[go: up one dir, main page]

CN110007279B - 一种基于毫米波雷达模型的目标可见性判断方法 - Google Patents

一种基于毫米波雷达模型的目标可见性判断方法 Download PDF

Info

Publication number
CN110007279B
CN110007279B CN201910270687.3A CN201910270687A CN110007279B CN 110007279 B CN110007279 B CN 110007279B CN 201910270687 A CN201910270687 A CN 201910270687A CN 110007279 B CN110007279 B CN 110007279B
Authority
CN
China
Prior art keywords
vehicle
target
target vehicle
reflection intensity
feature
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910270687.3A
Other languages
English (en)
Other versions
CN110007279A (zh
Inventor
詹军
董学才
段春光
王战古
刘荣
杨凯
祝怀男
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin University
Original Assignee
Jilin University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jilin University filed Critical Jilin University
Priority to CN201910270687.3A priority Critical patent/CN110007279B/zh
Publication of CN110007279A publication Critical patent/CN110007279A/zh
Application granted granted Critical
Publication of CN110007279B publication Critical patent/CN110007279B/zh
Priority to US16/825,416 priority patent/US11442162B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40—Means for monitoring or calibrating
    • G01S7/4052—Means for monitoring or calibrating by simulation of echoes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40—Means for monitoring or calibrating

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于毫米波雷达模型的目标可见性判断方法，解决智能汽车仿真测试中利用虚拟传感进行目标可见性判断的问题，提高虚拟传感器模型的精度，同时满足仿真效率的要求。包括以下步骤：目标车辆信息检测，对探测目标车辆信息进行获取；目标车辆反射强度模拟：将所有目标车辆，根据几何裁剪方法遍历所有目标车辆，对存在可见部位的目标车辆计算其可见部位的信息，计算目标车辆反射强度；目标车辆可见性判断：根据步骤二计算出的目标车辆反射强度值，对目标车辆的可见性进行分析，并将可见目标车辆的信息，按照真实毫米波雷达感知对象的表达形式进行转换输出。

