps的速度值最接近的一个作为Pf解模糊后的速度。
另外，本发明还提出一种毫米波雷达的速度解模糊系统。
请参阅图4，图4示出了本发明实施例中一种应用于毫米波雷达的速度解模糊系统的框图。
该应用于毫米波雷达的速度解模糊系统包括匹配模块301、聚集模块302、查询模块303、定值模块304及求解模块305。其各模块的具体功能如下：
示例性的，匹配模块301，遍历当前帧的点云，使用相应的匹配策略对所述当前帧的点云与前一帧的点云进行点匹配，匹配成功的点进行解模糊得到模糊数q，匹配失败的点不处理；
通过对雷达检测到的原始点云数据按照距离从小到大的规则进行排序；依次将当前帧的目标点与前一帧的原始点云数据按照匹配策略进行匹配。示例性的，所述匹配策略包括：分析两点之间的距离差异、速度差异和角度差异是否满足一定的条件，如果满足则认为匹配成功，用Ps表示，否则匹配失败，用Pf表示。另外，所述获得航迹框的步骤包括：对当前点云进行数据处理，对于稳定出现的点根据卡尔曼滤波等算法可形成航迹；根据所述航迹得到聚类结果；参照所述聚类结果形成航迹框。
可以理解的是，对于点云的标定方式，可包括：
从雷达中获取原始点云的位置信息；
对原始点云坐标系进行旋转，根据旋转前后的坐标位置确定粗校准参数，并以所述粗校准参数为基准添加仿射变换矩阵，以对所述位置信息进行坐标粗校准，其中，所述原始点云坐标系旋转后的点云地面坐标轴与场景标志物在水平方向所在的直线平行，所述场景标志物为真实场景中与车道方向平行的物体；
对粗校准后的点云进行滤波，得到粗校准后点云地面对应的高度范围；
对所述高度范围内的点进行平面拟合，并根据拟合得到的目标拟合平面与粗校准后点云地面之间的位置关系，确定点云的精校准参数；
基于所述精校准参数添加仿射变换矩阵，对所述粗校准后的点云进行精校准，得到标定后的点云。
示例性的，聚集模块302，用于根据所述航迹框对所述当前帧的点云进行聚类，获取聚类集；通过对所述航迹框内的原始点云采用DBSCAN方法进行聚类；其中，对于航迹框TrackFrame，其聚类的原始点用Points表示，包括匹配成功的点Ps和匹配失败的点Pf；将匹配成功的点Ps和匹配失败的点Pf进行聚类构成聚类集。
另外，获取聚类集的步骤包括：寻找原始点Points形成临时聚类簇，扫描当前帧的点云中的全部样本点，如果某个样本点R半径范围内点数目>＝MinPoints，则将其纳入核心点列表，并将其密度直达的点形成对应的临时聚类簇；合并临时聚类簇得到聚类簇，对于每一个临时聚类簇，检查其中的点是否为核心点，如果是，将该点对应的临时聚类簇和当前临时聚类簇合并，得到新的临时聚类簇，重复此操作，直到当前临时聚类簇中的每一个点要么不在核心点列表，要么其密度直达的点都已经在该临时聚类簇，该临时聚类簇升级成为聚类簇，继续对剩余的临时聚类簇进行相同的合并操作，直到全部临时聚类簇被处理。
示例性的，查询模块303，用于查找所述聚类集中第一步匹配失败的点和成功的点，分别记作Pf和Ps；
示例性的，定值模块304，用于查找Pf所在的类，并找出其中匹配成功的原始点，选择与Pf距离最近的一个Ps；
示例性的，求解模块305，用于参考所述Ps的模糊数q和速度值，遍历模糊数q-1，q，q+1，对Pf进行解模糊，取出和Ps的速度值最接近的一个作为Pf解模糊后的速度。
如上所述的，在本实施例中通过遍历当前帧的点云，使用相应的匹配策略对所述当前帧的点云与前一帧的点云进行点匹配，，匹配成功的点进行解模糊得到模糊数q，匹配失败的点不处理；对当前帧的点云进行数据跟踪处理，获得航迹框；根据所述航迹框对所述当前帧的点云进行聚类，获取聚类集；查找所述聚类集中第一步匹配失败的点和成功的点，分别记作Pf和Ps；查找Pf所在的类，并找出其中匹配成功的原始点，选择与Pf距离最近的一个Ps；参考所述Ps的模糊数q和速度值，遍历模糊数q-1，q，q+1，对Pf进行解模糊，取出和Ps的速度值最接近的一个作为Pf解模糊后的速度，其能够充分利用已知的信息提高目标的速度准确度和可信性。
相应地，本公开实施例还提供一种电子设备，电子设备包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述的毫米波雷达的速度解模糊方法。
本申请实施例所提供的方法实施例可以在计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例，图5是本申请实施例提供的毫米波雷达的速度解模糊方法的服务器的硬件结构框图。如图5所示，该服务器200可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(Central Processing Units，CPU)210(中央处理器210可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器230，一个或一个以上存储应用程序223或数据222的存储介质220(例如一个或一个以上海量存储设备)。其中，存储器230和存储介质220可以是短暂存储或持久存储。存储在存储介质220的程序可以包括一个或一个以上模块，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器210可以设置为与存储介质220通信，在服务器200上执行存储介质220中的一系列指令操作。服务器200还可以包括一个或一个以上电源250，一个或一个以上有线或无线网络接口250，一个或一个以上输入输出接口240，和/或，一个或一个以上操作系统221，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。
输入输出接口240可以用于经由一个网络接收或者发送数据。上述的网络具体实例可包括服务器200的通信供应商提供的无线网络。在一个实例中，输入输出接口240包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，输入输出接口240可以为射频(RadioFrequency，RF)模块，其用于通过无线方式与互联网进行通讯。
本领域普通技术人员可以理解，图5所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，服务器200还可包括比图5中所示更多或者更少的组件，或者具有与图5所示不同的配置。
本申请实施提供一种存储介质，存储介质可设置于服务器之中以保存用于实现方法实施例中毫米波雷达的速度解模糊方法相关的至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述毫米波雷达的速度解模糊方法。
可选的，在本实施例中，上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地，在本实施例中，上述存储介质可以包括但不限于包括：U盘、只读存储器(ROM，Read-only Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明中，除非另有明确的规定和限定，术语“相连”、“连接”等术语应做广义理解，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相连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，可以根据具体情况理解上述术语在本发明中的具体含义。
需要说明的是：上述本申请实施例的先后顺序仅仅为了描述，不代表实施例的优劣，且上述本说明书对特定的实施例进行了描述，其他实施例也在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或者步骤可以按照不同的实施例中的顺序来执行并且能够实现预期的结果。另外，在附图中描绘的过程不一定要求示出特定顺序或者而连接顺序才能够实现期望的结果，在某些实施方式中，多任务并行处理也是可以的或者可能是有利的。
尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。

Claims (9)

1.毫米波雷达的速度解模糊方法，其特征在于，包括：
遍历当前帧的点云，使用相应的匹配策略对所述当前帧的点云与前一帧的点云进行点匹配，匹配成功的点进行解模糊得到模糊数q，匹配失败的点不处理；
对当前帧的点云进行数据跟踪处理，获得航迹框；
根据所述航迹框对所述当前帧的点云进行聚类，获取聚类集；
查找所述聚类集中第一步匹配失败的点和成功的点，分别记作Pf和Ps；
查找Pf所在的类，并找出其中匹配成功的原始点，选择与Pf距离最近的一个Ps；
参考所述Ps的模糊数q和速度值，遍历模糊数q-1，q，q+1，对Pf进行解模糊，取出和Ps的速度值最接近的一个作为Pf解模糊后的速度。
2.根据权利要求1所述的毫米波雷达的速度解模糊方法，其特征在于，所述遍历当前帧的点云，使用相应的匹配策略对所述当前帧的点云与前一帧的点云进行点匹配，包括：
对雷达检测到的原始点云数据按照距离从小到大的规则进行排序；
依次将当前帧的目标点与前一帧的原始点云数据按照匹配策略进行匹配。
3.根据权利要求2所述的毫米波雷达的速度解模糊方法，其特征在于，所述匹配策略包括：
分析两点之间的距离差异、速度差异和角度差异是否满足一定的条件，如果满足则认为匹配成功，用Ps表示，否则匹配失败，用Pf表示。
4.根据权利要求3所述的毫米波雷达的速度解模糊方法，其特征在于，所述获得航迹框，包括：
对当前点云进行数据处理，对于稳定出现的点根据卡尔曼滤波等算法可形成航迹；
根据所述航迹得到聚类结果；
参照所述聚类结果形成航迹框。
5.根据权利要求4所述的毫米波雷达的速度解模糊方法，其特征在于，所述根据所述航迹框对所述当前帧的点云进行聚类，获取聚类集，包括：
对所述航迹框内的原始点云采用DBSCAN方法进行聚类；其中，对于航迹框TrackFrame，其聚类的原始点用Points表示，包括匹配成功的点Ps和匹配失败的点Pf；
将匹配成功的点Ps和匹配失败的点Pf进行聚类构成聚类集。
6.根据权利要求5所述的毫米波雷达的速度解模糊方法，其特征在于，所述对所述航迹框内的原始点云采用DBSCAN方法进行聚类，包括：
寻找原始点Points形成临时聚类簇，扫描当前帧的点云中的全部样本点，如果某个样本点R半径范围内点数目>＝MinPoints，则将其纳入核心点列表，并将其密度直达的点形成对应的临时聚类簇；
合并临时聚类簇得到聚类簇，对于每一个临时聚类簇，检查其中的点是否为核心点，如果是，将该点对应的临时聚类簇和当前临时聚类簇合并，得到新的临时聚类簇，重复此操作，直到当前临时聚类簇中的每一个点要么不在核心点列表，要么其密度直达的点都已经在该临时聚类簇，该临时聚类簇升级成为聚类簇；
继续对剩余的临时聚类簇进行相同的合并操作，直到全部临时聚类簇被处理。
7.毫米波雷达的速度解模糊系统，其特征在于，包括：
匹配模块，遍历当前帧的点云，使用相应的匹配策略对所述当前帧的点云与前一帧的点云进行点匹配，匹配成功的点进行解模糊得到模糊数q，匹配失败的点不处理，对当前帧的点云进行数据跟踪处理，获得航迹框；
聚集模块，用于根据所述航迹框对所述当前帧的点云进行聚类，获取聚类集；
查询模块，用于查找所述聚类集中第一步匹配失败的点和成功的点，分别记作Pf和Ps；
定值模块，用于查找Pf所在的类，并找出其中匹配成功的原始点，选择与Pf距离最近的一个Ps；
求解模块，用于参考所述Ps的模糊数q和速度值，遍历模糊数q-1，q，q+1，对Pf进行解模糊，取出和Ps的速度值最接近的一个作为Pf解模糊后的速度。
8.一种终端设备，其特征在于，包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现权利要求1-6任意一项的毫米波雷达的速度解模糊方法。
9.一种可读存储介质，其特征在于，所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现权利要求1-6任意一项的毫米波雷达的速度解模糊方法。
CN202310471918.3A 2023-04-27 2023-04-27 毫米波雷达的速度解模糊方法、系统、设备及存储介质 Pending CN116449329A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310471918.3A CN116449329A (zh) 2023-04-27 2023-04-27 毫米波雷达的速度解模糊方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310471918.3A CN116449329A (zh) 2023-04-27 2023-04-27 毫米波雷达的速度解模糊方法、系统、设备及存储介质

