CN112098969B - 毫米波大车盲区雷达的目标检测与预警的优化方法 - Google Patents
毫米波大车盲区雷达的目标检测与预警的优化方法 Download PDFInfo
- Publication number
- CN112098969B CN112098969B CN202011291744.5A CN202011291744A CN112098969B CN 112098969 B CN112098969 B CN 112098969B CN 202011291744 A CN202011291744 A CN 202011291744A CN 112098969 B CN112098969 B CN 112098969B
- Authority
- CN
- China
- Prior art keywords
- target
- radar
- speed
- cart
- early warning
- 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
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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/414—Discriminating targets with respect to background clutter
-
- 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
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)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种毫米波大车盲区雷达的目标检测与预警的优化方法，其雷达设置了两种预警模式：模式一，当大车打右转向灯信号时，对车右侧盲区预警范围内且车右侧距离在1.2米内检测到的静止和运动目标进行报警；模式二，当大车没有打右转向灯信号时，车速大于8km/h时，雷达过滤掉右侧护栏和灌木等干扰因素，更加准确探测到车、骑行者和行人，大车静止及低于8km/h直线行驶时，雷达报警关闭，减少了误报和频繁报警给司机带来的不适，本发明中的目标检测方法原理简单，运算速度快，实时性高，可过滤掉护栏和灌木等虚警杂波，经检测，其准确预警率可达99%以上，预警精度高。
Description
技术领域
本发明涉及检测技术领域，尤其涉及一种毫米波大车盲区雷达的目标检测与预警的优化方法。
背景技术
在大车行驶中，车辆右侧会有一个视觉盲区，司机通过后视镜是无法观察到盲区内行人和车辆，存在着一定的车祸隐患。然而近些年来，在国内外市面上的大车盲区检测系统大多采用摄像头、超声波或激光雷达方式，它们依然存在一些问题和不足之处。比如，摄像头对目标的识别有着准确性和实时性高的特点，但是受天气和夜晚的影响较大，还有着成本较高和开发难度大的问题；普通雷达收发电磁波受环境影响，大车右侧护栏和灌木等干扰杂波会给系统感知带来无法避免的虚警问题，导致雷达系统误报的频繁出现，这严重影响了司机的驾驶体验。
发明内容
本发明的目的是为了解决现有技术中摄像头、超声波或激光雷达方式进行大车盲区检测存在的问题，而提出的一种毫米波大车盲区雷达的目标检测与预警的优化方法，提升准确预警率。
为了实现上述目的，本发明采用了如下技术方案：
毫米波大车盲区雷达的目标检测与预警的优化方法，包括以下步骤：
S1：通过毫米波雷达得到大车盲区的目标点云相关数据；
S2：当系统接收到大车右转向灯信号时，雷达进入模式一状态，不考虑盲区预警范围内检测目标的绝对速度与本车车速，对盲区预警范围内且车右侧设定距离范围内检测到的目标预警，优选的，所述设定距离为1.2m;
S3:根据目标点云数据关联特征，目标速度大小对目标进行排序，剔除奇异值，得到一个速度相近的目标簇，用目标簇的速度平均值来估计出本身车速；
S4:当系统没有接收到大车右转向灯信号时，雷达进入模式二状态，大车静止及低于启动速度直线行驶时，雷达报警关闭，而本身车速大于启动速度时，雷达系统执行步骤S5-S7的操作，优选的，所述启动速度为8km/h；
S5：基于估计自身车速(雷达相对地面的运动速度)和目标相对雷达速度，可获得目标速度，如果目标速度为0，可判定为绝对静止目标并且滤除；
S6：对目标数据进行航迹判断，由目标相对雷达速度和帧间隔时间推算出目标每帧的实际航迹，再与每帧坐标变化值估算出的理论航迹作比较，如果实际航迹与理论航迹相差很大，说明目标航迹与实际不符，可以作为杂波过滤掉；
S7：目标能量门限判定，对满足上述门限条件的目标预警。
