CN113589288A - 基于毫米波雷达的目标筛选方法、装置、设备及存储介质 - Google Patents

基于毫米波雷达的目标筛选方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113589288A
CN113589288A CN202110704069.2A CN202110704069A CN113589288A CN 113589288 A CN113589288 A CN 113589288A CN 202110704069 A CN202110704069 A CN 202110704069A CN 113589288 A CN113589288 A CN 113589288A
Authority
CN
China
Prior art keywords
millimeter wave
points
scanning
clustering
wave radar
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
Application number
CN202110704069.2A
Other languages
English (en)
Inventor
李晓欢
霍科辛
陈倩
唐欣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangxi Comprehensive Transportation Big Data Research Institute
Guilin University of Electronic Technology
Original Assignee
Guangxi Comprehensive Transportation Big Data Research Institute
Guilin University of Electronic Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangxi Comprehensive Transportation Big Data Research Institute, Guilin University of Electronic Technology filed Critical Guangxi Comprehensive Transportation Big Data Research Institute
Priority to CN202110704069.2A priority Critical patent/CN113589288A/zh
Publication of CN113589288A publication Critical patent/CN113589288A/zh
Pending legal-status Critical Current

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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • 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
    • 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
    • G01S13/937—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of marine craft

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Ocean & Marine Engineering (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供了一种基于毫米波雷达的目标筛选方法、装置、设备及存储介质，涉及自动驾驶技术领域。该方法包括：获取毫米波原始数据，确定毫米波原始数据中对应的扫描点；确定各扫描点的特征数据，基于归一化处理后的特征数据，采用预设的聚类算法对扫描点进行聚类，基于各组聚类点中扫描点的特征数据，确定各组聚类点对应的物体类型，确定目标物体。本申请实施例通过提取毫米波数据的特征数据，将特征数据进行归一化处理，通过预设的聚类算法对扫描点进行聚类，并基于各类聚类点的特征数据，确认目标物体，通过特征数据的聚类，能够有效排除非车辆、船只障碍物，并区分移动中的车辆、船只和非移动车辆、船只，为自动驾驶提供技术支持。

Description

基于毫米波雷达的目标筛选方法、装置、设备及存储介质
技术领域
本申请涉及自动驾驶技术领域，具体而言，本申请涉及一种基于毫米 波雷达的目标筛选方法、装置、设备及存储介质。
背景技术
全天候、高鲁棒的目标检测是自动驾驶感知***的关键环节，为自动 驾驶车辆的安全行驶、更合理高效的规划决策提供重要保障，而单传感器 检测具有局限性，采用多传感器融合是解决全天候，极端环境检测的有效 办法。毫米波雷达能够准确探测障碍物的位置和速度，且具有较强环境适 应性。采用毫米波进行传感器融合是常见的方案之一。但检测过程中，非 目标物体，如车道栏杆，树木，建筑物等会影响检测效率，为后续传感器 融合带来误差和额外的计算量。为了提高毫米波雷达检测的精度和效率， 需对毫米波检测出的原始数据进行预处理。
现有的方法只能通过检测到障碍物的速度将静止的目标和运动的目 标进行区分。但当毫米波装载在运动的车辆上时，由于栏杆，建筑物是相 对毫米波雷达运动的，栏杆，建筑物等也会被毫米波检测到速度，因此难 以区分障碍物和目标车辆、船只，且单凭速度这一指标难以区分车辆、船 只和其他运动物体。
发明内容
本申请的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术 难以区分障碍物和目标车辆，且单凭速度这一指标难以区分车辆和其他运 动物体的技术缺陷。
第一方面，提供了一种基于毫米波雷达的目标筛选方法，该方法包括：
获取毫米波原始数据，确定所述毫米波原始数据中对应的扫描点；
确定各所述扫描点的特征数据，并对所述特征数据进行归一化处理；
基于归一化处理后的所述特征数据，采用预设的聚类算法对所述扫描 点进行聚类，形成多组聚类点，其中，各所述聚类点中的扫描点不重复；
基于各组所述聚类点中所述扫描点的特征数据，确定所述各组聚类点 对应的物体类型，确定目标物体。
作为本申请一种可能的实施方式，在该实施方式中，所述获取毫米波 原始数据，确定所述毫米波原始数据中对应的扫描点，包括：
获取基于道路扫描的毫米波原始数据；
基于所述毫米波原始数据确定所述道路中的扫描点。
作为本申请一种可能的实施方式，在该实施方式中，所述确定各所述 扫描点的特征数据，并对所述特征数据进行归一化处理，包括：
确定各扫描点相对于毫米波雷达的速度、雷达散射截面以及角度；
采用预设的公式将所述速度、雷达散射截面以及角度归一化。
作为本申请一种可能的实施方式，在该实施方式中，采用如下公式对 所述：速度、雷达散射截面以及角度归一化：
Figure BDA0003131469910000021
Figure BDA0003131469910000022
Figure BDA0003131469910000023
其中，v表示扫描点的相较于毫米波雷达的实际速度，v*表示所述扫 描点个归一化速度，vmax表示所有所述扫描点中相较于毫米波雷达的最大 实际速度，vmin表示所有所述扫描点中相较于毫米波雷达的最小实际速度， RCS表示扫描点的相较于毫米波雷达的实际雷达散射截面，RCS*表示所述 扫描点个归一化雷达散射截面，RCSmax表示所有所述扫描点中相较于毫米 波雷达的最大实际雷达散射截面，RCSmin表示所有所述扫描点中相较于毫米波雷达的最小实际雷达散射截面，A表示扫描点的相较于毫米波雷达的 实际角度，A*表示所述扫描点的归一化角度，Amax表示所有所述扫描点中 相较于毫米波雷达的最大实际角度，Amin表示所有所述扫描点中相较于毫 米波雷达的最小实际角度。
作为本申请一种可能的实施方式，所述基于归一化处理后的所述特征 数据，采用预设的聚类算法对所述扫描点进行聚类，形成多组聚类点，包 括：
采用预设的基于密度的聚类算法，计算各所述扫描点之间的欧式距离；
基于各所述扫描点之间的欧式距离，生成多组聚类点。
作为本申请一种可能的实施方式，在该实施方式中，所述基于各组所 述聚类点中所述扫描点的特征数据，确定所述各组聚类点对应的物体类型， 确定目标物体，包括：
将归一化速度在第一预设范围内、且相较于毫米波雷达的实际角度在 第二预设范围内的扫描点作为静止聚类点，将所述静止聚类点的物体确认 为静止物体。
作为本申请一种可能的实施方式，在该实施方式中，所述基于各组所 述聚类点中所述扫描点的特征数据，确定所述各组聚类点对应的物体类型， 确定目标物体，包括：
将相较于毫米波雷达的实际角度在第三预设范围内扫描点确认为第 二聚类点，且当所述第二聚类点中所述扫描点的数量大于第四预设值时， 将所述第二聚类点对应的物体类型确认为车辆；
基于所述第二聚类点中扫描点的归一化速度，确认所述车辆为静止车 辆或移动车辆。
第二方面，提供了一种基于毫米波雷达的目标筛选装置，包括：
数据获取模块，用于获取毫米波原始数据，确定所述毫米波原始数据 中对应的扫描点；
归一化模块，用于确定各所述扫描点的特征数据，并对所述特征数据 进行归一化处理；
聚类模块，用于基于归一化处理后的所述特征数据，采用预设的聚类 算法对所述扫描点进行聚类，形成多组聚类点，其中，各所述聚类点中的 扫描点不重复；
识别模块，用于基于各组所述聚类点中所述扫描点的特征数据，确定 所述各组聚类点对应的物体类型，确定目标物体。
第三方面，提供了一种电子设备，该电子设备包括存储器、处理器及 存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处 理器执行所述程序时实现上述的基于毫米波雷达的目标筛选方法。
第四方面，提供了一种计算机可读存储介质，所述存储介质存储有至 少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述 至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述 的基于毫米波雷达的目标筛选方法。
本申请实施例通过提取毫米波数据的特征数据，将特征数据进行归一 化处理，便于后续数据处理，通过预设的聚类算法对扫描点进行聚类，并 基于各类聚类点的特征数据，确认目标物体，通过特征数据的聚类，能够 有效排除非车辆或船只的障碍物，并区分移动中的车辆、船只和非移动车 辆、船只，为自动驾驶提供技术支持。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施 例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种基于毫米波雷达的目标筛选方法的 流程示意图；
图2为本申请实施例提供的一种扫描点聚类方法的流程示意图；
图3为本申请实施例提供的一种目标物体确认方法的流程示意图；
图4为本申请实施例提供的一种基于毫米波雷达的目标筛选装置的 结构示意图；
图5为本申请实施例提供的一种电子设备的结构示意图。
结合附图并参考以下具体实施方式，本申请各实施例的上述和其他特 征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表 示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照 比例绘制。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其 中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似 功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本 申请，而不能解释为对本申请的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式 “一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是， 本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操 作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整 数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件 被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或 者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线 连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出 项的全部或任一单元和全部组合。
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 申请实施方式作进一步地详细描述。
本申请提供的基于毫米波雷达的目标筛选方法、装置、电子设备和计 算机可读存储介质，旨在解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如 何解决上述技术问题进行详细说明。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中不再赘述。下面将 结合附图，对本申请的实施例进行描述。
本申请实施例中提供了一种基于毫米波雷达的目标筛选方法，如图1 所示，该方法包括：
步骤S101，获取毫米波原始数据，确定所述毫米波原始数据中对应 的扫描点；
步骤S102，确定各所述扫描点的特征数据，并对所述特征数据进行 归一化处理；
步骤S103，基于归一化处理后的所述特征数据，采用预设的聚类算 法对所述扫描点进行聚类，形成多组聚类点，其中，各所述聚类点中的扫 描点不重复；
步骤S104，基于各组所述聚类点中所述扫描点的特征数据，确定所 述各组聚类点对应的物体类型，确定目标物体。
在本申请实施例中，基于毫米波雷达的目标筛选方法适用于自动驾驶 技术领域，为自动驾驶导航提供技术支持，主要用于识别道路中的障碍物， 并将障碍物区分为非车辆(船只)障碍物、静止车辆(船只)和移动车辆 (船只)，通过毫米波雷达探测，采集障碍物的特征数据，并通过归一化 处理，将特征数据进行归一化，然后对归一化后的特征数据进行聚类分析， 能够有效识别障碍物，识别精度高，且加入雷达散射角度和扫描点数量对 障碍物进行识别，能够有效区分静止车辆(船只)和非静止车辆(船只)， 识别更加精准。
为方便说明，以一个具体实施例为例，毫米波雷达安装在自动驾驶的 车辆上，或者具有自动导航功能的车辆(船只)上，毫米波雷达通过发射 毫米波并接收障碍物返回的毫米波数据，得到毫米波原始数据，在获取到 毫米波原始数据之后，基于该原始数据，确认毫米波雷达探测到的扫描点， 作为本申请一种可能的实施方式，接收到多少个反射波，则表示该毫米波 雷达探测到多少个扫描点，然后确定各扫描点的特征数据，其中，特征数 据包括各扫描点相较于毫米波雷达的速度、各扫描点的雷达散射截面以及 各扫描点相较于毫米波雷达的角度，并将这些特征数据进行归一化处理， 对特征数据进行归一化处理之后，将归一化之后的特征数据进行聚类，其 中，可以采用预设的基于密度的聚类算法，将所有的扫描点进行分类，形 成多组聚类点或者噪声点，其中，聚类点表示该组聚类点中的扫描点可以 表示障碍物，噪声点表示该扫描点不是障碍物，然后基于各组聚类点中扫 描点的特征数据，确定该组聚类点表示的障碍物的种类，具体确认方法在 本申请后续有说明。
本申请实施例通过提取毫米波数据的特征数据，将特征数据进行归一 化处理，便于后续数据处理，通过预设的聚类算法对扫描点进行聚类，并 基于各类聚类点的特征数据，确认目标物体，通过特征数据的聚类，能够 有效排除非车辆(船只)障碍物，并区分移动中的车辆(船只)和非移动 车辆(船只)，为自动驾驶提供技术支持。
作为本申请一种可能的实施方式，在该实施方式中，所述获取毫米波 原始数据，确定所述毫米波原始数据中对应的扫描点，包括：
获取基于道路扫描的毫米波原始数据；
基于所述毫米波原始数据确定所述道路中的扫描点。
在本申请实施例中，基于毫米波雷达的目标筛选方法适用于自动驾驶 技术领域，为自动驾驶导航提供技术支持，主要用于识别道路中的障碍物， 并将障碍物区分为非车辆(船只)障碍物、静止车辆(船只)和移动车辆 (船只)，通过毫米波雷达探测，采集障碍物的特征数据，并通过归一化 处理，将特征数据进行归一化，然后对归一化后的特征数据进行聚类分析， 能够有效识别障碍物，识别精度高，且加入雷达散射角度和扫描点数量对 障碍物进行识别，能够有效区分静止车辆(船只)和非静止车辆(船只)， 识别更加精准。
本申请实施例通过对道路进行扫描，获取道路中的扫描点，能够对道 路障碍物进行识别，为自动驾驶提供技术支持。
作为本申请一种可能的实施方式，在该实施方式中，所述确定各所述 扫描点的特征数据，并对所述特征数据进行归一化处理，包括：
确定各扫描点相对于毫米波雷达的速度、雷达散射截面以及角度；
采用预设的公式将所述速度、雷达散射截面以及角度归一化。
在本申请实施例中，扫描点的特征数据包括各扫描点相较于毫米雷达 波的速度、雷达散射截面以及角度，在获取到各扫描点的特征数据之后， 采用预设的公式对特征数据进行归一化处理，将所有参数都归一化至 1～100以内，方便后续计算：
Figure BDA0003131469910000071
Figure BDA0003131469910000072
Figure BDA0003131469910000073
其中，v表示扫描点的相较于毫米波雷达的实际速度，v*表示所述扫 描点的归一化速度，vmax表示所有所述扫描点中相较于毫米波雷达的最大 实际速度，vmin表示所有所述扫描点中相较于毫米波雷达的最小实际速度， RCS表示扫描点的相较于毫米波雷达的实际雷达散射截面，RCS*表示所述 扫描点的归一化雷达散射截面，RCSmax表示所有所述扫描点中相较于毫米 波雷达的最大实际雷达散射截面，RCSmin表示所有所述扫描点中相较于毫米波雷达的最小实际雷达散射截面，A表示扫描点的相较于毫米波雷达的 实际角度，A*表示所述扫描点的归一化角度，Amax表示所有所述扫描点中 相较于毫米波雷达的最大实际角度，Amin表示所有所述扫描点中相较于毫 米波雷达的最小实际角度。
本申请实施例通过预设的公式对特征数据进行归一化处理，将所有特 征数据归一化至1～100以内，方便后续计算。
作为本申请一种可能的实施方式，在该实施方式中，如图2所示，所 述基于归一化处理后的所述特征数据，采用预设的聚类算法对所述扫描点 进行聚类，形成多组聚类点，包括：
步骤S201，采用预设的基于密度的聚类算法，计算各所述扫描点之 间的欧式距离；
步骤S202，基于各所述扫描点之间的欧式距离，生成多组聚类点。
在本申请实施例中，在对扫描点进行聚类时，先采用预设的基于密度 的聚类算法，对扫描点进行聚类，其中，聚类方式通过计算各扫描点邻域 中的扫描点的数量，先将所有扫描点标记为未访问点，然后随机探索一个 扫描点P0的邻域，判断其它扫描点与该点的欧式距离，通过如下公式计算：
Figure BDA0003131469910000081
其中，di表示扫描点Pi与扫描点P0的欧式距离，若di<，其中，ε为 一个预设的阈值，则表示扫描点Pi在扫描点P0的邻域内，如果扫描点P0的 邻域内的扫描点的数量足够多，则可以将扫描点P0及其邻域内的扫描点作 为一个聚类，否则，将该扫描点P0作为噪声点，然后再计算该聚类中其它 扫描点的邻域，并将其它扫描点邻域内的点也加入到该聚类中，如此重复， 直至没有新的扫描点加入到该聚类中，则形成一个完整的聚类。依次对所 有扫描点聚类，可以形成多组聚类点。
本申请实施例通过计算各扫描点之间的欧式距离，对个扫描点进行聚 类，将预设范围内的点作为一个聚类，能够有效排除噪声点，形成多组聚 类点，方便后续障碍物识别。
作为本申请一种可能的实施方式，在该实施方式中，所述基于各组所 述聚类点中所述扫描点的特征数据，确定所述各组聚类点对应的物体类型， 确定目标物体，包括：
将归一化速度在第一预设范围内、且相较于毫米波雷达的实际角度在 第二预设范围内的扫描点作为静止聚类点，将所述静止聚类点的物体确认 为静止物体。
在本申请实施例中，在对扫描点进行聚类之后，可以根据各组聚类点 中扫描点的特征数据，确认该组聚类点的障碍物类别，首先对于一组聚类 点，基于该组聚类点中所有扫描点相较于毫米波雷达的速度和雷达散射面， 将相较于毫米波雷达的速度相同，且雷达散射面差别不大(如在第二预设 范围内)的扫描点作为静止物体，其中，该类扫描点相较于毫米波雷达的 速度应该在第二预设范围内，将该类扫描点对应的障碍物确认为静止障碍物。
本申请实施例通过扫描点相较于毫米波雷达的速度和雷达散射面对 扫描点进行聚类，确定扫描点中的静止点，确定道路中的静止障碍物，通 过添加雷达散射面这一参数，保证障碍物识别的准确性。
作为本申请一种可能的实施方式，在该实施方式中，如图3所示，所 述基于各组所述聚类点中所述扫描点的特征数据，确定所述各组聚类点对 应的物体类型，确定目标物体，包括：
步骤S301，将相较于毫米波雷达的实际角度在第三预设范围内扫描 点确认为第二聚类点，且当所述第二聚类点中所述扫描点的数量大于第四 预设值时，将所述第二聚类点对应的物体类型确认为车辆(船只)；
步骤S302，基于所述第二聚类点中扫描点的归一化速度，确认所述 车辆(船只)为静止车辆(船只)或移动车辆(船只)。
本申请实施例中，提供了另外一种确认扫描点对应的障碍物的类别的 聚类方案，由于道路上可能存在静止车辆(船只)且道路上会存在与车辆(船只)RCS相似的物体，如路牌等，不能简单通过RCS和速度来去除， 故根据车辆(船只)在毫米波可检测的中近距离内，体积一般比一般障碍 物大，RCS点的值比较接近，且毫米波点数较密集的特点。进行第二次聚 类，输入为RCS和角度值A。遍历每个聚类中点的角度值，找出一个聚 类中最大最小的角度Amax，Amin，和聚类中的毫米波点数量Nc，rcs的均 值
Figure BDA0003131469910000101
根据下列公式来提取场景中的车辆(船只)目标。
Figure BDA0003131469910000102
当聚类的物体角度大于一定的阈值Am，聚类中的毫米波数量大于阈 值Nm，且RCS在一定范围内，则判定其为车辆(船只)，并通过比对Vs， 区分静止与运动车辆(船只)。将这些聚类添加到有效目标中，剩余目标 标记为无效目标。
由于聚类是耗时操作，所以每次检测后，都将记录下每个毫米波点的 ID，如果下一次检测中存在相同ID的目标，则直接根据其在前轮检测的 标签，将其归为有效或无效目标，这样每次只对新出现的目标进行聚类处 理，减少计算时间。当已标记目标在多次检测中没有出现，则表明其已不 在检测范围，将其ID从已标记目标中删除。
本申请实施例通过基于毫米波的密度和角度等参数，确定其对应的障 碍物是否为车辆(船只)以及是否为静止车辆(船只)、移动车辆(船只) 等，能够准确识别道路障碍物，为自动驾驶提供技术支持。
本申请实施例通过提取毫米波数据的特征数据，将特征数据进行归一 化处理，便于后续数据处理，通过预设的聚类算法对扫描点进行聚类，并 基于各类聚类点的特征数据，确认目标物体，通过特征数据的聚类，能够 有效排除非车辆(船只)障碍物，并区分移动中的车辆(船只)和非移动 车辆(船只)，为自动驾驶提供技术支持。
本申请实施例提供了一种基于毫米波雷达的目标筛选装置，如图4所 示，该基于毫米波雷达的目标筛选装置40可以包括：数据获取模块401、 归一化模块402、聚类模块403、以及识别模块404，其中，
数据获取模块401，用于获取毫米波原始数据，确定所述毫米波原始 数据中对应的扫描点；
归一化模块402，用于确定各所述扫描点的特征数据，并对所述特征 数据进行归一化处理；
聚类模块403，用于基于归一化处理后的所述特征数据，采用预设的 聚类算法对所述扫描点进行聚类，形成多组聚类点，其中，各所述聚类点 中的扫描点不重复；
识别模块404，用于基于各组所述聚类点中所述扫描点的特征数据， 确定所述各组聚类点对应的物体类型，确定目标物体。
作为本申请一种可能的实施方式，在该实施方式中，数据获取模块 401在获取毫米波原始数据，确定所述毫米波原始数据中对应的扫描点时， 可以用于：
获取基于道路扫描的毫米波原始数据；
基于所述毫米波原始数据确定所述道路中的扫描点。
作为本申请一种可能的实施方式，在该实施方式中，数据获取模块 401在获取毫米波原始数据，确定所述毫米波原始数据中对应的扫描点时， 可以用于：
获取基于道路扫描的毫米波原始数据；
基于所述毫米波原始数据确定所述道路中的扫描点。
作为本申请一种可能的实施方式，在该实施方式中，归一化模块402 在确定各所述扫描点的特征数据，并对所述特征数据进行归一化处理时， 可以用于：
确定各扫描点相对于毫米波雷达的速度、雷达散射截面以及角度；
采用预设的公式将所述速度、雷达散射截面以及角度归一化。
作为本申请一种可能的实施方式，在该实施方式中，采用如下公式对 所述：速度、雷达散射截面以及角度归一化：
Figure BDA0003131469910000111
Figure BDA0003131469910000121
Figure BDA0003131469910000122
其中，v表示扫描点的相较于毫米波雷达的实际速度，v*表示所述扫 描点的归一化速度，vmax表示所有所述扫描点中相较于毫米波雷达的最大 实际速度，vmin表示所有所述扫描点中相较于毫米波雷达的最小实际速度， RCS表示扫描点的相较于毫米波雷达的实际雷达散射截面，RCS*表示所述 扫描点的归一化雷达散射截面，RCSmax表示所有所述扫描点中相较于毫米 波雷达的最大实际雷达散射截面，RCSmin表示所有所述扫描点中相较于毫米波雷达的最小实际雷达散射截面，A表示扫描点的相较于毫米波雷达的 实际角度，A*表示所述扫描点的归一化角度，Amax表示所有所述扫描点中 相较于毫米波雷达的最大实际角度，Amin表示所有所述扫描点中相较于毫 米波雷达的最小实际角度。
作为本申请一种可能的实施方式，在该实施方式中，聚类模块403在 基于归一化处理后的所述特征数据，采用预设的聚类算法对所述扫描点进 行聚类，形成多组聚类点时，可以用于：
采用预设的基于密度的聚类算法，计算各所述扫描点之间的欧式距离；
基于各所述扫描点之间的欧式距离，生成多组聚类点。
作为本申请一种可能的实施方式，在该实施方式中，聚类模块403在 基于各组所述聚类点中所述扫描点的特征数据，确定所述各组聚类点对应 的物体类型，确定目标物体时，可以用于：
将归一化速度在第一预设范围内、且相较于毫米波雷达的实际角度在 第二预设范围内的扫描点作为静止聚类点，将所述静止聚类点的物体确认 为静止物体。
作为本申请一种可能的实施方式，在该实施方式中，聚类模块403在 基于各组所述聚类点中所述扫描点的特征数据，确定所述各组聚类点对应 的物体类型，确定目标物体时，可以用于：
将相较于毫米波雷达的实际角度在第三预设范围内扫描点确认为第 二聚类点，且当所述第二聚类点中所述扫描点的数量大于第四预设值时， 将所述第二聚类点对应的物体类型确认为车辆(船只)；
基于所述第二聚类点中扫描点的归一化速度，确认所述车辆(船只) 为静止车辆(船只)或移动车辆(船只)。
本申请实施例通过提取毫米波数据的特征数据，将特征数据进行归一 化处理，便于后续数据处理，通过预设的聚类算法对扫描点进行聚类，并 基于各类聚类点的特征数据，确认目标物体，通过特征数据的聚类，能够 有效排除非车辆(船只)障碍物，并区分移动中的车辆(船只)和非移动 车辆(船只)，为自动驾驶提供技术支持。
本申请实施例中提供了一种电子设备，该电子设备包括：存储器和处 理器；至少一个程序，存储于存储器中，用于被处理器执行时，获取毫米 波原始数据，确定所述毫米波原始数据中对应的扫描点；确定各所述扫描 点的特征数据，并对所述特征数据进行归一化处理；基于归一化处理后的 所述特征数据，采用预设的聚类算法对所述扫描点进行聚类，形成多组聚 类点，其中，各所述聚类点中的扫描点不重复；基于各组所述聚类点中所 述扫描点的特征数据，确定所述各组聚类点对应的物体类型，确定目标物 体。
与现有技术相比可实现：本申请实施例通过提取毫米波数据的特征数 据，将特征数据进行归一化处理，便于后续数据处理，通过预设的聚类算 法对扫描点进行聚类，并基于各类聚类点的特征数据，确认目标物体，通 过特征数据的聚类，能够有效排除非车辆(船只)障碍物，并区分移动中 的车辆(船只)和非移动车辆(船只)，为自动驾驶提供技术支持。
在一个可选实施例中提供了一种电子设备，如图5所示，图5所示的 电子设备4000包括：处理器4001和存储器4003。其中，处理器4001和 存储器4003相连，如通过总线4002相连。可选地，电子设备4000还可 以包括收发器4004。需要说明的是，实际应用中收发器4004不限于一个， 该电子设备4000的结构并不构成对本申请实施例的限定。
处理器4001可以是CPU(Central Processing Unit，中央处理器)， 通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC (Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、 晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申 请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器4001 也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP 和微处理器的组合等。
总线4002可包括一通路，在上述组件之间传送信息。总线4002可以 是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或 EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线 等。总线4002可以分为地址总线、数据总线、控制总线等。为便于表示， 图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器4003可以是ROM(Read Only Memory，只读存储器)或可存 储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存 储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscReadOnly Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光 碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储 设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代 码并能够由计算机存取的任何其他介质，但不限于此。
存储器4003用于存储执行本申请方案的应用程序代码，并由处理器 4001来控制执行。处理器4001用于执行存储器4003中存储的应用程序 代码，以实现前述方法实施例所示的内容。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介 质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前 述方法实施例中相应内容。与现有技术相比，本申请实施例通过提取毫米 波数据的特征数据，将特征数据进行归一化处理，便于后续数据处理，通 过预设的聚类算法对扫描点进行聚类，并基于各类聚类点的特征数据，确 认目标物体，通过特征数据的聚类，能够有效排除非车辆障碍物，并区分移动中的车辆和非移动车辆，为自动驾驶提供技术支持。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次 显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文 中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他 的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步 骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成， 而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替 地执行。
以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的 普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进 和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种基于毫米波雷达的目标筛选方法，其特征在于，包括：
获取毫米波原始数据，确定所述毫米波原始数据中对应的扫描点；
确定各所述扫描点的特征数据，并对所述特征数据进行归一化处理；
基于归一化处理后的所述特征数据，采用预设的聚类算法对所述扫描点进行聚类，形成多组聚类点，其中，各所述聚类点中的扫描点不重复；
基于各组所述聚类点中所述扫描点的特征数据，确定所述各组聚类点对应的物体类型，确定目标物体。
2.根据权利要求1所述的基于毫米波雷达的目标筛选方法，其特征在于，所述获取毫米波原始数据，确定所述毫米波原始数据中对应的扫描点，包括：
获取基于道路扫描的毫米波原始数据；
基于所述毫米波原始数据确定所述道路中的扫描点。
