CN117250589A - 一种用于交通雷达的点云数据恒虚警检测方法 - Google Patents
一种用于交通雷达的点云数据恒虚警检测方法 Download PDFInfo
- Publication number
- CN117250589A CN117250589A CN202311201234.8A CN202311201234A CN117250589A CN 117250589 A CN117250589 A CN 117250589A CN 202311201234 A CN202311201234 A CN 202311201234A CN 117250589 A CN117250589 A CN 117250589A
- Authority
- CN
- China
- Prior art keywords
- clutter
- data
- false alarm
- threshold
- unit
- 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 48
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000001228 spectrum Methods 0.000 claims abstract description 29
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000009825 accumulation Methods 0.000 claims abstract description 7
- 230000007613 environmental effect Effects 0.000 claims abstract description 5
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- 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
- G01S7/40—Means for monitoring or calibrating
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种用于交通雷达的点云数据恒虚警检测方法,在无目标环境下先测量多次环境杂波,得到杂波幅度门限。在同距离单元速度维数据进行FFT处理之后,采用流水线方式,将速度维数据与门限比较,选出大于门限的数据。使用新的距离‑多普勒谱数据进行杂波图CFAR处理,更新门限,从杂波图CFAR中在距离‑多普勒二维平面选取参考单元,建立“十”字形参考窗。根据新的参考窗,采用二元积累的方法达到有序统计量恒虚警中检测单元与第K个参考单元比较的目的,快速完成恒虚警处理。本发明既能满足4D毫米波雷达复杂环境下多目标的点云检测要求,同时降低检测过程中的时间消耗,实现对大范围目标快速搜索的同时提高工程实现的可行性。
Description
技术领域
本发明属于毫米波雷达信号处理技术,特别涉及一种用于交通雷达的点云数据恒虚警检测方法。
背景技术
恒虚警率检测技术(Constant False-Alarm Rate,CFAR)是雷达信号处理的重要组成部分,在雷达信号处理中有着不可或缺的地位。但4D雷达具有高分辨率的特点,目标点数过多,导致CFAR常常面临大空域范围搜索目标点云信息时存在耗时过长的问题,使传统的恒虚警检测算法效果变差。
发明内容
本发明的目的是提供一种用于交通雷达的点云数据恒虚警检测方法,既能满足对复杂环境下多目标的点云检测要求,又能降低检测时排序过程中的时间消耗,实现对大范围目标快速搜索的同时提高工程实现的可行性。
为了实现以上目的,本发明通过以下技术方案实现:
一种用于交通雷达的点云数据恒虚警检测方法,包括:
步骤S1、在无目标环境下先测量多次环境杂波,得到初始的杂波幅度门限。
步骤S2、在对同距离单元的速度维数据进行FFT处理之后,采用流水线方式将所述速度维数据与初始的所述杂波幅度门限对比,选出大于初始的所述杂波幅度门限的速度维数据。
步骤S3、使用新的距离-多普勒谱数据进行杂波图CFAR处理,更新所述杂波幅度门限。
步骤S4、从所述杂波图CFAR中在距离-多普勒二维平面选取参考单元,建立“十”字形参考窗。
步骤S5、根据所述“十”字形参考窗,采用二元积累法,判断量恒虚警中的检测单元与所述“十”字形参考窗中第K个参考单元的大小关系,得到检测单位的检测结果。
可选地,所述的步骤S1包含:在距离-多普勒二维平面中距离维最大点数为R,速度维最大点数为D,设为i帧,二维幅度谱上距离维第r点,速度维第d点的实测数据单元幅度值为ai(r,d),对无目标环境下先测量多次杂波幅度,取均值,得到q0(r,d),设系数为T1,以q0(r,d)*T1作为初始的杂波幅度门限。
可选地,所述的步骤S2包含:将所述幅度值ai(r,d)分别与初始的杂波幅度门限q0(r,d)*T1进行比较,只有大于初始的杂波幅度门限q0(r,d)*T1的数据参与之后的运算,将大于初始的杂波幅度门限q0(r,d)*T1的数据组成新的距离-多普勒谱数据。
