CN112233416A - 车流量检测方法及装置 - Google Patents
车流量检测方法及装置 Download PDFInfo
- Publication number
- CN112233416A CN112233416A CN202010979557.XA CN202010979557A CN112233416A CN 112233416 A CN112233416 A CN 112233416A CN 202010979557 A CN202010979557 A CN 202010979557A CN 112233416 A CN112233416 A CN 112233416A
- Authority
- CN
- China
- Prior art keywords
- information
- determining
- trace
- detection
- tracking
- 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.)
- Pending
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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明实施例提供一种车流量检测方法及装置，所述方法包括：对待检测区域内的回波信号进行傅里叶变换处理得到二维矩阵，根据所述二维矩阵确定多个检测点的距离信息和速度信息，对所述二维矩阵进行恒虚警检测，从所述多个检测点中确定有效点迹，并确定所述有效点迹的角度信息，根据所述有效点迹的距离信息、速度信息和角度信息确定所述待检测区域内的车辆目标点迹，对所述车辆目标点迹进行跟踪得到跟踪轨迹，根据所述跟踪轨迹确定车流量，通过获取每个车辆的距离、速度和角度信息确定车辆目标信息，进而精确获取车流量信息，雷达信号不会受天气及光线的影响，提高了车流量检测精度。
Description
技术领域
本发明实施例涉及智能交通技术领域，尤其涉及一种车流量检测方法及装置。
背景技术
随着现代科学技术的不断进步与发展，车辆日益增多，因此有必要对道路中的车流量进行检测，从而采取相应的措施避免道路出现拥堵。
现有技术中，通过在待测量路段的上方安装摄像头，根据摄像头采集的视频数据确定车流量，例如，通过人工监测的方法或者视频处理方法确定车流量。但是由于该方法是基于获取的视频数据确定车流量，当在恶劣天气情况如雨、雪、雾霾等天气，或者在光线微弱、照明条件较差的情况下车流量的统计结果会存在较大的误差。
因此，现有的车流量检测方法存在检测误差较大的问题。
发明内容
本发明实施例提供一种车流量检测方法及装置，以提高车流量检测的精度。
第一方面，本发明实施例提供一种车流量检测方法，包括：
对待检测区域内的回波信号进行傅里叶变换处理得到二维矩阵，根据所述二维矩阵确定多个检测点的距离信息和速度信息；
对所述二维矩阵进行恒虚警检测，从所述多个检测点中确定有效点迹，并确定所述有效点迹的角度信息；
根据所述有效点迹的距离信息、速度信息和角度信息确定所述待检测区域内的车辆目标点迹；
对所述车辆目标点迹进行跟踪得到跟踪轨迹，根据所述跟踪轨迹确定车流量。
可选的，对待检测区域内的回波信号进行傅里叶变换处理得到二维矩阵，包括：
对所述回波信号的距离维进行加窗处理，并对加窗处理后距离维进行快速傅里叶变换，得到包含距离信息的一维频谱；
对所述一维频谱的速度维进行加窗处理，并对加窗处理后速度维进行快速傅里叶变换，得到包含速度信息的二维矩阵。
可选的，对所述二维矩阵进行恒虚警检测，从所述多个检测点中确定有效点迹，包括：
对所述二维矩阵进行非相参积累，得到非相参积累后的矩阵；
对所述非相参积累后的矩阵进行恒虚警检测，得到环境噪声信息；
根据所述环境噪声信息对所述非相参积累后的矩阵中的检测点对应的信息进行过滤处理，得到有效点迹。
可选的，确定所述有效点迹的角度信息，包括：
对所述有效点迹形成的二维矩阵的天线维进行快速傅里叶变换，确定相邻接收天线的相位差；
根据所述相邻接收天线的相位差确定所述有效点迹的角度信息。
可选的，根据所述有效点迹的距离信息、速度信息和角度信息确定待检测区域内的车辆目标点迹，包括：
根据每一有效点迹的距离信息、速度信息和角度信息以及预设的聚类条件，将属于同一车辆的多个有效点迹划分为一簇；
根据每一簇中多个有效点迹的距离信息、速度信息和角度信息确定每个所述车辆目标点迹的距离信息、速度信息和角度信息。
可选的，对所述车辆目标点迹进行跟踪得到跟踪轨迹，根据所述跟踪轨迹确定车流量，包括：
针对每个车辆目标点迹，通过卡尔曼滤波的方法根据所述车辆目标点迹的距离信息、速度信息和角度信息对所述车辆目标点迹进行跟踪，确定所述车辆目标点迹的跟踪轨迹；
统计预设时间段内出现的跟踪轨迹的数量，根据所述跟踪轨迹的数量确定待检测区域的车流量。
可选的，所述回波信号为毫米波雷达的发射信号经过目标反射后的信号，所述发射信号的频率为92GHZ至96GHZ。
第二方面，本发明实施例提供一种车流量检测装置，包括：
处理模块，用于对待检测区域内的回波信号进行傅里叶变换处理得到二维矩阵，根据所述二维矩阵确定多个检测点的距离信息和速度信息；
第一确定模块，用于对所述二维矩阵进行恒虚警检测，从所述多个检测点中确定有效点迹，并对所述有效点迹进行角度估计确定所述有效点迹的角度信息；
第二确定模块，用于根据所述有效点迹的距离信息、速度信息和角度信息确定所述待检测区域内的车辆目标点迹；
第三确定模块，用于对所述车辆目标点迹进行跟踪得到跟踪轨迹，根据所述跟踪轨迹确定车流量。
第三方面，本发明实施例提供一种车流量检测设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如第一方面任一项所述的车流量检测方法。
