本申请公开了一种基于4D毫米波雷达的车辆追踪方法，涉及交通技术领域，该方法通过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RCS值，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，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。4D毫米波雷达具有高分辨率、高灵敏度、抗干扰能力强等优点，在全天候车辆追踪的场景下具有巨大的潜力，且本申请引入了跨帧聚类的方法，从而可以优化聚类和目标检测效果，使得车辆追踪更准确高效。
【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；</p>5、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。
6、其进一步的技术方案为，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：
7、确定第i帧点云数据检测到的车辆目标对应的在第i+1帧点云数据中的预测虚拟点云的预测信息；
8、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。
9、其进一步的技术方案为，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：
10、确定第i帧点云数据检测到的车辆目标对应的聚类簇的聚类中心点mi的中心点信息mi(pi，vi，rcsi)，其中，pi是聚类中心点mi的位置信息，vi是聚类中心点mi的速度信息且为聚类簇内所有点云的平均速度，rcsi是聚类中心点mi的rcs值且为聚类簇内所有点云的平均rcs值；
11、根据聚类中心点mi的中心点信息mi(pi，vi，rcsi)确定第i+1帧点云数据中的预测虚拟点云的预测信息m′i(pi+vi×δt，vi，rcsi)，δt是连续两帧点云数据之间的时间间隔。
12、其进一步的技术方案为，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：
13、根据第i+1帧点云数据中各个点云的点云信息，以及第i+1帧点云数据中的预测虚拟点云的预测信息m′i(pi+vi×δt，vi，rcsi)，寻找预测虚拟点云的邻近点云形成聚类簇，并继续寻找聚类簇中已有的点云的邻近点云加入当前的聚类簇中，直至得到聚类簇中所有点云；
14、确定符合车辆形态的聚类簇是基于第i+1帧点云数据检测到的一个车辆目标。
15、其进一步的技术方案为，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两个点云的欧拉距离不超过欧拉距离阈值；
16、其中，当两个点云的速度信息指示的速度方向的夹角不超过夹角阈值，且速度信息指示的速度值的差值不超过差值阈值时，确定两个点云的速度信息之间的偏差不超过速度偏差阈值。
17、其进一步的技术方案为，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方向的距离，dz是两个点云的z方向的距离，α1+α2+α3＝1且α3取值最大，x方向和y方向均在水平面上，z方向沿着竖直方向。
18、其进一步的技术方案为，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：
19、以任意第i帧点云数据检测到的任意一个车辆目标对应的聚类簇的聚类中心点mi的位置信息pi、速度信息vi的水平方向分量以及rcs值rcsi构成状态向量，利用sort算法基于构建的状态向量实现车辆追踪。
20、其进一步的技术方案为，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：
21、在利用sort算法实现车辆追踪的过程中，利用不同车辆目标对应的状态向量包含的位置信息pi之间的欧拉距离进行车辆目标的匹配。
22、其进一步的技术方案为，该车辆追踪方法还包括：
23、对于获取到的每帧点云数据，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，并利用完成数据过滤的各帧点云数据进行车辆目标检测。
24、其进一步的技术方案为，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：
25、根据目标交通场景中的车道线信息，将当前帧点云数据中位置信息位于车道外的点云滤除，并将当前帧点云数据中rcs值小于预定阈值的点云滤除，完成对当前帧点云数据的过滤。
26、本申请的有益技术效果是：
27、本申请公开了一种基于4d毫米波雷达的车辆追踪方法，请方法基于4d毫米波雷达获取的点云数据来实现车辆追踪，4d毫米波雷达具有高分辨率、高灵敏度、抗干扰能力强等优点，能够提供更丰富的点云信息，且不受环境光照的影响，可检测范围较大，在全天候车辆追踪的场景下具有巨大的潜力，且针对4d毫米波雷达获取的点云数据较为稀疏的特征，本申请引入了跨帧聚类的方法，从而可以优化聚类和目标检测效果，使得车辆追踪更准确高效。
28、该方法在使用sort算法进行车辆追踪时，对传统的sort算法进行优化，包括优化构建的状态向量以及优化车辆目标的匹配方法，可以有效减少数据运算量，提高追踪效率。
29、该方法还在进行目标追踪之前，首先基于点云的位置信息和rcs值进行点云过滤，从而可以滤除冗余数据，减少对冗余数据处理造成的运算量，可以在保证追踪效果的基础上减少数据运算量，优化车辆追踪效果。
本文档来自技高网...
【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方向的距离，dz是两个点云的z方向的距离，α1+α2+α3＝1且α3取值最大，x方向和y方向均在水平面上，z方向沿着竖直方向。
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。