CN109188382A - 一种基于毫米波雷达的目标识别方法 - Google Patents

Abstract

本发明提供基于毫米波雷达的目标识别方法，方法包括：获取待测目标的反射点，将所述反射点通过预定聚类算法得到目标聚类物；计算所述目标聚类物对应的最大正则区域的面积；将所述目标聚类物对应的最大正则区域的面积与预设目标模板的面积进行比较，判定目标类型。本发明提高了目标识别的准确性和实时性。

Description

一种基于毫米波雷达的目标识别方法

技术领域

本发明涉及雷达技术领域，尤其涉及一种基于毫米波雷达的目标识别方法。

背景技术

据统计，全球90％以上的交通事故是由于碰撞造成的，因此车辆防碰撞***应运而生，对防碰撞***的研究则是当前汽车驾驶安全领域的一个重要课题。

现有的基于雷达的防碰撞***大多是采用雷达检测RCS值的方式，而RCS值由于车辆行驶的方式不同而发生变化，导致特征不够明显区分物体类型，经常会发生误判的现象，用户使用体验不佳，而且算法复杂、实时性不佳，限制了防碰撞***的应用。

因此，现有技术有待进一步改进。

发明内容

本发明提供一种基于毫米波雷达的目标识别方法，旨在解决现有技术中的缺陷，提高目标识别的准确性和实时性。

为达到上述目的，本发明所采取的技术方案为：

本发明提供一种基于毫米波雷达的目标识别方法，包括：

步骤10、获取待测目标的反射点，将所述反射点通过预定聚类算法得到目标聚类物。

步骤20、计算所述目标聚类物对应的最大正则区域的面积。

步骤30、将所述目标聚类物对应的最大正则区域的面积与预设目标模板的面积进行比较，判定目标类型。

具体地，所述步骤20包括：

步骤201、建立雷达点云坐标系。

步骤202、确定目标的典型边缘初始轮廓点，所述典型边缘初始轮廓点包括目标轮廓左侧初始最高点、目标轮廓左侧初始最低点、目标轮廓右侧初始最高点、目标轮廓右侧初始最低点、目标轮廓左侧初始零点、是目标轮廓右侧初始零点。

步骤203、对所述典型边缘初始轮廓点进行修正得到典型边缘轮廓点以及目标聚类物对应的最大正则区域。

步骤204、计算所述目标聚类物对应的最大正则区域的面积。

具体地，所述步骤202包括：

步骤2021、计算所述点云在所述雷达点云坐标系中的坐标及方位角。

步骤2022、确定目标轮廓左侧初始零点、目标轮廓右侧初始零点。

步骤2023、确定目标轮廓左侧初始最高点、目标轮廓左侧初始最低点。

步骤2024、确定目标轮廓右侧初始最高点、目标轮廓右侧初始最低点。

具体地，所述步骤204包括：

步骤2041、获取所述目标轮廓右侧零点的雷达径向角度、所述目标轮廓右侧零点到所述雷达的距离。

步骤2042、获取所述目标轮廓左侧零点的雷达径向角度、目标轮廓左侧零点到所述雷达的距离。

步骤2043、获取所述目标轮廓右侧最高点的雷达径向角度、目标轮廓右侧最高点到所述雷达的距离。

步骤2044、获取所述目标轮廓右侧最低点的雷达径向角度、目标轮廓右侧最低点到所述雷达的距离。

步骤2045、计算所述目标聚类物对应的最大正则区域的面积。

具体地，所述所述目标聚类物对应的最大正则区域的面积根据下式确定：

其中，S表示计算目标聚类物对应的最大正则区域的面积，RB为目标轮廓右侧最高点B到雷达R的距离，RD为目标轮廓右侧最低点D到雷达R的距离，RE为目标轮廓右侧零点E到雷达R的距离，RF为目标轮廓左侧零点F到雷达R的距离，θ1为目标轮廓右侧零点E的雷达径向角度，θ2为目标轮廓左侧零点F的雷达径向角度，θ3为目标轮廓右侧最高点B的雷达径向角度，θ4为目标轮廓右侧最低点D的雷达径向角度。

具体地，所述待测目标为车辆。

本发明的有益效果在于：本发明通过获取待测目标的反射点，进而得到目标聚类物，建立雷达点云坐标系，确定目标的典型边缘初始轮廓点，并通过对典型边缘初始轮廓点进行修正得到典型边缘轮廓点，从而计算目标聚类物对应的最大正则区域，并与预设目标模板的面积进行比较，判定目标类型，提高了目标类型判断的准确性。