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如第一方面任一项所述的车流量检测方法。
本发明实施例提供的车流量检测方法及装置，该方法通过对待检测区域内的回波信号进行傅里叶变换处理得到二维矩阵，根据所述二维矩阵确定多个检测点的距离信息和速度信息，对所述二维矩阵进行恒虚警检测，从所述多个检测点中确定有效点迹，并确定所述有效点迹的角度信息，根据所述有效点迹的距离信息、速度信息和角度信息确定所述待检测区域内的车辆目标点迹，对所述车辆目标点迹进行跟踪得到跟踪轨迹，根据所述跟踪轨迹确定车流量，实现了通过雷达检测车辆的距离信息、速度信息和角度信息，进而根据所述信息确定车流量信息，从而可以提高车流量检测的精度。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的车流量检测方法的应用场景示意图；
图2为本发明实施例提供的一种车流量检测方法的流程图；
图3为本发明实施例提供的另一种车流量检测方法的流程图；
图4为本发明实施例提供的又一种车流量检测方法的流程图；
图5为本发明实施例提供的一种发射信号与回波信号的示意图；
图6为本发明实施例提供的一种确定检测点的距离信息和速度信息的流程示意图；
图7为本发明实施例提供的采用两个接收天线进行角度估计的示意图；
图8为本发明实施例提供的采用四个接收天线进行角度估计的示意图；
图9为本发明实施例提供的车流量检测的整体流程图；
图10为本发明实施例提供的车流量检测装置的结构示意图；
图11为本发明实施例提供的车流量检测设备的硬件结构示意图。
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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)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，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”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单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1为本发明实施例提供的车流量检测方法的应用场景示意图，如图1所示，将雷达10设置在道路的上方横杆、龙门架或道路的两侧，能够测量经过待检测区域的车辆目标的信息。其中，雷达10包括发射单元102、接收单元102和车流量检测装置103，其中发射单元101包括发射机和发射天线，发射机可以产生电磁波信号，也就是发射信号，并通过发射天线将发射信号发射至待检测区域，当待检测区域存在目标时，如车辆20和车辆30，发射信号会被车辆反射形成反射信号。雷达的接收单元就会接收到反射信号，也就是回波信号。其中，接收单元包括接收天线和接收机，接收天线用于接收回波信号，接收机用于对接收的回波信号进行初步处理，例如生成混频信号，对混频信号进行滤波和放大等等。车流量检测装置103接收进过初步处理后的回波信号，获取回波信号中包含的车辆的距离信息、位置信息和角度信息，进而确定该路段的车流量信息。
现有技术中，在确定车流量时，通常都是通过摄像头获取道路的视频图像，通过对视频图像的解析确定车流量信息，但是当天气恶劣或光照条件差时，拍摄的视频质量较差，从而使得确定的车流量信息不够精准。此外，基于摄像头确定车流量时还需要经常对镜头进行擦拭以进行维护，具有操作繁琐的问题。
本发明实施例通过雷达来确定车流量信息，雷达能够通过发射信号得到回波信号，并根据回波信号确定目标的距离信息、速度信息和角度信息，并且在上述信息的基础上能够对车辆目标进行跟踪，从而获取车辆目标的轨迹，进而确定车流量信息，由于该方法是基于接收的回波信号来确定车流量信息，且回波信号具有不受环境及光线的影响的优点，因此所述方法的检测精度较高。此外，该方法无需经常对雷达进行擦拭，维护较为简单。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图2为本发明实施例提供的一种车辆检测方法的流程图，本实施例的方法可以由车流量检测装置执行，该车流量检测装置可以以软件和/或硬件的形式设置在图1的雷达中。如图2所示，本实施例的方法，可以包括：
S201：对待检测区域内的回波信号进行傅里叶变换处理得到二维矩阵，根据所述二维矩阵确定多个检测点的距离信息和速度信息。
在本实施例中，待检测区域为雷达发现目标物体的探测范围。其中，雷达的待检测区域与发射信号的波长、反射特性、目标物体的高度以及雷达性能等有关。雷达的接收单元接收的回波信号为多个回波信号的叠加组合。所述回波信号包含多个检测点的距离信息、速度信息和角度信息。
在本实施例中，雷达通过发射单元先发射电磁波信号，具体的，可以通过外部信号发生器产生预设频率的本振信号，将本振信号通过倍频电路得到预设频段的发射信号。当发射信号碰到车辆目标时，生成回波信号，接收天线接收回波信号，并通过接收单元根据所述回波信号生成混频信号，以及将混频信号经过放大及滤波处理得到中频信号。
在本实施例中，车流量检测装置可以实时接收电磁波信号，从而实时的获取道路中的车流量信息。
需要说明的是，毫米波雷达的分辨率较高，一个车辆包含多个检测点，例如车头部位、车尾部位以及车身部位等，在某些情况下车辆可能存在不同的运动特征，例如转向时车辆的一侧速度较高，而另一侧速度较低，一个车辆的多个部位都可以反射雷达信号，因此，一个车辆可以包括多个检测点。其中，检测点的个数需要通过快速傅里叶变换的结果来确定。可选的，快速傅里叶变换后得到的频谱中的峰值数量可以看做是检测点的个数。
