【技术实现步骤摘要】
本专利技术涉及雷达探测和目标检测领域，具体涉及一种基于毫米波雷达探测的行人目标检测方法。
技术介绍
1、随着能源危机和环境污染的日益加重，电动汽车成为未来汽车可持续发展的一个必然趋势。高级驾驶辅助系统(adas)已经成为电动汽车前沿热点，稳定而准确的行人活动识别是adas的前提和基础。其中实时的行人检测可以提前预测行人目标的意图，避免车辆与行人目标的碰撞事故。
2、目前的行人目标检测技术，主要基于摄像机等视觉传感器，通过一定的图像处理算法对图像中的运动目标进行检测。然而，基于图像处理算法的检测技术都对环境光照的变化比较敏感，无法适应全天候跟踪的要求。同时一个摄像机覆盖的视野有限，虽然可以靠多个摄像机实现大范围覆盖，但跨相机的目标跟踪实现困难。相比之下，通过雷达探测能直接获取行人目标的距离信息，而且不受光照变化的影响，能够带来更好的行人目标检测效果。
3、然而，行人目标在城市道路场景中属于低信噪比的目标，在雷达探测时容易受到周边车辆、站牌、建筑反射的杂波的干扰，因此如何抑制杂波，有效的将行人目标从背景杂波中提取出来是目标检测的前置问题。此外，现有通过深度学习模型实现行人目标检测的方案，无法从复杂背景中保留行人目标特征，导致模型存在随着网络加深而丢失行人目标空间细节的风险，进而导致行人目标检测的准确性和有效性不够好。因此，如何提高行人目标检测的准确性和有效性是亟需解决的技术问题。
技术实现思路
1、针对上述现有技术的不足，本专利技术所要解决的技术问题是：如何提供
2、为了解决上述技术问题，本专利技术采用了如下的技术方案：
3、一种基于毫米波雷达探测的行人目标检测方法，包括：
4、s1：通过电动汽车上设置的毫米波雷达获取行人目标的差拍信号；
5、s2：对行人目标的差拍信号进行三维快速傅里叶变换处理，得到三维rda图像；然后将行人目标的三维rda图像转换为对应的二维rda图像；
6、s3：将二维rda图像输入训练后的目标检测模型，输出对应的目标预测结果；
7、目标检测模型基于unet网络和视觉transformer模块构建；
8、目标检测模型的处理步骤如下：
9、s301：将二维rda图像作为unet网络的输入；
10、s302：通过多个视觉transformer模块逐层提取二维rda图像的特征信息，生成多个尺度的目标特征图；
11、s303：通过多个特征连接模块从最高尺度的目标特征图开始，依次融合各个尺度的目标特征图，生成对应的融合特征图；
12、s304：将融合特征图输入分类器中进行归一化处理，并输出对应的目标预测结果；
13、s4：将输出的目标预测结果作为行人目标的检测结果，并根据行人目标的检测结果控制电动汽车的行驶状态。
14、优选的，通过mimo毫米波雷达获取行人目标的差拍信号。
15、优选的，通过如下公式表示差拍信号：
16、
17、其中，
18、
19、式中：sb(t)表示差拍信号；st(t)表示天线的发射信号；sr(t)表示二维接收单元上的接收信号；f0表示雷达载波频率；b表示带宽；k＝b/tc表示调频斜率，tc表示chirp周期；am表示信号振幅；μ＝2[r0+v0(t+ntc)]表示信号时延；c表示光速；v和r分别表示待测微弱行人目标距离雷达的相对速率和距离；j表示虚数单位；r0表示目标距离雷达的距离；f0表示雷达的起始频率；nα与ne分别表示毫米波雷达的水平天线个数和俯仰天线个数；θ表示目标的水平角度；表示目标的俯仰角度；λ表示雷达波长；t表示信号调频时间。
20、优选的，对行人目标的差拍信号进行三维快速傅里叶变换处理，即分别在距离维、速度维和角度维进行快速傅里叶变换，从而得到具有行人目标距离-速度-角度信息的三维rda图像。
21、优选的，通过如下步骤将三维rda图像转换为二维rda图像：
22、s201：对三维rda图像进行条件处理：设定一个阈值，低于该阈值的像素值设置为0，高于该阈值的像素值保持不变；
23、s202：去除三维rda图像中不感兴趣的角度信息；
24、s203：对三维rda图像进行2d-fft处理，生成一个复数矩阵；
25、s204：将复数矩阵转换为幅值矩阵，获取到三维rda图像在频域上的分布信息，生成对应的二维rda图像。
26、优选的，目标检测模型包括依次首尾连接的多个视觉transformer模块，以及依次首尾连接的多个特征连接模块；相邻的两个视觉transformer模块中，前一视觉transformer模块的输出作为后一视觉transformer模块的输入；相邻的两个特征连接模块中，前一特征连接模块的输出作为后一特征连接模块的输入；最后一个视觉transformer模块的输出作为第一个特征连接模块的输入。
