CN110398735B - 一种基于多雷达的感知数据处理方法及*** - Google Patents
一种基于多雷达的感知数据处理方法及*** Download PDFInfo
- Publication number
- CN110398735B CN110398735B CN201810374125.9A CN201810374125A CN110398735B CN 110398735 B CN110398735 B CN 110398735B CN 201810374125 A CN201810374125 A CN 201810374125A CN 110398735 B CN110398735 B CN 110398735B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- time
- moment
- previous
- 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
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
- 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
- G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
-
- 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
- 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
- G01S7/2927—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods by deriving and controlling a threshold value
-
- 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
- G01S7/35—Details of non-pulse systems
- G01S7/352—Receivers
- G01S7/354—Extracting wanted echo-signals
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及雷达数据处理技术领域,特别是一种基于多雷达的感知数据处理方法及***。该***包括至少两个雷达和控制器,控制器用于获取各雷达检测的点云数据,通过时空变换对点云数据进行预处理;根据预处理的结果,若当前时刻的点云数据的个数大于第一设定值且前一时刻的点云数据的个数大于第二设定值,则控制器将前一时刻的点云数据与当前时刻的点云数据进行关联运算,并提取关联成功的当前时刻的点云数据和前一时刻的点云数据,以当前时刻的点云数据为观测量,通过滤波算法对前一时刻的点云数据进行跟踪,在提高雷达对目标的检测率的同时,降低雷达***的虚警率。
Description
技术领域
本发明涉及雷达数据处理技术领域,特别是一种基于多雷达的感知数据处理方法及***。
背景技术
毫米波雷达是车辆环境感知中的一种重要的传感器,其输出一般有两种模式,一种是目标(Objects)模式,另一种是点云簇(Clusters)模式。在目标模式下,因为需要一定的跟踪时间才能检测出目标,所以该模式下雷达漏警率较高;而在点云簇模式下,雷达会返回检测到的所有点,包括多径和杂波,造成该模式下雷达虚警率较高。现有的多雷达传感器数据融合技术充分利用多个传感器资源,通过对这些传感器及其观测信息的合理支配和使用,把多个传感器在空间或时间上的冗余或互补信息依据一定的准则进行组合,对组合后的数据进行相关性判断,以决定不同传感器的不同测量是否属于对同一目标的测量,但在实际车辆障碍物识别的应用中,且由于商用车车身较长,如果简单安装多个毫米波雷达,虽然感知范围能覆盖车身四周,但由于每个雷达都是独立的***,仅仅将不同雷达之间的数据进行相关性分析还不能满足多雷达对车辆四周障碍物检测后数据融合的要求,因此,无法实现对车身周围目标的连续跟踪和预测,且若不对连续时刻的数据进行融合处理,在点云簇模式下,雷达获取的信息较多较杂,造成虚警率较高。
发明内容
本发明的目的是提供一种基于多雷达的感知数据处理方法及***,用以解决毫米波雷达在点云簇模式下检测报警的虚警率较高的问题。
为了采用点云簇模式下对所有数据进行检测,以提高雷达对目标的检测率的同时,通过对连续时刻数据进行处理,排除多径和杂波造成的假数据,降低雷达***的虚警率,本发明提供一种基于多雷达的感知数据处理方法,包括以下步骤:
1)按照设定的采样周期采集至少两个雷达检测的点云数据,通过时空变换对各点云数据进行预处理;
