CN109613509B - 一种车载雷达散射点的聚类方法及装置 - Google Patents
一种车载雷达散射点的聚类方法及装置 Download PDFInfo
- Publication number
- CN109613509B CN109613509B CN201811644628.XA CN201811644628A CN109613509B CN 109613509 B CN109613509 B CN 109613509B CN 201811644628 A CN201811644628 A CN 201811644628A CN 109613509 B CN109613509 B CN 109613509B
- Authority
- CN
- China
- Prior art keywords
- scattering point
- threshold
- target
- clustering
- distance
- 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 35
- 238000005259 measurement Methods 0.000 claims abstract description 145
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000006116 polymerization reaction Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 14
- 230000014509 gene expression Effects 0.000 description 14
- 238000001514 detection method Methods 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 101100289792 Squirrel monkey polyomavirus large T gene Proteins 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Electromagnetism (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种车载雷达散射点的聚类方法及装置,获取基准散射点的测量参数和待判别散射点的测量参数;根据所获取的测量参数和预设参数门限对应关系,确定各聚类判别门限的门限值,各聚类判别门限至少包括欧式距离门限TD和多普勒速度差门限TV;根据所获取的测量参数和各聚类判别门限的门限值,对基准散射点和待判别散射点进行聚类判别,得到聚类结果。本发明能够根据获取的两个散射点测量参数计算得到最适合两个散射点的各聚类判别门限的门限值,再根据所获取的测量参数和各聚类判别门限的门限值进行聚类判别,得到的更加精确的聚类判别结果。
Description
技术领域
本发明涉及数据处理领域,具体为一种车载雷达散射点的聚类方法及装置。
背景技术
车载雷达由于其对探测目标较好的测速能力和对雨雾较好的穿透能力,成为智能驾驶领域目标探测方向上不可替代的传感器选择。其中,车载雷达在目标探测工作时,需要为观测区域内的所有被检测散射点设定聚类判别门限进行聚类判别,即两个散射点在满足何种条件时才认为其属于同一目标。
目前的车载雷达散射点聚类方法通常以两个散射点的欧式距离和多普勒速度差作为聚类判别门限,即当两个散射点的欧式距离小于欧式距离门限,且多普勒速度差小于多普勒速度差门限时,则认为两个散射点通过了聚类判别,即两个散射点属于同一目标。
现有的聚类方法中,欧式距离门限和多普勒速度差门限都是固定的门限值,但车载雷达观测区域内散射点确包含多种情况,并不是所有散射点都适合用所述固定的门限值进行聚类判别的,这就导致最终得到聚类判别结果不准确。
发明内容
本发明提供了一种车载雷达散射点的聚类方法及装置,可以解决现有技术中由于采用固定门限值的欧式距离门限和多普勒速度差门限进行聚类判别,导致聚类判别结果不准确的问题。
为达到上述目的,本发明提供了如下技术方案:
一种车载雷达散射点的聚类方法,包括:
获取基准散射点的测量参数和待判别散射点的测量参数;
根据所述基准散射点的测量参数、所述待判别散射点的测量参数和预设参数门限对应关系,确定各聚类判别门限的门限值,所述预设参数门限对应关系包括每个聚类判别门限在划分的各扩展区域下的门限值,所述各聚类判别门限至少包括欧式距离门限TD和多普勒速度差门限TV;
根据所述基准散射点的测量参数、所述待判别散射点的测量参数和所述各聚类判别门限的门限值,对所述基准散射点和所述待判别散射点进行聚类判别,得到聚类结果。
可选的,所述根据所述基准散射点的测量参数、所述待判别散射点的测量参数和预设参数门限对应关系,确定各聚类判别门限的门限值,包括:
根据所述基准散射点的测量参数和预设目标类型判别条件确定所述基准散射点的目标类型;
若确定出所述基准散射点的目标类型为近距目标,将预设近距目标距离门限值作为所述欧式距离门限TD的门限值;若确定出所述基准散射点的目标类型为远距目标,将预设远距目标距离门限值作为所述欧式距离门限TD的门限值;
根据所述基准散射点的测量参数和所述待判别散射点的测量参数计算除所述欧式距离门限TD之外的聚类判别门限的门限值。
可选的,在所述基准散射点的目标类型为近距目标时,所述各聚类判别门限还包括纵向距离门限Ty、斜距门限TR和方位角门限Tθ;在所述基准散射点的目标类型为远距目标时,所述各聚类判别门限还包括:纵向距离门限Ty、斜距门限TR、方位角门限Tθ和相对速度角门限Ts。
可选的,所述预设近距目标距离门限值包括第一近距目标距离门限值TD1和第二近距目标距离门限值TD2,所述第一近距目标距离门限值TD1小于所述第二近距目标距离门限值TD2;所述预设远距目标距离门限值为TD3;所述根据所述基准散射点的测量参数、所述待判别散射点的测量参数和所述各聚类判别门限的门限值,对所述基准散射点和所述待判别散射点进行聚类判别,得到聚类结果,包括:
在所述基准散射点的目标类型为近距目标时,若所述基准散射点的测量参数和所述待判别散射点的测量参数满足第一聚类条件和第二聚类条件,则判定所述基准散射点和所述待判别散射点属于同一目标,否则,判定所述基准散射点和所述待判别散射点不属于同一目标;
在所述基准散射点的目标类型为远距目标时,若所述基准散射点的测量参数和所述待判别散射点的测量参数满足所述第一聚类条件、所述第三聚类条件、所述第四聚类条件和所述第五聚类条件,则判定所述基准散射点和所述待判别散射点属于同一目标,否则,判定所述基准散射点和所述待判别散射点不属于同一目标;
其中,所述第一聚类条件为:
|y1-y2|≤Ty(x1,y1)
所述第二聚类条件包括:
|R1-R2|<TR(x1,y1)&|θ1-θ2|<Tθ(x1,y1)
所述第三聚类条件为:
|R1-R2|<TR(x1,y1)&|θ1-θ2|<Tθ(x1,y1)
&|VD1-VD2|<TV(x1,y1)
所述第四聚类条件为:
所述第五聚类条件为:
y1为所述基准散射点的纵坐标,y2为所述待判别散射点的纵坐标,x1为所述基准散射点的横坐标,x2为所述待判别散射点的横坐标,VD1为所述基准散射点的多普勒速度,VD2为所述待判别散射点的多普勒速度,R1为所述基准散射点的斜距,R2为所述待判别散射点的斜距,θ1为所述基准散射点的方位角,θ2为所述待判别散射点的方位角,η为去量纲系数,Ty(x1,y1)为计算得到的纵向距离门限Ty的门限值,TR(x1,y1)为计算得到的斜距门限TR的门限值,Tθ(x1,y1)为计算得到的方位角门限Tθ的门限值,TV(x1,y1)为计算得到的多普勒速度差门限TV的门限值,TS(θ1,θ2)为计算得到的相对速度角门限Ts的门限值。
可选的,所述根据所述基准散射点的测量参数、所述待判别散射点的测量参数和所述各聚类判别门限的门限值,对所述基准散射点和所述待判别散射点进行聚类判别,得到聚类结果,还包括:
在所述基准散射点的目标类型为远距目标且所述待判别散射点的方位角小于预设角度时,或者所述基准散射点的目标类型为远距目标且所述基准散射点的方位角小于所述预设角度时,若所述基准散射点的测量参数和所述待判别散射点的测量参数满足所述第一聚类条件、所述第三聚类条件和所述第五聚类条件,则判定所述基准散射点和所述待判别散射点属于同一目标,否则,判定所述基准散射点和所述待判别散射点不属于同一目标,所述预设角度根据方位角测量误差确定。
一种车载雷达散射点的聚类装置,包括:
获取单元,用于获取基准散射点的测量参数和待判别散射点的测量参数;
确定单元,用于根据所述基准散射点的测量参数、所述待判别散射点的测量参数和预设参数门限对应关系,确定各聚类判别门限的门限值,所述预设参数门限对应关系包括每个聚类判别门限在划分的各扩展区域下的门限值,所述各聚类判别门限至少包括欧式距离门限TD和多普勒速度差门限TV;
判别单元,用于根据所述基准散射点的测量参数、所述待判别散射点的测量参数和所述各聚类判别门限的门限值,对所述基准散射点和所述待判别散射点进行聚类判别,得到聚类结果。
可选的,所述确定单元,包括:
第一确定子单元,用于根据所述基准散射点的测量参数和预设目标类型判别条件确定所述基准散射点的目标类型;
第二确定子单元,用于若确定出所述基准散射点的目标类型为近距目标,将预设近距目标距离门限值作为所述欧式距离门限TD的门限值;若确定出所述基准散射点的目标类型为远距目标,将预设远距目标距离门限值作为所述欧式距离门限TD的门限值;
计算子单元,用于根据所述基准散射点的测量参数和所述待判别散射点的测量参数计算除所述欧式距离门限TD之外的聚类判别门限的门限值。
可选的,在所述基准散射点的目标类型为近距目标时,所述各聚类判别门限还包括纵向距离门限Ty、斜距门限TR和方位角门限Tθ;在所述基准散射点的目标类型为远距目标时,所述各聚类判别门限还包括:纵向距离门限Ty、斜距门限TR、方位角门限Tθ和相对速度角门限Ts。
可选的,所述预设近距目标距离门限值包括第一近距目标距离门限值TD1和第二近距目标距离门限值TD2,所述第一近距目标距离门限值TD1小于所述第二近距目标距离门限值TD2;所述预设远距目标距离门限值为TD3;所述判别单元,包括:
第一判别子单元,用于在所述基准散射点的目标类型为近距目标时,若所述基准散射点的测量参数和所述待判别散射点的测量参数满足第一聚类条件和第二聚类条件,则判定所述基准散射点和所述待判别散射点属于同一目标,否则,判定所述基准散射点和所述待判别散射点不属于同一目标;
第二判别子单元,用于在所述基准散射点的目标类型为远距目标时,若所述基准散射点的测量参数和所述待判别散射点的测量参数满足所述第一聚类条件、所述第三聚类条件、所述第四聚类条件和所述第五聚类条件,则判定所述基准散射点和所述待判别散射点属于同一目标,否则,判定所述基准散射点和所述待判别散射点不属于同一目标;
其中,所述第一聚类条件为:
|y1-y2|≤Ty(x1,y1)
所述第二聚类条件包括:
|R1-R2|<TR(x1,y1)&|θ1-θ2|<Tθ(x1,y1)
所述第三聚类条件为:
|R1-R2|<TR(x1,y1)&|θ1-θ2|<Tθ(x1,y1)
&|VD1-VD2|<TV(x1,y1)
所述第四聚类条件为:
所述第五聚类条件为:
y1为所述基准散射点的纵坐标,y2为所述待判别散射点的纵坐标,x1为所述基准散射点的横坐标,x2为所述待判别散射点的横坐标,VD1为所述基准散射点的多普勒速度,VD2为所述待判别散射点的多普勒速度,R1为所述基准散射点的斜距,R2为所述待判别散射点的斜距,θ1为所述基准散射点的方位角,θ2为所述待判别散射点的方位角,η为去量纲系数,Ty(x1,y1)为计算得到的纵向距离门限Ty的门限值,TR(x1,y1)为计算得到的斜距门限TR的门限值,Tθ(x1,y1)为计算得到的方位角门限Tθ的门限值,TV(x1,y1)为计算得到的多普勒速度差门限TV的门限值,TS(θ1,θ2)为计算得到的相对速度角门限Ts的门限值。
可选的,所述判别单元,还包括:
第三判别子单元,用于在所述基准散射点的目标类型为远距目标且所述待判别散射点的方位角小于预设角度时,或者所述基准散射点的目标类型为远距目标且所述基准散射点的方位角小于所述预设角度时,若所述基准散射点的测量参数和所述待判别散射点的测量参数满足所述第一聚类条件、所述第三聚类条件和所述第五聚类条件,则判定所述基准散射点和所述待判别散射点属于同一目标,否则,判定所述基准散射点和所述待判别散射点不属于同一目标,所述预设角度根据方位角测量误差确定。
经由上述技术方案可知,本发明公开了一种车载雷达散射点的聚类方法及装置,获取基准散射点的测量参数和待判别散射点的测量参数;根据所获取的测量参数和预设参数门限对应关系,确定各聚类判别门限的门限值,各聚类判别门限至少包括欧式距离门限TD和多普勒速度差门限TV;根据所获取的测量参数和各聚类判别门限的门限值,对基准散射点和待判别散射点进行聚类判别,得到聚类结果。本发明能够根据获取的两个散射点测量参数计算得到最适合两个散射点的各聚类判别门限的门限值,再根据所获取的测量参数和各聚类判别门限的门限值进行聚类判别,得到的更加精确的聚类判别结果。
附图说明
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,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种车载雷达散射点的聚类方法的流程图;
图2为本发明实施例公开的一种车辆目标简化散射点示意图;
图3为本发明一具体实施例公开的斜距扩展分布图;
图4为本发明一具体实施例公开的斜距扩展区域划分图;
图5为本发明一具体实施例公开的方位角扩展分布图;
图6为本发明一具体实施例公开的方位角扩展区域划分图;
图7为本发明一具体实施例公开的多普勒速度扩展分布图;
图8为本发明一具体实施例公开的多普勒速度扩展区域划分图;
图9为本发明一具体实施例公开的相对速度角门限示意图;
