CN112014822B - 车载雷达测量数据识别方法、装置、介质和电子装置 - Google Patents

Abstract

本发明实施例提供车载雷达测量数据识别方法、装置、介质和电子装置，以自动实现车速的确定和动静态目标数据的识别。其中所述方法包括：获取车载雷达在同一时刻测量得到的多个测量数据，测量数据为目标的2个以上参数组成的向量，所述参数至少包括速度；计算各测量数据中目标的速度在邻域范围内的速度密度；选定在邻域范围内的速度密度最大的目标的速度；确定选定速度对应的测量数据及其关联的其它各测量数据的分布广度；当所确定的分布广度满足预设的分散条件时，根据各测量数据中在选定速度的邻域范围内的目标的速度，确定车载雷达所在车辆的行驶速度；根据测量数据中目标的速度和所确定的车辆速度，判断目标为静态目标或动态目标。

Description

车载雷达测量数据识别方法、装置、介质和电子装置

技术领域

本发明涉及数据处理技术领域，尤其涉及一种车载雷达测量数据识别方法、装置、介质和电子装置。

背景技术

减少车辆交通事故发生是一直是需要解决的技术难题，人们对于汽车安全功能的重视程度越来越高，汽车厂商也加大了对于汽车安全辅助系统的研发。经有关部门调查，75％以上的道路安全事故是因为驾驶者判断不准确出现驾驶失误造成的。为避免道路安全事故的发生，研究人员提出了多种汽车高级驾驶辅助系统，有效地减少了事故的发生率。汽车高级驾驶辅助系统能够对于可能发生的危险进行预警，尽可能地让人们规避交通安全和人身安全隐患。毫米波雷达作为汽车高级驾驶辅助系统的关键传感器部件，可有效穿透雾、烟、灰尘，实现全天时、全天候工作负荷要求。目前市场上多以24GHz和77GHz毫米波雷达产品为主，汽车高级驾驶辅助系统安装毫米波雷达近年来快速增加，主要产品有车载自适应巡航装置(ACC)、前端碰撞预警系统(FCW)、辅助变道系统(LCA)、自动跟车系统(S&G)、车尾端盲区探测装置(BSD)、侧向探测系统(CTA)等车载毫米波雷达。车载毫米波雷达通过对目标的速度(相对)、距离、角度和数量等参数进行测量、计算、分析、显示、预警以及自动控制等操作。在车载毫米波雷达的实际操作当中，需要对每个时刻或者几个时刻的测量数据进行分类识别分析，准确提取每个时刻有效的数据信息。然而，在复杂的道路环境中车载毫米波雷达的测量数据中包含多个目标信息和许多干扰噪声，它们彼此之间相互影响，掺杂在一起很难区分。因此，车载毫米波雷达测量中的有效信息识别受到设计人员的普遍关注。

然而，现有针对雷达测量的识别方法主要集中在聚类算法和数据关联算法上，而这些算法无法从车载雷达中提取出本车的速度。因此，开展面向车载毫米波雷达测量的静态目标数据与动态目标数据识别方法研究是对雷达数据处理优化方法体系的重要补充，对车载雷达系统优化设计具有重要意义。