3.根据权利要求1所述的基于毫米波雷达的目标筛选方法，其特征在于，所述确定各所述扫描点的特征数据，并对所述特征数据进行归一化处理，包括：
确定各扫描点相对于毫米波雷达的速度、雷达散射截面以及角度；
采用预设的公式将所述速度、雷达散射截面以及角度归一化。
4.根据权利要求1所述的基于毫米波雷达的目标筛选方法，其特征在于，采用如下公式对所述：速度、雷达散射截面以及角度归一化：
Figure FDA0003131469900000011
Figure FDA0003131469900000012
Figure FDA0003131469900000013
其中，v表示扫描点的相较于毫米波雷达的实际速度，v*表示所述扫描点的归一化速度，vmax表示所有所述扫描点中相较于毫米波雷达的最大实际速度，vmin表示所有所述扫描点中相较于毫米波雷达的最小实际速度，RCS表示扫描点的相较于毫米波雷达的实际雷达散射截面，RCS*表示所述扫描点的归一化雷达散射截面，RCSmax表示所有所述扫描点中相较于毫米波雷达的最大实际雷达散射截面，RCSmin表示所有所述扫描点中相较于毫米波雷达的最小实际雷达散射截面，A表示扫描点的相较于毫米波雷达的实际角度，A*表示所述扫描点的归一化角度，Amax表示所有所述扫描点中相较于毫米波雷达的最大实际角度，Amin表示所有所述扫描点中相较于毫米波雷达的最小实际角度。
5.根据权利要求4所述的基于毫米波雷达的目标筛选方法，其特征在于，所述基于归一化处理后的所述特征数据，采用预设的聚类算法对所述扫描点进行聚类，形成多组聚类点，包括：
采用预设的基于密度的聚类算法，计算各所述扫描点之间的欧式距离；
基于各所述扫描点之间的欧式距离，生成多组聚类点。
6.根据权利要求5所述的基于毫米波雷达的目标筛选方法，其特征在于，所述基于各组所述聚类点中所述扫描点的特征数据，确定所述各组聚类点对应的物体类型，确定目标物体，包括：
将归一化速度在第一预设范围内、且相较于毫米波雷达的实际角度在第二预设范围内的扫描点作为静止聚类点，将所述静止聚类点的物体确认为静止物体。
7.根据权利要求6所述的基于毫米波雷达的目标筛选方法，其特征在于，所述基于各组所述聚类点中所述扫描点的特征数据，确定所述各组聚类点对应的物体类型，确定目标物体，包括：
将相较于毫米波雷达的实际角度在第三预设范围内扫描点确认为第二聚类点，且当所述第二聚类点中所述扫描点的数量大于第四预设值时，将所述第二聚类点对应的物体类型确认为车辆；
基于所述第二聚类点中扫描点的归一化速度，确认所述车辆为静止车辆或移动车辆。
8.一种基于毫米波雷达的目标筛选装置，其特征在于，包括：
数据获取模块，用于获取毫米波原始数据，确定所述毫米波原始数据中对应的扫描点；
归一化模块，用于确定各所述扫描点的特征数据，并对所述特征数据进行归一化处理；
聚类模块，用于基于归一化处理后的所述特征数据，采用预设的聚类算法对所述扫描点进行聚类，形成多组聚类点，其中，各所述聚类点中的扫描点不重复；
识别模块，用于基于各组所述聚类点中所述扫描点的特征数据，确定所述各组聚类点对应的物体类型，确定目标物体。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1～7中任一项所述的基于毫米波雷达的目标筛选方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1～7中任一项所述的基于毫米波雷达的目标筛选方法。
CN202110704069.2A 2021-06-24 2021-06-24 基于毫米波雷达的目标筛选方法、装置、设备及存储介质 Pending CN113589288A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110704069.2A CN113589288A (zh) 2021-06-24 2021-06-24 基于毫米波雷达的目标筛选方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110704069.2A CN113589288A (zh) 2021-06-24 2021-06-24 基于毫米波雷达的目标筛选方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN113589288A true CN113589288A (zh) 2021-11-02

Family

ID=78244595

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110704069.2A Pending CN113589288A (zh) 2021-06-24 2021-06-24 基于毫米波雷达的目标筛选方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113589288A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114442101A (zh) * 2022-01-28 2022-05-06 南京慧尔视智能科技有限公司 基于成像毫米波雷达的车辆导航方法、装置、设备及介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109188382A (zh) * 2018-07-27 2019-01-11 惠州华阳通用电子有限公司 一种基于毫米波雷达的目标识别方法
CN109634282A (zh) * 2018-12-25 2019-04-16 奇瑞汽车股份有限公司 自动驾驶车辆、方法和装置
