CN117630845A - 目标检测方法、装置、数据处理装置、雷达及存储介质 - Google Patents
目标检测方法、装置、数据处理装置、雷达及存储介质 Download PDFInfo
- Publication number
- CN117630845A CN117630845A CN202311360430.XA CN202311360430A CN117630845A CN 117630845 A CN117630845 A CN 117630845A CN 202311360430 A CN202311360430 A CN 202311360430A CN 117630845 A CN117630845 A CN 117630845A
- Authority
- CN
- China
- Prior art keywords
- target
- false alarm
- sub
- detection result
- constant false
- 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 270
- 238000012545 processing Methods 0.000 title claims abstract description 34
- 239000011159 matrix material Substances 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 22
- 230000001502 supplementing effect Effects 0.000 claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 57
- 238000004590 computer program Methods 0.000 claims description 21
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- RVRCFVVLDHTFFA-UHFFFAOYSA-N heptasodium;tungsten;nonatriacontahydrate Chemical compound O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.[Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[W].[W].[W].[W].[W].[W].[W].[W].[W].[W].[W] RVRCFVVLDHTFFA-UHFFFAOYSA-N 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种目标检测方法、装置、数据处理装置及存储介质。该方法包括：获取雷达对当前待测区域探测得到的信号矩阵；基于第一恒虚警检测方式对所述信号矩阵进行恒虚警检测，得到第一目标检测结果；基于所述第一目标检测结果，确定所述当前待测区域内的重点子区域；基于第二恒虚警检测方式对所述重点子区域进行恒虚警检测，得到第二目标检测结果；利用所述第二目标检测结果对所述第一目标检测结果进行补充，得到所述当前待测区域的目标检测结果。本发明能够有效提升复杂环境下目标检测结果的可靠性。
Description
技术领域
本发明涉及雷达技术领域，尤其涉及一种目标检测方法、装置、数据处理装置、雷达及存储介质。
背景技术
对于毫米波雷达，发射的雷达波会存在经多次反射后被接收的情况。例如，在停车场的拐角处或在街道旁的防撞护栏处都会出现上述情况。在这些目标较为杂乱的场景下，由于近处的大型车辆或者防撞护栏的存在，会形成较强的遮蔽，从而影响对于车辆或护栏周边行人等目标的检测结果。无法有效保证目标检测结果的可靠性。
发明内容
本发明实施例提供了一种目标检测方法、装置、数据处理装置、雷达及存储介质，以解决复杂环境下无法有效保证目标检测结果的可靠性的问题。
第一方面，本发明实施例提供了一种目标检测方法，包括：
获取雷达对当前待测区域探测得到的信号矩阵；
基于第一恒虚警检测方式对所述信号矩阵进行恒虚警检测，得到第一目标检测结果；
基于所述第一目标检测结果，确定所述当前待测区域内的重点子区域；
基于第二恒虚警检测方式对所述重点子区域进行恒虚警检测，得到第二目标检测结果；所述第二恒虚警检测方式的漏警率低于所述第一恒虚警检测方式的漏警率；
