CN110648542B - 基于方位识别窄波雷达的高精度车流量检测*** - Google Patents
基于方位识别窄波雷达的高精度车流量检测*** Download PDFInfo
- Publication number
- CN110648542B CN110648542B CN201911086945.9A CN201911086945A CN110648542B CN 110648542 B CN110648542 B CN 110648542B CN 201911086945 A CN201911086945 A CN 201911086945A CN 110648542 B CN110648542 B CN 110648542B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- radar
- lane
- target
- narrow
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种基于方位识别窄波雷达的高精度车流量检测***,包括:方位识别窄波雷达,用于发射天线水平3dB主瓣波束宽度不大于6°,多通道接收用于方位判别,采用快速连续波调频体制实现目标车辆距离、速度、车型的准确判别;去重决断信息处理机,用于在车辆压线行驶时,根据第一车道和第二车道的雷达输出的车辆实时位置及识别车型、探测目标的运动轨迹、运动方程、车型、速度等信息判断融合为一辆压线行驶的车,避免车流量重复统计。本发明采用基于新型方位识别窄波雷达及去重决断处理机制实现各种道路场景的高精度车流量统计,并且准确率大于99.5%。
Description
技术领域
本发明涉及车流量检测技术领域,特别涉及一种基于方位识别窄波雷达的高精度车流量检测***。
背景技术
基于毫米波雷达技术的高精度车流量检测***(以下简称“高精度流量检测***”)可广泛应用于高速、城市道路的精准测速及精确车流量统计等需求。
现有技术中的车流量统计***大多采用视频检测、线圈检测、流量雷达检测技术。视觉检测易受光线环境、雨雾影响。线圈检测在重型卡车通行率较高场景下的长期工作可靠性不高。传统车流量检测雷达无论是正装多车道还是侧装多车道都会因大车临道遮挡、车型分类不准确而精准度难以达到99.5%。
发明内容
本发明提供了一种基于方位识别窄波雷达的高精度车流量检测***,以解决至少一个上述技术问题。
为解决上述问题,作为本发明的一个方面,提供了一种基于方位识别窄波雷达的高精度车流量检测***,包括:方位识别窄波雷达,用于发射天线水平3dB主瓣波束宽度不大于6°,多通道接收用于方位判别,采用快速连续波调频体制实现目标车辆距离、速度、车型的准确判别;去重决断信息处理机,用于在车辆压线行驶时,根据第一车道和第二车道的雷达输出的车辆实时位置及识别车型、探测目标的运动轨迹、运动方程、车型、速度等信息判断融合为一辆压线行驶的车,避免车流量重复统计。
优选地,为了实现对多目标良好的区分和探测,所述采用快速连续波调频体制实现目标车辆距离、速度、车型的准确判别包括:采用二维FFT处理技术,从距离维速度维二维区分目标;采用恒虚警检测技术,在保持较低虚警率的前提下提高雷达的检测概率;在角度维上通过DBF技术和比相测角原理,得到较高的角度分辨率,从而提高多目标的定位精度和区分能力;采用模糊数学的方法在位置、速度、加速度上进行目标相似关联;采用卡尔曼滤波器实现对带有噪声的观测数据的随机信号取值估计,用于处理雷达数据,能够对探测到的目标提取位置信息形成点迹数据。
优选地,所述车型的判别方法以目标车辆雷达回波散射点为基础,反演重构车辆轮廓信息,包括车辆高度、长度以及宽度。
优选地,所述以目标车辆雷达回波散射点为基础,反演重构车辆轮廓信息包括:通过对雷达回波数据的整合处理,提取出特征点的距离、速度以及角速度信息;基于以上三组数据建立特征点运动方程式并结合跟踪滤波算法进行适应性调整,同时,将三组数据应用于车辆散射模型模糊识别并进行动态调整;综合以上两种方法最终将车型散射信息与特征点动态匹配,输出车辆的长度、宽度及高度。
优选地,所述去重决断信息处理机的数据处理流程为:当一辆车压线行驶、且第一雷达、第二雷达同时稳定跟踪的条件下,同时定义第一雷达探测到第一车道的车辆为第一目标、第二雷达探测到第二车道的车辆为第二目标;根据方位识别窄波雷达采集的车辆信息进行信息融合,包括:对两个目标的横向距离、纵向距离进行依次比较,当二者的差值小于设定值时则会进一步比较车辆长度以及车辆高度,若以上参数都小于设定值就会被判定为重复统计,任意一项大于设定值则会判定为单独统计;被判定为重复统计后,分别计算目标车辆相对第一车道、第二车道中心的欧式距离,判断应属车道。
本发明中的基于新型方位识别窄波毫米波雷达的高精度车流量检测***采用基于新型方位识别窄波雷达及去重决断处理机制实现各种道路场景的高精度车流量统计,并且准确率大于99.5%。
附图说明
图1示意性地示出了车辆轮廓信息提取流程图;
图2示意性地示出了车辆压线行驶的示意图;
图3示意性地示出了去重决断信息处理机数据处理流程图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
以典型两车道应用场景为例,本发明主要包括两台新型方位识别窄波雷达和一台去重决断信息处理机。
一、型方位识别窄波雷达