发明内容

本发明提供车载雷达测量数据识别方法、装置、介质和电子装置，以自动实现车速的确定和动静态目标数据的识别。

第一方面，本发明实施例提供一种车载雷达测量数据识别方法，该方法包括：

获取车载雷达在同一时刻测量得到的多个测量数据，其中测量数据为目标的2个以上参数组成的向量，所述参数至少包括速度；

计算各测量数据中目标的速度在邻域范围内的速度密度；

选定在邻域范围内的速度密度最大的目标的速度；

确定选定速度对应的测量数据及其关联的其它各测量数据的分布广度，其中所述关联的其它测量数据为：目标的速度与选定速度差值的绝对值小于预设的第一误差阈值的测量数据；

当所确定的分布广度满足预设的分散条件时，根据各测量数据中在选定速度的邻域范围内的目标的速度，确定车载雷达所在车辆的行驶速度；

根据测量数据中目标的速度和所确定的车辆速度，判断目标为静态目标或动态目标。

第二方面，本发明实施例提供一种车载雷达测量数据识别装置，该装置包括：

数据获取单元，用于获取车载雷达在同一时刻测量得到的多个测量数据，其中测量数据为目标的2个以上参数组成的向量，所述参数至少包括速度；

速度密度计算单元，用于计算各测量数据中目标的速度在邻域范围内的速度密度；

速度选定单元，用于选定在邻域范围内的速度密度最大的目标的速度；

分布广度确定单元，用于确定选定速度对应的测量数据及其关联的其它各测量数据的分布广度，其中所述关联的其它测量数据为：目标的速度与选定速度差值的绝对值小于预设的第一误差阈值的测量数据；

车辆速度确定单元，用于当所确定的分布广度满足预设的分散条件时，根据各测量数据中在选定速度的邻域范围内的目标的速度，确定车载雷达所在车辆的行驶速度；

目标状态判断单元，用于根据测量数据中目标的速度和所确定的车辆速度，判断目标为静态目标或动态目标。

第三方面，本发明实施例提供一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上文所述的方法。

第四方面，本发明实施例提供一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上文所述的方法。

本发明提供的技术方案，通过对车载雷达测量到的数据加以分析、处理，能够自动计算出车辆的车速以及周围目标动静状态的判断，能够为汽车高级驾驶辅助系统提供可靠有效的驾驶信息，进而让人们以此为导向尽可能地规避交通安全和人身安全隐患。

附图说明

图1为本发明实施例提供的一种车载雷达测量数据识别方法的流程图；

图2为本发明实施例提供的具体示例中的车载雷达测量数据识别方法的流程图；

图3为本发明实施例提供的一种车载雷达测量数据识别装置的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，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它实施例，都属于本发明保护的范围。

参见图1，本发明实施例提供了一种车载雷达测量数据识别方法，该方法包括如下步骤。

步骤101、获取车载雷达在同一时刻测量得到的多个测量数据。

作为系统中关键的环境传感器之一，车载毫米波雷达能够检测车辆行驶环境中的目标(障碍物)，工作原理大致是：车载雷达在有效测量范围内发射电磁波信号，被其发射路径上的障碍物(即目标)阻挡后发生反射；通过捕捉反射的信号加以处理分析，可以获取得到的目标的距离、速度和角度等信息，组成测量数据。在本步骤中，车载雷达测量得到的每个测量数据为目标的2个以上参数组成的向量，所述参数至少包括速度，这些测量数据为同一时刻根据不同发射路径上的反射信号处理得到的。典型的，测量数据为目标的速度、距离和角度组成的3维向量。需要说明的是，在本发明实施例中，速度、距离和角度均是相对于车载雷达所在车辆而言的，也就是说该速度是目标相对于车载雷达所在车辆的速度。

步骤102、计算各测量数据中目标的速度在邻域范围内的速度密度。

在本步骤中，具体的，可以针对每个测量数据：计算当前测量数据中目标的速度与获取到的其它各个测量数据中目标的速度之差的绝对值；统计差的绝对值小于预设的第二误差阈值的个数，将该个数作为当前测量数据中目标的速度在邻域范围内的速度密度。其中，当前测量数据指的是当前所针对的测量数据。例如，共获取到20个测量数据，每个测量数据都有自己的目标的速度，设为v1、v2、v3……v20。在这些速度中，如果与速度v1之差的绝对值小于预设的第二误差阈值的速度个数共有6个(例如为v2、v3、v5、v9、v11和v13)，那么v1在邻域范围内的速度密度即为6。第二误差阈值由本领域技术人员根据经验预先设定。

