一种基于毫米波雷达的智能算法障碍物检测方法及装置制造方法及图纸

本发明专利技术实施例提供一种基于毫米波雷达的智能算法障碍物检测方法，其特征在于，包括：获取接收信号的矢量，并根据所述接收信号的矢量，计算自相关矩阵；对所述自相关矩阵进行前后向平滑处理，得到平滑处理后的自相关矩阵；基于预先设定的遗传因子，对所述平滑处理后的自相关矩阵进行处理，得到特征向量的频谱；根据所述特征向量的频谱，进行障碍物检测

【技术实现步骤摘要】
一种基于毫米波雷达的智能算法障碍物检测方法及装置


[0001]本专利技术涉及障碍物检测
，尤其涉及一种基于毫米波雷达的智能算法障碍物检测方法及装置
。

技术介绍

[0002]现有技术的自动驾驶车辆在进行障碍物检测时，一般是根据一种传感器的环境感知结果，确定是否存在需要避让的障碍物
。
例如，通过毫米波雷达进行障碍物检测
。
[0003]然而，毫米波无法准确判断前方障碍物类型，且单一传感器在道路情况复杂的情况下不能满足检测需求
。

技术实现思路

[0004]本专利技术实施例提供一种基于毫米波雷达的智能算法障碍物检测方法，将遗忘因子理论引入其中，能够准确识别前方障碍物及其类型，在复杂道路条件下能更好的识别机动车和非机动车等障碍物，提高了准确性
。
[0005]第一方面，本专利技术实施例提供一种基于毫米波雷达的智能算法障碍物检测方法，其特征在于，包括：
[0006]获取接收信号的矢量，并根据所述接收信号的矢量，计算自相关矩阵；
[0007]对所述自相本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于毫米波雷达的智能算法障碍物检测方法，其特征在于，包括：获取接收信号的矢量，并根据所述接收信号的矢量，计算自相关矩阵；对所述自相关矩阵进行前后向平滑处理，得到平滑处理后的自相关矩阵；基于预先设定的遗传因子，对所述平滑处理后的自相关矩阵进行处理，得到特征向量的频谱；根据所述特征向量的频谱，进行障碍物检测
。2.
根据权利要求1所述的方法，其特征在于，所述接收信号的矢量通过以下公式表示：
X(t)
＝
[x1(t),x2(t),...,x
k
(t)]
其中，
x
k
(t)
为接收单个信号的向量表示
。3.
根据权利要求2所述的方法，其特征在于，所述根据所述接收信号的矢量，计算自相关矩阵，包括：将接收信号的矢量带入以下公式，计算得到正相关矩阵：其中，
E
为单位矩阵，
X
H
(t)
为接受信号矩阵的逆矩阵；以及，将接收信号的矢量带入以下公式，计算得到后相关矩阵：将接收信号的矢量带入以下公式，计算得到后相关矩阵：其中，
X
b
(t)
为接收信号矩阵的伴随矩阵，
x
*k
(t)
为接受单个信号向量的伴随向量，
X
bH
(t)
为接收信号矩阵的伴随矩阵的逆矩阵
。4.
根据权利要求3所述的方法，其特征在于，所述自相关矩阵进行前后向平滑处理，得到平滑处理后的自相关矩阵，包括：将所述正相关矩阵和所述后相关矩阵带入以下公式，计算得到平滑处理后的自相关矩阵：
5.
根据权利要求4所述的方法，其特征在于，所述基于预先设定的遗传因子，对所述平滑处理后的自相关矩阵进行处理，得到特征向量的频谱，包括：将本周期的自相关矩阵和上一周期的自相关矩阵带入以下公式，计算得到基于遗传因子处理后的自相关矩阵：其中，
α
(
＜
1)
为遗传因子；将所述基于遗传因子处理后的自相关矩阵分解为线性无关的特征向量和特征值的乘积；通过傅立叶变换计算得到所述特征向量的频谱
。6.
一种基于毫米波雷达的智能算法障碍...

【专利技术属性】
技术研发人员：王俊涛，黄志强，李旭阳，周恺，何凌强，
申请(专利权)人：赛恩领动上海智能科技有限公司，
类型：发明
国别省市：