CN113534157A - 一种基于堆栈式滤波的多目标雷达检测的方法和*** - Google Patents
一种基于堆栈式滤波的多目标雷达检测的方法和*** Download PDFInfo
- Publication number
- CN113534157A CN113534157A CN202110632030.4A CN202110632030A CN113534157A CN 113534157 A CN113534157 A CN 113534157A CN 202110632030 A CN202110632030 A CN 202110632030A CN 113534157 A CN113534157 A CN 113534157A
- Authority
- CN
- China
- Prior art keywords
- target
- unmanned aerial
- aerial vehicle
- linked list
- obstacle
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 238000001914 filtration Methods 0.000 title claims abstract description 23
- 230000004888 barrier function Effects 0.000 claims abstract description 9
- 238000007405 data analysis Methods 0.000 claims description 20
- 101100221616 Halobacterium salinarum (strain ATCC 29341 / DSM 671 / R1) cosB gene Proteins 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 11
- 230000009471 action Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction 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
- 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
- G01S13/933—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft
-
- 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
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/46—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being of a radio-wave signal type
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于堆栈式滤波的多目标雷达检测的方法和***,其中无人机1通过毫米波雷达检测到障碍物;确认障碍物的真实性,并得到障碍物的GPS坐标;将障碍物的GPS坐标上传到云服务器中保存;以及无人机2在飞行到相近位置时,会通过服务器得到障碍物的GPS坐标,提前预警,本方案降低了无人机对雷达的依赖性,提高障碍物的检测精度,实现了障碍物的信息共享。
Description
技术领域
本发明涉及雷达检测领域,尤其涉及一种基于堆栈式滤波的多目标雷达检测方法和***。
背景技术
毫米波雷达扫描是无人机飞行过程中障碍物检测的主要手段。毫米波雷达通过发射电磁波并接收物体反射波实现物体检测。但是,因为毫米波雷达发射的是锥状波束,导致毫米波雷达扫描障碍物分辨率低。
现有技术中,针对不同的场景,优化毫米波雷达的检测参数,实现特定场景下的物体检测。然而,无人机的使用场景复杂,优化参数的方案不能很好的实现无人机的障碍物检测需求,从而导致无人机在飞行过程中,出现非正常的规避动作,甚至目标丢失导致不能规避的情况。
现提出一种基于堆栈式滤波的多目标雷达检测方法和***,对毫米波雷达的检测结果做二次分析,以达到正确识别障碍物的目的。
发明内容
本发明目的是解决现有技术中因毫米波雷达的分辨力不高,即使针对特定场景进行了调试,仍然存在误报情况,且过于依赖雷达的问题。
本发明解决技术问题采用如下技术方案:一种基于堆栈式滤波的多目标雷达检测的方法,包括无人机1通过毫米波雷达检测到障碍物;确认障碍物的真实性,并得到障碍物的GPS坐标;将障碍物的GPS坐标上传到云服务器中保存;以及无人机2在飞行到相近位置时,会通过云服务器得到障碍物的GPS坐标,提前预警。
可选的,确认障碍物的真实性并得到障碍物的GPS坐标的步骤包括:雷达检测到目标后,对检测到的目标进行84坐标系转换;转换公式为:
X=(N+H)*cosB*cosL
Y=(N+H)*cosB*sinL
Z=[N*(1-e2)+H]*sinB
公式中,N为椭球面卯酉圈的曲率半径,e为椭球的第一偏心率,a、b为椭球的长短半径,f为椭球扁率,W为第一辅助系数,X,Y,Z为转换后的坐标。
可选的,确认障碍物的真实性并得到障碍物的GPS坐标的步骤还包括:将转化后的目标点的坐标存入链表中;对链表中的数据进行整理,得到新的目标链表;重复执行以上动作,即可得到所有目标关于置信度的链表,并判断置信度是否高于阈值?置信度高的点即为真实目标,置信度低的点为虚假目标,当置信度高于阈值时,将真实目标的GPS坐标上传到云服务器,当置信度低于阈值时,舍弃该虚假目标。
可选的,对链表中的数据进行整理的步骤包括但不限于:去除链表中位置相同的点,或者距离特别近的点;增加检测到的点的置信度;减少未检测到的点的置信度;删除置信度为零的点。
可选的,无人机1也可为多个无人机。
本发明还提供一种基于堆栈式滤波的多目标雷达检测的***,包括毫米波雷达装置1、2,无人机1,无人机2,数据分析算法模块和云服务器,其中:无人机1,与毫米波雷达装置1和数据分析算法模块耦接,通过毫米波雷达装置1检测障碍物,并将障碍物相关坐标信息传递给数据分析算法模块;数据分析算法模块,与无人机1和云服务器耦接,用于接收障碍物坐标信息并进行算法分析,确认障碍物的真实性,并将真实障碍物的GPS坐标发送至云服务器保存;云服务器,与数据分析算法模块和无人机2耦接,用于无人机2在飞行到相近位置时,向无人机2发送障碍物的GPS坐标,提前预警;以及无人机2,与云服务器和毫米波雷达装置2耦接,用于接收来自云服务器的相近障碍物的 GPS坐标。
可选的,数据分析算法模块进行算法分析包括:雷达检测到目标后,对检测到的目标进行84坐标系转换;转换公式为:
X=(N+H)*cosB*cosL
Y=(N+H)*cosB*sinL
Z=[N*(1-e2)+H]*sinB
公式中,N为椭球面卯酉圈的曲率半径,e为椭球的第一偏心率,a、b为椭球的长短半径,f为椭球扁率,W为第一辅助系数,X,Y,Z为转换后的坐标。
可选的,数据分析算法模块确认障碍物的真实性包括:将转化后的目标点的坐标存入链表中;对链表中的数据进行整理,得到新的目标链表;重复执行以上动作,即可得到所有目标关于置信度的链表,并判断置信度是否高于阈值?置信度高的点即为真实目标,置信度低的点为虚假目标,当置信度高于阈值时,将真实目标的GPS坐标上传到云服务器,当置信度低于阈值时,舍弃该虚假目标。
可选的,对链表中的数据进行整理的步骤包括但不限于:去除链表中位置相同的点,或者距离特别近的点;增加检测到的点的置信度;减少未检测到的点的置信度;删除置信度为零的点。
可选的,无人机1也可为多个无人机。
本发明具有如下有益效果:
第一、无人机通过堆栈式滤波对雷达检测的目标进行处理,检测真实目标和虚假目标;
第二、降低无人机对雷达的依赖性,提高障碍物的检测精度;
第三、无人机将障碍物信息上传服务器,实现障碍物的信息共享。
附图说明
图1为本发明的所述一种基于堆栈式滤波的多目标雷达检测的方法的流程图;
图2为基于图1的所述一种基于堆栈式滤波的多目标雷达检测的方法的另一流程图;
图3为本发明的所述一种基于堆栈式滤波的多目标雷达检测的***的示意图。
具体实施方式
下面结合实施例及附图对本发明的技术方案作进一步阐述。
如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解,硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式,而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语,故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内,本领域技术人员能够在一定误差范围内解决所述技术问题,基本达到所述技术效果。此外,“耦接”一词在此包含任何直接及间接的电性耦接手段。因此,若文中描述第一***耦接于第二***,则代表所述第一***可直接电性耦接于所述第二***,或通过其他***或耦接手段间接地电性耦接至所述第二***。说明书后续描述为实施本申请的较佳实施方式,然所述描述乃以说明本申请的一般原则为目的,并非用以限定本申请的范围。本申请的保护范围当视所附权利要求所界定者为准。
实施例1
本实施例提供了一种基于堆栈式滤波的多目标雷达检测的方法。参见图1 所示为所述一种基于堆栈式滤波的多目标雷达检测的方法的具体实施例,包括:
步骤101:无人机1通过毫米波雷达检测到障碍物;
步骤102:确认障碍物的真实性,并得到障碍物的GPS坐标;
步骤103:将障碍物的GPS坐标上传到云服务器中保存;
步骤104:无人机2在飞行到相近位置时,会通过云服务器得到障碍物的 GPS坐标,提前预警。
其中,上述无人机1,2并非特指,仅用来举例说明。实际应用中,向云服务器提供真实障碍物GPS坐标的可以有多个无人机。
实施例2
本实施例提供了一种基于堆栈式滤波的多目标雷达检测的方法。参见图2 为基于图1的所述一种基于堆栈式滤波的多目标雷达检测的方法的另一流程图;具体描述图1所示的步骤102的详细操作,包括:
步骤201:雷达检测到目标后,对检测到的目标进行84坐标系转换,转换公式如下:
X=(N+H)*cosB*cosL
Y=(N+H)*cosB*sinL
Z=[N*(1-e2)+H]*sinB
公式中,N为椭球面卯酉圈的曲率半径,e为椭球的第一偏心率,a、b为椭球的长短半径,f为椭球扁率,W为第一辅助系数,X,Y,Z为转换后的坐标;
步骤202:将转换后的目标点的坐标存入链表中;
步骤203:对链表中的数据进行整理,得到新的目标链表;
步骤204:重复执行以上动作,即可得到所有目标关于置信度的链表,并判断置信度是否高于阈值?置信度高的点即为真实目标,置信度低的点为虚假目标,当置信度高于阈值时,执行步骤205,当置信度低于阈值时,执行步骤206;
步骤205:将真实目标的GPS坐标上传到云服务器,以方便其他无人机使用;
步骤206:舍弃该虚假目标。
其中,上述步骤203中对链表中的数据进行整理具体为:1、去除链表中位置相同的点,或者距离特别近的点;2、增加检测到的点的置信度;3、减少未检测到的点的置信度;4、删除置信度为零的点。
实施例3
本实施例提供了一种基于堆栈式滤波的多目标雷达检测的***。参见图3 所示为本申请基于堆栈式滤波的多目标雷达检测的***300示意图的具体实施例,包括毫米波雷达装置301、306,无人机1302,无人机2305,数据分析算法模块303和云服务器304,其中:
无人机1302,与毫米波雷达装置301和数据分析算法模块耦接,通过毫米波雷达装置301检测障碍物,并将障碍物相关坐标信息传递给数据分析算法模块303;
数据分析算法模块303,与无人机1302和云服务器304耦接,用于接收障碍物坐标信息并进行算法分析,确认障碍物的真实性,并将真实障碍物的GPS 坐标发送至云服务器304保存;
云服务器304,与数据分析算法模块303和无人机2305耦接,用于无人机 2在飞行到相近位置时,向无人机2发送障碍物的GPS坐标,提前预警;
无人机2305,与云服务器304和毫米波雷达装置306耦接,用于接收来自云服务器304的相近障碍物的GPS坐标。
其中,上述无人机1,2并非特指,仅用来举例说明。实际应用中,向云服务器提供真实障碍物GPS坐标的可以有多个无人机。
其中,数据分析算法模块303在进行算法分析时,具体为:
步骤401:雷达检测到目标后,对检测到的目标进行84坐标系转换,转换公式如下:
X=(N+H)*cosB*cosL
Y=(N+H)*cosB*sinL
Z=[N*(1-e2)+H]*sinB
公式中,N为椭球面卯酉圈的曲率半径,e为椭球的第一偏心率,a、b为椭球的长短半径,f为椭球扁率,W为第一辅助系数,X,Y,Z为转换后的坐标;
步骤402:将目标点的坐标存入链表中;
步骤403:对链表中的数据进行整理,得到新的目标链表;
步骤404:重复执行以上动作,即可得到所有目标关于置信度的链表,并判断置信度是否高于阈值?置信度高的点即为真实目标,置信度低的点为虚假目标,当置信度高于阈值时,执行步骤405,当置信度低于阈值时,执行步骤406;
步骤405:将真实目标的坐标上传到云服务器,以方便其他无人机使用;
步骤406:舍弃该虚假目标。
其中,上述步骤403中对链表中的数据进行整理具体为:1、去除链表中位置相同的点,或者距离特别近的点;2、增加检测到的点的置信度;3、减少未检测到的点的置信度;4、删除置信度为零的点。
以上实施例的先后顺序仅为便于描述,不代表实施例的优劣。
最后应说明的是:以上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精神和范围。
应用方向:
在我们的无人机***中,拥有2颗毫米波雷达用于障碍物的检测,分别装在飞机前方和后方。
作业时,无人机会实时监测前雷达和后雷达检测到的目标,当确认障碍物存在并阻碍飞行时,采取规避动作。
障碍物的位置数据通过本发明中的算法可以转换到84坐标系下,即经纬度。在同一地块作业时,障碍物的位置信息可以通过服务器推送到区域内的其它无人机,以确保区域内的所有无人机能快速发现障碍物。
Claims (10)
1.一种基于堆栈式滤波的多目标雷达检测的方法,其特征在于,包括:
无人机1通过毫米波雷达检测到障碍物;
确认障碍物的真实性,并得到障碍物的GPS坐标;
将所述障碍物的GPS坐标上传到云服务器中保存;以及
无人机2在飞行到相近位置时,会通过所述云服务器得到障碍物的GPS坐标,提前预警。
3.根据权利要求2所述的基于堆栈式滤波的多目标雷达检测的方法,其特征在于,所述确认障碍物的真实性并得到障碍物的GPS坐标的步骤还包括:将转化后的目标点的坐标存入链表中;对链表中的数据进行整理,得到新的目标链表;重复执行以上动作,即可得到所有目标关于置信度的链表,并判断置信度是否高于阈值?置信度高的点即为真实目标,置信度低的点为虚假目标,当置信度高于阈值时,将真实目标的GPS坐标上传到云服务器,当置信度低于阈值时,舍弃该虚假目标。
4.根据权利要求3所述的基于堆栈式滤波的多目标雷达检测的方法,其特征在于,所述对链表中的数据进行整理的步骤包括但不限于:去除链表中位置相同的点,或者距离特别近的点;增加检测到的点的置信度;减少未检测到的点的置信度;删除置信度为零的点。
5.根据权利要求1-4任一项所述的基于堆栈式滤波的多目标雷达检测的方法,其特征在于,所述无人机1也可为多个无人机。
6.一种基于堆栈式滤波的多目标雷达检测的***,其特征在于,包括毫米波雷达装置1、2,无人机1,无人机2,数据分析算法模块和云服务器,其中:
所述无人机1,与所述毫米波雷达装置1和所述数据分析算法模块耦接,通过所述毫米波雷达装置1检测障碍物,并将障碍物相关坐标信息传递给所述数据分析算法模块;
所述数据分析算法模块,与所述无人机1和所述云服务器耦接,用于接收所述障碍物坐标信息并进行算法分析,确认障碍物的真实性,并将真实障碍物的GPS坐标发送至所述云服务器保存;
所述云服务器,与所述数据分析算法模块和所述无人机2耦接,用于所述无人机2在飞行到相近位置时,向所述无人机2发送障碍物的GPS坐标,提前预警;以及
所述无人机2,与所述云服务器和所述毫米波雷达装置2耦接,用于接收来自所述云服务器的相近障碍物的GPS坐标。
8.根据权利要求7所述的基于堆栈式滤波的多目标雷达检测的***,其特征在于,所述数据分析算法模块确认障碍物的真实性包括:将转化后的目标点的坐标存入链表中;对链表中的数据进行整理,得到新的目标链表;重复执行以上动作,即可得到所有目标关于置信度的链表,并判断置信度是否高于阈值?置信度高的点即为真实目标,置信度低的点为虚假目标,当置信度高于阈值时,将真实目标的GPS坐标上传到云服务器,当置信度低于阈值时,舍弃该虚假目标。
9.根据权利要求8所述的基于堆栈式滤波的多目标雷达检测的***,其特征在于,所述对链表中的数据进行整理的步骤包括但不限于:去除链表中位置相同的点,或者距离特别近的点;增加检测到的点的置信度;减少未检测到的点的置信度;删除置信度为零的点。
10.根据权利要求6-9任一项所述的基于堆栈式滤波的多目标雷达检测的***,其特征在于,所述无人机1也可为多个无人机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110632030.4A CN113534157A (zh) | 2021-06-07 | 2021-06-07 | 一种基于堆栈式滤波的多目标雷达检测的方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110632030.4A CN113534157A (zh) | 2021-06-07 | 2021-06-07 | 一种基于堆栈式滤波的多目标雷达检测的方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113534157A true CN113534157A (zh) | 2021-10-22 |
Family
ID=78095284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110632030.4A Pending CN113534157A (zh) | 2021-06-07 | 2021-06-07 | 一种基于堆栈式滤波的多目标雷达检测的方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113534157A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7865277B1 (en) * | 2007-05-07 | 2011-01-04 | The United States Of America As Represented By The Secretary Of The Navy | Obstacle avoidance system and method |
CN104569979A (zh) * | 2013-10-17 | 2015-04-29 | 株式会社电装 | 目标检测设备 |
CN107223200A (zh) * | 2016-12-30 | 2017-09-29 | 深圳前海达闼云端智能科技有限公司 | 一种导航方法、装置及终端设备 |
CN107966700A (zh) * | 2017-11-20 | 2018-04-27 | 天津大学 | 一种用于无人驾驶汽车的前方障碍物检测***及方法 |
CN108388268A (zh) * | 2018-01-31 | 2018-08-10 | 南京奇蛙智能科技有限公司 | 一种基于云端的无人机航线规划方法 |
CN108594849A (zh) * | 2018-04-10 | 2018-09-28 | 深圳市易飞行科技有限公司 | 一种基于毫米波雷达的无人机避障方法 |
US10089894B1 (en) * | 2017-08-30 | 2018-10-02 | Honeywell International Inc. | Apparatus and method of implementing an augmented reality processed terrain and obstacle threat scouting service |
CN111060911A (zh) * | 2018-10-16 | 2020-04-24 | 天津所托瑞安汽车科技有限公司 | 一种基于场景分析的车辆防碰撞识别方法 |
-
2021
- 2021-06-07 CN CN202110632030.4A patent/CN113534157A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7865277B1 (en) * | 2007-05-07 | 2011-01-04 | The United States Of America As Represented By The Secretary Of The Navy | Obstacle avoidance system and method |
CN104569979A (zh) * | 2013-10-17 | 2015-04-29 | 株式会社电装 | 目标检测设备 |
CN107223200A (zh) * | 2016-12-30 | 2017-09-29 | 深圳前海达闼云端智能科技有限公司 | 一种导航方法、装置及终端设备 |
US10089894B1 (en) * | 2017-08-30 | 2018-10-02 | Honeywell International Inc. | Apparatus and method of implementing an augmented reality processed terrain and obstacle threat scouting service |
