CN111830483B - 一种具有微动效应的目标的确定方法、装置、电子设备及存储介质 - Google Patents
一种具有微动效应的目标的确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111830483B CN111830483B CN202010971296.7A CN202010971296A CN111830483B CN 111830483 B CN111830483 B CN 111830483B CN 202010971296 A CN202010971296 A CN 202010971296A CN 111830483 B CN111830483 B CN 111830483B
- Authority
- CN
- China
- Prior art keywords
- target
- data set
- determining
- motion data
- motion
- 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
- 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
- G01S7/415—Identification of targets based on measurements of movement associated with the target
-
- 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
- G01S7/414—Discriminating targets with respect to background clutter
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Radar, Positioning & Navigation (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请实施例所公开的一种具有微动效应的目标的确定方法、装置、电子设备及存储介质,通过基于当前运动数据集合和预测运动数据集合确定目标的运动差值集合,进而根据运动差值集合确定当前运动数据集合和预测运动数据集合的关联值,若关联值小于第一预设阈值,根据径向速度差值确定目标的微动值,若微动值大于第二预设阈值,确定目标为具有微动效应的目标。基于本申请实施例,通过确定当前运动数据集合和预测运动数据集合的关联,将目标看作扩展目标,并且根据径向速度差值确定目标的微动值以确定目标为具有微动效应的目标,引入二阶中心矩的计算方法可以调整量测噪声,更好地对目标进行跟踪,减少虚假目标。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种具有微动效应的目标的确定方法、装置、电子设备及存储介质。
背景技术
随着传感器分辨率的不断提高,在每一时刻都能够接收到同一目标不同等效散射中心的多个量测,例如一辆车的车头、车尾、车顶和车轮等不同部位。此时,目标不再是点目标,而是扩展目标。在智能驾驶领域中,车辆需要通过传感器实时感知周围环境,并对潜在威胁作出应对,然而对于周围环境中的复杂情形,例如转动的车轮和充电桩内部转动的风扇,这类微动部件所引起的微动效应对于目标的跟踪来说是一项巨大的挑战。
目前,跟踪具有微动效应的目标的已取得大量研究成果,例如采用Hough变换、Radon变换和时频变换等技术对雷达回波信号中的微动分量进行提取,然而,这些提取技术都存在一定的弊端,例如采用Hough变换或Radon变换对雷达回波信号中的微动分量进行提取时,需要高性能的计算平台进行较大量的数据运算,增加了投入成本;采用时频变换对雷达回波信号中的微动分量进行提取具有局限性,不适用于低信噪比的提取环境。因而,在信号处理端难以提取雷达回波信号中的微动分量,受微动分量影响容易产生偏移航迹和虚假航迹的问题。
发明内容
本申请实施例提供一种具有微动效应的目标的确定方法、装置、电子设备及存储介质,可以减少计算量、减少设备投入成本,还可以更好地对目标进行跟踪,减少虚假目标,并且可以适用于低信噪比的应用环境。
本申请实施例提供了一种具有微动效应的目标的确定方法,该确定方法包括:
获取目标的量测数据集合和自车运动数据集合;量测数据集合包括在当前时刻时目标的第一量测数据集合和在历史时刻时目标的第二量测数据集合,自车运动数据集合包括当前时刻自车的运动数据;
根据第一量测数据集合确定目标的当前运动数据集合,以及根据第二量测数据集合确定目标的历史运动数据集合;
根据自车运动数据集合和历史运动数据集合确定目标的预测运动数据集合;
基于当前运动数据集合和预测运动数据集合确定目标的运动差值集合;运动差值集合中至少包括径向速度差值;
根据运动差值集合确定当前运动数据集合和预测运动数据集合的关联值;
若关联值小于第一预设阈值,根据径向速度差值确定目标的微动值;
若微动值大于第二预设阈值,确定目标为具有微动效应的目标。
进一步地,第一量测信息集合包括当前时刻时目标在第一坐标系中的第一距离、第一径向速度和第一角度;
第二量测信息集合包括历史时刻时目标在第一坐标系中的第二距离、第二径向速度和第二角度;
自车运动数据集合包括当前时刻自车的自车速度和自车偏航角速度。
进一步地,根据第一量测数据集合确定目标的当前运动数据集合,包括:
确定第一坐标系与第二坐标系间的转换规则;
基于转换规则将第一距离、第一径向速度和第一角度转换至第二坐标系中,得到当前运动数据集合;当前运动数据集合至少包括当前时刻时目标在第一方向上的第一位置数据、在第一方向上的第一速度、在第一方向上的当前角度、在第二方向上的第二位置数据和在第二方向上的第二速度;
根据第二量测数据集合确定目标的历史运动数据集合,包括:
基于转换规则将第二距离、第二径向速度和第二角度转换至第二坐标系中,得到历史运动数据集合;历史运动数据集合至少包括历史时刻时目标在第一方向上的第三位置数据、在第一方向上的第三速度、在第二方向上的第四位置数据和在第二方向上的第四速度。