进一步的，所述步骤S1中得到大车盲区目标点云数据的方法包括以下步骤：
A1：毫米波雷达发射信号，并接收波形，进行多通道回波数据的采集；
A2：对回波数据进行二维FFT变化得到距离多普勒谱和距离方位图；
A3：在距离方位图中进行CFAR检测算法，输出目标点云数据，可得到目标的xy坐标、能量、SNR、速度和角度。
优选的，本发明中实用的毫米波雷达为77GHz车载毫米波雷达，所述毫米波雷达的天线为两发四收MIMO 阵列，可准确测量目标的距离、速度、角度、自身车速等信息。当大车盲区内有危险目标出现时，系统发出声、光或输出 CAN 信号，辅助驾驶员规避盲区物体，达到安全驾驶的目的。
为了改善结果准确性和用户体验，雷达设置了两种预警模式：
模式一：当雷达系统接收到大车打右转向灯信号时，不考虑自身车速对车右侧盲区预警范围内且车右侧距离在1.2米内检测到的静止和运动目标进行报警。
模式二：当雷达系统没有接收到大车打右转向灯信号时，大车以车速大于8km/h正常行驶时，雷达通过算法估计的自身车速和目标相对雷达速度，可获得目标速度，然后利用目标的速度特征过滤掉右侧护栏和灌木等干扰因素，使得雷达更加准确探测到车、骑行者和行人；大车静止及低于8km/h直线行驶时，此时大车对行人和车辆不具有威胁性，雷达报警关闭，减少了误报和频繁报警给司机带来的不适。
本发明的有益效果是：
1、本发明中的毫米波大车盲区雷达的目标检测与预警的优化方法采用基于雷达估计自身车速的杂波抑制算法，利用估计自身车速(雷达相对地面的运动速度)和目标相对雷达速度，可获得目标速度，如果目标速度为0时，即判定为环境杂波滤除，保留微动和运动目标；
2、本发明中的毫米波大车盲区雷达的目标检测与预警的优化方法采用目标跟踪和关联处理方法，目标数据进行航迹判断，根据点云输出的坐标计算得到实际航迹，再由前一帧的坐标和瞬时速度推出后几帧的理论航迹，实际航迹与理论航迹比较，如果两者差的绝对值满足一个足够小的值，可继续下一步操作，否则将目标滤除；
3、本发明中的毫米波大车盲区雷达的目标检测与预警的优化方法采用预警的两种模式，可将误报率大大降低；
4、本发明中毫米波雷达相对摄像头具有全天时，全天候的特点；相对测距的激光雷达和超声波雷达，还有着测速和测角特点，可以获得目标的速度和角度，数据多样。
综上所述，本发明中的毫米波大车盲区雷达的目标检测与预警的优化方法的目标检测方法原理简单，运算速度快，实时性高，可过滤掉护栏和灌木等虚警杂波，经检测，其准确预警率可达99%以上，预警精度高。
附图说明
图1为本毫米波大车盲区雷达的目标检测与预警的优化方法的步骤图；
图2为大车盲区目标点云数据中雷达一维距离向图；
图3为大车盲区目标点云数据中本雷达二维距离方位检测结果图；
图4为大车盲区范围图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
参照图1，毫米波大车盲区雷达的目标检测与预警的优化方法，包括以下步骤：
S1：通过毫米波雷达得到大车盲区的目标点云相关数据；
S2：当系统接收到大车右转向灯信号时，雷达进入模式一状态，不考虑盲区预警范围内检测目标的绝对速度与本车车速，对盲区预警范围内且车右侧1.2m范围内检测到的目标预警;
S3:根据目标点云数据关联特征，目标速度大小对目标进行排序，剔除奇异值，得到一个速度相近的目标簇，用目标簇的速度平均值来估计出本身车速；
S4:当系统没有接收到大车右转向灯信号时，雷达进入模式二状态，大车静止及低于8km/h直线行驶时，雷达报警关闭，而本身车速大于8km/h时，雷达系统执行步骤S5-S7的操作；
S5：基于估计自身车速(雷达相对地面的运动速度)和目标相对雷达速度，可获得目标速度，如果目标速度为0，可判定为绝对静止目标并且滤除；
S6：对目标数据进行航迹判断，由目标相对雷达速度和帧间隔时间推算出目标每帧的实际航迹，再与每帧坐标变化值估算出的理论航迹作比较，如果实际航迹与理论航迹相差很大，说明目标航迹与实际不符，可以作为杂波过滤掉；
S7：目标能量门限判定，对满足上述门限条件的目标预警。
进一步的，所述步骤S1中得到大车盲区目标点云数据的方法包括以下步骤：
A1：毫米波雷达发射信号，并接收波形，进行多通道回波数据的采集；
A2：参考图2和图3，对回波数据进行二维FFT变化得到距离多普勒谱和距离方位图；
A3：在距离方位图中进行CFAR检测算法，输出目标点云数据，可得到目标的xy坐标、能量、SNR、速度和角度。
参考图4，大车纵轴方向为大车盲区的X轴方向，大车横轴向为大车盲区的Y轴方向，大车盲区范围根据车型的不同会有所改变。
本实施例中，本发明中实用的毫米波雷达为77GHz车载毫米波雷达，所述毫米波雷达的天线为两发四收MIMO 阵列，可准确测量目标的距离、速度、角度，自身车速等信息。当大车盲区内有危险目标出现时，系统发出声、光或输出 CAN 信号，辅助驾驶员规避盲区物体，达到安全驾驶的目的。
