[发明专利]基于车载雷达的目标识别方法及设备

说明书

本申请提供一种基于车载雷达的目标识别方法，包括：利用车载雷达分别获取行人和车辆的多个测量数据集，其中，每个测量数据集包括多个数据子集，每个数据子集包括一组测量数据；利用每个测量数据集内的多个数据子集的测量数据计算与每个测量数据集对应的训练数据，其中，训练数据至少包括横向速度的频域特征，每个测量数据集所对应的训练数据作为一个特征元素；将多个特征元素汇总成特征集，并对每个特征元素进行行人或车辆标记；利用特征集训练识别模型。该目标识别方法的目标识别准确性高。此外，本申请还提供了一种基于车载雷达的目标识别设备。

技术领域

本申请涉及自动驾驶的技术领域，具体是涉及一种基于车载雷达的目标识别方法及设备。

背景技术

随着雷达技术的发展，其应用频率在不断提高。现有毫米波雷达的距离分辨率可以达到厘米甚至毫米级，可以分辨出车辆周围的障碍物的大小和轮廓，为雷达在自动驾驶中识别行人和车辆提供了可能。

相关技术中识别行人和车辆的另一种识别方法是通过雷达测量目标的多个散射点的速度变化(速度像)，距离变化(距离像)，来进行行人和车辆的识别。该方法的主要缺点在于识别行人和车辆的准确率低，难以满足自动驾驶的需求。

发明内容

为了解决上述技术问题，本申请提供了一种基于车载雷达的目标识别方法及设备，该目标识别方法识别行人和车辆的准确性较高。

本申请一方面提供了一种基于车载雷达的目标识别方法，包括：利用车载雷达分别获取行人和车辆的多个测量数据集，其中，每个测量数据集包括多个数据子集，每个数据子集包括一组测量数据；利用每个测量数据集内的多个数据子集的测量数据计算与每个测量数据集对应的训练数据，其中，训练数据至少包括横向速度的频域特征，每个测量数据集所对应的训练数据作为一个特征元素；将多个特征元素汇总成特征集，并对每个特征元素进行行人或车辆标记；利用特征集训练初始识别模型，以标记为行人的特征元素作为正类训练样本，以标记为车辆的特征元素作为负类训练样本，以得到目标识别模型；利用目标识别模型对目标进行识别，以确定目标为行人或者车辆。

进一步地，测量数据包括径向速度、距离以及方位角。利用每个测量数据集内的多个数据子集的测量数据计算与每个测量数据集对应的训练数据，其中，训练数据至少包括横向速度的频域特征，每个测量数据集所对应的训练数据作为一个特征元素的步骤包括：利用每个测量数据集内的多个数据子集的径向速度和方位角计算与每个测量数据集对应的横向速度的频域特征；利用每个测量数据集内的多个数据子集的径向速度计算与每个测量数据集对应的速度像、速度方差和速度偏差；利用每个测量数据集内的多个数据子集内的距离计算与每个测量数据集对应的距离像、距离方差和距离偏差；其中，训练数据包括横向速度的频域特征、速度像、速度方差、速度偏差、距离像、距离方差以及距离偏差，每个测量数据集所对应的训练数据作为一个特征元素。通过获取行人和车辆的横向速度的频域特征、速度像、速度方差、速度偏差、距离像、距离方差以及距离偏差作为特征元素以形成特征集，有利于提高目标识别的准确性。

进一步地，利用特征集训练初始识别模型，以标记为行人的特征元素作为正类训练样本，以标记为车辆的特征元素作为负类训练样本，以得到目标识别模型的步骤之前，包括：对特征集进行降维处理。通过对特征集进行降维处理去除冗余信息，有利于减小数据处理量，缩短识别目标所需要的时间，进而提高目标识别的实时性，更好的满足自动驾驶的需求。