[发明专利]一种车载毫米波雷达噪声数据的分类识别过滤方法

说明书

本发明提供了一种车载毫米波雷达噪声数据的分类识别过滤方法，通过毫米波雷达无效噪点的识别滤除、毫米波雷达虚点噪点的识别滤除及毫米波雷达纵向漂移点的识别滤除，实现车载毫米波雷达噪声数据的分类识别过滤，具有雷达噪声数据识别准确、过滤计算速度快以及应用场景广泛的特点。

技术领域

本发明属于汽车领域领域，尤其是涉及一种车载毫米波雷达噪声数据的分类识别过滤方法。

背景技术

在现有技术条件，一般认为车载毫米波雷达不会受到恶劣天气的影响并且能够全天候工作，但在实际的毫米波雷达道路测试中，发现如果是在下雨天气，尤其是大雨这种恶劣天气，在城市道路上毫米波雷达对正前方近距离范围(5米到30米)的雨滴溅射，会产生稳定的反射截面，反射点表现为从上到下的漂移运动。由此可见，虽然车载毫米波雷达OEM厂商会对毫米波雷达的原始数据进行算法处理，可以输出目标级别的数据和追踪信息，但是在毫米波雷达目标级别数据当中，由于radar波的各种折射、反射、衍射效应，会产生大量的目标噪声数据，对于毫米波雷达的噪声数据，一般通过mobileye智能视觉摄像头，或者激光雷达融合的方式进行噪声过滤，但是无论智能视觉摄像头传感器，还是激光雷达传感器，都存在使用成本都较高，不适于量产普及的问题。

进一步讲，目前量产车以毫米波雷达为基础的ADAS功能，或者自动驾驶功能的误报率，有很大比率来自于毫米波雷达噪声数据的影响。

发明内容

有鉴于此，本发明旨在提出一种车载毫米波雷达噪声数据的分类识别过滤方法，具有雷达噪声数据识别准确、过滤计算速度快以及应用场景广泛的特点。

为达到上述目的，本发明的技术方案是这样实现的：

一种车载毫米波雷达噪声数据的分类识别过滤方法，包括：

步骤1：毫米波雷达无效噪点的识别滤除：

将毫米波雷达数据中的参量：合成相对距离、纵向相对速度、纵向相对加速度、水平方位角及横向相对速度限定在取值范围内，对无效噪点识别滤除；

步骤2：毫米波雷达虚点噪点的识别滤除：

首先判断当前帧是否存在虚景点，两两比较毫米波雷达信号信息的匹配程度，如果两个毫米波雷达的目标反馈点，同时满足以下五个条件，则判断这两个目标反馈点是虚实点对：

纵向距离信息：δ(CAN_TX_TRACK_RANGE*sin(CAN_TX_TRACK_ANGLE))0.1m；

纵向速度信息：δ(CAN_TX_TRACK_RANGE_RATE)0.01m/s；

纵向加速度信息：δ(CAN_TX_TRACK_RANGE_ACCEL)0.05m/s²；

目标物对应的原始数据信息：δ(CAN_TX_TRACK_GROUPING_CHANGED)＝＝0；

目标更新状态信息：δ(CAN_TX_TRACK_STATUS)；

参量释义如下：

CAN_TX_TRACK_RANGE是目标物与radar的相对距离；

CAN_TX_TRACK_RANGE_RATE是目标物与radar的相对速度；

CAN_TX_TRACK_RANGE_ACCEL是目标物与radar的相对加速度；

CAN_TX_TRACK_ANGLE是目标物与radar的水平方位角；

CAN_TX_TRACK_GROUPING_CHANGED是目标物对应的毫米波原始点云个数是否发生改变；