步骤103、选定在邻域范围内的速度密度最大的目标的速度。

步骤104、确定选定速度对应的测量数据及其关联的其它各测量数据的分布广度。

其中，所述关联的其它测量数据为：目标的速度与选定速度差值的绝对值小于预设的第一误差阈值的测量数据。第一误差阈值由本领域技术人员根据经验预先设定。

确定选定速度对应的测量数据及其关联的其它各测量数据的分布广度，包括：

以选定速度对应的测量数据为当前中心点，计算其与关联的其它各测量数据之间的欧式距离，组成当前中心点的欧式距离集；

计算当前中心点的欧式距离集的区间范围，作为选定速度对应的测量数据及其关联的其它各测量数据的分布广度；

所述方法还包括：如果计算得到的所述区间范围大于或等于预设的距离阈值，则判断所确定的分布广度满足预设的分散条件，否则所确定的分布广度不满足预设的分散条件。

计算当前中心点的欧式距离集的区间范围，包括：

计算当前中心点的欧式距离集中最大欧式距离与最小欧式距离的差的绝对值，作为当前中心点的欧式距离集的区间范围。

步骤105、当所确定的分布广度满足预设的分散条件时，根据各测量数据中在选定速度的邻域范围内的目标的速度，确定车载雷达所在车辆的行驶速度。

在本步骤中，车辆的行驶速度是一个绝对速度，相对于静止的地面而言的。根据各测量数据中在该选定速度的邻域范围内的目标的速度，确定车载雷达所在车辆的行驶速度，包括：

计算各测量数据中选定速度以及在选定速度的邻域范围内的目标的速度的平均值，作为车载雷达所在车辆的行驶速度。

当然，还可以取如下各速度中的中值作为车载雷达所在车辆的行驶速度：各测量数据中在该选定速度的邻域范围内的目标的速度。或者，去掉这些速度中的最大速度和最小速度后，再求取平均速度作为车载雷达所在车辆的行驶速度。

步骤106、根据测量数据中目标的速度和所确定的车辆速度，判断目标为静态目标或动态目标。

在本步骤中，计算测量数据中目标的速度与所确定的车辆速度之和；

当计算得到的和小于预设的速度阈值时，判断该测量数据对应的目标为静态目标，否则为动态目标。其中，速度阈值由本领域技术人员根据经验预先设定。

可选的，本发明实施例提供的方法还包括：

当所确定的分布广度不满足预设的分散条件时，重新选定在邻域范围内的速度密度排名位居下一位的目标的速度，继续执行确定选定速度对应的测量数据及其关联的其它测量数据的分布广度的步骤。

下面给出一优选实施例。参见图2，本实施例提供一种车载雷达测量数据识别方法，具体包括如下步骤。

步骤200、获得测量数据集，每个测量数据为由速度v、距离R和角度θ组成的向量。

其中，速度v、距离R和角度θ为车载雷达在有效检测范围内同一时刻测量得到的周围障碍物(目标)相对于车载雷达所在车辆(称之为当前车辆)的速度、距离和角度。

步骤201、计算测量数据集中每个测量数据的速度v在预设的邻域范围内的速度密度。

步骤202、按照在邻域范围内的速度密度由大到小的顺序，对测量数据集中所有测量数据进行排名。

步骤203、选取测量数据集中排名第一的测量数据。

步骤204、将本次所选取的测量数据作为当前中心点，计算当前中心点与其各关联点之间的欧式距离，组成当前欧式距离集。

其中，当前中心点的各关联点为：测量数据集中，除当前中心点之外的且速度与当前中心点的速度之差的绝对值小于预设的第一误差阈值的各测量数据。

步骤205、计算当前欧式距离集的区间范围。

步骤206、判断本次计算得到的区间范围是否满足预设的分散条件。

如果是，则执行步骤207。如果否，则重新选取测量数据集中排名位居下一位的测量数据，然后返回步骤204继续执行，直至排名最后的测量数据。典型的，如果选取排名最后的测量数据后，仍然判断不满足预设的分散条件，则认为识别失败，结束流程。

