CN117907939A - 一种基于车速的雷达遮挡状态自适应识别方法 - Google Patents

Abstract

本发明提供了一种基于车速的雷达遮挡状态自适应识别方法，包括：S1、获取车载雷达经装车运行后的初始数据，并对初始数据进行预处理，得到实时的单帧雷达回波的二维频域矩阵数据和自车车速；S2、对单帧雷达回波二维频域矩阵数据进行CFAR检测，计算当前帧数据中的过检目标点，并记录过检目标点的能量值分布，同时对累积帧数和自车车速帧数进行分别计数；S3、当累积帧数满足设定阈值，则进行多帧数据的联合判决，输出判决结果。考虑到车载雷达设于车上时的自车车速，采用多帧联合判决，记录了车载雷达由静止到运动或由运动到静止的变化，提高了遮挡判别的稳定性。同时根据记录多帧内雷达装载车运动状态设定自适应阈值，提高雷达遮挡检测算法的鲁棒性。

Description

一种基于车速的雷达遮挡状态自适应识别方法

技术领域

本发明涉及雷达信号处理的技术领域，具体涉及一种基于车速的雷达遮挡状态自适应识别方法。

背景技术

全球智能驾驶行业的兴起，推动了各种车载传感器的研究与生产。毫米波雷达由于全天时、全天候的优点，成为了高级驾驶辅助系统(ADAS)重要的传感器之一。常见的车载毫米波雷达可用于开门安全预警(DOW)、盲点检测(BSD)、变道辅助(LCA)等场景。然而，车载毫米波雷达经装车使用后，长期暴露在复杂大气环境中，其雷达表面易被溅起的泥土覆盖，或在雨雪天气下沉积霜雪。雷达表面的覆盖物累积到一定程度就会导致雷达探测失效，主要表现在真实目标丢失，同时出现一些虚假目标，从而引起车载系统误报警，严重的则危害使用者的生命财产安全。

基于此，现有技术一主要基于遮挡前后所检测到的目标数设定阈值，该种方法计算量小且实现简单，但其普适性差，于车载雷达实际应用场景中受限。因为在不同道路环境和车速下，雷达检测的目标数差别较大，此时遮挡状态检测易出现误检。

现有技术二主要是基于雷达回波信号二维频谱，统计其距离单元从小到大的幅度值变化规律，从而设定阈值进行遮挡判别。该方法忽略了实际道路环境的影响，即自车运行过程中的抖动、路况环境、周围强目标等干扰因素都会导致幅度值变化不一，统计特征效果较差，仍然很难在实际应用中取得较高的检测率

因此，目前的车载雷达的遮挡检测存在对实际道路环境的影响考虑较少，检测准确率不足的问题。

发明内容

针对现有技术中所存在的不足，本发明提供了基于车速的雷达遮挡状态自适应识别方法，以解决现有技术中车载雷达的遮挡检测存在对实际道路环境的影响考虑较少，检测准确率不足的技术问题。

本发明提供了一种基于车速的雷达遮挡状态自适应识别方法，包括：

S1、获取车载雷达经装车运行后的初始数据，并对所述初始数据进行预处理，得到实时的单帧雷达回波的二维频域矩阵数据和自车车速；

S2、对所述单帧雷达回波二维频域矩阵数据进行CFAR检测，计算当前帧数据中的过检目标点，并记录过检目标点的能量值分布，同时对累积帧数和自车车速帧数进行分别计数；

S3、当累积帧数满足设定阈值，则进行多帧数据的联合判决，输出判决结果。

可选地，所述初始数据，包括：

所述初始数据包括所述车载雷达中不同天线通道的时域回波信号。

可选地，所述预处理，包括：

对所述回波信号进行加窗处理、距离和速度二维傅里叶变换，将不同天线通道间FFT幅度非相干累加，得到所述二维频域矩阵。

可选地，所述计算当前帧数据中的过检目标点，包括：

根据所述目标过检点的能量分布经验值，划分所述目标过检点的能量最小值P_min和能量最大值P_max，并分段统计当前帧数据中过检目标点的能量值分布，将[P_min,P_max]划分为K个区间，表达式为：

