[发明专利]一种车载雷达运动目标融合方法及装置

说明书

本发明公开了一种车载雷达运动目标融合方法及装置，方法包括：分别对第一车载雷达和第二车载雷达采集到的运动点云目标进行聚类，得到第一车载雷达的运动目标簇和第二车载雷达的运动目标簇；针对第一车载雷达的每个运动目标簇的代表点分别判断与第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件；基于判断结果，确定第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇；比较所述相关联的运动目标簇的测量精度，将测量精度高的运动目标簇作为融合结果。本发明能够有效的提高运动目标的融合精度。

技术领域

本发明涉及目标融合技术领域，尤其涉及一种车载雷达运动目标融合方法及装置。

背景技术

目前，车载雷达由于其具有对目标较好的测速能力和对雨雾较好的穿透能力，成为智能驾驶方案中不可替代的传感器选择。在每个工作周期里，车载雷达一般先检测到的若干目标点(这些点的集合通常称为点云)，测量其基本的斜距、多普勒速度、角度等参数；然后对这些点进行聚类、跟踪和识别，最终得到适合驾驶控制器使用的轨迹信息。在更高级别的智能驾驶方案中，通常单辆车上需要安装多个雷达，分别观测不同的区域，形成尽可能大的覆盖范围，从而保证车身四周的安全。位置相邻的某两部雷达(如左前角和右前角)，其波束覆盖范围可能存在重叠，如果每个雷达单独处理其数据，则会产生重叠或相近的目标，影响控制判决。

一种更先进的处理方案是将不同雷达的点云数据输送到同一个处理单元内进行集中式处理，但此时就需要对重叠区域内不同雷达观测到相同目标的点云进行融合处理。对相对地面的静止目标而言，通用且合理的处理方案是将不同雷达的点云转换到相同的坐标系下，仅依靠距离的远近进行融合聚类操作。而对运动目标点，两个相邻的目标点可能归属于不同方向运动的车辆，必须在聚类时考虑多普勒的相似性，而目标点的多普勒是与其和雷达间的几何关系强相关的，即同一目标对不同雷达的多普勒是不同的，这些未知性导致目前无法利用多普勒对不同雷达的点云进行融合，只能利用距离信息进行融合，使得运动目标融合的准确性大大下降。

因此，如何有效的提高运动目标的融合精度，是一项亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种车载雷达运动目标融合方法及装置，能够将多普勒参数引入运动目标融合中，从而有效提高了运动目标的融合精度。

本发明提供了一种车载雷达运动目标融合方法，应用于车辆，所述方法包括：

分别对第一车载雷达和第二车载雷达采集到的运动点云目标进行聚类，得到第一车载雷达的运动目标簇和第二车载雷达的运动目标簇，其中，第一车载雷达和第二车载雷达为所述车辆上相邻的两个车载雷达，每个运动目标簇包括一个代表点；

针对第一车载雷达的每个运动目标簇的代表点分别判断与第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件；

基于判断结果，确定第一车载雷达的运动目标簇与第二车载雷达的运动目标簇之间相关联的运动目标簇，其中，所述相关联的运动目标簇中包括一个第一车载雷达的运动目标簇和一个第二车载雷达的运动目标簇；

比较所述相关联的运动目标簇的测量精度，将测量精度高的运动目标簇作为融合结果。

一种车载雷达运动目标融合装置，应用于车辆，所述装置包括：

聚类模块，用于分别对第一车载雷达和第二车载雷达采集到的运动点云目标进行聚类，得到第一车载雷达的运动目标簇和第二车载雷达的运动目标簇，其中，第一车载雷达和第二车载雷达为所述车辆上相邻的两个车载雷达，每个运动目标簇包括一个代表点；

判断模块，用于针对第一车载雷达的每个运动目标簇的代表点分别判断与第二车载雷达的每个运动目标簇的代表点之间是否满足距离条件以及多普勒速度差异条件；