CN110208793A (zh) * 2019-04-26 2019-09-06 纵目科技（上海）股份有限公司 基于毫米波雷达的辅助驾驶***、方法、终端和介质
CN110865365A (zh) * 2019-11-27 2020-03-06 江苏集萃智能传感技术研究所有限公司 一种基于毫米波雷达的停车场噪声消除方法
CN111226132A (zh) * 2019-03-18 2020-06-02 深圳市大疆创新科技有限公司 一种目标检测方法、设备、毫米波雷达及可移动平台
CN111896947A (zh) * 2019-10-14 2020-11-06 镇江盛益***科技有限公司 一种用于汽车毫米波雷达的快速超分辨跟踪***及方法
CN111915675A (zh) * 2020-06-17 2020-11-10 广西综合交通大数据研究院 基于粒子漂移的粒子滤波点云定位方法及其装置和***

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109188382A (zh) * 2018-07-27 2019-01-11 惠州华阳通用电子有限公司 一种基于毫米波雷达的目标识别方法
CN109634282A (zh) * 2018-12-25 2019-04-16 奇瑞汽车股份有限公司 自动驾驶车辆、方法和装置
CN111226132A (zh) * 2019-03-18 2020-06-02 深圳市大疆创新科技有限公司 一种目标检测方法、设备、毫米波雷达及可移动平台
CN110208793A (zh) * 2019-04-26 2019-09-06 纵目科技（上海）股份有限公司 基于毫米波雷达的辅助驾驶***、方法、终端和介质
WO2020216316A1 (zh) * 2019-04-26 2020-10-29 纵目科技（上海）股份有限公司 基于毫米波雷达的辅助驾驶***、方法、终端和介质
CN111896947A (zh) * 2019-10-14 2020-11-06 镇江盛益***科技有限公司 一种用于汽车毫米波雷达的快速超分辨跟踪***及方法
CN110865365A (zh) * 2019-11-27 2020-03-06 江苏集萃智能传感技术研究所有限公司 一种基于毫米波雷达的停车场噪声消除方法
CN111915675A (zh) * 2020-06-17 2020-11-10 广西综合交通大数据研究院 基于粒子漂移的粒子滤波点云定位方法及其装置和***

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114442101A (zh) * 2022-01-28 2022-05-06 南京慧尔视智能科技有限公司 基于成像毫米波雷达的车辆导航方法、装置、设备及介质
CN114442101B (zh) * 2022-01-28 2023-11-14 南京慧尔视智能科技有限公司 基于成像毫米波雷达的车辆导航方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN102463990B (zh) 用于跟踪物体的***和方法
EP3851870A1 (en) Method for determining position data and/or motion data of a vehicle
CN108859952B (zh) 车辆变道预警方法、装置和雷达
EP3819663A1 (en) Method for determining a position of a vehicle
CN112597839B (zh) 基于车载毫米波雷达的道路边界检测方法
CN112363131B (zh) 车载毫米波雷达数据的处理方法、装置及计算机存储介质
US11879992B2 (en) Method for identifying static radar targets using a radar sensor for motor vehicles
CN108693517B (zh) 车辆定位方法、装置和雷达
CN113589288A (zh) 基于毫米波雷达的目标筛选方法、装置、设备及存储介质
CN114296095A (zh) 自动驾驶车辆的有效目标提取方法、装置、车辆及介质
CN111027601B (zh) 一种基于激光传感器的平面检测方法、装置
CN115995163B (zh) 一种车辆碰撞预警方法及***
CN115482672B (zh) 车辆逆行检测的方法、装置、终端设备及存储介质
CN112034464A (zh) 一种目标分类方法
CN112101069A (zh) 确定行驶区域信息的方法及装置
CN114675295A (zh) 一种障碍物判定的方法、装置、设备及存储介质
CN115128637A (zh) 用于激光雷达传感器的作用距离确定的方法
CN112014822A (zh) 车载雷达测量数据识别方法、装置、介质和电子装置
CN110609561A (zh) 一种行人跟踪方法、装置、计算机可读存储介质及机器人
CN116664658B (zh) 一种障碍物检测方法、装置及终端设备
CN115980738B (zh) 一种基于动静分离的多目标跟踪方法
CN112526498B (zh) 车辆以及车载雷达的目标检测方法和装置
CN115184891B (zh) 一种毫米波雷达道路栅栏检测识别方法
JP5353946B2 (ja) 車両用道路形状認識方法及び装置、記録媒体
CN113687348B (zh) 基于追踪微多普勒图的行人识别方法和装置

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