其中，区间k的上下限范围为 K个区间所占的目标数用N_Q,k表示，初始值均为0。

可选地，所述同时对累积帧数和自车车速帧数进行分别计数，包括：

累加每帧过检目标点个数，若过检目标点的能量值在区间Q_k，则N_Q,k计数加1，表达式为：

N_Q,k＝N_Q,k+1 (2)

累加每帧过检目标点个数在设定的M帧联合判决内，每帧的过检目标点总数用T_m，m＝1,2,…,M表示，当累积帧数等于M帧时，此时多帧总目标个数T_total表达式为：

T_total＝T₁+T₂+…+T_M (3)。

可选地，所述同时对累积帧数和自车车速帧数进行分别计数，还包括：

所述的自车车速的帧数统计和判断，包括在设定的M帧联合判决内，记录当前已累积帧数m_total，初始值为0，当新的单帧数据到来则m_total加1，表达式为：

m_total＝m_total+1，m_total≤M (4)

并判断自车车速V_cur与车速判断阈值V_Th，记录当前帧的自车车速V_cur小于车速判断阈值V_Th的帧数m_v，初始值为0，表达式为：

m_v＝m_v+1，m_v≤M (5)。

可选地，所述当累积帧数满足设定阈值，则进行多帧数据的联合判决，包括：

当M帧累计获得能量值K个区间各自的目标数，结合式2得K个区间能量值统计表达式为：

N_Q＝[N_Q,1,N_Q,2,…,N_Q,k,…,N_Q,K] 1≤k≤K (6)

并将各区间的目标数N_Q,k与多帧总目标个数T_total的比例表示各能量值区间所占目标比例R_Q,k，表达式为：

R_Q,k＝N_Q,k/T_total (7)

根据式7,K个区间能量值比例统计表达式如下：

R_Q＝[R_Q,1,R_Q,2,…,R_Q,k,…,R_Q,K] 1≤k≤K (8)

所述R_Q为1×K的一维数组，并对所述一维数组R_Q排序，取前X个最大值，组成新的1×X大小的数组R′_Q，其表达式为：

R′_Q＝[R_Q,1,R_Q,2,…,R_Q,x,…,R_Q,X] 1≤x≤X (9)

对新的所述数组R′_Q做方差，得到表达式为：

式10中的为新的所述数组R′_Q的平均数，表达式为：

可选地所述则进行多帧数据的联合判决，还包括：

基于自车车速V_cur小于车速判断阈值V_Th的前提下，统计车载雷达未遮挡情况下的M帧目标能量值区间方差，记为统计车载雷达遮挡情况下的M帧目标能量值区间方差，记为/>则设定方差阈值为Var_Th1,其表达式为：

基于自车车速V_cur大于车速判断阈值V_Th的前提下，统计车载雷达未遮挡情况下的M帧目标能量值区间方差，记为统计车载雷达遮挡情况下的M帧目标能量值区间方差，记为/>则设定方差阈值为Var_Th2,其表达式为：

若M帧判决范围内，自车车速V_cur小于V_Th和大于V_Th均存在的情况下，则设定自适应方差阈值Var_Th3,其表达式为：

Var_Th3＝Var_Th1*(1+(M-m_v)/M*η) (14)

式14中，Var_Th1为自车车速V_cur小于V_Th所对应的方差阈值，m_v为M帧内雷达装载车速V_cur小于V_Th所占帧数，η为设定的可变系数，其值范围为[0,1]。