进一步地,根据自车运动数据集合和历史运动数据集合确定目标的预测运动数据集合,包括:
根据自车速度、自车偏航角速度、第三位置数据和第三速度确定目标在第一方向上的第一预测位置数据和第一预测速度;
根据自车速度、自车偏航角速度、第四位置数据和第四速度确定目标在第二方向上的第二预测位置数据和第二预测速度;
根据第一预测位置数据、第一预测速度、第二预测位置数据和第二预测速度确定目标的预测运动数据集合。
进一步地,基于当前运动数据集合和预测运动数据集合确定目标的运动差值集合,包括:
根据第一位置数据和第一预测位置数据确定目标在第一方向上的第一位置差;
根据第二位置数据和第二预测位置数据确定目标在第二方向上的第二位置差;
根据第一预测速度、第二预测速度和当前角度确定预测径向速度;
根据第一径向速度和预测径向速度确定径向速度差;
根据第一位置差、第二位置差和径向速度差确定目标的运动差值集合。
进一步地,根据运动差值集合确定当前运动数据集合和预测运动数据集合的关联值,包括:
根据第一预设系数和第一位置差确定第一关联值;
根据第二预设系数和第二位置差确定第二关联值;
根据第三预设系数和径向速度差确定第三关联值;第一预设系数、第二预设系数和第三预设系数的和为1;
确定第一关联值、第二关联值和第三关联值的和值为关联值。
进一步地,确定目标为具有微动效应的目标之后,还包括:
根据目标的微动值调整量测噪声;
基于卡尔曼滤波对目标对应的点云进行处理,得到处理后的点云。
进一步地,目标的量测数据集合是由单毫米波雷达采集的。
相应地,本申请实施例还提供了一种具有微动效应的目标的确定装置,该确定装置包括:
获取模块,用于获取目标的量测数据集合和自车运动数据集合;量测数据集合包括在当前时刻时目标的第一量测数据集合和在历史时刻时目标的第二量测数据集合,自车运动数据集合包括当前时刻自车的运动数据;
第一确定模块,用于根据第一量测数据集合确定目标的当前运动数据集合,以及根据第二量测数据集合确定目标的历史运动数据集合;
第二确定模块,用于根据自车运动数据集合和历史运动数据集合确定目标的预测运动数据集合;
第三确定模块,用于基于当前运动数据集合和预测运动数据集合确定目标的运动差值集合;运动差值集合中至少包括径向速度差值;
第四确定模块,用于根据运动差值集合确定当前运动数据集合和预测运动数据集合的关联值;
第五确定模块,用于若关联值小于第一预设阈值,根据径向速度差值确定目标的微动值;
第六确定模块,用于若微动值大于第二预设阈值,确定目标为具有微动效应的目标。
相应地,本申请实施例还提供了一种电子设备,该电子设备包括处理器和存储器,存储器中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述具有微动效应的目标的确定方法。
相应地,本申请实施例还提供了一种计算机可读存储介质,该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述具有微动效应的目标的确定方法。
本申请实施例具有如下有益效果:
本申请实施例所公开的一种具有微动效应的目标的确定方法、装置、电子设备及存储介质,其中,确定方法包括通过安装在车辆上的单毫米波雷达对目标进行数据采集,将采集到的量测数据传输至服务器,服务器获取目标的量测数据集合和自车运动数据集合,该量测数据集合包括在当前时刻时目标的第一量测数据集合和在历史时刻时目标的第二量测数据集合,自车运动数据集合包括当前时刻自车的运动数据,之后根据第一量测数据集合确定目标的当前运动数据集合,以及根据第二量测数据集合确定目标的历史运动数据集合,进而根据自车运动数据集合和历史运动数据集合确定目标的预测运动数据集合,然后基于当前运动数据集合和预测运动数据集合确定目标的运动差值集合,该运动差值集合中至少包括径向速度差值,进而根据运动差值集合确定当前运动数据集合和预测运动数据集合的关联值,若关联值小于第一预设阈值,根据径向速度差值确定目标的微动值,若微动值大于第二预设阈值,确定目标为具有微动效应的目标。基于本申请实施例,通过单毫米波雷达对目标的进行数据采集,可以减少设备投入成本,在数据处理端通过确定当前运动数据集合和预测运动数据集合的关联,将目标看作扩展目标,并且根据径向速度差值确定目标的微动值以确定目标为具有微动效应的目标,引入二阶中心矩的计算方法可以调整量测噪声,更好地对目标进行跟踪,减少虚假目标,相较于在信号处理端进行微动分量处理的方法,可以减少计算量,并且可以适用于低信噪比的应用环境。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案和优点,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的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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,还可以根据这些附图获得其它附图。
图1是本申请实施例所提供的一种应用环境的示意图;
图2是本申请实施例所提供的一种具有微动效应的目标的确定方法的流程示意图;
图3是本申请实施例所提供的一种单毫米波雷达采集到的小风扇的点迹信息分布示意图;
图4是本申请实施例所提供的一种未判断目标是否为微动目标直接基于卡尔曼滤波对目标进行更新后得到的目标位置示意图;
图5是本申请实施例所提供的一种采用具有微动效应的目标的确定方法判断目标是否为微动目标并基于卡尔曼滤波对目标进行更新后得到的目标位置示意图;
图6是本申请实施例所提供的一种具有微动效应的目标的确定装置的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施例作进一步地详细描述。显然,所描述的实施例仅仅是本申请一个实施例,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作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。
