用于车载雷达的目标状态估计方法、装置及存储介质制造方法及图纸

本发明专利技术提供了一种用于车载雷达的目标状态估计方法、装置及存储介质，以解决现在技术中的对目标跟踪容易出现目标跟踪中断、丢失等问题。其中，所述方法包括：获取携载所述雷达的车辆的当前状态信息以及所述雷达的探测目标的当前帧的实测状态向量以及前一帧的目标状态向量；基于所述当前状态信息对所述前一帧的目标状态向量进行补偿并根据补偿后的所述前一帧的目标状态向量估计当前帧的预测状态向量；根据预设的方式并基于所述当前帧的实测状态向量以及所述当前帧的预测状态向量确定当前帧的目标状态向量。采用本发明专利技术实施例的技术方案能够大幅度提升车载雷达在复杂运动场景中目标跟踪的稳定性和连续性。中目标跟踪的稳定性和连续性。中目标跟踪的稳定性和连续性。

【技术实现步骤摘要】
用于车载雷达的目标状态估计方法、装置及存储介质


[0001]本专利技术涉及车载雷达
，特别涉及一种用于车载雷达的目标状态估计方法、装置及存储介质。

技术介绍

[0002]近年来，用于车载毫米波雷达的目标状态估计方法成为一个新的研究热点，车载毫米波雷达具有全天候工作的优势，通常被安装在汽车保险杠的正中间，面向汽车的前进方向，被用于汽车环境感知的一部分，车载毫米波雷达通过向环境发射微波，微波遇到目标发生反射，雷达接收器通过回波在短时间内就能探测出目标的速度、角度、距离等。车载毫米波雷达方向性好、探测距离远且受环境（雨雪、风沙等）干扰小，并且成本也低于激光雷达，目前已在辅助驾驶系统中得到广泛应用，能够实现毫米波防撞雷达、自适应巡航、盲区检测、辅助变道等功能。
[0003]但是，当车辆在行进过程中，由于车身姿态的不断变化，会导致在使用车载毫米波雷达探测目标的实测过程中，车载毫米波雷达检测点超出目标的关联门限，使得目标跟踪不上而出现中断、丢失等；并且，亦会因为相对速度的变化导致目标的动、静态属性判别出错，进而影响到辅助驾驶的功能决策。
[0004]因此，为了解决上述技术问题，亟需提供一种新的用于车载雷达的目标状态估计方法以实现稳定连续跟踪目标。