图10为本发明实施例公开的一种车载雷达散射点的聚类装置的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供了一种车载雷达散射点的聚类方法及装置,可以解决现有技术中由于采用固定门限值的欧式距离门限和多普勒速度差门限进行聚类判别,导致聚类判别结果不准确的问题。
如图1所示,本发明实施例公开了一种车载雷达散射点的聚类方法,该方法的执行主体为车载雷达,该方法包括以下步骤:
S101、获取基准散射点的测量参数和待判别散射点的测量参数。
需要说明的是,在实际应用中,可将待聚类的两个散射点中的任意一个散射点作为基准散射点,另一个散射点作为待判别散射点。例如待聚类的散射点分别为第一散射点和第二散射点,可以将第一散射点作为基准散射点,第二散射点作为待判别散射点,也可以将第二散射点作为基准散射点,第一散射点作为待判别散射点。其中,每个散射点的测量参数包括多普勒速度、斜距、方位角。
S102、根据基准散射点的测量参数、待判别散射点的测量参数和预设参数门限对应关系,确定各聚类判别门限的门限值。
在步骤S102中,预设参数门限对应关系包括每个聚类判别门限在划分的各扩展区域下的门限值,各聚类判别门限至少包括欧式距离门限TD和多普勒速度差门限TV;每个聚类判别门限的扩展区域划分根据该聚类判别门限在雷达坐标系下的扩展分布确定,每个扩展分布区域对应一个门限值。如多普勒速度差门限TV的扩展区域划分根据多普勒速度差门限TV在雷达坐标系下的扩展分布确定,多普勒速度差门限TV的每个扩展区域对应一个多普勒速度差门限TV的门限值,其他各聚类判别门限的扩展区域划分类似,这里不再赘述。
可选的,在本发明实施例的具体实施方式中,步骤S102可以包括:
根据基准散射点的测量参数和预设目标类型判别条件确定基准散射点的目标类型。
具体的,在一个具体实例中,可判断基准散射点在雷达坐标系下的横坐标和纵坐标是否满足预设目标类型判别条件式|x1|<m&|y1|<n;其中,m和n为判别阈值,x1为基准散射点的横坐标,y1为基准散射点的纵坐标,x1和y1可根据两者与斜距和方位角之间的运算关系获得。
其中,若基准散射点的测量参数满足预设目标类型判别条件式,则判断出基准散射点满足预设目标类型判别条件,基准散射点的目标类型为近距目标;若基准散射点的测量参数不满足预设目标类型判别条件式,则判断出基准散射点不满足预设目标类型判别条件,基准散射点的目标类型为远距目标。判别阈值m和n可以根据具体情况自行设定,例如m=n=2.5米。
若确定出基准散射点的目标类型为近距目标,将预设近距目标距离门限值作为欧式距离门限TD的门限值;若确定出基准散射点的目标类型为远距目标,将预设远距目标距离门限值作为欧式距离门限TD的门限值。
根据基准散射点的测量参数和待判别散射点的测量参数计算除欧式距离门限TD之外的聚类判别门限的门限值。
其中,在基准散射点的目标类型为近距目标时,各聚类判别门限还可以包括纵向距离门限Ty、斜距门限TR和方位角门限Tθ;在基准散射点的目标类型为远距目标时,各聚类判别门限还可以包括:纵向距离门限Ty、斜距门限TR、方位角门限Tθ和相对速度角门限Ts。
需要说明的是,本发明中的聚类判别门限不限于上述举例中的各个门限,可以根据具体情况自行采用其他门限作为聚类判别门限,例如上述在基准散射点的目标类型为远距目标时的各聚类判别门限中,采用相对标量速度代替相对速度角门限Ts作为的聚类判别门限。又例如,在车载雷达为前视雷达时,各聚类判别门限可只包括欧式距离门限TD和多普勒速度差门限TV。但在车载雷达为侧视雷达时,考虑到目标距离雷达较近时,斜距、多普勒、方位角等测量参数与目标位置强相关,相对中心值均存在明显扩展;同时,由于侧视雷达观测运动目标通常距离路边静止杂波(绿化带、护栏等)较近,在空间上难以区分,而运动目标多普勒速度也可能与静止杂波多普勒速度混杂在一起,导致二者在直角坐标维与多普勒速度维无明显界限,此时,近距目标各聚类判别门限还可以包括纵向距离门限Ty、斜距门限TR和方位角门限Tθ,远距目标各聚类判别门限还可以包括:纵向距离门限Ty、斜距门限TR、方位角门限Tθ和相对速度角门限Ts。此外,还需要说明的是,即使车载雷达为侧视雷达,确定各聚类判别门限的门限值也并不限于此,如不区分近距目标和远距目标,各聚类判别门限均还可以包括:纵向距离门限Ty、斜距门限TR、方位角门限Tθ和相对速度角门限Ts,后续根据这些计算出的门限值进行散射点的聚类。
这里以车载雷达为侧视雷达举一个具体实例,假设雷达波束中心方向与我方车辆(即雷达所在车辆)运动方向垂直,目标车辆运动方向与我方车辆运动方向平行,定义车辆运动方向与x轴平行,波束中心指向与y轴平行。定义x表示x方向坐标(即沿车辆运动方向);y表示y方向坐标(垂直车辆运动方向),坐标原点为雷达天线中心;R为斜距,即散射点与雷达间的直线距离;VD为散射点的多普勒速度;θ为散射点的方位角,其中,定义波束中心线为0°,左侧为负值,右侧为正值。在上述雷达安装位置方向及我方车辆与目标车辆相对运动关系的假设下,计算各聚类判别门限的门限值的过程如下:
斜距门限TR的计算过程包括:将基准散射点的横坐标和纵坐标代入计算式:
选择计算式的三个条件式中成立的条件式,相对应的门限值作为斜距门限TR的门限值。
需要说明的是,由斜距门限的计算式中可以看到,选择了2米、3米、4米作为斜距门限的阈值,原因如下:
首先基于建模分析斜距参数随位置的扩展特性,目标车辆被建模为矩形,其中心点坐标为xc和yc,长L,宽W。散射点由四个顶点和四个边中心点定义,如图2所示,为车辆目标简化散射点示意图。后面的仿真中,将参考典型SUV的尺寸,将车长L设置为5米,车宽W设置为2米。
假设目标车辆沿x方向运动,相对地面绝对速度为Vobj;雷达随车运动,相对地面绝对速度为Vrad,则目标车辆的相对标量速度为V=Vobj-Vrad。与此同时,地面静止目标以相对雷达速度V=-Vrad运动。
定义斜距参数扩展RE为单个目标所有散射点中最大斜距与最小斜距之差:
其中,Ri(xc,yc)表示第i个散射点根据中心坐标计算得到的斜距,M为该目标散射点个数。
对目标车辆,假设相对标量速度为V=10m/s,不同位置的斜距参数扩展如图3所示,为斜距扩展分布图。图中的散射点的Level值表示斜距参数扩展值,可以看出其在中心点坐标斜率大于3/2的区域基本是中心点坐标斜率的负相关函数,而对斜率小于3/2的区域斜距扩展基本保持在5米。
基于上述分析结果,如图4所示,为斜距扩展区域划分图。在图4中将整个二维平面划分为了三个区域,分别是斜率绝对值大于4.3的区域,斜率绝对值在1.5~4.3的区域和斜率绝对值小于1.5的区域,对分布每个区域内的散射点赋予不同的斜距关联门限。门限值根据该区域内的理论斜距扩展分布结合实际雷达分辨率设定,考虑到一般情况雷达检测到散射点范围小于理论的边界点,因此门限值取值应小于理论斜距扩展值(即实际情形的可能最大值)。这里选取三个区域的门限为2米、3米和4米。
方位角门限Tθ的计算过程包括:将基准散射点的横坐标和纵坐标代入计算式:
选择计算式的三个条件式中成立的条件式,相对应的门限值作为方位角门限Tθ的门限值,若三个条件式均不成立,则选择else项对应的门限值。
需要说明的是,由方位角门限Tθ的计算式中可以看到,选择了15°、30°、45°和60°作为方位角门限的阈值,原因如下:
参照图2的车辆模型进行方位角最大扩展量的仿真,定义方位角参数扩展θE为所有散射点中最大方位角与最小方位角之差:
其中,θi(xc,yc)表示第i个散射点根据中心坐标计算得到的方位角,M为该目标散射点个数。
不同位置的方位角参数扩展如图5所示,为方位角扩展分布图,图中的散射点的Level值表示方位角参数扩展值,可以看出其大致和距中心点的斜距成负相关关系。对靠近雷达的目标,其方位角扩展可达120°,而对外侧目标,其方位角扩展仅为10°。
针对方位角扩展分布的特征,以与x轴相切的椭圆进行区域划分,如图6所示,为方位角扩展区域划分图。三个椭圆边界分别为:
划分的四个区域的方位角聚类门限由外到内分别为15°、30°、45°和60°。
多普勒速度差门限TV的计算过程包括:将基准散射点的横坐标、纵坐标、多普勒速度VD和方位角θ代入计算式:
其中Vest表示目标相对标量速度的估计值,在Vest的比例值后面补小值是为考虑速度估计的误差。当TV的值为10时是目标车辆位于中心区域的情况,此时未使用Vest的原因是因为目标车辆散射点的多普勒速度可能为零,且角度估计误差较大,Vest并不准确。
首先根据基准散射点的多普勒速度VD和方位角θ计算Vest,然后选择计算式的三个条件式中成立的条件式,相对应的门限值作为多普勒速度差门限TV的门限值,若三个条件式均不成立,则选择else项对应的门限值。
参照图2的车辆模型进行多普勒速度最大扩展量的仿真,定义多普勒速度参数扩展VE为所有散射点中最大多普勒速度与最小多普勒速度之差:
其中,Vi(xc,yc)表示第i个散射点根据中心坐标和相对标量速度计算得到的多普勒速度,M为该目标散射点个数。
不同位置的多普勒速度扩展如图7所示,为多普勒速度扩展分布图,图中的散射点的Level值表示多普勒速度参数扩展值,其与方位角扩展类似,内侧的多普勒扩展可达15m/s以上,而外侧的多普勒扩展仅为2m/s。针对多普勒扩展分布的特征,以与x轴相切的圆进行区域划分,如图8所示,为多普勒速度扩展区域划分图。三个圆边界分别为:
当相对标量速度改变时,可以按比例进行调整。
对于侧视车载雷达,在目标车辆沿x轴运动的前提下,虽然单个目标车辆不同散射点在不同参数维度存在扩展,但其均具有共同的相对标量速度,因此可以设定聚类判别门限,即同一目标不同散射点的相对标量速度估计值Vest差异应低于门限要求,从而提高聚类判别对参数扩展的适应能力。
如图9所示,为相对速度角门限示意图。基于相对雷达的标量速度估计Vest定义新的参量β,称之为相对速度角,由下式计算:
其中,η为去量纲系数。在图9所示坐标系下,相同运动速度目标的相对速度角分布于一条直线上,图中β2表示静止目标的相对速度角,β1表示具有相同运动速度的运动目标的相对速度角。根据经验选取η=15m/s(即以相对雷达的标量速度为15m/s的散射点作为45°轴),给出相对速度角门限Ts计算式为:
其中,θ1为基准散射点的方位角,θ2为待判别散射点的方位角,将θ1和θ2代入相对速度角门限Ts计算式,然后选择计算式的三个条件式中成立的条件式,相对应的门限值作为相对速度角门限Ts的门限值,若三个条件式均不成立,则选择else项对应的门限值。
这里之所以没有使用相对标量速度估计值Vest的差异作为判别标准,而是将相对标量速度转换为二维极坐标平面内的角度β=arctan(Vest/η),是因为极坐标表示下单个象限内的所有点过原点连线的角度差异都在0~90°的范围内,考虑测量误差的情况下,同一目标所有散射点的角度差异对不同的角度在同一数量级;而其斜率(即绝对速度)则可能为非常小的值或非常大的值,考虑测量误差,同一目标所有散射点的斜率差异可能很小,也可能很大,非常不利于门限值的设定。去量纲系数等于15时对应的角度范围是-90°~90°。
需要注意的是,仅对中距目标应用了相对速度角门限进行聚类判别,原因是近距目标方位角较小,其相对标量速度估计误差可能较大,不适宜再作为有效判别信息。
纵向距离门限Ty的设置是为了在目标车辆相对雷达波束指向横向运动的前提下约束其宽度,特别是当目标车辆距离雷达较近时,由于遮挡会导致散射点在y方向的分布范围更窄,但对远处车辆,由于方位角测量误差等原因,可以适当放宽这一约束。Ty单位为米,计算式如下:
将基准散射点的横坐标x1代入计算式,然后选择计算式的三个条件式中成立的条件式,相对应的门限值作为纵向距离门限的门限值。
S103、根据基准散射点的测量参数、待判别散射点的测量参数和各聚类判别门限的门限值,对基准散射点和待判别散射点进行聚类判别,得到聚类结果。
可选的,在一具体实施例中,预设近距目标距离门限值包括第一近距目标距离门限值TD1和第二近距目标距离门限值TD2,第一近距目标距离门限值TD1小于第二近距目标距离门限值TD2;预设远距目标距离门限值为TD3。此种情形下步骤S103可以包括:
在基准散射点的目标类型为近距目标时,若基准散射点的测量参数和待判别散射点的测量参数满足第一聚类条件和第二聚类条件,则判定基准散射点和待判别散射点属于同一目标,若基准散射点的测量参数和待判别散射点的测量参数不满足第一聚类条件和/或第二聚类条件,判定基准散射点和待判别散射点不属于同一目标。
需要说明的是,在基准散射点为近距目标时,第一聚类条件为保证目标车辆的沿y轴的尺寸分布不超过一般车辆宽度,约为1.8米,实际上在目标车辆近距离情况,雷达波束遮挡会使得同一目标车辆的散射点沿y轴的分布很小。第二聚类条件中的第一个条件式表示当待聚类散射点与基准散射点在欧式空间上足够接近时,约为小于2米的情况,直接进行聚类;第二个条件式表示当待判别待聚类散射点与基准散射点在欧式距离空间上较为接近,约为小于3米的情况,此时需同时满足斜距门限的门限值、方位角门限的门限值和多普勒速度差门限的门限值,方能确定待聚类散射点与基准散射点属于同一目标。
在基准散射点的目标类型为远距目标时,若基准散射点的测量参数和待判别散射点的测量参数满足第一聚类条件、第三聚类条件、第四聚类条件和第五聚类条件,则判定基准散射点和待判别散射点属于同一目标,否则,判定基准散射点和待判别散射点不属于同一目标。
需要说明的是,在基准散射点为远距目标时,第三聚类条件为保证散射点参数扩展满足分析要求;第四聚类条件为保证散射点的相对标量速度估计差异满足要求;第一聚类条件为约束目标车辆宽度;第五聚类条件为约束散射点间的欧式距离。
需要说明的是,由上述内容可知,对近距离目标,其需要满足两项聚类条件;对远距目标,其需要满足四项聚类条件。在实际应用中,也可以根据目标尺寸、速度及雷达分辨率的不同,相应的更改上述门限设置及聚类条件设置中的具体数值。
其中,第一聚类条件为:
|y1-y2|≤Ty(x1,y1)
第二聚类条件包括:
|R1-R2|<TR(x1,y1)&|θ1-θ2|<Tθ(x1,y1)
第三聚类条件为:
|R1-R2|<TR(x1,y1)&|θ1-θ2|<Tθ(x1,y1)
&|VD1-VD2|<TV(x1,y1)
第四聚类条件为:
第五聚类条件为:
y1为基准散射点的纵坐标,y2为待判别散射点的纵坐标,x1为基准散射点的横坐标,x2为待判别散射点的横坐标,VD1为基准散射点的多普勒速度,VD2为待判别散射点的多普勒速度,R1为基准散射点的斜距,R2为待判别散射点的斜距,θ1为基准散射点的方位角,θ2为待判别散射点的方位角,η为去量纲系数,Ty(x1,y1)为计算得到的纵向距离门限Ty的门限值,TR(x1,y1)为计算得到的斜距门限TR的门限值,Tθ(x1,y1)为计算得到的方位角门限Tθ的门限值,TV(x1,y1)为计算得到的多普勒速度差门限TV的门限值,TS(θ1,θ2)为计算得到的相对速度角门限Ts的门限值。
可选的,在一具体实施例中,步骤S103还可以包括:
在基准散射点的目标类型为远距目标且待判别散射点的方位角小于预设角度时,或者基准散射点的目标类型为远距目标且基准散射点的方位角小于预设角度时,若基准散射点的测量参数和待判别散射点的测量参数满足第一聚类条件、第三聚类条件和第五聚类条件,则判定基准散射点和待判别散射点属于同一目标,否则,判定基准散射点和待判别散射点不属于同一目标,预设角度根据方位角测量误差确定。
需要说明的是,预设角度一般设为10°,该实施例主要是考虑到方位角θ较小时,可能造成较大的估计误差,因此当基准散射点和待聚类散射点的方位角其中之一小于10°时,不使用第四聚类条件,其他情况下,在方位角较小时设置较大的Ts值,以此进一步保证聚类结果的准确性。
本实施例公开了一种车载雷达散射点的聚类方法,获取基准散射点的测量参数和待判别散射点的测量参数;根据所获取的测量参数和预设参数门限对应关系,确定各聚类判别门限的门限值,各聚类判别门限至少包括欧式距离门限TD和多普勒速度差门限TV;根据所获取的测量参数和各聚类判别门限的门限值,对基准散射点和待判别散射点进行聚类判别,得到聚类结果。本发明能够根据获取的两个散射点测量参数计算得到最适合两个散射点的各聚类判别门限的门限值,再根据所获取的测量参数和各聚类判别门限的门限值进行聚类判别,得到的更加精确的聚类判别结果。
基于上述本发明实施例公开的车载雷达散射点的聚类方法,图10具体公开了应用该车载雷达散射点的聚类方法的车载雷达散射点的聚类装置。
如图10所示,本发明另一实施例公开了一种车载雷达散射点的聚类装置,该装置包括:
获取单元1001,用于获取基准散射点的测量参数和待判别散射点的测量参数;
确定单元1002,用于根据所述基准散射点的测量参数、所述待判别散射点的测量参数和预设参数门限对应关系,确定各聚类判别门限的门限值,所述预设参数门限对应关系包括每个聚类判别门限在划分的各扩展区域下的门限值,所述各聚类判别门限至少包括欧式距离门限TD和多普勒速度差门限TV;
判别单元1003,用于根据所述基准散射点的测量参数、所述待判别散射点的测量参数和所述各聚类判别门限的门限值,对所述基准散射点和所述待判别散射点进行聚类判别,得到聚类结果。
可选的,所述确定单元1002,包括:
第一确定子单元,用于根据所述基准散射点的测量参数和预设目标类型判别条件确定所述基准散射点的目标类型;
第二确定子单元,用于若确定出所述基准散射点的目标类型为近距目标,将预设近距目标距离门限值作为所述欧式距离门限TD的门限值;若确定出所述基准散射点的目标类型为远距目标,将预设远距目标距离门限值作为所述欧式距离门限TD的门限值;
计算子单元,用于根据所述基准散射点的测量参数和所述待判别散射点的测量参数计算除所述欧式距离门限TD之外的聚类判别门限的门限值。
可选的,在所述基准散射点的目标类型为近距目标时,所述各聚类判别门限还包括纵向距离门限Ty、斜距门限TR和方位角门限Tθ;在所述基准散射点的目标类型为远距目标时,所述各聚类判别门限还包括:纵向距离门限Ty、斜距门限TR、方位角门限Tθ和相对速度角门限Ts。
可选的,所述预设近距目标距离门限值包括第一近距目标距离门限值TD1和第二近距目标距离门限值TD2,所述第一近距目标距离门限值TD1小于所述第二近距目标距离门限值TD2;所述预设远距目标距离门限值为TD3;所述判别单元1003,包括:
第一判别子单元,用于在所述基准散射点的目标类型为近距目标时,若所述基准散射点的测量参数和所述待判别散射点的测量参数满足第一聚类条件和第二聚类条件,则判定所述基准散射点和所述待判别散射点属于同一目标,否则,判定所述基准散射点和所述待判别散射点不属于同一目标;
第二判别子单元,用于在所述基准散射点的目标类型为远距目标时,若所述基准散射点的测量参数和所述待判别散射点的测量参数满足所述第一聚类条件、所述第三聚类条件、所述第四聚类条件和所述第五聚类条件,则判定所述基准散射点和所述待判别散射点属于同一目标,否则,判定所述基准散射点和所述待判别散射点不属于同一目标;
其中,所述第一聚类条件为:
|y1-y2|≤Ty(x1,y1)
所述第二聚类条件包括:
|R1-R2|<TR(x1,y1)&|θ1-θ2|<Tθ(x1,y1)
所述第三聚类条件为:
|R1-R2|<TR(x1,y1)&|θ1-θ2|<Tθ(x1,y1)
&|VD1-VD2|<TV(x1,y1)
所述第四聚类条件为:
所述第五聚类条件为:
y1为所述基准散射点的纵坐标,y2为所述待判别散射点的纵坐标,x1为所述基准散射点的横坐标,x2为所述待判别散射点的横坐标,VD1为所述基准散射点的多普勒速度,VD2为所述待判别散射点的多普勒速度,R1为所述基准散射点的斜距,R2为所述待判别散射点的斜距,θ1为所述基准散射点的方位角,θ2为所述待判别散射点的方位角,η为去量纲系数,Ty(x1,y1)为计算得到的纵向距离门限Ty的门限值,TR(x1,y1)为计算得到的斜距门限TR的门限值,Tθ(x1,y1)为计算得到的方位角门限Tθ的门限值,TV(x1,y1)为计算得到的多普勒速度差门限TV的门限值,TS(θ1,θ2)为计算得到的相对速度角门限Ts的门限值。
可选的,所述判别单元1003,还包括:
第三判别子单元,用于在所述基准散射点的目标类型为远距目标且所述待判别散射点的方位角小于预设角度时,或者所述基准散射点的目标类型为远距目标且所述基准散射点的方位角小于所述预设角度时,若所述基准散射点的测量参数和所述待判别散射点的测量参数满足所述第一聚类条件、所述第三聚类条件和所述第五聚类条件,则判定所述基准散射点和所述待判别散射点属于同一目标,否则,判定所述基准散射点和所述待判别散射点不属于同一目标,所述预设角度根据方位角测量误差确定。
以上本发明实施例公开的车载雷达散射点的聚类装置中的获取单元1001、确定单元1002和判别单元1003的具体工作过程,可参见本发明上述实施例公开的车载雷达散射点的聚类方法中的对应内容,这里不再进行赘述。
本实施例公开了一种车载雷达散射点的聚类装置,获取单元获取基准散射点的测量参数和待判别散射点的测量参数;确定单元根据所获取的测量参数和预设参数门限对应关系,确定各聚类判别门限的门限值,各聚类判别门限至少包括欧式距离门限TD和多普勒速度差门限TV;判别单元根据所获取的测量参数和各聚类判别门限的门限值,对基准散射点和待判别散射点进行聚类判别,得到聚类结果。本发明能够根据获取的两个散射点测量参数计算得到最适合两个散射点的各聚类判别门限的门限值,再根据所获取的测量参数和各聚类判别门限的门限值进行聚类判别,得到的更加精确的聚类判别结果。