此处所称的“实施例”是指可包含于本申请至少一个实现方式中的特定特征、结构或特性。在本申请实施例的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、“第三”和“第四”的特征可以明示或者隐含的包括一个或者更多个该特征。而且,术语“第一”、“第二”、“第三”和“第四”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请实施例能够以除了在这里图示或描述以外的顺序实施。此外,术语“包括”、“具有”和“为”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或模块的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或模块,而是可包括没有清楚地列出的或对于这些过程、方法、装置、产品或设备固有的其它步骤或模块。
请参阅图1,其所示为本申请实施例所提供的一种应用环境的示意图,包括单毫米波雷达101和服务器103,该单毫米波雷达安装于车辆上,对目标进行数据采集,并将采集到的量测数据传输至服务器103。服务器103获取目标的量测数据集合和自车运动数据集合,该量测数据集合包括在当前时刻时目标的第一量测数据集合和在历史时刻时目标的第二量测数据集合,自车运动数据集合包括当前时刻自车的运动数据,之后服务器103根据第一量测数据集合确定目标的当前运动数据集合,以及根据第二量测数据集合确定目标的历史运动数据集合,进而服务器103根据自车运动数据集合和历史运动数据集合确定目标的预测运动数据集合,然后基于当前运动数据集合和预测运动数据集合确定目标的运动差值集合,该运动差值集合中至少包括径向速度差值,进而根据运动差值集合确定当前运动数据集合和预测运动数据集合的关联值,若关联值小于第一预设阈值,服务器103根据径向速度差值确定目标的微动值,若微动值大于第二预设阈值,服务器103确定目标为具有微动效应的目标。
一种可选的实施方式中,服务器103可以是一个大型的公共服务器平台或者服务器集群。该种实施方式中,车辆可以通过安装在车辆上的单毫米波雷达对目标进行数据采集,随后将采集到的量测数据传输至服务器平台或者服务器集群,服务器平台或者服务器集群获取目标的量测数据集合和自车运动数据集合,该量测数据集合包括在当前时刻时目标的第一量测数据集合和在历史时刻时目标的第二量测数据集合,自车运动数据集合包括当前时刻自车的运动数据,之后根据第一量测数据集合确定目标的当前运动数据集合,以及根据第二量测数据集合确定目标的历史运动数据集合,进而根据自车运动数据集合和历史运动数据集合确定目标的预测运动数据集合,然后基于当前运动数据集合和预测运动数据集合确定目标的运动差值集合,该运动差值集合中至少包括径向速度差值,进而根据运动差值集合确定当前运动数据集合和预测运动数据集合的关联值,若关联值小于第一预设阈值,根据径向速度差值确定目标的微动值,若微动值大于第二预设阈值,确定目标为具有微动效应的目标。该种实施方式中,可以在车辆上仅仅设置基础配置的服务器,复杂的运算可以通过公共的服务器平台或者服务器集群承担,如此,可以在降低车辆制造成本,使得车辆在视场中更具竞争力。
另一种可选的实施方式中,服务器103可以是设置在车辆中的车载服务器,每一个车在服务器可以单独为所在的车辆提供指示车辆运行服务。具体地,车辆可以通过安装在车辆上的单毫米波雷达对目标进行数据采集,随后将采集到的量测数据传输至车载服务器,车载服务器获取目标的量测数据集合和自车运动数据集合,该量测数据集合包括在当前时刻时目标的第一量测数据集合和在历史时刻时目标的第二量测数据集合,自车运动数据集合包括当前时刻自车的运动数据,之后根据第一量测数据集合确定目标的当前运动数据集合,以及根据第二量测数据集合确定目标的历史运动数据集合,进而根据自车运动数据集合和历史运动数据集合确定目标的预测运动数据集合,然后基于当前运动数据集合和预测运动数据集合确定目标的运动差值集合,该运动差值集合中至少包括径向速度差值,进而根据运动差值集合确定当前运动数据集合和预测运动数据集合的关联值,若关联值小于第一预设阈值,根据径向速度差值确定目标的微动值,若微动值大于第二预设阈值,确定目标为具有微动效应的目标。该种方式中,由于复杂的计算是由车辆上的车载服务器承担的,因此,车辆需要配置复合条件的软硬件设备。虽然,车价相对于第一种情况来说有所增加,但是由于不需要和公共的服务器平台进行交互,可以减少交互时间,使得车辆能够更快地得到结果,且服务器与车辆一对一,可以避免传输出错的可能性,能够提升服务质量。
下面介绍本申请一种具有微动效应的目标的确定方法的具体实施例,图2是本申请实施例提供的一种具有微动效应的目标的确定方法的流程示意图,本说明书提供了如实施例或流程图所示的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多执行顺序中的一种方式,不代表唯一的执行顺序,在实际执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图2所示,该方法包括:
S201:获取目标的量测数据集合和自车运动数据集合;量测数据集合包括在当前时刻时目标的第一量测数据集合和在历史时刻时目标的第二量测数据集合,自车运动数据集合包括当前时刻自车的运动数据。
本申请实施例中,安装于自车上的单毫米波雷达对目标进行数据采集,可以得到目标对应的点迹信息,该点迹信息即为目标的量测数据集合,在采集到的目标的量测数据之后将采集到的量测数据传输至服务器,该量测数据包括当前时刻时目标在第一坐标系中的第一距离rk、第一径向速度Vk和第一角度θk,第二量测信息集合包括历史时刻时目标在第一坐标系中的第二距离rk-1、第二径向速度Vk-1和第二角度θk-1。这里,第一坐标系可以是单毫米波雷达对应的雷达坐标系。服务器还获取自车运动数据集合,该自车运动数据集合是指当前时刻自车的运动数据,具体可以包括当前时刻自车的自车速度和自车偏航角速度。
在一种可选的实施方式中,第一量测数据集合可以表示为:
第二量测数据集合可以表示为:
S203:根据第一量测数据集合确定目标的当前运动数据集合,以及根据第二量测数据集合确定目标的历史运动数据集合。
本申请实施例中,服务器在获取量测数据集合之后,需要根据该量测数据集合中的第一量测数据集合确定目标在当前时刻的当前运动数据集合,并且根据该量测数据集合中的第二量测数据集合确定目标在历史时刻的历史运动数据集合。具体地,服务器可以首先确定第一坐标系与第二坐标系间的转换规则,这里,第二坐标系可以是自车的车身坐标系。
假设,该车身坐标系具有第一方向轴X和第二方向轴Y。也就是说,服务器在获取量测数据集合之后,需要确定雷达坐标系与车身坐标系间的转换规则,具体可以确定雷达坐标系与车身坐标系间的转换矩阵,并基于该转换规则将第一距离rk、第一径向速度Vk和第一角度θk转换至车身坐标系中,得到目标在车身坐标系中第一方向上的第一位置数据xk、在第一方向上的第一速度Vx,k、在第一方向上的当前角度θk、在第二方向上的第二位置数据yk和在第二方向上的第二速度Vy,k,即确定目标当前时刻时在X轴对应方向上的第一位置数据xk、在第一方向上的第一速度Vx,k、在第一方向上的当前角度θk以及目标在Y轴对应方向上的第二位置数据yk和在第二方向上的第二速度Vy,k。需要进行说明的是,服务器还可以根据该量测数据集合中的第一量测数据集合确定当前时刻目标在车身坐标系中第一方向上的第一加速度ax,k以及在第二方向上的第二加速度ay,k。
同样地,可以基于该转换规则将第二距离rk-1、第二径向速度Vk-1和第二角度θk-1转换至车身坐标系中,得到目标在车身坐标系中第一方向上的第三位置数据xk-1、在第一方向上的第三速度Vx,k-1、在第二方向上的第四位置数据yk-1和在第二方向上的第四速度Vy,k-1,即确定目标历史时刻时在X轴对应方向上的第三位置数据xk-1,在第一方向上的第三速度Vx,k-1以及目标在Y轴对应方向上的第四位置数据yk-1和在第二方向上的第四速度Vy,k-1。服务器也可以根据该量测数据集合中的第二量测数据集合确定历史时刻目标在车身坐标系中第一方向上的第三加速度ax,k-1以及在第二方向上的第四加速度ay,k-1。
在一种可选的实施方式中,目标的当前运动数据集合可以表示为:
目标的历史运动数据集合可以表示为:
S205:根据自车运动数据集合和历史运动数据集合确定目标的预测运动数据集合。
本申请实施例中,服务器在获取量测数据集合之后,需要根据当前时刻自车的自车速度、自车偏航角速度以及目标的历史运动数据集合确定目标的预测运动数据集合,并且可以基于目标的预测运动数据集合确定出目标的一条预测航迹。理论上,当自车处于静止状态时,服务器确定的目标的预测运动数据集合中各数据与目标的历史运动数据集合中对应的各数据间的差值是非常小的,甚至为零。但是当自车处于高速运动状态时,受自车运动影响,服务器确定的目标的预测运动数据集合中各数据与目标的历史运动数据集合中对应的各数据间的差值是不可以忽略不计的,因此,服务器需要根据当前时刻自车的速度、自车偏航角速度、目标历史时刻时在第一方向上的第三位置数据xk-1以及在第一方向上的第三速度Vx,k-1确定目标在第一方向上的第一预测位置数据xtrack和第一预测速度Vx,track。这里,第一预测位置数据是根据当前时刻目标与车辆的相对位移和第三位置数据的差值确定的,第一预测速度根据当前时刻目标与车辆的相对速度和第三速度的差值确定的。同样地,服务器需要根据当前时刻自车的速度、自车偏航角速度、目标历史时刻时在第二方向上的第四位置数据yk-1以及在第二方向上的第四速度Vy,k-1确定目标在第二方向上的第二预测位置数据ytrack和第二预测速度Vy,track。这里,第二预测位置数据是根据当前时刻目标与车辆的相对位移和第四位置数据的差值确定的,第二预测速度根据当前时刻目标与车辆的相对速度和第四速度的差值确定的。进而,服务器可以根据第一预测位置数据xtrack、第一预测速度Vx,track、第二预测位置数据ytrack和第二预测速度Vy,track确定目标的预测运动数据集合。
在一种可选的实施方式中,目标的预测运动数据集合可以表示为:
S207:基于当前运动数据集合和预测运动数据集合确定目标的运动差值集合;运动差值集合中至少包括径向速度差值。
本申请实施例中,服务器可以根据目标当前运动数据集合和预测运动数据集合,确定目标实际运动状态与理论运动状态的差异性。具体地,可以根据目标当前时刻时在第一方向上的第一位置数据xk以及第一预测位置数据xtrack确定目标在第一方向上的第一位置差dx,根据目标当前时刻时在第二方向上的第二位置数据yk以及第二预测位置数据ytrack确定目标在第二方向上的第二位置差dy,并且根据第一预测速度Vx,track、第二预测速度Vy,track和当前角度θk确定目标的预测径向速度Vk|k-1,track,进而,服务器可以根据第一径向速度Vk和预测径向速度Vk|k-1,track确定径向速度差dv,如此,还可以根据第一位置差dx、第二位置差dy和径向速度差dv确定目标的运动差值集合。
在一种可选的实施方式中,服务器根据目标当前时刻时在第一方向上的第一位置数据xk以及第一预测位置数据xtrack确定目标在第一方向上的第一位置差dx的具体计算公式为:
dx=xk-xtrack
服务器根据目标当前时刻时在第二方向上的第二位置数据yk以及第二预测位置数据ytrack确定目标在第二方向上的第一位置差dy的具体计算公式为:
dy=yk-ytrack
服务器根据第一预测速度Vx,track、第二预测速度Vy,track和当前角度θk确定目标的预测径向速度Vk|k-1,track的具体计算公式为:
Vk|k-1,track=Vx,track*cos(θk)+Vy,track*sin(θk)
服务器可以根据第一径向速度Vk和预测径向速度Vk|k-1,track确定径向速度差dv计算公式为:
dv=Vk-Vk|k-1,track
S209:根据运动差值集合确定当前运动数据集合和预测运动数据集合的关联值。
