CN113391270A - 多雷达点云融合的虚假目标抑制方法、装置及终端设备 - Google Patents

Abstract

本发明适用于雷达技术领域，提供了一种多雷达点云融合的虚假目标抑制方法、装置及终端设备，该方法包括：获取目标装置上多个雷达探测的原始目标数据，生成点云集；对所述点云集中的点云进行聚类，得到至少一个点云融合目标；根据各个点云融合目标对应的点云的属性值，计算融合属性值，根据各个点云融合目标的融合属性值和各个雷达的探测区域，确定每个点云融合目标的区域属性；并根据融合区域的点云融合目标对应的雷达个数和融合属性值，计算融合区域内点云融合目标的虚假概率；删除虚假概率超出预设概率范围的第一点云融合目标及该第一点云融合目标对应的点云。通过上述方案，本申请能够有效抑制雷达探测的虚假目标，提高雷达探测准确性。

Description

多雷达点云融合的虚假目标抑制方法、装置及终端设备

技术领域

本发明属于雷达技术领域，尤其涉及一种多雷达点云融合的虚假目标抑制方法、装置及终端设备。

背景技术

毫米波雷达，是工作在毫米波波段(millimeterwave)探测的雷达。因其探测距离远、高分辨率、测速及全天候使用等优点，使得毫米波雷达广泛应用于辅助驾驶及智能驾驶领域。

毫米波雷达工作时，由于电磁波在环境中经过多次反射，使雷达检测到一些虚假目标，即多径目标，且当雷达接收到其他设备发射的电磁波，并对其进行解调等信号处理后，会检测到一些干扰目标，这些虚假目标会导致车辆功能安全的决策错误，影响驾驶安全。

发明内容

有鉴于此，本发明实施例提供了一种多雷达点云融合的虚假目标抑制方法、装置及终端设备，以解决现有技术中因虚假目标造成的雷达探测准确性低下的问题。

本发明实施例的第一方面提供了一种多雷达点云融合的虚假目标抑制方法，包括：

获取目标装置上多个雷达探测的原始目标数据，生成点云集；

对所述点云集中的点云进行聚类，得到至少一个点云融合目标，并将各个点云融合目标与对应的雷达编号和点云进行关联；

获取所述点云集中各个点云的属性值，并根据各个点云融合目标对应的点云的属性值，计算对应点云融合目标的融合属性值；

根据各个点云融合目标的融合属性值和各个雷达的探测区域，确定每个点云融合目标的区域属性，所述区域属性包括非融合区域和融合区域；

将区域属性为融合区域的点云融合目标作为第一点云融合目标，并根据各个第一点云融合目标对应的雷达个数和融合属性值，计算各个第一点云融合目标的虚假概率；

删除虚假概率超出预设概率范围的第一点云融合目标及该第一点云融合目标对应的点云。

本发明实施例的第二方面提供了一种多雷达点云融合的虚假目标抑制装置，包括：

点云集生成模块，用于获取目标装置上多个雷达探测的原始目标数据，生成点云集；

融合目标获取模块，用于对所述点云集中的点云进行聚类，得到至少一个点云融合目标，并将各个点云融合目标与对应的雷达编号和点云进行关联；

融合属性计算模块，用于获取所述点云集中各个点云的属性值，并根据各个点云融合目标对应的点云的属性值，计算对应点云融合目标的融合属性值；

区域属性确定模块，用于根据各个点云融合目标的融合属性值和各个雷达的探测区域，确定每个点云融合目标的区域属性，所述区域属性包括非融合区域和融合区域；

虚假概率计算模块，用于将区域属性为融合区域的点云融合目标作为第一点云融合目标，并根据各个第一点云融合目标对应的雷达个数和融合属性值，计算各个第一点云融合目标的虚假概率；

虚假目标剔除模块，用于删除虚假概率超出预设概率范围的第一点云融合目标及该第一点云融合目标对应的点云。

本发明实施例的第三方面提供了一种终端设备，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所述多雷达点云融合的虚假目标抑制方法的步骤。

本发明实施例的第四方面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所述多雷达点云融合的虚假目标抑制方法的步骤。