利用所述第二目标检测结果对所述第一目标检测结果进行补充，得到所述当前待测区域的目标检测结果。
在一种可能的实现方式中，所述重点子区域满足以下至少一个条件：
所述重点子区域内的目标数量大于数量阈值；
所述重点子区域内存在至少一个能量幅度大于能量阈值的目标。
在一种可能的实现方式中，所述第一目标检测结果包括：各目标的距离、角度和能量幅度；
所述基于所述第一目标检测结果，确定所述当前待测区域内的重点子区域，包括：
分别以各目标为中心点，按照预设距离范围和预设角度范围，确定各目标对应的子区域；
根据各目标的距离和角度，分别确定各子区域内的目标数量；
将目标数量大于数量阈值，和/或，存在至少一个能量幅度大于能量阈值的目标的子区域确定为重点子区域。
在一种可能的实现方式中，所述信号矩阵的每一行包含相同距离，不同角度的多个数据单元，所述信号矩阵的每一列包含相同角度，不同距离的多个数据单元；每一个目标对应所述信号矩阵中的一个数据单元；
所述分别以各目标为中心点，按照预设距离范围和预设角度范围，确定各目标对应的子区域，包括：
针对所述信号矩阵中的每一个目标，以该目标为中心点，按照所述预设距离范围和预设角度范围，确定该目标周围的多个数据单元；将该目标以及该目标周围的多个数据单元所在的区域，确定该目标对应的子区域。
在一种可能的实现方式中，所述第一目标检测结果包括：各目标的距离、角度和能量幅度；
所述基于所述第一目标检测结果，确定所述当前待测区域内的重点子区域，包括：
按照单位距离幅度和单位角度幅度，将所述当前待测区域划分为不同的子区域；
根据各目标的距离和角度，分别确定各子区域内的目标数量；
将目标数量大于数量阈值，和/或，存在至少一个能量幅度大于能量阈值的目标的子区域确定为重点子区域。
在一种可能的实现方式中，所述基于第一恒虚警检测方式对所述信号矩阵进行恒虚警检测，得到第一目标检测结果，包括：
采用CA-CFAR算法对所述信号矩阵进行恒虚警检测，得到第一目标检测结果；
所述基于第二恒虚警检测方式对所述重点子区域进行恒虚警检测，得到第二目标检测结果，包括：
采用OS-CFAR算法对所述重点子区域进行恒虚警检测，得到第二目标检测结果。
第二方面，本发明实施例提供了一种目标检测装置，包括：
获取模块，用于获取雷达对当前待测区域探测得到的信号矩阵；
检测模块，用于基于第一恒虚警检测方式对所述信号矩阵进行恒虚警检测，得到第一目标检测结果；
所述检测模块，还用于基于所述第一目标检测结果，确定所述当前待测区域内的重点子区域；
所述检测模块，还用于基于第二恒虚警检测方式对所述重点子区域进行恒虚警检测，得到第二目标检测结果；
补充模块，用于利用所述第二目标检测结果对所述第一目标检测结果进行补充，得到所述当前待测区域的目标检测结果。
第三方面，本发明实施例提供了一种数据处理装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
第四方面，本发明实施例提供了一种雷达，包括如第三方面所述的数据处理装置。
第五方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
本发明实施例提供一种目标检测方法、装置、数据处理装置及存储介质，通过在基于第一恒虚警检测方式对当前待测区域的信号矩阵进行恒虚警检测的基础上，确定当前待测区域内的重点子区域。并对重点子区域进行二次恒虚警检测。针对于目标杂乱，且可能存在被遮蔽的弱小目标的复杂环境，通过对全局进行一次恒虚警检测的基础上，采用漏警率更低的第二恒虚警检测方式对重点子区域进行二次恒虚警检测，可以找到重点子区域中被漏检的弱小目标，避免出现漏检情况，从而有效提升复杂环境下的目标检测结果的可靠性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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是本发明实施例提供的目标检测方法的实现流程图；
图2是本发明实施例提供的CA-CFAR算法的流程示意图；
图3是本发明实施例提供的确定重点子区域的实现流程图；
图4是本发明实施例提供的目标Aij对应的子区域的示意图；
图5是本发明实施例提供的OS-CFAR算法的流程示意图；
图6是本发明实施例提供的CA-CFAR算法与OS-CFAR算法的检测结果对比图；
图7是本发明实施例提供的目标检测装置的结构示意图；