27、优选的，视觉transformer模块的处理步骤包括：
28、s311：将输入的二维rda图像分割成一系列的图像块序列；
29、s311：在图像块序列的向量中线性添加位置嵌入，得到对应的位置嵌入序列；
30、s311：通过视觉transformer模块根据位置嵌入序列，捕捉图像块序列中的局部信息和全局信息并学习图像块序列中不同部分之间的依赖关系，得到对应的图像块序列编码表示作为目标特征图。
31、优选的，视觉transformer模块具有多头自注意力层和mlp前馈网络；
32、在多头自注意力层中，通过多个注意力头处理输入的位置嵌入序列，其中每个注意力头对应学习捉图像块序列中不同的关注点，且每个注意力头产生一个输出，所有注意力头的输出会在最终结果中被结合起来；在mlp前馈网络中，对多头自注意力层输出的最终结果进行特征提取和非线性映射。
33、优选的，特征连接模块生成融合特征图的公式描述如下：
34、
35、式中：r表示生成的融合特征图；h表示相对高尺度的特征图；l表示相对低尺度的特征图；g表示逐点卷积运算操作；sig表示sigmoid激活函数操作；up表示图像上采样操作。
36、本专利技术中基于毫米波雷达探测的行人目标检测方法与现有技术相比，具有如下有益效果：
37、本专利技术通过毫米波雷达获取行人目标的差拍信号，其具有较高的距离分辨率和速度测量精度，能够精确的定位行人目标及其位置，并且能够在雨、雪、雾及夜间情况下保证探测感知的性能，从而提高行人目标检测的准确性本文档来自技高网...
【技术保护点】
1.一种基于毫米波雷达探测的行人目标检测方法，其特征在于，包括：
2.如权利要求1所述的基于毫米波雷达探测的行人目标检测方法，其特征在于：步骤S1中，通过MIMO毫米波雷达获取行人目标的差拍信号。
3.如权利要求1所述的基于毫米波雷达探测的行人目标检测方法，其特征在于：通过如下公式表示差拍信号：
4.如权利要求1所述的基于毫米波雷达探测的行人目标检测方法，其特征在于：步骤S2中，对行人目标的差拍信号进行三维快速傅里叶变换处理，即分别在距离维、速度维和角度维进行快速傅里叶变换，从而得到具有行人目标距离-速度-角度信息的三维RDA图像。
5.如权利要求1所述的基于毫米波雷达探测的行人目标检测方法，其特征在于，步骤S2中，通过如下步骤将三维RDA图像转换为二维RDA图像：
6.如权利要求1所述的基于毫米波雷达探测的行人目标检测方法，其特征在于：步骤S2中，目标检测模型包括依次首尾连接的多个视觉Transformer模块，以及依次首尾连接的多个特征连接模块；相邻的两个视觉Transformer模块中，前一视觉Transforme
7.如权利要求6所述的基于毫米波雷达探测的行人目标检测方法，其特征在于，视觉Transformer模块的处理步骤包括：
8.如权利要求7所述的基于毫米波雷达探测的行人目标检测方法，其特征在于：视觉Transformer模块具有多头自注意力层和MLP前馈网络；
9.如权利要求6所述的基于毫米波雷达探测的行人目标检测方法，其特征在于，特征连接模块生成融合特征图的公式描述如下：
...【技术特征摘要】
1.一种基于毫米波雷达探测的行人目标检测方法，其特征在于，包括：
2.如权利要求1所述的基于毫米波雷达探测的行人目标检测方法，其特征在于：步骤s1中，通过mimo毫米波雷达获取行人目标的差拍信号。
3.如权利要求1所述的基于毫米波雷达探测的行人目标检测方法，其特征在于：通过如下公式表示差拍信号：
4.如权利要求1所述的基于毫米波雷达探测的行人目标检测方法，其特征在于：步骤s2中，对行人目标的差拍信号进行三维快速傅里叶变换处理，即分别在距离维、速度维和角度维进行快速傅里叶变换，从而得到具有行人目标距离-速度-角度信息的三维rda图像。
5.如权利要求1所述的基于毫米波雷达探测的行人目标检测方法，其特征在于，步骤s2中，通过如下步骤将三维rda图像转换为二维rda图像：
6.如权利要求1所述的基于毫米波雷达探测的行人目标检测方法，其特征在于：...
【专利技术属性】
技术研发人员：李卓，何荣，王井，代晓虹，张根海，黄宇，王伟民，许新桢，冉洁，柏松，
申请(专利权)人：重庆清仪微系统研究院，
类型：发明
国别省市：
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。