新型方位识别窄波雷达发射天线水平3dB主瓣波束宽度不大于6°,多通道接收用于方位判别。采用快速连续波调频体制实现目标车辆距离、速度、车型的准确判别。
快速连续波调频体制实现目标车辆的距离、速度是现有技术的常用处理方式。雷达具有三个主要任务,分别是距离估计、相随速度估计和方位估计,为了实现对多目标良好的区分和探测,采用二维FFT处理技术,从距离维速度维二维区分目标,采用恒虚警检测技术,在保持较低虚警率的前提下提高雷达的检测概率。在角度维上通过DBF技术和比相测角原理,得到较高的角度分辨率,从而提高多目标的定位精度和区分能力。采用模糊数学的方法在位置、速度、加速度上进行目标相似关联。采用卡尔曼滤波器实现对带有噪声的观测数据的随机信号取值估计,用于处理雷达数据,能够对探测到的目标提取位置信息形成点迹数据。
车型的判别方法以目标车辆雷达回波散射点为基础,反演重构车辆轮廓信息,包括车辆高度、长度以及宽度,具体方法如下:
通过对雷达回波数据的整合处理,提取出特征点的距离、速度以及角速度信息。基于以上三组数据建立特征点运动方程式,再结合跟踪滤波算法进行适应性调整;同时将三组数据应用于车辆散射模型模糊识别并进行动态调整。综合以上两种方法最终将车型散射信息与特征点动态匹配,输出车辆的长度、宽度及高度。
二、去重决断信息处理机
去重决断信息处理机用于当车辆压线行驶时,第一车道和第二车道的雷达分别向去重决断处理机输出车辆实时位置及识别车型。去重决断处理机根据两个雷达探测目标的运动轨迹、运动方程、车型、速度等信息判断融合为一辆压线行驶的车,避免车流量重复统计。
当一辆车压线行驶,并且第一雷达、第二雷达同时稳定跟踪的条件下,同时定义第一雷达探测到第一车道的车辆为第一目标、第二雷达探测到第二车道的车辆为第二目标。根据方位识别窄波雷达采集的车辆信息进行信息融合,首先对两个目标的横向距离、纵向距离进行依次比较,当二者的差值小于设定值时则会进一步比较车辆长度以及车辆高度,若以上参数都小于设定值就会被判定为重复统计,任意一项大于设定值则会判定为单独统计。被判定为重复统计后,根据分别计算目标车辆相对第一车道、第二车道中心的欧式距离,判断应属车道。
本发明中的基于新型方位识别窄波毫米波雷达的高精度车流量检测***采用基于新型方位识别窄波雷达及去重决断处理机制实现各种道路场景的高精度车流量统计,并且准确率大于99.5%。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于方位识别窄波雷达的高精度车流量检测***,其特征在于,包括:
方位识别窄波雷达,用于发射天线水平3dB主瓣波束宽度不大于6°,多通道接收用于方位判别,采用快速连续波调频体制实现目标车辆距离、速度、车型的准确判别;
去重决断信息处理机,用于在车辆压线行驶时,根据第一车道和第二车道的雷达输出的车辆实时位置及识别车型、探测目标的运动轨迹、运动方程、车型、速度判断融合为一辆压线行驶的车,避免车流量重复统计;
所述去重决断信息处理机的数据处理流程为:当一辆车压线行驶、且第一雷达、第二雷达同时稳定跟踪的条件下,同时定义第一雷达探测到第一车道的车辆为第一目标、第二雷达探测到第二车道的车辆为第二目标;根据方位识别窄波雷达采集的车辆信息进行信息融合,包括:对两个目标的横向距离、纵向距离进行依次比较,当二者的差值小于设定值时则会进一步比较车辆长度以及车辆高度,若以上参数都小于设定值就会被判定为重复统计,任意一项大于设定值则会判定为单独统计;被判定为重复统计后,分别计算目标车辆相对第一车道、第二车道中心的欧式距离,判断应属车道。
2.根据权利要求1所述的***,其特征在于,为了实现对多目标良好的区分和探测,所述采用快速连续波调频体制实现目标车辆距离、速度、车型的准确判别包括:
采用二维FFT处理技术,从距离维速度维二维区分目标;
采用恒虚警检测技术,在保持较低虚警率的前提下提高雷达的检测概率;
在角度维上通过DBF技术和比相测角原理,得到较高的角度分辨率,从而提高多目标的定位精度和区分能力;
采用模糊数学的方法在位置、速度、加速度上进行目标相似关联;
采用卡尔曼滤波器实现对带有噪声的观测数据的随机信号取值估计,用于处理雷达数据,能够对探测到的目标提取位置信息形成点迹数据。
3.根据权利要求1所述的***,其特征在于,所述车型的判别方法以目标车辆雷达回波散射点为基础,反演重构车辆轮廓信息,包括车辆高度、长度以及宽度。
4.根据权利要求3所述的***,其特征在于,所述以目标车辆雷达回波散射点为基础,反演重构车辆轮廓信息包括:
通过对雷达回波数据的整合处理,提取出特征点的距离、速度以及角速度信息;
基于以上三组数据建立特征点运动方程式并结合跟踪滤波算法进行适应性调整,同时,将三组数据应用于车辆散射模型模糊识别并进行动态调整;
综合以上两种方法最终将车型散射信息与特征点动态匹配,输出车辆的长度、宽度及高度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911086945.9A CN110648542B (zh) | 2019-11-08 | 2019-11-08 | 基于方位识别窄波雷达的高精度车流量检测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911086945.9A CN110648542B (zh) | 2019-11-08 | 2019-11-08 | 基于方位识别窄波雷达的高精度车流量检测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110648542A CN110648542A (zh) | 2020-01-03 |