可选地，所述输出判决结果，包括：

在M帧统计结果中，若V_cur<V_Th的累计帧数m_v＝0，则表明M帧自车车速均大于设定的车速阈值，方差阈值选择Var_Th2，并将M帧实时计算的真实方差值Var_cur与Var_Th2比较，若Var_cur>Var_Th2，则判定车载雷达遮挡，若Var_cur<Var_Th2,，则判定车载雷达未遮挡；

若V_cur<V_Th的累计帧数m_v＝M，则表明M帧自车车速均小于设定的车速阈值，方差阈值选择Var_Th1，并将M帧实时计算的真实方差值Var_cur与Var_Th1比较，若Var_cur>Var_Th1，则判定车载雷达遮挡，若Var_cur<Var_Th1，则判定车载雷达未遮挡；

若V_cur<V_Th的累计帧数0<m_v<M，则表明M帧自车车速V_cur小于V_Th和大于V_Th的情况均存在，方差阈值根据式14实时计算得到自适应阈值Var_Th3，并将M帧实时计算的真实方差值Var_cur与Var_Th3比较，若Var_cur>Var_Th3，则判定车载雷达遮挡，若Var_cur<Var_Th3，则判定车载雷达未遮挡。

相比于现有技术，本发明具有如下有益效果：

考虑到车载雷达设于车上时的自车车速，采用多帧联合判决，记录了车载雷达由静止到运动或由运动到静止的变化，提高了遮挡判别的稳定性。同时根据记录多帧内雷达装载车运动状态设定自适应阈值，提高雷达遮挡检测算法的鲁棒性。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

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简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的流程示意图；

图2为本发明中算法框架的示意图；

图3为本发明中多帧联合判决流程示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。本发明实例中相同标号的功能单元具有相同和相似的结构和功能。

参见图1，本发明提供了一种基于车速的雷达遮挡状态自适应识别方法，包括：

S1、获取车载雷达经装车运行后的初始数据，并对所述初始数据进行预处理，得到实时的单帧雷达回波的二维频域矩阵数据和自车车速；

S2、对所述单帧雷达回波二维频域矩阵数据进行CFAR检测，计算当前帧数据中的过检目标点，并记录过检目标点的能量值分布，同时对累积帧数和自车车速帧数进行分别计数；

S3、当累积帧数满足设定阈值，则进行多帧数据的联合判决，输出判决结果。

参见图1和图2，本实施例中，S1、获取车载雷达经装车运行后的初始数据，并对所述初始数据进行预处理，得到实时的单帧雷达回波的二维频域矩阵数据和自车车速。

首先，车载雷达经装车运行后获得的初始数据包括雷达多个天线通道时域回波信号的加窗处理、距离和速度二维傅里叶变换，各通道间FFT幅度非相干累加，最终得到一个二维频域矩阵。同时读取当前帧自车的CAN信息，获得自车车速。

S2、对所述单帧雷达回波二维频域矩阵数据进行CFAR检测，计算当前帧数据中的过检目标点，并记录过检目标点的能量值分布，同时对累积帧数和自车车速帧数进行分别计数。

参见图2和图3，采用CFAR检测单帧雷达回波二维频域矩阵数据，判断其距离和速度单元内有无目标点存在，获取目标的距离、速度和能量值等信息。

所述当前帧数数据中的过检目标点包括分段统计目标能量值分布，以及累加每帧过检目标点个数，根据所述目标过检点的能量分布经验值，划分所述目标过检点的能量最小值P_min和能量最大值P_max，并分段统计当前帧数据中过检目标点的能量值分布，分段统计目标能量值分布是根据实际所选雷达回波强度，将[P_min,P_max]划分为K个区间，表达式为：

其中，区间为1的上下限范围为依此类推，区间k的上下限范围为/> K个区间所占的目标数用N_Q,k表示，初始值均为0。

若过检目标点的能量值在区间Q_k，则N_Q,k计数加1，表达式为：

N_Q,k＝N_Q,k+1 (2)

累加每帧过检目标点个数是指在设定的M帧联合判决内，每帧的过检目标点总数用T_m，m＝1,2,…,M表示。当累积帧数等于M帧，此时多帧总目标个数T_total表达式为：