Description

一种基于毫米波雷达模型的目标可见性判断方法
技术领域
本发明属于智能汽车测试验证，涉及一种毫米波雷达模型对目标判断可见性的方法。
背景技术
智能汽车虚拟测试是当前公认的解决智能汽车开发的最有效手段。虚拟传感模型是实现智能汽车虚拟测试最重要内容之一，虚拟传感器模型的精度决定了虚拟测试取代真实测试的程度。目前虚拟传感模型都是采用几何裁剪或者射线追踪的方法进行可见性分析，该类方法仅采用几何计算和图形学方法进行判断，没有考虑毫米波雷达波的传播和反射效应，不能描述毫米波雷达的物理特性。本发明提出一种基于目标反射强度进行可见性判断的方法，模拟了真实毫米波雷达探测中波的反射，以及由于目标的位置、姿态、材质、形状以及面积所引起的反射强度的不同，更加准确地表达了毫米波雷达的反射过程，体现虚拟雷达的性能，大大提高了毫米波雷达模型的逼真度。
目前，建立的毫米波雷达模型中，对于目标的可见性判断方法分为两大类。一类是依据简单的几何裁剪，根据截取后目标的可见长度阈值进行比较判断可见性，例如郭娇在其发表的文献——A Novel Method of Radar Modeling for Vehicle Intelligence一文中，构建了一种毫米波雷达模型，其对目标进行可见性分析时，采用了视锥的几何裁剪进行目标的提取及可见性判断，首先将目标车辆简化成包围盒，并选取特征点，通过判断包围盒的特征点和视锥的位置关系，对目标车辆进行可见性判断。张素民在其发表的博士论文中也提到了采用几何裁剪的方式对雷达传感器建模进行几何裁剪筛选可见目标的方法，其采用判断目标的几何外形与表征车用雷达传感器的作用范围的圆锥体之间的空间关系进行目标可见性判断，以及洪峰在其博士论文中建立的传感器模型也是采用的此类方法，采用二维平面的几何裁剪，对目标进行可见性分析，通过判断遮挡与比较目标可见长度值进行筛选判断目标的可见性。另一类传感器建模目标可见性判断方法是采用射线追踪的方法，例如赵新俊等在其发表的文献中建立的对抗射频环境的雷达体系，对射频环境效应的原理和算法进行讨论和分析，采用射线追踪方法对目标进行可见性识别和判断。此外，对于在建立传感器模型中采用反射强度进行目标可见性判断的方法未见报道。
针对上述情况，本发明将采用与以往研究不同的思路，我们根据目标的位置、角度、材质、形状以及面积所引起的反射强度的不同，引入目标反射强度对目标可见性进行判断分析，为满足仿真效率的要求，本发明主要思路为在几何提取的基础之上，计算目标可见部分的位置及反射面积等信息，得出其反射强度的大小，根据反射强度阈值进行其可见性判断分析。
发明内容
本发明的目的在于针对智能汽车测试验证所需毫米波雷达模型，提出一种新的毫米波雷达在其可见范围内判别目标可见性的方法，以解决智能汽车仿真测试中利用虚拟传感进行目标可见性判断的问题，提高虚拟传感器模型的精度，同时满足仿真效率的要求。
为达到上述目的，本发明的解决方案为：
一种基于毫米波雷达模型的目标可见性判断方法，其特征在于，包括以下步骤：
步骤一：目标车辆信息检测，对探测目标车辆信息进行获取：
根据智能汽车仿真测试模型中存储的车型，以及毫米波雷达对该车型在不同位置处360°角度进行目标反射率的标定结果，获取目标车辆在主车探测时，位于主车探测范围内不同位置和不同角度时的信息，包括目标车辆的车型、形状尺寸、材质、位置、速度、加速度、行驶方向以及反射率信息，并建立相应的链表进行存储；
步骤二：目标车辆反射强度模拟：
首先将步骤一中获取的所有目标车辆，根据几何裁剪方法遍历所有目标车辆，对目标车辆进行遮挡判断，丢弃完全不可见目标车辆，对存在可见部位的目标车辆计算其可见部位的信息，包括可见部位的位置以及对应的角度信息；