图8是本发明实施例提供的数据处理装置的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。需要说明的是，本说明书涉及到的数据均是在相应用户知晓并授权的前提下获取以及处理。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
图1为本发明实施例提供的目标检测方法的实现流程图，详述如下：
步骤101，获取雷达对当前待测区域探测得到的信号矩阵。
示例性的，雷达可以设置于车辆上，用于实时检测车辆周围的障碍物，即目标。在一些应用场景中，当前待检测区域可以是一些目标较为杂乱的区域，例如停车场或街道等，在此不作限定。雷达在当前待测区域内发射探测信号并对应接收当前待测区域内各目标反射回来的回波信号。通过对回波信号进行傅里叶处理以及线性检波处理，可以对应得到信号矩阵。通过对该信号矩阵进行恒虚警检测，可以得到当前待测区域内的目标检测结果。
步骤102，基于第一恒虚警检测方式对信号矩阵进行恒虚警检测，得到第一目标检测结果。
在执行步骤102时，可以采用单元平均恒虚警检测(Cell Averaging-ConstantFalse Alarm Rate Detector，CA-CFAR)算法、最大选择恒虚警检测(Greagest ofConstant False Alarm Rate Detector，GO-CFAR)算法、最小选择恒虚警检测(Smallestof Constant False Alarm Rate Detector，SO-CFAR)算法或其他均值类恒虚警检测算法对信号矩阵进行恒虚警检测。通过对信号矩阵进行恒虚警检测，可以确定信号矩阵中存在的目标，以及各目标的距离、角度、速度和能量幅度等信息，即第一目标检测结果。
均值类恒虚警检测算法具有计算时间短的优点。采用均值类恒虚警检测算法对信号矩阵进行恒虚警检测，可以对当前待测区域内的所有信号进行快速筛选，确定当前待测区域内的第一目标检测结果。
在一些实施例中，步骤102可以包括：
采用CA-CFAR算法对信号矩阵进行恒虚警检测，得到第一目标检测结果。
在利用CA-CFAR算法对信号矩阵进行恒虚警检测时，需要依次对信号矩阵中的每一个数据单元进行恒虚警检测，从而依次判断各数据单元内是否存在目标。信号矩阵中每一个数据单元对应一个信号，且各数据单元内对应包含各信号的距离、角度、能量幅度和速度等信息。
图2示出了CA-CFAR算法的流程示意图。参见图2，在对每一个数据单元进行恒虚警检测时，在待检测单元Y的左右两侧各设置至少一个保护单元P，以消除信号在待检测单元Y周围的多余能量。
分别在保护单元P两侧各取N个参考单元，计算2N个参考单元的功率平均值，将该功率平均值确定为背景杂波功率估计值Z。并将背景杂波功率估计值Z与预设的门限因子T的乘积，确定为门限值。
当待检测单元Y所对应的能量幅度大于门限值时，确定该待检测单元内存在目标，并对应获取该目标的距离、角度和速度等信息。
按照上述方法，依次对信号矩阵中的所有数据单元进行检测，得到第一目标检测结果。
CA-CFAR算法具有计算时间短和算法成熟的优点。通过对信号矩阵中的所有数据单元进行CA-CFAR检测，可以快速确定当前待测区域内的目标分布情况。
步骤103，基于第一目标检测结果，确定当前待测区域内的重点子区域。
第一目标检测结果中包含各目标的距离、角度、速度和能量幅度等信息。根据第一目标检测结果可以确定当前待测区域内的目标分布情况。考虑到当前待测区域内目标较为杂乱，可能会存在被漏检的弱小目标，因此，需要对当前待测区域中目标密集的子区域和/或目标能量幅度较大的子区域进行二次检测，以便找到可能被遮挡的弱小目标，进一步提升目标检测结果的可靠性。
在一些实施例中，重点子区域满足以下至少一个条件：
重点子区域内的目标数量大于数量阈值。
重点子区域内存在至少一个能量幅度大于能量阈值的目标。
目标数量大于数量阈值，说明当前区域内目标杂乱，可能会存在目标重叠的情况。目标的能量幅度大于能量阈值，说明可能存在该目标遮挡了其他弱小目标的情况。鉴于CA-CFAR算法存在无法准确检测到被遮蔽的弱小目标的情况，本发明实施例将目标数量大于数量阈值，和/或，存在至少一个能量幅度大于能量阈值的目标的子区域作为重点子区域，进行二次恒虚警检测，从而避免出现无法准确识别弱小目标的情况。
第一目标检测结果包括：各目标的距离、角度和能量幅度。在一种实现方式中，参见图3，步骤103可以包括：
步骤301，分别以各目标为中心点，按照预设距离范围和预设角度范围，确定各目标对应的子区域。