附图说明

图1是本发明的基于毫米波雷达的目标识别方法的流程示意图；

图2是本发明的车辆的点云的特征点示意图；

图3是本发明的点云坐标系示意图。

具体实施方式

下面结合附图具体阐明本发明的实施方式，附图仅供参考和说明使用，不构成对本发明专利保护范围的限制。

如图1所示，本发明的实施例提供一种基于毫米波雷达的目标识别方法，包括：

步骤10、获取待测目标的反射点，将所述反射点通过预定聚类算法得到目标聚类物。

雷达的发射模块发射FMCW。FMCW是Frequency Modulated Continuous Wave是缩写，意即调频连续波，是在高精度雷达测距中使用的技术。

FMCW经过待测目标反射后，由雷达的接收模块接收，获取反射点，称之为点云。所述点云包含待测目标反射点到雷达的距离以及反射点与雷达之间的角度信息。

所述点云通过预定聚类算法即可得到目标聚类物，所述聚类算法有K-均值聚类法、最近邻聚类法，在本发明中，采用最近邻聚类法。

如图2所示，待测目标为车辆。通过雷达扫描道路前方的轿车，雷达发射波经过轿车尾部反射回来若干个反射点构成点云，利用聚类算法(例如最近邻聚类法)，将点云进行聚类，得到由N个反射点组成的目标聚类物。例如，图中轿车尾部反射点A'、B'、C'、D'、E'、F'即为点云中的特征点。

步骤20、计算所述目标聚类物对应的最大正则区域的面积S。

具体步骤是：

步骤201、建立雷达点云坐标系。

由于点云只包含待测目标反射点到雷达的距离以及反射点与雷达之间的角度信息，不能直接用于计算所述目标聚类物对应的最大正则区域的尺寸面积。

如图3所示，以雷达R为原始坐标原点，雷达扫描的径向为Y轴，雷达扫描的横向为X轴，建立雷达原始坐标系，为方便建模计算，将雷达原始坐标系的X轴平移到所述目标聚类物所在的平面得到X'轴，X'轴与Y轴的交点为坐标原点O，建立所述雷达点云坐标系。

步骤202、确定目标的典型边缘初始轮廓点，所述典型边缘初始轮廓点包括目标轮廓左侧初始最高点、目标轮廓左侧初始最低点、目标轮廓右侧初始最高点、目标轮廓右侧初始最低点、目标轮廓左侧初始零点、是目标轮廓右侧初始零点。

具体步骤是：

步骤2021、计算所述点云在所述雷达点云坐标系中的坐标及方位角。

可以通过雷达测距、测角度的方法来计算所述点云在所述雷达点云坐标系中的坐标及方位角(包括垂直角度和水平角度)。此为现有技术，在此不再赘述。

步骤2022、确定目标轮廓左侧初始零点、目标轮廓右侧初始零点。

首先将所述点云中雷达垂直角度为0°的反射点筛选出来，然后进一步判断这些雷达垂直角度为0°的反射点中X轴坐标最小的点即为目标轮廓左侧初始零点(如图2中的F'点)，X轴坐标最大的点即为目标轮廓右侧初始零点(如图2中的E'点)。

步骤2023、确定目标轮廓左侧初始最高点、目标轮廓左侧初始最低点。

将到X轴坐标最小的点筛选出来，将雷达垂直角度向上的距离雷达R最大距离的点确定为目标轮廓左侧初始最高点(如图2中的A'点)，将雷达垂直角度向下距离雷达R最大距离的点确定为目标轮廓左侧初始最低点(如图2中的C'点)。

步骤2024、确定目标轮廓右侧初始最高点、目标轮廓右侧初始最低点。

将到X轴坐标最大的点筛选出来，将雷达垂直角度向上距离R最大距离的点确定为目标轮廓右侧初始最高点(如图2中的B'点)，将雷达垂直角度向下距离R最大距离的点确定为目标轮廓右侧初始最低点(如图2中的D'点)。

步骤203、对所述典型边缘初始轮廓点进行修正得到典型边缘轮廓点以及目标聚类物对应的最大正则区域。

实际车辆的尾部轮廓是不规则形状，因此以修正距离d+Δd(d为点云中Y坐标的最小值)对轿车尾部反射点A'、B'、C'、D'、E'、F'进行修正。

在本提案中，修正距离Δd＝0.2m。

对所述典型边缘初始轮廓点进行修正后的典型边缘轮廓点在雷达聚类物坐标系中的位置如图3所示，A、B、C、D、E、F分别为所述典型边缘初始轮廓点A'、B'、C'、D'、E'、F'修正后的典型边缘轮廓点，其中A是目标轮廓左侧最高点，C为目标轮廓左侧最低点，F是目标轮廓左侧零点，B是目标轮廓右侧最高点，D为目标轮廓右侧最低点，E是目标轮廓右侧零点。图中矩形ABCD即为所述目标聚类物对应的最大正则区域。

