System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及交通,尤其是一种基于4d毫米波雷达的车辆追踪方法。
技术介绍
1、在智能交通系统中,车辆追踪是一个关键的技术,也是一个非常重要的安全问题。目前主流的车辆追踪方法主要有如下两种:
2、(1)利用路侧摄像头结合计算机视觉来实现车辆追踪,这是近几年的主流做法,然而这种方法的数据依赖性较强,需要大量的数据训练,并且要求较高的计算资源,路测端部署成本较高。此外,基于计算机视觉的车辆追踪方法受坏境光照、遮挡等影响,会对车辆的追踪结果造成负面影响。
3、(2)利用路侧的激光雷达来实现车辆追踪,这种方法抗干扰能力相对较弱,容易受到自然环境(如雨、雾、霾等)和人为干扰源(如无线电、电磁场等)的影响。此外,该方法激光雷达采集的数据量也较大,需要实时处理和传输,这可能会对数据处理和传输的效率和稳定性提出更高的要求。硬件成本和部署成本都较高,无法在路测端车辆追踪场景下广泛应用。
技术实现思路
1、本申请针对上述问题及技术需求,提出了一种基于4d毫米波雷达的车辆追踪方法,本申请的技术方案如下:
2、一种基于4d毫米波雷达的车辆追踪方法,该车辆追踪方法包括:
3、通过4d毫米波雷达逐帧获取目标交通场景的点云数据,每个点云的点云信息包括位置信息、速度信息和雷达散射截面积rcs值;
4、以基于任意第i帧点云数据检测到的车辆目标作为第i+1帧点云数据的先验知识,利用dbscan算法根据点云信息对第i+1帧点云数据进行跨帧聚类并检测得到车辆目标;<
...【技术保护点】
1.一种基于4D毫米波雷达的车辆追踪方法,其特征在于,所述车辆追踪方法包括:
2.根据权利要求1所述的车辆追踪方法,其特征在于,利用DBSCAN算法根据点云信息对第i+1帧点云数据进行跨帧聚类包括:
3.根据权利要求2所述的车辆追踪方法,其特征在于,确定第i帧点云数据检测到的车辆目标在第i+1帧点云数据中的预测虚拟点云的预测信息包括:
4.根据权利要求3所述的车辆追踪方法,其特征在于,利用DBSCAN算法根据点云信息在第i+1帧点云数据中以每个预测虚拟点云为起始点寻找邻近点进行跨帧聚类并检测得到车辆目标包括:
5.根据权利要求4所述的车辆追踪方法,其特征在于,任意一个点云及其邻近点云的速度信息之间的偏差不超过速度偏差阈值,且RCS值的偏差不超过RCS偏差阈值,且根据两个点云的位置信息确定的所述两个点云的欧拉距离不超过欧拉距离阈值;
6.根据权利要求5所述的车辆追踪方法,其特征在于,每个点云的位置信息为三维坐标信息,任意两个点云之间的欧拉距离其中,α1、α2和α3均为系数,dx是两个点云的x方向的距离,dy是两个点云的y方
7.根据权利要求3所述的车辆追踪方法,其特征在于,利用SORT算法基于各帧点云数据检测得到的车辆目标实现车辆追踪,包括:
8.根据权利要求7所述的车辆追踪方法,其特征在于,利用SORT算法基于各帧点云数据检测得到的车辆目标实现车辆追踪还包括:
9.根据权利要求1所述的车辆追踪方法,其特征在于,所述车辆追踪方法还包括:
10.根据权利要求9所述的车辆追踪方法,其特征在于,基于当前帧点云数据中各个点云的位置信息和RCS值对当前帧点云数据进行过滤包括:
...【技术特征摘要】
1.一种基于4d毫米波雷达的车辆追踪方法,其特征在于,所述车辆追踪方法包括:
2.根据权利要求1所述的车辆追踪方法,其特征在于,利用dbscan算法根据点云信息对第i+1帧点云数据进行跨帧聚类包括:
3.根据权利要求2所述的车辆追踪方法,其特征在于,确定第i帧点云数据检测到的车辆目标在第i+1帧点云数据中的预测虚拟点云的预测信息包括:
4.根据权利要求3所述的车辆追踪方法,其特征在于,利用dbscan算法根据点云信息在第i+1帧点云数据中以每个预测虚拟点云为起始点寻找邻近点进行跨帧聚类并检测得到车辆目标包括:
5.根据权利要求4所述的车辆追踪方法,其特征在于,任意一个点云及其邻近点云的速度信息之间的偏差不超过速度偏差阈值,且rcs值的偏差不超过rcs偏差阈值,且根据两个点云的位置信息确定的所述两个点云的欧拉距离不超过欧拉距离阈值;
6.根据...
【专利技术属性】
技术研发人员:吴秋硕,何煜埕,
申请(专利权)人:江苏航天大为科技股份有限公司,
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。