2)判断当前时刻的点云数据的个数是否大于第一设定值,且前一时刻的点云数据的个数是否大于第二设定值;
3)若当前时刻的点云数据的个数大于第一设定值且前一时刻的点云数据的个数大于第二设定值,则将前一时刻的点云数据与当前时刻的点云数据进行关联运算;
4)提取关联成功的当前时刻的点云数据和对应的前一时刻的点云数据,以当前时刻的点云数据为观测量,通过滤波算法对前一时刻的点云数据进行跟踪。
为了提高前后时刻点云关联的准确性,防止漏检和重检现象的发生,进一步地,所述关联运算为计算前一时刻的点云数据与当前时刻的点云数据的距离和速度的关联程度,所述关联成功的条件为距离小于设定距离阈值,且速度差小于设定速度阈值。
为了提高检测的精准度,防止数据的丢失,进一步地,提取关联失败的前一时刻的点云数据,如果各关联失败的前一时刻的点云数据的跟踪时间大于设定时长,且预测次数小于设定阈值,则对满足上述情况的点云数据进行预测。
为了保证上述方法的运行,减少数据的丢失和减少数据的冗余,进一步地,若当前时刻的点云数据的个数小于第一设定值,且前一时刻的点云数据的个数大于第二设定值,则如果各前一时刻的点云数据的跟踪时间大于设定时长,且预测次数小于设定阈值,则对满足上述情况的点云数据进行预测。
为了方便对不同雷达的数据进行数据关联,将检测的数据的坐标统一和时间对齐,进一步地,所述时空变换为将采集得到的点云数据进行空间坐标统一和时间基准对齐。
为在提高雷达对目标的检测率的同时,降低雷达***的虚警率,本发明还提供一种基于多雷达的感知数据处理***,包括至少两个雷达和控制器,所述控制器用于按照设定的采样周期采集各雷达检测的点云数据,通过时空变换对点云数据进行预处理;并判断当前时刻的点云数据的个数是否大于第一设定值,且前一时刻的点云数据的个数是否大于第二设定值;若当前时刻的点云数据的个数大于第一设定值且前一时刻的点云数据的个数大于第二设定值,则所述控制器将前一时刻的点云数据与当前时刻的点云数据进行关联运算,并提取关联成功的当前时刻的点云数据和前一时刻的点云数据,以当前时刻的点云数据为观测量,通过滤波算法对前一时刻的点云数据进行跟踪。
为了提高前后时刻点云关联的准确性,防止漏检和重检现象的发生,进一步地,上述***中所述关联运算为计算前一时刻的点云数据与当前时刻的点云数据的距离和速度的关联程度,所述关联成功的条件为距离小于设定距离阈值,且速度差小于设定速度阈值。
为了提高检测的精准度,防止数据的丢失,进一步地,上述***中所述控制器提取关联失败的前一时刻的点云数据,如果各关联失败的前一时刻的点云数据的跟踪时间大于设定时长,且预测次数小于设定阈值,则对满足上述情况的点云数据进行预测。
为了保证上述方法的运行,减少数据的丢失和减少数据的冗余,进一步地,上述***中若当前时刻的点云数据的个数小于第一设定值,且前一时刻的点云数据的个数大于第二设定值,则如果各前一时刻的点云数据的跟踪时间大于设定时长,且预测次数小于设定阈值,则所述控制器对满足上述情况的点云数据进行预测。
为了方便对不同雷达的数据进行数据关联,将检测的数据的坐标统一和时间对齐,进一步地,上述***中所述时空变换为将采集得到的点云数据进行空间坐标统一和时间基准对齐。
附图说明
图1是一种基于多雷达的感知数据处理方法的流程图。
具体实施方式
下面结合附图对本发明做进一步详细的说明。
本发明提供一种基于多雷达的感知数据处理***,包括控制器和至少两个雷达,该控制器能够执行相应的控制,以实现一种基于多雷达的感知数据处理方法,如图1所示,包括以下步骤:
1)按照设定的采样周期采集至少两个雷达检测的点云数据,通过时空变换对点云数据进行预处理。
通过控制器按照一定的周期Tf读取每个雷达的点云数据输出作为一帧数据,并且进行预处理,预处理包括空间基准对齐和时间基准对齐。
空间基准对齐:将不同雷达的坐标系(xi,yi)统一到车身坐标系(X,Y)下,空间基准对齐利用公式(1.1)完成。
其中,(xP,yP)为点p在雷达坐标系下的坐标,θ为点p的方位角。(Xp,Yp)为点p在车身坐标系下的坐标,α为雷达坐标系相对于车身坐标系的逆时针旋转角度,(X0,Y0)为雷达在车身坐标系下的坐标,速度坐标变换满足式(1.2)。
其中,(vxP,vyP)为点p在雷达坐标系下的速度,(VXp,VYp)为点p在车身坐标系下的速度。
时间基准对齐:将单个雷达预测后的数据统一到相同的时间基准上,方法如下:读取雷达CAN报文中的时间Ti,并计算与当前融合时刻Tf的时间差Δt=Tf-Ti,其中,Tf周期为0.1s,Ti为离当前融合时刻最近的传感器观测时刻。利用点云数据在车身坐标系下的速度进行时间递推,将所有毫米波雷达观测的点云数据统一到当前的融合时刻Tf。
2)判断当前时刻的点云数据的个数是否大于第一设定值,且前一时刻的点云数据的个数是否大于第二设定值。