在计算反射强度时，区分目标车辆相对主车的行驶方向，按行驶方向分类，包括四类：目标车辆与主车同向行驶，目标车辆与主车相对行驶，目标车辆相对主车向左行驶，以及目标车辆相对主车向右行驶；在每一类型下，根据目标车辆可见部位与主车的位置关系，进一步划分出多种情况，具体计算每种情况下的目标车辆反射强度；
步骤三：目标车辆可见性判断：
根据步骤二计算出的目标车辆反射强度值，对目标车辆的可见性进行分析，并将可见目标车辆的信息，按照真实毫米波雷达感知对象的表达形式进行转换输出。
所述的一种基于毫米波雷达模型的目标可见性判断方法，步骤二中，在进行目标车辆反射强度计算时，根据当前目标车辆所处的位置和角度信息，在已经标定的目标反射率中查找相应的车辆该区域的目标反射率值，并根据可见部位的位置对应该类型中的所属情况，最后针对该情况，根据可见部位对应的角度范围进行积分计算，并乘以目标车型的高度值，得出其目标反射强度的大小。
所述的一种基于毫米波雷达模型可见性判断方法，步骤二中，目标车辆与主车同向行驶类型下，包含flrcorner特征、frrcorner特征和frearside特征三种情况：
flrcorner特征表示目标车辆可见部位位于车尾部中心点环绕车轮廓至左侧顶端的区域；
frrcorner特征表示目标车辆可见部位位于车尾部中心点环绕车轮廓至右侧顶端的区域；
frearside特征表示目标车辆可见部位位于车尾部左侧端点至右侧端点的区域。
所述的一种基于毫米波雷达模型的目标可见性判断方法，步骤二中，目标车辆与主车相对行驶类型下，包含frfcorner特征、flfcorner特征和ffrontside特征三种情况：
frfcorner特征表示目标车辆可见部位位于车头部中心点环绕车轮廓至右侧顶端的区域；
flfcorner特征表示目标车辆可见部位位于车头部中心点环绕车轮廓至左侧顶端的区域；
ffrontside特征表示目标车辆可见部位位于车头部左侧端点至右侧端点的区域。
所述的一种基于毫米波雷达模型的目标可见性判断方法，步骤二中，目标车辆相对主车向左行驶类型下，包含fflcorner特征、frlcorner特征和fleftside特征三种情况：
fflcorner特征表示目标车辆可见部位位于车左侧中心点环绕车轮廓至车头部顶端的区域；
frlcorner特征表示目标车辆可见部位位于车左侧中心点环绕车轮廓至车尾部顶端的区域；
fleftside特征表示目标车辆可见部位位于车左侧前部端点至尾部端点的区域。
所述的一种基于毫米波雷达模型的目标可见性判断方法，步骤二中，目标车辆相对主车向右行驶类型下，包含frrcorner特征、frfcorner特征和frightside特征三种情况：
frrcorner特征表示目标车辆可见部位位于车右侧中心点环绕车轮廓至车尾部顶端的区域；
frfcorner特征表示目标车辆可见部位位于车右侧中心点环绕车轮廓至车头部顶端的区域；
frightside特征表示目标车辆可见部位位于车右侧前部端点至尾部端点的区域。
所述的一种基于毫米波雷达模型的目标可见性判断方法，步骤二中，当目标车辆相对于主车航向角变化时：
目标车辆航向角范围在0～45°以及315°～360°时，按目标车辆与主车同向行驶类型进行处理；
目标车辆航向角范围在45°～135°时，按目标车辆相对主车向左行驶类型进行处理；
目标车辆航向角范围在135°～225°时，按目标车辆与主车相对行驶类型进行处理；
目标车辆航向角范围在225°～315°时，按目标车辆相对主车向右行驶类型进行处理。
