CN117491965B - 基于4d毫米波雷达的目标航迹起始方法 - Google Patents
基于4d毫米波雷达的目标航迹起始方法 Download PDFInfo
- Publication number
- CN117491965B CN117491965B CN202410002359.6A CN202410002359A CN117491965B CN 117491965 B CN117491965 B CN 117491965B CN 202410002359 A CN202410002359 A CN 202410002359A CN 117491965 B CN117491965 B CN 117491965B
- Authority
- CN
- China
- Prior art keywords
- target
- track
- frame
- association
- cluster
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 239000011159 matrix material Substances 0.000 claims abstract description 21
- 230000008929 regeneration Effects 0.000 claims abstract description 13
- 238000011069 regeneration method Methods 0.000 claims abstract description 13
- 230000001172 regenerating effect Effects 0.000 claims abstract description 5
- 230000001133 acceleration Effects 0.000 claims description 22
- 239000013598 vector Substances 0.000 claims description 22
- 230000000977 initiatory effect Effects 0.000 claims description 19
- 238000006073 displacement reaction Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation 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
- 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
-
- 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
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
- G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
- G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Probability & Statistics with Applications (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种基于4D毫米波雷达的目标航迹起始方法,其中,所述的方法包括以下步骤:(1)4D毫米波雷达点云通过密度聚类方法生成点云聚类;(2)进行目标的航迹新生,得到仅包含有效位置状态的目标新航迹n;(3)进行二次关联,得到成本矩阵中的关联分值;(4)重复M次步骤(3)将各航迹对应聚类的关联分值组合得到大小为N×M的成本矩阵;(5)根据所述的成本矩阵进行关联匹配。本发明的还涉及一种相应的装置、处理器及其计算机可读存储介质。采用了本发明的该基于4D毫米波雷达的目标航迹起始方法、装置、处理器及其计算机可读存储介质,解决了单帧径向速度无法新生准确的目标速度的问题,实现了目标在缺少速度方向情况下的新生。
Description
技术领域
本发明涉及4D毫米波雷达技术领域,尤其涉及航迹起始技术领域,具体是指一种基于4D毫米波雷达的目标航迹起始方法、装置、处理器及其计算机可读存储介质。
背景技术
