CN113721234A - 一种车载毫米波雷达点云数据动静分离过滤方法和装置 - Google Patents

Abstract

本发明提供一种车载毫米波雷达点云数据动静分离过滤方法和装置，首先将车辆上安装的传感器的运动速度由车载坐标系转换到雷达坐标系下，获取量测点在雷达坐标系下的测量速度，计算所述车辆上安装的传感器在雷达坐标系下的运动速度，在量测点在雷达坐标系中的坐标向量上的投影，计算投影向量与量测点在雷达坐标系中的速度向量之和，记为第一测量速度向量；最后基于所述第一速度向量判断所述量测点是否静止，所述量测点即为所述点云数据中的点，从而实现了点云数据中静止状态的点云数据的识别。

Description

一种车载毫米波雷达点云数据动静分离过滤方法和装置

技术领域

本发明涉及自动驾驶技术领域，具体涉及一种车载毫米波雷达点云数据动静分离过滤方法和装置。

背景技术

在毫米波雷达、自动驾驶领域，点云数据的过滤算法一直是核心问题之一。过去往往通过卡尔曼滤波、扩展卡尔曼等算法进行点云的过滤和噪声的去除，但是这种方式生成的航迹往往受到噪声的影响较大，容易造成航迹的不稳定。

车载场景下点云的动态、静态数据混合在一起，难以处理。在航迹跟踪等应用场景下静态点云会成为噪声影响结果；在栅格建图等应用场景下，动态数据会成为噪声。

发明内容

有鉴于此，本发明实施例提供一种车载毫米波雷达点云数据动静分离过滤方法和装置，以实现精准识别点云数据中的静止状态的点云。

为实现上述目的，本发明实施例提供如下技术方案：

一种车载毫米波雷达点云数据动静分离过滤方法，包括：

获取毫米波雷达在车辆模型中的标定位置；

获取车辆的行驶速度以及转向的角速度；

获取通过毫米波雷达检测到的点云数据；

将车辆上安装的传感器的运动速度由车载坐标系转换到雷达坐标系下；

获取量测点在雷达坐标系下的测量速度；

计算所述车辆上安装的传感器在雷达坐标系下的运动速度，在量测点在雷达坐标系中的坐标向量上的投影，计算投影向量与量测点在雷达坐标系中的速度向量之和，记为第一测量速度向量；

基于所述第一速度向量判断所述量测点是否静止。

可选的，上述车载毫米波雷达点云数据动静分离过滤方法中，所述车辆模型的坐标系的原点为车辆后轮轴中点；

所述车辆模型的坐标系的横轴为左车轮中心点到右车轮中心点的直线：

所述车辆模型的坐标系的纵轴为以坐标原点到车头中点的直线；

所述车辆模型的坐标系的横轴正方向为左后轮到右后轮的方向；

所述车辆模型的坐标系的纵轴正方向为车辆前进方向；

毫米波雷达在车辆模型中的标定位置包括，所述毫米波雷达在所述车辆模型的坐标系中的横轴坐标x、纵轴坐标y以及毫米波雷达的法线方向与车辆前进方向之间的夹角angle。

可选的，上述车载毫米波雷达点云数据动静分离过滤方法中，获取车辆的行驶速度以及转向的角速度，包括：

通过车辆中控或车载组合导航设备获取车辆的行驶速度以及转向的角速度。

可选的，上述车载毫米波雷达点云数据动静分离过滤方法中，所述点云数据包括：

量测点在雷达坐标系下的极坐标；

量测点相对于毫米波雷达的径向速度。

可选的，上述车载毫米波雷达点云数据动静分离过滤方法中，将车辆上安装的传感器的运动速度由车载坐标系转换到雷达坐标系下；

获取车辆上安装的传感器在车载坐标系下的运动速度：vel_normal和vel_linear，其中，所述vel_normal为传感器在车辆中轴线方向上的速度，所述vel_linear为车辆转向的角速度产生的线速度；

其中，所述ω为车辆转向的角速度，x为毫米波雷达在车辆模型中的横轴坐标，y为毫米波雷达在车辆模型中的纵轴坐标；

将所述传感器在车载坐标系下的运动速度vel_normal和vel_linear转换到雷达坐标系下。

可选的，上述车载毫米波雷达点云数据动静分离过滤方法中，所述计算所述车辆上安装的传感器在雷达坐标系下的运动速度，在量测点在雷达坐标系中的坐标向量上的投影，计算投影向量与量测点在雷达坐标系中的速度向量之和，记为第一测量速度向量；包括：