在本实施例中，回波信号为多个车辆目标反射的回波信号的叠加，或者，还可以为一个车辆目标的不同部位反射的回波信号的叠加。对于一个车辆目标可以由多个检测点组成。为了确定检测点的信息，需要对回波信号进行处理得到中频信号，进而对中频信号进行两次傅里叶变换得到二维矩阵，其中，二维矩阵的横坐标表示为距离维，纵坐标表示为速度维。通过对回波信号进行傅里叶变换可以获取回波信号的中心频率信息和多普勒频率信息，进而根据中心频率信息和多普勒频率信息可以确定检测点的速度信息和距离信息。
S202：对所述二维矩阵进行恒虚警检测，从所述多个检测点中确定有效点迹，并确定所述有效点迹的角度信息。
在本实施例中，由于雷达在工作中会受到干扰，如环境中的噪声、接收机内部的噪声以及杂波干扰等，因此需要对回波信号进行恒虚警检测，以将回波信号与噪声进行区分，进而得到有车辆目标存在的有效点迹。例如，当回波信号为干扰信号，但是雷达将这些干扰信号判断车辆反射的回波信号时，则会出现虚警；当回波信号为车辆反射的信号，但是雷达将这些信号判断为干扰信号时，则会出现漏报。因此可以设置自适应的门限值，保证虚警概率一定。
恒虚警检测是指雷达***在保持虚警概率恒定的条件下确定目标是否存在的方法。其中，恒虚警检测的具体方法为：在没有出现目标的情况下，将输入的噪声进行处理，得到一个门限值；然后将输入的二维矩阵中各个检测点对应的数值与所述门限值进行比较，数值大于门限值的检测点为有效点迹。
在筛选出有效点迹后，需要进一步对表示有效点迹的二维矩阵进行角度估计，确定有效点迹的角度信息，即方位角。其中，所述方位角是指雷达与车辆目标的连线在水平面上的投影与车辆行驶方向之间的夹角。
在本实施例中，先通过恒虚警检测的方法确定有效点迹，再确定有效点迹的角度信息，可以大大减少确定角度信息时的计算量。
S203：根据所述有效点迹的距离信息、速度信息和角度信息确定所述待检测区域内的车辆目标点迹。
在确定有效点迹的距离信息、速度信息和角度信息后，可以根据上述信息确定车辆目标点迹。其中，一个车辆目标可以由多个有效点迹组成，例如，表示车头的点迹、表示车尾的点迹和表示车身的点迹等。其中，组成车辆目标的每个点迹的距离信息、速度信息和角度信息都可能不同，为了确定车流量，可以通过聚类算法，需要将多个目标点迹聚类为一个车辆目标点迹。
在确定车辆目标点迹后，还可以根据多个组成车辆目标点迹的有效点迹的信息确定该车辆目标的信息，例如，车辆的长度和宽度等信息。
S204：对所述车辆目标点迹进行跟踪得到跟踪轨迹，根据所述跟踪轨迹确定车流量。
在本实施例中，在确定车辆目标点迹后，需要对所述车辆目标点迹进行跟踪，例如，可以设置一个预设的区域，判断下一时刻所述车辆目标是否处于该目标区域，若处于该目标区域，则根据该时刻以及上一时刻中车辆目标的位置确定跟踪轨迹。对应的，可以确定每一车辆目标的跟踪轨迹，进而根据跟踪轨迹的数量可以确定车流量。例如，在10分钟内通过某待检测区域的车辆跟踪轨迹为80条，则车流量为8辆/分。
在实际应用中，可以通过本实施例提供的方法，对获取到的回波信号进行傅里叶变换处理，得到二维矩阵，二维矩阵反映了多个检测点的信息，然后，进行恒虚警检测，从所述多个检测点中确定有效点迹，过滤掉噪声，再根据所述有效点迹的信息，将多个有效点迹聚类为一个目标点迹，该目标点迹可以看做车辆所在的目标点，并对车辆目标点迹进行跟踪，从而确定车流量。
在本实施例中，通过获取待检测区域的回波信号，并对所述回波信号进行傅里叶变换得到二维矩阵，进而确定距离信息和速度信息，以及对所述二维矩阵进行恒虚警检测确定有效点迹，能够将回波信号中的噪声信息剔除，进而确定有效点迹的角度信息，并且根据有效点迹的距离信息、速度信息和角度信息确定车辆目标点迹，并对车辆目标点迹进行跟踪得到跟踪轨迹信息，进而确定车流量信息，根据回波信号判断道路中车辆的信息，根据车辆信息能够准确的确定待检测区域的车流量信息。
图3为本发明实施例提供的另一种车流量检测方法的流程图，如图3所示，在上述实施例的基础上，确定有效点迹的信息过程包括如下步骤：
S301：对所述回波信号的距离维进行加窗处理，并对加窗处理后距离维进行快速傅里叶变换，得到包含距离信息的一维频谱。
在本实施例中，在根据回波信号确定目标的距离信息时，需要经过傅里叶变换，根据傅里叶变换的频谱信息确定检测点的距离信息。其中，在获取回波信号后，将回波信号以矩阵的形式进行保存。
在对所述矩阵做傅里叶变换之前，先对所述矩阵的距离维做加窗处理。其中，在进行傅里叶变换之前执行加窗操作是必不可少的。通常当回波信号的频率不是傅里叶变换分辨率的整数倍时，信号的能量将会被分散，从而出现频谱能量泄露的现象。为了防止能量泄露可以通过加窗处理来解决，采用窗函数将信号进行振幅调制，可以使得回波信号呈现周期性。
其中，对于窗函数的选择可以根据实际需求进行选择，例如，对于主瓣频率要求较高时，可以选择矩形窗；对于信号为窄带信号，且存在较大干扰时，选择汉宁窗及三角窗等。在本实施例中，对加窗处理时加窗函数不做限定，可以根据实际需求进行选择。
在对回波信号进行加窗处理后，可以对所述加窗处理后的距离维做傅里叶变换得到一维频谱，根据所述一维频谱可以确定该扫频周期内信号的中心频率，其中，扫频周期为雷达发射信号的周期。其中，对于锯齿波来说，中心频率耦合了检测点的速度信息和距离信息，因此需要进一步确定该检测点的速度信息，进而将该检测点的速度信息代入所述中心频率，得到该检测点的距离信息。对于三角波来说，不存在距离速度耦合的关系，因此，可以直接通过傅里叶变换得到检测点的距离信息和速度信息。
步骤S302：对所述一维频谱的速度维进行加窗处理，并对加窗处理后速度维进行快速傅里叶变换，得到包含速度信息的二维矩阵。
在本实施例中，在得到一维频谱后，将所述一维频谱组成的矩阵的速度维进行傅里叶变换，也就是一维频谱组成的矩阵的每一列进行傅里叶变换，根据傅里叶变换的峰值点对应的频率，可以得到检测点的多普勒频率，进而根据检测点的多普勒频率与速度之间的关系，可以确定检测点的速度信息。其中，对速度维进行快速傅里叶变换可以理解为在雷达接收到的同一距离处的回波信号进行快速傅里叶变换。
