基于毫米波雷达的辅助驾驶系统、方法、终端和介质技术方案

本发明专利技术提供一种基于毫米波雷达的辅助驾驶系统、方法、终端和存储介质，包括：至少一个毫米波(mmW)收发器(Tx/Rx)、原始数据处理单元、动静分离单元、融合单元、分析单元、决策单元，发明专利技术可以不依靠视觉传感器，单以毫米波雷达获得的点云数据进行预处理、融合、动静分离、获取个体语义、跟踪、分析，可以达到与视觉传感器处理图像获得目标同样的效果，本发明专利技术也可以利用视觉感知数据与雷达感知数据融合，再进行处理或分析；本发明专利技术对于目标物体跟踪时在相对距离、速度、角度数据上更精准，更适合在复杂场景比如人流量较大的停车场、园区、地库等等环境中使用。

Auxiliary Driving System, Method, Terminal and Media Based on Millimeter Wave Radar

【技术实现步骤摘要】
基于毫米波雷达的辅助驾驶系统、方法、终端和介质
本专利技术涉及汽车电子
，特别是涉及一种基于毫米波雷达的辅助驾驶系统、方法、终端和介质。
技术介绍
辅助驾驶技术现如今日渐成熟，就以现在的技术看，高级辅助驾驶系统(AdvancedDriverAssistanceSystem，ADAS)及无人驾驶系统中常用的感知设备是视觉感知设备、超声波雷达、激光雷达。应用摄像头作为感知设备是因为摄像头分辨率进高于其他传感器，可以获取足够多的环境细节，帮助车辆进行环境认知，车载摄像头可以描绘物体的外观和形状、读取标志等。视觉感知设备的局限在于：无法准确检测出物体的距离、受光照影响很大，光照较差容易引起误检。超声波雷达作为感知设备存在以下劣势：由于超声波在空气中的传播衰减较大，超声波传感器最大检测距离一般小于6米，无法在泊车过程中对远距离及速度较快的物体做出反应。超声波系统无法提供准确的物体信息，例如水平角度和垂直角度，速度,物体的轮廓等。超声波系统的错误检测率很高，而且环境比如湿度、风会很大影响检测性能。另外，超声波传感器需要破坏保险杠的外型，钻孔，安装和标定工作非常繁琐。激光雷达作为感知设备的最大优势在于使用环境限制较小，即不管在白天或是夜晚都能正常使用，限制因素是激光雷达的成本高昂。有些ADAS系统(AdvancedDriverAssistanceSystems，高级驾驶员辅助系统)采用视觉和超声波融合的方式，利用了两种传感器的优势，但对物体的距离检测精度不够，动态物体误检率高而且不准确，动态物体的速度检测精度很差，应用场景局限度高。毫米波雷达作为感知设备，一般采用24GHz或77GHz的工作频率。77GHz的优势在于其对测距和测速的准确性更高，水平角度的分辨率也更好，同时天线体积更小，也更少出现信号干扰的情况。雷达主要包括两种：SRR即Short-rangeradar短程雷达系统、MRR/LRR即mid-rangeradar,long-rangeradar中/长程雷达系统。现有公开车在毫米波雷达应用专利，例如公开号为DE19912370、DE102010051207、DE102010048896、DE102010015723、DE102009030075、DE102009016479、DE102014218092的一系列文献公开了毫米波雷达车载应用的技术路线，但创新点在于如何处理单个雷达数据以获得精准的速度、距离和角度信息。但是对于如何处理点云以获得车载雷达覆盖范围内点云的语义信息没有做出贡献。需要一种支持多场景、环境局限度低的驾驶员辅助驾驶系统，既降低了量产成本，又可以弥补单依靠传统视觉设备、视觉和超声波融合、激光雷达等感知、定位、决策方案的缺陷。
技术实现思路