本申请实施例中,服务器可以根据计算得到的第一位置差dx、第二位置差dy和径向速度差dv确定当前运动数据集合和预测运动数据集合的关联值,以用于判断目标实际运动状态与理论运动状态的差异性。具体地,服务器可以根据根据第一预设系数ω1和第一位置差dx确定第一关联值,根据第二预设系数ω2和第二位置差dy确定第二关联值,根据第三预设系数ω3和径向速度差dv确定第三关联值,并确定第一关联值、第二关联值和第三关联值的和值为关联值。具体的计算公式如下:
S=ω1*dx+ω2*dy+ω3*dv
其中,ω1+ω2+ω3=1。
S211:若关联值小于第一预设阈值,根据径向速度差值确定目标的微动值。
本申请实施例中,服务器可以预先设定一阈值,即第一预设阈值Thres用以判断当前运动数据集合和预测运动数据集合是否关联,当计算得到的当前运动数据集合和预测运动数据集合的关联值小于第一预设阈值,即S<Thres,则判定当前运动数据集合和预测运动数据集合关联,也就是说,目标实际运动状态与理论运动状态的差异性较小;当计算得到的当前运动数据集合和预测运动数据集合的关联值大于等于第一预设阈值,即S≥Thres,则判定当前运动数据集合和预测运动数据集合不关联,也就是说,目标实际运动状态与理论运动状态的差异性较大。如此,服务器可以根据预测运动数据集合关联同一时刻的多个当前运动数据集合,即目标的一条预测航迹可以关联同一时刻的多个目标点迹。
本申请实施例中,由于安装于自车上的单毫米波雷达对目标进行数据采集得到目标对应的点迹信息中存在具有微动效应的点迹,那么可以根据实际确定的目标的点迹速度与预测的目标的航迹速度,判定单毫米波雷达对目标进行数据采集得到目标对应的点迹信息中是否存在具有微动效应的点迹。
具体地,服务器可以根据确定的第一径向速度Vk和预测径向速度Vk|k-1,track确定目标的微动值,也就是说根据上文中计算得到的径向速度差dv确定目标的微动值。在一种可选的实施方式中,可以通过针对速度的二阶中心矩对关联的当前运动数据集合和预测运动数据集合进行计算,得到目标的微动值,以判断目标是否为具有微动效应的目标。微动值的具体的计算公式如下:
Dk=E[(Vk-Vk|k-1,track)2]
S213:若微动值大于第二预设阈值,确定目标为具有微动效应的目标。
本申请实施例中,服务器也可以预选设定一阈值,即第二预设阈值ThresD用以判断目标是否为具有微动效应的目标,即用以判断目标是否为具有微动部件的目标,当计算得到的目标的微动值大于第二预设阈值,即D(v)>ThresD,则判定目标为具有微动效应的目标,也就是目标为具有微动部件的目标;当计算得到的目标的微动值小于等于第二预设阈值,即D(v)≤ThresD,则判定目标为不具有微动效应的目标,也就是目标为不具有微动部件的目标。
本申请实施例中,若判定目标为不具有微动效应的目标,则服务器需要基于卡尔曼滤波对目标对应的点云进行处理。具体可以基于卡尔曼滤波更新目标的当前运动数据集合。
卡尔曼增益Kk可以具体为:
Kk=(Pk|k-1HT)(HPk|k-1HT+R-1)
其中,H表示观测矩阵,Pk|k-1表示预测协方差,R表示量测协方差,Rx表示第一方向维、Ry表示第二方向维,Rv1表示一个点云的量测速度维的量测噪声,Rv2表示另一个点云的量测速度维的量测噪声。
基于卡尔曼滤波对更新目标的当前运动数据集合可以具体为:
Xk=Xk|k-1+Kk(Zk-HXk|k-1)
还可以基于卡尔曼滤波对更新目标对应的预测协方差,具体如下:
Pk=(I-KkH)Pk|k-1
本申请实施例中,若判定目标为具有微动效应的目标,则服务器需要调整量测协方差,增大点云速度测量维的量测噪声,得到微动目标中微动点云对应的速度测量维的量测噪声RM v1、RM v2,进而调整量测协方差为:
如此,卡尔曼增益Kk受量测协方差RM影响也会相应调整,进而服务器可以基于具有新的卡尔曼增益Kk的卡尔曼滤波更新目标的当前运动数据集合。
下面基于一个具体应用场景对上文中所描述的具有微动效应的目标的确定方法进行说明。假设在经过充电桩附近时,单毫米波雷达检测到该充电桩内部含有小风扇,该单毫米波雷达采集小风扇的点迹信息,可以得到如图3所示的单毫米波雷达采集到的小风扇的点迹信息分布示意图,基于图3可以理解的是,小风扇是静止的,但是受小风扇的扇叶影响,会出现一些具有速度的点迹,因此,可以通过上述具有微动效应的目标的确定方法在数据处理端对这些具有速度的点迹进行确定,并基于卡尔曼滤波对小风扇的点迹信息进行更新,以减少这些具有速度的点迹对小风扇的点迹信息的影响。如图4所示为未判断目标是否为微动目标直接基于卡尔曼滤波对目标进行更新后得到的目标位置示意图,如图5所示为采用具有微动效应的目标的确定方法判断目标是否为微动目标并基于卡尔曼滤波对目标进行更新后得到的目标位置示意图。若未判断目标是否为微动目标直接基于卡尔曼滤波对目标进行更新后可以得到如图4所示的目标位置示意图,图中数字10表示目标1、数字15表示目标2,若采用具有微动效应的目标的确定方法判断目标是否为微动目标并基于卡尔曼滤波对目标进行更新后可以得到如图5所示的目标位置示意图,图中,数字10表示目标1,也就是说目标2为虚假目标。
采用本申请实施例所提供的具有微动效应的目标的确定方法,通过单毫米波雷达对目标的进行数据采集,可以减少设备投入成本,在数据处理端通过确定当前运动数据集合和预测运动数据集合的关联,将目标看作扩展目标,并且根据径向速度差值确定目标的微动值以确定目标为具有微动效应的目标,引入二阶中心矩的计算方法可以调整量测噪声,更好地对目标进行跟踪,减少虚假目标,相较于在信号处理端进行微动分量处理的方法,可以减少计算量,并且可以适用于低信噪比的应用环境。
本申请实施例还提供的一种具有微动效应的目标的确定装置,图6是本申请实施例提供的一种具有微动效应的目标的确定装置的结构示意图,如图6所示,该装置包括:
获取模块601用于获取目标的量测数据集合和自车运动数据集合;量测数据集合包括在当前时刻时目标的第一量测数据集合和在历史时刻时目标的第二量测数据集合,自车运动数据集合包括当前时刻自车的运动数据;
第一确定模块603用于根据第一量测数据集合确定目标的当前运动数据集合,以及根据第二量测数据集合确定目标的历史运动数据集合;