步骤204、计算所述目标聚类物对应的最大正则区域的面积。

具体步骤是：

步骤2041、获取所述目标轮廓右侧零点E的雷达径向角度θ1、所述目标轮廓右侧零点E到所述雷达R的距离RE。

步骤2042、获取所述目标轮廓左侧零点F的雷达径向角度θ2、目标轮廓左侧零点F到所述雷达R的距离RF。

步骤2043、获取所述目标轮廓右侧最高点B的雷达径向角度θ3、目标轮廓右侧最高点B到所述雷达R的距离RB。

步骤2044、获取所述目标轮廓右侧最低点D的雷达径向角度θ4、目标轮廓右侧最低点D到所述雷达R的距离RD。

步骤2045、计算所述目标聚类物对应的最大正则区域的面积。

具体计算式如下：

其中，S表示计算目标聚类物对应的最大正则区域的面积，RB为目标轮廓右侧最高点B到雷达R的距离，RD为目标轮廓右侧最低点D到雷达R的距离，RE为目标轮廓右侧零点E到雷达R的距离，RF为目标轮廓左侧零点F到雷达R的距离，θ1为目标轮廓右侧零点E的雷达径向角度，θ2为目标轮廓左侧零点F的雷达径向角度，θ3为目标轮廓右侧最高点B的雷达径向角度，θ4为目标轮廓右侧最低点D的雷达径向角度。

步骤30、将所述目标聚类物对应的最大正则区域的面积S与预设目标模板的面积进行比较，判定目标类型。

当所述目标聚类物对应的最大正则区域的面积S与预设目标模板的面积在误差范围内时，判定为预设目标。

以上所揭露的仅为本发明的较佳实施例，不能以此来限定本发明的权利保护范围，因此依本发明申请专利范围所作的等同变化，仍属本发明所涵盖的范围。

Claims (6)

1.一种基于毫米波雷达的目标识别方法，其特征在于，包括：

步骤10、获取待测目标的反射点，将所述反射点通过预定聚类算法得到目标聚类物。

步骤20、计算所述目标聚类物对应的最大正则区域的面积。

步骤30、将所述目标聚类物对应的最大正则区域的面积与预设目标模板的面积进行比较，判定目标类型。

2.根据权利要求1所述的基于毫米波雷达的目标识别方法，其特征在于，所述步骤20包括：

步骤201、建立雷达点云坐标系。

步骤202、确定目标的典型边缘初始轮廓点，所述典型边缘初始轮廓点包括目标轮廓左侧初始最高点、目标轮廓左侧初始最低点、目标轮廓右侧初始最高点、目标轮廓右侧初始最低点、目标轮廓左侧初始零点、是目标轮廓右侧初始零点。

步骤203、对所述典型边缘初始轮廓点进行修正得到典型边缘轮廓点以及目标聚类物对应的最大正则区域。

步骤204、计算所述目标聚类物对应的最大正则区域的面积。

3.根据权利要求2所述的基于毫米波雷达的目标识别方法，其特征在于，所述步骤202包括：

步骤2021、计算所述点云在所述雷达点云坐标系中的坐标及方位角。

步骤2022、确定目标轮廓左侧初始零点、目标轮廓右侧初始零点。

步骤2023、确定目标轮廓左侧初始最高点、目标轮廓左侧初始最低点。

步骤2024、确定目标轮廓右侧初始最高点、目标轮廓右侧初始最低点。

4.根据权利要求2所述的基于毫米波雷达的目标识别方法，其特征在于，所述步骤204包括：

步骤2041、获取所述目标轮廓右侧零点的雷达径向角度、所述目标轮廓右侧零点到所述雷达的距离。

步骤2042、获取所述目标轮廓左侧零点的雷达径向角度、目标轮廓左侧零点到所述雷达的距离。

步骤2043、获取所述目标轮廓右侧最高点的雷达径向角度、目标轮廓右侧最高点到所述雷达的距离。

步骤2044、获取所述目标轮廓右侧最低点的雷达径向角度、目标轮廓右侧最低点到所述雷达的距离。

步骤2045、计算所述目标聚类物对应的最大正则区域的面积。

5.根据权利要求4所述的基于毫米波雷达的目标识别方法，其特征在于，所述所述目标聚类物对应的最大正则区域的面积根据下式确定：

其中，S表示计算目标聚类物对应的最大正则区域的面积，RB为目标轮廓右侧最高点B到雷达R的距离，RD为目标轮廓右侧最低点D到雷达R的距离，RE为目标轮廓右侧零点E到雷达R的距离，RF为目标轮廓左侧零点F到雷达R的距离，θ1为目标轮廓右侧零点E的雷达径向角度，θ2为目标轮廓左侧零点F的雷达径向角度，θ3为目标轮廓右侧最高点B的雷达径向角度，θ4为目标轮廓右侧最低点D的雷达径向角度。

6.根据权利要求1～5任一项所述的基于毫米波雷达的目标识别方法，其特征在于，所述待测目标为车辆。