所述的一种基于毫米波雷达模型可见性判断方法，步骤二中，考虑目标车辆相对雷达角度不同，反射存在一定的折射损失的情况，通过计算当前目标车辆相对雷达的位置矢量，将得出的目标车辆反射强度进行矢量投影：根据计算得出的目标车辆反射强度，分别记可见部位端点为A、B，计算A、B的中点O1，O为雷达安装位置原点，连接OO1，将计算的目标车辆反射强度向线段OO1进行投影计算，得出实际的目标车辆反射强度值。
所述的一种基于毫米波雷达模型的目标可见性判断方法，步骤三目标车辆可见性判断的工作流程为：将步骤二得出的目标车辆反射强度计算值列表依次提取相关数据，判断该目标车辆反射强度计算值是否大于模拟传感器中目标车辆反射强度可见阈值，如果大于目标反射强度可见阈值，则该输入对象对模拟传感器可见，将仿真场景中得到的该目标车辆的位置、角度、速度以及加速度等信息，根据当前雷达模型所需的输出数据格式进行转化输出，如果该目标车辆反射强度计算值不大于模拟传感器目标反射强度可见阈值，则判定该输入对象对传感器不可见。上述流程的计算中，涉及到的可见阈值，定义为模拟传感器能够有效识别目标的目标可见反射强度值。
附图说明
图1基于毫米波雷达模型可见性判断方法流程图
图2车辆旋转角度示意图
图3几何裁剪目标可见部位示意
图4目标车辆可见部位对应角度信息示意图
图5a当目标车辆与主车同向行驶时目标车辆可见部位与所占据的车辆的位置关系
图5b当目标车辆与主车相对行驶时目标车辆可见部位与所占据的车辆的位置关系
图5c当目标车辆相对主车向左行驶时目标车辆可见部位与所占据的车辆的位置关系
图5d当目标车辆相对主车向右行驶时目标车辆可见部位与所占据的车辆的位置关系
图6目标反射强度计算矢量投影图
图7可见性判断模块工作流程图
图8a基于反射强度目标可见判断结果示意图
图8b基于反射强度目标不可见判断结果示意图
具体实施方式
为了充分表达本发明的目的、技术方案和优点，结合以下附图和实施实例，对本发明实施方式进行详细说明。为了能够充分理解，此处所描述的具体实施实例仅仅用来解释本发明，并不只限定于本发明。
本发明的目的在于针对智能汽车测试验证所需毫米波雷达模型，提出一种新的毫米波雷达在其可见范围内判别目标可见性的方法，以解决智能汽车仿真测试中利用虚拟传感进行目标可见性判断的问题，提高虚拟传感器模型的精度，同时满足仿真效率的要求。
如图1所示，本发明方法由目标信息检测、反射强度模拟和可见性判断三步组成。本发明中，本车状态主要包含本车的运动状态，包括位置、姿态、速度以及加速度。传感器参数主要是指被模拟传感器的功能参数和性能参数。仿真场景主要是指可以被传感器感知的物体以及其相关属性信息，包括交通车以及其属性信息，车型、形状尺寸、材质、位置、速度、加速度、行驶方向以及反射率。
目标信息检测用于获取探测目标的信息，包含获取探测对象的车型、位置、角度、材质、形状、速度、加速度、行驶方向及反射率信息。反射强度模拟，计算目标在毫米波雷达探测区域内可见部分的反射强度。可见性判断，根据计算出的目标反射强度值，对目标的可见性进行分析，并将可见目标的信息，按照真实毫米波雷达感知对象的表达形式进行转换输出。
实施例
在检测目标车辆信息前，需要从仿真测试模拟器中的场景模块、汽车动力学模块中获取信息，根据输入的主车模拟传感器参数，模拟传感器安装位置信息、角度信息、探测范围的形状尺寸信息，以及主车的运动位置信息，确定仿真场景中的场景截取位置及截取范围信息，对场景内的交通参与物进行截取，并获取其对应的属性信息，此处交通参与物以交通车为例，下文再提及的交通参与物默认为交通车(即目标车辆)。定义目标车辆车头朝向与X轴同向时为0点，逆时针旋转为正，如图2所示。
本发明一种基于毫米波雷达模型的目标可见性判断方法，包括以下步骤：
步骤一：目标车辆信息检测：主要是对探测目标车辆信息的获取。