航迹起始是目标跟踪成功的关键之一。传统航迹起始方法有直观法、逻辑法、Hough变换法等。其中,直观法和逻辑法若在N个扫描周期中正确检测到量测的次数大于等于一定数目,则航迹起始成功,两者的不同之处在于波门。直观法用速度和加速度作为航迹起始时的波门限制,但是该方法易受系统噪声和杂波的影响;逻辑法的初始关联波门为目标的速度,后续关联波门利用航迹预测的位置设置,该方法无法在虚警概率较高时起始航迹。Hough变换法为一种批处理技术,即将多次扫描得到的回波数据进行联合处理,并利用Hough变换实现非相干积累,该方法计算量较大,不适用于工程实现。
由于4D毫米波雷达只能获取径向速度,无法在单帧内得到准确的航向角信息,因此在航迹起始时无法利用径向速度新生准确的目标速度方向。
发明内容
本发明的目的是克服了上述现有技术的缺点,提供了一种基于4D毫米波雷达的目标航迹起始方法、装置、处理器及其计算机可读存储介质。
为了实现上述目的,本发明的基于4D毫米波雷达的目标航迹起始方法、装置、处理器及其计算机可读存储介质如下:
该基于4D毫米波雷达的目标航迹起始方法,其主要特点是,所述的方法包括以下步骤:
(1)4D毫米波雷达点云通过密度聚类方法生成点云聚类,并输出包含位置、速度以及加速度的目标状态信息;
(2)未被关联的聚类m将依据其聚类特征信息进行目标的航迹新生,得到仅包含有效位置状态的目标新航迹n;
(3)当未被关联过的目标新航迹n进行关联时,需要遍历当前帧获得的M个聚类,进行二次关联,得到成本矩阵中的关联分值;
(4)重复M次步骤(3)得到目标新航迹n对应M个聚类的关联分值,其他非新航迹的航迹在关联时只进行第二次关联,按第二次关联的步骤得到其他非新航迹的关联分值,各航迹对应聚类的关联分值组合得到大小为N×M的成本矩阵;
(5)根据所述的成本矩阵进行关联匹配,若目标新航迹n满足二次关联,则根据匈牙利匹配法能够匹配上聚类i(i=1, 2, ..., M),则满足航迹新生条件,取消新航迹的标记,并加入到后续的航迹管理中;否则,不新生目标。
较佳地,所述的步骤(2)具体为:
根据聚类的位置信息对新生航迹的位置状态进行赋值,得到仅包含有效位置状态的目标新航迹n,并标记为新航迹;其中,所述的新生航迹的状态信息中的位置坐标为聚类m的边界框的中心位置坐标,状态信息中的速度和加速度赋值为0。
较佳地,所述的步骤(3)具体为按照以下步骤进行目标新航迹n的第一次关联:
(3.1)判断上一帧目标与当前聚类之间的距离是否小于预设距离,如果是,则进入步骤(3.2),否则,不新生目标;
(3.2)根据当前帧聚类与自车运动信息估计上一帧聚类位置,所述的自车运动信息包括车辆在帧间的偏航角变化值以及x、y轴上的位置变化值;
(3.3)计算上一帧的目标速度方向作为目标新航迹n的速度假设方向之一;
(3.4)遍历所述的速度假设方向,并取当前帧距离补偿值最小时的速度方向作为目标新航迹n关联聚类i时的速度方向;
(3.5)待获取到所述的目标新航迹n的速度和加速度向量后,调用卡尔曼滤波的预测模块进行目标状态的预测处理;
(3.6)根据所述的目标新航迹n的预测值进行第二次关联,并以此得到成本矩阵中的关联分值。
较佳地,所述的步骤(3.1)具体为:
当第k帧的目标新航迹n与第k+1帧聚类i(i=1, 2, ..., M)之间的距离满足预设距离关联波门时,即满足第一次关联的前置条件,即,/>,其中,/>为第k帧的目标新航迹n的位置与第k+1帧聚类i的边界框bbox的中心位置之间的距离,/>为距离关联阈值,(/>)为第k帧目标新航迹n的位置坐标,/>为第k+1帧聚类i(i=1, 2, ..., M)的边界框bbox的中心位置坐标。
较佳地,所述的步骤(3.2)具体为:
根据自车运动信息平移第i个聚类边界框bbox中心的位置,得到第k帧下的第i个聚类边界框bbox中心的估计位置:
,
,
其中,、/>、/>分别为自车在k~k+1帧之间的偏航角变化以及在x、y轴上的位置变化。
较佳地,所述的步骤(3.3)具体为:
将计算得到的上一帧聚类位置与第k帧的目标新航迹n的位置进行比较,并计算得到两个位置之间的位移方向,将该位移方向作为k~k+1帧之间的目标速度方向,所述的目标速度方向通过求取第k帧目标新航迹n的位置与第k帧第i个聚类的边界框bbox估计中心位置之间的向量方向角度dir得到:
;
并将所述的向量方向角度dir作为目标新航迹n的假设方向之一。
较佳地,所述的步骤(3.4)具体为:
将所述的向量方向角度dir与自车平行(0 rad)和自车垂直方向进行假设估计,并将假设估计速度补偿至关联距离进行计算,具体补偿方式为:得到当前目标新航迹n、聚类i对应的三个速度方向假设估计后分别计算目标新航迹n的速度向量(vx,vy):