还需要说明的是,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、商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、商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,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本发明的实施例可提供为方法、***或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (8)
1.一种车载雷达散射点的聚类方法,其特征在于,包括:
获取基准散射点的测量参数和待判别散射点的测量参数,其中,所述基准散射点为待聚类的两个散射点中的任意一个散射点,所述待判别散射点为所述待聚类的两个散射点中除所述基准散射点之外的另一个散射点,每个散射点的测量参数包括多普勒速度、斜距以及方位角;
根据所述基准散射点的测量参数、所述待判别散射点的测量参数和预设参数门限对应关系,确定各聚类判别门限的门限值,所述预设参数门限对应关系包括每个聚类判别门限在划分的各扩展区域下的门限值,所述每个聚类判别门限所在扩展区域由每个散射点的测量参数确定,每个扩展区域对应一个门限值,所述各聚类判别门限至少包括欧式距离门限TD和多普勒速度差门限TV;
根据所述基准散射点的测量参数、所述待判别散射点的测量参数和所述各聚类判别门限的门限值,对所述基准散射点和所述待判别散射点进行聚类判别,得到聚类结果;
其中,所述根据所述基准散射点的测量参数、所述待判别散射点的测量参数和预设参数门限对应关系,确定各聚类判别门限的门限值,包括:
根据所述基准散射点的测量参数和预设目标类型判别条件确定所述基准散射点的目标类型;
若确定出所述基准散射点的目标类型为近距目标,将预设近距目标距离门限值作为所述欧式距离门限TD的门限值;若确定出所述基准散射点的目标类型为远距目标,将预设远距目标距离门限值作为所述欧式距离门限TD的门限值;
根据所述基准散射点的测量参数和所述待判别散射点的测量参数计算除所述欧式距离门限TD之外的聚类判别门限的门限值。
2.根据权利要求1所述的聚类方法,其特征在于,在所述基准散射点的目标类型为近距目标时,所述各聚类判别门限还包括纵向距离门限Ty、斜距门限TR和方位角门限Tθ;在所述基准散射点的目标类型为远距目标时,所述各聚类判别门限还包括:纵向距离门限Ty、斜距门限TR、方位角门限Tθ和相对速度角门限Ts。
3.根据权利要求2所述的聚类方法,其特征在于,所述预设近距目标距离门限值包括第一近距目标距离门限值TD1和第二近距目标距离门限值TD2,所述第一近距目标距离门限值TD1小于所述第二近距目标距离门限值TD2;所述预设远距目标距离门限值为TD3;所述根据所述基准散射点的测量参数、所述待判别散射点的测量参数和所述各聚类判别门限的门限值,对所述基准散射点和所述待判别散射点进行聚类判别,得到聚类结果,包括:
在所述基准散射点的目标类型为近距目标时,若所述基准散射点的测量参数和所述待判别散射点的测量参数满足第一聚类条件和第二聚类条件,则判定所述基准散射点和所述待判别散射点属于同一目标,否则,判定所述基准散射点和所述待判别散射点不属于同一目标;
在所述基准散射点的目标类型为远距目标时,若所述基准散射点的测量参数和所述待判别散射点的测量参数满足所述第一聚类条件、第三聚类条件、第四聚类条件和第五聚类条件,则判定所述基准散射点和所述待判别散射点属于同一目标,否则,判定所述基准散射点和所述待判别散射点不属于同一目标;
其中,所述第一聚类条件为:
|y1-y2|≤Ty(x1,y1)
所述第二聚类条件包括:
所述第三聚类条件为:
所述第四聚类条件为:
所述第五聚类条件为:
y1为所述基准散射点的纵坐标,y2为所述待判别散射点的纵坐标,x1为所述基准散射点的横坐标,x2为所述待判别散射点的横坐标,VD1为所述基准散射点的多普勒速度,VD2为所述待判别散射点的多普勒速度,R1为所述基准散射点的斜距,R2为所述待判别散射点的斜距,θ1为所述基准散射点的方位角,θ2为所述待判别散射点的方位角,η为去量纲系数,Ty(x1,y1)为计算得到的纵向距离门限Ty的门限值,TR(x1,y1)为计算得到的斜距门限TR的门限值,Tθ(x1,y1)为计算得到的方位角门限Tθ的门限值,TV(x1,y1)为计算得到的多普勒速度差门限TV的门限值,TS(θ1,θ2)为计算得到的相对速度角门限Ts的门限值。
4.根据权利要求3所述的聚类方法,其特征在于,所述根据所述基准散射点的测量参数、所述待判别散射点的测量参数和所述各聚类判别门限的门限值,对所述基准散射点和所述待判别散射点进行聚类判别,得到聚类结果,还包括:
在所述基准散射点的目标类型为远距目标且所述待判别散射点的方位角小于预设角度时,或者所述基准散射点的目标类型为远距目标且所述基准散射点的方位角小于所述预设角度时,若所述基准散射点的测量参数和所述待判别散射点的测量参数满足所述第一聚类条件、所述第三聚类条件和所述第五聚类条件,则判定所述基准散射点和所述待判别散射点属于同一目标,否则,判定所述基准散射点和所述待判别散射点不属于同一目标,所述预设角度根据方位角测量误差确定。
5.一种车载雷达散射点的聚类装置,其特征在于,包括:
获取单元,用于获取基准散射点的测量参数和待判别散射点的测量参数,其中,所述基准散射点为待聚类的两个散射点中的任意一个散射点,所述待判别散射点为所述待聚类的两个散射点中除所述基准散射点之外的另一个散射点,每个散射点的测量参数包括多普勒速度、斜距以及方位角;
确定单元,用于根据所述基准散射点的测量参数、所述待判别散射点的测量参数和预设参数门限对应关系,确定各聚类判别门限的门限值,所述预设参数门限对应关系包括每个聚类判别门限在划分的各扩展区域下的门限值,所述每个聚类判别门限所在扩展区域由每个散射点的测量参数确定,每个扩展区域对应一个门限值,所述各聚类判别门限至少包括欧式距离门限TD和多普勒速度差门限TV;
判别单元,用于根据所述基准散射点的测量参数、所述待判别散射点的测量参数和所述各聚类判别门限的门限值,对所述基准散射点和所述待判别散射点进行聚类判别,得到聚类结果;
其中,所述确定单元,包括:
第一确定子单元,用于根据所述基准散射点的测量参数和预设目标类型判别条件确定所述基准散射点的目标类型;
第二确定子单元,用于若确定出所述基准散射点的目标类型为近距目标,将预设近距目标距离门限值作为所述欧式距离门限TD的门限值;若确定出所述基准散射点的目标类型为远距目标,将预设远距目标距离门限值作为所述欧式距离门限TD的门限值;
计算子单元,用于根据所述基准散射点的测量参数和所述待判别散射点的测量参数计算除所述欧式距离门限TD之外的聚类判别门限的门限值。
6.根据权利要求5所述的聚类装置,其特征在于,在所述基准散射点的目标类型为近距目标时,所述各聚类判别门限还包括纵向距离门限Ty、斜距门限TR和方位角门限Tθ;在所述基准散射点的目标类型为远距目标时,所述各聚类判别门限还包括:纵向距离门限Ty、斜距门限TR、方位角门限Tθ和相对速度角门限Ts。