进行目标车辆信息检测：根据智能汽车仿真测试模型中存储的车型，以及毫米波雷达对该车型在不同位置处360°角度进行目标反射率的标定结果，获取目标车辆在主车探测时，位于主车探测范围内不同位置和不同角度时的信息，包括目标车辆的车型、形状尺寸、材质、位置、速度、加速度、行驶方向以及反射率信息，并建立相应的链表进行存储。为提高计算效率，暂时将车型简化为OBB包围盒，定义交通车长宽尺寸为4.2*1.8m，高度设置为1.6m。简化材质信息，默认为包含在反射率标定中，不再单独使用计算。行驶方向信息定义为目标车航向角范围在0～45°以及315°～360°时，认为目标车与主车同向行驶；目标车航向角范围在45°～135°时，认为目标车相对主车向左行驶；目标车航向角范围在135°～225°时，认为目标车相对主车相对行驶；目标车航向角范围在225°～315°时，认为目标车相对主车向右行驶。反射率信息存储于仿真环境中，在建立目标反射率图表时，横坐标为目标车辆的旋转角度，纵坐标为目标反射率。
步骤二：目标车辆反射强度模拟，首先将步骤一中获取的所有交通参与物根据几何裁剪的方法遍历所有目标进行几何裁剪，丢弃完全不可见目标车辆，对存在可见部位的目标车辆计算其可见部位的信息，包括可见部位的位置以及对应的角度信息。如图3所示，目标2可见部位为加粗黑实线标识部位。计算其可见部位的位置对应的角度信息为205°～330°，如图4所示。
在计算反射强度时，总结目标车辆相对主车的行驶方向，按行车方向分成四类，在每一类别下根据可见部位与主车的位置关系，进一步划分出三种情况，每种情况采用不同的反射强度计算方法。
如图5a所示，第一类表示目标车辆与主车行驶方向同向行驶，包含flrcorner特征、frrcorner特征和frearside特征三种情况。flrcorner特征表示目标车辆可见部位位于车尾部中心点环绕车轮廓至右侧顶端的区域。frrcorner特征表示目标车辆可见部位位于车尾部中心点环绕车轮廓至右侧顶端的区域。frearside特征表示目标车辆可见部位位于车尾部左侧端点至右侧端点的区域。在进行目标反射强度计算时，根据当前目标车辆所处的位置和角度信息，在已经标定的目标反射率中查找相应的车辆该区域的目标反射率的大小，并根据可见部位的位置对应该类型中的所属情况，最后针对该情况根据可见部位对应的角度范围进行积分计算，并乘以目标车型的高度值，得出其目标反射强度的大小。
如图5b所示，第二类表示目标车辆与主车相对行驶，包含frfcorner特征、flfcorner特征和ffrontside特征三种情况。frfcorner特征表示目标车辆可见部位位于车头部中心点环绕车轮廓至右侧顶端的区域。flfcorner特征表示目标车辆可见部位位于车头部中心点环绕车轮廓至左侧顶端的区域。ffrontside特征表示目标车辆可见部位位于车头部左侧端点至右侧端点的区域。在进行目标反射强度计算时，根据当前目标车辆所处的位置和角度信息，在已经标定的目标反射率中查找相应的车辆该区域的目标反射率的大小，并根据可见部位的位置对应该类型中的所属情况，最后针对该情况根据可见部位对应的角度范围进行积分计算，并乘以目标车型的高度值，得出其目标反射强度的大小。
如图5c所示，第三类表示目标车辆相对主车向左行驶，包含fflcorner特征、frlcorner特征和fleftside特征三种情况。fflcorner特征表示目标车辆可见部位位于车左侧中心点环绕车轮廓至车头部顶端的区域。frlcorner特征表示目标车辆可见部位位于车左侧中心点环绕车轮廓至车尾部顶端的区域。fleftside特征表示目标车辆可见部位位于车左侧前部端点至尾部端点的区域。在进行目标反射强度计算时，根据当前目标车辆所处的位置和角度信息，在已经标定的目标反射率中查找相应的车辆该区域的目标反射率的大小，并根据可见部位的位置对应该类型中的所属情况，最后针对该情况根据可见部位对应的角度范围进行积分计算，并乘以目标车型的高度值，得出其目标反射强度的大小。