;
关联距离补偿值为,
其中,为单帧时间,vr为径向速度,待关联距离补偿之后,取距离最小的速度假设方向j作为目标新航迹n关联聚类i时的速度方向。
较佳地,所述的步骤(3.5)具体为:
加速度值为0,速度向量为(vx,vy),调用卡尔曼滤波的预测模块,并以此计算第k帧中目标新航迹n的目标状态预测值。
较佳地,所述的步骤(3.6)具体为:
根据所述的目标新航迹n的预测值进行第二次关联,关联波门为距离,其中距离波门为目标新航迹n的预测位置与当前帧聚类i的边界框bbox中心位置 />之间在x,y轴上距离差/>,并满足距离波门的条件为:/>且/>;
其中, 为x轴距离波门的阈值,/>为y轴距离波门的阈值,满足所述的关联波门则根据关联情况得到成本矩阵中的关联分值。
该实现基于4D毫米波雷达的目标航迹起始装置,其主要特点是,所述的装置包括:
处理器,被配置成执行计算机可执行指令;
存储器,存储一个或多个计算机可执行指令,所述的计算机可执行指令被所述的处理器执行时,实现上述所述的基于4D毫米波雷达的目标航迹起始方法的步骤。
该实现基于4D毫米波雷达的目标航迹起始处理器,其主要特点是,所述的处理器被配置成执行计算机可执行指令,所述的计算机可执行指令被所述的处理器执行时,实现上述所述的基于4D毫米波雷达的目标航迹起始方法的步骤。
该计算机可读存储介质,其主要特点是,其上存储有计算机程序,所述的计算机程序可被处理器执行以实现上述所述的基于4D毫米波雷达的目标航迹起始方法的步骤。
采用了本发明的该基于4D毫米波雷达的目标航迹起始方法、装置、处理器及其计算机可读存储介质,解决了单帧径向速度无法新生准确的目标速度的问题,在第二帧内对目标进行二次关联,从而实现目标在缺少速度方向情况下的新生。本技术方案可在两帧内实现目标航迹新生,新生速度较快,二次关联的波门也确保了新生的准确性。同时,通过引入一种速度方向假设估计操作,对新生目标速度方向未知的情况进行假设估计,根据当前帧的聚类位置以及自车的运动信息,在假设目标速度为0的情况下,利用当前帧聚类的位置对上一帧聚类的位置进行估计,并根据估计的聚类位置以及上一帧聚类生成的目标位置估计目标的位移方向,在与自车平行、与自车垂直以及估计位移方向三者中进行假设估计,满足距离最小的速度方向假设即为目标的速度方向。当目标运动速度较低时,该速度方向假设估计具有一定合理性,且估计的精度较高,该方法在4D毫米波雷达目标跟踪系统中适用于低速场景中。
附图说明
图1为本发明的基于4D毫米波雷达的目标航迹起始方法的流程图。
具体实施方式
为了能够更清楚地描述本发明的技术内容,下面结合具体实施例来进行进一步的描述。
在详细说明根据本发明的实施例前,应该注意到的是,在下文中,术语“包括”、“包含”或任何其他变体旨在涵盖非排他性的包含,由此使得包括一系列要素的过程、方法、物品或者设备不仅包含这些要素,而且还包含没有明确列出的其他要素,或者为这种过程、方法、物品或者设备所固有的要素。
请参阅图1所示,该基于4D毫米波雷达的目标航迹起始方法,其中,所述的方法包括以下步骤:
(1)4D毫米波雷达点云通过密度聚类方法生成点云聚类,并输出包含位置、速度以及加速度的目标状态信息;
(2)未被关联的聚类m将依据其聚类特征信息进行目标的航迹新生,得到仅包含有效位置状态的目标新航迹n,该m是指第k帧未被关联的某个聚类的代称,聚类m;
(3)当未被关联过的目标新航迹n进行关联时,需要遍历当前帧获得的M个聚类,进行二次关联,得到成本矩阵中的关联分值;
(4)重复M次步骤(3)得到目标新航迹n对应M个聚类的关联分值(M是指第k+1帧获取的M个聚类,是聚类的个数),其他非新航迹的航迹在关联时只进行第二次关联,按第二次关联的步骤得到其他非新航迹的关联分值,各航迹对应聚类的关联分值组合得到大小为N×M的成本矩阵;
(5)根据所述的成本矩阵进行关联匹配,若目标新航迹n满足二次关联,则根据匈牙利匹配法能够匹配上聚类i(i=1, 2, ..., M),则满足航迹新生条件,取消新航迹的标记,并加入到后续的航迹管理中;否则,不新生目标。
作为本发明的优选实施方式,所述的步骤(2)具体为:
根据聚类的位置信息对新生航迹的位置状态进行赋值,得到仅包含有效位置状态的目标新航迹n,并标记为新航迹;其中,所述的新生航迹的状态信息中的位置坐标为聚类m的边界框的中心位置坐标,状态信息中的速度和加速度赋值为0。
作为本发明的优选实施方式,所述的步骤(3)具体为按照以下步骤进行目标新航迹n的第一次关联:
(3.1)判断上一帧目标与当前聚类之间的距离是否小于预设距离,如果是,则进入步骤(3.2),否则,不新生目标;
(3.2)根据当前帧聚类与自车运动信息估计上一帧聚类位置,所述的自车运动信息包括车辆在帧间的偏航角变化值以及x、y轴上的位置变化值;
(3.3)计算上一帧的目标速度方向作为目标新航迹n的速度假设方向之一;
(3.4)遍历所述的速度假设方向,并取当前帧距离补偿值最小时的速度方向作为目标新航迹n关联聚类i时的速度方向;
(3.5)待获取到所述的目标新航迹n的速度和加速度向量后,调用卡尔曼滤波的预测模块进行目标状态的预测处理;
(3.6)根据所述的目标新航迹n的预测值进行第二次关联,并以此得到成本矩阵中的关联分值。
作为本发明的优选实施方式,所述的步骤(3.1)具体为:
当第k帧的目标新航迹n与第k+1帧聚类i(i=1, 2, ..., M)之间的距离满足预设距离关联波门时,即满足第一次关联的前置条件,即,/>,其中,/>为第k帧的目标新航迹n的位置与第k+1帧聚类i的边界框bbox的中心位置之间的距离,/>为距离关联阈值,(/>)为第k帧目标新航迹n的位置坐标,/>为第k+1帧聚类i (i=1, 2, ..., M)的边界框bbox的中心位置坐标。
作为本发明的优选实施方式,所述的步骤(3.2)具体为:
根据自车运动信息平移第i个聚类边界框bbox中心的位置,得到第k帧下的第i个聚类边界框bbox中心的估计位置:
,
,
其中,,/>,/>分别为自车在k~k+1帧之间的偏航角变化以及在x、y轴上的位置变化。
作为本发明的优选实施方式,所述的步骤(3.3)具体为:
将计算得到的上一帧聚类位置与第k帧的目标新航迹n的位置进行比较,并计算得到两个位置之间的位移方向,将该位移方向作为k~k+1帧之间的目标速度方向,所述的目标速度方向通过求取第k帧目标新航迹n的位置与第k帧第i个聚类的边界框bbox估计中心位置之间的向量方向角度dir得到:
;
并将所述的向量方向角度dir作为目标新航迹n的假设方向之一。
作为本发明的优选实施方式,所述的步骤(3.4)具体为:
将所述的向量方向角度dir与自车平行(0 rad)和自车垂直方向进行假设估计,并将假设估计速度补偿至关联距离进行计算,具体补偿方式为:得到当前目标新航迹n、聚类i对应的三个速度方向假设估计后分别计算目标新航迹n的速度向量(vx,vy):
;
关联距离补偿值为,
其中,为单帧时间,vr为径向速度,待关联距离补偿之后,取距离最小的速度假设方向j作为目标新航迹n关联聚类i时的速度方向。
作为本发明的优选实施方式,所述的步骤(3.5)具体为:
加速度值为0,速度向量为(vx,vy),调用卡尔曼滤波的预测模块,并以此计算第k帧中目标新航迹n的目标状态预测值。
可以理解的是,在实际应用当中,卡尔曼滤波主要分为预测和更新两个模块,预测模块是根据自车运动模型对上一帧的目标状态进行预测;更新模块则是根据预测模块的结果以及卡尔曼滤波的观测值对本帧的目标状态进行更新。预测模块的数学过程为:
;
;
其中,为本帧(第k+1帧)的状态预测值,/>为上一帧(第k帧)的状态值,/>为自车运动模型,/>为本帧(第k+1帧)的状态预测方差,/>为上一帧(第k帧)的状态预测方差,为自车运动模型的过程噪声协方差。根据第k帧新航迹的位置,速度和加速度信息,以及自车运动模型即可根据上式得到目标在第k+1帧的状态预测值。
作为本发明的优选实施方式,所述的步骤(3.6)具体为:
根据所述的目标新航迹n的预测值进行第二次关联,关联波门为距离,其中距离波门为目标新航迹n的预测位置与当前帧聚类i的边界框bbox中心位置 />之间在x,y轴上距离差/>,并满足距离波门的条件为:/>且/>;
其中, 为x轴距离波门的阈值,/>为y轴距离波门的阈值,满足所述的关联波门则根据关联情况得到成本矩阵中的关联分值。
在实际应用当中,该基于4D毫米波雷达的目标航迹起始方法,其主要流程如下:
(1)输入:4D毫米波雷达点云通过密度聚类的方法生成的点云聚类;输出:目标的状态信息(包含位置、速度以及加速度)。
(2)第k帧:未被关联的聚类m将依据其聚类特征信息进行目标的航迹新生,由于该聚类仅包含径向速度,无法确定速度方向,因此仅依据聚类的位置信息对新生航迹的位置状态进行赋值,得到仅包含有效位置状态的目标新航迹n,并标记为新航迹。对于该目标航迹n,其状态信息中的位置坐标为聚类m的边界框(bounding box,bbox,定义物体实际位置,通常为矩形框)的中心位置坐标,状态信息中的速度和加速度赋值为0,即新生目标航迹n在其新生的第一帧内无初速度和加速度,为静止目标;