为了改善结果准确性和用户体验，本实施例的雷达设置了两种预警模式：
模式一：当雷达系统接收到大车打右转向灯信号时，不考虑自身车速对车右侧盲区预警范围内且车右侧距离在1.2m内检测到的静止和运动目标进行报警。
模式二：当雷达系统没有接收到大车打右转向灯信号时，大车以车速大于8km/h正常行驶时，雷达通过算法估计的自身车速和目标相对雷达速度，可获得目标速度，可以利用目标的速度特征过滤掉右侧护栏和灌木等干扰因素，使得雷达更加准确探测到车、骑行者和行人；大车静止及低于8km/h直线行驶时，此时大车对行人和车辆不具有威胁性，雷达报警关闭，减少了误报和频繁报警给司机带来的不适。
通过毫米波雷达进行检测，相对摄像头具有全天时，全天候的特点；相对测距的激光雷达和超声波雷达，还有着测速和测角特点，可以获得目标的速度和角度，数据多样。
通过上述设置可得到，本实施例中的毫米波大车盲区雷达的目标检测与预警的优化方法采用基于雷达估计自身车速的杂波抑制算法，利用估计自身车速(雷达相对地面的运动速度)和目标相对雷达速度，可获得目标速度，如果目标速度为0时，即判定为环境杂波滤除，保留微动和运动目标；同时采用目标跟踪和关联处理方法，目标数据进行航迹判断，根据点云输出的坐标计算得到实际航迹，再由前一帧的坐标和瞬时速度推出后几帧的理论航迹，实际航迹与理论航迹比较，如果两者差的绝对值满足一个足够小的值，可继续下一步操作，否则将目标滤除。
本实施例中的毫米波大车盲区雷达的目标检测与预警的优化方法采用上述预警的两种模式，可将误报率大大降低，且目标检测方法原理简单，运算速度快，实时性高，可过滤掉护栏和灌木等虚警杂波，经检测，其准确预警率可达99%以上，预警精度高。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (5)
1.毫米波大车盲区雷达的目标检测与预警的优化方法，其特征在于，包括以下步骤：
S1：通过毫米波雷达得到大车盲区的目标点云相关数据；
S2：当系统接收到大车右转向灯信号时，雷达进入模式一状态，不考虑盲区预警范围内检测目标的绝对速度与本车车速，对盲区预警范围内且车右侧设定距离范围内检测到的目标预警;
S3:根据目标点云数据关联特征，目标速度大小对目标进行排序，剔除奇异值，得到一个速度相近的目标簇，用目标簇的速度平均值来估计出本身车速；
S4:当系统没有接收到大车右转向灯信号时，雷达进入模式二状态，大车静止及低于启动速度直线行驶时，雷达报警关闭，而本身车速大于启动速度时，雷达系统执行步骤S5-S7的操作；
S5：基于估计自身车速和目标相对雷达速度，可获得目标速度，如果目标速度为0，可判定为绝对静止目标并且滤除；
S6：对目标数据进行航迹判断，由目标相对雷达速度和帧间隔时间推算出目标每帧的实际航迹，再与每帧坐标变化值估算出的理论航迹作比较，如果实际航迹与理论航迹相差很大，说明实际航迹与理论航迹不符，目标作为杂波过滤掉；
S7：目标能量门限判定，对满足上述门限条件的目标预警。
2.根据权利要求1所述的毫米波大车盲区雷达的目标检测与预警的优化方法，其特征在于，所述步骤S1中得到大车盲区目标点云数据的方法包括以下步骤：
A1：毫米波雷达发射信号，并接收波形，进行多通道回波数据的采集；
A2：对回波数据进行二维FFT变化得到距离多普勒谱和距离方位图；
A3：在距离方位图中进行CFAR检测算法，输出目标点云数据，可得到目标的xy坐标、能量、SNR、速度和角度。
3.根据权利要求2所述的毫米波大车盲区雷达的目标检测与预警的优化方法，其特征在于，所述毫米波雷达为77GHz车载毫米波雷达，所述毫米波雷达的天线为两发四收MIMO阵列。
4.根据权利要求1所述的毫米波大车盲区雷达的目标检测与预警的优化方法，其特征在于，所述启动速度为8km/h。
5.根据权利要求1所述的毫米波大车盲区雷达的目标检测与预警的优化方法，其特征在于，所述设定距离为1.2m。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011291744.5A CN112098969B (zh) | 2020-11-18 | 2020-11-18 | 毫米波大车盲区雷达的目标检测与预警的优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011291744.5A CN112098969B (zh) | 2020-11-18 | 2020-11-18 | 毫米波大车盲区雷达的目标检测与预警的优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112098969A CN112098969A (zh) | 2020-12-18 |