技术实现思路

[0005]为了克服现有技术的不足，本专利技术的目的在于提供一种用于车载雷达的目标状态估计方法、装置及存储介质，以解决现在技术中的对目标跟踪容易出现目标跟踪中断、丢失等的问题。
[0006]本专利技术的目的采用以下技术方案实现：根据本专利技术的一方面，提供一种用于车载雷达的目标状态估计方法，其中，所述方法包括：获取携载所述雷达的车辆的当前状态信息以及所述雷达的探测目标的当前帧的实测状态向量以及前一帧的目标状态向量；基于所述当前状态信息对所述前一帧的目标状态向量进行补偿并根据补偿后的所述前一帧的目标状态向量估计当前帧的预测状态向量；根据预设的方式并基于所述当前帧的实测状态向量以及所述当前帧的预测状态向量确定当前帧的目标状态向量。
[0007]进一步地，所述当前状态信息至少包括当前偏航角速度，所述目标状态向量包括与所述目标相关联的位置信息以及速度信息。
[0008]可选地，所述根据预设的方式并基于所述当前帧的实测状态向量以及所述当前帧的预测状态向量确定当前帧的目标状态向量包括：根据扩展卡尔曼滤波方式确定所述当前帧的目标状态向量。
[0009]进一步地，根据所述当前偏航角速度计算在预设时间段内的偏航角度；
基于所述偏航角度构造目标状态补偿矩阵，并根据所述目标状态补偿矩阵对所述前一帧的目标状态向量进行补偿。
[0010]进一步地，所述目标状态补偿矩阵由下式表示：；其中，表示所述目标状态补偿矩阵，表示所述偏航角度。
[0011]进一步地，所述根据补偿后的所述前一帧的目标状态向量估计当前帧的预测状态向量包括：根据补偿后的所述前一帧的目标状态向量以及预设的状态转移矩阵计算所述当前帧的预测状态向量。
[0012]进一步地，所述根据扩展卡尔曼滤波方式确定所述当前帧的目标状态向量包括：根据前一帧的状态协方差、所述预设的状态转移矩阵以及预设的过程噪声协方差计算当前帧的预测状态协方差；根据所述当前帧的预测状态协方差、与所述预测状态向量相关联的雅克比矩阵以及预设的测量噪声矩阵计算卡尔曼增益系数；根据所述当前帧的预测状态向量构造当前帧的预测极坐标向量，并将极坐标形式的所述当前帧的实测状态向量与所述预测极坐标向量相减以得到第一差值向量；将所述第一差值向量乘以所述卡尔曼增益系数，再与所述当前帧的预测状态向量求和，以得到所述当前帧的目标状态向量。
[0013]进一步地，所述根据扩展卡尔曼滤波方式确定所述当前帧的目标状态向量还包括：用单位矩阵减去所述卡尔曼增益系数与所述雅克比矩阵的乘积以得到第二差值向量；将所述第二差值向量乘以所述当前帧的预测状态协方差，以得到当前帧的状态协方差。
[0014]进一步地，所述基于所述当前状态信息对所述前一帧的目标状态向量进行补偿并根据补偿后的所述前一帧的目标状态向量估计当前帧的预测状态向量，包括：按照下式估计所述当前帧的预测状态向量：；其中，表示所述预设的状态转移矩阵，表示所述前一帧的目标状态向量，表示所述当前帧的预测状态向量，表示所述目标状态补偿矩阵。
[0015]进一步地，所述根据前一帧的状态协方差、所述预设的状态转移矩阵以及预设的过程噪声协方差计算当前帧的预测状态协方差，包括：按照下式计算所述当前帧的预测状态协方差：；其中，表示所述前一帧的状态协方差，表示所述当前帧的预测状态协方差，表示所述过程噪声协方差，表示所述预设的状态转移矩阵，表示所述预设的状态转移矩阵的转置矩阵。
[0016]进一步地，所述根据所述当前帧的预测状态协方差、与所述预测状态向量相关联的雅克比矩阵以及预设的测量噪声矩阵计算卡尔曼增益系数，包括：按照下式计算所述卡尔曼增益系数：；其中，表示所述当前帧的预测状态协方差，表示所述雅克比矩阵，表示所述雅克比矩阵的转置矩阵，表示所述测量噪声矩阵，表示所述卡尔曼增益系数。
[0017]进一步地，所述根据所述当前帧的预测状态向量构造当前帧的预测极坐标向量，包括：根据下式构造所述当前帧的预测极坐标向量：；其中，表示所述当前帧的预测极坐标向量，表示所述当前帧的预测状态向量中x方向的距离分量，表示所述当前帧的预测状态向量中y方向的距离分量，表示所述当前帧的预测状态向量中x方向的速度分量，表示所述当前帧的预测状态向量中y方向的速度分量。
[0018]进一步地，根据所述当前帧的预测状态向量构造当前帧的预测极坐标向量，并将极坐标形式的所述当前帧的实测状态向量与所述预测极坐标向量相减以得到第一差值向量，以及将所述第一差值向量乘以所述卡尔曼增益系数，再与所述当前帧的预测状态向量求和，以得到所述当前帧的目标状态向量包括：按照下式计算所述当前帧的目标状态向量：；其中，表示所述当前帧的预测状态向量，表示所述卡尔曼增益系数，Z表示所述当前帧的实测状态向量，表示所述预测极坐标向量，表示所述当前帧的目标状态向量。