信号矩阵的每一行包含相同距离，不同角度的多个数据单元，信号矩阵的每一列包含相同角度，不同距离的多个数据单元。也就是说，各数据单元的行索引代表信号的距离，列索引代表信号的角度。示例性地，对于信号矩阵中第i行第j列的数据单元Aij，其距离为i，角度为j。每一个目标对应信号矩阵中的一个数据单元。
在确定各目标对应的子区域时，针对信号矩阵中的每一个目标，以该目标为中心点，按照预设距离范围和预设角度范围，确定该目标周围的多个数据单元；将该目标以及该目标周围的多个数据单元所在的区域，确定该目标对应的子区域。
示例性地，参见图4，假设预设距离范围为(-2，2)，预设角度范围为(-2，2)。对于信号矩阵中第i行第j列的目标Aij，该目标地所对应的子区域为：以第i-2行j-2列的数据单元A(i-2)(j-2)以及第i+2行j+2列的数据单元A(i+2)(j+2)为对角顶点，所形成的灰色矩形区域。
步骤302，根据各目标的距离和角度，分别确定各子区域内的目标数量。
步骤303，将目标数量大于数量阈值，和/或，存在至少一个能量幅度大于能量阈值的目标的子区域确定为重点子区域。
分别以各目标为中心点，进而检测各目标的周围区域内是否存在目标密集和/或能量幅度过大的情况。从而筛选得到重点子区域，以进行二次检测。
在另一种实现方式中，步骤103可以包括：
按照单位距离幅度和单位角度幅度，将当前待测区域划分为不同的子区域。
根据各目标的距离和角度，分别确定各子区域内的目标数量。
将目标数量大于数量阈值，和/或，存在至少一个能量幅度大于能量阈值的目标的子区域确定为重点子区域。
在该实现方式中在对当前待测区域进行划分时，可以预先按照单位距离幅度和单位角度幅度，对信号矩阵内的所有信号进行划分，形成不同的子区域。再分别确定各子区域内的目标数量，从而筛选出重点子区域。
单位距离幅度和单位角度幅度可以根据实际需求确定，在此不作限定。示例性地，单位距离幅度可以为2，单位角度幅度可以为4。也就是，将信号矩阵划分为多个2×4的子区域。根据各目标的距离和角度，从而确定各子区域内的目标数量，最终确定重点子区域。
本发明实施例提供了两种确定重点子区域的方法。可以理解的是，这并不对确定重点子区域的方法进行具体限定。用户也可通过其他方法确定当前待测区域中目标数量大于数量阈值，和/或，存在至少一个能量幅度大于能量阈值的目标的重点子区域。
步骤104，基于第二恒虚警检测方式对重点子区域进行恒虚警检测，得到第二目标检测结果。第二恒虚警检测方式的漏警率低于第一恒虚警检测方式的漏警率。
在执行步骤104时，可以采用有序统计恒虚警检测(Ordered Statistics-Constant False Alarm Rate Detector，OS-CFAR)算法、削减平均恒虚警检测(trimmed-mean-Constant False Alarm Rate Detector，TM-CFAR)算法或其他漏警率较低的恒虚警检测算法对重点子区域进行恒虚警检测，得到第二目标检测结果。第二目标检测结果中包含重点子区域内各目标的距离、角度、速度以及能量幅度等信息。
重点子区域内可能存在被遮挡的弱小目标。而OS-CFAR算法和TM-CFAR算法均可以在进行恒虚警检测时找到弱小目标，漏警率较低。因此，在对重点子区域进行恒虚警检测时，可以使用OS-CFAR算法、TM-CFAR算法或其他漏警率较低的恒虚警检测算法。
在一些实施例中，步骤104可以包括：
采用OS-CFAR算法对重点子区域进行恒虚警检测，得到第二目标检测结果。
在利用OS-CFAR算法对重点子区域进行恒虚警检测时，需要依次对重点子区域中的每一个数据单元进行恒虚警检测，从而依次判断各数据单元内是否存在目标。
图5示出了OS-CFAR算法的流程示意图。参见图5，在对重点子区域内的每一个数据单元进行恒虚警检测时，在待检测单元Y的左右两侧各设置至少一个保护单元P，以消除信号在待检测单元Y周围的多余能量。
分别在保护单元P两侧各取N个参考单元，获取2N个参考单元的功率值，并按照从小到大的顺序对2N个功率值进行排序，得到排序后的2N个功率值。
将第K个功率值确定为背景杂波功率估计值，并根据背景杂波功率估计值，确定门限值。实际应用中，当K＝3/4N时，最有利于背景噪声估计，使得检测虚警目标的概率降到最小。
当待检测单元对应的能量幅度大于门限值时，确定该待检测单元内存在目标，并对应获取目标的距离、角度和速度等信息。
按照上述方法，依次对重点子区域中的所有数据单元进行检测，得到第二目标检测结果。
