【技术实现步骤摘要】
一种雷达目标聚类方法以及相关装置
本申请涉及雷达
,尤其涉及一种雷达目标聚类方法以及相关装置。
技术介绍
毫米波雷达主要采用调频连续波的工作体制。其发射波是一束调频等幅波,通过检测回波信号的频率来探测目标的距离和速度信息,具有易于调制、所需发射功率低、带宽大、分辨率高、信号处理复杂程度低、成本低廉等优点。毫米波雷达接收周围环境的雷达信号回波时会输出大量的点迹。在这些点迹中,既有真实的目标雷达点迹,也有一些虚警目标雷达点迹,此外,同一个目标不同部位的反射回波可能导致多个点迹。因此,需要对毫米波雷达输出的点迹信息进行聚类及虚警消除,才能获得准确的环境感知信息。目前,对雷达检测输出点迹进行聚类的常用算法为基于密度的带有噪声的空间聚类(densitybasedspatialclusteringofapplicationswithnoise,DBSCAN)算法。DBSCAN是一种基于密度的聚类算法,这类密度聚类算法一般假定类别可以通过样本分布的紧密程度决定。同一类别的样本,他们之间的紧密相连的,也就是说,在该类别任意样本周围不远处一定有同类别的样本存在。通过将紧密相连的样本划为一类,这样就得到了一个聚类类别。通过将所有各组紧密相连的样本划为各个不同的类别,则得到了最终的所有聚类类别结果。将毫米波雷达应用于汽车时,当使用毫米波雷达对车辆目标进行检测时,对于公交车和大卡车等大型车辆,雷达输出的点迹数量通常多于1个。在实际应用中,需要对这些输出点迹进行聚类,以输出一个真实目标信息。在实际测试中发现,同一辆目标车
【技术保护点】
1.一种雷达目标聚类方法,其特征在于,包括:/n获取图像信息和雷达信号信息,其中,所述图像信息来自图像传感器,所述雷达信号信息来自雷达传感器;/n根据所述图像信息确定边界框集合;/n根据所述雷达信号信息确定雷达点迹集合;/n根据所述边界框集合和所述雷达点迹集合输出目标雷达点迹集合,所述目标雷达点迹集合中包括目标雷达点迹。/n
【技术特征摘要】
1.一种雷达目标聚类方法,其特征在于,包括:
获取图像信息和雷达信号信息,其中,所述图像信息来自图像传感器,所述雷达信号信息来自雷达传感器;
根据所述图像信息确定边界框集合;
根据所述雷达信号信息确定雷达点迹集合;
根据所述边界框集合和所述雷达点迹集合输出目标雷达点迹集合,所述目标雷达点迹集合中包括目标雷达点迹。
2.根据权利要求1所述的方法,其特征在于,根据所述边界框集合和所述雷达点迹集合输出所述目标雷达点迹集合,包括:
根据所述边界框集合中边界框的置信度和所述雷达点迹集合中雷达点迹的优先级输出所述目标雷达点迹集合。
3.根据权利要求2所述的方法,其特征在于,根据所述边界框集合中边界框的置信度和所述雷达点迹集合中雷达点迹的优先级输出所述目标雷达点迹集合,包括:
当所述边界框集合中包括第一边界框,且所述第一边界框的置信度为高置信度时,
确定所述第一边界框的范围内的雷达点迹为第一雷达点迹集合,所述第一雷达点迹集合从属于所述雷达点迹集合;
根据所述第一雷达点迹集合,输出第一目标雷达点迹,所述第一目标雷达点迹从属于所述目标雷达点迹集合,所述第一目标雷达点迹为所述第一边界框中的所述目标雷达点迹。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
当所述边界框集合中还包括第二边界框,且所述第二边界框的置信度为所述高置信度时,
确定所述第二边界框的范围内的雷达点迹为第二雷达点迹集合,所述第二雷达点迹集合从属于所述雷达点迹集合;
根据所述第二雷达点迹集合,输出第二目标雷达点迹,所述第二目标雷达点迹从属于所述目标雷达点迹集合。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
当所述边界框集合中包括第三子边界框,且所述第三子边界框的范围为所述第一边界框与所述第二边界框的交集时,
确定所述第一边界框减去所述第三子边界框的范围为第一子边界框;
确定所述第一子边界框的范围内的雷达点迹为第一雷达点迹子集合,所述第一雷达点迹子集合从属于所述第一雷达点迹集合;
根据所述第一雷达点迹子集合,输出所述第一目标雷达点迹。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
当所述边界框集合中包括所述第三子边界框,且所述第三子边界框为所述第一边界框与所述第二边界框的交集时,
确定所述第二边界框减去所述第三子边界框的范围为第二子边界框;
确定所述第二子边界框的范围内的雷达点迹为第二雷达点迹子集合,所述第二雷达点迹子集合从属于所述第二雷达点迹集合;
根据所述第二雷达点迹子集合,输出所述第二目标雷达点迹。
7.根据权利要求6所述的方法,其特征在于,所述第三子边界框的范围内的雷达点迹不输出所述目标雷达点迹。