| CN112098969B true CN112098969B (zh) | 2021-02-02 |
Family
ID=73785258
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011291744.5A Active CN112098969B (zh) | 2020-11-18 | 2020-11-18 | 毫米波大车盲区雷达的目标检测与预警的优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112098969B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117250595B (zh) * | 2023-11-20 | 2024-01-12 | 长沙莫之比智能科技有限公司 | 一种车载毫米波雷达金属井盖目标误报抑制方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1259675A (zh) * | 1998-07-23 | 2000-07-12 | 易通－沃拉德技术有限公司 | 抑制雷达系统中雨滴杂波的方法和装置 |
| CN106740470A (zh) * | 2016-11-21 | 2017-05-31 | 奇瑞汽车股份有限公司 | 一种基于全景影像系统的盲区监测方法及系统 |
| CN109910881A (zh) * | 2019-04-09 | 2019-06-21 | 山东交通学院 | 一种转弯道路视觉盲区信息的检测处理方法及系统 |
| CN110834627A (zh) * | 2019-11-26 | 2020-02-25 | 北京海纳川汽车部件股份有限公司 | 基于毫米波雷达的车辆碰撞预警控制方法、系统及车辆 |
| CN110901536A (zh) * | 2019-12-09 | 2020-03-24 | 江苏理工学院 | 一种盲区检测报警系统及其工作方法 |
| CN111204333A (zh) * | 2018-11-22 | 2020-05-29 | 沃尔沃汽车公司 | 车辆前方盲点检测和警告系统 |
| CN111243274A (zh) * | 2020-01-20 | 2020-06-05 | 陈俊言 | 面向非网联交通个体的道路碰撞预警系统及方法 |
| CN111398947A (zh) * | 2020-04-08 | 2020-07-10 | 成都汇蓉国科微系统技术有限公司 | 一种基于航迹杂波图的脉冲多普勒雷达杂波抑制方法 |
| CN111554124A (zh) * | 2020-04-16 | 2020-08-18 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 交叉路口大货车右转弯防撞预警系统及预警方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10732262B2 (en) * | 2017-12-18 | 2020-08-04 | Veoneer Us, Inc. | Apparatus and method for detecting alignment of sensor in an automotive detection system |
-
2020
- 2020-11-18 CN CN202011291744.5A patent/CN112098969B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1259675A (zh) * | 1998-07-23 | 2000-07-12 | 易通－沃拉德技术有限公司 | 抑制雷达系统中雨滴杂波的方法和装置 |
| CN106740470A (zh) * | 2016-11-21 | 2017-05-31 | 奇瑞汽车股份有限公司 | 一种基于全景影像系统的盲区监测方法及系统 |
| CN111204333A (zh) * | 2018-11-22 | 2020-05-29 | 沃尔沃汽车公司 | 车辆前方盲点检测和警告系统 |
| CN109910881A (zh) * | 2019-04-09 | 2019-06-21 | 山东交通学院 | 一种转弯道路视觉盲区信息的检测处理方法及系统 |
| CN110834627A (zh) * | 2019-11-26 | 2020-02-25 | 北京海纳川汽车部件股份有限公司 | 基于毫米波雷达的车辆碰撞预警控制方法、系统及车辆 |