图6示出了CA-CFAR算法与OS-CFAR算法的检测结果对比图。参见图6，图6左侧示出了CA-CFAR算法的检测结果。其中，横坐标代表信号距离，纵坐标代表信号功率，即能量幅度。实线代表输入CA-CFAR算法中的各信号的信号功率，虚线代表不同距离下的门限值，当信号功率大于门限值时，CA-CFAR算法将该信号确定为目标输出。图6左侧的“×”代表CA-CFAR算法输出的目标。图6右侧示出了OS-CFAR算法的检测结果。相应地，横坐标代表信号距离，纵坐标代表信号功率。实线代表输入OS-CFAR算法中的各信号的信号功率，虚线代表不同距离下的门限值，当信号功率大于门限值时，OS-CFAR算法将该信号确定为目标输出。图6右侧的“×”代表OS-CFAR算法输出的目标。对比二者的检测结果可知，相比于OS-CFAR算法，CA-CFAR算法的检测结果中遗漏了一个目标。
这是由于在多目标的情况下，利用CA-CFAR算法进行检测时，如果相邻目标太过接近，则可能落入同一噪声估计的滑窗内，从而使得门限值增加，出现遮蔽效果，最终导致弱小信号无法被检测到。而OS-CFAR算法能够有效抑制邻近大目标对弱小目标的遮挡。但在利用OS-CFAR算法在进行恒虚警检测时，需要针对每一个待检测单元进行一次噪声能量排序。如果利用OS-CFAR算法进行全局检测的话，计算量过大，检测时间较长。由此，本发明实施例采用OS-CFAR算法对重点子区域进行二次检测，从而找到可能遮蔽的弱小目标。
步骤105，利用第二目标检测结果对第一目标检测结果进行补充，得到当前待测区域的目标检测结果。
第二目标检测结果中包含重点子区域内各目标的距离、角度和能量幅度等信息。第二目标检测结果中可能包含第一目标检测结果中没有的目标。利用第二目标检测结果中的各目标对第一目标检测结果进行补充，从而得到最终的目标检测结果。
本发明实施例在基于第一恒虚警检测方式对当前待测区域的信号矩阵进行恒虚警检测的基础上，确定当前待测区域内的重点子区域。并对重点子区域进行二次恒虚警检测。针对于目标杂乱，且可能存在被遮蔽的弱小目标的复杂环境，通过对全局进行一次恒虚警检测的基础上，采用漏警率更低的第二恒虚警检测方式对重点子区域进行二次恒虚警检测，可以找到重点子区域中被漏检的弱小目标，避免出现漏检情况，从而有效提升复杂环境下的目标检测结果的可靠性。
针对于复杂环境下目标杂乱分布，且弱小目标容易被遮挡的特点，本发明实施例将目标数量大于数量阈值，和/或，存在至少一个能量幅度大于能量阈值的目标的子区域确定为重点子区域，以便对重点子区域进行二次检测，从而找到被遮挡的弱小目标。
在第一次进行全局恒虚警检测时，采用CA-CFAR算法可以有效提升检测效率，缩短检测时间。在此基础上，采用OS-CFAR算法对重点子区域进行二次检测，可以找到可能遮蔽的弱小目标，提升目标检测结果的可靠性。通过将两种算法进行组合检测，可以在满足车载雷达50ms的帧计算时间要求的同时，提升弱小目标的检测概率，抑制虚假目标信息，为后级目标聚类和航迹处理提供一个稳定可靠的检测点云。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。
图7示出了本发明实施例提供的目标检测装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
如图7所示，目标检测装置7包括：获取模块71、检测模块72和补充模块73。
获取模块71，用于获取雷达对当前待测区域探测得到的信号矩阵。
检测模块72，用于基于第一恒虚警检测方式对信号矩阵进行恒虚警检测，得到第一目标检测结果。
检测模块72，还用于基于第一目标检测结果，确定当前待测区域内的重点子区域。
检测模块72，还用于基于第二恒虚警检测方式对重点子区域进行恒虚警检测，得到第二目标检测结果；第二恒虚警检测方式的漏警率低于第一恒虚警检测方式的漏警率。
补充模块73，用于利用第二目标检测结果对第一目标检测结果进行补充，得到当前待测区域的目标检测结果。
在一种可能的实现方式中，重点子区域满足以下至少一个条件：
重点子区域内的目标数量大于数量阈值；
重点子区域内存在至少一个能量幅度大于能量阈值的目标。
在一种可能的实现方式中，第一目标检测结果包括：各目标的距离、角度和能量幅度。
检测模块72，用于分别以各目标为中心点，按照预设距离范围和预设角度范围，确定各目标对应的子区域。
检测模块72，还用于根据各目标的距离和角度，分别确定各子区域内的目标数量。
检测模块72，还用于将目标数量大于数量阈值，和/或，存在至少一个能量幅度大于能量阈值的目标的子区域确定为重点子区域。