7.根据权利要求6所述的聚类装置,其特征在于,所述预设近距目标距离门限值包括第一近距目标距离门限值TD1和第二近距目标距离门限值TD2,所述第一近距目标距离门限值TD1小于所述第二近距目标距离门限值TD2;所述预设远距目标距离门限值为TD3;所述判别单元,包括:
第一判别子单元,用于在所述基准散射点的目标类型为近距目标时,若所述基准散射点的测量参数和所述待判别散射点的测量参数满足第一聚类条件和第二聚类条件,则判定所述基准散射点和所述待判别散射点属于同一目标,否则,判定所述基准散射点和所述待判别散射点不属于同一目标;
第二判别子单元,用于在所述基准散射点的目标类型为远距目标时,若所述基准散射点的测量参数和所述待判别散射点的测量参数满足所述第一聚类条件、第三聚类条件、第四聚类条件和第五聚类条件,则判定所述基准散射点和所述待判别散射点属于同一目标,否则,判定所述基准散射点和所述待判别散射点不属于同一目标;
其中,所述第一聚类条件为:
|y1-y2|≤Ty(x1,y1)
所述第二聚类条件包括:
所述第三聚类条件为:
所述第四聚类条件为:
所述第五聚类条件为:
y1为所述基准散射点的纵坐标,y2为所述待判别散射点的纵坐标,x1为所述基准散射点的横坐标,x2为所述待判别散射点的横坐标,VD1为所述基准散射点的多普勒速度,VD2为所述待判别散射点的多普勒速度,R1为所述基准散射点的斜距,R2为所述待判别散射点的斜距,θ1为所述基准散射点的方位角,θ2为所述待判别散射点的方位角,η为去量纲系数,Ty(x1,y1)为计算得到的纵向距离门限Ty的门限值,TR(x1,y1)为计算得到的斜距门限TR的门限值,Tθ(x1,y1)为计算得到的方位角门限Tθ的门限值,TV(x1,y1)为计算得到的多普勒速度差门限TV的门限值,TS(θ1,θ2)为计算得到的相对速度角门限Ts的门限值。
8.根据权利要求7所述的聚类装置,其特征在于,所述判别单元,还包括:
第三判别子单元,用于在所述基准散射点的目标类型为远距目标且所述待判别散射点的方位角小于预设角度时,或者所述基准散射点的目标类型为远距目标且所述基准散射点的方位角小于所述预设角度时,若所述基准散射点的测量参数和所述待判别散射点的测量参数满足所述第一聚类条件、所述第三聚类条件和所述第五聚类条件,则判定所述基准散射点和所述待判别散射点属于同一目标,否则,判定所述基准散射点和所述待判别散射点不属于同一目标,所述预设角度根据方位角测量误差确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811644628.XA CN109613509B (zh) | 2018-12-30 | 2018-12-30 | 一种车载雷达散射点的聚类方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811644628.XA CN109613509B (zh) | 2018-12-30 | 2018-12-30 | 一种车载雷达散射点的聚类方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109613509A CN109613509A (zh) | 2019-04-12 |
CN109613509B true CN109613509B (zh) | 2021-07-27 |
Family
ID=66015455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811644628.XA Active CN109613509B (zh) | 2018-12-30 | 2018-12-30 | 一种车载雷达散射点的聚类方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109613509B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110161464B (zh) * | 2019-06-14 | 2023-03-10 | 成都纳雷科技有限公司 | 一种雷达多目标聚类方法及装置 |
CN111339649B (zh) * | 2020-02-20 | 2022-02-08 | 西南交通大学 | 一种采集车辆轨迹数据的仿真方法、***及设备 |
WO2021189328A1 (zh) * | 2020-03-25 | 2021-09-30 | 华为技术有限公司 | 一种雷达目标聚类方法及装置 |
CN112799397A (zh) * | 2020-12-26 | 2021-05-14 | 广州小马慧行科技有限公司 | 物体的检测方法、检测装置、车辆的控制方法与车辆*** |
CN112799055B (zh) * | 2020-12-28 | 2024-07-09 | 深圳承泰科技有限公司 | 一种探测被测车辆的方法、装置以及电子设备 |
CN114859337A (zh) * | 2021-01-20 | 2022-08-05 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、电子设备、计算机存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006039970A (ja) * | 2004-07-27 | 2006-02-09 | Kokuritsu Iyakuhin Shokuhin Eisei Kenkyusho | 高次元データを塊に分割する装置 |
CN101702200A (zh) * | 2009-11-03 | 2010-05-05 | 武汉大学 | 一种机载激光雷达点云数据的自动分类方法 |
KR101178013B1 (ko) * | 2011-03-09 | 2012-08-28 | 성균관대학교산학협력단 | 퍼지 클러스터링을 이용한 모션 대응 방법 |
CN103926583A (zh) * | 2014-05-04 | 2014-07-16 | 中国人民解放军空军预警学院监控***工程研究所 | 一种岸基近程雷达自动跟踪处理方法及计算机 |
CN104020451A (zh) * | 2014-06-03 | 2014-09-03 | 西安电子科技大学 | 基于聚类的外辐射源雷达目标航迹处理方法 |
JP2017096840A (ja) * | 2015-11-26 | 2017-06-01 | トヨタ自動車株式会社 | 車両用物標検出装置 |
CN108985352A (zh) * | 2017-11-30 | 2018-12-11 | 江苏神州信源***工程有限公司 | 一种基于大数据的聚类方法、装置及电子设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6229475B1 (en) * | 1987-04-27 | 2001-05-08 | Raytheon Company | Pulse doppler radar system with improved cluster target resolution capability |
