[发明专利]基于自适应门限目标聚类的车辆识别方法、系统及介质

说明书

本发明公开了一种基于自适应门限目标聚类的车辆识别方法、系统及存储介质，属于雷达技术领域，用于解决目前ETC跟车导致漏收费的问题，采用的技术方案为：对每个雷达回波信号进行处理，得到得到第i个回波的信息，包括距离R_i，速度v_i和角度θ_i，i∈[1,N]；依据雷达速度分辨率Δv、雷达角度分辨率Δθ和第i个回波的信息，得到水平方向速度误差Δv_x，将其作为速度门限δ_v；对于满足|v_i‑v_j|≤δ_v i,j∈[1,N]的所有回波的速度进行平均，得到平均速度通过平均速度得到距离门限δ_R，对于满足|R_i‑R_j|≤δ_R i,j∈[1,N]的所有点进行聚类，聚类后的信息作为此目标的运动特征；对余下的点进行聚类，从而将不同目标有效区分开。本发明的方法、系统及介质均具有聚类效果好、提高雷达检测精度等优点。

技术领域

本发明主要涉及ETC技术领域，具体涉及一种基于自适应门限目标聚类的车辆识别方法。

背景技术

毫米波雷达是工作在毫米波波段探测的雷达，通常毫米波是指频率在30～300GHz频域(波长为1～10mm)的。雷达向周围空间发射毫米波，毫米波遇到物体反射回雷达，经过一系列处理，雷达可以得到物体的距离、速度、角度等信息。由于同一个物体一般有多个反射回波，因此需要将反射回波进行聚类处理，尽量使得一个物体的反射回波聚类后只有一个。

常见毫米波雷达目标聚类方法认为同一物体在空间和速度信息上相差不大，通过设定距离门限δ_R、角度门限δ_θ和速度门限δ_v，通过计算不同回波的距离、角度、速度差值，如果小于相应门限，则认为这些回波属于同一物体，将这些回波聚类，取这些回波距离、角度、速度的统计平均作为此物体的信息。

现有雷达目标聚类技术采用固定门限对目标进行聚类，无法根据目标运动特征进行改变，由于物体处于不同运动状态，不同位置，导致不同环境下聚类效果差别较大，因此对目标检测效果很不稳定，不能达到最优，在门限设置过小会导致将一个物体聚类为两个，门限设置过大会导致两个物体聚类为一个；因此，传统的毫米波雷达聚类方法，采用设置固定门限的方法，无法兼顾目标远近时的聚类效果，距离门限设置较小时，会导致远处目标分裂，距离门限设置较大时，会导致近处目标无法区分，并且固定门限没有考虑到雷达测量误差，对于不同雷达，需要大量实验才能找到最佳门限。

其次，另外没有考虑到测量误差带来的影响，容易导致聚类错误，将不同目标聚类为一个。如在ETC收费站对车辆进行收费时，会发生因跟车导致的漏收费问题，即使加装雷达来检测目标也存在因车距太近导致的将两辆车识别为一辆的情况。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种聚类效果好、提高雷达检测精度的基于自适应门限目标聚类的车辆识别方法、系统及存储介质。

为解决上述技术问题，本发明提出的技术方案为：

一种基于自适应门限目标聚类的车辆识别方法，包括步骤：

1)对每个雷达回波信号进行处理，得到得到第i个回波的信息，包括距离R_i，速度v_i和角度θ_i，i∈[1,N]；

2)依据雷达速度分辨率△v、雷达角度分辨率△θ和第i个回波的信息，得到水平方向速度误差△v_x，将其作为速度门限δ_v；对于满足|vi-v_j|≤δ_v i,j∈[1,N]的所有回波的速度进行平均，得到平均速度