[发明专利]一种汽车毫米波雷达点迹凝聚方法及系统

说明书

本发明提供一种汽车毫米波雷达点迹凝聚方法及系统，对当前帧点迹数据进行凝聚时，优先根据上一帧航迹信息反馈的目标位置预测值、多普勒速度、目标长宽信息进行航迹与点迹关联聚类，然后再对剩余点迹进行点迹级凝聚处理，从而避免大目标分裂与临近目标合并问题难以兼并处理的痛点，有效解决汽车毫米波雷达大目标分裂问题。且本发明在航迹与点迹关联聚类过程中，利用目标识别结果对聚类之后得到的长宽信息进行修正，确保输出更为可靠的目标尺寸特征信息。

技术领域

本发明涉及雷达信号处理领域，尤其是涉及一种汽车毫米波雷达点迹凝聚方法及系统。

背景技术

在汽车主动安全领域，汽车毫米波雷达传感器是智能汽车上必不可少的关键部件，其备较强的抗干扰能力，够在全天候快速感知车辆周边环境物体距离、速度、方位角等信息。利用毫米波雷达可以实现自适应巡航控制(ACC)、自动制动（AEB）、前/后向防撞报警(F/RCW)，盲点检测(BSD)、辅助变道(LCA)、泊车辅助（PA）等高级驾驶辅助系统(ADAS)功能。

一般的点迹凝聚算法，如滑窗法、标记法、邻域搜索、聚类算法等，其基本假设都是来自同一目标的点迹分布都在某个“门限”范围内。但在实际应用中，由于观测角度、距离、目标RCS起伏、检测算法等原因，来自一辆大卡车的两簇点迹间最小距离可能超过10米，而分别来自两辆同速跟车行驶的小车的两簇点迹间最小距离可能不足5米。避免大车点迹分裂期望“门限”足够大，避免临近目标合并又期望门限足够小，因此，单靠传统点迹凝聚算法从点迹分布上进行关联融合，难以兼容解决大目标分裂和临近目标合并的问题。

此外，随着后端数据处理算法的发展，对点迹凝聚的要求也越来越高，已经不局限于位置、速度、幅度等信息，还包括目标长宽尺寸、RCS等特征信息。同样测量误差、观测角度、距离、检测算法等原因，由于来自同一目标的点迹长宽分布与真实物理尺寸可能相差较大，由单帧点迹分布统计得到的目标长宽尺寸信息完全依赖于目标量测，可靠性较差。

发明内容

针对上述问题，本发明的目的在于提供一种汽车毫米波雷达点迹凝聚方法及系统，通过基于目标航迹信息与识别结果反馈的汽车毫米波雷达点迹凝聚算法 ，有效解决汽车毫米波雷达大目标分裂与临近目标合并问题，且可以输出更可靠的目标长宽尺寸信息。

具体的，本发明所述的一种汽车毫米波雷达点迹凝聚方法，

包括以下步骤：

S1：获取当前帧点迹数据;

S2：获取上一帧航迹与识别结果;

S3：基于目标航迹与识别结果的点迹凝聚;

S4：对S3所述点迹凝聚剩余的原始点迹进行点迹聚类处理，并对同一聚类标志的点迹进行凝聚。

其中，所述S1包括：

S11：获取最新一帧原始点迹数据，其中N为原始点迹数量，每个点迹表示为，为距离信息，为方位角信息，为径向速度信息；

S12：将点迹数据转换到笛卡尔坐标系中得到，其中：和分别为原始点迹在笛卡尔坐标系下的位置信息：

，。

进一步的，所述S2包括：

S21：获取上一帧航迹信息，为航迹数量，每条航迹包含的信息为：，

其中，和为上一帧目标在笛卡尔坐标系下的位置坐标，为速度，和为加速度，为径向速度信息，分别为目标长宽信息，为目标识别分类结果；

S22：预测当前帧目标位置：

，

，

其中，t为帧间时间间隔。

进一步的，所述S3包括：

S31：初始化点迹关联标志为：；

S32：将目标航迹与点迹关联，如果，执行步骤S33；否则，重复执行步骤S32，直至遍历所有点迹；

S33：点迹关联与目标航迹，若满足以下条件：