经过预处理的点云数据分为当前时刻和前一时刻,统计当前时刻的点云数据的个数为InNum个,和前一时刻的点云数据的个数为PreNum个,判断当前时刻和前一时刻的点云数据的个数是否满足设定条件,例如InNum大于0且PreNum大于0时才能进行数据处理,否则处理的数据将没有意义。
3)若当前时刻的点云数据的个数大于第一设定值且前一时刻的点云数据的个数大于第二设定值,则将前一时刻的点云数据与当前时刻的点云数据进行关联运算。
当InNum大于0且PreNum大于0时,将前一时刻的点云数据与当前时刻的点云数据利用距离和速度两维关系进行关联,采用马氏距离。
当InNum大于0且PreNum小于0时,控制器添加当前时刻所有的点云数据作为目标数据,在进行新周期的数据处理。
当InNum小于0且PreNum大于0时,控制器判断各前一时刻的点云数据的跟踪时间大于设定时长,且预测次数小于设定阈值,若是,则对满足上述情况的点云数据进行预测;若否,则删除不满足上述情况的点云数据。其中,跟踪时间为点云数据被关联的时间,前面一段时间该目标都能被关联,则证明该点是目标的可能性非常大,所以在此刻没有关联上的原因可能是因为雷达的漏检造成没有关联,因此需要对该目标进行预测。
当InNum小于0且PreNum小于0时,控制进行新周期的数据获取及处理。
4)提取关联成功的当前时刻的点云数据和前一时刻的点云数据,以当前时刻的点云数据为观测量,通过滤波算法对前一时刻的点云数据进行跟踪。
其中,关联成功的条件为距离小于设定距离阈值,且速度差小于设定速度阈值。对关联成功的点云数据,将关联的当前时刻的点云数据作为观测量,对关联的前一时刻的点云数据进行kalman滤波以达到跟踪。
控制器提取关联失败的当前时刻的点云数据,并添加关联失败的当前时刻的点云数据作为目标数据。
通过数据关联与滤波,将多个雷达集成为统一的感知***,提高了商用车对周边环境的感知能力。以上给出了本发明涉及的具体实施方式,但本发明不局限于所描述的实施方式。在本发明给出的思路下,采用对本领域技术人员而言容易想到的方式对上述实施例中的技术手段进行变换、替换、修改,并且起到的作用与本发明中的相应技术手段基本相同、实现的发明目的也基本相同,这样形成的技术方案是对上述实施例进行微调形成的,这种技术方案仍落入本发明的保护范围内。
Claims (8)
1.一种基于多雷达的感知数据处理方法,其特征在于,包括以下步骤:
1)按照设定的采样周期采集至少两个雷达检测的点云数据,通过时空变换对各点云数据进行预处理;
2)判断当前时刻的点云数据的个数是否大于第一设定值,且前一时刻的点云数据的个数是否大于第二设定值;
3)若当前时刻的点云数据的个数大于第一设定值且前一时刻的点云数据的个数大于第二设定值,则将前一时刻的点云数据与当前时刻的点云数据进行关联运算;
4)提取关联成功的当前时刻的点云数据和对应的前一时刻的点云数据,以当前时刻的点云数据为观测量,通过滤波算法对前一时刻的点云数据进行跟踪;
提取关联失败的前一时刻的点云数据,如果各关联失败的前一时刻的点云数据的跟踪时间大于设定时长,且预测次数小于设定阈值,则对前一时刻中关联失败、跟踪时间大于设定时长且预测次数小于设定阈值的点云数据进行预测。
2.根据权利要求1所述的基于多雷达的感知数据处理方法,其特征在于,所述关联运算为计算前一时刻的点云数据与当前时刻的点云数据的距离和速度的关联程度,所述关联成功的条件为距离小于设定距离阈值,且速度差小于设定速度阈值。
3.根据权利要求1或2所述的基于多雷达的感知数据处理方法,其特征在于,若当前时刻的点云数据的个数小于第一设定值,且前一时刻的点云数据的个数大于第二设定值,则如果各前一时刻的点云数据的跟踪时间大于设定时长,且预测次数小于设定阈值,则对前一时刻中跟踪时间大于设定时长且预测次数小于设定阈值的点云数据进行预测。
4.根据权利要求1或2所述的基于多雷达的感知数据处理方法,其特征在于,所述时空变换为将采集得到的点云数据进行空间坐标统一和时间基准对齐。
5.一种基于多雷达的感知数据处理***,其特征在于,包括至少两个雷达和控制器,所述控制器用于按照设定的采样周期采集各雷达检测的点云数据,通过时空变换对点云数据进行预处理;并判断当前时刻的点云数据的个数是否大于第一设定值,且前一时刻的点云数据的个数是否大于第二设定值;若当前时刻的点云数据的个数大于第一设定值且前一时刻的点云数据的个数大于第二设定值,则所述控制器将前一时刻的点云数据与当前时刻的点云数据进行关联运算,并提取关联成功的当前时刻的点云数据和前一时刻的点云数据,以当前时刻的点云数据为观测量,通过滤波算法对前一时刻的点云数据进行跟踪;
所述控制器提取关联失败的前一时刻的点云数据,如果各关联失败的前一时刻的点云数据的跟踪时间大于设定时长,且预测次数小于设定阈值,则对前一时刻中关联失败、跟踪时间大于设定时长且预测次数小于设定阈值的点云数据进行预测。
6.根据权利要求5所述的基于多雷达的感知数据处理***,其特征在于,所述关联运算为计算前一时刻的点云数据与当前时刻的点云数据的距离和速度的关联程度,所述关联成功的条件为距离小于设定距离阈值,且速度差小于设定速度阈值。