其中，与上述对距离维进行快速傅里叶变换的操作相同，在对速度维进行快速傅里叶变换之前，需要对所述速度维进行加窗处理，再对加窗处理后的二维矩阵进行快速傅里叶变换。
经过上述步骤可以得到每个检测点的速度信息和距离信息，其中，所述速度信息是指所述检测点与所述雷达之间的相对速度。
步骤S303：对所述二维矩阵进行非相参积累，得到非相参积累后的矩阵。
在确定所述检测点的距离信息和速度信息后，可以对所述检测点进行恒虚警检测，得到有效点迹。具体的，在进行恒虚警检测之前需要对所述二维矩阵进行非相参积累。
其中，通过对回波信号执行非相参积累处理可以提高回波信号与噪声的信噪比。这是由于回波信号中存在噪声，而对回波信号进行分析时需要去除噪声对回波信号的影响，具体的，可以通过提高信噪比的方法将回波信号与噪声进行分离。通过提高信噪比可以提高检测概率。通过非相参积累可以将回波信号增强，由于噪声是随机的，经过非相参积累后，噪声的强度会变小，从而实现信噪比的提高。具体的，非相参积累的方法为将二维矩阵的数据的幅度进行取对数并求和；或者，还可以为将二维矩阵的数据的幅度求平方并求和，进而得到非相参积累后的矩阵。
步骤S304：对所述非相参积累后的矩阵进行恒虚警检测，得到环境噪声信息。
在本实施例中，恒虚警检测是为了将回波信号与噪声进行区分，以确定有效检测点。具体的，恒虚警检测的方法可以采用单元平均恒虚警检测方法。具体的，可以选取被检测单元，当被检测单元周围不存在目标点时，将被检测单元两侧的若干个单元作为参考单元，根据参考单元的数值确定环境噪声信息。例如，将所有参考单元中的数值的平均值作为环境噪声信息；或者，还可以设置门限因子，将所有参考单元中的数值的平均值与门限因子相乘作为环境噪声信息。
步骤S305：根据所述环境噪声信息对所述非相参积累后的矩阵中的检测点对应的信息进行过滤处理，得到有效点迹。
在本实施例中，在确定环境噪声信息后，可以将所述环境噪声信息作为门限值，将所述二维矩阵中的检测点信息与所述环境噪声信息进行对比，以判断所述检测点是否为有效点迹。具体的，当所述检测点对应的信息大于所述环境噪声信息时，则所述检测点为有效点迹；当所述检测点对应的信息小于所述环境噪声信息时，则所述检测点为噪声点。
在确定噪声点后，可以将所述噪声点对应的回波信号删除，得到仅包含有效点迹的回波信号，有效点迹的回波信号包含了各个车辆各个部分反射的回波信号，减少了噪声信号的干扰，进而能够提高车流量检测的准确率
S306：对所述有效点迹形成的二维矩阵的天线维进行快速傅里叶变换，确定相邻接收天线的相位差。
在本实施例中，在确定有效点迹后，可以获得所述有效点迹形成的二维矩阵，具体的，可以将所述有效点迹的信息进行保留以得到二维矩阵。其中，所述二维矩阵是一个接收天线接收的回波信号对应的二维矩阵，对于雷达来说当需要获取车辆目标的角度信息时至少需要采用两个接收天线，若要提高角度检测的精度，则需要使用更多的天线，例如四个天线、八个天线等。对于每个天线形成的二维矩阵根据接收天线的顺序进行排列得到目标矩阵，并对所述目标矩阵的天线维进行快速傅里叶变换，根据快速傅里叶变换后的频谱可以得到相邻接收天线的相位差。
S307：根据相邻接收天线的相位差确定所述有效点迹的角度信息。
在本实施例中，在确定所述两个接收天线之间的相位差后，根据两个接收天线之间的距离，则可以确定所述有效点的角度信息。具体的，当发射信号经过目标点的反射后，经过接收天线1、接收天线2、接收天线3和接收天线4得到回波信号，其中，四个接收天线接收的波程会有区别，相邻两个接收天线的波程差与接收天线的距离和目标点的角度信息有关，因此，相邻两个接收天线的相位差也与接收天线的距离和目标点的角度信息有关，在确定所述相邻接收天线之间的相位差后，则可以确定有效点迹的角度信息。
其中，相位差可以通过天线维的快速傅里叶变换来确定。此外，雷达的角度分辨率与接收天线的个数有关，当接收天线的个数越多，雷达的角度分辨率越高。
在本实施例中，通过对回波信号进行加窗和傅里叶变换，能够将时域的回波信号解析至频域，从而得到检测点的速度信息和位置信息，其中，通过加窗处理可以防止频谱能量泄露，提高速度检测和距离检测的精度；在对二维矩阵进行恒虚警检测之前，先对所述二维矩阵进行非相参积累，能够提高目标检测的精度，并且通过恒虚警检测能够将表示噪声的检测点信息进行过滤，得到有效点迹，能够提高车流量检测的精度。
图4为本发明实施例提供的又一种车流量检测方法的流程图，如图4所示，在上述实施例的基础上，确定车流量的方法包括：
S401：根据每一有效点迹的距离信息、速度信息和角度信息以及预设的聚类条件，将属于同一车辆的多个有效点迹划分为一簇。
在本实施例中，一个车辆目标可以由多个有效点迹组成，为了能够确定车流量信息需要将属于同一车辆的多个有效点进行聚类。具体的，可以先设置聚类条件，例如将距离差在3米以内，速度差在2m/s以内，角度差在5度以内的有效点迹聚类为一点。其中，具体的聚类条件需要根据雷达的性能进行设置，本实施例对此不作限定。在设置聚类条件之后，可以根据每个有效点迹的距离信息、速度信息和角度信息进行判断，将若干个满足聚类条件的有效点聚类为一个车辆目标。
在本实施例中，可以采用基于密度的聚类算法(Density-Based SpatialClustering of Applications with Noise，DBSCAN)来实现聚类。该方法与K-means聚类方法相比，无需知晓要形成的簇类的数量，且该方法可以识别出噪声点。该方法需要设置聚类半径和聚类点数，针对每一个有效点迹，统计该目标点迹聚类半径以内的所有有效点迹的数量，判断有效点迹的数量与聚类点数的关系，进而确定有效点迹形成的簇。
具体的，当附近有效点迹的数量大于聚类点数时，则将该有效点迹和附近的有效点迹形成一个簇；当附近有效点迹的数量不大于聚类点数时，组将该点设置为噪声点。通过该聚类方法可以得到表示车辆目标的多个簇，该聚类方法还可以进一步剔除噪声点。
S402：根据每一簇中多个有效点迹的距离信息、速度信息和角度信息确定每个所述车辆目标点迹的距离信息、速度信息和角度信息。