CN108537276A (zh) * | 2018-04-09 | 2018-09-14 | 广东工业大学 | 一种聚类中心的选取方法、装置及介质 |
-
2018
- 2018-12-30 CN CN201811644628.XA patent/CN109613509B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006039970A (ja) * | 2004-07-27 | 2006-02-09 | Kokuritsu Iyakuhin Shokuhin Eisei Kenkyusho | 高次元データを塊に分割する装置 |
CN101702200A (zh) * | 2009-11-03 | 2010-05-05 | 武汉大学 | 一种机载激光雷达点云数据的自动分类方法 |
KR101178013B1 (ko) * | 2011-03-09 | 2012-08-28 | 성균관대학교산학협력단 | 퍼지 클러스터링을 이용한 모션 대응 방법 |
CN103926583A (zh) * | 2014-05-04 | 2014-07-16 | 中国人民解放军空军预警学院监控***工程研究所 | 一种岸基近程雷达自动跟踪处理方法及计算机 |
CN104020451A (zh) * | 2014-06-03 | 2014-09-03 | 西安电子科技大学 | 基于聚类的外辐射源雷达目标航迹处理方法 |
JP2017096840A (ja) * | 2015-11-26 | 2017-06-01 | トヨタ自動車株式会社 | 車両用物標検出装置 |
CN108985352A (zh) * | 2017-11-30 | 2018-12-11 | 江苏神州信源***工程有限公司 | 一种基于大数据的聚类方法、装置及电子设备 |
Non-Patent Citations (3)
Title |
---|
Amplitude Aiding Dual-threshold Clustering Algorithm and Its Application to Coherent Radar;Qin Xiao等;《2013 2nd International Conference on Measurement, Information and Control》;20131231;全文 * |
杂波下相参雷达距离多普勒域多维特征聚类与特征提取;秦枭;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160315;全文 * |
模糊聚类快速实用方法;汤广富;《信号处理》;20090831(第8A期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109613509A (zh) | 2019-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109613509B (zh) | 一种车载雷达散射点的聚类方法及装置 | |
CN109870680B (zh) | 一种目标分类方法及装置 | |
US10677907B2 (en) | Method to determine the orientation of a target vehicle | |
Kellner et al. | Instantaneous lateral velocity estimation of a vehicle using Doppler radar | |
CN110836983B (zh) | 确定估计速度的不确定性估计的方法 | |
CN109597061B (zh) | 一种目标运动状态判别方法及*** | |
JP6114052B2 (ja) | 点群解析処理装置及び点群解析処理プログラム | |
CN110515051B (zh) | 一种车载雷达安装角度值的测量方法及*** | |
CN110531357A (zh) | 估计移动目标在水平面中速度大小的方法和雷达检测*** | |
Kim et al. | Sensor fusion for vehicle tracking with camera and radar sensor | |
WO2016194036A1 (ja) | レーダ信号処理装置 | |
CN111562570A (zh) | 基于毫米波雷达的面向自动驾驶的车辆感知方法 | |
CN111339649A (zh) | 一种采集车辆轨迹数据的仿真方法、***及设备 | |
Kmiotek et al. | Representing and tracking of dynamics objects using oriented bounding box and extended kalman filter | |
CN113496199B (zh) | 对目标对象的基于直方图的l形检测 | |
CN116879865A (zh) | 一种基于双激光雷达的路沿检测方法及*** | |
Nielsen | Robust lidar-based localization in underground mines | |
WO2021098320A1 (zh) | 一种道路约束确定方法及装置 | |
JP7186925B2 (ja) | 道路形状推定装置、道路形状推定方法及び道路形状推定プログラム | |
CN111123235B (zh) | 一种导航雷达的静止目标的确定方法及装置 | |
CN111856443A (zh) | 用于物体跟踪的航向角估算 | |
JP7409959B2 (ja) | 物体検出装置 | |
US20240191987A1 (en) | Method for determining a contour of an object | |
CN117872310B (zh) | 基于雷达的水面目标跟踪方法、装置、设备及介质 | |
CN111273313B (zh) | 建筑机器人在室内行走的防撞检测方法、装置及建筑机器人 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230613 Address after: 4 / F, building 1, No.14 Jiuxianqiao Road, Chaoyang District, Beijing 100020 Patentee after: Beijing Jingwei Hirain Technologies Co.,Inc. Address before: 100192 5th floor, Zhizhen building, 7 Zhichun Road, Haidian District, Beijing Patentee before: BEIJING RUNKE GENERAL TECHNOLOGY Co.,Ltd. |