第二确定模块605用于根据自车运动数据集合和历史运动数据集合确定目标的预测运动数据集合;
第三确定模块607用于基于当前运动数据集合和预测运动数据集合确定目标的运动差值集合;运动差值集合中至少包括径向速度差值;
第四确定模块609用于根据运动差值集合确定当前运动数据集合和预测运动数据集合的关联值;
第五确定模块611用于若关联值小于第一预设阈值,根据径向速度差值确定目标的微动值;
第六确定模块613用于若微动值大于第二预设阈值,确定目标为具有微动效应的目标。
本申请实施例中的装置与方法实施例基于同样的申请构思。
本申请实施例还提供了一种电子设备,电子设备可设置于服务器之中以保存用于实现方法实施例中的一种具有微动效应的目标的确定方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该存储器加载并执行以实现上述的具有微动效应的目标的确定方法。
本申请实施例还提供了一种存储介质,存储介质可设置于服务器之中以保存用于实现方法实施例中一种具有微动效应的目标的确定方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述具有微动效应的目标的确定方法。
可选的,在本实施例中,上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地,在本实施例中,上述存储介质可以包括但不限于包括:U盘、只读存储器(ROM,Read-only Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
由上述本申请提供的具有微动效应的目标的确定方法、装置、电子设备或存储介质的实施例可见,本申请中方法包括通过安装在车辆上的单毫米波雷达对目标进行数据采集,将采集到的量测数据传输至服务器,服务器获取目标的量测数据集合和自车运动数据集合,该量测数据集合包括在当前时刻时目标的第一量测数据集合和在历史时刻时目标的第二量测数据集合,自车运动数据集合包括当前时刻自车的运动数据,之后根据第一量测数据集合确定目标的当前运动数据集合,以及根据第二量测数据集合确定目标的历史运动数据集合,进而根据自车运动数据集合和历史运动数据集合确定目标的预测运动数据集合,然后基于当前运动数据集合和预测运动数据集合确定目标的运动差值集合,该运动差值集合中至少包括径向速度差值,进而根据运动差值集合确定当前运动数据集合和预测运动数据集合的关联值,若关联值小于第一预设阈值,根据径向速度差值确定目标的微动值,若微动值大于第二预设阈值,确定目标为具有微动效应的目标。基于本申请实施例,通过单毫米波雷达对目标的进行数据采集,可以减少设备投入成本,在数据处理端通过确定当前运动数据集合和预测运动数据集合的关联,将目标看作扩展目标,并且根据径向速度差值确定目标的微动值以确定目标为具有微动效应的目标,引入二阶中心矩的计算方法可以调整量测噪声,更好地对目标进行跟踪,减少虚假目标,相较于在信号处理端进行微动分量处理的方法,可以减少计算量,并且可以适用于低信噪比的应用环境。
需要说明的是:上述本申请实施例的先后顺序仅仅为了描述,不代表实施例的优劣,且上述本说明书对特定的实施例进行了描述,其他实施例也在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或者步骤可以按照不同的实施例中的顺序来执行并且能够实现预期的结果。另外,在附图中描绘的过程不一定要求示出特定顺序或者连续顺序才能够实现期望的结果,在某些实施方式中,多任务并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的均为与其他实施例的不同之处。尤其,对于装置的实施例而言,由于其基于相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (11)
1.一种具有微动效应的目标的确定方法,其特征在于,包括:
获取目标的量测数据集合和自车运动数据集合;量测数据集合包括在当前时刻时目标的第一量测数据集合和在历史时刻时目标的第二量测数据集合,所述自车运动数据集合包括所述当前时刻自车的运动数据;
所述第一量测信息集合包括当前时刻时目标在第一坐标系中的第一距离、第一径向速度和第一角度;
根据第一量测数据集合确定目标的当前运动数据集合,以及根据第二量测数据集合确定目标的历史运动数据集合;根据自车运动数据集合和历史运动数据集合确定目标的预测运动数据集合;
所述根据第一量测数据集合确定目标的当前运动数据集合,包括:
确定第一坐标系与第二坐标系间的转换规则;
基于转换规则将第一距离、第一径向速度和第一角度转换至第二坐标系中,得到当前运动数据集合;
基于当前运动数据集合和预测运动数据集合确定目标的运动差值集合;运动差值集合中至少包括径向速度差值;
根据运动差值集合确定当前运动数据集合和预测运动数据集合的关联值;
若关联值小于第一预设阈值,根据径向速度差值确定目标的微动值;
若微动值大于第二预设阈值,确定目标为具有微动效应的目标。
2.根据权利要求1的方法,其特征在于,第二量测信息集合包括历史时刻时目标在第一坐标系中的第二距离、第二径向速度和第二角度;
自车运动数据集合包括当前时刻自车的自车速度和自车偏航角速度。
3.根据权利要求2的方法,其特征在于,所述当前运动数据集合至少包括当前时刻时目标在第一方向上的第一位置数据、在第一方向上的第一速度、在第一方向上的当前角度、在第二方向上的第二位置数据和在第二方向上的第二速度;
根据第二量测数据集合确定目标的历史运动数据集合,包括:
基于转换矩阵将第二距离、第二径向速度和第二角度转换至第二坐标系中,得到历史运动数据集合;历史运动数据集合至少包括历史时刻时目标在第一方向上的第三位置数据、在第一方向上的第三速度、在第二方向上的第四位置数据和在第二方向上的第四速度。
4.根据权利要求3的方法,其特征在于,根据自车运动数据集合和历史运动数据集合确定目标的预测运动数据集合,包括:
根据自车速度、自车偏航角速度、第三位置数据和第三速度确定目标在第一方向上的第一预测位置数据和第一预测速度;