可选地,所述步骤S2包括:采用“9宫格”方式以大于初始的杂波幅度门限的幅度值为中心,与“9宫格”中其余8个幅度值进行对比,只有当中心幅度值比其余8个幅度值都大时,判断中心幅度值为极值,可以参与之后的运算过程。
可选地,所述的步骤3具体包含:假设第i帧,二维幅度谱上距离维第r点,速度维第d点的数据为ai(r,d),上一帧i-1的杂波图CFAR谱在距离维第r点,速度维第d点的数据为qi-1(r,d),进行迭代运算,更新杂波图CFAR谱上的数据,公式如下:
qi(r,d)=w*ai(r,d)+(1-w)*qi-1(r,d)
式中:w为迭代系数,一般设值为0.01;将初始的杂波幅度门限q0(r,d)*T1更新为门限qi(r,d)*T1,T1是缩放系数。
可选地,所述步骤S4包括:根据“十”字形参考窗的位置从更新的杂波图CFAR谱中取出对应位置的数据共有4n2个参考单元。
可选地,所述步骤S5包括:首先同时取出新的参考窗中全部参考单元X(qj),将这些参考单元X(qj)全部乘以虚警门限系数T2得到X(qj)·T2。
判断检测单元ai(r,d)是否大于参考单元值X(qj)·T2。
当检测单元ai(r,d)大于参考单元值X(qj)·T2时,流水操作并将判决结果累加;累加结果计为k=k+1;当检测单元ai(r,d)不大于参考单元值X(qj)·T2时,累加结果计为k=k。
判断j是否大于或等于4n2,若否,则j=j+1,返回取出新的参考窗中全部参考单元X(qj)的步骤。
若是,则判断累加结果k是否大于K,若累加结果k大于K,则判断检测单元ai(r,d)为目标,若累加结果k小于或等于K,则判断检测单元ai(r,d)为杂波。
另一方面,本发明还提供一种电子设备,包括处理器和存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现如上文所述的方法。
再一方面,本发明还一种可读存储介质,所述可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现如上文所述的方法。
本发明至少具有以下优点之一:
(1)通过在速度维数据进行FFT处理之后,采用流水线方式进行速度维数据与杂波图CFAR的初始门限进行对比,无需再度遍历数据,加快处理速度,同时保证门限可以持续更新。
(2)由于4D雷达要求获取目标的点云数据,需要尽可能多的目标信息,因此不能选择极值,选择“十”字形参考窗而非矩形窗,排除因能量泄露导致的目标点周边被抬高,对目标的影响。
(3)通过二元积累法将原本OS_CFAR算法中对参考单元排序寻出第K个参考单元,再与检测单元比较的过程替换为直接将检测单元与参考单元比较,通过该方式降低运算量,提高算法的处理速度。
附图说明
图1为本发明一实施例提供的一种用于交通雷达的点云数据恒虚警检测方法的流程示意图;
图2为本发明一实施例提供的“十”字形参考窗示意图;
图3为本发明一实施例提供的杂波图CFAR处理流程示意图;
图4为本发明一实施例提供的二元累积法实现OS-CFAR流程示意图。
具体实施方式
以下结合附图和具体实施方式对本发明提出的一种用于交通雷达的点云数据恒虚警检测方法的作进一步详细说明。根据下面说明,本发明的优点和特征将更清楚。需要说明的是,附图采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施方式的目的。为了使本发明的目的、特征和优点能够更加明显易懂,请参阅附图。须知,本说明书所附图式所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
现有的恒虚警检测方法中,对于二维恒虚警方法是通过找到每个距离单元内多普勒维上最大值,并将所有距离维的最大值进行一维恒虚警处理完成目标检测,该方式只能检测到同距离下一个目标,无法完成对来去向目标的同时检测目的,与交通雷达需求不符。
对于基于检测统计量的恒虚警检测算法,其是首先,利用地面直角坐标系网格与多站距离环的映射关系,指出多站融合图像中目标区域与背景单元的特征分布差异,然后,通过构建指数型似然比融合检测量,有效增加了目标分辨单元和背景单元的对比度。但该方案计算量较大,算法复杂度较高。
对于二维缩比快速恒虚警检测其是通过将距离-多普勒二维平面进行等比分割,并抽取对角四个区域的幅度谱取均值,计算检测门限,再通过检测门与各子块的单元的数值均值比较筛选有目标子块。该方式对于存在小目标的子块容易漏检,与交通雷达需求不符,无法满足对复杂环境下点云目标的检测要求。因此,为满足4D毫米波雷达复杂环境下多目标的点云检测要求,同时降低检测过程中的时间消耗,本发明提供一种用于交通雷达的点云数据恒虚警方法。
如图1所示,本实施例提供一种用于交通雷达的点云数据恒虚警检测方法,包括以下步骤:
步骤S1、在无目标环境下先测量多次环境杂波,得到杂波幅度门限,作为初始门限(初始的杂波幅度门限)。
如图2所示,在距离-多普勒二维平面中,距离维最大点数为R,速度维最大点数为D,设为i帧,二维幅度谱(距离-多普勒二维平面)上距离维第r点,速度维第d点的实测数据单元的幅度值为ai(r,d)。