T_total＝T₁+T₂+…+T_M (3)

所述的自车车速判断及帧数统计，是指在设定的M帧联合判决内，记录当前已累积帧数m_total，初始值为0，当新的单帧数据到来则m_total加1，表达式为：

m_total＝m_total+1，m_total≤M (4)

进一步地，本实例以车速2m/s为车速判断阈值V_Th，记录当前帧车速V_cur小于V_Th的帧数m_v，初始值为0，在设定的M帧联合判决内，若本帧车速满足V_cur<V_Th，则m_v加1，表达式为：

m_v＝m_v+1，m_v≤M (5)

此外，本实例不限制车速范围更详细的划分。

S3、当累积帧数满足设定阈值，则进行多帧数据的联合判决，输出判决结果。

所述的多帧联合判决是对多帧统计结果进行判断，输出雷达遮挡情况，多帧联合判决基于单帧数据处理结果进行累计，当累计帧数等于设定的帧数阈值M时则进行判断。此时，M帧累计获得能量值K个区间各自的目标数，结合式(2)得K个区间能量值统计表达式如下：

N_Q＝[N_Q,1,N_Q,2,…,N_Q,k,…,N_Q,K] 1≤k≤K (6)

并将各区间的目标数N_Q,k与多帧总目标个数T_total的比例表示各能量值区间所占目标比例R_Q,k，表达式为：

R_Q,k＝N_Q,k/T_total (7)

根据式7,K个区间能量值比例统计表达式如下：

R_Q＝[R_Q,1,R_Q,2,…,R_Q,k,…,R_Q,K] 1≤k≤K (8)

式(8)中的R_Q为1×K的一维数组，由于雷达被遮挡后，其目标能量值所占区间变小，即N_Q,k＝0的情况增多，同时多个R_Q,k值间的差值变大。因此，并对所述一维数组R_Q排序，取前X个最大值，组成新的1×X大小的数组R′_Q，其表达式为：

R′_Q＝[R_Q,1,R_Q,2,…,R_Q,x,…,R_Q,X] 1≤x≤X (9)

对新的所述数组R′_Q做方差，得到表达式为：

式10中的为新的所述数组R′_Q的平均数，表达式为：

上述的计算方差也可换为计算标准差等相关数学特征值。

基于自车车速V_cur小于车速判断阈值V_Th的前提下，统计车载雷达未遮挡情况下的M帧目标能量值区间方差，记为统计车载雷达遮挡情况下的M帧目标能量值区间方差，记为/>则设定方差阈值为Var_Th1,其表达式为：

基于自车车速V_cur大于车速判断阈值V_Th的前提下，统计车载雷达未遮挡情况下的M帧目标能量值区间方差，记为统计车载雷达遮挡情况下的M帧目标能量值区间方差，记为/>则设定方差阈值为Var_Th2,其表达式为：

若M帧判决范围内，自车车速V_cur小于V_Th和大于V_Th均存在的情况下，则设定自适应方差阈值Var_Th3,其表达式为：

Var_Th3＝Var_Th1*(1+(M-m_v)/M*η) (14)

式14中，Var_Th1为自车车速V_cur小于V_Th所对应的方差阈值，m_v为M帧内雷达装载车速V_cur小于V_Th所占帧数，η为设定的可变系数，其值范围为[0,1]。

参见图3，最后，根据预设置的方差阈值Var_Th1、Var_Th2和自适应阈值Var_Th3作联合判决：

在M帧统计结果中，若V_cur<V_Th的累计帧数m_v＝0，则表明M帧自车车速均大于设定的车速阈值，方差阈值选择Var_Th2，并将M帧实时计算的真实方差值Var_cur与Var_Th2比较，若Var_cur>Var_Th2，则判定车载雷达遮挡，若Var_cur<Var_Th2,，则判定车载雷达未遮挡；