根据自车速度、自车偏航角速度、第四位置数据和第四速度确定目标在第二方向上的第二预测位置数据和第二预测速度;
根据第一预测位置数据、第一预测速度、第二预测位置数据和第二预测速度确定目标的预测运动数据集合。
5.根据权利要求4方法,其特征在于,基于当前运动数据集合和预测运动数据集合确定目标的运动差值集合,包括:
根据第一位置数据和第一预测位置数据确定目标在第一方向上的第一位置差;
根据第二位置数据和第二预测位置数据确定目标在第二方向上的第二位置差;
根据第一预测速度、第二预测速度和当前角度确定预测径向速度;
根据第一径向速度和预测径向速度确定径向速度差;
根据第一位置差、第二位置差和径向速度差确定目标的运动差值集合。
6.根据权利要求5的方法,其特征在于,根据运动差值集合确定当前运动数据集合和预测运动数据集合的关联值,包括:
根据第一预设系数和第一位置差确定第一关联值;
根据第二预设系数和第二位置差确定第二关联值;
根据第三预设系数和径向速度差确定第三关联值;第一预设系数、第二预设系数和第三预设系数的和为1;
确定第一关联值、第二关联值和第三关联值的和值为关联值。
7.根据权利要求1的方法,其特征在于,确定目标为具有微动效应的目标之后,还包括:
根据目标的微动值调整量测噪声;
基于卡尔曼滤波对目标对应的点云进行处理,得到处理后的点云。
8.根据权利要求1的方法,其特征在于,目标的量测数据集合是由单毫米波雷达采集的。
9.一种具有微动效应的目标的确定装置,其特征在于,包括:
获取模块,用于获取目标的量测数据集合和自车运动数据集合;量测数据集合包括在当前时刻时目标的第一量测数据集合和在历史时刻时目标的第二量测数据集合,自车运动数据集合包括当前时刻自车的运动数据;
第一确定模块,用于根据第一量测数据集合确定目标的当前运动数据集合,以及根据第二量测数据集合确定目标的历史运动数据集合;
第二确定模块,用于根据自车运动数据集合和历史运动数据集合确定目标的预测运动数据集合;
第三确定模块,用于基于当前运动数据集合和预测运动数据集合确定目标的运动差值集合;运动差值集合中至少包括径向速度差值;
第四确定模块,用于根据运动差值集合确定当前运动数据集合和预测运动数据集合的关联值;
第五确定模块,用于若关联值小于第一预设阈值,根据径向速度差值确定目标的微动值;
第六确定模块,用于若微动值大于第二预设阈值,确定目标为具有微动效应的目标。
10.一种电子设备,其特征在于,电子设备包括处理器和存储器,存储器中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现权利要求1-8任意一项具有微动效应的目标的确定方法。
11.一种计算机可读存储介质,其特征在于,存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如权利要求1-8任意一项具有微动效应的目标的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010971296.7A CN111830483B (zh) | 2020-09-16 | 2020-09-16 | 一种具有微动效应的目标的确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010971296.7A CN111830483B (zh) | 2020-09-16 | 2020-09-16 | 一种具有微动效应的目标的确定方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111830483A CN111830483A (zh) | 2020-10-27 |
CN111830483B true CN111830483B (zh) | 2020-12-22 |
Family
ID=72919004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010971296.7A Active CN111830483B (zh) | 2020-09-16 | 2020-09-16 | 一种具有微动效应的目标的确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111830483B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112731320B (zh) * | 2020-12-29 | 2024-06-21 | 福瑞泰克智能***有限公司 | 车载雷达误差数据的估计方法、装置、设备及存储介质 |
CN113093134A (zh) * | 2021-02-23 | 2021-07-09 | 福瑞泰克智能***有限公司 | 一种扩展目标的跟踪方法、装置、感知设备及车辆 |
CN113109798B (zh) * | 2021-03-01 | 2024-07-12 | 福瑞泰克智能***有限公司 | 目标检测方法、装置、计算机设备和存储介质 |
CN113109802B (zh) * | 2021-03-05 | 2023-12-26 | 福瑞泰克智能***有限公司 | 目标运动状态判断方法、装置、雷达设备和存储介质 |
CN113050057B (zh) * | 2021-03-18 | 2022-12-30 | 森思泰克河北科技有限公司 | 一种人员检测方法、装置及终端设备 |
CN113740855B (zh) * | 2021-08-12 | 2023-10-13 | 森思泰克河北科技有限公司 | 占位识别方法、装置、毫米波雷达及存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103197301B (zh) * | 2013-03-19 | 2014-11-19 | 中国人民解放军海军航空工程学院 | 海面微动目标Radon-线性正则变换长时间相参积累检测方法 |
CN103344947A (zh) * | 2013-06-04 | 2013-10-09 | 四川大学 | 基于微多普勒效应的微动目标特征提取方法 |
CN104459662B (zh) * | 2014-11-27 | 2017-01-25 | 北京环境特性研究所 | 一种基于小波多尺度分析的微动目标特征提取方法及*** |
CN106093900A (zh) * | 2016-05-30 | 2016-11-09 | 中国人民解放军国防科学技术大学 | 基于部分高分辨距离像的旋转微动目标参数估计方法 |
EP3553551B1 (en) * | 2018-04-10 | 2022-06-01 | Aptiv Technologies Limited | Method for the recognition of an object |
US10845478B2 (en) * | 2018-09-07 | 2020-11-24 | GM Global Technology Operations LLC | Micro-doppler apparatus and method for trailer detection and tracking |
US11402470B2 (en) * | 2018-12-05 | 2022-08-02 | Tata Consultancy Services Limited | Method and system for monitoring machine health using radar based segregation for induced machine vibrations |
CN110007305B (zh) * | 2019-04-15 | 2021-01-29 | 北京行易道科技有限公司 | 车辆前方目标确定方法、装置、服务器及存储介质 |
CN110275149A (zh) * | 2019-06-24 | 2019-09-24 | 湖北博微瑞天信息技术有限公司 | 一种雷达微多普勒测量***及方法 |
-
2020
- 2020-09-16 CN CN202010971296.7A patent/CN111830483B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111830483A (zh) | 2020-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111830483B (zh) | 一种具有微动效应的目标的确定方法、装置、电子设备及存储介质 | |
KR100753844B1 (ko) | 레이다 추적장치 및 그 방법 | |
JP5862023B2 (ja) | 目標追跡システム及び目標追跡方法 | |
CN104199022A (zh) | 一种基于目标模态估计的临近空间高超声速目标跟踪方法 | |
CN109407086B (zh) | 一种飞行器轨迹生成方法、***及诱捕***目标引导方法 | |
CN111289012A (zh) | 一种传感器的姿态校准方法及装置 | |
CN110738275A (zh) | 基于ut-phd的多传感器序贯融合跟踪方法 | |
CN109631886A (zh) | 车辆定位方法、装置、电子设备、存储介质 | |
CN111103566A (zh) | 一种航向角确定方法、***、电子设备及存储介质 | |
CN110703205A (zh) | 基于自适应无迹卡尔曼滤波的超短基线定位方法 | |
CN107423515B (zh) | 机械臂摩擦辨识方法、装置、设备及存储介质 | |
CN111469781A (zh) | 用于输出信息的方法和装置 | |
CN112085786B (zh) | 位姿信息确定方法及装置 | |
JP2019138862A (ja) | レーダ信号処理装置 | |
CN110220513B (zh) | 一种目标定位的方法、***、无人机及存储介质 | |
CN111645680A (zh) | 车辆可通行性的确定方法、装置、终端和存储介质 | |
CN112368592A (zh) | 雷达安装状态的检测方法、可移动平台、设备和存储介质 | |
CN114119465A (zh) | 一种点云数据处理方法及装置 | |
CN113281736B (zh) | 基于多假设singer模型的雷达机动交汇目标跟踪方法 | |
Kim et al. | Relative azimuth estimation algorithm using rotational displacement | |
WO2024004113A1 (ja) | 目標追尾装置、目標追尾方法、および目標追尾プログラム | |
CN114910864B (zh) | 一种信号传播速度未知且存在信号频率漂移的多平台多普勒定位方法 | |
JP3440010B2 (ja) | 目標追尾装置 | |
CN111342918B (zh) | 一种采样时延确定设备、采样时延确定方法及装置 | |
CN117491947B (zh) | 物体轨迹跟踪方法、装置、设备及存储介质 |
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: 20220221 Address after: 310051 room 1602, building a, No. 459, Qianmo Road, Xixing street, Binjiang District, Hangzhou City, Zhejiang Province Patentee after: FOSS (Hangzhou) Intelligent Technology Co.,Ltd. Address before: Building 6, no.420 Xingfa Road, Wuzhen Town, Tongxiang City, Jiaxing City, Zhejiang Province Patentee before: FREETECH INTELLIGENT SYSTEMS Co.,Ltd. |