[發(fā)明專利]基于77G毫米波雷達(dá)的目標(biāo)物體大小測(cè)試方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202010310386.1
• 申請(qǐng)日: 2020-04-20
• 公開(kāi)（公告）號(hào): CN113536850B
• 公開(kāi)（公告）日: 2022-09-30
• 發(fā)明（設(shè)計(jì)）人: 陳浩文;谷林峰;魯尚華
• 申請(qǐng)（專利權(quán)）人: 長(zhǎng)沙莫之比智能科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 長(zhǎng)沙國(guó)科天河知識(shí)產(chǎn)權(quán)代理有限公司 43225
• 代理人: 董惠文

本申請(qǐng)涉及一種基于77G毫米波雷達(dá)的目標(biāo)物體大小測(cè)試方法和裝置。所述方法包括：基于77G毫米波雷達(dá)發(fā)射77G毫米波，接收77G毫米波作用于目標(biāo)體反射產(chǎn)生的回波信號(hào)，根據(jù)回波信號(hào)，分別計(jì)算得到目標(biāo)體距離信息、角度信息、多普勒速度信息以及回波信號(hào)強(qiáng)度信息，根據(jù)目標(biāo)體距離信息、角度信息、多普勒速度信息以及回波信號(hào)強(qiáng)度信息構(gòu)建點(diǎn)云數(shù)據(jù)，根據(jù)每一個(gè)目標(biāo)體對(duì)應(yīng)的點(diǎn)云數(shù)據(jù)，生成點(diǎn)云數(shù)據(jù)集，根據(jù)預(yù)先設(shè)計(jì)的聚類算法，對(duì)點(diǎn)云數(shù)據(jù)集中的點(diǎn)云數(shù)據(jù)進(jìn)行聚類，得到多個(gè)點(diǎn)云數(shù)據(jù)聚類成的簇，判斷每個(gè)簇是否為目標(biāo)物體，若是，則根據(jù)每個(gè)簇邊緣的點(diǎn)云數(shù)據(jù)，計(jì)算得到目標(biāo)物體的大小。采用本方法能夠準(zhǔn)確實(shí)時(shí)的進(jìn)行目標(biāo)物體大小測(cè)量。

技術(shù)領(lǐng)域

本申請(qǐng)涉及雷達(dá)測(cè)速技術(shù)領(lǐng)域，特別是涉及一種基于77G毫米波雷達(dá)的目標(biāo)物體大小測(cè)試方法和裝置。

背景技術(shù)

隨著當(dāng)前人們生活水平的提高,人們對(duì)汽車(chē)的需求非常旺盛,截至2019年上半年，全國(guó)機(jī)動(dòng)車(chē)保有量高達(dá)3.4億輛,并且還在不斷增大。在汽車(chē)的使用過(guò)程中對(duì)車(chē)輛前方的障礙物的測(cè)量是個(gè)重要的問(wèn)題。現(xiàn)在常用的測(cè)量方案有GPS、激光測(cè)量、超聲波測(cè)量、毫米波雷達(dá)測(cè)量等。

然而，在目前的駕車(chē)場(chǎng)景下，GPS、激光測(cè)量、超聲波測(cè)量、毫米波雷達(dá)測(cè)量均受到各種因素的影響，無(wú)法準(zhǔn)確實(shí)時(shí)的向車(chē)輛反饋當(dāng)前車(chē)輛前方的障礙物大小，以至于無(wú)法向車(chē)輛反饋行車(chē)狀況。

發(fā)明內(nèi)容

基于此，有必要針對(duì)上述技術(shù)問(wèn)題，提供一種能夠解決無(wú)法準(zhǔn)確實(shí)時(shí)的向車(chē)輛反饋當(dāng)前車(chē)輛前方障礙物大小問(wèn)題的基于77G毫米波雷達(dá)的目標(biāo)物體大小測(cè)試方法和裝置。

一種基于77G毫米波雷達(dá)的目標(biāo)物體大小測(cè)試方法，所述方法包括：

基于77G毫米波雷達(dá)發(fā)射77G毫米波，接收77G毫米波作用于目標(biāo)體反射產(chǎn)生的回波信號(hào)；

根據(jù)所述回波信號(hào)，分別計(jì)算得到目標(biāo)體距離信息、角度信息、多普勒速度信息以及回波信號(hào)強(qiáng)度信息；

根據(jù)目標(biāo)體距離信息、角度信息、多普勒速度信息以及回波信號(hào)強(qiáng)度信息構(gòu)建點(diǎn)云數(shù)據(jù)，根據(jù)每一個(gè)目標(biāo)體對(duì)應(yīng)的點(diǎn)云數(shù)據(jù)，生成點(diǎn)云數(shù)據(jù)集；

根據(jù)預(yù)先設(shè)計(jì)的聚類算法，對(duì)所述點(diǎn)云數(shù)據(jù)集中的點(diǎn)云數(shù)據(jù)進(jìn)行聚類，得到多個(gè)點(diǎn)云數(shù)據(jù)聚類成的簇；

判斷每個(gè)簇是否為真實(shí)檢測(cè)目標(biāo)物體，若是，則根據(jù)每個(gè)簇邊緣的點(diǎn)云數(shù)據(jù)，計(jì)算得到目標(biāo)物體的大小。

在其中一個(gè)實(shí)施例中，還包括：根據(jù)預(yù)先設(shè)置的密度聚類算法，選擇所述點(diǎn)云數(shù)據(jù)集中任意一個(gè)點(diǎn)云數(shù)據(jù)為中心，搜索預(yù)設(shè)半徑內(nèi)的點(diǎn)云數(shù)據(jù)數(shù)量；若點(diǎn)云數(shù)據(jù)數(shù)量大于預(yù)先設(shè)置的閾值，則將該點(diǎn)云數(shù)據(jù)以及預(yù)設(shè)半徑內(nèi)的點(diǎn)云數(shù)據(jù)確定為一個(gè)簇。

在其中一個(gè)實(shí)施例中，還包括：采用卡爾曼跟蹤的方式，若所述簇的前一幀與后一幀運(yùn)動(dòng)狀態(tài)與其他特征相同，則判斷所述簇為目標(biāo)物體。

在其中一個(gè)實(shí)施例中，還包括：將每個(gè)簇中的點(diǎn)云數(shù)據(jù)映射值X軸上，獲取X軸上邊緣兩個(gè)點(diǎn)云數(shù)據(jù)的坐標(biāo)值；根據(jù)坐標(biāo)值的差值，計(jì)算得到目標(biāo)物體的大小。

在其中一個(gè)實(shí)施例中，還包括：將每個(gè)簇中的點(diǎn)云數(shù)據(jù)映射值X軸上，獲取X軸上邊緣兩個(gè)點(diǎn)云數(shù)據(jù)的坐標(biāo)值；根據(jù)所述坐標(biāo)值的差值，計(jì)算得到兩邊沿的點(diǎn)云距離為Xsize；采用卡爾曼跟蹤的方式獲取下一幀所述簇的點(diǎn)云數(shù)據(jù)，將下一幀對(duì)應(yīng)的點(diǎn)云數(shù)據(jù)映射值X軸，若下一幀對(duì)應(yīng)的點(diǎn)云數(shù)據(jù)對(duì)應(yīng)兩邊沿的坐標(biāo)值分別為X-Xsize/2，和X+Xsize/2，則確定所述簇為目標(biāo)物體。