若V_cur<V_Th的累计帧数m_v＝M，则表明M帧自车车速均小于设定的车速阈值，方差阈值选择Var_Th1，并将M帧实时计算的真实方差值Var_cur与Var_Th1比较，若Var_cur>Var_Th1，则判定车载雷达遮挡，若Var_cur<Var_Th1，则判定车载雷达未遮挡；

若V_cur<V_Th的累计帧数0<m_v<M，则表明M帧自车车速V_cur小于V_Th和大于V_Th的情况均存在，方差阈值根据式14实时计算得到自适应阈值Var_Th3，并将M帧实时计算的真实方差值Var_cur与Var_Th3比较，若Var_cur>Var_Th3，则判定车载雷达遮挡，若Var_cur<Var_Th3，则判定车载雷达未遮挡。

在本发明中，考虑到雷达装载车在静止和低速运行条件下，雷达对周围静止目标的感知大大降低，因此区分了雷达装载车速，根据不同车速设定不同的判决条件，提高了判别的准确性；还基于多帧内的雷达装载车运动状态设定自适应阈值，提高雷达遮挡检测算法的鲁棒性，其中速度的划分并不局限于本实例。

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。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种基于车速的雷达遮挡状态自适应识别方法，其特征在于，包括：

S1、获取车载雷达经装车运行后的初始数据，并对所述初始数据进行预处理，得到实时的单帧雷达回波的二维频域矩阵数据和自车车速；

S2、对所述单帧雷达回波二维频域矩阵数据进行CFAR检测，计算当前帧数据中的过检目标点，并记录过检目标点的能量值分布，同时对累积帧数和自车车速帧数进行分别计数；

S3、当累积帧数满足设定阈值，则进行多帧数据的联合判决，输出判决结果。

2.如权利要求1所述的基于车速的雷达遮挡状态自适应识别方法，其特征在于，所述初始数据，包括：

所述初始数据包括所述车载雷达中不同天线通道的时域回波信号。

3.如权利要求2所述的基于车速的雷达遮挡状态自适应识别方法，其特征在于，所述预处理，包括：

对所述回波信号进行加窗处理、距离和速度二维傅里叶变换，将不同天线通道间FFT幅度非相干累加，得到所述二维频域矩阵。

4.如权利要求3所述的基于车速的雷达遮挡状态自适应识别方法，其特征在于，所述计算当前帧数据中的过检目标点，包括：

根据所述目标过检点的能量分布经验值，划分所述目标过检点的能量最小值P_min和能量最大值P_max，并分段统计当前帧数据中过检目标点的能量值分布，将[P_min,P_max]划分为K个区间，表达式为：

其中，区间k的上下限范围为 K个区间所占的目标数用N_Q,k表示，初始值均为0。

5.如权利要求4所述的基于车速的雷达遮挡状态自适应识别方法，其特征在于，所述同时对累积帧数和自车车速帧数进行分别计数，包括：

累加每帧过检目标点个数，若过检目标点的能量值在区间Q_k，则N_Q,k计数加1，表达式为：

N_Q,k＝N_Q,k+1 (2)

累加每帧过检目标点个数在设定的M帧联合判决内，每帧的过检目标点总数用T_m，m＝1,2,…,M表示，当累积帧数等于M帧时，此时多帧总目标个数T_total表达式为：

T_total＝T₁+T₂+…+T_M (3)。

6.如权利要求5所述的基于车速的雷达遮挡状态自适应识别方法，其特征在于，所述同时对累积帧数和自车车速帧数进行分别计数，还包括：

所述的自车车速的帧数统计和判断，包括在设定的M帧联合判决内，记录当前已累积帧数m_total，初始值为0，当新的单帧数据到来则m_total加1，表达式为：

m_total＝m_total+1，m_total≤M (4)

