【技术实现步骤摘要】
本申请涉及数据处理，特别是涉及一种车速估计方法、装置、电子设备及存储介质。
技术介绍
1、随着自动驾驶技术的日渐成熟，很多车辆都具备l2甚至l3以上的自动驾驶功能。自车车速是车辆避障、报警、制动等功能中至关重要的参数。
2、目前可以使用惯性传感器和毫米波雷达进行自车车速估计。车辆使用惯性传感器进行加速度的测量从而得到车速。但由于在车辆启动阶段、急剧加减速阶段测得的加速度不够准确，导致最终测得的车速精准度不高。传统的毫米波雷达自车速度估计方法中，基于车载毫米波雷达测量的多普勒值、目标相对雷达的方位角以及车辆自身的行驶速度的关系式或者变型式进行方程的构建，进而对方程进行求解得到车速。上述方法依赖于方位角和多普勒值两个测量信息，二者的测量误差均会对最终求解得到的车速产生影响，导致估计的车速误差较大、精准度不高。
技术实现思路
1、本申请实施例的目的在于提供一种车速估计方法、装置、电子设备及存储介质，以提高车速估计的精准度。具体技术方案如下：
2、在本申请实施例的第一方面，提供了一种车速估计方法，包括：
3、获取车辆搭载的雷达生成的rd(range doppler，距离多普勒)图像，其中，所述rd图像为：所述雷达对检测到的回波数据分别在距离维度和速度维度进行快速傅里叶变换后得到的图像，所述rd图像的横向对应距离索引，所述rd图像的纵向对应多普勒索引；
4、提取所述rd图像的幅度边缘特征；
5、基于所述幅度边缘特征，确定所述rd图像
6、根据所述目标多普勒索引和所述雷达的多普勒分辨率，估计所述车辆的行驶速度。
7、一种可能的实施方式中，所述提取所述rd图像的幅度边缘特征，包括：
8、沿所述rd图像的距离维度，逐像素提取所述rd图像中各像素的幅度边缘特征，得到各像素的第一幅度边缘表征值；
9、针对每一像素，若该像素的第一幅度边缘表征值的绝对值大于第一预设阈值，则更新该像素的第一幅度边缘表征值为第一数值，若该像素的第一幅度边缘表征值的绝对值小于或等于所述第一预设阈值，则更新该像素的第一幅度边缘表征值为第二数值。
10、一种可能的实施方式中，所述沿所述rd图像的距离维度，逐像素提取所述rd图像中各像素的幅度边缘特征，得到各像素的第一幅度边缘表征值，包括：
11、对所述rd图像进行边界填充，其中，所填充像素行和/或像素列的数量依据第一卷积核的尺寸确定；
12、沿所述rd图像的距离维度，使用所述第一卷积核对所述rd图像逐像素进行卷积变换，得到各像素的第一幅度边缘表征值。
13、一种可能的实施方式中，所述基于所述幅度边缘特征，确定所述rd图像中目标位置对应的目标多普勒索引，包括：
14、分别对所述rd图像中各个多普勒索引所对应像素的第一幅度边缘表征值进行累加，得到各个多普勒索引对应的第一累加值；
15、确定按照索引取值大小排列的各多普勒索引所对应第一累加值中的最大极大值和次大极大值，将所述最大极大值和次大极大值对应的多普勒索引作为目标多普勒索引。
16、一种可能的实施方式中，所述根据所述目标多普勒索引和所述雷达的多普勒分辨率，估计所述车辆的行驶速度，包括：
17、确定候选多普勒索引中对应第一累加值最小的多普勒索引，其中，所述候选多普勒索引为所述最大极大值对应的多普勒索引和所述次大极大值对应的多普勒索引之间所有的多普勒索引；
18、计算所确定出的多普勒索引与所述雷达的多普勒分辨率的乘积，将所得到的乘积作为所述车辆的行驶速度。
19、一种可能的实施方式中，所述提取所述rd图像的幅度边缘特征，包括：
20、分别对所述rd图像中各个多普勒索引对应像素的像素值进行累加，得到各多普勒索引对应的第二累加值；
21、提取按照索引取值大小排列的各多普勒索引所对应第二累加值的幅度边缘特征，得到各多普勒索引对应的第二幅度边缘表征值。
22、一种可能的实施方式中，所述提取按照索引取值大小排列的各多普勒索引所对应第二累加值的幅度边缘特征，得到各多普勒索引对应的第二幅度边缘表征值，包括：
23、使用第二卷积核，对按照索引取值大小排列的各多普勒索引所对应第二累加值逐一进行卷积变换，得到各个多普勒索引对应的第二幅度边缘表征值。
24、一种可能的实施方式中，所述基于所述幅度边缘特征，确定所述rd图像中目标位置对应的目标多普勒索引，包括：
25、确定所述第二幅度边缘表征值中的最大值，并将所确定的最大值对应的多普勒索引作为目标多普勒索引；
26、所述根据所述目标多普勒索引和所述雷达的多普勒分辨率，估计所述车辆的行驶速度，包括：
27、计算所述目标多普勒索引与所述雷达的多普勒分辨率的乘积，将所得到的乘积作为所述车辆的行驶速度。
28、在本申请实施例的第二方面，提供了一种车速估计装置，包括：
29、获取模块，用于获取车辆搭载的雷达生成的距离多普勒rd图像，其中，所述rd图像为：所述雷达对检测到的回波数据分别在距离维度和速度维度进行快速傅里叶变换后得到的图像，所述rd图像的横向对应距离索引，所述rd图像的纵向对应多普勒索引；
