CN116609775A - 雷达侦测目标与空间位置关系的实时检测方法、检测装置 - Google Patents
雷达侦测目标与空间位置关系的实时检测方法、检测装置 Download PDFInfo
- Publication number
- CN116609775A CN116609775A CN202310428214.8A CN202310428214A CN116609775A CN 116609775 A CN116609775 A CN 116609775A CN 202310428214 A CN202310428214 A CN 202310428214A CN 116609775 A CN116609775 A CN 116609775A
- Authority
- CN
- China
- Prior art keywords
- grid
- time
- grids
- radar
- continuous
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000011897 real-time detection Methods 0.000 title claims abstract description 18
- 230000000694 effects Effects 0.000 claims abstract description 22
- 238000012216 screening Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 125000005842 heteroatom Chemical group 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
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
- 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
- G01S13/06—Systems determining position data of a 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
- G01S13/66—Radar-tracking systems; Analogous 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
本发明公开一种雷达侦测目标与空间位置关系的实时检测方法、检测装置,其中检测方法包括:将雷达的侦测平面分割为网格形式的空间合集,每个网格包含当前网格的位置坐标和相邻网格的位置坐标;将雷达实时获得的信号根据坐标值更新至相对应的网格中,所述网格的信息包括:网格内信号轨迹点数量,网格内信号轨迹点记录时间戳,网格活跃值;将所述空间集合与分割时间帧集合叠加形成三维数据;提取特征信号集,将特征信号集转换为连续坐标曲线。
Description
技术领域
本发明涉及监控领域,更具体地,涉及一种雷达侦测目标与空间位置关系的实时检测方法、检测装置。
背景技术
随着民用毫米波雷达技术日渐成熟,在自动驾驶、周界安防等领域得到广泛应用。其中在周界安防领域毫米波雷达因其成本低、全天候、隐私性高的特点,在人员跟踪和识别中有其独特的优势。
现有毫米波雷达扫描目标时,会对跟踪目标形成点迹,点迹是指雷达在扫描过程中通过雷达内部数据处理输出的目标坐标信号。点迹是实现目标跟踪、目标轨迹拟合的最基础的数据单元。
行人目标的检测和跟踪一直是雷达技术领域的研究热点与难点。行人目标RCS小、移动速度慢、导致目标回波小且弱、多普勒效应也不明显,很难对目标进行有效检测;再者行人目标移动时的周边环境往往较为复杂,容易被地面、建筑物杂波和树木扰动信号所掩盖。综上所述行人目标存在回波较弱、强杂波影响、多普勒频率与杂波接近的问题,使得雷达对其跟踪的信号中输出的干扰点迹过多,点迹不连续,难以区分有效目标点迹从而计算出目标实际的移动轨迹。
在目前基于毫米波雷达的人员跟踪和识别中,存在以下问题:采用启发式的数据关联算法,如最近邻数据关联(Nearest Neighbor,NN)算法,其原理简单,但是在目标密集及虚警率较高的场景下关联错误率较高;采用卡尔曼或者扩展卡尔曼滤波算法,在非高斯和非线性条件下无法实现准确地进行状态估计;行人识别中采用简单的机器学习算法,如k近邻(kNN)算法或者逻辑斯蒂回归(Logistic Regression,LR)算法,无法准确鲁棒地对目标进行识别。