7.根据权利要求5或6所述的基于多雷达的感知数据处理***,其特征在于,若当前时刻的点云数据的个数小于第一设定值,且前一时刻的点云数据的个数大于第二设定值,则如果各前一时刻的点云数据的跟踪时间大于设定时长,且预测次数小于设定阈值,则所述控制器对前一时刻中跟踪时间大于设定时长且预测次数小于设定阈值的点云数据进行预测。
8.根据权利要求5或6所述的基于多雷达的感知数据处理***,其特征在于,所述时空变换为将采集得到的点云数据进行空间坐标统一和时间基准对齐。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810374125.9A CN110398735B (zh) | 2018-04-24 | 2018-04-24 | 一种基于多雷达的感知数据处理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810374125.9A CN110398735B (zh) | 2018-04-24 | 2018-04-24 | 一种基于多雷达的感知数据处理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110398735A CN110398735A (zh) | 2019-11-01 |
CN110398735B true CN110398735B (zh) | 2021-09-10 |
Family
ID=68321923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810374125.9A Active CN110398735B (zh) | 2018-04-24 | 2018-04-24 | 一种基于多雷达的感知数据处理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110398735B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111273268B (zh) * | 2020-01-19 | 2022-07-19 | 北京百度网讯科技有限公司 | 自动驾驶障碍物类型的识别方法、装置及电子设备 |
CN113777600B (zh) * | 2021-09-09 | 2023-09-15 | 北京航空航天大学杭州创新研究院 | 一种多毫米波雷达协同定位跟踪方法 |
CN114554315B (zh) * | 2022-02-25 | 2024-04-12 | 南京慧尔视智能科技有限公司 | 雷达数据传输方法及装置、雷达感知网络及毫米波雷达 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009270827A (ja) * | 2008-04-30 | 2009-11-19 | Mitsubishi Electric Corp | マルチスタティックレーダ装置 |
CN106772435A (zh) * | 2016-12-12 | 2017-05-31 | 浙江华飞智能科技有限公司 | 一种无人机避障方法和装置 |
CN107341819A (zh) * | 2017-05-09 | 2017-11-10 | 深圳市速腾聚创科技有限公司 | 目标跟踪方法及存储介质 |
-
2018
- 2018-04-24 CN CN201810374125.9A patent/CN110398735B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009270827A (ja) * | 2008-04-30 | 2009-11-19 | Mitsubishi Electric Corp | マルチスタティックレーダ装置 |
CN106772435A (zh) * | 2016-12-12 | 2017-05-31 | 浙江华飞智能科技有限公司 | 一种无人机避障方法和装置 |
CN107341819A (zh) * | 2017-05-09 | 2017-11-10 | 深圳市速腾聚创科技有限公司 | 目标跟踪方法及存储介质 |
Non-Patent Citations (1)
Title |
---|
多雷达点迹融合方法与应用;李德刚;《中国优秀硕士学位论文全文数据库信息科技辑》;20170315;第5-32页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110398735A (zh) | 2019-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102292754B (zh) | 用于合并传感器数据的方法和*** | |
