CN114443636A - 一种基于毫米波雷达的隧道轨迹数据镜像去除方法 - Google Patents
一种基于毫米波雷达的隧道轨迹数据镜像去除方法 Download PDFInfo
- Publication number
- CN114443636A CN114443636A CN202210087338.XA CN202210087338A CN114443636A CN 114443636 A CN114443636 A CN 114443636A CN 202210087338 A CN202210087338 A CN 202210087338A CN 114443636 A CN114443636 A CN 114443636A
- Authority
- CN
- China
- Prior art keywords
- tunnel
- millimeter wave
- wave radar
- track
- track data
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种基于毫米波雷达的隧道轨迹数据镜像去除方法,包括:1)获取毫米波雷达捕捉的隧道内历史车辆轨迹数据;2)根据毫米波雷达反射的静态点数据,估算隧道壁的位置;3)基于估算的隧道壁的位置,剔除位于隧道壁范围外的镜像车辆轨迹数据,同时剔除因栏杆反射产生的镜像车辆轨迹数据;4)建立轨迹可信度评价指标,并对所有轨迹进行可信度打分,剔除分数低于车道可信度分数的车辆轨迹数据,进而剔除毫米波雷达在隧道等封闭环境中镜像反射数据。与现有技术相比,本发明具有有效克服路面环境中道路附属设施对雷达信号的反射造成车辆镜像轨迹的问题等优点。
Description
技术领域
本发明涉及大数据应用技术领域,尤其是涉及一种基于毫米波雷达的隧道轨迹数据镜像去除方法。
背景技术
毫米波雷达作为一种交通数据采集手段在交通领域获得了快速发展,已被逐渐应用到车辆防撞探测、交通信息采集、无人驾驶环境感知等诸多方面,目前在车载障碍物探测与行车风险预警方面应用已较为普及,但在道路交通信息采集方面应用相对较少。由于雷达探测器具有安装方便、不受天气影响、不破坏路面、复杂环境下抗干扰能力强以及后期维护便捷等优势,其在道路交通数据采集方面显示出很好的应用潜力,近年来逐渐为研究人员所重视。毫米波雷达采集的交通数据是基于移动目标产生的一系列轨迹记录,返回数据包括检测目标的反射面积和相对坐标。然而目前毫米波雷达获取交通数据仅限于开阔路面,由于隧道等封闭环境中隧道壁及栏杆等交通附属设施反射严重,存在大量镜像轨迹干扰,导致毫米波雷达目前仍无法在隧道内使用。
现有的毫米波雷达数据清洗仅限于异常轨迹及部分背景噪声数据的清洗,并未实现隧道等封闭环境内的镜像轨迹数据清洗,因此针对隧道环境开展毫米波雷达适用性研究,如何对隧道内环境对镜像轨迹数据进行去除成为目前亟待解决的问题。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于毫米波雷达的隧道轨迹数据镜像去除方法。
本发明的目的可以通过以下技术方案来实现:
一种基于毫米波雷达的隧道轨迹数据镜像去除方法,该方法包括:
S1:获取毫米波雷达捕捉的隧道内历史车辆轨迹数据。
所述历史车辆轨迹数据包括毫米波雷达捕捉的每个反射点的经纬度、速度和时间。
S2:根据毫米波雷达反射的静态点数据,估算隧道壁的位置。具体内容为:
对毫米波雷达反射回来的静态点云进行判断,判断各个点云的位置和形状,对形状相同的成对点云形心作连线,取连线的中点,将所有连线的中点连接,作为估算的墙壁。
S3:基于估算的隧道壁的位置,剔除位于隧道壁范围外的镜像车辆轨迹数据,同时剔除因栏杆反射产生的镜像车辆轨迹数据。具体地:
通过识别位置异常的车辆轨迹数据,基于估算的隧道壁的位置,剔除位于隧道壁范围外的镜像车辆轨迹数据;通过识别速度异常的车辆轨迹数据,剔除因栏杆反射产生的镜像车辆轨迹数据。
通过识别速度异常的车辆轨迹数据,剔除因栏杆反射产生的镜像车辆轨迹数据的具体内容为:
对毫米波雷达反射回来的所有车辆轨迹的车辆速度进行判断,判断车速成整数倍的轨迹数据,删除车速成整数倍中二倍及二倍以上的轨迹数据,进而剔除因栏杆反射产生的镜像车辆轨迹数据。
S4:建立轨迹可信度评价指标,并对所有轨迹进行可信度打分,剔除分数低于车道可信度分数的车辆轨迹数据,进而剔除毫米波雷达在隧道等封闭环境中镜像反射数据。具体步骤包括:
S401:建立每个车辆轨迹对于每个反射面的评价指标,并对所有轨迹进行可信度打分,根据轨迹可信度分数,取分数排名前50%的车辆轨迹,并依据车道内轨迹平均分对车道进行打分。
每个车辆轨迹对于每个反射面的评价指标的表达式为:
K∈[0,1]
式中,α为车辆轨迹与估算的隧道壁的距离系数;β为车辆轨迹与估算的隧道壁的相交系数;γ为车辆轨迹穿墙阳性系数;θ为车辆轨迹与估算的隧道壁的交角;l为毫米波雷达检测范围内轨迹段长度;L为毫米波雷达检测隧道段长度。
若车辆轨迹从隧道内侧穿到外侧,则车辆轨迹穿墙阳性系数γ=0.2,若车辆轨迹从隧道外侧穿到内侧,则车辆轨迹穿墙阳性系数γ=0.3,若车辆轨迹与估算墙壁相离,则车辆轨迹穿墙阳性系数γ=1。若车辆轨迹与估算的隧道壁的相交,则β=0.5,若车辆轨迹与估算墙壁估算的隧道壁的相离,则β=1。
车辆轨迹与估算的隧道壁的距离系数α的表达式为:
式中,d为轨迹点到估算的隧道壁的平均距离,D为估算的隧道壁之间的距离。
S402:根据车道位置对轨迹可信度进行二次打分,取二次打分前50%车辆轨迹,并根据车道位置对轨迹可信度进行三次打分,直到车道可信度与车道内轨迹可信度的最后一次打分分值小于0.05。
S403:根据最终获取的车道可信度分数对实时获取的轨迹可信度进行判断,剔除分数低于车道可信度分数的车辆轨迹数据,进而剔除毫米波雷达在隧道环境中的镜像反射数据。
本发明提供的基于毫米波雷达的隧道轨迹数据镜像去除方法,相较于现有技术至少包括如下有益效果:
本发明依据车辆轨迹数据的反射面积、形状、速度识别轨迹数据中的镜像轨迹数据,通过剔除镜像轨迹数据,实现车辆镜像轨迹的去除,充分利用毫米波雷达反射回来的车辆轨迹数据,能够有效克服路面环境中道路附属设施对雷达信号的反射造成车辆镜像轨迹的问题,使得毫米波雷达可以使用在隧道等反射条件复杂的封闭空间中。
附图说明
图1为本发明实施例提供的基于毫米波雷达的隧道轨迹数据镜像去除方法的流程图;
图2为本发明实施例提供的毫米波雷达静态物反射点云分布图;
图3为本发明实施例提供的墙壁估算获取的估算隧道壁位置图;
图4为本发明实施例提供的隧道范围内所有历史轨迹点云分布图;
图5为本发明实施例提供的隧道内车道中心线点云分布图;
图6为本发明实施例提供的隧道内剔除镜像车辆轨迹数据后的真实车辆轨迹点云分布图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。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的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
实施例
本发明涉及一种基于毫米波雷达的隧道轨迹数据镜像去除方法,该方法可以利用毫米波雷达返回的历史车辆轨迹数据集,根据车辆轨迹数据集中所有轨迹点的可信度打分识别所述轨迹数据中包含的镜像轨迹点,通过建立轨迹可信度评价指标,判断镜像轨迹和真实轨迹,实现车辆镜像轨迹的去除,充分利用毫米波雷达反射回来的车辆轨迹数据,从而使得毫米波雷达可以使用在隧道等反射条件复杂的封闭空间中。
图1示出了本发明基于毫米波雷达的隧道轨迹数据镜像去除方法的流程图,本实施例可适用于对隧道内安装的毫米波雷达获取的车辆轨迹数据中镜像轨迹去除的情况,该方法可以由具备一定算力的边缘计算单元装置来执行,该装置可以由软件和或硬件方式实现,该装置可以集成在任何硬件设备中,例如典型的用户终端设备或服务器等。
如图1所示,基于毫米波雷达的隧道轨迹数据镜像去除方法的具体步骤包括:
步骤1:获取毫米波雷达捕捉的具有相当数量的历史车辆轨迹数据。