在本实施例中，对于一个簇中的多个有效点迹，可以根据每个有效点迹的信息确定车辆目标的信息，如距离信息、速度信息和角度信息。具体的，可以将一个簇中峰值最强点的有效点迹作为该车辆目标的点迹，以及将该峰值最强点的有效点迹的位置信息、速度信息和角度信息作为该车辆目标的信息。此外，还可以将一个簇中有效点迹的位置信息的均值、速度信息的均值以及角度信息的均值作为车辆目标点迹的距离信息、速度信息和角度信息。
此外，根据一个簇中的多个有效点迹还可以确定该车辆目标的长度和宽度。具体的，先确定一个簇中的多个有效点迹在横坐标方向上的两个边界点迹，以及纵坐标方向上的两个边界点迹，则车辆目标的长度为纵坐标方向上的两个边界点迹的纵坐标之差，车辆目标的宽度为横坐标方向上的两个边界点迹的横坐标之差。
根据车辆目标的长度信息和宽度信息还可以进一步的确定通过检测区域的车辆类型。
S403：针对每个车辆目标点迹，通过卡尔曼滤波的方法根据所述车辆目标点迹的距离信息、速度信息和角度信息对所述车辆目标点迹进行跟踪，确定所述车辆目标点迹的跟踪轨迹。
在本实施例中，所述卡尔曼滤波的方法可以通过卡尔曼滤波器来实现，卡尔曼滤波器可以根据车辆目标的观测信息，例如距离信息、速度信息和角度信息，来获得该车辆目标的位置更新信息。具体的，卡尔曼滤波器在实现对车辆目标跟踪时，可以根据当前的位置信息以及经验来预测下一时刻位置信息，位置信息为距离信息、速度信息和角度信息，并将当前的位置信息和预测的下一时刻位置信息做加权平均得到下一时刻的位置信息。其中，对于当前的位置信息和下一时刻位置信息的权重可以根据实际情况进行设置。
当确定车辆目标下一时刻的位置信息后，可以根据当前时刻的位置信息和下一时刻的位置信息得到该车辆目标的跟踪轨迹。此外，还可以为每一车辆目标进行编号，便于准确筛选感兴趣的车辆目标的位置信息。
S404：统计预设时间段内出现的跟踪轨迹的数量，根据所述跟踪轨迹的数量确定待检测区域的车流量。
在本实施例中，在确定每一车辆目标的跟踪轨迹后，可以设置预设时间段，例如10分钟，统计该时间段内经过待检测区域的车辆目标的跟踪轨迹，由于同一车辆目标在行驶时会形成一条跟踪轨迹，因此所述根据跟踪轨迹的数量就可以确定预设时间段内通过预设区域的车辆目标的数量，进而根据车辆目标的数量和预设时间段就可以确定待检测区域的车流量。其中，待检测区域的车流量为待检测区域的跟踪轨迹的数量和预设时间的商。例如，当车流量为100，预设时间段为10分钟，则车流量为10辆/分。
在本实施例中，通过将有效点迹进行聚类，能够得到车辆目标以及车辆目标的距离信息、速度信息和角度信息等，进而可以根据每个车辆目标的信息采用卡尔曼滤波方法对车辆目标进行跟踪，得到每个车辆目标的跟踪轨迹，从而确定车流量信息，上述聚类以及卡尔曼滤波的方法能够去除噪声的影响，从而可以提高车流量检测检测的精度。
可选的，所述回波信号为毫米波雷达的发射信号经过目标反射后的信号，所述发射信号的频率为92GHZ至96GHZ。
在本实施例中，雷达发射的信号为92GHZ至96GHZ的电磁波信号，相对于现有技术中采用的24GHZ或77GHZ的雷达信号，本实施例中的雷达信号具有频率更高，调频带宽更宽以及波长更小的优点，同事所述雷达的体积也更小，能够提高雷达对车辆目标的检测精度和距离分辨率。
在本实施例中，可以通过外部信号发生器产生调频连续波信号，一种可能的设计中，可以采用信号发生器产生23GHZ的本振信号，并将所述本振信号通过4倍频电路得到92GHZ的电磁波信号，进而得到92GHZ至96GHZ的线性调频信号。本实施例对92GHZ至96GHZ的线性调频信号的具体产生方式不做限定。
在本实施例中，通过采用92GHZ至96GHZ的线性调频信号作为雷达的发射信号，能够提高雷达对车辆目标的检测精度和距离分辨率。
下面结合以上所述的原理和过程，以锯齿波调频为例，对本发明实施例的一种可选的具体处理流程进行描述。
图5为本发明实施例提供的一种发射信号与回波信号的示意图。图中发射信号与回波信号之间的差频为固定值。毫米波雷达发射的信号为线性调频连续波，例如锯齿调频波，其中，锯齿调频波的扫频周期为M，在第m个扫频周期内，发射信号可以表示为如下公式：
其中，t∈[(m-1)T，mT]，T表示为发射信号的调频间隔，f0为雷达的载频，
为发射信号的初始相位，u＝B/T为调频的斜率，B表示调频带宽，A0为幅值。则当上述发射信号遇到速度为v，初始距离为R0，回波延时为τ(t)的检测点产生的回波信号可以表示为如下公式：
其中，t∈[(m-1)T，mT]，τ(t)＝2(R0+vt)/c，kr为目标反射系数，
为目标反射引起的附加位移。则回波信号在经过混频、放大及滤波处理后，得到的中频信号可以表示为如下公式：
其中，t∈[(m-1)T，mT]，Ab为幅值。通过上述公式可以得到，中频信号仍为线性调频信号，且该信号的中心频率为：fb，m＝2u(R0+mvT)/c-2vf0/c，可见该中心频率耦合了速度信息和距离信息，当对中频信号进行距离维傅里叶变换时，则在中心频率fb，m处会取得最大值Rb，m，其中Rb，m可以表示如下：
其中，m∈[0，M]。根据上述公式可以得到M个Rb，m的频率，该频率可以反映检测点的多普勒频率信息，因此可以在距离维傅里叶变换的基础上继续进行速度维(多普勒维)的傅里叶变换来得到速度信息。
图6为本发明实施例提供的一种确定检测点的距离信息和速度信息的流程示意图。如图6所示，检测点的距离信息和速度信息的确定过程可以包括如下步骤：
S601：对M个扫频段的回波信号分别进行N点傅里叶变换，得到M*N的矩阵。
S602：对M*N矩阵的每一列进行傅里叶变换处理，得到二维矩阵。
S603：根据二维矩阵中的幅值信息确定距离对应的频率信息和速度对应的频率信息。
S604：根据距离对应的频率信息和速度对应的频率信息确定距离信息和速度信息。