获取传感器在雷达坐标系下的行驶速度以及由车辆转向的角速度引起的、在车辆坐标系下毫米波雷达安装位置上产生的线速度在所述量测点在雷达坐标系中的坐标向量上的投影；

计算所述雷达坐标系下传感器的行驶速度以及由车辆转向的角速度引起的、在车辆坐标系下毫米波雷达安装位置上产生的线速度在所述量测点在雷达坐标系中的坐标向量上的速度与所述量测点在所述雷达坐标系中的速度之和，记为第一测量速度向量。

可选的，上述车载毫米波雷达点云数据动静分离过滤方法中，基于所述第一测量速度向量判断所述量测点是否静止，包括：

当所述第一测量速度向量小于预设速度标量阈值时，表明所述量测点静止。

一种车载毫米波雷达点云数据动静分离过滤装置，包括：

数据采集单元，用于获取毫米波雷达在车辆模型中的标定位置；获取车辆的行驶速度以及转向的角速度；获取通过毫米波雷达检测到的点云数据；获取量测点在雷达坐标系下的测量速度；

坐标系转换单元，用于将车辆上安装的传感器的运动速度由车载坐标系转换到雷达坐标系下；

速度计算单元，用于计算所述车辆上安装的传感器的运动速度在量测点在雷达坐标系中的坐标向量上的投影与量测点在雷达坐标系中的坐标向量之和，记为第一测量速度向量；

判断单元，用于基于所述第一速度向量判断所述量测点是否静止。

可选的，上述车载毫米波雷达点云数据动静分离过滤装置中，所述车辆模型的坐标系的原点为车辆后轮轴中点；

所述车辆模型的坐标系的横轴为左车轮中心点到右车轮中心点的直线：

所述车辆模型的坐标系的纵轴为以坐标原点到车头中点的直线；

所述车辆模型的坐标系的横轴正方向为左后轮到右后轮的方向；

所述车辆模型的坐标系的纵轴正方向为车辆前进方向；

毫米波雷达在车辆模型中的标定位置包括，所述毫米波雷达在所述车辆模型的坐标系中的横轴坐标x、纵轴坐标y以及毫米波雷达的法线方向与车辆前进方向之间的夹角angle。

可选的，上述车载毫米波雷达点云数据动静分离过滤装置中，获取车辆的行驶速度以及转向的角速度，包括：

通过车辆中控或车载组合导航设备获取车辆的行驶速度以及转向的角速度。

基于上述技术方案，本发明实施例提供的上述方案，首先通过将车辆传感器的将车辆上安装的传感器的运动速度由车载坐标系转换到雷达坐标系下，获取量测点在雷达坐标系下的测量速度，计算所述车辆上安装的传感器在雷达坐标系下的运动速度，在量测点在雷达坐标系中的坐标向量上的投影，计算投影向量与量测点在雷达坐标系中的速度向量之和，记为第一测量速度向量；最后基于所述第一速度向量判断所述量测点是否静止，所述量测点即为所述点云数据中的点，从而实现了点云数据中静止状态的点云数据的识别。

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，还可以根据提供的附图获得其他的附图。

图1为本申请实施例公开的车载毫米波雷达点云数据动静分离过滤方法的流程示意图；

图2为本申请实施例公开的毫米波雷达在车载坐标系的下的示意图；

图3为量测点在雷达坐标系下的示意图；

图4为本申请实施例公开的车载毫米波雷达点云数据动静分离过滤装置的结构示意图。

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。

为了能够有效区分车载场景下，点云数据中的动态、静态数据，本申请公开了车载毫米波雷达点云数据动静分离过滤方法，参见图1，该方法可以包括：

步骤S101：获取毫米波雷达在车辆模型中的标定位置。

在本步骤中，主要是用于对车辆车载毫米波雷达进行定位，主要是测量获取毫米波雷达在车辆模型对应的坐标系中的标定位置(x,y,angle)，所述angle指雷达法线方向与车辆前进方向的夹角，所述车辆模型对应的坐标系指的是车载坐标系，其中，如图2所示，该坐标系中坐标(x,y)以车辆后轮轴中点为坐标原点、以左车轮中心点到右车轮中心点的直线为横轴、以坐标原点到车头中点的直线为纵轴的车载坐标系中，以左后轮到右后轮的方向为横轴正方向，以车辆前进方向为纵轴正方向。

参见图2所示，所述radar指的是毫米波雷达(毫米波雷达)，radar normaldirection指的是雷达法线，所述angle指的是毫米波雷达的雷达法线方向与车辆前进方向的夹角。