对无目标环境下先测量多次杂波幅度(具体是,在无目标环境下,对距离维第r点,速度维第d点处的数据单元进行多次杂波幅度的测量),取均值,得到多次杂波幅度值的均值q0(r,d),设系数为T1,以q0(r,d)*T1作为初始门限。
步骤S2、在对同距离单元(同距离单元是指图2中同距离维下所有速度维数据)的速度维数据进行FFT(傅里叶变换)处理之后,采用流水线方式将速度维数据与初始门限对比,选出大于初始门限的速度维数据。
即步骤S2的目的是为了选出大于初始门限的速度维数据。
所述步骤S2中的所述流水线方式包括:在实际FPGA电路中数据结果都是以流水线形式顺序向外输出,这里将所述幅度值ai(r,d)分别与初始门限q0(r,d)*T1进行比较,只有大于初始门限q0(r,d)*T1的数据参与之后的运算,将大于初始门限q0(r,d)*T1的数据组成新的距离-多普勒谱数据。
采用“9宫格”方式以大于初始门限的数据(幅度值)为中心,与“9宫格”中其余8个数据(幅度值)进行对比,只有当中心数据(幅度值)比其余8个数据(幅度值)都大时,判断中心数据(幅度值)为极值,可以参与之后的运算过程。
步骤S3、使用新的距离-多普勒谱数据进行杂波图CFAR处理,更新门限。
如图3所示,所述步骤S3具体包括:假设第i帧,二维幅度谱(新的距离-多普勒谱数据)上距离维第r点,速度维第d点的数据单元的幅度值为ai(r,d);上一帧i-1的杂波图CFAR谱在距离维第r点,速度维第d点的幅度值为qi-1(r,d),进行迭代运算,更新杂波图CFAR谱(杂波图CFAR谱就是由速度-距离维的二维门限值合成的)上的幅度值,公式如下:
qi(r,d)=w*ai(r,d)+(1-w)*qi-1(r,d) (1)
式中:w为迭代系数,一般设值为0.01。
更新门限是通过公式(1)的计算结果,将初始门限q0(r,d)*T1更新为qi(r,d)*T1。T1是缩放系数,当qi(r,d)*T1中元素下标i为0时是初始门限,非0时表示第i次更新后的门限。
步骤S4、从杂波图CFAR谱选取参考单元,建立“十”字形参考窗。
所述步骤S4具体的步骤包括:请继续参考图2所示,根据“十”字形参考窗的位置从更新的杂波图CFAR谱(步骤S3中的得到的新的杂波图CFAR谱)中取出对应位置的数据共有4n2个参考单元。n2表示图2中“十”字形参考窗的各部分阴影参考窗中单元数量。因为杂波图CFAR谱上的数据比当前实测的杂波信号更具有普遍性,且更高。
步骤S5、根据“十”字形参考窗,采用二元积累的方法达到有序统计量恒虚警(OS_CFAR)中检测单元与第K个参考单元比较的目的,完成恒虚警处理。(K值:OS_CFAR算法中根据第K个参考单元获取门限值,是设定值)。
如图4所示,所述步骤S5包括:首先同时取出“十”字形参考窗中全部参考单元X(qj),将这些参考单元X(qj)全部乘以虚警门限系数T2得到参考单元值X(qj)·T2。
判断检测单元ai(r,d)是否大于参考单元值X(qj)·T2,当检测单元ai(r,d)大于参考单元值X(qj)·T2时,计为1(k=k+1)。
当检测单元ai(r,d)不大于参考单元值X(qj)·T2时,计为0(k=k)。
流水操作并将判决结果累加;判断j是否大于或等于4n2(即判断检测单元ai(r,d)是否与全部参考单元值X(qj)·T2比较完),若否,则j=j+1,返回取出新的参考窗中全部参考单元X(qj)的步骤。
若是,则判断累加结果k是否大于K,若累加结果k大于K,则判断检测单元ai(r,d)为目标,若累加结果k小于或等于K,则判断检测单元ai(r,d)为杂波。
OS_CFAR算法的本质就是对参考单元排序寻出第K个参考单元,将其与虚警门限系数T2相乘,通过将该值与检测单元比较,判断检测单元是否为目标。这里通过将检测单元直接与全部参考单元和虚警门限系数T2的积做对比,使用判决结果的累计量作为检测单元。ai(r,d)是否为目标的依据,节省了排序的运算量,大大提高算法的处理速度。
另一方面,本发明还提供一种电子设备,包括处理器和存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现如上文所述的方法。
再一方面,本发明还一种可读存储介质,所述可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现如上文所述的方法。
综上所述,本实施例提供一种用于交通雷达的点云数据恒虚警检测方法,在无目标环境下先测量多次环境杂波,得到杂波幅度门限。在同距离单元速度维数据进行FFT处理之后,采用流水线方式,将速度维数据与门限比较,选出大于门限的数据。使用新的距离-多普勒谱数据进行杂波图CFAR处理,更新门限,从杂波图CFAR中在距离-多普勒二维平面选取参考单元,建立“十”字形参考窗。根据新的参考窗,采用二元积累的方法达到有序统计量恒虚警(OS_CFAR算法)中检测单元与第K个参考单元比较的目的,快速完成恒虚警处理。本发明既能满足4D毫米波雷达复杂环境下多目标的点云检测要求,同时降低检测过程中的时间消耗,实现对大范围目标快速搜索的同时提高工程实现的可行性。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