历史车辆轨迹数据包括每个反射点的经纬度、速度、时间。
步骤2:依据雷达反射的静态点数据,估算隧道壁的位置。
在本发明中,依据雷达反射的静态点数据,提取所有速度为零的反射点。如图2所示。
对雷达反射回来的静态点云进行判断,判断各个点云的位置和形状,提取形状和面积相同的点云。形状和面积相同的点云以镜像的形式成对出现,有时一个真实的像会由于多次反射产生多个镜像数据,因此形状和面积相同的点云其中之一即为真实数据。随后对形状相同的成对点云形心作连线,取连线的中点,将所有连线的中点连接,作为初步估算的墙壁,如图3所示。
步骤3:识别位置异常的车辆轨迹数据,从而剔除位于隧道壁范围外的镜像车辆轨迹数据;
即依据步骤2中初步估算的墙壁对反射回来的车辆轨迹位置进行判断,剔除位于估算墙壁范围外的镜像车辆轨迹数据。
步骤4:识别速度异常的车辆轨迹数据,剔除由于栏杆反射产生的镜像车辆轨迹数据。
具体地,对反射回来的所有车辆轨迹的车辆速度进行判断,提取车速成整数倍的轨迹数据。由于雷达所处位置可能存在反射点,该反射点会对真实车辆轨迹产生再反射,根据多普勒效应可知通过删除车速成整数倍中2倍及2倍以上的轨迹数据,可以剔除由于雷达所处位置反射产生的镜像车辆轨迹数据,剔除后得到的隧道范围内所有车辆轨迹点云分布图如图4所示。
步骤5:建立每个轨迹对于每个反射面的评价指标,并对所有轨迹进行可信度打分,剔除分数低于车道可信度分数的车辆轨迹数据,从而剔除毫米波雷达在隧道等封闭环境中镜像反射数据。
在本步骤中,建立轨迹可信度评价指标K:
K∈[0,1]
式中,α为轨迹与估算墙壁距离系数,d为轨迹点到估算墙壁的平均距离,由于同一断面一定只有两段墙壁,D为估算墙壁之间的距离。β为轨迹与估算墙壁的相交系数,若轨迹与估算墙壁相交,则β=0.5,若轨迹与估算墙壁相离,则β=1。γ为轨迹穿墙阳性系数,若轨迹从隧道内侧穿到外侧,则γ=0.2,若轨迹从隧道外侧穿到内侧,则γ=0.3,若轨迹与估算墙壁相离,则γ=1。θ为轨迹与估算墙壁交角大小。l为该雷达检测范围内轨迹段长度,L为该雷达检测隧道段长度。
对所有轨迹进行可信度打分,计算所有轨迹的K值。首先剔除K值排名后50%的车辆轨迹。然后对隧道内剩余历史点云K值进行加权平均,计算隧道内点云K值分布热力图。由于所有轨迹经过车道中心线概率最高,取K值热力分布图中K值历史加权平均值最高的点云数据,从而获得隧道内车道中心线点云分布图。如图5所示。
然后依据车道中心线点云分布图调整估算墙壁的位置,对估算墙壁位置进行优化。具体步骤如下:
1)每隔30米,依据断面每个车道中心线位置计算该位置隧道壁位置,取估算墙壁位置与计算隧道壁位置的中点连线作为新的估算墙壁。
2)依据优化后估算墙壁位置对轨迹可信度进行二次打分,剔除二次打分后50%车辆轨迹,并重新计算车道中心线点云分布图。
3)重复步骤1)~2),直到车道可信度与车道内轨迹可信度最后一次打分分值小于0.05或K值大于规定的可信度指标σ。σ可根据现场情况取(0,1]。
至此完成历史数据标定。
步骤6:在***开始获取实时车辆轨迹数据后,根据最终获取的车道中心线所在位置点云历史加权平均K值对实时获取的轨迹可信度K值进行判断,剔除分数低于车道中心线所在位置点云历史加权平均K值的车辆轨迹数据,从而实现实时剔除毫米波雷达在隧道等封闭环境中镜像反射数据,如图6所示。
本发明依据车辆轨迹数据的反射面积、形状、速度识别轨迹数据中的镜像轨迹数据,通过剔除镜像轨迹数据,实现车辆镜像轨迹的去除,充分利用毫米波雷达反射回来的车辆轨迹数据,能够有效克服路面环境中道路附属设施对雷达信号的反射造成车辆镜像轨迹的问题,使得毫米波雷达可以使用在隧道等反射条件复杂的封闭空间中。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的工作人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于毫米波雷达的隧道轨迹数据镜像去除方法,其特征在于,包括:
1)获取毫米波雷达捕捉的隧道内历史车辆轨迹数据;