并判断自车车速V_cur与车速判断阈值V_Th，记录当前帧的自车车速V_cur小于车速判断阈值V_Th的帧数m_v，初始值为0，表达式为：

m_v＝m_v+1，m_v≤M (5)。

7.如权利要求6所述的基于车速的雷达遮挡状态自适应识别方法，其特征在于，所述当累积帧数满足设定阈值，则进行多帧数据的联合判决，包括：

当M帧累计获得能量值K个区间各自的目标数，结合式2得K个区间能量值统计表达式为：

N_Q＝[N_Q,1,N_Q,2,…,N_Q,k,…,N_Q,K]1≤k≤K (6)

并将各区间的目标数N_Q,k与多帧总目标个数T_total的比例表示各能量值区间所占目标比例R_Q,k，表达式为：

R_Q,k＝N_Q,k/T_total (7)

根据式7,K个区间能量值比例统计表达式如下：

R_Q＝[R_Q,1,R_Q,2,…,R_Q,k,…,R_Q,K]1≤k≤K (8)

所述R_Q为1×K的一维数组，并对所述一维数组R_Q排序，取前X个最大值，组成新的1×X大小的数组R′_Q，其表达式为：

R′_Q＝[R_Q,1,R_Q,2,…,R_Q,x,…,R_Q,X]1≤x≤X (9)

对新的所述数组R′_Q做方差，得到表达式为：

式10中的Mean_R′为新的所述数组R′_Q的平均数，表达式为：

8.如权利要求7所述的基于车速的雷达遮挡状态自适应识别方法，其特征在于，所述则进行多帧数据的联合判决，还包括：

基于自车车速V_cur小于车速判断阈值V_Th的前提下，统计车载雷达未遮挡情况下的M帧目标能量值区间方差，记为统计车载雷达遮挡情况下的M帧目标能量值区间方差，记为/>则设定方差阈值为Var_Th1,其表达式为：

基于自车车速V_cur大于车速判断阈值V_Th的前提下，统计车载雷达未遮挡情况下的M帧目标能量值区间方差，记为统计车载雷达遮挡情况下的M帧目标能量值区间方差，记为/>则设定方差阈值为Var_Th2,其表达式为：

若M帧判决范围内，自车车速V_cur小于V_Th和大于V_Th均存在的情况下，则设定自适应方差阈值Var_Th3,其表达式为：

Var_Th3＝Var_Th1*(1+(M-m_v)/M*η) (14)

式14中，Var_Th1为自车车速V_cur小于V_Th所对应的方差阈值，m_v为M帧内雷达装载车速V_cur小于V_Th所占帧数，η为设定的可变系数，其值范围为[0,1]。

9.如权利要求8所述的基于车速的雷达遮挡状态自适应识别方法，其特征在于，所述输出判决结果，包括：

在M帧统计结果中，若V_cur<V_Th的累计帧数m_v＝0，则表明M帧自车车速均大于设定的车速阈值，方差阈值选择Var_Th2，并将M帧实时计算的真实方差值Var_cur与Var_Th2比较，若Var_cur>Var_Th2，则判定车载雷达遮挡，若Var_cur<Var_Th2,，则判定车载雷达未遮挡；

若V_cur<V_Th的累计帧数m_v＝M，则表明M帧自车车速均小于设定的车速阈值，方差阈值选择Var_Th1，并将M帧实时计算的真实方差值Var_cur与Var_Th1比较，若Var_cur>Var_Th1，则判定车载雷达遮挡，若Var_cur<Var_Th1，则判定车载雷达未遮挡；

若V_cur<V_Th的累计帧数0<m_v<M，则表明M帧自车车速V_cur小于V_Th和大于V_Th的情况均存在，方差阈值根据式14实时计算得到自适应阈值Var_Th3，并将M帧实时计算的真实方差值Var_cur与Var_Th3比较，若Var_cur>Var_Th3，则判定车载雷达遮挡，若Var_cur<Var_Th3，则判定车载雷达未遮挡。