[0019]进一步地，所述用单位矩阵减去所述卡尔曼增益系数与所述雅克比矩阵的乘积以得到第二差值向量，并将所述第二差值向量乘以所述当前帧的预测状态协方差，以得到当前帧的状态协方差，包括：按照下式计算所述当前帧的状态协方差：；其中，是单位矩阵，表示所述当前帧的状态协方差，K表示所述卡尔曼增益系数，表示所述雅克比矩阵，表示所述当前帧的预测状态协方差。
[0020]进一步地，所述方法还包括：针对所述目标，根据所述当前帧的目标状态向量中的x方向的速度分量以及y方向的速度分量计算当前帧的该目标的绝对速度；基于所述当前帧的该目标的绝对速度、以及当前帧针对该目标的关联检测点的动静属性进行多帧连续判断以确定该目标的动静属性。
[0021]进一步地，所述当前状态信息还包括当前车速，并且所述基于所述当前帧的该目标的绝对速度、以及当前帧针对该目标的关联检测点的动静属性进行多帧连续判断本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于车载雷达的目标状态估计方法，其特征在于，所述方法包括：获取携载所述雷达的车辆的当前状态信息以及所述雷达的探测目标的当前帧的实测状态向量以及前一帧的目标状态向量；基于所述当前状态信息对所述前一帧的目标状态向量进行补偿并根据补偿后的所述前一帧的目标状态向量估计当前帧的预测状态向量；根据预设的方式并基于所述当前帧的实测状态向量以及所述当前帧的预测状态向量确定当前帧的目标状态向量。2.如权利要求1所述的用于车载雷达的目标状态估计方法，其特征在于，所述当前状态信息至少包括当前偏航角速度，所述目标状态向量包括与所述目标相关联的位置信息以及速度信息。3.如权利要求2所述的用于车载雷达的目标状态估计方法，其特征在于，所述根据预设的方式并基于所述当前帧的实测状态向量以及所述当前帧的预测状态向量确定当前帧的目标状态向量包括：根据扩展卡尔曼滤波方式确定所述当前帧的目标状态向量。4.如权利要求3所述的用于车载雷达的目标状态估计方法，其特征在于，根据所述当前偏航角速度计算在预设时间段内的偏航角度；基于所述偏航角度构造目标状态补偿矩阵，并根据所述目标状态补偿矩阵对所述前一帧的目标状态向量进行补偿。5.如权利要求4所述的用于车载雷达的目标状态估计方法，其特征在于，所述目标状态补偿矩阵由下式表示：；其中，表示所述目标状态补偿矩阵，表示所述偏航角度。6.如权利要求3所述的用于车载雷达的目标状态估计方法，其特征在于，所述根据补偿后的所述前一帧的目标状态向量估计当前帧的预测状态向量包括：根据补偿后的所述前一帧的目标状态向量以及预设的状态转移矩阵计算所述当前帧的预测状态向量。7.如权利要求6所述的用于车载雷达的目标状态估计方法，其特征在于，所述根据扩展卡尔曼滤波方式确定所述当前帧的目标状态向量包括：根据前一帧的状态协方差、所述预设的状态转移矩阵以及预设的过程噪声协方差计算当前帧的预测状态协方差；根据所述当前帧的预测状态协方差、与所述预测状态向量相关联的雅克比矩阵以及预设的测量噪声矩阵计算卡尔曼增益系数；根据所述当前帧的预测状态向量构造当前帧的预测极坐标向量，并将极坐标形式的所述当前帧的实测状态向量与所述预测极坐标向量相减以得到第一差值向量；将所述第一差值向量乘以所述卡尔曼增益系数，再与所述当前帧的预测状态向量求
和，以得到所述当前帧的目标状态向量。8.如权利要求7所述的用于车载雷达的目标状态估计方法，其特征在于，所述根据扩展卡尔曼滤波方式确定所述当前帧的目标状态向量还包括：用单位矩阵减去所述卡尔曼增益系数与所述雅克比矩阵的乘积以得到第二差值向量；将所述第二差值向量乘以所述当前帧的预测状态协方差，以得到当前帧的状态协方差。9.如权利要求8所述的用于车载雷达的目标状态估计方法，其特征在于，所述基于所述当前状态信息对所述前一帧的目标状态向量进行补偿并根据补偿后的所述前一帧的目标状态向量估计当前帧的预测状态向量，包括：按照下式估计所述当前帧的预测状态向量：；其中，表示所述预设的状态转移矩阵，表示所述前一帧的目标状态向量，表示所述当前帧的预测状态向量，表示所述目标状态补偿矩阵。10.如权利要求9所述的用于车载雷达的目标状态估计方法，其特征在于，所述根据前一帧的状态协方差、所述预设的状态转移矩阵以及预设的过程噪声协方差计算当前帧的预测状态协方差，包括：按照下式计算所述当前帧的预测状态协方差：；其中，表示所述前一帧的状态协方差，表示所述当前帧的预测状态协方差，表示所述过程噪声协方差，表示所述预设的状态转移矩阵，表示所述预设的状态转移矩阵的转置矩阵。11.如权利要求10所述的用于车载雷达的目标状态估计方法，其特征在于，所述根据所述当前帧的预测状态协方差、与所述预测状态向量相关联的雅克比矩阵以及预设的测量噪声矩阵计算卡尔曼增益系数，包括：按照下式计算所述卡尔曼增益系数：；其中，表示所述当前帧的预测状态协方差，表示所述...

【专利技术属性】
技术研发人员：李瑞，郭坤鹏，胡溢鑫，张燎，冯友怀，
申请(专利权)人：南京隼眼电子科技有限公司，
类型：发明
国别省市：