因此,期待一种雷达侦测目标与空间位置关系的实时检测方法、检测装置。
发明内容
本发明的目的是提出一种雷达侦测目标与区域空间位置关系的实时检测方法、检测装置,能够解决安防毫米波雷达轨迹坐标不连续,雷达杂波信号干扰离散信号多,坐标与复杂多边形防区位置关系计算时间复杂度高,多目标运动转换判断复杂的问题。
基于上述目的,本发明提供了一种雷达侦测目标与空间位置关系的实时检测方法,包括:
将雷达的侦测平面分割为网格形式的空间合集,每个网格包含当前网格的位置坐标和相邻网格的位置坐标;
将雷达实时获得的信号根据坐标值更新至相对应的网格中,所述网格的信息包括:网格内信号轨迹点数量,网格内信号轨迹点记录时间戳,网格活跃值;
将所述空间集合与分割时间帧集合叠加形成三维数据;
提取特征信号集,将特征信号集转换为连续坐标曲线。
可选方案中,获得所述连续坐标曲线包括:
遍历当前网格相邻网格数据,关联其中活跃网格形成连续信号轨迹线;
将连续轨迹水平坐标系与时间轴组成三维坐标系;将每条轨迹线内关联信号坐标点集合投影到时间轴与横向坐标平面,以时间投影线连续为条件,筛选出空间与时间连续坐标点,拟合信号形成所述连续坐标曲线。
可选方案中,形成所述空间合集的方法包括:
将雷达的侦测平面分割为网格,遍历所述网格,获得当前网格的位置坐标,计算当前网格相邻网格位置坐标,并保存到当前网格中。
可选方案中,根据预设分辨率将雷达的侦测平面分割为预设数量的网格。
可选方案中,确定所述活跃网格的方法包括:
根据公式计算出网格的所述活跃值,当网格的所述活跃值大于活跃阈值时,确定该网格为活跃网格。
可选方案中,所述公式如下:
v=p*n1–(t0-t1)*n2+s*n3
其中,v为当前网格的活跃值,p为当前网格内信号数量,n1为信号数量权重;t0为当前时间戳,t1为当前网格最新信号的时间戳,n2为时间权重;s为相邻活跃网格的数量,n3为相邻网格数量权重。
可选方案中,形成连续信号轨迹线还包括:基于侦测目标的移动特征,筛选出符合移动特征的信号作为构成所述轨迹线的信号。
可选方案中,所述移动特征包括:移动速度和移动方向。
本发明还公开了一种雷达侦测目标与空间位置关系的实时检测装置,包括:
网格模块,用于将雷达的侦测平面分割为网格形式的空间合集,每个网格包含当前网格的位置坐标和相邻网格的位置坐标;
更新模块,用于将雷达实时获得的信号根据坐标值更新至相对应的网格中,所述网格的信息包括:网格内信号轨迹点数量,网格内信号轨迹点记录时间戳,网格活跃值;
曲线模块,用于将所述空间集合与分割时间帧集合叠加形成三维数据;提取特征信号集,将特征信号集转换为连续坐标曲线。
可选方案中,所述曲线模块包括:轨迹线单元和连续坐标曲线单元;
所述轨迹线单元用于遍历当前网格相邻网格数据,关联其中活跃网格形成连续信号轨迹线;
所述连续坐标曲线单元用于将连续轨迹水平坐标系与时间轴组成三维坐标系;将每条轨迹线内关联信号坐标点集合投影到时间轴与横向坐标平面,以时间投影线连续为条件,筛选出空间与时间连续坐标点,拟合信号形成所述连续坐标曲线。
本发明的有益效果在于:
本发明能够准确判断真实目标及其移动轨迹。
本发明的系统具有其它的特性和优点,这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的,或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述,这些附图和具体实施方式共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显。
图1示出了根据本发明一实施例的水平面分割与图数据转换的示意图。
图2示出了根据本发明一实施例的一段时间下信号落入网格中的情况。
图3示出了根据本发明一实施例的过滤后连续轨迹水平坐标系以及过滤后连续轨迹水平坐标系与时间轴组成的三维坐标系。
具体实施方式
下面将更详细地描述本发明。虽然本发明提供了优选的实施例,然而应该理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了使本发明更加透彻和完整,并且能够将本发明的范围完整地传达给本领域的技术人员。
本发明将一段时间内坐标点数据集在时间上切片,在空间上基于雷达侦测范围水平面划分成若干区域(可根据不同场景调整区域精细度,或称为分辨率)分割坐标数据。基于常见移动目标(人,动物,机动车辆等)特征,既目标在空间内只有平面移动,根据目标移动速度,移动方向筛选特定信号,用于下位机系统判断。在提升计算效率上,通过将目标投影到水平面忽略目标高度变化降低判断空间维度,通过目标实时坐标与区域关系实时计算,历史目标连续轨迹计算并行计算,平面空间粗粒度划分并二值化通过位运算提升计算效率等。
实施例1
参考图1,本发明一实施例提供了一种雷达侦测目标与空间位置关系的实时检测方法,包括:
将雷达的侦测平面分割为网格形式的空间合集,每个网格包含当前网格的位置坐标和相邻网格的位置坐标;
将雷达实时获得的信号根据坐标值更新至相对应的网格中,所述网格的信息包括:网格内信号轨迹点数量,网格内信号轨迹点记录时间戳,网格活跃值;
将所述空间集合与分割时间帧集合叠加形成三维数据;
提取特征信号集,将特征信号集转换为连续坐标曲线。
具体地,侦测平面初始化,根据预设分辨率将雷达的侦测平面分割为预设数量(大小)的网格。遍历所有网格,获得当前网格的位置坐标,计算当前网格相邻网格位置坐标,并保存到当前网格中,每个网格包含当前网格的位置坐标和相邻网格的位置坐标。参照图1,将连续平面空间(网格结构)转换为图(Graph)数据结构,便于计算最长路径(即目标的真实轨迹)与路径规划。图1中,左侧九宫格表示网格,表示在一段时间内,网格A1、A2、A6、A9、A8中有信号,网格A3、A4、A5、A7中没有信号。图1右侧为图(Graph)数据结构,该图可以表示出多条可能的路径,如A1-A2-A6-A9-A8,或A1-A2-A6-A8-A9。
空域判断与信号坐标关联判断:将雷达实时获得的信号根据坐标值更新至相对应的网格中,更新网格状态(网格内信号轨迹点数量,网格内信号轨迹点记录时间戳,网格活跃值),遍历当前网格相邻网格数据(本实施例中最大相邻网格数量为8),关联其中活跃网格形成连续信号轨迹线。将连续轨迹水平坐标系与时间轴组成三维坐标系;将每条轨迹线内关联信号坐标点集合投影到时间轴与横向坐标平面,以时间投影线连续为条件,筛选出空间与时间连续坐标点,拟合信号形成所述连续坐标曲线。
确定网格是否为活跃网格的方法为:根据公式计算出网格的活跃值,当网格的活跃值大于活跃阈值时,确定该网格为活跃网格。根据以下公式计算网格的活跃值:
v=p*n1–(t0-t1)*n2+s*n3
其中,v为当前网格的活跃值,p为当前网格内信号数量,n1为信号数量权重;t0为当前时间戳,t1为当前网格最新信号的时间戳,n2为时间权重;s为相邻活跃网格的数量,n3为相邻网格数量权重。
每帧信号周期计算相关网格活跃值,活跃网格关联为图数据计算最长路径。如网格计算活跃值小于活跃阈值,将网格标记为不活跃状态,移除最长路径计算节点。
参照图2和图3,轨迹线判断。
图2为一段时间下信号落入网格中的情况,图3为过滤后连续轨迹水平坐标系(左侧)以及过滤后连续轨迹水平坐标系与时间轴组成的三维坐标系(右侧)。通过图2可以看出,L1和L3分别构成了连续的轨迹(判断为真实目标),L2为杂信号(需过滤掉)。
图3中,以L1为例,将每条轨迹线内关联信号坐标点集合投影到时间轴与横向坐标平面,通过时间投影线连续与否,分段筛选,筛选空间与时间连续坐标点拟合移动轨迹曲线。
本实施例具有以下有益效果:
(1)平面空间按分辨率划分网格转换为有限元计算,将单一网格内坐标值合并计算实现大数据量坐标点采样。
(2)轨迹点内置时间属性,通过轨迹点产生时间戳与当前帧时间计算判定时间帧是否包含轨迹点。连续网格间通过信号时间戳排序,以及网格活跃值计算,实现网格有向图数据结构,便于计算最长路径,筛选有效特征连续轨迹信号。
(3)通过对单条连续轨迹线内信号在时间轴投影,二次判断多重轨迹交叉,单条轨迹折返等。
(4)基于侦测目标移动特征(移动速度,移动方向,信号坐标值方差),可再次筛选符合特征信号,进一步提升识别准确率。
(5)提取特征信号,按时间帧累加计算最可能路径,基于历史帧坐标实时向量计算,预测下一帧轨迹坐标。通过当前时间帧数据与历史时间帧数据迭代计算,可实现对信号实时分析,同时每帧数据计算时间复杂度基本一致。
实施例2
本实施例提供了一种雷达侦测目标与空间位置关系的实时检测装置,包括:
网格模块,用于将雷达的侦测平面分割为网格形式的空间合集,每个网格包含当前网格的位置坐标和相邻网格的位置坐标;
更新模块,用于将雷达实时获得的信号根据坐标值更新至相对应的网格中,所述网格的信息包括:网格内信号轨迹点数量,网格内信号轨迹点记录时间戳,网格活跃值;
曲线模块,用于将所述空间集合与分割时间帧集合叠加形成三维数据;提取特征信号集,将特征信号集转换为连续坐标曲线。
本实施例中,所述曲线模块包括:轨迹线单元和连续坐标曲线单元;
所述轨迹线单元用于遍历当前网格相邻网格数据,关联其中活跃网格形成连续信号轨迹线;所述连续坐标曲线单元用于将连续轨迹水平坐标系与时间轴组成三维坐标系;将每条轨迹线内关联信号坐标点集合投影到时间轴与横向坐标平面,以时间投影线连续为条件,筛选出空间与时间连续坐标点,拟合信号形成所述连续坐标曲线。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。
Claims (10)
1.一种雷达侦测目标与空间位置关系的实时检测方法,其特征在于,包括:
将雷达的侦测平面分割为网格形式的空间合集,每个网格包含当前网格的位置坐标和相邻网格的位置坐标;
将雷达实时获得的信号根据坐标值更新至相对应的网格中,所述网格的信息包括:网格内信号轨迹点数量,网格内信号轨迹点记录时间戳,网格活跃值;
将所述空间集合与分割时间帧集合叠加形成三维数据;
提取特征信号集,将特征信号集转换为连续坐标曲线。
2.根据权利要求1所述的雷达侦测目标与空间位置关系的实时检测方法,其特征在于,获得所述连续坐标曲线包括:
遍历当前网格相邻网格数据,关联其中活跃网格形成连续信号轨迹线;
将连续轨迹水平坐标系与时间轴组成三维坐标系;将每条轨迹线内关联信号坐标点集合投影到时间轴与横向坐标平面,以时间投影线连续为条件,筛选出空间与时间连续坐标点,拟合信号形成所述连续坐标曲线。
3.根据权利要求1所述的雷达侦测目标与空间位置关系的实时检测方法,其特征在于,形成所述空间合集的方法包括:
将雷达的侦测平面分割为网格,遍历所述网格,获得当前网格的位置坐标,计算当前网格相邻网格位置坐标,并保存到当前网格中。
4.根据权利要求1所述的雷达侦测目标与空间位置关系的实时检测方法,其特征在于,根据预设分辨率将雷达的侦测平面分割为预设数量的网格。
5.根据权利要求2所述的雷达侦测目标与空间位置关系的实时检测方法,其特征在于,确定所述活跃网格的方法包括:
根据公式计算出网格的所述活跃值,当网格的所述活跃值大于活跃阈值时,确定该网格为活跃网格。
6.根据权利要求5所述的雷达侦测目标与空间位置关系的实时检测方法,其特征在于,所述公式如下:
v=p*n1–(t0-t1)*n2+s*n3
其中,v为当前网格的活跃值,p为当前网格内信号数量,n1为信号数量权重;t0为当前时间戳,t1为当前网格最新信号的时间戳,n2为时间权重;s为相邻活跃网格的数量,n3为相邻网格数量权重。
7.根据权利要求2所述的雷达侦测目标与空间位置关系的实时检测方法,其特征在于,形成连续信号轨迹线还包括:基于侦测目标的移动特征,筛选出符合移动特征的信号作为构成所述轨迹线的信号。
8.根据权利要求7所述的雷达侦测目标与空间位置关系的实时检测方法,其特征在于,所述移动特征包括:移动速度和移动方向。
9.一种雷达侦测目标与空间位置关系的实时检测装置,其特征在于,包括:
网格模块,用于将雷达的侦测平面分割为网格形式的空间合集,每个网格包含当前网格的位置坐标和相邻网格的位置坐标;
更新模块,用于将雷达实时获得的信号根据坐标值更新至相对应的网格中,所述网格的信息包括:网格内信号轨迹点数量,网格内信号轨迹点记录时间戳,网格活跃值;
曲线模块,用于将所述空间集合与分割时间帧集合叠加形成三维数据;提取特征信号集,将特征信号集转换为连续坐标曲线。
10.根据权利要求9所述的雷达侦测目标与空间位置关系的实时检测装置,其特征在于,所述曲线模块包括:轨迹线单元和连续坐标曲线单元;
所述轨迹线单元用于遍历当前网格相邻网格数据,关联其中活跃网格形成连续信号轨迹线;
所述连续坐标曲线单元用于将连续轨迹水平坐标系与时间轴组成三维坐标系;将每条轨迹线内关联信号坐标点集合投影到时间轴与横向坐标平面,以时间投影线连续为条件,筛选出空间与时间连续坐标点,拟合信号形成所述连续坐标曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310428214.8A CN116609775A (zh) | 2023-04-20 | 2023-04-20 | 雷达侦测目标与空间位置关系的实时检测方法、检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310428214.8A CN116609775A (zh) | 2023-04-20 | 2023-04-20 | 雷达侦测目标与空间位置关系的实时检测方法、检测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116609775A true CN116609775A (zh) | 2023-08-18 |
Family
ID=87682610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310428214.8A Pending CN116609775A (zh) | 2023-04-20 | 2023-04-20 | 雷达侦测目标与空间位置关系的实时检测方法、检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116609775A (zh) |