CN107966700A (zh) * | 2017-11-20 | 2018-04-27 | 天津大学 | 一种用于无人驾驶汽车的前方障碍物检测***及方法 |
CN108388268A (zh) * | 2018-01-31 | 2018-08-10 | 南京奇蛙智能科技有限公司 | 一种基于云端的无人机航线规划方法 |
CN108594849A (zh) * | 2018-04-10 | 2018-09-28 | 深圳市易飞行科技有限公司 | 一种基于毫米波雷达的无人机避障方法 |
CN111060911A (zh) * | 2018-10-16 | 2020-04-24 | 天津所托瑞安汽车科技有限公司 | 一种基于场景分析的车辆防碰撞识别方法 |
Non-Patent Citations (4)
Title |
---|
刘宏华: "堆栈滤波器的设计及实现", 中国优秀硕士学位论文全文数据库 信息科技辑, no. 02, 15 June 2005 (2005-06-15), pages 16 - 20 * |
孙丽娅: "堆栈滤波器的研究及应用", 中国优秀硕士学位论文全文数据库 信息科技辑, no. 04, 15 December 2004 (2004-12-15), pages 7 - 14 * |
戴冉 等: "航海专业数学", 31 January 2010, 大连海事大学出版社, pages: 93 - 96 * |
程存学 等: "自适应窗堆栈滤波器研究", 声学与电子工程, no. 03, 1 October 1993 (1993-10-01), pages 1 - 9 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112965517B (zh) | 基于双目视觉融合激光雷达与电磁场检测的无人机巡检安全避障***和方法 | |
CN110441790B (zh) | 激光雷达***中的方法和装置串扰和多径降噪 | |
US11208085B2 (en) | Automotive braking control system, apparatus, and method considering weather condition | |
WO2018137135A1 (en) | System and method of radar-based obstacle avoidance for unmanned aerial vehicles | |
CN105651780A (zh) | 通过无人机检测风机叶片状态的方法、装置及*** | |
CN107817488A (zh) | 基于毫米波雷达与视觉融合的无人机避障装置及避障方法 | |
CN107272001B (zh) | 视线外障碍物检测和定位 | |
WO2022120839A1 (zh) | 基于车载毫米波雷达的防干扰方法、装置、***及车辆 | |
WO2022183408A1 (zh) | 车道线检测方法和车道线检测装置 | |
WO2018135522A1 (ja) | 移動体制御システム、移動体制御装置、移動体制御方法および記録媒体 | |
CN112911249B (zh) | 目标对象的跟踪方法、装置、存储介质及电子装置 | |
US10576977B2 (en) | Vehicle device | |
US11698459B2 (en) | Method and apparatus for determining drivable region information | |
CN108983218B (zh) | 物体目标识别***、物体目标识别方法及存储介质 | |
Souli et al. | An autonomous counter-drone system with jamming and relative positioning capabilities | |
CN111650604B (zh) | 利用精确定位实现自我车辆和周边障碍物精确探知的方法 | |
CN111123269B (zh) | 用于无人机避障雷达的地面杂波抑制方法、模块及装置 | |
CN113534157A (zh) | 一种基于堆栈式滤波的多目标雷达检测的方法和*** | |
US20220373672A1 (en) | Multipath classification in radar detections | |
CN213457366U (zh) | 一种基于毫米波雷达的自主飞行辅助*** | |
CN114217316A (zh) | 一种数据处理方法、设备、***及介质 | |
CN216646797U (zh) | 毫米波雷达的道路场景测试设备 | |
EP4116738A1 (en) | Radar device and method for classifying objects | |
US11294046B2 (en) | Radar apparatus and signal processing method | |
CN108983247B (zh) | 物体目标识别***、物体目标识别方法及存储介质 |
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 |