其中，若本次计算得到的区间范围大于或等于预设的距离阈值，则判断所确定的分布广度满足预设的分散条件，否则所确定的分布广度不满足预设的分散条件。

步骤207、计算当前中心点及其各关联点的速度的平均值，将该平均值作为本车在所述同一时刻的行驶速度。

步骤208、针对测量数据集中每个测量数据：计算测量数据的速度与本车的行驶速度之和。

步骤209、判断计算得到的速度之和是否小于预设的速度阈值。如果是，则执行步骤210：该测量数据对应的目标被标记为静态目标。如果否，则执行步骤211：该测量数据对应的目标被标记为动态目标。结束流程。

其中，步骤202包括：

子步骤2-1、计算测量数据中目标的速度v_i与测量数据集中其它测量数据中速度v_j之间的距离d(v_i,v_j)＝|v_i-v_j|；

子步骤2-2、计算测量数据集中目标的速度在速度v_i预设的第一邻域v_ε1范围内的测量数据的个数，并标记为该速度v_i的速度密度ρ(v_i)，其对应的公式为：

ρ(v_i)＝∑_j{λ[d(v_i，v_j)-v_ε1]}

其中：v_ε1为预设的大于0的速度邻域值，由本领域技术人员根据经验确定；d(v_i，v_j)-v_ε1≤0时，λ[d(v_i，v_j)-v_ε]＝1，否则λ[d(v_i，v_j)-v_ε1]＝0。

其中，步骤204包括：

子步骤4-1、确定测量数据集中满足如下条件的测量数据：速度在本次所选取测量数据的速度v_k的第二邻域v_ε2(大于0)范围内(即速度位于(v_k-v_ε2)至(v_k+v_ε2)之间)；

子步骤4-2、针对子步骤4-1确定得到的每个测量数据：计算测量数据到速度v_k对应的测量数据的欧氏距离D；

子步骤4-3、将所确定的各测量数据对应的D组成一个数组{D₁，D₂，D₃......D_m}作为当前欧式距离集，其中m表示子步骤4-1确定得到的测量数据的总数。

其中，步骤205包括：

子步骤5-1、将数组{D₁，D₂，D₃......D_m}内的元素从小到大排序并找到其中的最小值D_min和最大值D_max；

子步骤5-2、计算当前欧氏距离集的区间范围DL，计算公式为：

D_L＝D_max-D_min

其中，步骤207包括：

子步骤7-1、提取数组{D₁，D₂，D₃......D_m}内的元素对应的速度集合{v₁，v₂，v₃......v_m}；

子步骤7-2、计算速度平均值，即本车的行驶速度的计算公式为：

上式中为车载雷达所在车辆的行驶速度。

在本发明各实施例中，可以通过处理车载雷达测量数据获得本车行驶速度，然后基于本车的行驶速度提取对应的静态目标和动态目标，为后续的雷达数据处理提供更好的依据，其主要思想是：

车载毫米波雷达测量得到的静态目标的测量数据，其中就包含着它们的速度信息，这些目标的速度非常接近，在车载雷达检测区域分布比较广且数量多。当车载雷达启动后，计算速度邻域内出现频率最高的速度，并通过该速度的分布特点判断该速度为本车行驶速度的可信度。当可信度大于阈值时，定义该速度为本车的行驶速度。获得本车的行驶速度后，计算当前时刻的测量数据的速度与本车速度之和。当和小于阈值v时，对应的测量数据被标记为静态目标测量数据。当然也可使用当前时刻所有静态目标的平均速度更新本车的速度，并将未标记测量数据标记为动态目标测量数据。

相应的，本发明实施例还提供一种车载雷达测量数据识别装置，参见图3，所述装置包括：

数据获取单元301，用于获取车载雷达在同一时刻测量得到的多个测量数据，其中测量数据为目标的2个以上参数组成的向量，所述参数至少包括速度；

速度密度计算单元302，用于计算各测量数据中目标的速度在邻域范围内的速度密度；

速度选定单元303，用于选定在邻域范围内的速度密度最大的目标的速度；

分布广度确定单元304，用于确定选定速度对应的测量数据及其关联的其它各测量数据的分布广度，其中所述关联的其它测量数据为：目标的速度与选定速度差值的绝对值小于预设的第一误差阈值的测量数据；

车辆速度确定单元305，用于当所确定的分布广度满足预设的分散条件时，根据各测量数据中在选定速度的邻域范围内的目标的速度，确定车载雷达所在车辆的行驶速度；

目标状态判断单元306，用于根据测量数据中目标的速度和所确定的车辆速度，判断目标为静态目标或动态目标。

进一步的，速度选定单元303，还用于：当所确定的分布广度不满足预设的分散条件时，重新选定在邻域范围内的速度密度排名位居下一位的目标的速度，触发所述分布广度确定单元304继续执行确定选定速度对应的测量数据及其关联的其它测量数据的分布广度的步骤。

进一步的，速度密度计算单元302用于计算各测量数据中目标的速度在邻域范围内的速度密度，包括：针对每个测量数据：计算当前测量数据中目标的速度与获取到的其它各个测量数据中目标的速度之差的绝对值；统计差的绝对值小于预设的第二误差阈值的个数，将该个数作为当前测量数据中目标的速度在邻域范围内的速度密度。

进一步的，分布广度确定单元304用于确定选定速度对应的测量数据及其关联的其它各测量数据的分布广度，包括：

以选定速度对应的测量数据为当前中心点，计算其与关联的其它各测量数据之间的欧式距离，组成当前中心点的欧式距离集；

计算当前中心点的欧式距离集的区间范围，作为选定速度对应的测量数据及其关联的其它各测量数据的分布广度；

本发明实施例提供的装置还包括分散条件判断单元300，用于：如果计算得到的所述区间范围大于或等于预设的距离阈值，则判断所确定的分布广度满足预设的分散条件，否则所确定的分布广度不满足预设的分散条件。

进一步的，分布广度确定单元304用于计算当前中心点的欧式距离集的区间范围，包括：计算当前中心点的欧式距离集中最大欧式距离与最小欧式距离的差的绝对值，作为当前中心点的欧式距离集的区间范围。

进一步的，车辆速度确定单元305用于根据各测量数据中在该选定速度的邻域范围内的目标的速度，确定车载雷达所在车辆的行驶速度，包括：计算各测量数据中选定速度以及在选定速度的邻域范围内的目标的速度的平均值，作为车载雷达所在车辆的行驶速度。

进一步的，目标状态判断单元306用于根据测量数据中目标的速度和所确定的车辆速度，判断目标为静态目标或动态目标，包括：计算测量数据中目标的速度与所确定的车辆速度之和；当计算得到的和小于预设的速度阈值时，判断该测量数据对应的目标为静态目标，否则为动态目标。

需要说明的是，本发明实施例中的车载雷达测量数据识别装置与上述方法属于相同的发明构思，未在本装置中详述的技术细节可参见前面对方法的相关描述，在此不再赘述。

此外，本发明实施例还提供一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行前面所述的方法。

本发明实施例还提供一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行前面所述的方法。

本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件(例如处理器)完成，所述程序可以存储于计算机可读存储介质中，如只读存储器、磁盘或光盘等。可选地，上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地，上述实施例中的每个模块/单元可以采用硬件的形式实现，例如通过集成电路来实现其相应功能，也可以采用软件功能模块的形式实现，例如通过处理器执行存储于存储器中的程序/指令来实现其相应功能。本发明不限制于任何特定形式的硬件和软件的结合。

虽然本发明所揭露的实施方式如上，但所述的内容仅为便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式及细节上进行任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (9)

1.一种车载雷达测量数据识别方法，其特征在于，所述方法包括：

获取车载雷达在同一时刻测量得到的多个测量数据，其中测量数据为目标的2个以上参数组成的向量，所述参数至少包括速度；

计算各测量数据中目标的速度在邻域范围内的速度密度；

选定在邻域范围内的速度密度最大的目标的速度；

确定选定速度对应的测量数据及其关联的其它各测量数据的分布广度，其中所述关联的其它测量数据为：目标的速度与选定速度差值的绝对值小于预设的第一误差阈值的测量数据；

当所确定的分布广度满足预设的分散条件时，根据各测量数据中在选定速度的邻域范围内的目标的速度，确定车载雷达所在车辆的行驶速度；

根据测量数据中目标的速度和所确定的车辆速度，判断目标为静态目标或动态目标，其中，确定选定速度对应的测量数据及其关联的其它各测量数据的分布广度，包括：

以选定速度对应的测量数据为当前中心点，计算其与关联的其它各测量数据之间的欧式距离，组成当前中心点的欧式距离集；

计算当前中心点的欧式距离集的区间范围，作为选定速度对应的测量数据及其关联的其它各测量数据的分布广度；

所述方法还包括：如果计算得到的所述区间范围大于或等于预设的距离阈值，则判断所确定的分布广度满足预设的分散条件，否则所确定的分布广度不满足预设的分散条件。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

当所确定的分布广度不满足预设的分散条件时，重新选定在邻域范围内的速度密度排名位居下一位的目标的速度，继续执行确定选定速度对应的测量数据及其关联的其它测量数据的分布广度的步骤。

3.如权利要求1所述的方法，其特征在于，计算各测量数据中目标的速度在邻域范围内的速度密度，包括：

针对每个测量数据：计算当前测量数据中目标的速度与获取到的其它各个测量数据中目标的速度之差的绝对值；统计差的绝对值小于预设的第二误差阈值的个数，将该个数作为当前测量数据中目标的速度在邻域范围内的速度密度。

4.如权利要求1所述的方法，其特征在于，计算当前中心点的欧式距离集的区间范围，包括：

计算当前中心点的欧式距离集中最大欧式距离与最小欧式距离的差的绝对值，作为当前中心点的欧式距离集的区间范围。

5.如权利要求1所述的方法，其特征在于，根据各测量数据中在该选定速度的邻域范围内的目标的速度，确定车载雷达所在车辆的行驶速度，包括：

计算各测量数据中选定速度以及在选定速度的邻域范围内的目标的速度的平均值，作为车载雷达所在车辆的行驶速度。

6.如权利要求1所述的方法，其特征在于，根据测量数据中目标的速度和所确定的车辆速度，判断目标为静态目标或动态目标，包括：

计算测量数据中目标的速度与所确定的车辆速度之和；

当计算得到的和小于预设的速度阈值时，判断该测量数据对应的目标为静态目标，否则为动态目标。

7.一种车载雷达测量数据识别装置，其特征在于，所述装置包括：

数据获取单元，用于获取车载雷达在同一时刻测量得到的多个测量数据，其中测量数据为目标的2个以上参数组成的向量，所述参数至少包括速度；

速度密度计算单元，用于计算各测量数据中目标的速度在邻域范围内的速度密度；

速度选定单元，用于选定在邻域范围内的速度密度最大的目标的速度；

分布广度确定单元，用于确定选定速度对应的测量数据及其关联的其它各测量数据的分布广度，其中所述关联的其它测量数据为：目标的速度与选定速度差值的绝对值小于预设的第一误差阈值的测量数据；

车辆速度确定单元，用于当所确定的分布广度满足预设的分散条件时，根据各测量数据中在选定速度的邻域范围内的目标的速度，确定车载雷达所在车辆的行驶速度；

目标状态判断单元，用于根据测量数据中目标的速度和所确定的车辆速度，判断目标为静态目标或动态目标，其中，分布广度确定单元具体用于：

以选定速度对应的测量数据为当前中心点，计算其与关联的其它各测量数据之间的欧式距离，组成当前中心点的欧式距离集；

计算当前中心点的欧式距离集的区间范围，作为选定速度对应的测量数据及其关联的其它各测量数据的分布广度；

如果计算得到的所述区间范围大于或等于预设的距离阈值，则判断所确定的分布广度满足预设的分散条件，否则所确定的分布广度不满足预设的分散条件。

8.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至6中任一项所述的方法。

9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至6中任一项所述的方法。