在一种可能的实现方式中，信号矩阵的每一行包含相同距离，不同角度的多个数据单元，信号矩阵的每一列包含相同角度，不同距离的多个数据单元；每一个目标对应信号矩阵中的一个数据单元。
检测模块72，用于针对信号矩阵中的每一个目标，以该目标为中心点，按照预设距离范围和预设角度范围，确定该目标周围的多个数据单元；将该目标以及该目标周围的多个数据单元所在的区域，确定该目标对应的子区域。
在一种可能的实现方式中，第一目标检测结果包括：各目标的距离、角度和能量幅度。
检测模块72，用于按照单位距离幅度和单位角度幅度，将当前待测区域划分为不同的子区域。
检测模块72，还用于根据各目标的距离和角度，分别确定各子区域内的目标数量。
检测模块72，还用于将目标数量大于数量阈值，和/或，存在至少一个能量幅度大于能量阈值的目标的子区域确定为重点子区域。
在一种可能的实现方式中，检测模块72，用于采用CA-CFAR算法对信号矩阵进行恒虚警检测，得到第一目标检测结果。
检测模块72，还用于采用OS-CFAR算法对重点子区域进行恒虚警检测，得到第二目标检测结果。
本发明实施例通过检测模块72在基于第一恒虚警检测方式对当前待测区域的信号矩阵进行恒虚警检测的基础上，确定当前待测区域内的重点子区域。并对重点子区域进行二次恒虚警检测。针对于目标杂乱，且可能存在被遮蔽的弱小目标的复杂环境，检测模块72通过对全局进行一次恒虚警检测的基础上，采用漏警率更低的第二恒虚警检测方式对重点子区域进行二次恒虚警检测，可以找到重点子区域中被漏检的弱小目标，避免出现漏检情况，从而有效提升复杂环境下的目标检测结果的可靠性。
针对于复杂环境下目标杂乱分布，且弱小目标容易被遮挡的特点，本发明实施例将目标数量大于数量阈值，和/或，存在至少一个能量幅度大于能量阈值的目标的子区域确定为重点子区域，以便对重点子区域进行二次检测，从而找到被遮挡的弱小目标。
检测模块72在第一次进行全局恒虚警检测时，采用CA-CFAR算法可以有效提升检测效率，缩短检测时间。在此基础上，检测模块72采用OS-CFAR算法对重点子区域进行二次检测，可以找到可能遮蔽的弱小目标，提升目标检测结果的可靠性。检测模块72通过将两种算法进行组合检测，可以在满足车载50ms的帧计算时间要求的同时，提升弱小目标的检测概率，抑制虚假目标信息，为后级目标聚类和航迹处理提供一个稳定可靠的检测点云。
图8是本发明实施例提供的数据处理装置的示意图。如图8所示，该实施例的数据处理装置8包括：处理器80、存储器81以及存储在所述存储器81中并可在所述处理器80上运行的计算机程序82。所述处理器80执行所述计算机程序82时实现上述各个目标检测方法实施例中的步骤，例如图1所示的步骤101至步骤105。或者，所述处理器80执行所述计算机程序82时实现上述各装置实施例中各模块的功能，例如图7所示模块71至73的功能。
示例性的，所述计算机程序82可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器81中，并由所述处理器80执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序82在所述数据处理装置8中的执行过程。例如，所述计算机程序82可以被分割成图7所示的模块71至73。
所述数据处理装置8可包括，但不仅限于，处理器80、存储器81。本领域技术人员可以理解，图8仅仅是数据处理装置8的示例，并不构成对数据处理装置8的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述数据处理装置还可以包括输入输出设备、网络接入设备、总线等。
所称处理器80可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
所述存储器81可以是所述数据处理装置8的内部存储单元，例如数据处理装置8的硬盘或内存。所述存储器81也可以是所述数据处理装置8的外部存储设备，例如所述数据处理装置8上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器81还可以既包括所述数据处理装置8的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序以及所述数据处理装置所需的其他程序和数据。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，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、或者计算机软件和电子硬件的结合来实现。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。
在本发明所提供的实施例中，应该理解到，所揭露的装置/数据处理装置和方法，可以通过其它的方式实现。例如，以上所描述的装置/数据处理装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个目标检测方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。以上所述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，均应包含在本发明的保护范围之内。
Claims (10)
1.一种目标检测方法，其特征在于，包括：
获取雷达对当前待测区域探测得到的信号矩阵；
基于第一恒虚警检测方式对所述信号矩阵进行恒虚警检测，得到第一目标检测结果；
基于所述第一目标检测结果，确定所述当前待测区域内的重点子区域；
基于第二恒虚警检测方式对所述重点子区域进行恒虚警检测，得到第二目标检测结果；所述第二恒虚警检测方式的漏警率低于所述第一恒虚警检测方式的漏警率；
利用所述第二目标检测结果对所述第一目标检测结果进行补充，得到所述当前待测区域的目标检测结果。
2.根据权利要求1所述的目标检测方法，其特征在于，所述重点子区域满足以下至少一个条件：
所述重点子区域内的目标数量大于数量阈值；
所述重点子区域内存在至少一个能量幅度大于能量阈值的目标。
3.根据权利要求2所述的目标检测方法，其特征在于，所述第一目标检测结果包括：各目标的距离、角度和能量幅度；
所述基于所述第一目标检测结果，确定所述当前待测区域内的重点子区域，包括：
分别以各目标为中心点，按照预设距离范围和预设角度范围，确定各目标对应的子区域；
根据各目标的距离和角度，分别确定各子区域内的目标数量；
将目标数量大于数量阈值，和/或，存在至少一个能量幅度大于能量阈值的目标的子区域确定为重点子区域。
4.根据权利要求3所述的目标检测方法，其特征在于，所述信号矩阵的每一行包含相同距离，不同角度的多个数据单元，所述信号矩阵的每一列包含相同角度，不同距离的多个数据单元；每一个目标对应所述信号矩阵中的一个数据单元；
所述分别以各目标为中心点，按照预设距离范围和预设角度范围，确定各目标对应的子区域，包括：
针对所述信号矩阵中的每一个目标，以该目标为中心点，按照所述预设距离范围和预设角度范围，确定该目标周围的多个数据单元；将该目标以及该目标周围的多个数据单元所在的区域，确定该目标对应的子区域。
5.根据权利要求2所述的目标检测方法，其特征在于，所述第一目标检测结果包括：各目标的距离、角度和能量幅度；
所述基于所述第一目标检测结果，确定所述当前待测区域内的重点子区域，包括：
按照单位距离幅度和单位角度幅度，将所述当前待测区域划分为不同的子区域；
根据各目标的距离和角度，分别确定各子区域内的目标数量；
将目标数量大于数量阈值，和/或，存在至少一个能量幅度大于能量阈值的目标的子区域确定为重点子区域。
6.根据权利要求1所述的目标检测方法，其特征在于，所述基于第一恒虚警检测方式对所述信号矩阵进行恒虚警检测，得到第一目标检测结果，包括：
采用CA-CFAR算法对所述信号矩阵进行恒虚警检测，得到第一目标检测结果；
所述基于第二恒虚警检测方式对所述重点子区域进行恒虚警检测，得到第二目标检测结果，包括：
采用OS-CFAR算法对所述重点子区域进行恒虚警检测，得到第二目标检测结果。
7.一种目标检测装置，其特征在于，包括：
获取模块，用于获取雷达对当前待测区域探测得到的信号矩阵；
检测模块，用于基于第一恒虚警检测方式对所述信号矩阵进行恒虚警检测，得到第一目标检测结果；
所述检测模块，还用于基于所述第一目标检测结果，确定所述当前待测区域内的重点子区域；
所述检测模块，还用于基于第二恒虚警检测方式对所述重点子区域进行恒虚警检测，得到第二目标检测结果；所述第二恒虚警检测方式的漏警率低于所述第一恒虚警检测方式的漏警率；
补充模块，用于利用所述第二目标检测结果对所述第一目标检测结果进行补充，得到所述当前待测区域的目标检测结果。
8.一种数据处理装置，包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如上的权利要求1至6中任一项所述目标检测方法的步骤。