(3)第k+1帧:当未被关联过的目标新航迹n进行关联时,需要遍历当前帧获得的M个聚类,进行二次关联。首先进行第一次关联,当第k帧的目标航迹n与第k+1帧聚类i(i=1,2, ..., M)之间的距离满足预设距离关联波门(,/>,其中/>为第k帧的目标航迹n的位置与第k+1帧聚类i的bbox中心位置之间的距离,/>为距离关联阈值)时,满足第一次关联的前置条件,由于在第k帧假设目标为静止目标,速度为0,根据自车运动信息平移第i个聚类bbox中心的位置,得到第k帧下的第i个聚类bbox中心的估计位置(,, 其中/>,/>,/>分别为自车在帧间的偏航角变化以及x,y轴上的位置变化),并与第k帧的目标航迹n的位置进行比较,计算得到两个位置之间的位移方向作为k~k+1帧内的目标速度方向(速度方向计算方法为,求第k帧航迹n的位置与第k帧第i个聚类的bbox估计中心位置之间的向量方向角度dir,作为航迹n的假设方向之一,/>),将该估计方向角度与自车平行(0 rad)、与自车垂直/>这三个方向角度进行假设估计,并将假设估计速度补偿至关联距离计算,具体补偿方式为,得到当前航迹n、聚类i对应的三个速度方向假设估计后分别计算航迹n的速度向量(vx,vy),,关联距离补偿值为,其中/>为单帧时间,vr为径向速度。关联距离补偿之后,取距离最小的速度假设方向j作为航迹n关联聚类i时的速度方向,此时航迹n的速度状态向量可计算出来(具体参考前文补偿方式中的计算方式),加速度值为0,该速度和加速度是相对地面参考系计算的,若考虑自车旋转,将速度和加速度转换至相对自车坐标系下则需要考虑科式加速度的影响。得到航迹n的速度和加速度向量后,即可调用卡尔曼滤波的预测模块,计算第k帧中航迹n状态的预测值。根据航迹n的预测值进行第二次关联,关联波门为距离(距离波门为航迹n的预测位置x,y坐标分别与当前帧聚类i的bbox中心位置x,y坐标之间的距离),满足距离波门的条件为/>且/>满足关联波门则可根据关联情况得到成本矩阵中的关联分值。
(4)第k+1帧:重复M次步骤(3)得到新航迹n对应M个聚类的关联分值,其他非新航迹的航迹在关联时只进行第二次关联,按第二次关联的步骤得到其他非新航迹的关联分值,各航迹对应聚类的关联分值组合得到大小为N的成本矩阵。根据成本矩阵进行关联匹配(具体的匹配算法采用匈牙利匹配),若目标新航迹n满足二次关联,根据匈牙利匹配法能够匹配上聚类i,则满足航迹新生条件,取消新航迹的标记,并加入后续的航迹管理中。
该实现基于4D毫米波雷达的目标航迹起始装置,其中,所述的装置包括:
处理器,被配置成执行计算机可执行指令;
存储器,存储一个或多个计算机可执行指令,所述的计算机可执行指令被所述的处理器执行时,实现上述所述的基于4D毫米波雷达的目标航迹起始方法的步骤。
该实现基于4D毫米波雷达的目标航迹起始处理器,其中,所述的处理器被配置成执行计算机可执行指令,所述的计算机可执行指令被所述的处理器执行时,实现上述所述的基于4D毫米波雷达的目标航迹起始方法的步骤。
该计算机可读存储介质,其中,其上存储有计算机程序,所述的计算机程序可被处理器执行以实现上述所述的基于4D毫米波雷达的目标航迹起始方法的步骤。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行装置执行的软件或固件来实现。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成的,程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一实施例”、“一些实施例”、“示例”、“具体示例”、或“实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
采用了本发明的该基于4D毫米波雷达的目标航迹起始方法、装置、处理器及其计算机可读存储介质,解决了单帧径向速度无法新生准确的目标速度的问题,在第二帧内对目标进行二次关联,从而实现目标在缺少速度方向情况下的新生。本技术方案可在两帧内实现目标航迹新生,新生速度较快,二次关联的波门也确保了新生的准确性。同时,通过引入一种速度方向假设估计操作,对新生目标速度方向未知的情况进行假设估计,根据当前帧的聚类位置以及自车的运动信息,在假设目标速度为0的情况下,利用当前帧聚类的位置对上一帧聚类的位置进行估计,并根据估计的聚类位置以及上一帧聚类生成的目标位置估计目标的位移方向,在与自车平行、与自车垂直以及估计位移方向三者中进行假设估计,满足距离最小的速度方向假设即为目标的速度方向。当目标运动速度较低时,该速度方向假设估计具有一定合理性,且估计的精度较高,该方法在4D毫米波雷达目标跟踪系统中适用于低速场景中。