在本方案中，毫米波雷达在车载坐标系下的标定参数设为：

radar_cali＝(x_radar，y_radar，angle_radar)。

步骤S102：获取车辆的行驶速度以及转向的角速度。

在本步骤中，可以通过车辆中控或车载组合导航设备获取车辆行驶的行驶速度vel_normal以及车辆转向的角速度ω。

步骤S103：获取通过毫米波雷达检测到的点云数据。

参见图3，本步骤作为获取毫米波雷达检测到的点云数据为measurement＝(range，velocity，azimuth)，其中，雷达点云数据(range,azimuth)为量测点在雷达坐标系下的极坐标，velocity为量测点相对于雷达的径向速度。

参见图3，所述雷达坐标系为极坐标系，雷达天线中点为极点(O)，雷达法线(normal direction)为极轴，顺时针方向为正。图3中量测点(measurement)在该坐标系下坐标为(range,azimuth)。量测点速度向量(vel)可沿径向(radial)和切向(tangential)分解为径向速度(vel_redial)和切向速度(vel_tangential)。在本方案中，雷达点云数据中的速度(velocity)为径向速度(vel_redial)。即两侧点的速度velocity＝vel_radial，当量测点向远离雷达方向运动时vel_radial为正，反之为负。

步骤S104：将车辆上安装的传感器的运动速度由车载坐标系转换到雷达坐标系下。

在本申请实施例公开的技术方案中，车载坐标系中，车辆上安装的传感器的运动速度由两个速度合成：其一为沿车辆中轴线方向的速度vel_normal；其二为由车辆转向的角速度产生的线速度vel_linear。其中：

所述x，y为传感器在车在坐标系中的坐标数据；

且vel_linear方向垂直于雷达法线方向：

即，

在确定所述速度向量vel_linear和vel_normal以后，将速度向量vel_linear和vel_normal从车载坐标系转换到雷达坐标系下。

其具体转换过程可以参考以下过程：

步骤S105：获取量测点在雷达坐标系下的测量速度。

本步骤中，通过毫米波雷达获取量测点在雷达坐标系下的极坐标信息，m＝(r_m，v_m，a_m)其中，所述(r_m，v_m，a_m)可以理解为(range,velocity,azimuth)的简写，这里用(range,velocity,azimuth)的首字母进行简化书写。

步骤S106：计算所述车辆上安装的传感器在雷达坐标系下的运动速度，在量测点在雷达坐标系中的坐标向量上的投影，计算投影向量与量测点在雷达坐标系中的速速向量之和，记为第一测量速度向量。

在本步骤中，在将车辆上的传感器的运动速度(vel_normal和vel_linear)转换到雷达坐标系下后，将雷达坐标系中的传感器的运动速度(vel_normal和vel_linear)投影在量测点在雷达坐标系中的坐标向量(r_m，a_m)上：

此时，雷达坐标系中的传感器的运动速度vel_normal和vel_linear在(r_m，a_m)上的投影，与量测点m的速度方向v_m处于同一方向上，计算在该方向上的三个速度的合速度，将该和速度作为第一测量速度向量vel_combination：

步骤S107：基于所述第一速度向量判断所述量测点是否静止。

在本步骤中，可以基于所述第一速度向量判断所述量测点是否静止，例如，在标准状态下，如果所述第一速度向量的值为0，则表明所述量测点静止。

这是因为：

设大地坐标系下，雷达法线向量为

雷达量测点m的真实速度向量为

若理想状况下，即所有量测绝对精准的状况下：

即如果所述雷达法线向量与所述量测点m的真实速度向量为的乘积为0，此时，所述第一测量速度向量的值为0，所述量测点m处于静止状态。

本步骤中，基于上述判断方式即可判断所述量测点m处于静止状态。

在本申请另一实施例公开的技术方案中，考虑到在应用场景下，各种量测结果并不绝对精准，由此，本申请可以预先设置一个预设速度标量阈值vel_threshold，当vel_combination＜vel_threshold时，则认为量测点为静止目标。

本实施例中公开了一种车载毫米波雷达点云数据动静分离过滤装置，该装置中的各个单元的具体工作内容，请参见上述方法实施例的内容，下面对本发明实施例提供的车载毫米波雷达点云数据动静分离过滤装置进行描述，下文描述的车载毫米波雷达点云数据动静分离过滤装置与上文描述的车载毫米波雷达点云数据动静分离过滤方法可相互对应参照。

参见图4，本申请实施例公开的车载毫米波雷达点云数据动静分离过滤装置，可以包括：

数据采集单元100，其与上述方法相对应，用于获取毫米波雷达在车辆模型中的标定位置；获取车辆的行驶速度以及转向的角速度；获取通过毫米波雷达检测到的点云数据；获取量测点在雷达坐标系下的测量速度；