2)根据毫米波雷达反射的静态点数据,估算隧道壁的位置;
3)基于估算的隧道壁的位置,剔除位于隧道壁范围外的镜像车辆轨迹数据,同时剔除因栏杆反射产生的镜像车辆轨迹数据;
4)建立轨迹可信度评价指标,并对所有轨迹进行可信度打分,剔除分数低于车道可信度分数的车辆轨迹数据,进而剔除毫米波雷达在隧道封闭环境中镜像反射数据。
2.根据权利要求1所述的基于毫米波雷达的隧道轨迹数据镜像去除方法,其特征在于,所述历史车辆轨迹数据包括毫米波雷达捕捉的每个反射点的经纬度、速度和时间。
3.根据权利要求2所述的基于毫米波雷达的隧道轨迹数据镜像去除方法,其特征在于,步骤3)中,通过识别位置异常的车辆轨迹数据,基于估算的隧道壁的位置,剔除位于隧道壁范围外的镜像车辆轨迹数据;通过识别速度异常的车辆轨迹数据,剔除因栏杆反射产生的镜像车辆轨迹数据。
4.根据权利要求1所述的基于毫米波雷达的隧道轨迹数据镜像去除方法,其特征在于,根据毫米波雷达反射的静态点数据,估算隧道壁的位置的具体内容为:
对毫米波雷达反射回来的静态点云进行判断,判断各个点云的位置和形状,对形状相同的成对点云形心作连线,取连线的中点,将所有连线的中点连接,作为估算的墙壁。
5.根据权利要求3所述的基于毫米波雷达的隧道轨迹数据镜像去除方法,其特征在于,通过识别速度异常的车辆轨迹数据,剔除因栏杆反射产生的镜像车辆轨迹数据的具体内容为:
对毫米波雷达反射回来的所有车辆轨迹的车辆速度进行判断,判断车速成整数倍的轨迹数据,删除车速成整数倍中二倍及二倍以上的轨迹数据,进而剔除因栏杆反射产生的镜像车辆轨迹数据。
6.根据权利要求1所述的基于毫米波雷达的隧道轨迹数据镜像去除方法,其特征在于,步骤4)的具体内容为:
41)建立每个车辆轨迹对于每个反射面的评价指标,并对所有轨迹进行可信度打分,根据轨迹可信度分数,取分数排名前50%的车辆轨迹,并依据车道内轨迹平均分对车道进行打分;
42)根据车道位置对轨迹可信度进行二次打分,取二次打分前50%车辆轨迹,并根据车道位置对轨迹可信度进行三次打分,直到车道可信度与车道内轨迹可信度的最后一次打分分值小于0.05;
43)根据最终获取的车道可信度分数对实时获取的轨迹可信度进行判断,剔除分数低于车道可信度分数的车辆轨迹数据,进而剔除毫米波雷达在隧道环境中的镜像反射数据。
8.根据权利要求7所述的基于毫米波雷达的隧道轨迹数据镜像去除方法,其特征在于,若车辆轨迹从隧道内侧穿到外侧,则车辆轨迹穿墙阳性系数γ=0.2,若车辆轨迹从隧道外侧穿到内侧,则车辆轨迹穿墙阳性系数γ=0.3,若车辆轨迹与估算墙壁相离,则车辆轨迹穿墙阳性系数γ=1。
9.根据权利要求7所述的基于毫米波雷达的隧道轨迹数据镜像去除方法,其特征在于,若车辆轨迹与估算的隧道壁的相交,则β=0.5,若车辆轨迹与估算墙壁估算的隧道壁的相离,则β=1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210087338.XA CN114443636A (zh) | 2022-01-25 | 2022-01-25 | 一种基于毫米波雷达的隧道轨迹数据镜像去除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210087338.XA CN114443636A (zh) | 2022-01-25 | 2022-01-25 | 一种基于毫米波雷达的隧道轨迹数据镜像去除方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114443636A true CN114443636A (zh) | 2022-05-06 |
Family
ID=81370467