在此说明书中,本发明已参照其特定的实施例作了描述。但是,很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此,说明书和附图应被认为是说明性的而非限制性的。
Claims (8)
1.一种基于4D毫米波雷达的目标航迹起始方法,其特征在于,所述的方法包括以下步骤:
(1)4D毫米波雷达点云通过密度聚类方法生成点云聚类作为目标输入,并输出包含位置、速度以及加速度的目标状态信息;
(2)未被关联的聚类m将依据其聚类特征信息进行目标的航迹新生,得到仅包含有效位置状态的目标新航迹n;
(3)当未被关联过的目标新航迹n进行关联时,需要遍历当前帧获得的M个聚类,进行二次关联,得到成本矩阵中的关联分值;
(4)重复M次步骤(3)得到目标新航迹n对应M个聚类的关联分值,其他非新航迹的航迹在关联时只进行第二次关联,按第二次关联的步骤得到其他非新航迹的关联分值,各航迹对应聚类的关联分值组合得到大小为N×M的成本矩阵;
(5)根据所述的成本矩阵进行关联匹配,若目标新航迹n满足二次关联,则根据匈牙利匹配法能够匹配上聚类i,i=1, 2, ..., M,则满足航迹新生条件,取消新航迹的标记,并加入到后续的航迹管理中;否则,不新生目标;
所述的步骤(3)具体为按照以下步骤进行目标新航迹n的第一次关联:
(3.1)判断上一帧目标与当前聚类之间的距离是否小于预设距离,如果是,则进入步骤(3.2),否则,不新生目标;
(3.2)根据当前帧聚类与自车运动信息估计上一帧聚类位置,所述的自车运动信息包括车辆在帧间的偏航角变化值以及x、y轴上的位置变化值;
(3.3)计算上一帧的目标速度方向作为目标新航迹n的速度假设方向之一;
(3.4)遍历所述的速度假设方向,并取当前帧距离补偿值最小时的速度方向作为目标新航迹n关联聚类i时的速度方向;
(3.5)待获取到所述的目标新航迹n的速度和加速度向量后,调用卡尔曼滤波的预测模块进行目标状态的预测处理;
(3.6)根据所述的目标新航迹n的预测值进行第二次关联,并以此得到成本矩阵中的关联分值;
所述的步骤(3.3)具体为:
将计算得到的上一帧聚类位置与第k帧的目标新航迹n的位置进行比较,并计算得到两个位置之间的位移方向,将该位移方向作为k~k+1帧之间的目标速度方向,所述的目标速度方向通过求取第k帧目标新航迹n的位置与第k帧第i个聚类的边界框bbox估计中心位置之间的向量方向角度dir得到:
;
并将所述的向量方向角度dir作为目标新航迹n的假设方向之一;
所述的步骤(3.4)具体为:
将所述的向量方向角度dir与自车平行即方向为0 rad,和自车垂直即方向为的方向进行假设估计,并将假设估计速度补偿至关联距离进行计算,具体补偿方式为:得到当前目标新航迹n、聚类i对应的三个速度方向假设估计后分别计算目标新航迹n的速度向量(vx,vy):
;
关联距离补偿值为;
其中,为单帧时间,vr为径向速度,待关联距离补偿之后,取距离最小的速度假设方向j作为目标新航迹n关联聚类i时的速度方向,/>为第k+1帧聚类i的边界框bbox的中心位置坐标;
所述的步骤(3.6)具体为:
根据所述的目标新航迹n的预测值进行第二次关联,关联波门为距离,其中距离波门为目标新航迹n的预测位置与当前帧聚类i的边界框bbox中心位置之间在x,y轴上距离差/>,并满足距离波门的条件为:/>且/>;
其中,为x轴距离波门的阈值,/>为y轴距离波门的阈值,满足所述的关联波门则根据关联情况得到成本矩阵中的关联分值。
2.根据权利要求1所述的基于4D毫米波雷达的目标航迹起始方法,其特征在于,所述的步骤(2)具体为:
根据聚类的位置信息对新生航迹的位置状态进行赋值,得到仅包含有效位置状态的目标新航迹n,并标记为新航迹;其中,所述的新生航迹的状态信息中的位置坐标为聚类m的边界框的中心位置坐标,状态信息中的速度和加速度赋值为0。
3.根据权利要求1所述的基于4D毫米波雷达的目标航迹起始方法,其特征在于,所述的步骤(3.1)具体为:
当第k帧的目标新航迹n与第k+1帧聚类i之间的距离满足预设距离关联波门时,即满足第一次关联的前置条件,即,,其中,/>为第k帧的目标新航迹n的位置与第k+1帧聚类i的边界框bbox的中心位置之间的距离,/>为距离关联阈值,(/>)为第k帧目标新航迹n的位置坐标为第k+1帧聚类i的边界框bbox的中心位置坐标。