应当注意的是,在本文的实施方式中所揭露的装置和方法,也可以通过其他的方式实现。以上所描述的装置实施方式仅仅是示意性的,例如,附图中的流程图和框图显示了根据本文的多个实施方式的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用于执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本文各个实施方式中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (9)
1.一种用于交通雷达的点云数据恒虚警检测方法,其特征在于,包括:
步骤S1、在无目标环境下先测量多次环境杂波,得到初始的杂波幅度门限;
步骤S2、在对同距离单元的速度维数据进行FFT处理之后,采用流水线方式将所述速度维数据与初始的所述杂波幅度门限对比,选出大于初始的所述杂波幅度门限的速度维数据;
步骤S3、使用新的距离-多普勒谱数据进行杂波图CFAR处理,更新所述杂波幅度门限;
步骤S4、从所述杂波图CFAR中在距离-多普勒二维平面选取参考单元,建立“十”字形参考窗;
步骤S5、根据所述“十”字形参考窗,采用二元积累法,判断量恒虚警中的检测单元与所述“十”字形参考窗中第K个参考单元的大小关系,得到检测单位的检测结果。
2.如权利要求1所述的用于交通雷达的点云数据恒虚警检测方法,其特征在于,所述的步骤S1包含:
在距离-多普勒二维平面中距离维最大点数为R,速度维最大点数为D,设为i帧,二维幅度谱上距离维第r点,速度维第d点的实测数据单元幅度值为ai(r,d),对无目标环境下先测量多次杂波幅度,取均值,得到q0(r,d),设系数为T1,以q0(r,d)*T1作为初始的杂波幅度门限。
3.如权利要求2所述的用于交通雷达的点云数据恒虚警检测方法,其特征在于,所述的步骤S2包含:
将所述幅度值ai(r,d)分别与初始的杂波幅度门限q0(r,d)*T1进行比较,只有大于初始的杂波幅度门限q0(r,d)*T1的数据参与之后的运算,将大于初始的杂波幅度门限q0(r,d)*T1的数据组成新的距离-多普勒谱数据。
4.如权利要求3所述的用于交通雷达的点云数据恒虚警检测方法,其特征在于,所述步骤S2包括:采用“9宫格”方式以大于初始的杂波幅度门限的幅度值为中心,与“9宫格”中其余8个幅度值进行对比,只有当中心幅度值比其余8个幅度值都大时,判断中心幅度值为极值,可以参与之后的运算过程。
5.如权利要求4所述的用于交通雷达的点云数据恒虚警检测方法,其特征在于,所述的步骤3具体包含:
假设第i帧,二维幅度谱上距离维第r点,速度维第d点的数据为ai(r,d),上一帧i-1的杂波图CFAR谱在距离维第r点,速度维第d点的数据为qi-1(r,d),进行迭代运算,更新杂波图CFAR谱上的数据,公式如下:
qi(r,d)=w*ai(r,d)+(1-w)*qi-1(r,d)
式中:w为迭代系数,一般设值为0.01;
将初始的杂波幅度门限q0(r,d)*T1更新为门限qi(r,d)*T1,T1是缩放系数。
6.如权利要求5所述的用于交通雷达的点云数据恒虚警检测方法,其特征在于,所述步骤S4包括:
根据“十”字形参考窗的位置从更新的杂波图CFAR谱中取出对应位置的数据共有4n2个参考单元。
7.如权利要求6所述的用于交通雷达的点云数据恒虚警检测方法,其特征在于,所述步骤S5包括:首先同时取出新的参考窗中全部参考单元X(qj),将这些参考单元X(qj)全部乘以虚警门限系数T2得到X(qj)·T2;
判断检测单元ai(r,d)是否大于参考单元值X(qj)·T2,
当检测单元ai(r,d)大于参考单元值X(qj)·T2时,流水操作并将判决结果累加;累加结果计为k=k+1;当检测单元ai(r,d)不大于参考单元值X(qj)·T2时,累加结果计为k=k;
判断j是否大于或等于4n2,若否,则j=j+1,返回取出新的参考窗中全部参考单元X(qj)的步骤;
若是,则判断累加结果k是否大于K,若累加结果k大于K,则判断检测单元ai(r,d)为目标,若累加结果k小于或等于K,则判断检测单元ai(r,d)为杂波。
8.一种电子设备,其特征在于,包括处理器和存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现权利要求1至7中任一项所述的方法。
9.一种可读存储介质,其特征在于,所述可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311201234.8A CN117250589A (zh) | 2023-09-15 | 2023-09-15 | 一种用于交通雷达的点云数据恒虚警检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311201234.8A CN117250589A (zh) | 2023-09-15 | 2023-09-15 | 一种用于交通雷达的点云数据恒虚警检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117250589A true CN117250589A (zh) | 2023-12-19 |
