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() 一种基于4D毫米波雷达点云高分辨率成像方法技术_技高网

一种基于4D毫米波雷达点云高分辨率成像方法技术

技术编号:41296234 阅读:5 留言:0更新日期:2024-05-13 14:45
本发明专利技术提出了一种基于4D毫米波雷达点云高分辨率成像方法,包括:设计适用的雷达信号波形,获得雷达采样数据;对采样数据依次进行快速傅里叶变换,并通过非相干积累,得到距离‑多普勒二维热图;根据雷达回波功率与目标距离关系,自适应改进恒虚警率目标检测算法,确定有效目标点,包含目标距离以及速度信息;基于MIMO原理形成的二维虚拟阵列,对目标的水平角以及俯仰角进行联合角度估计,获取目标准确的水平位置以及高度信息;通过基于密度的聚类算法进行噪声去除以及目标的聚类,实现点云成像。本发明专利技术提出的4D雷达点云成像方法,具有如下优点:利用自适应的目标检测算法有效的提取出目标信息,并在一定程度上抑制了外界环境、系统硬件等因素的干扰;还利用超分辨算法以及多维优化搜索算法,实现了高分辨率、高精度的角度估计,并减少了运算复杂度。

【技术实现步骤摘要】

本专利技术属于自动检测,涉及一种基于4d毫米波雷达点云高分辨率成像方法。


技术介绍

1、随着智能驾驶技术的发展,自动驾驶系统对汽车环境感知能力的要求不断提高。其中,毫米波雷达凭借成本低、全天候工作、环境适应好等优势,已广泛应用于高级驾驶辅助系统(adas)。由于传统毫米波雷达角度分辨率差,点云十分稀疏,仅能输出带信息的点目标,这远远不能满足当代自动驾驶的应用要求。而新兴的高分辨率四维成像雷达(4d雷达)作为下一代77ghz汽车毫米波雷达的主要发展方向,可以提供距离、水平角、仰角以及速度的多维信息,从而可以得到高密度的点云,输出目标的轮廓信息,对于后续聚类、目标跟踪等信号处理算法研究具有十分重要的意义。目前,基于4d雷达的信号处理算法仍未成熟,存在噪声干扰、角度分辨率低、角度精度低等问题,影响毫米波雷达点云成像质量。


技术实现思路

1、本专利技术提出的高分辨率点云成像算法,能够得到目标较为清晰的轮廓信息,实现对周围环境的还原。其中,自适应的目标检测算法,能够一定程度上减少噪声干扰,并且减少目标漏警概率;采用角度联合估计算法,能够得到目标的精确角度,并且能够分辨出相邻两个角度的目标,有效扩展目标点云。

2、为达上述目的,本专利技术提出了一种基于4d毫米波雷达点云高分辨率成像方法,包括:

3、步骤1:利用雷达设备获取原始采样数据,这些数据包含了目标反射的信息;

4、步骤2:对中频信号依次进行快时间维快速傅里叶变换和慢时间维快速傅里叶变换,快时间维fft捕捉信号的瞬时频率变化,慢时间维fft用于捕捉目标在时间上的运动变化;

5、步骤3:通过非相干积累增加信噪比,得到距离-多普勒热图,展示目标在距离和速度上的信息;

6、步骤4:通过改进的自适应恒虚警率目标检测算法进行目标检测,确定有效的目标点,得到目标的距离以及速度信息;

7、步骤5:利用mimo雷达形成的二维虚拟阵列,进行角度联合估计,得到目标的水平角和俯仰角信息;

8、步骤6:通过基于密度的聚类算法进行噪声的去除以及目标的聚类,形成三维点云。

9、进一步特征,步骤4中的一种自适应恒虚警率目标检测算法,包括:利用雷达接收信号功率与雷达探测距离之间的关系,结合分段门限系数方法,对传统恒虚警率目标检测(cfar)算法进行自适应改进,具体包括:

10、雷达接收回波信号的功率方程:

11、

12、

13、其中,pt是雷达的输出功率,gtx/rx为发射天线与接收天线增益,σ目标的雷达散射截面(rcs),λ是信号波长。

14、由于在获得雷达接收功率前需要经过平方律检波器,所以实际上雷达接收功率和目标与雷达之间的相对距离d具有如下关系:

15、

16、根据雷达的信号能量强度随距离衰减关系来设置自适应的cfar检测器的阈值系数,并且结合分区门限系数设置方法,在不同区域分配不同的门限系数,以此生成高密度高质量的空间点云。本专利技术提出的自适应门限系数函数如下:

17、

18、其中,α=2n(pfa-1/2n-1)为初始门限系数值。

19、进一步特征,步骤5中的一种高精度、高分辨率的角度联合估计算法,具体包括:

20、首先,提取雷达获得的水平通道数据;然后根据波束形成算法,对水平通道接收信号数据进行加权求和,得到输出信号,然后进行水平角筛选,筛选策略为:

21、npeaks=pvalue(i)≥max{pvalue}·(10^(-scale/10))

22、其中,scale=1;在得到目标点对应的水平角基础上采用确定性最大似然(dml)超分辨算法进行俯仰角初始值估计;考虑到dml算法的复杂度,结合交替投影算法(ap),将多维搜索问题转化为多个一维搜索问题,最终估计出目标精确的俯仰角。俯仰角估计算法具体流程包括:首先将目标对应的水平角所在的俯仰维度数据提取出来,获得其协方差矩阵;然后由dml算法确定角度估计初始值;然后确定迭代精度或者迭代次数,通过ap算法进行迭代求解,从而获得目标准确的俯仰角。

23、本专利技术提出了一套完整的4d雷达高分辨率点云成像算法,实现了高分辨率、高精度的角度估计,并减弱了部分噪声影响,生成了较为致密的点云图像,一定程度上完成了对雷达周围场景的还原。

本文档来自技高网...

【技术保护点】

1.一种基于4D毫米波雷达点云高分辨率成像方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于4D毫米波雷达点云高分辨率成像方法,其特征在于,步骤4中的一种自适应恒虚警率目标检测算法,包括:

3.根据权利要求1或2所述的一种基于4D毫米波雷达点云高分辨率成像方法,其特征在于,步骤5中的一种高精度、高分辨率的角度联合估计算法,具体包括:

【技术特征摘要】

1.一种基于4d毫米波雷达点云高分辨率成像方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于4d毫米波雷达点云高分辨率成像方法,其特征在于,步骤4中的一种自适应...

【专利技术属性】
技术研发人员:高仁璟周金龙贺喆包德成
申请(专利权)人:大连理工大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1