坐标系转换单元200，其与上述方法相对应，用于将车辆上安装的传感器的运动速度由车载坐标系转换到雷达坐标系下；

速度计算单元300，其与上述方法相对应，用于计算所述车辆上安装的传感器在雷达坐标系下的运动速度，在量测点在雷达坐标系中的坐标向量上的投影，计算投影向量与量测点在雷达坐标系中的坐标向量之和，记为第一测量速度向量；

判断单元400，与上述方法相对应，用于基于所述第一速度向量判断所述量测点是否静止。

与上述方法相对应，所述车辆模型的坐标系的原点为车辆后轮轴中点；

所述车辆模型的坐标系的横轴为左车轮中心点到右车轮中心点的直线：

所述车辆模型的坐标系的纵轴为以坐标原点到车头中点的直线；

所述车辆模型的坐标系的横轴正方向为左后轮到右后轮的方向；

所述车辆模型的坐标系的纵轴正方向为车辆前进方向；

毫米波雷达在车辆模型中的标定位置包括，所述毫米波雷达在所述车辆模型的坐标系中的横轴坐标x、纵轴坐标y以及毫米波雷达的法线方向与车辆前进方向之间的夹角angle。

与上述方法相对应，上述装置中，所述获取车辆的行驶速度以及转向的角速度，包括：

通过车辆中控或车载组合导航设备获取车辆的行驶速度以及转向的角速度。

与上述方法相对应，所述点云数据包括：

量测点在雷达坐标系下的极坐标；

量测点相对于毫米波雷达的径向速度。

与上述方法相对应，将车辆上安装的传感器的运动速度由车载坐标系转换到雷达坐标系下；

获取车辆上安装的传感器的运动速度：vel_normal和vel_linear，其中，所述vel_normal为传感器在车辆中轴线方向上的速度，所述vel_linear为车辆转向的角速度产生的线速度；

其中，所述ω为车辆转向的角速度，x为毫米波雷达在车辆模型中的横轴坐标，y为毫米波雷达在车辆模型中的纵轴坐标；

将所述传感器在车载坐标系下的运动速度vel_normal和vel_linear转换到雷达坐标系下。

与上述方法相对应，所述计算所述车辆上安装的传感器在雷达坐标系下的运动速度，在量测点在雷达坐标系中的坐标向量上的投影，计算投影向量与量测点在雷达坐标系中的坐标向量之和，记为第一测量速度向量，包括：

获取传感器在雷达坐标系下的行驶速度以及由车辆转向的角速度引起的、在车辆坐标系下毫米波雷达安装位置上产生的线速度在所述量测点在雷达坐标系中的坐标向量上的投影；

计算所述雷达坐标系下传感器的行驶速度以及由车辆转向的角速度引起的、在车辆坐标系下毫米波雷达安装位置上产生的线速度在所述量测点在雷达坐标系中的坐标向量上的速度与所述量测点在所述雷达坐标系中的速度之和，记为第一测量速度向量。

与上述方法相对应，所述基于所述第一测量速度向量判断所述量测点是否静止，包括：

当所述第一测量速度向量小于速度标量阈值时，表明所述量测点静止。

经验证，本申请实施例公开的上述方案能够有效识别所述点云数据中处于静态状态的点云数据。

为了描述的方便，描述以上***时以功能分为各种模块分别描述。当然，在实施本发明时可以把各模块的功能在同一个或多个软件和/或硬件中实现。

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都是与其他实施例的不同之处。尤其，对于***或***实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的***及***实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种车载毫米波雷达点云数据动静分离过滤方法，其特征在于，包括：

获取毫米波雷达在车辆模型中的标定位置；

获取车辆的行驶速度以及转向的角速度；

获取通过毫米波雷达检测到的点云数据；

将车辆上安装的传感器的运动速度由车载坐标系转换到雷达坐标系下；

获取量测点在雷达坐标系下的测量速度；

计算所述车辆上安装的传感器在雷达坐标系下的运动速度，在量测点在雷达坐标系中的坐标向量上的投影，计算投影向量与量测点在雷达坐标系中的速度向量之和，记为第一测量速度向量；