Family
ID=89125856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311201234.8A Pending CN117250589A (zh) | 2023-09-15 | 2023-09-15 | 一种用于交通雷达的点云数据恒虚警检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117250589A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117572426A (zh) * | 2024-01-17 | 2024-02-20 | 长沙莫之比智能科技有限公司 | 一种车载毫米波雷达静目标检测方法 |
-
2023
- 2023-09-15 CN CN202311201234.8A patent/CN117250589A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117572426A (zh) * | 2024-01-17 | 2024-02-20 | 长沙莫之比智能科技有限公司 | 一种车载毫米波雷达静目标检测方法 |
CN117572426B (zh) * | 2024-01-17 | 2024-05-10 | 长沙莫之比智能科技有限公司 | 一种车载毫米波雷达静目标检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107861107B (zh) | 一种适用于连续波雷达的双门限cfar与点迹凝聚方法 | |
CN109471072B (zh) | 基于fpga的单脉冲雷达二维cfar检测方法及系统 | |
CN117250589A (zh) | 一种用于交通雷达的点云数据恒虚警检测方法 | |
CN103885057A (zh) | 自适应变滑窗多目标跟踪方法 | |
CN109100696B (zh) | 基于点状杂波图的慢速运动目标消除方法 | |
CN112731307A (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
CN109001706B (zh) | 基于特征值最大化的多个辐射源目标被动直接定位方法 | |
CN108414992B (zh) | 一种基于相位信息杂波图的目标检测方法 | |
Dehghani et al. | Small target detection and tracking based on the background elimination and Kalman filter | |
CN112083390A (zh) | 一种时空关联下雷达杂波的动态抑制方法及装置 | |
CN111273248A (zh) | 一种基于相位补偿的解速度模糊方法 | |
CN111562570A (zh) | 基于毫米波雷达的面向自动驾驶的车辆感知方法 | |
CN110412609B (zh) | 一种多脉冲激光雷达目标检测方法 | |
CN110231602B (zh) | 一种基于二维分区处理的大批量海面目标点迹提取算法 | |
CN105652256B (zh) | 一种基于极化信息的高频地波雷达tbd方法 | |
CN106772357A (zh) | 信噪比未知条件下的ai‑phd滤波器 | |
Farah et al. | A fast ship detection algorithm based on automatic censoring for multiple target situations in SAR images | |
CN111274529A (zh) | 一种鲁棒的高斯逆威沙特phd多扩展目标跟踪算法 | |
WO2023108930A1 (zh) | 一种基于点云速度的毫米波雷达大车识别方法 | |
CN106249241B (zh) | 一种自适应杂波功率统计算法 | |
CN116224280B (zh) | 雷达目标检测方法、装置、雷达设备及存储介质 | |
CN113671459B (zh) | Fmcw雷达动目标恒虚警检测方法 | |
Zhai et al. | A novel ship detection algorithm based on anomaly detection theory for SAR images | |
CN113390406B (zh) | 基于被动多传感器系统的多目标数据关联与定位方法 | |
CN117784028B (zh) | 随机杂波识别方法、系统、计算机设备和存储介质 |
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 |