本发明实施例与现有技术相比存在的有益效果是：本实施例首先获取目标装置上多个雷达探测的原始目标数据，生成点云集；然后对所述点云集中的点云进行聚类，得到至少一个点云融合目标，并将各个点云融合目标与对应的雷达编号和点云进行关联；根据各个点云融合目标对应的点云的属性值，计算对应点云融合目标的融合属性值，根据各个点云融合目标的融合属性值和各个雷达的探测区域，确定每个点云融合目标的区域属性；最后将区域属性为融合区域的点云融合目标作为第一点云融合目标，并根据各个第一点云融合目标对应的雷达个数和融合属性值，计算各个第一点云融合目标的虚假概率；删除虚假概率超出预设概率范围的第一点云融合目标及该第一点云融合目标对应的点云。通过上述方案，本实施例能够有效抑制雷达探测的虚假目标，提高雷达探测准确性。

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多雷达点云融合的虚假目标抑制方法的流程示意图；

图2是本发明实施例提供的多雷达点云融合的虚假目标抑制装置的结构示意图；

图3是本发明实施例提供的目标装置上多雷达的安装位置示意图；

图4是本发明实施例提供的车身坐标系和雷达R₁坐标系的示例图；

图5是本发明实施例提供的各个雷达的探测范围示意图；

图6是本发明实施例提供的融合区域划分示意图；

图7是本发明实施例提供的终端设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、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，省略对众所周知的系统、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。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

在一个实施例中，如图1所示，图1示出了本实施例提供的多雷达点云融合的虚假目标抑制方法的实现流程，上述实现流程的执行主体为目标装置的融合处理中心，其包括：

S101：获取目标装置上多个雷达探测的原始目标数据，生成点云集。

在本实施例中，目标装置可以为车辆，对于车载雷达技术领域，常见的雷达感知系统由单雷达构成，其探测角度范围只能包括部分区域，如车体正前方-60°～60°。此时，若车辆后方或侧方存在危险目标或即将威胁到本车安全的目标，则雷达无法在第一时间产生相应反应。本实施例通过在车身周围安装多个雷达传感器，分别覆盖不同的探测范围，可以较好地解决上述问题。

具体地，本实施例采用6雷达配置方式，可以实现车身360°的检测范围，多雷达具体包括1个前向雷达、1个后向雷达和4个角雷达。配置雷达的过程，包括雷达安装、雷达标定、各雷达信号连接及其数据接收。

雷达安装可按以下方式进行：如图3所示，前向雷达R₅安装于车身正前方，后向雷达R₆安装于车身正后方，4个角雷达R₁～R₄分别安装于车身四角处。各个雷达在车身的具体安装位置及水平安装角度如图4所示。具体的，XOY为车身坐标系，其中点O为车身坐标系原点，OX指向车身正前方，OY指向车身左方，这里车身坐标系原点可设于车身任意位置，一般选择车后轴中心位置；以雷达R₁为例，雷达R₁在车身坐标系XOY上的坐标为(dy,dx),其中dy为雷达R₁到OX的距离，dx为雷达R₁到OY的纵向距离，R₁的安装角度为θ₁，雷达R₁的安装角度是以车身坐标系OX为0度，图4的R₁X′和OX平行，顺时针旋转到雷达R₁的主方向R₁X₁，其中X₁O₁Y₁为雷达R₁的坐标系，O₁X₁指向R₁的正前方。

雷达标定可按以下方式进行：利用各雷达的自动标定功能进行安装位置标定，若雷达无自动标定功能，则可利用角反射器进行人工标定。

在本实施例中，车辆上各个雷达的探测角度范围如图5所示，雷达R₁的检测范围为图中的100，雷达R₂的探测范围为图中的200，雷达R₃的检测范围为图中300，雷达R₄、R₅和R₆的检测范围分别为400、500和600。这里可以看到，车身周围的6雷达安装方式能够实现车身周围360度范围的探测。

在本实施例中，雷达信号连接及数据接收可按以下方式进行：设计接口线束，调整融合处理中心和各雷达之间的接口方式、通信速率等，并通过CAN通信或网络通信接收各雷达的原始目标数据。