4.根据权利要求3所述的基于4D毫米波雷达的目标航迹起始方法,其特征在于,所述的步骤(3.2)具体为:
根据自车运动信息平移第i个聚类边界框bbox中心的位置,得到第k帧下的第i个聚类边界框bbox中心的估计位置:
,
,
其中,、/>、/>分别为自车在k~k+1帧之间的偏航角变化以及在x、y轴上的位置变化。
5.根据权利要求1所述的基于4D毫米波雷达的目标航迹起始方法,其特征在于,
所述的步骤(3.5)具体为:
加速度值为0,速度向量为(vx,vy),调用卡尔曼滤波的预测模块,并以此计算第k帧中目标新航迹n的目标状态预测值。
6.一种实现基于4D毫米波雷达的目标航迹起始装置,其特征在于,所述的装置包括:
处理器,被配置成执行计算机可执行指令;
存储器,存储一个或多个计算机可执行指令,所述的计算机可执行指令被所述的处理器执行时,实现权利要求1~5中任一项所述的基于4D毫米波雷达的目标航迹起始方法的步骤。
7.一种实现基于4D毫米波雷达的目标航迹起始处理器,其特征在于,所述的处理器被配置成执行计算机可执行指令,所述的计算机可执行指令被所述的处理器执行时,实现权利要求1~5中任一项所述的基于4D毫米波雷达的目标航迹起始方法的步骤。
8.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述的计算机程序可被处理器执行以实现权利要求1~5中任一项所述的基于4D毫米波雷达的目标航迹起始方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410002359.6A CN117491965B (zh) | 2024-01-02 | 2024-01-02 | 基于4d毫米波雷达的目标航迹起始方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410002359.6A CN117491965B (zh) | 2024-01-02 | 2024-01-02 | 基于4d毫米波雷达的目标航迹起始方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117491965A CN117491965A (zh) | 2024-02-02 |
CN117491965B true CN117491965B (zh) | 2024-03-19 |
Family
ID=89671292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410002359.6A Active CN117491965B (zh) | 2024-01-02 | 2024-01-02 | 基于4d毫米波雷达的目标航迹起始方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117491965B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010230404A (ja) * | 2009-03-26 | 2010-10-14 | Mitsubishi Electric Corp | 目標追尾装置 |
CN113866742A (zh) * | 2021-12-03 | 2021-12-31 | 南京楚航科技有限公司 | 一种4d毫米波雷达点云处理和目标分类的方法 |
CN115840221A (zh) * | 2023-02-20 | 2023-03-24 | 上海几何伙伴智能驾驶有限公司 | 基于4d毫米波雷达实现目标特征提取与多目标跟踪的方法 |
-
2024
- 2024-01-02 CN CN202410002359.6A patent/CN117491965B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010230404A (ja) * | 2009-03-26 | 2010-10-14 | Mitsubishi Electric Corp | 目標追尾装置 |
CN113866742A (zh) * | 2021-12-03 | 2021-12-31 | 南京楚航科技有限公司 | 一种4d毫米波雷达点云处理和目标分类的方法 |
