基于毫米波雷达点云数据的室内人员计数、定位方法技术

本发明专利技术公开了一种基于毫米波雷达点云数据的室内人员计数、定位方法，对毫米波雷达输出的点云数据的处理过程包括以下步骤：对点云数据进行预处理；将处理后的点云与上一时刻的目标在二维平面上叠加，进行密度聚类，将检测点与目标相关联，对于含有多个目标的簇，对其中的检测点按照其与簇中目标的距离再分类；更新目标当前时刻的位置；管理目标状态，并统计人员数量和位置。本方法在点云与目标叠加后聚类以确定检测点与目标的关系，这使得与目标关联的检测点可以是任何形状，提高数据关联的准确性；另外对于含有多个目标的簇进行再分类，减小目标在距离较近情况下的数据关联错误率。减小目标在距离较近情况下的数据关联错误率。减小目标在距离较近情况下的数据关联错误率。

【技术实现步骤摘要】
基于毫米波雷达点云数据的室内人员计数、定位方法


[0001]本专利技术涉及人员检测领域，尤其涉及一种基于毫米波雷达的室内人员计数、定位方法。

技术介绍

[0002]一般情况下，房间内照明、供暖、通风、空调等设备的运行状态主要由人为控制，受人员判断的主观性以及其生活习惯的影响，人为控制的方式会造成很大的资源浪费，不利于节能减排，对于上述问题的解决办法是根据房间内人员信息对这些设备进行智能控制，通过需求驱动，减少不必要的能源消耗，提高能源利用效率。这种控制方案要求控制系统能够感知室内人员的状态，如人员的数量、位置，目前较为成熟方案的是摄像头，但其会导致隐私泄露，难以在室内办公区普及推广，而新近出现的毫米波雷达技术不涉及隐私问题，并且检测精度同摄像头方案相当，具有良好的应用前景。
[0003]在目前的基于毫米波雷达的室内人员信息检测方法中，主要是使用经典的多目标跟踪算法，在本专利技术申请人申请的在先专利CN2022102778411“基于毫米波雷达点云数据的室内人员信息检测方法”
技术介绍
中提及：在专利《一种雷达检测设备对运动以及静止目标持续跟踪关联方法》，专利号：CN201811151782.3中，当检测点云消失时，依据关联点云消失前的位置、速度、加速度信息按照惯性定理对当前时刻的位置、速度、加速度进行预测，对消失的点迹进行补偿，使轨迹连续，该方法的不足之处在于当点云消失是由于目标静止引起时，目标长时间处于静止状态，预测的位置会逐渐远离目标的实际位置，导致轨迹错误，当静止目标再次运动时，又会重新生成一条新的轨迹，造成虚警。在专利《基于毫米波雷达的人员检测跟踪与计数算法》，专利号：CN202010243717.4，和专利《一种基于毫米波雷达的人员计数跟踪方法》，专利号：CN202110108936.6中，把检测点云消失的情况判定为目标静止，以点云消失前最后检测到的位置作为目标静止时的位置保留，如果检测点云消失的原因不是由于目标静止引起，如目标运动到雷达检测盲区或目标运动的方向和目标与雷达所在的直线方向垂直时，该方法仍可能会出现误判，当检测点云再次出现时，可能已无法与被判定为静止的目标相关联，会重新生成新的目标，造成虚警。使用多目标跟踪算法的不足之处在于室内人员存在多种运动状态，属于非机动目标，常用的机动目标运动模型很难符合客观情况；并且人员静止时点云会消失，即缺失雷达对目标的观测，若长时间根据模型预测目标位置，预测的位置会逐渐远离目标的实际位置，导致轨迹错误；另外，人员相距较近时，基于波门的数据关联准确性会降低，影响目标跟踪的效果。