在一个实施例中，图1中S101的具体实现流程包括：

S601：获取所述目标装置上多个雷达探测的原始目标数据。

S602：对各个雷达探测的原始目标数据进行时间同步和空间同步，生成初始点云集。

S603：剔除所述初始点云集中的异常点云，得到所述点云集。

在本实施例中，融合处理中心获取各个雷达发送的原始目标数据，并对各雷达的原始目标数据进行时间同步处理，可以通过软同步或硬同步，保证各雷达的数据在时间上对齐，另外，还需要对各雷达的原始目标数据进行空间同步处理，通过坐标转换等方法，保证各雷达的数据对应于同一坐标系。

近一步地，在获取到初始点云集后，融合处理中心还需要对各雷达的原始数据进行数据粗处理，结合雷达系统性能，滤除一些较为异常的点云数据；如某一雷达探测距离为100m，若该雷达输出了200m的点云，则认为这一目标是虚假点云，并将其进行滤除。

S102：对所述点云集中的点云进行聚类，得到至少一个点云融合目标，并将各个点云融合目标与对应的雷达编号和点云进行关联。

在本实施例中，融合处理中心对点云集中的所有点云执行点云融合操作，这里的融合操作主要是根据点云的具体数据采用聚类方法对点云进行聚类。聚类方法可以包括Kmeans、Kmeans++、DBSCAN等，这样产生的聚类目标即为点云融合目标。

S103：获取所述点云集中各个点云的属性值，并根据各个点云融合目标对应的点云的属性值，计算对应点云融合目标的融合属性值。

在本实施例中，点云的属性值可以包括距离、方位和速度等。

在一个实施例中，图1中S103的具体实现流程包括：

针对任一点云融合目标，将该点云融合目标对应的各个点云的同一类属性值进行加权求和，得到该点云融合目标对应的该类属性值的融合属性值。

在本实施例中，若属性值包括多个，则针对每个属性值，将该点云融合目标对应的各个点云的该属性值进行加权求和，得到该点云融合目标对应的该属性值的融合属性值。

例如，若属性值为距离，则点云融合目标的融合距离为Kr＝b1*D1+b2*D2+……+bk*Dk，其中b1、b2……bk分别表示1至k各个点云的加权值，D1，D2……Dk分别表示该点云融合目标对应的1至k各个点云的距离。其中，r∈n，n表示属性值种类。

示例性地，b1+b2+…+bk＝1。

S104：根据各个点云融合目标的融合属性值和各个雷达的探测区域，确定每个点云融合目标的区域属性，所述区域属性包括非融合区域和融合区域。

在一个实施例中，所述融合属性值包括融合距离和融合方位；上述S104的具体实现流程包括：

S201：根据各个雷达的探测区域确定融合区域的范围和非融合区域的范围，所述融合区域为至少两个雷达的探测区域重合的区域；所述非融合区域为不重合的探测区域。

在本实施例中，融合处理中心根据各雷达安装位置、安装角度确定雷达检测范围，然后根据雷达检测范围进行融合区域划分。

如对于雷达R₁和雷达R₅，R₁的检测范围为图5中的100，R₅的检测范围为图5中的500，则雷达R₁和雷达R₅的融合区域为二者检测范围的交集，称之为混合区域。按照该思路，6雷达之间的融合区域划分如图6所示。其中，101为雷达R₁的单雷达区域，201为雷达R₂的单雷达区域，501为雷达R₅的单雷达区域，510为雷达R₅和雷达R₁的混合区域，520为雷达R₅和雷达R₂的混合区域，521为雷达R₅和R₂和R₁的混合区域，301为雷达R₃的单雷达区域，310为雷达R₃和R₁的混合区域，401为雷达R₄的单雷达区域，420为雷达R₄和R₂的混合区域，601为雷达R₆的单雷达区域，630为雷达R₆和雷达R₃的混合区域，640为雷达R₆和雷达R₄的混合区域，643为雷达R₆和雷达R₄和雷达R₃的混合区域。

S202：根据第二点云融合目标的融合距离和融合方位，判断所述第二点云融合目标是否位于融合区域内，若所述第二点云融合目标位于融合区域内，则判定所述第二点云融合目标的区域属性为融合区域。