Publications (1)

Publication Number Publication Date
CN116449329A true CN116449329A (zh) 2023-07-18

Family

ID=87131968

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310471918.3A Pending CN116449329A (zh) 2023-04-27 2023-04-27 毫米波雷达的速度解模糊方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116449329A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117647806A (zh) * 2024-01-30 2024-03-05 安徽隼波科技有限公司 一种基于毫米波雷达的点迹凝聚及目标跟踪方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117647806A (zh) * 2024-01-30 2024-03-05 安徽隼波科技有限公司 一种基于毫米波雷达的点迹凝聚及目标跟踪方法
CN117647806B (zh) * 2024-01-30 2024-04-12 安徽隼波科技有限公司 一种基于毫米波雷达的点迹凝聚及目标跟踪方法

Similar Documents

Publication Publication Date Title
Zhang et al. Extending reliability of mmwave radar tracking and detection via fusion with camera
EP3663790A1 (en) Method and apparatus for processing radar data
WO2018177026A1 (zh) 确定道路边沿的装置和方法
US8718323B2 (en) Batch detection association for enhanced target descrimination in dense detection environments
US11585895B2 (en) Detection of parking slot configuration based on repetitive patterns
EP3497475B1 (en) Wire and pylon classification based on trajectory tracking
Li et al. High Resolution Radar-based Occupancy Grid Mapping and Free Space Detection.
EP3693759B1 (en) System and method for tracking motion of target in indoor environment
CN111856507B (zh) 一种环境感测实现方法、智能移动设备和存储介质
US20170243478A1 (en) Vehicle detection and tracking based on wheels using radar and vision
CN116449329A (zh) 毫米波雷达的速度解模糊方法、系统、设备及存储介质
Bhattacherjee et al. Experimental study of outdoor UAV localization and tracking using passive RF sensing
Scannapieco et al. Ultralight radar for small and micro-UAV navigation
Harlow et al. A new wave in robotics: Survey on recent mmwave radar applications in robotics
CN113009441A (zh) 一种雷达运动反射面多径目标的识别方法及装置
CN115061139A (zh) 一种面向智能驾驶车辆的多传感器融合方法及系统
CN114528941A (zh) 传感器数据融合方法、装置、电子设备及存储介质
Ebert et al. Deep radar sensor models for accurate and robust object tracking
US20220091252A1 (en) Motion state determining method and apparatus
CN117999207A (zh) 运动状态估计方法及装置
Kim et al. Deep-learning based multi-object detection and tracking using range-angle map in automotive radar systems
CN114861725A (zh) 一种目标感知跟踪的后处理方法、装置、设备及介质
CN114859337A (zh) 数据处理方法、装置、电子设备、计算机存储介质
Kwon et al. Radar velocity measurements aided navigation system for UAVs
CN114119465A (zh) 一种点云数据处理方法及装置

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