如图5d所示，第四类表示目标车辆相对主车向右行驶，包含frrcorner特征、frfcorner特征和frightside特征三种情况。frrcorner特征表示目标车辆可见部位位于车右侧中心点环绕车轮廓至车尾部顶端的区域。frfcorner特征表示目标车辆可见部位位于车右侧中心点环绕车轮廓至车头部顶端的区域。frightside特征表示目标车辆可见部位位于车右侧前部端点至尾部端点的区域。在进行目标反射强度计算时，根据当前目标车辆所处的位置和角度信息，在已经标定的目标反射率中查找相应的车辆该区域的目标反射率的大小，并根据可见部位的位置对应该类型中的所属情况，最后针对该情况根据可见部位对应的角度范围进行积分计算，并乘以目标车型的高度值，得出其目标反射强度的大小。
上述图中目标车2未被完全遮挡，根据目标信息的检测模块得出的信息，方向与主车同向，属于第一类情况，再根据可见部位的信息计算得出其位于目标车的左侧部分，属于第一类情况的第一种情况，进入该情况的目标反射强度计算，根据其可见部位的位置对应的角度信息为205°～330°，对照目标信息的检测模块获取的该车的目标反射率分布表，进行积分计算，积分后并乘上获取的交通车的高度信息计算其目标反射强度的大小，并将其存入待处理目标反射强度计算值列表中，便于下一环节的处理。
即，当目标车辆相对于主车航向角变化时，目标车航向角范围在0～45°以及315°～360°时，按类型一进行处理；目标车航向角范围在45°～135°时，按类型三进行处理；目标车航向角范围在135°～225°时，按类型二进行处理；目标车航向角范围在225°～315°时，按类型四进行处理。
由于上述两种情况在计算反射强度时，默认为目标车辆每一点的反射均在车辆的正前方，而实际的目标反射强度，还需要考虑目标车辆相对雷达角度的不同，反射存在一定的折射损失，本发明将通过计算当前目标车辆相对雷达的位置矢量，将得出的目标反射强度进行矢量投影。如图6所示，以上述情况中目标车辆2的可见强度计算为例，根据计算得出的目标反射强度，分别记可见部位端点为A、B，计算A、B的中点O1，O为雷达安装位置原点，连接OO1，将将计算的目标反射强度向线段OO1进行投影计算，得出实际的目标反射强度值。
步骤三：目标车辆可见性判断，根据步骤二计算出的目标车辆反射强度值，对目标车辆的可见性进行分析，并将可见目标车辆的信息，按照真实毫米波雷达感知对象的表达形式进行转换输出。如图7所示，主要工作流程为：
将步骤二得出的目标车辆反射强度计算值列表依次提取相关数据，判断该目标车辆反射强度计算值是否大于模拟传感器中目标车辆反射强度可见阈值，如果大于目标反射强度可见阈值，则该输入对象对模拟传感器可见，将仿真场景中得到的该目标车辆的位置、角度、速度以及加速度等信息，根据当前雷达模型所需的输出数据格式进行转化输出，如需要将其转化在极坐标系下，输出当前目标的距离、角度、速度和加速度信息，然后判断待处理列表是否全部处理完毕，如果全部处理完毕则该模块运行结束，否则继续提取下一个待处理目标车辆反射强度计算值。如果该目标车辆反射强度计算值不大于模拟传感器目标反射强度可见阈值，则判定该输入对象对传感器不可见；随后对待处理列表是否全部处理完毕进行判断，若全部处理完毕则该步骤结束，否则继续提取下一个待处理目标反射强度计算值。
定义目标车辆强度可见阈值为模拟传感器能够有效识别目标车辆的目标车辆可见反射强度值。
最终图像显示可见结果示意图如图8a、图8b所示。