在根据回波信号确定检测点的距离信息和速度信息时，可以通过两次傅里叶变换的方法来确定，先对中频信号进行距离维的傅里叶变换，得到每个扫频周期的峰值，在对所有峰值进行傅里叶变换，得到第二维的峰值所在的位置，根据该位置可以得到检测点的多普勒频率，从而确定检测点的速度信息，在确定速度信息后可以将速度信息代入中频信号的中心频率，即可得到检测点的距离信息。
在确定检测点的距离信息和速度信息后，可以将二维傅里叶变换结果进行非相参积累，有利于提高回波信号与噪声的信噪比，再将经过非相参积累的信号进行恒虚警检测，将检测点中的噪声点剔除，仅保留有效点迹，也就是组成车辆目标的点迹。在确定有效点迹后，可以继续对有效点迹进行角度估计，从而获取有效点迹的角度信息。
图7为本发明实施例提供的采用两个接收天线进行角度估计的示意图。图8为本发明实施例提供的采用四个接收天线进行角度估计的示意图。
如图7和图8所示，在进行角度估计时至少需要两个接收天线，当存在两个接收天线时，连个接收天线接收的信号具有波程差，当两个接收天线的间距为d，角度为θ时，波程差为d*sinθ，因此，可以通过计算波程差来确定角度。
当存在四个或更多的接收天线时，每两个接收天线之间的相位差均相同，可以表示为ω＝(2π/λ)*d*sinθ。因此，接收天线的相位是线性递增的，因此可以通过对天线维进行傅里叶变换的方法来确定两个接收天线之间的相位差，根据相位差为角度的关系可以确定检测点的角度信息。
在确定有效点迹的角度信息后，可以根据有效点迹的距离信息、速度信息和角度信息将属于同一车辆目标点迹的有效点迹进行聚类，并对聚类后的车辆目标点迹进行跟踪，得到跟踪轨迹，最终确定车流量。
图9示出了本发明实施例提供的车流量检测的整体流程图，主要包括获取回波信号，对回波信号的距离维进行傅里叶变换，在距离维傅里叶变换的基础上在进行速度维傅里叶变换，从而得到检测点的距离信息和速度信息，在经过速度维傅里叶变换的基础上进行恒虚警检测，得到有效点迹，在对有效点迹进行角度估计，确定有效点迹的角度信息，最终根据有效点迹的距离信息、速度信息和角度信息进行聚类跟踪，得到车辆目标点迹的跟踪轨迹，进而确定车流量。
图10为本发明实施例提供的车流量检测装置的结构示意图，如图10所示，本实施例提供的车流量检测装置100，可以包括：处理模块1001、第一确定模块1002、第二确定模块1003和第三确定模块1004。
其中，处理模块1001，用于对待检测区域内的回波信号进行傅里叶变换处理得到二维矩阵，根据所述二维矩阵确定多个检测点的距离信息和速度信息。
第一确定模块1002，用于对所述二维矩阵进行恒虚警检测，从所述多个检测点中确定有效点迹，并对所述有效点迹进行角度估计确定所述有效点迹的角度信息。
第二确定模块1003，用于根据所述有效点迹的距离信息、速度信息和角度信息确定所述待检测区域内的车辆目标点迹。
第三确定模块1004，用于对所述车辆目标点迹进行跟踪得到跟踪轨迹，根据所述跟踪轨迹确定车流量。
本发明实施例提供的车流量检测装置，可以实现上述如图2所示的实施例的车流量检测方法，其实现原理和技术效果类似，此处不再赘述。
图11为本发明实施例提供的车流量检测设备的硬件结构示意图。如图11所示，本实施例提供的车流量检测设备110包括：至少一个处理器1101和存储器1102。其中，处理器1101、存储器1102通过总线1103连接。
在具体实现过程中，至少一个处理器1101执行所述存储器1102存储的计算机执行指令，使得至少一个处理器1101执行上述方法实施例中的车流量检测方法。
处理器1101的具体实现过程可参见上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
在上述的图11所示的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现上述方法实施例的车流量检测方法。
上述的计算机可读存储介质，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备中。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种车流量检测方法，其特征在于，包括：
对待检测区域内的回波信号进行傅里叶变换处理得到二维矩阵，根据所述二维矩阵确定多个检测点的距离信息和速度信息；
对所述二维矩阵进行恒虚警检测，从所述多个检测点中确定有效点迹，并确定所述有效点迹的角度信息；
根据所述有效点迹的距离信息、速度信息和角度信息确定所述待检测区域内的车辆目标点迹；
对所述车辆目标点迹进行跟踪得到跟踪轨迹，根据所述跟踪轨迹确定车流量。
2.根据权利要求1所述的方法，其特征在于，对待检测区域内的回波信号进行傅里叶变换处理得到二维矩阵，包括：
对所述回波信号的距离维进行加窗处理，并对加窗处理后距离维进行快速傅里叶变换，得到包含距离信息的一维频谱；
对所述一维频谱的速度维进行加窗处理，并对加窗处理后速度维进行快速傅里叶变换，得到包含速度信息的二维矩阵。
3.根据权利要求2所述的方法，其特征在于，对所述二维矩阵进行恒虚警检测，从所述多个检测点中确定有效点迹，包括：
对所述二维矩阵进行非相参积累，得到非相参积累后的矩阵；
对所述非相参积累后的矩阵进行恒虚警检测，得到环境噪声信息；
根据所述环境噪声信息对所述非相参积累后的矩阵中的检测点对应的信息进行过滤处理，得到有效点迹。
4.根据权利要求3所述的方法，其特征在于，确定所述有效点迹的角度信息，包括：
对所述有效点迹形成的二维矩阵的天线维进行快速傅里叶变换，确定相邻接收天线的相位差；
根据所述相邻接收天线的相位差确定所述有效点迹的角度信息。
5.根据权利要求4所述的方法，其特征在于，根据所述有效点迹的距离信息、速度信息和角度信息确定待检测区域内的车辆目标点迹，包括：
根据每一有效点迹的距离信息、速度信息和角度信息以及预设的聚类条件，将属于同一车辆的多个有效点迹划分为一簇；