30、提取模块，用于提取所述rd图像的幅度边缘特征；
31、确定模块，用于基于所述幅度边缘特征，确定所述rd图像中目标位置对应的目标多普勒索引，其中，所述目标位置为：表征所述rd图像中所述雷达所接收回波强度发生突变的位置；
32、估计模块，用于根据所述目标多普勒索引和所述雷达的多普勒分辨率，估计所述车辆的行驶速度。
33、一种可能的实施方式中，所述提取模块，具体用于：沿所述rd图像的距离维度，逐像素提取所述rd图像中各像素的幅度边缘特征，得到各像素的第一幅度边缘表征值；针对每一像素，若该像素的第一幅度边缘表征值的绝对值大于第一预设阈值，则更新该像素的第一幅度边缘表征值为第一数值，若该像素的第一幅度边缘表征值的绝对值小于或等于所述第一预设阈值，则更新该像素的第一幅度边缘表征值为第二数值。
34、一种可能的实施方式中，所述提取模块，具体用于：对所述rd图像进行边界填充，其中，所填充像素行和/或像素列的数量依据第一卷积核的尺寸确定；沿所述rd图像的距离维度，使用所述第一卷积核对所述rd图像逐像素进行卷积变换，得到各像素的第一幅度边缘表征值。
35、一种可能的实施方式中，所述确定模块，具体用于：分别对所述rd图像中各个多普勒索引所对应像素的第一幅度边缘表征值进行累加，得到各个多普勒索引对应的第一累加值；确定按照索引取值大小排列的各多普勒索引所对应第一累加值中的最大极大值和次大极大值，将所述最大极大值和次大极大值对应的多普勒索引作为目标多普勒本文档来自技高网...
【技术保护点】
1.一种车速估计方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述提取所述RD图像的幅度边缘特征，包括：
3.根据权利要求2所述的方法，其特征在于，所述沿所述RD图像的距离维度，逐像素提取所述RD图像中各像素的幅度边缘特征，得到各像素的第一幅度边缘表征值，包括：
4.根据权利要求2或3所述的方法，其特征在于，所述基于所述幅度边缘特征，确定所述RD图像中目标位置对应的目标多普勒索引，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述目标多普勒索引和所述雷达的多普勒分辨率，估计所述车辆的行驶速度，包括：
6.根据权利要求1所述的方法，其特征在于，所述提取所述RD图像的幅度边缘特征，包括：
7.根据权利要求6所述的方法，其特征在于，所述提取按照索引取值大小排列的各多普勒索引所对应第二累加值的幅度边缘特征，得到各多普勒索引对应的第二幅度边缘表征值，包括：
8.根据权利要求6或7所述的方法，其特征在于，所述基于所述幅度边缘特征，确定所述RD图像中目标位置对应的目标多普勒索引
9.一种车速估计装置，其特征在于，包括：
10.根据权利要求9所述的装置，其特征在于，所述提取模块，具体用于：沿所述RD图像的距离维度，逐像素提取所述RD图像中各像素的幅度边缘特征，得到各像素的第一幅度边缘表征值；针对每一像素，若该像素的第一幅度边缘表征值的绝对值大于第一预设阈值，则更新该像素的第一幅度边缘表征值为第一数值，若该像素的第一幅度边缘表征值的绝对值小于或等于所述第一预设阈值，则更新该像素的第一幅度边缘表征值为第二数值；和/或
11.一种电子设备，其特征在于，包括：
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-8任一项所述的方法的步骤。
...【技术特征摘要】
1.一种车速估计方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述提取所述rd图像的幅度边缘特征，包括：
3.根据权利要求2所述的方法，其特征在于，所述沿所述rd图像的距离维度，逐像素提取所述rd图像中各像素的幅度边缘特征，得到各像素的第一幅度边缘表征值，包括：
4.根据权利要求2或3所述的方法，其特征在于，所述基于所述幅度边缘特征，确定所述rd图像中目标位置对应的目标多普勒索引，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述目标多普勒索引和所述雷达的多普勒分辨率，估计所述车辆的行驶速度，包括：
6.根据权利要求1所述的方法，其特征在于，所述提取所述rd图像的幅度边缘特征，包括：
7.根据权利要求6所述的方法，其特征在于，所述提取按照索引取值大小排列的各多普勒索引所对应第二累加值的幅度边缘特征，得到各多普勒索引对应的第二幅度...
【专利技术属性】
技术研发人员：薛高茹，
申请(专利权)人：森思泰克河北科技有限公司，
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。