技术实现思路

[0004]本专利技术的目的是提供一种基于毫米波雷达点云数据的室内人员计数、定位方法，通过对毫米波雷达输出的各帧点云数据进行处理，获取到人员的数量及其位置信息，解决了现有技术存在的不足。
[0005]为了实现上述目的，本专利技术一种基于毫米波雷达点云数据的室内人员计数、定位
方法，对毫米波雷达输出的点云数据的处理过程，包括以下步骤：
[0006]S1、对三维点云数据进行预处理，包括点云位置由球坐标系转换到直角坐标系，并筛选指定区域的检测点；
[0007]S2、把当前时刻点云与上一时刻目标进行叠加，然后进行密度聚类，从而将检测点与目标进行关联，同时对含有多个目标的簇，按照检测点与目标的距离再次分类，将检测点分配到与其距离最近的目标；
[0008]S3、将与目标相关联检测点的中心位置作为雷达对目标位置的观测，更新目标当前时刻的位置；
[0009]S4、依据检测点关联情况管理目标的状态，统计人数、位置信息。
[0010]优选方式下，本专利技术的具体步骤为：
[0011]S1、对三维点云数据进行预处理，包括以下子步骤：
[0012]S101、点云数据信息包括由毫米波雷达输出的距离r、方位角和俯仰角θ。
[0013]S102、将点云的位置表示由球坐标系转换到平面直角坐标系，忽略点云的高度信息，每个检测点以p
i
表示，p
i
＝[x
i y
i
]T
，其中x
i
和y
i
分别表示第i个检测点在x和y方向的坐标，
[0014][0015][0016]S103、设指定检测区域x方向的边界为x
min
和x
max
，y方向的边界为y
min
和y
max
，筛选后的检测点数量为n，则筛选后的点云集合为，
[0017]Q＝{p
i
|x
min
＜x
i
＜x
max
,y
min
＜y
i
＜y
max
,i＝1,2,
…
,n}(3)
[0018]S104、结束；
[0019]S2、将检测点与目标相关联，包括以下子步骤：
[0020]S201、以S
i,k
＝[x
i,k y
i,k
]T
表示第i个目标，其中x
i,k
和y
i,k
分别表示k时刻目标在x和y方向的坐标，假设k
‑
1时刻一共有m个目标，则记这些目标构成的集合为R，
[0021]R＝{S
j,k
‑1|j＝1,2,
…
,m}(4)
[0022]将k
‑
1时刻的m个目标与当前时刻筛选出的n个检测点叠加在一起，记为集合G，
[0023]G＝Q∪R(5)
[0024]S202、使用密度聚类算法对集合G中的对象进行聚类，并用C
i
记录第i个聚类簇中的检测点序号，D
i
记录第i个聚类簇中的目标序号；
[0025]S203、若D
i
中元素数量为0，即第i个聚类簇不含有目标，则产生一个新的目标，假设其为第j个目标，把C
i
对应的检测点关联到该新目标上，用E
j
记录；
[0026]S204、若D
i
中元素数量为1，即第i个聚类簇只有1个目标，假设其为第j个目标，把C
i
对应的检测点关联到该目标上，用E
j
记录；
[0027]S205、若D
i
中元素数量大于1，即含有多个目标，计算C
i
中的检测点与D
i
中所有目标的距离，将检测点关联给与其距离最近的目标，每个目标关联的检测点序号用E
j
记录；
[0028]S206、结束；
[0029]S3、更新目标当前时刻的位置，包括以下子步骤：
[0030]S301、对于上一时刻已存在的目标，若与目标关联的检测点数量为0，则目标位置
保持不变，即
[0031]S
i,k本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于毫米波雷达点云数据的室内人员计数、定位方法，其特征在于，对毫米波雷达输出的点云数据的处理过程，包括以下步骤：S1、对三维点云数据进行预处理，包括点云位置由球坐标系转换到直角坐标系，并筛选指定区域的检测点；S2、把当前时刻点云与上一时刻目标进行叠加，然后进行密度聚类，从而将检测点与目标进行关联，同时对含有多个目标的簇，按照检测点与目标的距离再次分类，将检测点分配到与其距离最近的目标；S3、将与目标相关联检测点的中心位置作为雷达对目标位置的观测，更新目标当前时刻的位置；S4、依据检测点关联情况管理目标的状态，统计人数、位置信息。2.根据权利要求1所述基于毫米波雷达点云数据的室内人员计数、定位方法，其特征在于，包括以下步骤：S1、对三维点云数据进行预处理，包括以下子步骤：S101、点云数据信息包括距离r、方位角和俯仰角θ；S102、将点云的位置表示由球坐标系转换到平面直角坐标系，忽略点云的高度信息，每个检测点以p
i
表示，p
i
＝[x
i y
i
]
T
，其中x
i
和y
i
分别表示第i个检测点在x和y方向的坐标，分别表示第i个检测点在x和y方向的坐标，S103、设指定检测区域x方向的边界为x
min
和x
max
，y方向的边界为y
min
和y
max
，筛选后的检测点数量为n，则筛选后的点云集合为，Q＝{p
i
|x
min
＜x
i
＜x
max
,y
min
＜y
i
＜y
max
,i＝1,2,
…
,n}(3)S104、结束；S2、将检测点与目标相关联，包括以下子步骤：S201、以S
i,k
＝[x
i,k y
i,k
]
T
表示第i个目标，其中x
i,k
和y
i,k
分别表示k时刻目标在x和y方向的坐标，假设k
‑
1时刻一共有m个目标，则记这些目标构成的集合为R，R＝{S
j,k
‑1|j＝1,2,
…
,m}(4)将k
‑
1时刻的m个目标与当前时刻筛选出的n个检测点叠加在一起，记为集合G，G＝Q∪R
ꢀꢀꢀꢀꢀꢀꢀ
(5)S202、使用密度聚类算法对集合G中的对象进行聚类，并用C
i
记录第i个聚类簇中的检测点序号，D
i
记录第i个聚类簇中的目标序号；S203、若D
i
中元素数量为0，即第i个聚类簇不含有目标，则产生...

【专利技术属性】
技术研发人员：赵亮，李论，王鹏，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：