根据每一簇中多个有效点迹的距离信息、速度信息和角度信息确定每个所述车辆目标点迹的距离信息、速度信息和角度信息。
6.根据权利要求5所述的方法，其特征在于，对所述车辆目标点迹进行跟踪得到跟踪轨迹，根据所述跟踪轨迹确定车流量，包括：
针对每个车辆目标点迹，通过卡尔曼滤波的方法根据所述车辆目标点迹的距离信息、速度信息和角度信息对所述车辆目标点迹进行跟踪，确定所述车辆目标点迹的跟踪轨迹；
统计预设时间段内出现的跟踪轨迹的数量，根据所述跟踪轨迹的数量确定待检测区域的车流量。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述回波信号为毫米波雷达的发射信号经过目标反射后的信号，所述发射信号的频率为92GHZ至96GHZ。
8.一种车流量检测装置，其特征在于，包括：
处理模块，用于对待检测区域内的回波信号进行傅里叶变换处理得到二维矩阵，根据所述二维矩阵确定多个检测点的距离信息和速度信息；
第一确定模块，用于对所述二维矩阵进行恒虚警检测，从所述多个检测点中确定有效点迹，并对所述有效点迹进行角度估计确定所述有效点迹的角度信息；
第二确定模块，用于根据所述有效点迹的距离信息、速度信息和角度信息确定所述待检测区域内的车辆目标点迹；
第三确定模块，用于对所述车辆目标点迹进行跟踪得到跟踪轨迹，根据所述跟踪轨迹确定车流量。
9.一种车流量检测设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至7任一项所述的车流量检测方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至7任一项所述的车流量检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010979557.XA CN112233416A (zh) | 2020-09-17 | 2020-09-17 | 车流量检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010979557.XA CN112233416A (zh) | 2020-09-17 | 2020-09-17 | 车流量检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112233416A true CN112233416A (zh) | 2021-01-15 |
Family
ID=74107574
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010979557.XA Pending CN112233416A (zh) | 2020-09-17 | 2020-09-17 | 车流量检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112233416A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113109796A (zh) * | 2021-03-03 | 2021-07-13 | 四川九洲防控科技有限责任公司 | 一种目标检测方法及装置 |
| CN113109798A (zh) * | 2021-03-01 | 2021-07-13 | 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 |
| CN113625266A (zh) * | 2021-07-20 | 2021-11-09 | 嘉兴聚速电子技术有限公司 | 应用雷达检测低速目标的方法、装置、存储介质和设备 |
| CN113791410A (zh) * | 2021-08-20 | 2021-12-14 | 北京市公安局公安交通管理局 | 一种基于多传感器信息融合的道路环境综合认知方法 |
| CN117058880A (zh) * | 2023-08-30 | 2023-11-14 | 黑龙江八一农垦大学 | 一种基于交通大数据的车流量预测*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105093227A (zh) * | 2015-08-27 | 2015-11-25 | 电子科技大学 | 一种交通流量测量装置及车辆运行信息获得方法 |
| CN110058239A (zh) * | 2019-04-29 | 2019-07-26 | 上海保隆汽车科技股份有限公司 | 一种车载毫米波雷达装置及目标探测方法 |
| JP2019159648A (ja) * | 2018-03-12 | 2019-09-19 | オムロン株式会社 | 車両計数装置、車両計数方法、及び車両計数プログラム |
| CN111239728A (zh) * | 2020-02-26 | 2020-06-05 | 深圳雷研技术有限公司 | 一种基于毫米波雷达的乘客计数方法及*** |
| CN111352102A (zh) * | 2020-03-18 | 2020-06-30 | 重庆邮电大学 | 一种基于调频连续波雷达的多目标个数检测方法及装置 |
-
2020
- 2020-09-17 CN CN202010979557.XA patent/CN112233416A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105093227A (zh) * | 2015-08-27 | 2015-11-25 | 电子科技大学 | 一种交通流量测量装置及车辆运行信息获得方法 |
| JP2019159648A (ja) * | 2018-03-12 | 2019-09-19 | オムロン株式会社 | 車両計数装置、車両計数方法、及び車両計数プログラム |