Claims (8)

1.一种基于毫米波雷达模型的目标可见性判断方法，其特征在于，包括以下步骤：
步骤一：目标车辆信息检测，对探测目标车辆信息进行获取：
根据智能汽车仿真测试模型中存储的车型，以及毫米波雷达对该车型在不同位置处360°角度进行目标反射率的标定结果，获取目标车辆在主车探测时，位于主车探测范围内不同位置和不同角度时的信息，包括目标车辆的车型、形状尺寸、材质、位置、速度、加速度、行驶方向以及反射率信息，并建立相应的链表进行存储；
步骤二：目标车辆反射强度模拟：
首先将步骤一中获取的所有目标车辆，根据几何裁剪方法遍历所有目标车辆，对目标车辆进行遮挡判断，丢弃完全不可见目标车辆，对存在可见部位的目标车辆计算其可见部位的信息，包括可见部位的位置以及对应的角度信息；
在计算反射强度时，区分目标车辆相对主车的行驶方向，按行驶方向分类，包括四类：目标车辆与主车同向行驶，目标车辆与主车相对行驶，目标车辆相对主车向左行驶，以及目标车辆相对主车向右行驶；在每一类型下，根据目标车辆可见部位与主车的位置关系，进一步划分出多种情况，具体计算每种情况下的目标车辆反射强度；
步骤三：目标车辆可见性判断：
根据步骤二计算出的目标车辆反射强度值，对目标车辆的可见性进行分析，并将可见目标车辆的信息，按照真实毫米波雷达感知对象的表达形式进行转换输出。
2.如权利要求1所述的一种基于毫米波雷达模型的目标可见性判断方法，其特征在于，所述步骤二中，在进行目标车辆反射强度计算时，根据当前目标车辆所处的位置和角度信息，在已经标定的目标反射率中查找相应的车辆区域的目标反射率值，并根据可见部位的位置对应该类型中的所属情况，最后针对该情况，根据可见部位对应的角度范围进行积分计算，并乘以目标车型的高度值，得出其目标反射强度的大小。
3.如权利要求1所述的一种基于毫米波雷达模型的目标可见性判断方法，其特征在于，所述步骤二中，目标车辆与主车同向行驶类型下，包含flrcorner特征、frrcorner特征和frearside特征三种情况：
flrcorner特征表示目标车辆可见部位位于车尾部中心点环绕车轮廓至左侧顶端的区域；
frrcorner特征表示目标车辆可见部位位于车尾部中心点环绕车轮廓至右侧顶端的区域；
frearside特征表示目标车辆可见部位位于车尾部左侧端点至右侧端点的区域。
4.如权利要求1所述的一种基于毫米波雷达模型的目标可见性判断方法，其特征在于，所述步骤二中，目标车辆与主车相对行驶类型下，包含frfcorner特征、flfcorner特征和ffrontside特征三种情况：
frfcorner特征表示目标车辆可见部位位于车头部中心点环绕车轮廓至右侧顶端的区域；
flfcorner特征表示目标车辆可见部位位于车头部中心点环绕车轮廓至左侧顶端的区域；
ffrontside特征表示目标车辆可见部位位于车头部左侧端点至右侧端点的区域。
5.如权利要求1所述的一种基于毫米波雷达模型的目标可见性判断方法，其特征在于，所述步骤二中，目标车辆相对主车向左行驶类型下，包含fflcorner特征、frlcorner特征和fleftside特征三种情况：
fflcorner特征表示目标车辆可见部位位于车左侧中心点环绕车轮廓至车头部顶端的区域；
frlcorner特征表示目标车辆可见部位位于车左侧中心点环绕车轮廓至车尾部顶端的区域；
fleftside特征表示目标车辆可见部位位于车左侧前部端点至尾部端点的区域。
6.如权利要求1所述的一种基于毫米波雷达模型的目标可见性判断方法，其特征在于，所述步骤二中，目标车辆相对主车向右行驶类型下，包含frrcorner特征、frfcorner特征和frightside特征三种情况：
frrcorner特征表示目标车辆可见部位位于车右侧中心点环绕车轮廓至车尾部顶端的区域；
frfcorner特征表示目标车辆可见部位位于车右侧中心点环绕车轮廓至车头部顶端的区域；
frightside特征表示目标车辆可见部位位于车右侧前部端点至尾部端点的区域。
7.如权利要求1所述的一种基于毫米波雷达模型的目标可见性判断方法，其特征在于，所述步骤二中，考虑目标车辆相对雷达角度不同，反射存在一定的折射损失的情况，通过计算当前目标车辆相对雷达的位置矢量，将得出的目标车辆反射强度进行矢量投影：根据计算得出的目标车辆反射强度，分别记可见部位端点为A、B，计算A、B的中点O1，O为雷达安装位置原点，连接OO1，将计算的目标车辆反射强度向线段OO1进行投影计算，得出实际的目标车辆反射强度值。
8.如权利要求1所述的一种基于毫米波雷达模型的目标可见性判断方法，其特征在于，所述步骤三目标车辆可见性判断的工作流程为：
将步骤二得出的目标车辆反射强度计算值列表依次提取相关数据，判断该目标车辆反射强度计算值是否大于模拟传感器中目标车辆反射强度可见阈值，如果大于目标反射强度可见阈值，则该目标车辆对模拟传感器可见，将仿真场景中得到的该目标车辆的位置、角度、速度以及加速度信息，根据当前雷达模型所需的输出数据格式进行转化输出；如果该目标车辆反射强度计算值不大于模拟传感器目标反射强度可见阈值，则判定该目标车辆对传感器不可见。
CN201910270687.3A 2019-04-04 2019-04-04 一种基于毫米波雷达模型的目标可见性判断方法 Active CN110007279B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910270687.3A CN110007279B (zh) 2019-04-04 2019-04-04 一种基于毫米波雷达模型的目标可见性判断方法
US16/825,416 US11442162B2 (en) 2019-04-04 2020-03-20 Millimeter wave radar modeling-based method for object visibility determination

