[发明专利]一种基于毫米波雷达的车位检测方法

权利要求书

1.一种基于毫米波雷达的车位检测方法，其特征在于，包括以下步骤：

步骤1、毫米波雷达配置：根据车位的位置和尺寸信息以及雷达的检测范围，划定毫米波雷达的安装位置，检测范围和触发区域；

步骤2、背景记录：记录毫米波雷达监测范围内的车位空场景下的背景能量分布X；

步骤3、视场内目标检测：对进入毫米波雷达视场内的目标进行轨迹跟踪和人车区分，对运动方向有效且为车的目标判定为有效目标；

步骤4、发出触发信号：当所述有效目标进入所述触发区域后，毫米波雷达根据所述有效目标的位置确定车位编号，输出车位编号与触发信号；

步骤5、车牌识别：摄像头接收所述触发信号后开机拍照，对车牌信息进行识别；

步骤6、车位信息处理：服务器接收所述车牌信息与毫米波雷达输出的所述车位编号，将该车位设置为已占用状态；

步骤7、对已占用车位持续监测：毫米波雷达对已占用车位进行持续监测，判断车位内是否存在有效目标，当车位内不存在有效目标时，服务器将车位设置为未占用状态。

2.根据权利要求1所述的基于毫米波雷达的车位检测方法，其特征在于，所述步骤2中，背景记录的方法包括以下步骤：

步骤21、提取车位区域内的0多普勒相上的距离方位热图RA₀，并得到其能量分布序列；

步骤22、计算所述能量分布序列的方差和期望；

步骤23、重复上述步骤，记录连续s帧下的序列以及方差和期望，得到平均序列、平均方差和平均期望，其中s为正整数。

3.根据权利要求2所述的基于毫米波雷达的车位检测方法，其特征在于，所述步骤3中，视场内目标检测的方法包括以下步骤：

步骤31、对毫米波雷达回波信号进行二维FFT变换和cfar处理，得到区域内的点云集；

步骤32、对所述点云集进行聚类，区分目标与背景，并基于卡尔曼滤波进行轨迹跟踪；

步骤33、对轨迹方向进行判断：为毫米波雷达视场上当前帧某轨迹中心到触发线的垂直距离，当前帧运动趋势为；基于设定的阈值p对运动趋势做连续m帧的滑窗，其中m为正整数，当时，判断运动方向有效，反之无效；

步骤34、进行人车区分：聚类后的点云集中某点的横纵坐标为和，则该点云集的尺寸参数为：d=|x_max-x_min| +|y_max-y_min| ，设定人车区分阈值为q，当d q时，判断目标为人，反之则为车；

步骤35、对运动方向有效且为车的目标判定为有效目标。

4.根据权利要求3所述的基于毫米波雷达的车位检测方法，其特征在于，所述步骤7中，对已占用车位持续监测的方法包含以下步骤：

步骤71、得到车位区域内实时的距离方位热图RA，并得到其能量分布序列Y；

步骤72、计算所述能量分布序列Y的期望与方差；

步骤73、计算所述平均序列与所述能量分布序列Y的协方差：；

所述平均序列与所述能量分布序列Y的相关系数为：

；

其中n为序列长度，，分别为两个序列中第i个元素；

步骤74、计算所述能量分布序列Y的期望与空场景下所述平均期望的差值；

步骤75、预设相关系数阈值r，当且R r时，当前帧内对应车位上没有车；连续t帧判断为没有车时，则判断车位内无车，其中t为可设置的自然数。