| CN110058239A (zh) * | 2019-04-29 | 2019-07-26 | 上海保隆汽车科技股份有限公司 | 一种车载毫米波雷达装置及目标探测方法 |
| CN111239728A (zh) * | 2020-02-26 | 2020-06-05 | 深圳雷研技术有限公司 | 一种基于毫米波雷达的乘客计数方法及*** |
| CN111352102A (zh) * | 2020-03-18 | 2020-06-30 | 重庆邮电大学 | 一种基于调频连续波雷达的多目标个数检测方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 赖欣欣: "毫米波交通雷达多目标跟踪算法研究与应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 郭卿: "基于雷达与视频联合的交通车流检测方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113109798A (zh) * | 2021-03-01 | 2021-07-13 | 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 |
| CN113109796A (zh) * | 2021-03-03 | 2021-07-13 | 四川九洲防控科技有限责任公司 | 一种目标检测方法及装置 |
| CN113625266A (zh) * | 2021-07-20 | 2021-11-09 | 嘉兴聚速电子技术有限公司 | 应用雷达检测低速目标的方法、装置、存储介质和设备 |
| CN113791410A (zh) * | 2021-08-20 | 2021-12-14 | 北京市公安局公安交通管理局 | 一种基于多传感器信息融合的道路环境综合认知方法 |
| CN113791410B (zh) * | 2021-08-20 | 2023-10-24 | 北京市公安局公安交通管理局 | 一种基于多传感器信息融合的道路环境综合认知方法 |
| CN117058880A (zh) * | 2023-08-30 | 2023-11-14 | 黑龙江八一农垦大学 | 一种基于交通大数据的车流量预测*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112233416A (zh) | 车流量检测方法及装置 | |
| US10162046B2 (en) | System and method for detecting blockage in an automotive radar | |
| US5530447A (en) | Blind-zone target discrimination method and system for road vehicle radar | |
| US20200174096A1 (en) | Method and apparatus for processing radar data | |
| CN109581353B (zh) | 一种基于汽车雷达的多目标跟踪方法及*** | |
| JP2017522577A (ja) | Ｆｍｃｗレーダーを用いて対象物の位置を決定する方法 | |
| CN112213725B (zh) | 车载雷达的多径虚警抑制方法、装置及终端设备 | |
| CN113009448B (zh) | 多径目标的检测方法、装置、设备和存储介质 | |
| CN115575922B (zh) | 基于车载fmcw毫米波雷达的动目标检测方法和装置 | |
| CN105093213A (zh) | 具有改进的多目标区分的雷达*** | |
| CN111856406B (zh) | 一种基于fmcw雷达回波的目标检测方法及装置 | |
| CN113009441B (zh) | 一种雷达运动反射面多径目标的识别方法及装置 | |
| CN109856600A (zh) | 一种毫米波防撞雷达抗干扰的方法 | |
| CN112926218A (zh) | 净空距离的获取方法、装置、设备和存储介质 | |
| CN112986945B (zh) | 雷达目标的识别方法、装置、设备和存储介质 | |
| CN113093145B (zh) | 目标检测方法及目标检测装置 | |
| CN114690141A (zh) | 速度解模糊方法、装置、电子设备及存储介质 | |
| CN111812634A (zh) | 警戒线目标监测方法、装置和*** | |
| CN112689773B (zh) | 雷达信号处理方法和雷达信号处理装置 | |
| CN116027288A (zh) | 生成数据的方法、装置、电子设备及存储介质 | |
| Held et al. | Normalization of micro-doppler spectra for cyclists using high-resolution projection technique | |
| CN114371450A (zh) | 一种雷达抗干扰识别的方法、装置及计算机设备 | |
| CN114859337A (zh) | 数据处理方法、装置、电子设备、计算机存储介质 | |
| CN113093174A (zh) | 基于phd滤波雷达起伏微弱多目标的检测前跟踪方法 | |
| US20230166736A1 (en) | Method and apparatus for tracking road facility based on vehicle motion characteristics |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210115 |