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910270687.3A CN110007279B (zh) 2019-04-04 2019-04-04 一种基于毫米波雷达模型的目标可见性判断方法

Publications (2)

Publication Number Publication Date
CN110007279A CN110007279A (zh) 2019-07-12
CN110007279B true CN110007279B (zh) 2020-01-21

Family

ID=67169949

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910270687.3A Active CN110007279B (zh) 2019-04-04 2019-04-04 一种基于毫米波雷达模型的目标可见性判断方法

Country Status (2)

Country Link
US (1) US11442162B2 (zh)
CN (1) CN110007279B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6462630B2 (ja) * 2016-05-24 2019-01-30 株式会社デンソー 物標検出装置
CN111409584A (zh) * 2020-02-27 2020-07-14 广汽蔚来新能源汽车科技有限公司 行人保护方法、装置、计算机设备和存储介质
EP3968051B1 (en) * 2020-09-15 2024-10-30 Infineon Technologies AG Guiding system for a robot, base station including such a guiding system, and method for guiding a robot
CN112083415B (zh) * 2020-10-12 2021-10-29 吉林大学 一种基于3d信息的毫米波雷达模型目标可见性判断方法
CN112327797B (zh) * 2020-10-22 2022-01-07 雄狮汽车科技(南京)有限公司 超声波雷达控车策略的测试方法、系统和存储介质
CN112286036B (zh) * 2020-12-29 2021-03-12 四川写正智能科技有限公司 防溺水智能手表
CN113109775B (zh) * 2021-04-15 2022-07-29 吉林大学 考虑目标表面覆盖特征的毫米波雷达目标可见性判断方法
CN113504520B (zh) * 2021-06-01 2022-06-07 襄阳达安汽车检测中心有限公司 毫米波雷达目标模拟方法、装置、设备及可读存储介质
CN115587424B (zh) * 2022-09-28 2025-03-25 东风汽车集团股份有限公司 一种尾门运动包络制作方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107403038A (zh) * 2017-07-05 2017-11-28 同济大学 一种智能汽车虚拟快速测试方法
CN108681264A (zh) * 2018-08-10 2018-10-19 成都合纵连横数字科技有限公司 一种智能车辆数字化仿真测试装置
CN109188377A (zh) * 2018-08-30 2019-01-11 安徽江淮汽车集团股份有限公司 雷达功能仿真测试系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012107445B8 (de) * 2012-08-14 2016-04-28 Jenoptik Robot Gmbh Verfahren zur Klassifizierung von fahrenden Fahrzeugen
JP6828428B2 (ja) * 2016-12-27 2021-02-10 株式会社デンソー 車両用衝突回避支援装置および車両の衝突回避支援方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107403038A (zh) * 2017-07-05 2017-11-28 同济大学 一种智能汽车虚拟快速测试方法
CN108681264A (zh) * 2018-08-10 2018-10-19 成都合纵连横数字科技有限公司 一种智能车辆数字化仿真测试装置
CN109188377A (zh) * 2018-08-30 2019-01-11 安徽江淮汽车集团股份有限公司 雷达功能仿真测试系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"LiDAR Sensor Modeling for ADAS Applications under a Virtual Driving Environment";Yaxin Li et al.;《SAE International》;20160914;第1-7页 *
"Optimized simulation architecture for multimodal radar modeling: Application to automotive driving assistance system";Steve PECHBERTI et al.;《Proceedings of the 16th International IEEE Annual Conference on Intelligent Transportation Systems (ITSC 2013)》;20131009;第1119-1124页 *
"智能汽车虚拟实训仿真平台开发与应用";宫唤春;《汽车工程师》;20181231(第12期);第24-26,29页 *

Also Published As

Publication number Publication date
CN110007279A (zh) 2019-07-12
US11442162B2 (en) 2022-09-13
US20200319334A1 (en) 2020-10-08

Similar Documents

Publication Publication Date Title
CN110007279B (zh) 一种基于毫米波雷达模型的目标可见性判断方法
KR101856401B1 (ko) 차선 데이터의 처리 방법, 장치, 저장매체 및 기기
CN110555407B (zh) 路面车辆空间识别方法及电子设备
CN110728753A (zh) 一种基于线性拟合的目标点云3d边界框拟合方法
CN116740668B (zh) 三维目标检测方法、装置、计算机设备和存储介质
CN117269940B (zh) 点云数据生成方法、激光雷达的感知能力验证方法
CN107796373A (zh) 一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法
WO2023131203A1 (zh) 语义地图更新方法、路径规划方法以及相关装置
CN112083415A (zh) 一种基于3d信息的毫米波雷达模型目标可见性判断方法
CN114488181A (zh) 一种相机和激光雷达的多源异构传感器融合方法及设备
CN114049542A (zh) 一种动态场景下基于多传感器的融合定位方法
CN118372820A (zh) 基于机器视觉的汽车防碰撞预警方法、系统、装置及介质
CN110413942B (zh) 车道线方程筛选方法及其筛选模块
CN112733678A (zh) 测距方法、装置、计算机设备和存储介质
CN108460348A (zh) 基于三维模型的道路目标检测方法
Venugopala Comparative study of 3D object detection frameworks based on LiDAR data and sensor fusion techniques
CN114910891A (zh) 一种基于非重叠视野的多激光雷达外参标定方法
CN115453570B (zh) 一种多特征融合的矿区粉尘滤除方法
Hu et al. A simple information fusion method provides the obstacle with saliency labeling as a landmark in robotic mapping
JP7312275B2 (ja) 情報処理装置、センシング装置、移動体、情報処理方法、及び、情報処理システム
KR102602609B1 (ko) 3d-ptv 영상에서 깊이 방향 위치에 따른 형상 및 밝기 특징들을 이용한 입자의 위치값 최적화 방법 및 시스템
CN118483697B (zh) 针对视觉目标与毫米波雷达点云实现速度特征融合的方法
JP7514664B2 (ja) 物体認識方法及び物体認識システム
CN118915090A (zh) 基于激光雷达的安全装卸车方法及系统
CN119272232A (zh) 一种数据处理方法、装置、系统及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant