[发明专利]一种雷达的遮挡识别的方法、装置及存储介质

权利要求书

1.一种雷达的遮挡识别的方法，其特征在于，包括：

将设定时长内的多帧雷达数据，构建成一幅第一图像；其中，所述第一图像采用预设色彩模式，所述第一图像中的一个像素与雷达覆盖区域中的一个子区域对应，所有子区域的大小均相同，构成一个所述像素的色彩值对应的多个第一参数的值分别由所述多帧雷达数据中与所述像素对应的所述子区域内的所有量测点的多个第二参数的值确定；

用训练好的深度学习网络模型对所述第一图像进行识别，以确定所述雷达是否被遮挡；其中，所述训练好的深度学习网络模型是用已知遮挡类型的图像训练得到的；

若识别结果为所述雷达被遮挡，则发出报警信息，所述报警信息用于提示用户清除遮挡所述雷达的遮挡物。

2.如权利要求1所述的方法，其特征在于，将设定时长内的多帧雷达数据，构建成一幅第一图像，包括：

获取每帧雷达数据对应的量测图，并将所述量测图进行栅格化处理，其中，一个栅格与一个所述子区域对应；

对所述多帧雷达数据中位于同一所述子区域内的所有所述量测点对应的每个所述第二参数值进行和运算，获得所述子区域对应的每个所述第二参数的和值；其中，所述第二参数包括量测点的数量、雷达反射面积、径向速度；

将所述子区域对应的每个所述第二参数的和值分别进行归一化处理再取整后，获得与所述第二参数值对应的量化值；其中，所述量化值的取值范围为与第二参数对应的第一参数的取值范围；

将每个栅格对应的所述第二参数的量化值作为所述第一图像中的对应像素的所述第一参数值，获得所述第一图像。

3.如权利要求2所述的方法，其特征在于，对所述多帧雷达数据中位于同一所述子区域内的所有所述量测点对应的每个所述第二参数值进行和运算之前，还包括：

若所述第二参数为所述雷达反射面积，则对每个量测点对应的雷达反射面积进行对数运算，获得新的雷达反射面积；其中，所述新的雷达反射面积用于所述第二参数为所述雷达反射面积的和运算。

4.如权利要求1所述的方法，其特征在于，获得所述训练好的深度学习网络模型，包括：

获取多个第二图像；其中，所述第二图像采用所述预设色彩模式，所述第二图像中的一个像素与一个所述子区域对应，构成一个所述像素的色彩值对应的多个第一参数的值分别由多帧样本雷达数据中与所述像素对应的所述子区域内的所有量测点的多个所述第二参数的值确定所述样本雷达数据是分别对所述雷达存在遮挡和不存在遮挡的情况测量得到的；

将所述多个第二图像随机分为训练集、验证集和测试集三个部分；

用所述训练集对所述深度学习网络模型进行训练，并用所述验证集对训练后的所述深度学习网络模型进行验证，用所述测试集对验证后的所述深度学习网络模型进行测试，直至测试后的所述深度学习网络模型识别的准确率达到设定阈值便停止训练，获得所述训练好的深度学习网络模型。

5.如权利要求4所述的方法，其特征在于，所述深度学习网络模型包括：

3个输入通道、6个卷积层和2个全连接层以及2个输出通道；

所述3个输入通道分别输入每个所述像素对应的三个所述第一参数的值，所述卷积层用于提取从所述输入通道输入的特征，所述全连接层用于对所述特征进行分类，以确定所述雷达是否被遮挡，所述输出通道用于输出分类结果。

6.如权利要求4所述的方法，其特征在于，所述训练集、验证集和测试集中所述第二图像的数量占比为3:1:1。

7.如权利要求4所述的方法，其特征在于，获得所述样本雷达数据，包括：

所述雷达使用不同发射频段在不同使用场景下向不同已知遮挡类型发射雷达波后，获取回波数据；

将所述回波数据作为所述样本雷达数据。

8.如权利要求1所述的方法，其特征在于，所述已知遮挡类型，包括：

金属遮挡类型、塑料遮挡类型、无遮挡类型。

9.如权利要求1-8任一项所述的方法，其特征在于，所述预设色彩模式，包括：

RGB色彩模式、HSB色彩模式、Lab色彩模式。