CN117724069A - 用于基于车载雷达检测道路边缘的方法和系统 - Google Patents
用于基于车载雷达检测道路边缘的方法和系统 Download PDFInfo
- Publication number
- CN117724069A CN117724069A CN202311729641.6A CN202311729641A CN117724069A CN 117724069 A CN117724069 A CN 117724069A CN 202311729641 A CN202311729641 A CN 202311729641A CN 117724069 A CN117724069 A CN 117724069A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- vehicle
- static
- radar
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000003068 static effect Effects 0.000 claims abstract description 67
- 238000001514 detection method Methods 0.000 claims abstract description 37
- 238000004590 computer program Methods 0.000 claims abstract description 7
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 6
- 238000002592 echocardiography Methods 0.000 claims description 5
- 238000002955 isolation Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000002401 inhibitory effect Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 13
- 210000000078 claw Anatomy 0.000 description 2
- 241000594310 Randia aculeata Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种用于基于车载雷达检测道路边缘的方法,其包括:从通过车载雷达(11)采集的点云数据中筛选出静态点云数据(S1);统计在各个点云区间中的静态点云数据量(S2);基于所统计的静态点云数据量评估相应的点云区间中静态点云数据的置信度,并基于所述置信度分别处理相应的点云区间中的静态点云数据,用以获取关于道路边缘的检测结果(S3)。本发明还涉及用于基于车载雷达检测道路边缘的系统,车辆和计算机程序产品。根据本发明,基于车载雷达采集的点云数据通过直方图投影法快速且精确地拟合出道路边缘的轮廓线,而不依赖具有高置信度的特定基准点,从而极大地提高车载雷达的检测精度和检测速度,且节省所耗费的算力。
Description
技术领域
本发明涉及雷达信号处理技术领域,尤其是涉及一种用于基于车载雷达检测道路边缘的方法,一种用于基于车载雷达检测道路边缘的系统,一种包括所述系统的车辆,以及一种计算机程序产品,其用于至少辅助地实现根据本发明所述的方法的步骤。
背景技术
随着高级别的自动驾驶系统和/或辅助驾驶系统的应用,对车载雷达的检测结果的准确度和检测范围的要求越来越高。车载雷达不仅需要检测道路上的常规障碍物如车辆、行人等,而且需要检测道路边缘,例如路边护栏、路边隔离带、路边障碍物等。基于所述探测的结果,自动驾驶系统和/或辅助驾驶系统能够执行相应的车辆控制功能。
然而,在车载雷达的实际使用过程中,雷达接收器经常会接收到与当前行车道的道路边缘无关的干扰回波,例如由相邻车道的障碍物或对向车道的车辆反射的干扰回波,从而对车载雷达的探测结果产生干扰。
因此,如何利用车载雷达快速且精确地检测道路边缘成为目前需要解决的技术难题。
发明内容
本发明的目的在于提供一种用于基于车载雷达检测道路边缘的方法,一种用于基于车载雷达检测道路边缘的系统,一种包括所述系统的车辆,以及一种计算机程序产品,以至少部分地解决现有技术中的问题。
根据本发明的第一方面,提供了一种用于基于车载雷达检测道路边缘的方法,所述方法包括:
-步骤S1:从通过车载雷达采集的点云数据中筛选出静态点云数据;
-步骤S2:统计在各个点云区间中的静态点云数据量;和
-步骤S3:基于所统计的静态点云数据量评估相应的点云区间中静态点云数据的置信度,并基于所述置信度分别处理相应的点云区间中的静态点云数据,用以获取关于道路边缘的检测结果。
本发明的核心构思在于:基于车载雷达采集的点云数据通过直方图投影法快速且精确地拟合出道路边缘的轮廓线,而不依赖具有高置信度的特定基准点,从而极大地提高车载雷达的检测精度和检测速度,且节省所耗费的算力。
根据本发明的一个可选实施例,可以利用所述点云数据的水平角度余弦值cosθ与所述点云数据的多普勒速度Vd除以车辆行驶速度Vh的负数的差值来筛选所述点云数据中的静态点云数据。
根据本发明的另一可选实施例,所述道路边缘例如包括路边护栏、路边围墙、路边隔离带、路边障碍物和/或施工路段围栏等。
根据本发明的另一可选实施例,所述步骤S3可以包括:
-步骤S31:比较各个点云区间中的静态点云数据量与目标阈值的大小关系,用以评估各个点云区间中静态点云数据的置信度;
-步骤S32:如果所述点云区间中的静态点云数据量大于等于目标阈值,则基于相应的点云区间中的静态点云数据通过随机采样一致性算法和卡曼滤波算法获取关于道路边缘的检测结果;和
-步骤S33:如果所述点云区间中的静态点云数据量小于目标阈值,则基于相应的点云区间中的静态点云数据通过卡曼滤波算法获取关于道路边缘的检测结果。
根据本发明的另一可选实施例,所述步骤S32可以包括:
-步骤S321:如果所述点云区间中的静态点云数据量大于等于预设数量阈值,则从相应的点云区间中的静态点云数据选取雷达回波强度最大的两个静态点云数据用于计算第一直线;
-步骤S322:基于相应的点云区间中的其他静态点云数据至所述第一直线的距离,将所述其他静态点云数据划分成离群点和群内点;
-步骤S323:基于所述群内点通过最小二乘法拟合道路边缘的轮廓线;和
-步骤S324:通过卡曼滤波算法对所拟合的轮廓线进行跟踪滤波,由此获取关于道路边缘的检测结果。
根据本发明的另一可选实施例,所述方法还可以包括:
-步骤S4:基于所采集的点云数据中的其他点云数据与所求取的道路边缘的轮廓线的位置关系,确定并抑制所述其他点云数据中的干扰数据。
根据本发明的另一可选实施例,可以对横向位置处于所获取的道路边缘的轮廓线的外侧的干扰数据进行抑制,其中,所述干扰数据包括由相邻车道的障碍物和/或车辆反射产生的镜像幻影数据。
根据本发明的第二方面,提供了一种用于基于车载雷达检测道路边缘的系统,其中,所述系统包括以下构件:
-车载雷达,其被配置为向扫描区域发送雷达波和接收来自所述扫描区域的雷达回波;和
-控制单元,其被配置为执行根据本发明的方法。
根据本发明的另一可选实施例,所述车载雷达可以包括毫米波雷达。
根据本发明的第三方面,提供了一种车辆,所述车辆包括根据本发明的系统。
根据本发明的第四方面,提供了一种计算机程序产品、例如计算机可读的程序载体,包含或存储有计算机程序指令,所述计算机程序指令被处理器执行时至少辅助地实现根据本发明的方法的步骤。
附图说明
下面通过参照附图更详细地描述本发明可以更好地理解本发明的原理、特点和优点。附图示出:
图1示出根据本发明的一个示例性实施例的用于基于车载雷达检测道路边缘的方法的工作流程图;
图2示出根据本发明的一个示例性实施例的点云数据分布图;
图3示出根据本发明的另一示例性实施例的用于基于车载雷达检测道路边缘的方法的工作流程图;
图4示出根据本发明的另一示例性实施例的用于基于车载雷达检测道路边缘的方法的工作流程图;
图5示出根据本发明的另一示例性实施例的点云数据分布图;
图6示出根据本发明的另一示例性实施例的用于基于车载雷达检测道路边缘的方法的工作流程图;和
图7示出根据本发明的一个示例性实施例的用于基于车载雷达检测道路边缘的系统的框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案以及有益的技术效果更加清楚明白,以下将结合附图以及多个示例性实施例对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用于解释本发明,而不是用于限定本发明的保护范围。
图1示出了根据本发明的一个示例性实施例的用于基于车载雷达检测道路边缘的方法的工作流程图。以下示例性的实施例更详细地描述根据本发明的方法。
所述方法可以包括步骤S1至S3。在步骤S1中,从通过车载雷达11采集的点云数据中筛选出静态点云数据。在本发明的当前实施例中,所述车载雷达11尤其是毫米波雷达,其利用高频电路产生特定调制频率的电磁波。所述车载雷达的安装位置不受限制,其例如可以安装在车辆的前部、后部或横向两侧。可选地,所述车载雷达也可以是激光雷达或其他雷达。
在车辆1的行驶过程中,可以通过车辆1的车载雷达11向前方行驶环境的扫描区域发送电磁波,这些电磁波中的部分会被前方行驶环境中的不同物体反射成具有不同回波强度的雷达回波,其中,被金属物体反射的雷达回波的回波强度较大,被非金属物体反射的雷达回波的回波强度较小。车载雷达11的接收器可以接收这些经反射的雷达回波,所接收的雷达回波被转换成点云数据,其包括各雷达回波的位置信息和速度信息。如图2示出的根据本发明的一个实施例的点云数据分布图,所述点云数据的位置信息可以使用自车坐标系x-y的坐标值进行表征,其中,x方向为车辆1的行驶方向,y方向为车辆1的横向方向,坐标原点为车辆1的当前位置,每个点云数据都可以映射到x-y坐标系并使用对应的坐标值表征。
在此,可以利用所述点云数据的水平角度余弦值cosθ与所述点云数据的多普勒速度Vd除以车辆行驶速度Vh的负数的差值来筛选所述点云数据中的静态点云数据。在车载雷达11安装在行驶速度为Vh的车辆1上的情况下,对于完全静止的点云数据,其水平角度的余弦值cosθ与其多普勒速度Vd以及车辆1的行驶速度Vh满足以下关系:
cosθ=Vd/-Vh
因此,可以通过如下公式借助门限值M的设定来筛选出准静态的点云数据:
-M≤cosθ-Vd/-Vh≤M
其中,门限值M可以基于雷达检测精度的实际需求进行调节,例如设置为0.1。
在步骤S2中,统计在各个点云区间中的静态点云数据量。如图2所示的实施例,可以沿车辆1的横向方向每隔固定间距L地划分多个点云区间,并统计落在每个点云区间中的静态点云数据量,由此获取点云数据的直方图投影。可以理解的是,每个点云区间的长度L可以根据雷达检测精度进行调整,其中,雷达检测精度越高,点云区间的长度L设置得越小。
在理想情况下,车辆1横向两侧的直方图投影满足正态分布。但在实际检测环境中,由于道路边缘——其例如包括路边护栏、路边围墙、路边隔离带、路边障碍物和/或施工路段围栏等——的遮挡,静态点云数据分布会产生一定的偏离。在本发明的意义中,所述道路边缘是行车道的侧边沿上具有可辨识形状的标记物,其用于划定在该行车道上可通行的区域。
在步骤S3中,基于所统计的静态点云数据量评估相应的点云区间中静态点云数据的置信度,并基于所述置信度分别处理相应的点云区间中的静态点云数据,用以获取关于道路边缘的检测结果。根据本发明的当前实施例,车辆1所行驶的诸如高速公路、快速路等驾驶场景具有近似线性的道路边缘。在现有技术中,通过使用羊角曲线来拟合道路边缘的轮廓线,所述羊角曲线是表示式为y=1/6*C3*x3+1/2*C2*x2+C1*x+C0的三次拟合曲线,通常需要至少四个点的高置信度的基准点才能够完成羊角曲线的拟合,但是高置信度的基准点的获取是十分困难的,且整个拟合过程需要耗费大量的算力。根据本发明,可以通过直方图投影法来获取关于道路边缘的检测结果,从而极大地提高车载雷达的检测精度和检测速度,且耗费的算力较少。
以下结合图3示出的根据本发明的另一示例性实施例的用于基于车载雷达检测道路边缘的方法的工作流程图详细阐述步骤S3。以下仅阐述与图1中所示的实施例的区别,而相同的步骤为了简洁起见而不再重复描述。
如图3所示,所述步骤S3可以包括步骤S31至S33。在步骤S31中,比较各个点云区间中的静态点云数据量与目标阈值的大小关系,用以评估各个点云区间中静态点云数据的置信度。考虑到道路边缘通常是连续地延伸的,当某个点云区间中的静态点云数据量过少时,可以认定该点云区间中的点云数据为干扰数据,不作为与道路边缘相关的数据进行后续处理。
如果所述点云区间中的静态点云数据量大于等于目标阈值,例如点云区间[2L,3L]和[-2L,-3L]的置信度较高,则在步骤S32中基于相应的点云区间中的静态点云数据通过随机采样一致性算法(即RANSAC算法)和卡曼滤波算法获取关于道路边缘的检测结果。随机采样一致性算法是一种非确定性算法,其仅以一定的概率产生合理的数据分析结果,该概率会随着迭代次数的增加而增加,因此通过随机采样一致性算法可以消除点云数据中的异常值对雷达检测结果的影响。
以下结合图4示出的根据本发明的另一示例性实施例的用于基于车载雷达检测道路边缘的方法的工作流程图详细阐述步骤S32。以下仅阐述与图3中所示的实施例的区别,而相同的步骤为了简洁起见而不再重复描述。