基于所述第一速度向量判断所述量测点是否静止。

2.根据权利要求1所述的车载毫米波雷达点云数据动静分离过滤方法，其特征在于，所述车辆模型的坐标系的原点为车辆后轮轴中点；

所述车辆模型的坐标系的横轴为左车轮中心点到右车轮中心点的直线：

所述车辆模型的坐标系的纵轴为以坐标原点到车头中点的直线；

所述车辆模型的坐标系的横轴正方向为左后轮到右后轮的方向；

所述车辆模型的坐标系的纵轴正方向为车辆前进方向；

毫米波雷达在车辆模型中的标定位置包括，所述毫米波雷达在所述车辆模型的坐标系中的横轴坐标x、纵轴坐标y以及毫米波雷达的法线方向与车辆前进方向之间的夹角angle。

3.根据权利要求1所述的车载毫米波雷达点云数据动静分离过滤方法，其特征在于，获取车辆的行驶速度以及转向的角速度，包括：

通过车辆中控或车载组合导航设备获取车辆的行驶速度以及转向的角速度。

4.根据权利要求1所述的车载毫米波雷达点云数据动静分离过滤方法，其特征在于，所述点云数据包括：

量测点在雷达坐标系下的极坐标；

量测点相对于毫米波雷达的径向速度。

5.根据权利要求1所述的车载毫米波雷达点云数据动静分离过滤方法，其特征在于，将车辆上安装的传感器的运动速度由车载坐标系转换到雷达坐标系下；

获取车辆上安装的传感器在车载坐标系下的运动速度：vel_normal和vel_linear，其中，所述vel_normal为传感器在车辆中轴线方向上的速度，所述vel_linear为车辆转向的角速度产生的线速度；

其中，所述ω为车辆转向的角速度，x为毫米波雷达在车辆模型中的横轴坐标，y为毫米波雷达在车辆模型中的纵轴坐标；

将所述传感器在车载坐标系下的运动速度vel_normal和vel_linear转换到雷达坐标系下。

6.根据权利要求5所述的车载毫米波雷达点云数据动静分离过滤方法，其特征在于，所述计算所述车辆上安装的传感器在雷达坐标系下的运动速度，在量测点在雷达坐标系中的坐标向量上的投影，计算投影向量与量测点在雷达坐标系中的速度向量之和，记为第一测量速度向量；包括：

获取传感器在雷达坐标系下的行驶速度以及由车辆转向的角速度引起的、在车辆坐标系下毫米波雷达安装位置上产生的线速度在所述量测点在雷达坐标系中的坐标向量上的投影；

计算所述雷达坐标系下传感器的行驶速度以及由车辆转向的角速度引起的、在车辆坐标系下毫米波雷达安装位置上产生的线速度在所述量测点在雷达坐标系中的坐标向量上的速度与所述量测点在所述雷达坐标系中的速度之和，记为第一测量速度向量。

7.根据权利要求3所述的车载毫米波雷达点云数据动静分离过滤方法，其特征在于，基于所述第一测量速度向量判断所述量测点是否静止，包括：

当所述第一测量速度向量小于预设速度标量阈值时，表明所述量测点静止。

8.一种车载毫米波雷达点云数据动静分离过滤装置，其特征在于，包括：

数据采集单元，用于获取毫米波雷达在车辆模型中的标定位置；获取车辆的行驶速度以及转向的角速度；获取通过毫米波雷达检测到的点云数据；获取量测点在雷达坐标系下的测量速度；

坐标系转换单元，用于将车辆上安装的传感器的运动速度由车载坐标系转换到雷达坐标系下；

速度计算单元，用于计算所述车辆上安装的传感器的运动速度在量测点在雷达坐标系中的坐标向量上的投影与量测点在雷达坐标系中的坐标向量之和，记为第一测量速度向量；

判断单元，用于基于所述第一速度向量判断所述量测点是否静止。

9.根据权利要求8所述的车载毫米波雷达点云数据动静分离过滤装置，其特征在于，所述车辆模型的坐标系的原点为车辆后轮轴中点；

所述车辆模型的坐标系的横轴为左车轮中心点到右车轮中心点的直线：

所述车辆模型的坐标系的纵轴为以坐标原点到车头中点的直线；

所述车辆模型的坐标系的横轴正方向为左后轮到右后轮的方向；

所述车辆模型的坐标系的纵轴正方向为车辆前进方向；

毫米波雷达在车辆模型中的标定位置包括，所述毫米波雷达在所述车辆模型的坐标系中的横轴坐标x、纵轴坐标y以及毫米波雷达的法线方向与车辆前进方向之间的夹角angle。

10.根据权利要求8所述的车载毫米波雷达点云数据动静分离过滤装置，其特征在于，获取车辆的行驶速度以及转向的角速度，包括：

通过车辆中控或车载组合导航设备获取车辆的行驶速度以及转向的角速度。

Images