[发明专利]点迹处理方法及装置

说明书

本申请实施例提供了一种点迹处理方法及装置，该方法包括：获取车辆数据，并对车辆数据进行解析，得到至少一个包括速度维和距离维的初始二维矩阵，其中，初始二维矩阵包括至少一个检测点。根据至少一个初始二维矩阵进行矩阵处理，得到目标二维矩阵。根据单元平均恒虚警检测CA‑CFAR算法和最小选择恒虚警检测SO‑CFAR算法对目标二维矩阵进行处理，得到车辆的噪声信息。根据车辆的噪声信息对目标二维矩阵中检测点进行过滤，得到车辆的点迹。其中，采用SO‑CFAR算法对距离维进行处理，当取左右两侧检测窗的噪声水平的最小值时，可以使得被过滤掉的检测点较少，从而实现了避免车辆的检测点丢失。

技术领域

本申请实施例涉及计算机技术，尤其涉及一种点迹处理方法及装置。

背景技术

随着现代科学技术的不断进步与发展，基于毫米波雷达进行车辆监测已经成为目前车辆监测技术中的主要技术。

现有技术在基于毫米波雷达进行车辆监测时，通常是基于原始模数转换器(Analog To Digital Converter,ADC)采集的数据，其中采集的数据包括速度维的数据和距离维的数据，以及可以使用单元平均恒虚警检测(Cell Averaging-Constant FlaseAlarm Rate,CA-CFAR)算法对速度维的数据和距离维的数据进行处理，得到车辆的检测点。

然而，车辆的数据在距离维上通常延展有多个峰，其中使用CA-CFAR算法容易受到邻近峰值的影响，从而导致车辆的检出点丢失。

发明内容

本申请实施例提供一种点迹处理方法及装置，以克服车辆的检出点丢失的问题。

第一方面，本申请实施例提供一种点迹处理方法，包括：

获取车辆数据，并对所述车辆数据进行解析，得到至少一个包括速度维和距离维的初始二维矩阵，其中，所述初始二维矩阵包括至少一个检测点；

根据所述至少一个初始二维矩阵进行矩阵处理，得到目标二维矩阵；

根据单元平均恒虚警检测CA-CFAR算法和最小选择恒虚警检测SO-CFAR算法对所述目标二维矩阵进行处理，得到车辆的噪声信息；

根据所述车辆的噪声信息对所述目标二维矩阵中检测点进行过滤，得到所述车辆的点迹。

在一种可能的设计中，根据CA-CFAR算法和SO-CFAR算法对所述目标二维矩阵进行处理，得到车辆的噪声信息，包括：

根据CA-CFAR算法对所述目标二维矩阵的速度维进行处理，得到各所述检测点的第一噪声水平，其中，所述第一噪声水平为所述检测点的左侧检测窗内的噪声水平和右侧检测窗内的噪声水平的平均值；以及

根据SO-CFAR算法对所述目标二维矩阵的距离维进行处理，得到各所述检测点的第二噪声水平，其中，所述第二噪声水平为所述检测点的左侧检测窗内的噪声水平和右侧检测窗内的噪声水平中的最小值。

在一种可能的设计中，根据所述车辆的噪声信息对所述目标二维矩阵中检测点进行过滤，得到所述车辆的点迹，包括：

根据所述第一噪声水平，对所述目标二维矩阵中的速度维对应的检测点进行第一过滤处理，得到第一过滤处理后的目标二维矩阵；

根据所述第二噪声水平，对所述第一过滤处理后的目标二维矩阵中的距离维对应的检测点进行第二过滤处理，得到第二过滤处理后的目标二维矩阵，所述第二过滤处理后的目标二维矩阵包括所述车辆的至少一个轨迹点；

根据所述车辆的至少一个轨迹点，得到所述车辆的点迹。

在一种可能的设计中，所述方法还包括：

针对任意一个所述初始二维矩阵，对所述初始二维矩阵进行加窗处理和快速傅里叶变换处理，得到处理后的初始二维矩阵；