CN110648542B true CN110648542B (zh) | 2021-09-21 |
Family
ID=69014297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911086945.9A Active CN110648542B (zh) | 2019-11-08 | 2019-11-08 | 基于方位识别窄波雷达的高精度车流量检测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110648542B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112991774B (zh) * | 2021-02-02 | 2021-12-10 | 深圳市天鼎微波科技有限公司 | 一种基于毫米波的交通流量检测方法及装置 |
CN114495520B (zh) * | 2021-12-30 | 2023-10-03 | 北京万集科技股份有限公司 | 一种车辆的计数方法、装置、终端和存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB871641A (en) * | 1958-10-29 | 1961-06-28 | Gen Motors Corp | Improved motor road vehicle control system |
CN102402861A (zh) * | 2011-11-25 | 2012-04-04 | 金庆江 | 一种车辆判别控制*** |
CN102810250A (zh) * | 2012-07-31 | 2012-12-05 | 长安大学 | 基于视频的多车型交通信息检测方法 |
CN105987263A (zh) * | 2015-01-28 | 2016-10-05 | 邹谋炎 | 道路监测雷达的一种斜横向照射方法和支架设计 |
CN108492586A (zh) * | 2018-05-22 | 2018-09-04 | 南京城建隧桥经营管理有限责任公司 | 一种基于分布式的道路区间监测***及其测速方法 |
CN109410578A (zh) * | 2018-11-09 | 2019-03-01 | 浙江浩腾电子科技股份有限公司 | 一种基于计算机视觉的交通路口断面车流量检测方法 |
CN109557530A (zh) * | 2017-09-25 | 2019-04-02 | 北京华同微波科技有限公司 | 一种窄波束、长覆盖fmcw雷达 |
CN110084906A (zh) * | 2018-01-25 | 2019-08-02 | 深圳市以捷智慧交通科技有限公司 | 一种基于交通拥塞程度的城市道路分路段收费***和方法 |
-
2019
- 2019-11-08 CN CN201911086945.9A patent/CN110648542B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB871641A (en) * | 1958-10-29 | 1961-06-28 | Gen Motors Corp | Improved motor road vehicle control system |
CN102402861A (zh) * | 2011-11-25 | 2012-04-04 | 金庆江 | 一种车辆判别控制*** |
CN102810250A (zh) * | 2012-07-31 | 2012-12-05 | 长安大学 | 基于视频的多车型交通信息检测方法 |
CN105987263A (zh) * | 2015-01-28 | 2016-10-05 | 邹谋炎 | 道路监测雷达的一种斜横向照射方法和支架设计 |
CN109557530A (zh) * | 2017-09-25 | 2019-04-02 | 北京华同微波科技有限公司 | 一种窄波束、长覆盖fmcw雷达 |
CN110084906A (zh) * | 2018-01-25 | 2019-08-02 | 深圳市以捷智慧交通科技有限公司 | 一种基于交通拥塞程度的城市道路分路段收费***和方法 |
CN108492586A (zh) * | 2018-05-22 | 2018-09-04 | 南京城建隧桥经营管理有限责任公司 | 一种基于分布式的道路区间监测***及其测速方法 |
CN109410578A (zh) * | 2018-11-09 | 2019-03-01 | 浙江浩腾电子科技股份有限公司 | 一种基于计算机视觉的交通路口断面车流量检测方法 |
Non-Patent Citations (2)
Title |
---|
A High-Range-Resolution Microwave Radar System for Traffic Flow Rate Measurement;Yiguang Xuan 等;《IEEE Conference on Intelligent Transportation Systems》;20050916;第880-885页 * |
