一种雷达图像目标识别方法技术

本发明专利技术属于雷达目标识别领域，具体提供一种雷达图像目标识别方法，用以提高目标识别的精度和效率。本发明专利技术首先计算点云数据中每个点数据的法向量，再将法向量映射至三维坐标系中得到对应法向点，并对所有法向点进行聚类，得到多个聚类簇；然后计算每个聚类簇的法向一致性与法向变化连续性，并根据法向一致性与法向变化连续性对聚类簇所在体素格的边长进行自适应调节；最后对点云数据进行自适应体素滤波，将滤波后的点云数据输入到神经网络中，由神经网络输出车辆目标的3D包围框，根据3D包围框对雷达图像中的车辆目标进行识别。本发明专利技术在减少点云数据中数据量的同时保留目标物体的细节信息，有效提高目标识别的精度和效率。有效提高目标识别的精度和效率。有效提高目标识别的精度和效率。

【技术实现步骤摘要】
一种雷达图像目标识别方法


[0001]本专利技术属于雷达目标识别领域，具体提供一种雷达图像目标识别方法。

技术介绍

[0002]随着汽车雷达的工作环境越来越复杂，道路、行人识别能力的要求也越来越高，汽车雷达必须具备高精度区分感兴趣目标的能力，并根据点云的分割结果实现雷达图像目标识别。激光雷达主动发射激光束，通过测量光线打到物体或表面后反射回来所需要的时间，计算激光雷达到目标点的距离，这个行为快速重复过程中会获取数百万个数据点，根据这些数据点构建出空间表面的复杂“地图”，即得到雷达图像，也称为点云；点云实际上就是一堆点数据的集合，每个点数据都包含三维坐标信息。
[0003]由于汽车雷达需要不断地进行快速扫描，每次扫描都会产生大量的数据点，为了降低数据量，提高对目标的识别效率，往往需要对获得的点云数据进行滤波；其中，体素滤波是较为常用的一种滤波方法，可以实现向下采样且基本不破坏点云本身几何结构的功能，同时可以去除一定程度的噪音点及离群点，但是会移动点的位置。
[0004]体素滤波的原理是：首先计算一个能够刚好包裹住点云数据的大立方体本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种雷达图像目标识别方法，其特征在于，包括以下步骤：步骤1、获取汽车雷达图像，并获取汽车雷达图像中行进方向上的点云数据；计算点云数据中每个点数据的法向量，并设置体素格的初始边长对点云数据进行划分，得到初始体素格；步骤2、将点云数据中每个点数据的法向量映射至三维坐标系中得到对应法向点，并对所有法向点进行聚类，得到多个聚类簇；步骤3、计算每个聚类簇的法向一致性；步骤4、计算每个聚类簇的法向变化连续性；步骤5、针对每个聚类簇，根据聚类簇的法向一致性与法向变化连续性，对聚类簇所在体素格的边长进行自适应调节；步骤6、根据每个聚类簇所在体素格的自适应边长对点云数据进行自适应体素滤波，得到滤波后的点云数据；步骤7、将滤波后的点云数据输入到神经网络中，由神经网络输出车辆目标的3D包围框，根据3D包围框对雷达图像中的车辆目标进行识别。2.根据权利要求1所述雷达图像目标识别方法，其特征在于，步骤1中，体素格的初始边长设置为最大尺寸。3.根据权利要求1所述雷达图像目标识别方法，其特征在于，步骤1中，计算点云数据中每个点数据的法向量的具体过程为：对于任一点数据，使用kd
‑
tree搜索该点数据在K维空间中最邻近的A个邻近点，对A个邻近点进行主成分分析，得到K个方向上的特征值，将其中最小的特征值对应的特征向量作为该点数据的法向量。4.根据权利要求1所述雷达图像目标识别方法，其特征在于，步骤3中，具体过程为：对于任一聚类簇，计算聚类簇中所有法向点两两之间的欧式距离，进而计算得到欧式距离的方差，作为聚类簇的类内方差；对类内方差的相反数进行归一化处理，得到聚类簇的法向一致性。5.根据权利要求1所述雷达图像目标识别方法，其特征在于，步骤4中，具体过程为：对于任一聚类簇，获取聚类簇中每个法向点分别投影在x轴、y轴和z轴方向上的坐标值，并提取聚类簇中所有法向点分别投影在x轴、y轴和z轴方向上的最大坐标值和最小坐标值，将得到x轴、y轴和z轴方向上的最大坐标值与最小坐标值的差值分别作为聚类簇在x轴、y轴和z轴方向上的分布范围；进而分别计算聚类簇在x轴、y轴和z轴方向上的变化连续性：，，，
其中，ΔX
j
、ΔY
j
、ΔZ
j
分别表示第j个聚类簇在x轴、y轴、z轴方向上的分布范围，g
...

【专利技术属性】
技术研发人员：刘兆瑜，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：