WO2023097971A1 (zh) * | 2021-12-03 | 2023-06-08 | 南京楚航科技有限公司 | 4d毫米波雷达数据处理的方法 |
CN115840221A (zh) * | 2023-02-20 | 2023-03-24 | 上海几何伙伴智能驾驶有限公司 | 基于4d毫米波雷达实现目标特征提取与多目标跟踪的方法 |
Non-Patent Citations (2)
Title |
---|
一种利用径向速度量测的航迹起始新算法;韩正国 等;现代雷达;20091015(第10期);全文 * |
一种适合多频连续波体制雷达的航迹起始算法;刘盼 等;火控雷达技术;20070330(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117491965A (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108872975B (zh) | 用于目标跟踪的车载毫米波雷达滤波估计方法、装置及存储介质 | |
CN109564283B (zh) | 物标检测装置 | |
US11789141B2 (en) | Omnidirectional sensor fusion system and method and vehicle including the same | |
CN110320910B (zh) | 车辆的避让控制方法、装置、电子设备与存储介质 | |
CN114137509B (zh) | 一种基于毫米波雷达点云聚类方法及装置 | |
US11436815B2 (en) | Method for limiting object detection area in a mobile system equipped with a rotation sensor or a position sensor with an image sensor, and apparatus for performing the same | |
CN111103587A (zh) | 用于预测同时并线车辆的方法和设备及包括其的车辆 | |
JP5482323B2 (ja) | 運転支援装置及びプログラム | |
CN110632916B (zh) | 行动预测装置以及自动驾驶装置 | |
CN115965657A (zh) | 目标跟踪方法、电子设备、存储介质及车辆 | |
CN112363131A (zh) | 车载毫米波雷达数据的处理方法、装置及计算机存储介质 | |
WO2023273467A1 (zh) | 真值数据确定、神经网络训练、行驶控制方法及装置 | |
Lindenmaier et al. | GM-PHD filter based sensor data fusion for automotive frontal perception system | |
JP4096384B2 (ja) | 運転行動パターン認識装置 | |
CN117491965B (zh) | 基于4d毫米波雷达的目标航迹起始方法 | |
CN113176562A (zh) | 多目标跟踪方法、装置、电子设备及可读存储介质 | |
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 | |
JPWO2020170301A1 (ja) | 情報処理装置、プログラム及び情報処理方法 | |
CN115457274A (zh) | 一种基于深度学习的车载视角遮挡目标检测方法及装置 | |
CN112835063B (zh) | 物体动静属性的确定方法、装置、设备及存储介质 | |
CN114906141A (zh) | 自适应巡航控制方法及装置 | |
JP6847336B2 (ja) | 計測装置、計測方法及び計測プログラム | |
CN113281736B (zh) | 基于多假设singer模型的雷达机动交汇目标跟踪方法 | |
US20240230842A9 (en) | Method and apparatus of filtering dynamic objects in radar-based ego-emotion estimation | |
CN115439484B (zh) | 基于4d点云的检测方法、装置、存储介质及处理器 |
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 |