为了解决上述的以及其他潜在的技术问题，本专利技术提供了一种基于毫米波雷达的辅助驾驶系统、方法、终端和存储介质，本专利技术可以不依靠视觉传感器，单以毫米波雷达获得的点云数据进行预处理、融合、动静分离、获取个体语义、跟踪、分析，可以达到与视觉传感器处理图像获得目标同样的效果，本专利技术也可以利用视觉感知数据与雷达感知数据融合，再进行处理或分析；本专利技术对于目标物体跟踪时在相对距离、速度、角度数据上更精准，更适合在复杂场景比如人流量较大的停车场、园区、地库等等环境中使用。一种基于毫米波雷达的辅助驾驶系统，包括：至少一个毫米波(mmW)收发器(Tx/Rx)，其被配置成放射发射雷达信号且接收所述发射雷达信号的回波信号；原始数据处理单元，所述原始数据处理单元用于对毫米波(mmW)收发器(Tx/Rx)发射/接收信号进行预处理，获得包括但不限于目标速度、目标距离、方位角和仰角在内的目标点信息；动静分离单元，所述动态静态分离单元对雷达视线范围内的所有检测到的目标进行动态静态分类、识别：对动态点聚类、跟踪，再分类获得动态个体；对静态点聚类、识别、分类，获得静态个体。进一步地，还包括融合单元，多组原始数据获得的点云信息汇聚于融合单元，融合单元转换不同坐标维度下的点云信息，并融合成单一坐标系下密集的三维点云数据集，将每一个毫米波传感器的点云信息坐标系转换到笛卡尔坐标系下，形成360°范围内目标点云。进一步地，还包括分析单元，所述分析单元获取车身信号、动态个体、静态个体以及环境信息中的一种或几种，分析环境信息、动态个体的意图和/或静态个体对自身路径规划的影响，并将分析结果输出至决策单元。进一步地，还包括决策单元，所述决策单元自获取到的毫米波分析结果做决策或融合视觉感知、分析结果做决策。其中，融合单元对多组原始数据进行数据融合，是根据毫米波雷达在车辆上的安装数量、安装方位和角度、标定参数等等参量进行融合。例如，车辆在前方两侧安装角雷达，并在前方安装远距离雷达，这种雷达布局方式和安装方式使融合单元可以获取前方180°范围内的水平角-+75°、垂直角-+20°，覆盖范围10厘米到1米范围内的感受野，前方远距离雷达在主方向有更长距离的感受野。再例如，车辆在后方两侧安装角雷达，并在后方安装远距离雷达，这种雷达布局方式使融合单元可以获取后方180°范围内的水平角-+75°、垂直角-+20°，覆盖范围10厘米到1米范围内的感受野，后方远距离雷达在主方向有更长距离的感受野。再例如，车辆在前方、后方安装远距离雷达、在四角安装角雷达，这种雷达局部方式使融合单元可以获取前方180°范围内的10厘米到1米范围内的感受野，并获取后方180°范围内的水平角-+75°、垂直角-+20°，覆盖范围10厘米到1米范围内的感受野，但在左侧、右侧两个侧方向上存在盲区。再例如，车辆在前方、后方均安装有角雷达和长距离雷达，使车辆前方和后方180°范围内融合单元均获取10厘米到1米范围内的感受野并在主方向上获取长距离的感受野，并在左侧和右侧分别安装有两个远距离雷达，使车辆左侧、右侧180°范围内融合单元均获取长距离感受野范围。进一步地，还包括跟踪单元，跟踪单元对于每个可以跟踪的动态物体来说，跟踪个体信息的包括但不限于位置、姿态、尺寸、矢量速度。进一步地，所述收发器被配置为多个接收单元(Rx)、多个发射单元Tx，通过MIMO(Multiple-InputMultiple-Output)使信号通过发射端与接收端的多个天线传送和接收，在不增加频谱资源和天线发射功率的情况下，可以成倍的提高系统信道容量。进一步地，对多发射单元(Tx)和多接收单元(Rx)检测原理通过频域分类、时域分类、编码分类的方式；其中频域分类即将总频段划分成若干个等间隔的频道(或称信道)，根据频率区分发射单元、接收单元之间的信道；其中时域分类即将时间分割成周期性的帧，每一帧再分割成若干个时隙，然后根据一定的时隙分配原则，分配发射单元发射时间间隙、接收单元接收的时间间隙，达到发射单元和接收单元信号不混扰的效果；其中编码分类是指不同发射单元和接收单元传输信息所用的信号不是靠频率不同或时隙不同来区分，而是用各自不同的编码序列来区分。优选地，多发射单元和多接收单元采用时域分类的方式通信。进一步地，所述原始数据处理单元计算Azimuth和Eelevation(方位角和仰角)时：通过发射单元(Tx)和接收单元(Rx)特定的编码规则设置以及天线布局设置，获得点的方位角和仰角数据本文档来自技高网...