8.根据权利要求6所述的方法,其特征在于,确定所述第二边界框减去所述第三子边界框的范围为所述第二子边界框之后,所述方法还包括:
当所述第二子边界框的范围内无雷达点迹时,
确定所述第三子边界框的范围内的雷达点迹为所述第二雷达点迹子集合;
根据所述第二雷达点迹子集合,输出所述第二目标雷达点迹。
9.根据权利要求2所述的方法,其特征在于,根据所述边界框集合中边界框的置信度和所述雷达点迹集合中雷达点迹的优先级输出所述目标雷达点迹集合,包括:
当所述边界框集合中包括第一边界框,且所述第一边界框的置信度为中置信度时,
确定所述第一边界框的范围内的雷达点迹为第一雷达点迹集合,所述第一雷达点迹集合从属于所述雷达点迹集合;
通过聚类算法计算所述第一雷达点迹集合,输出第一目标雷达点迹,所述第一目标雷达点迹从属于所述目标雷达点迹集合,所述第一目标雷达点迹为所述第一边界框中的所述目标雷达点迹。
10.根据权利要求3或9中任一项所述的方法,其特征在于,所述方法还包括:
当所述边界框集合中包括第二边界框,且所述第二边界框的置信度为中置信度时,
确定所述第二边界框的范围内的雷达点迹为第二雷达点迹集合,所述第二雷达点迹集合从属于所述雷达点迹集合;
通过聚类算法计算所述第二雷达点迹集合,输出第二目标雷达点迹,所述第二目标雷达点迹从属于所述目标雷达点迹集合。
11.根据权利要求10所述的方法,其特征在于,所述方法还包括:
当所述第二边界框的范围内的雷达点迹还包括第三雷达点迹集合时,
通过聚类算法计算所述第三雷达点迹集合,输出第三目标雷达点迹,所述第三目标雷达点迹从属于所述目标雷达点迹集合,其中,所述第二雷达点迹集合与所述第三雷达点迹集合没有交集。
12.根据权利要求10所述的方法,其特征在于,所述方法还包括:
当所述边界框集合中包括第三子边界框,且所述第三子边界框为所述第一边界框与所述第二边界框的交集时,
确定所述第一边界框减去所述第三子边界框的范围为第一子边界框;
确定所述第一子边界框的范围内的雷达点迹为第一雷达点迹子集合,所述第一雷达点迹子集合从属于所述第一雷达点迹集合;
通过聚类算法计算所述第一雷达点迹子集合,输出所述第一目标雷达点迹。
13.根据权利要求12所述的方法,其特征在于,所述方法还包括:
当所述边界框集合中包括所述第三子边界框,且所述第三子边界框为所述第一边界框与所述第二边界框的交集时,
确定所述第二边界框减去所述第三子边界框的范围为第二子边界框;
确定所述第二子边界框的范围内的雷达点迹为第二雷达点迹子集合,所述第二雷达点迹子集合从属于所述第二雷达点迹集合;
通过聚类算法计算所述第二雷达点迹子集合,输出所述第二目标雷达点迹。
14.根据权利要求13所述的方法,其特征在于,所述第三子边界框的范围内的雷达点迹不输出所述目标雷达点迹。
15.根据权利要求13所述的方法,其特征在于,确定所述第二边界框减去所述第三子边界框的范围为所述第二子边界框之后,所述方法还包括:
当所述第二子边界框的范围内无雷达点迹时,
确定所述第三子边界框的范围内的雷达点迹为所述第二雷达点迹子集合;
通过聚类算法计算所述第二雷达点迹子集合,输出所述第二目标雷达点迹。
16.根据权利要求2所述的方法,其特征在于,根据所述边界框集合中边界框的置信度和所述雷达点迹集合中雷达点迹的优先级输出所述目标雷达点迹集合,包括:
当所述边界框集合中包括第一边界框,且所述第一边界框的置信度为低置信度时,
所述第一边界框的范围内的雷达点迹不输出所述目标雷达点迹。
17.根据权利要求1-16中任一项所述的方法,其特征在于,所述边界框集合的范围外的雷达点迹不输出所述目标雷达点迹。
18.根据权利要求3-8中任一项所述的方法,其特征在于,所述高置信度的范围为0.7-1。
19.根据权利要求9-14中任一项所述的方法,其特征在于,所述中置信度的范围为0.7-0.3。
20.根据权利要求16所述的方法,其特征在于,所述低置信度的范围为0.3-0。
21.根据权利要求1-14中任一项所述的方法,其特征在于,所述雷达点迹集合中雷达点迹的优先级由所述雷达点迹集合中雷达点迹与所述雷达传感器之间的距离,以及所述雷达点迹集合中雷达点迹的置信度确定。
22.一种雷达目标聚类装置,其特征在于,包括:
获取模块,用于获取图像信息和雷达信号信息,其中,所述图像信息来自图像传感器,所述雷达信号信息来自雷达传感器;
图像处理模块,用于根据所述图像信息确定边界框集合;
雷达处理模块,用于根据所述雷达信号信息确定雷达点迹集合;
处理模块,用于根据所述图像处理模块确定的所述边界框集合,和所述雷达处理模块确定的所述雷达点迹集合输出目标雷达点迹集合,所述目标雷达点迹集合中包括目标雷达点迹。
23.根据权利要求22所述的雷达目标聚类装置,其特征在于,
所述处理模块...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。