如图4所示,所述步骤S32可以包括步骤S321至S324。如果所述点云区间中的静态点云数据量大于等于预设数量阈值,则在步骤S321中,从相应的点云区间中的静态点云数据选取雷达回波强度最大的两个静态点云数据用于计算第一直线。在此,可以分别基于点云区间[2L,3L]的点云数据生成用于当前行车道的左侧道路边缘的第一直线,并基于点云区间[-2L,-3L]的点云数据生成用于当前行车道的右侧道路边缘的第一直线。
在步骤S322中,基于相应的点云区间中的其他静态点云数据至所述第一直线的距离,将所述其他静态点云数据划分成离群点和群内点。在图2所示的点云数据分布图中,假设第一直线的表达式是Ax+By+C=0,坐标为(xi,yi)的其他静态点云数据至第一直线的距离可以通过如下公式计算:
如果所计算的距离值di小于等于预设距离阈值,则对应的其他静态点云数据为群内点;如果所计算的距离值di大于预设距离阈值,则对应的其他静态点云数据为群内点。在步骤S323中,基于所述群内点通过最小二乘法拟合道路边缘的轮廓线y=kx+b,使得各个群内点至所拟合的轮廓线的距离的平方和最小。在此,可以分别基于点云区间[2L,3L]的点云数据拟合当前行车道的左侧道路边缘的轮廓线,基于点云区间[-2L,-3L]的点云数据拟合当前行车道的右侧道路边缘的轮廓线。需要说明的是,在一个点云区间内,所拟合的轮廓线均为一条直线,而在多个高置信度的点云区间的情况下,道路边缘的轮廓线由多个点云区间的点云数据拟合的多个直线段组成。
在步骤S324中,通过卡曼滤波算法对所拟合的轮廓线进行跟踪滤波,由此获取关于道路边缘的检测结果。考虑到在车载雷达的实际检测过程中可能会遇到某段道路边缘的检测结果消失的情况,其可能由于其他车辆遮挡或障碍物遮挡造成,因此可以通过卡曼滤波算法对与道路边缘相关的点云数据进行跟踪,如果当前帧未检测到道路边缘,则将使用上一帧关于道路边缘的检测结果代替,从而使得关于道路边缘的检测结果更加稳定。
如果所述点云区间中的静态点云数据量小于目标阈值,该点云区间中的静态点云数据的置信度较低,则在步骤S33中基于相应的点云区间中的静态点云数据通过卡曼滤波算法获取关于道路边缘的检测结果,而不再通过随机采样一致性算法对该点云区间中的静态点云数据进行处理。
需要说明的是,根据本发明的方法不仅可以获取关于车辆1当前所在行车道的道路边缘的检测结果,而且可以获取关于相邻车道的道路边缘的检测结果,如图5所示的根据本发明的另一实施例的点云数据分布图。通过上述的方法步骤,同样可以基于点云区间[7L,8L]的点云数据中雷达回波强度最大的两个静态点云数据生成用于相邻车道的左侧道路边缘的第一直线,并基于点云区间[7L,8L]中的其他静态点云数据至所述第一直线的距离,将所述其他静态点云数据划分成离群点和群内点,进而基于所述群内点通过最小二乘法拟合相邻车道的左侧道路边缘的轮廓线,并通过卡曼滤波算法对所拟合的轮廓线进行跟踪滤波,由此获取关于相邻车道的左侧道路边缘的检测结果。
根据本发明的实施例,基于车载雷达采集的点云数据通过直方图投影法快速且精确地拟合出道路边缘的轮廓线,而不依赖具有高置信度的特定基准点。在实际应用过程中,尤其是在车辆行驶方向的一定距离(例如100米)内可以高置信度且节省算力地拟合道路边缘的轮廓线,且所拟合的直线y=kx+b中的系数k、b与羊角曲线中的C1、C0的偏差较小。
图6示出了根据本发明的另一示例性实施例的用于基于车载雷达检测道路边缘的方法的工作流程图。以下仅阐述与图1中所示的实施例的区别,而相同的步骤为了简洁起见而不再重复描述。
所述方法还可以包括步骤S4。在步骤S4中,基于所采集的点云数据中的其他点云数据与所求取的道路边缘的轮廓线的位置关系,确定并抑制所述其他点云数据中的干扰数据。在图2所示的点云数据分布图中,将横向位置处于所获取的道路边缘的轮廓线的外侧的点云数据——即横向位置位于左侧道路边缘轮廓线的左侧的点云数据和横向位置位于右侧道路边缘轮廓线的右侧的点云数据——确定为干扰数据,并对这些干扰数据进行抑制。所述干扰数据例如包括由相邻车道的障碍物和/或车辆反射产生的镜像幻影数据。
另外,应注意到,在此描述的步骤序号并不必然代表先后顺序,而仅仅是一种附图标记,根据具体情况,顺序可以更改,只要能够实现本发明的技术目的即可。
图7示出了根据本发明的一个示例性实施例的用于基于车载雷达检测道路边缘的系统的框图。
如图7所示,系统10可以包括以下构件:
-车载雷达11,其被配置为向扫描区域发送雷达波和接收来自所述扫描区域的雷达回波,其中,所述车载雷达11尤其包括毫米波雷达;和
-控制单元12,其被配置为执行根据本发明的方法。
尽管在此详细描述了本发明的特定实施方式,但它们仅仅是为了解释的目的而给出的,而不应认为它们对本发明的范围构成限制。在不偏离本发明的核心和范围的前提下,可以提出各种替换方案和修改方案。
Claims (11)
1.一种用于基于车载雷达检测道路边缘的方法,所述方法包括:
步骤S1:从通过车载雷达(11)采集的点云数据中筛选出静态点云数据;
步骤S2:统计在各个点云区间中的静态点云数据量;和
步骤S3:基于所统计的静态点云数据量评估相应的点云区间中静态点云数据的置信度,并基于所述置信度分别处理相应的点云区间中的静态点云数据,用以获取关于道路边缘的检测结果。
2.根据权利要求1所述的方法,其中,利用所述点云数据的水平角度余弦值cosθ与所述点云数据的多普勒速度Vd除以车辆行驶速度Vh的负数的差值来筛选所述点云数据中的静态点云数据。
3.根据以上权利要求中任一项所述的方法,其中,所述步骤S3包括:
步骤S31:比较各个点云区间中的静态点云数据量与目标阈值的大小关系,用以评估各个点云区间中静态点云数据的置信度;
步骤S32:如果所述点云区间中的静态点云数据量大于等于目标阈值,则基于相应的点云区间中的静态点云数据通过随机采样一致性算法和卡曼滤波算法获取关于道路边缘的检测结果;和
步骤S33:如果所述点云区间中的静态点云数据量小于目标阈值,则基于相应的点云区间中的静态点云数据通过卡曼滤波算法获取关于道路边缘的检测结果。
4.根据以上权利要求中任一项所述的方法,其中,所述步骤S32包括:
步骤S321:如果所述点云区间中的静态点云数据量大于等于预设数量阈值,则从相应的点云区间中的静态点云数据选取雷达回波强度最大的两个静态点云数据用于计算第一直线;
步骤S322:基于相应的点云区间中的其他静态点云数据至所述第一直线的距离,将所述其他静态点云数据划分成离群点和群内点;
步骤S323:基于所述群内点通过最小二乘法拟合道路边缘的轮廓线;和
步骤S324:通过卡曼滤波算法对所拟合的轮廓线进行跟踪滤波,由此获取关于道路边缘的检测结果。
5.根据以上权利要求中任一项所述的方法,其中,所述方法还包括:
步骤S4:基于所采集的点云数据中的其他点云数据与所求取的道路边缘的轮廓线的位置关系,确定并抑制所述其他点云数据中的干扰数据。
6.根据以上权利要求中任一项所述的方法,其中,对横向位置处于所获取的道路边缘的轮廓线的外侧的干扰数据进行抑制,其中,所述干扰数据包括由相邻车道的障碍物和/或车辆反射产生的镜像幻影数据。
7.根据以上权利要求中任一项所述的方法,其中,所述道路边缘包括路边护栏、路边围墙、路边隔离带、路边障碍物和/或施工路段围栏。
8.一种用于基于车载雷达检测道路边缘的系统(10),其中,所述系统(10)包括以下构件:
车载雷达(11),其被配置为向扫描区域发送雷达波和接收来自所述扫描区域的雷达回波;和
控制单元(12),其被配置为执行根据以上权利要求中任一项所述的方法。
9.根据权利要求8所述的系统(10),其中,所述车载雷达(11)包括毫米波雷达。
10.一种车辆,所述车辆包括根据权利要求8或9所述的系统(10)。
11.一种计算机程序产品、例如计算机可读的程序载体,包含或存储有计算机程序指令,所述计算机程序指令被处理器执行时至少辅助地实现根据以上权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311729641.6A CN117724069A (zh) | 2023-12-14 | 2023-12-14 | 用于基于车载雷达检测道路边缘的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311729641.6A CN117724069A (zh) | 2023-12-14 | 2023-12-14 | 用于基于车载雷达检测道路边缘的方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117724069A true CN117724069A (zh) | 2024-03-19 |
Family
ID=90202910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311729641.6A Pending CN117724069A (zh) | 2023-12-14 | 2023-12-14 | 用于基于车载雷达检测道路边缘的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117724069A (zh) |
-
2023
- 2023-12-14 CN CN202311729641.6A patent/CN117724069A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11768286B2 (en) | Method of determining the yaw rate of a target vehicle | |
CN109212531B (zh) | 确定目标车辆取向的方法 | |
US9255988B2 (en) | Object fusion system of multiple radar imaging sensors | |
EP3879455A1 (en) | Multi-sensor data fusion method and device | |
US10127669B2 (en) | Estimating distance to an object using a sequence of images recorded by a monocular camera | |
US10585188B2 (en) | Broadside detection system and techniques for use in a vehicular radar | |
WO2018177026A1 (zh) | 确定道路边沿的装置和方法 | |
US11475678B2 (en) | Lane marker detection and lane instance recognition | |
WO2017165728A1 (en) | Low cost 3d sonar, lidar, all weather radar imaging and 3d association method for autonomous vehicle navigation | |
CN112526521B (zh) | 一种汽车毫米波防撞雷达的多目标跟踪方法 | |
Li et al. | High Resolution Radar-based Occupancy Grid Mapping and Free Space Detection. | |
DE102015105089B4 (de) | Radarvorrichtung | |
CN114063061A (zh) | 用于通过多个传感器监测车辆的方法 | |
DE10036042A1 (de) | Multisensorielle Fahrspurzuordnung | |
US20230184926A1 (en) | Radar anti-spoofing system for identifying ghost objects created by reciprocity-based sensor spoofing | |
CN115343713A (zh) | 一种车载毫米波雷达障碍物探测方法,系统,雷达和汽车 | |
CN113408504A (zh) | 基于雷达的车道线识别方法、装置、电子设备及存储介质 | |
CN116299473A (zh) | 一种基于mimo毫米波雷达的横穿目标探测方法 | |
CN117724069A (zh) | 用于基于车载雷达检测道路边缘的方法和系统 | |
CN116381632B (zh) | 雷达横滚角的自标定方法、装置及存储介质 | |
CN112313664A (zh) | 用于识别障碍物的方法和系统 | |
Karlström et al. | Target identification using low level radar measurements | |
CN117805769A (zh) | 用于消除车载雷达的干扰回波的方法和系统 | |
WO2021095269A1 (ja) | 情報生成装置、情報生成方法、及びコンピュータプログラム | |
CN117492003A (zh) | 车载雷达的控制方法、雷达及存储介质 |
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 |