| CN110901536A (zh) * | 2019-12-09 | 2020-03-24 | 江苏理工学院 | 一种盲区检测报警系统及其工作方法 |
| CN111243274A (zh) * | 2020-01-20 | 2020-06-05 | 陈俊言 | 面向非网联交通个体的道路碰撞预警系统及方法 |
| CN111398947A (zh) * | 2020-04-08 | 2020-07-10 | 成都汇蓉国科微系统技术有限公司 | 一种基于航迹杂波图的脉冲多普勒雷达杂波抑制方法 |
| CN111554124A (zh) * | 2020-04-16 | 2020-08-18 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 交叉路口大货车右转弯防撞预警系统及预警方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112098969A (zh) | 2020-12-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110058239B (zh) | 一种车载毫米波雷达装置及目标探测方法 | |
| CN111679256B (zh) | 汽车毫米波雷达的角度校准方法、装置、系统及存储介质 | |
| US6680689B1 (en) | Method for determining object classification from side-looking sensor data | |
| CN110832340B (zh) | 用于探测运动对象的系统 | |
| CN110865365B (zh) | 一种基于毫米波雷达的停车场噪声消除方法 | |
| US6838981B2 (en) | Stopped object filtering for side object detection system | |
| CN111708016B (zh) | 一种毫米波雷达与激光雷达融合的车辆前碰撞预警方法 | |
| CN109814080B (zh) | 一种毫米波雷达目标跟踪与置信度算法及其装置 | |
| US6674394B1 (en) | Method for determining object location from side-looking sensor data | |
| CN110379178B (zh) | 基于毫米波雷达成像的无人驾驶汽车智能泊车方法 | |
| US11396282B2 (en) | Autonomous emergency braking system and method of controlling same | |
| CN110161505A (zh) | 一种基于毫米波雷达后防撞预警方法 | |
| Gavrila et al. | A multi-sensor approach for the protection of vulnerable traffic participants the PROTECTOR project | |
| GB2523094A (en) | Vehicle water detection system | |
| CN109367529B (zh) | 毫米波雷达组合安装结构及虚拟隧道构建与障碍判断方法 | |
| CN112526521A (zh) | 一种汽车毫米波防撞雷达的多目标跟踪方法 | |
| CN112660279A (zh) | 电动车驾驶警示系统及方法、毫米波雷达系统及电动车 | |
| KR20200108464A (ko) | 임계적인 횡방향 이동을 검출하는 방법 및 장치 | |
| JP2014241115A (ja) | 周辺物体検知装置 | |
| CN112098969B (zh) | 毫米波大车盲区雷达的目标检测与预警的优化方法 | |
| Bagi et al. | Sensing structure for blind spot detection system in vehicles | |
| US11209537B2 (en) | Extended target-matched CFAR detector | |
| US11798417B2 (en) | Driving assistance device | |
| CN118363025B (zh) | 一种基于车速估计的大车盲区雷达预警方法 | |
| KR100507090B1 (ko) | 차량의 추돌 경보장치 및 그 방법 |
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 |