采用深度卷积神经网络技术的汽车群体属性分析研究;任军利 等;《湘潭大学自然科学学报》;20180830;第40卷(第4期);第92-95页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110648542A (zh) | 2020-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10605896B2 (en) | Radar-installation-angle calculating device, radar apparatus, and radar-installation-angle calculating method | |
US12002225B2 (en) | System and method for transforming video data into directional object count | |
CN111045008B (zh) | 基于展宽计算的车载毫米波雷达目标识别方法 | |
CN104183127A (zh) | 交通监控视频检测方法和装置 | |
CN110648542B (zh) | 基于方位识别窄波雷达的高精度车流量检测*** | |
CN112085950B (zh) | 交通状态判别指标的估计方法、***、存储介质及应用 | |
CN107134143A (zh) | 一种基于连续波雷达的车流量统计与车型判别的方法 | |
CN103425764A (zh) | 一种基于视频的车辆匹配方法 | |
CN114415171A (zh) | 一种基于4d毫米波雷达的汽车可行驶区域检测方法 | |
CN109541601A (zh) | 基于毫米波的障碍物识别***及其检测方法 | |
CN112731296A (zh) | 一种汽车毫米波雷达点迹凝聚方法及*** | |
CN114814823A (zh) | 基于毫米波雷达和相机融合的轨道车辆检测***和方法 | |
CN113537417A (zh) | 基于雷达的目标识别方法、装置、电子设备及存储介质 | |
CN115236603A (zh) | 隧道内基于时空关系的毫米波雷达量测异常轨迹处理方法 | |
CN113740874A (zh) | 一种道路边沿检测方法、电子设备及车辆 | |
Wittmann et al. | Improving lidar data evaluation for object detection and tracking using a priori knowledge and sensorfusion | |
CN116299473A (zh) | 一种基于mimo毫米波雷达的横穿目标探测方法 | |
CN115932831A (zh) | 基于雷达的目标分段跟踪方法、装置、设备及存储介质 | |
WO2021199104A1 (ja) | 物体検知システムおよび物体検知方法 | |
CN114495483A (zh) | 一种基于毫米波雷达的车辆异常行驶行为识别方法 | |
CN112380927B (zh) | 一种轨道识别方法及其装置 | |
Spraul et al. | Persistent multiple hypothesis tracking for wide area motion imagery | |
Huang et al. | An efficient multi-threshold selection method for lane detection based on lidar | |
Wang et al. | DBSCAN clustering algorithm of millimeter wave radar based on multi frame joint | |
CN113625266A (zh) | 应用雷达检测低速目标的方法、装置、存储介质和设备 |
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 | ||
CP03 | Change of name, title or address |
Address after: Room 704, building F, qihangkechuang R & D Industrial Park, 1008 Songbai Road, sunshine community, Xili street, Shenzhen, Guangdong 518000 Patentee after: Habo intelligent (Shenzhen) Co.,Ltd. Address before: 518000 803-a8111, building 10, Shenzhen Bay science and technology ecological park, No. 10, Gaoxin South ninth Road, high tech Zone community, Yuehai street, Nanshan District, Shenzhen, Guangdong Patentee before: SHENZHEN HITSYS INFORMATION TECHNOLOGY Co.,Ltd. |