S203：若所述第二点云融合目标位于非融合区域内，则判定所述第二点云融合目标的区域属性为非融合区域；所述第二点云融合目标为任一点云融合目标。

具体地，融合处理中心产生的点云融合目标，可能位于不同的方位、距离处，若目标处于单雷达区域，则将该点云融合目标标记“非融合区域”属性，若该点云融合目标处于多雷达混合区域，则将该融合目标标记“融合区域”属性。

S105：将区域属性为融合区域的点云融合目标作为第一点云融合目标，并根据各个第一点云融合目标对应的雷达个数和融合属性值，计算各个第一点云融合目标的虚假概率。

在一个实施例中，融合属性值包括融合位置，图1中S105的具体实现流程包括：

S301：根据第三点云融合目标对应的雷达个数计算第一概率值，所述第三点云融合目标为任一第一点云融合目标。

在本实施例中，根据公式pf1＝1-a*R_Num计算第一概率值，其中，a表示第一经验权值，R_Num表示第三点云融合目标对应的雷达个数。若点云融合目标关联的雷达个数较多，则认为该点云融合目标可信度较高，虚假概率较低。

具体地，0＜a＜1。

S302：根据所述第三点云融合目标对应的融合位置，计算第二概率值。

在一个实施例中，上述S302的具体实现流程包括：

S401：根据所述第三点云融合目标对应的融合位置，得到所述第三点云融合目标的各类融合属性可信度；

在本实施例中，由于雷达对不同位置的探测能力不同，因此点云融合目标在不同位置的可信度不同，具体地，根据第三点云融合目标对应的融合位置，得到第三点云融合目标的各类融合属性可信度。

S402：对所述第三点云融合目标对应的各个融合属性可信度进行加权求和，得到所述第二概率值。

在一个实施例中，根据公式pf2＝1-c1*M1+c2*M2+…+cn*Mn，计算第二概率值，其中，c1,c2,…,cn分别表示每个融合属性可信度对应的权值，M1,M2,…,Mn分别表示各类融合属性可信度。

S303：将所述第一概率值和所述第二概率值进行加权求和，得到所述第三点云融合目标的虚假概率。

在本实施例中，根据公式pf＝[e1*pf1+e2*pf2]，其中e1和e2分别为第一概率值和第二概率值的经验权值。

S106：删除虚假概率超出预设概率范围的第一点云融合目标及该第一点云融合目标对应的点云。

在本实施例中，若点云融合目标的虚假概率值超过预设概率范围，则认为其虚假概率过大，将该点云融合目标作为虚假目标删除，不进行后续的航迹计算等操作；若虚假概率值在预设概率范围内，则会对该点云融合目标进行后续航迹操作，但会影响航迹的参数，如航迹质量等。

例如，若点云融合目标的虚假概率值较低，则结合航迹的历史航迹质量，计算得到一个航迹的当前航迹质量值QT：

QT＝c11*Pf+d11*[d1*Q1+d2*Q2……d(T-1)*Q(T-1)]，其中d1,d2……d(T-1)是经验权值，Q1,Q2……Q(T-1)是某航迹近T-1次的航迹质量值，c11和d11同样是经验权值。

从上述实施例可知，本实施例利用多个传感器的感知结果，通过多毫米波雷达融合计算点云融合目标对所在区域关联的点云信息，从而识别出雷达探测的虚假目标，降低虚警率，提高雷达探测准确性。

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。

在一个实施例中，如图2所示，图2示出了本实施例提供的多雷达点云融合的虚假目标抑制装置100的结构，其包括：

点云集生成模块110，用于获取目标装置上多个雷达探测的原始目标数据，生成点云集；

融合目标获取模块120，用于对所述点云集中的点云进行聚类，得到至少一个点云融合目标，并将各个点云融合目标与对应的雷达编号和点云进行关联；

融合属性计算模块130，用于获取所述点云集中各个点云的属性值，并根据各个点云融合目标对应的点云的属性值，计算对应点云融合目标的融合属性值；

区域属性确定模块140，用于根据各个点云融合目标的融合属性值和各个雷达的探测区域，确定每个点云融合目标的区域属性，所述区域属性包括非融合区域和融合区域；

虚假概率计算模块150，用于将区域属性为融合区域的点云融合目标作为第一点云融合目标，并根据各个第一点云融合目标对应的雷达个数和融合属性值，计算各个第一点云融合目标的虚假概率；