【技术保护点】
1.一种基于毫米波雷达的辅助驾驶系统，其特征在于，包括：至少一个毫米波(mmW)收发器(Tx/Rx)，其被配置成放射发射雷达信号且接收所述发射雷达信号的回波信号；原始数据处理单元，所述原始数据处理单元用于对毫米波(mmW)收发器(Tx/Rx)发射/接收信号进行预处理，获得包括但不限于目标速度、目标距离、方位角和仰角在内的目标点信息；动静分离单元，所述动态静态分离单元对雷达视线范围内的所有检测到的目标进行动态静态分类、识别：对动态点聚类、跟踪，再分类获得动态个体；对静态点聚类、识别、分类，获得静态个体。

【技术特征摘要】
1.一种基于毫米波雷达的辅助驾驶系统，其特征在于，包括：至少一个毫米波(mmW)收发器(Tx/Rx)，其被配置成放射发射雷达信号且接收所述发射雷达信号的回波信号；原始数据处理单元，所述原始数据处理单元用于对毫米波(mmW)收发器(Tx/Rx)发射/接收信号进行预处理，获得包括但不限于目标速度、目标距离、方位角和仰角在内的目标点信息；动静分离单元，所述动态静态分离单元对雷达视线范围内的所有检测到的目标进行动态静态分类、识别：对动态点聚类、跟踪，再分类获得动态个体；对静态点聚类、识别、分类，获得静态个体。2.根据权利要求1所述的基于毫米波雷达的辅助驾驶系统，其特征在于，还包括融合单元，多组原始数据获得的点云信息汇聚于融合单元，融合单元转换不同坐标维度下的点云信息，并融合成单一坐标系下密集的三维点云数据集。3.根据权利要求1所述的基于毫米波雷达的辅助驾驶系统，其特征在于，还包括分析单元，所述分析单元获取车身信号、动态个体、静态个体以及环境信息中的一种或几种，分析环境信息、动态个体的意图和/或静态个体对自身路径规划的影响，并将分析结果输出至决策单元。4.根据权利要求1所述的基于毫米波雷达的辅助驾驶系统，其特征在于，还包括决策单元，所述决策单元自获取到的毫米波分析结果做决策或融合视觉感知、分析结果做决策。5.根据权利要求1所述的基于毫米波雷达的辅助驾驶系统，其特征在于，所述原始数据处理单元预处理:将原始数据二维傅里叶变换2D-FFT得到二维的距离多普勒频谱图，通过二维CFAR可对雷达覆盖范围内的多目标同时检测，通过ultrawidebandwidth超带宽及MIMO方案的合成孔径得到的超角分辨能力，会使对雷达天线可视范围内每个目标获得多个点云信息，目标点云信息包括但不限于目标速度、目标距离、水平角和垂直角。6.根据权利要求1所述的基于毫米波雷达的辅助驾驶系统，其特征在于，还包括跟踪单元，跟踪单元对于每个可以跟踪的动态物体来说，跟踪个体信息的包括但不限于位置、姿态、尺寸、矢量速度。7.根据权利要求1所述的基于毫米波雷达的辅助驾驶系统，其特征在于，还包括视觉感知数据融合单元，所述视觉感知数据融合单元将视觉感知设备获取的包括但不限于图像、视频在内的视觉感知数据通过统一的时序处理之后，将处理过的视觉感知数据与融合单元获得的360°雷达点云数据做融合，获得统一的时序表述与存储方式、障碍物的表述与存储方式。8.一种基于毫米波雷达的辅助驾驶方法，其特征在于，包括：S01：毫米波(mmW)收发器(Tx/Rx)放射发射雷达信号且接收所述发射雷达信号的回波信号，于对毫米波(mmW)收发器(Tx/Rx)发射/接收信号进行预处理，获得包括但不限于目标速度、目标距离、方位角和仰角在内的目标点信息；S02：对雷达视线范围内的所有检测到的目标进行动态静态分类、识别：对动态点聚类、跟踪，再分类获得动态个体；对静态点聚类、识别、分类，获得静态个体。S03：将每一个毫米波传感器的点云信息坐标系转换到笛卡尔坐标系下，形成360°范围内目标点云。9.根据权利要求8所述的基于毫米波雷达的辅助驾驶方法，其特征在于，所述动静分离单元对动态静态分类的具体方式：当目标是动态物体时：其中车体矢量速度用表示，其中动态目标速度用V′T表示，则V″T表示动态目标速度V′T在动态目标与车体连线方向的投影；多普勒速度VD就等于车体矢量速度在动...

【专利技术属性】
技术研发人员：李旭阳，李刚，邱宗德，郑博，
申请(专利权)人：纵目科技上海股份有限公司，
类型：发明
国别省市：上海,31