-
2023
- 2023-04-20 CN CN202310428214.8A patent/CN116609775A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9075143B2 (en) | Sparse array RF imaging for surveillance applications | |
CN109102702A (zh) | 基于视频车辆检测和雷达信号融合的车辆测速方法 | |
WO2022141914A1 (zh) | 一种基于雷视融合的多目标车辆检测及重识别方法 | |
CN103064086B (zh) | 一种基于深度信息的车辆跟踪方法 | |
CN111899568B (zh) | 桥梁防撞预警系统、方法、装置和存储介质 | |
CN111045008B (zh) | 基于展宽计算的车载毫米波雷达目标识别方法 | |
Daun et al. | Multistatic target tracking for non-cooperative illuminating by DAB/DVB-T | |
CN104134354A (zh) | 用于在多目标记录模块中对移动车辆进行速度测量和指认的交通监测系统 | |
EP2631671B1 (en) | Apparatus and method for traffic lane detection | |
Argüello et al. | Radar classification for traffic intersection surveillance based on micro-Doppler signatures | |
CN113687429A (zh) | 一种确定毫米波雷达监测区域边界的装置及方法 | |
CN116609775A (zh) | 雷达侦测目标与空间位置关系的实时检测方法、检测装置 | |
US20220373672A1 (en) | Multipath classification in radar detections | |
Ning et al. | Radar fault detection via camera-radar branches learning network | |
Sommer et al. | Radar-based situational awareness for industrial safety applications | |
CN114167382A (zh) | 一种毫米波雷达点云分堆方法 | |
CN113970738A (zh) | 毫米波雷达半自动区域边界检测方法 | |
CN113625266A (zh) | 应用雷达检测低速目标的方法、装置、存储介质和设备 | |
Wang et al. | Classification and tracking of moving objects from 77 GHz automotive radar sensors | |
US20230391372A1 (en) | Method of detecting moving objects, device, electronic device, and storage medium | |
CN116879863B (zh) | 一种连续波4d毫米波雷达多目标测量方法及系统 | |
Streck et al. | Comparison of two different radar concepts for pedestrian protection on bus stops | |
CN111723797A (zh) | 一种确定三维目标的包围框的方法及系统 | |
Cao et al. | Target Recognition and Tracking for Millimeter Wave Radar in Intelligent Transportation | |
RU2798739C1 (ru) | Способ трекинга объектов на этапе распознавания для беспилотных автомобилей |
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 |