CN110398735B (zh) | 一种基于多雷达的感知数据处理方法及*** | |
JP3186401B2 (ja) | 車両用距離データ処理装置 | |
CN111999735B (zh) | 一种基于径向速度和目标跟踪的动静目标分离方法 | |
CN106291498B (zh) | 一种基于粒子滤波的检测跟踪联合优化方法 | |
CN109752719A (zh) | 一种基于多传感器的智能汽车环境感知方法 | |
CN109343051A (zh) | 一种用于高级辅助驾驶的多传感器数据融合方法 | |
CN111913177A (zh) | 对目标物探测方法、装置以及存储介质 | |
CN109407086B (zh) | 一种飞行器轨迹生成方法、***及诱捕***目标引导方法 | |
CN113777600A (zh) | 一种多毫米波雷达协同定位跟踪方法 | |
CN112598715A (zh) | 基于多传感器的多目标跟踪方法、***及计算机可读介质 | |
CN113611112B (zh) | 一种目标关联方法、装置、设备及存储介质 | |
US8604969B2 (en) | System and method of using image grids in detection of discrete objects | |
CN113988228B (zh) | 一种基于rfid和视觉融合的室内监控方法及*** | |
CN112907975A (zh) | 一种基于毫米波雷达与视频进行异常停车的检测方法 | |
Argüello et al. | Radar classification for traffic intersection surveillance based on micro-Doppler signatures | |
Sommer et al. | Radar-based situational awareness for industrial safety applications | |
Rykunov et al. | Multi-radar fusion for failure-tolerant vulnerable road users classification | |
Zhang et al. | Multisensor fusion‐based maritime ship object detection method for autonomous surface vehicles | |
Nguyen et al. | Optimized grid-based environment perception in advanced driver assistance systems | |
CN114049767A (zh) | 一种边缘计算方法、装置及可读存储介质 | |
Deng et al. | Robust target detection, position deducing and tracking based on radar camera fusion in transportation scenarios | |
Li et al. | Radar and smart camera based data fusion for multiple vehicle tracking system in autonomous driving | |
Wang et al. | A system of automated training sample generation for visual-based car detection | |
Thupakula | Data Fusion Techniques for Object Identification in Airport Environment |
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 | ||
CP03 | Change of name, title or address |
Address after: 450061 Yudao Road, Guancheng District, Zhengzhou City, Henan Province Patentee after: Yutong Bus Co.,Ltd. Address before: 450016 Yutong Road, Guancheng District, Zhengzhou City, Henan Province Patentee before: ZHENGZHOU YUTONG BUS Co.,Ltd. |
|
CP03 | Change of name, title or address |