[发明专利]一种车载雷达数据关联方法及装置

说明书

本发明提供了一种车载雷达数据关联方法及装置，方法包括为每一个航迹预测点设置两套数据关联门限，即第一数据关联门限和第二数据关联门限；针对每个航迹预测点，通过第一数据关联门限和测量值落入其它航迹预测点的数据关联门限的累计次数，来确定该测量值是否为该航迹预测点的候选测量值；将航迹预测点的所有候选测量值进行加权处理后作为该航迹预测点的最终关联数据，用于航迹的更新处理，减少了误关联的现象。对于落入第二数据关联门限且未落入第一数据关联门限的测量值进行标注，使其不能作为新的航迹起始，进而抑制了同一目标由于测量值散布比较大而导致的虚警，提高了航迹连续性和稳定性。

技术领域

本发明涉及车载雷达数据处理技术领域，更具体地说，涉及一种车载雷达数据关联方法及装置。

背景技术

在单目标无杂波环境下，雷达的检测范围内只有一个目标的测量值，此时数据处理没有数据关联环节，只涉及跟踪问题。在实际道路上的多目标且场景复杂情况下，雷达的检测范围内有很多个目标的测量值，并且测量值的个数不确定，此时就会涉及数据关联问题。数据关联问题就是建立某时刻雷达测量值与已有的跟踪航迹的正确关系，以确定这些测量值是否来自同一个目标的过程，最终实现测量值与跟踪航迹的正确配对；同时也可以通过数据关联减少同一个目标跟踪输出多条航迹的现象，即虚警抑制。

数据关联是雷达数据处理的关键问题之一，如果数据关联不正确，那么错误的数据关联就会给跟踪航迹关联一个错误的测量值，对于车载雷达来说，错误的目标测量值匹配可能会导致目标车辆运动轨迹或航向的估计错误，进而导致偏差比较严重的决策。

例如，在智能驾驶传感器系统中，由于毫米波雷达对目标具有较好的测速能力，以及对雨雾等环境干扰具有很好的穿透能力，成为智能驾驶方案中不可替代的传感器选择；但考虑毫米波雷达传感器的分辨率、测角精度以及目标尺寸的影响，在目标检测过程中不可避免地会出现同一个目标检测出多个测量值；并且同一个目标的多个测量值的散布可能相对分散，因此在后续的目标跟踪及其他数据处理环节，如果不能有效地将同一目标散布比较大的测量值，准确地进行数据关联处理成一条航迹，则容易导致同一个目标跟踪输出多条航迹，进而直接导致了雷达虚警的增加。

如图1所示，为雷达测量值的点云示意图，图中{z_i,i＝1,2,…,7}为雷达测量值的集合，也称为点云测量数据，一般地测量值中的关键信息为目标的空间位置及相对雷达的速度，即{x_zi,y_zi,v_zi},i＝1,2,…,7。所谓数据关联，就是要建立航迹与点云测量数据中测量值的正确匹配关联，基于正确的数据关联自然会带来正确的航迹更新及目标状态的正确优化。

传统数据关联算法包括最近邻域算法(Nearest Neighbor，NN)、概率数据关联算法(Probabilistic Data Association，PDA)、联合概率数据关联算法(JointProbabilistic Data Association，JPDA)等。为了更简洁且直观地表述传统多目标跟踪数据关联算法，这里假设一种常见的典型场景下数据关联，如图2所示；图中的点云测量数据记为{z_i,i＝1,2,…,7}；图中存在两条航迹预测点{p_i,i＝1,2}，并且航迹预测点p₁的优先权大于航迹预测点p₂，即航迹预测点p₁优先去点云测量数据{z_i,i＝1,2,…,7}中筛选满足关联策略的测量值。航迹预测点的空间位置及相对雷达的速度标记为{x_pi,y_pi,v_pi},i＝1,2。航迹预测点p₁的数据关联门限为S₁，航迹预测点p₂的数据关联门限为S₂。进一步假设，测量值中的z₂、z₄是航迹预测点p₁的正确关联值；z₃是航迹预测点p₂的正确关联值。因此，所谓的数据关联算法就是需要通过算法的处理建立正确的数据关联对，即