虚假目标剔除模块160，用于删除虚假概率超出预设概率范围的第一点云融合目标及该第一点云融合目标对应的点云。

在一个实施例中，所述融合属性计算模块130包括：

针对任一点云融合目标，将该点云融合目标对应的各个点云的同一类属性值进行加权求和，得到该点云融合目标对应的该类属性值的融合属性值。

在一个实施例中，所述融合属性值包括融合距离和融合方位；区域属性确定模块140包括：

区域划分单元，用于根据各个雷达的探测区域确定融合区域的范围和非融合区域的范围，所述融合区域为至少两个雷达的探测区域重合的区域；所述非融合区域为不重合的探测区域；

融合区域判定单元，用于根据第二点云融合目标的融合距离和融合方位，判断所述第二点云融合目标是否位于融合区域内，若所述第二点云融合目标位于融合区域内，则判定所述第二点云融合目标的区域属性为融合区域；

非融合区域判定单元，用于若所述第二点云融合目标位于非融合区域内，则判定所述第二点云融合目标的区域属性为非融合区域；所述第二点云融合目标为任一点云融合目标。

在一个实施例中，融合属性值包括融合位置，虚假概率计算模块150包括：

第一概率值计算单元，用于根据第三点云融合目标对应的雷达个数计算第一概率值，所述第三点云融合目标为任一第一点云融合目标；

第二概率值计算单元，用于根据所述第三点云融合目标对应的融合位置，计算第二概率值；

虚假概率计算单元，用于将所述第一概率值和所述第二概率值进行加权求和，得到所述第三点云融合目标的虚假概率。

在一个实施例中，第二概率值计算单元包括：

可信度计算子单元，用于根据所述第三点云融合目标对应的融合位置，得到所述第三点云融合目标的各类融合属性可信度；

第二概率值计算子单元，用于对所述第三点云融合目标对应的各个融合属性可信度进行加权求和，得到所述第二概率值。

在一个实施例中，点云集生成模块110包括：

原始数据获取单元，用于获取所述目标装置上多个雷达探测的原始目标数据；

初始点云集生成单元，用于对各个雷达探测的原始目标数据进行时间同步和空间同步，生成初始点云集；

异常数据剔除单元，用于剔除所述初始点云集中的异常点云，得到所述点云集。

从上述实施例可知，本实施例利用多个传感器的感知结果，通过多毫米波雷达融合计算点云融合目标对所在区域关联的点云信息，从而识别出雷达探测的虚假目标，降低虚警率，提高雷达探测准确性。

图7是本发明一实施例提供的终端设备的示意图。如图7所示，该实施例的终端设备7包括：处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72。所述处理器70执行所述计算机程序72时实现上述各个多雷达点云融合的虚假目标抑制方法实施例中的步骤，例如图1所示的步骤101至106。或者，所述处理器70执行所述计算机程序72时实现上述各装置实施例中各模块/单元的功能，例如图2所示模块110至160的功能。

所述计算机程序72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71中，并由所述处理器70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72在所述终端设备7中的执行过程。

所述终端设备7指的是本实施例提及的融合处理中心，可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器70、存储器71。本领域技术人员可以理解，图7仅仅是终端设备7的示例，并不构成对终端设备7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，例如所述终端设备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70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71可以是所述终端设备7的内部存储单元，例如终端设备7的硬盘或内存。所述存储器71也可以是所述终端设备7的外部存储设备，例如所述终端设备7上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器71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。上述系统中单元、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/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备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系统，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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

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)

1.一种多雷达点云融合的虚假目标抑制方法，其特征在于，包括：

获取目标装置上多个雷达探测的原始目标数据，生成点云集；

对所述点云集中的点云进行聚类，得到至少一个点云融合目标，并将各个点云融合目标与对应的雷达编号和点云进行关联；

获取所述点云集中各个点云的属性值，并根据各个点云融合目标对应的点云的属性值，计算对应点云融合目标的融合属性值；

根据各个点云融合目标的融合属性值和各个雷达的探测区域，确定每个点云融合目标的区域属性，所述区域属性包括非融合区域和融合区域；

将区域属性为融合区域的点云融合目标作为第一点云融合目标，并根据各个第一点云融合目标对应的雷达个数和融合属性值，计算各个第一点云融合目标的虚假概率；

删除虚假概率超出预设概率范围的第一点云融合目标及该第一点云融合目标对应的点云。

2.如权利要求1所述的多雷达点云融合的虚假目标抑制方法，其特征在于，所述根据各个点云融合目标对应的点云的属性值，计算对应点云融合目标的融合属性值；包括：

针对任一点云融合目标，将该点云融合目标对应的各个点云的同一类属性值进行加权求和，得到该点云融合目标对应的该类属性值的融合属性值。

3.如权利要求1所述的多雷达点云融合的虚假目标抑制方法，其特征在于，所述融合属性值包括融合距离和融合方位；所述根据各个点云融合目标的融合属性值和各个雷达的探测区域，确定每个点云融合目标的区域属性，包括：

根据各个雷达的探测区域确定融合区域的范围和非融合区域的范围，所述融合区域为至少两个雷达的探测区域重合的区域；所述非融合区域为不重合的探测区域；

根据第二点云融合目标的融合距离和融合方位，判断所述第二点云融合目标是否位于融合区域内，若所述第二点云融合目标位于融合区域内，则判定所述第二点云融合目标的区域属性为融合区域；

若所述第二点云融合目标位于非融合区域内，则判定所述第二点云融合目标的区域属性为非融合区域；

所述第二点云融合目标为任一点云融合目标。

4.如权利要求1所述的多雷达点云融合的虚假目标抑制方法，其特征在于，所述融合属性值包括融合位置，所述根据各个第一点云融合目标对应的雷达个数和融合属性值，计算各个第一点云融合目标的虚假概率，包括：

根据第三点云融合目标对应的雷达个数计算第一概率值，所述第三点云融合目标为任一第一点云融合目标；

根据所述第三点云融合目标对应的融合位置，计算第二概率值；

将所述第一概率值和所述第二概率值进行加权求和，得到所述第三点云融合目标的虚假概率。

5.如权利要求4所述的多雷达点云融合的虚假目标抑制方法，其特征在于，所述根据所述第三点云融合目标对应的融合位置，计算第二概率值，包括：

根据所述第三点云融合目标对应的融合位置，得到所述第三点云融合目标的各类融合属性可信度；

对所述第三点云融合目标对应的各个融合属性可信度进行加权求和，得到所述第二概率值。

6.如权利要求1所述的多雷达点云融合的虚假目标抑制方法，其特征在于，所述获取目标装置上多个雷达探测的原始目标数据，生成点云集，包括：

获取所述目标装置上多个雷达探测的原始目标数据；

对各个雷达探测的原始目标数据进行时间同步和空间同步，生成初始点云集；

剔除所述初始点云集中的异常点云，得到所述点云集。

7.一种多雷达点云融合的虚假目标抑制装置，其特征在于，包括：

点云集生成模块，用于获取目标装置上多个雷达探测的原始目标数据，生成点云集；

融合目标获取模块，用于对所述点云集中的点云进行聚类，得到至少一个点云融合目标，并将各个点云融合目标与对应的雷达编号和点云进行关联；

融合属性计算模块，用于获取所述点云集中各个点云的属性值，并根据各个点云融合目标对应的点云的属性值，计算对应点云融合目标的融合属性值；

区域属性确定模块，用于根据各个点云融合目标的融合属性值和各个雷达的探测区域，确定每个点云融合目标的区域属性，所述区域属性包括非融合区域和融合区域；

虚假概率计算模块，用于将区域属性为融合区域的点云融合目标作为第一点云融合目标，并根据各个第一点云融合目标对应的雷达个数和融合属性值，计算各个第一点云融合目标的虚假概率；

虚假目标剔除模块，用于删除虚假概率超出预设概率范围的第一点云融合目标及该第一点云融合目标对应的点云。

8.如权利要求7所述的多雷达点云融合的虚假目标抑制装置，其特征在于，所述融合属性计算模块包括：

针对任一点云融合目标，将该点云融合目标对应的各个点云的同一类属性值进行加权求和，得到该点云融合目标对应的该类属性值的融合属性值。

9.一种终端设备，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权利要求1至6任一项所述方法的步骤。

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权利要求1至6任一项所述方法的步骤。

Images