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210087338.XA Pending CN114443636A (zh) | 2022-01-25 | 2022-01-25 | 一种基于毫米波雷达的隧道轨迹数据镜像去除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114443636A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114779180A (zh) * | 2022-06-20 | 2022-07-22 | 成都瑞达物联科技有限公司 | 一种面向车路协同雷达的多径干扰镜像目标滤除方法 |
-
2022
- 2022-01-25 CN CN202210087338.XA patent/CN114443636A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114779180A (zh) * | 2022-06-20 | 2022-07-22 | 成都瑞达物联科技有限公司 | 一种面向车路协同雷达的多径干扰镜像目标滤除方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6571545B2 (ja) | 物体検出装置および物体検出方法 | |
CN113419244A (zh) | 一种基于毫米波雷达数据的车辆轨迹拼接方法 | |
CN112526521B (zh) | 一种汽车毫米波防撞雷达的多目标跟踪方法 | |
CN114898296B (zh) | 基于毫米波雷达与视觉融合的公交车道占用检测方法 | |
CN105844222A (zh) | 基于视觉的前方车辆碰撞预警***及方法 | |
CN112085950B (zh) | 交通状态判别指标的估计方法、***、存储介质及应用 | |
CN113253257B (zh) | 一种基于多毫米波雷达和视觉的露天矿障碍物检测方法 | |
CN108859952B (zh) | 车辆变道预警方法、装置和雷达 | |
CN111880196A (zh) | 一种无人矿车抗干扰方法、***及计算机设备 | |
CN110307841B (zh) | 一种基于信息量测不完全的车辆运动参数估计方法 | |
CN110261838B (zh) | 一种道面外来物探测方法、装置及探测雷达 | |
CN112201040B (zh) | 一种基于毫米波雷达数据的交通数据清洗方法及*** | |
CN113721262B (zh) | 基于激光雷达检测船舶航向和高度的桥梁防碰撞预警方法 | |
CN114093165A (zh) | 一种基于路侧激光雷达的车辆-行人冲突自动识别方法 | |
CN114443636A (zh) | 一种基于毫米波雷达的隧道轨迹数据镜像去除方法 | |
CN112597839A (zh) | 基于车载毫米波雷达的道路边界检测方法 | |
CN113256990A (zh) | 基于聚类算法的雷达采集道路车辆信息的方法及*** | |
Cao et al. | Lane determination of vehicles based on a novel clustering algorithm for intelligent traffic monitoring | |
CN118091574A (zh) | 用于暗光条件下的障碍预警方法及*** | |
CN115128571B (zh) | 一种基于毫米波雷达的多人与非机动车识别方法 | |
CN115932831A (zh) | 基于雷达的目标分段跟踪方法、装置、设备及存储介质 | |
CN105730330A (zh) | 行车安全***及其障碍物筛选方法 | |
CN115512542A (zh) | 一种基于路侧激光雷达的考虑遮挡的轨迹复原方法及*** | |
CN113960575A (zh) | 一种基于超声波雷达区分地面和障碍物的***及方法 | |
CN109147328B (zh) | 一种基于视频虚拟线圈的车流量检测方法 |
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 |