9.一种雷达，其特征在于，包括如权利要求8所述的数据处理装置。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至6中任一项所述目标检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311360430.XA CN117630845A (zh) | 2023-10-19 | 2023-10-19 | 目标检测方法、装置、数据处理装置、雷达及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311360430.XA CN117630845A (zh) | 2023-10-19 | 2023-10-19 | 目标检测方法、装置、数据处理装置、雷达及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117630845A true CN117630845A (zh) | 2024-03-01 |
Family
ID=90022431
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311360430.XA Pending CN117630845A (zh) | 2023-10-19 | 2023-10-19 | 目标检测方法、装置、数据处理装置、雷达及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117630845A (zh) |
-
2023
- 2023-10-19 CN CN202311360430.XA patent/CN117630845A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109581353B (zh) | 一种基于汽车雷达的多目标跟踪方法及*** | |
| CN112213725B (zh) | 车载雷达的多径虚警抑制方法、装置及终端设备 | |
| CN108859952B (zh) | 车辆变道预警方法、装置和雷达 | |
| CN111727380B (zh) | 目标检测方法、***及计算机可读存储介质 | |
| CN113009448B (zh) | 多径目标的检测方法、装置、设备和存储介质 | |
| CN110531337B (zh) | 基于隶属度分析的目标可信度计算方法及装置 | |
| CN115792841A (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
| CN112986945B (zh) | 雷达目标的识别方法、装置、设备和存储介质 | |
| CN113625232B (zh) | 雷达检测中多径虚假目标抑制方法、装置、介质和设备 | |
| CN113787997B (zh) | 紧急制动控制方法、电子设备及存储介质 | |
| CN113740874A (zh) | 一种道路边沿检测方法、电子设备及车辆 | |
| CN114966591A (zh) | 一种大目标检测方法、大目标检测装置及电子设备 | |
| CN108693517B (zh) | 车辆定位方法、装置和雷达 | |
| CN104035084A (zh) | 一种用于非均匀杂波背景的动态规划检测前跟踪方法 | |
| CN117630845A (zh) | 目标检测方法、装置、数据处理装置、雷达及存储介质 | |
| CN113514825A (zh) | 道路边缘的获取方法、装置和终端设备 | |
| CN114966658A (zh) | 目标检测方法、计算机设备、计算机可读存储介质及车辆 | |
| WO2021199104A1 (ja) | 物体検知システムおよび物体検知方法 | |
| CN114660566A (zh) | 虚假目标剔除方法、装置、计算机设备及存储介质 | |
| CN116413683A (zh) | 激光雷达及其扫描方法、可读存储介质 | |
| CN114488053A (zh) | 一种基于毫米波雷达的静止车辆判别方法 | |
| CN113109796A (zh) | 一种目标检测方法及装置 | |
| CN111723866A (zh) | 点云聚类的方法及装置、无人车、可读存储介质 | |
| CN116224280B (zh) | 雷达目标检测方法、装置、雷达设备及存储介质 | |
| 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 |