[发明专利]一种基于毫米波雷达的车位检测方法

说明书

本发明公开了一种基于毫米波雷达的车位检测方法，该方法通过毫米波雷达和摄像头结合的方式实现以下步骤：毫米波雷达配置；背景记录；视场内目标检测；发出触发信号；车牌识别；车位信息处理；对已占用车位持续监测。该发明原理简单，运算速度快，实时性高，可过滤环境杂波，对目标运动方向进行判断并人车区分，实现触发信号的准确给出，智能化程度高。利用空场景背景与实时检测结果进行比对，持续监测车位情况，可及时判断当前车位内是否有车，从而了解车位的闲置状况，提升车位的利用率，同时设备成本低，安装维护简单。

技术领域

本发明属于车位检测技术领域，尤其涉及一种基于毫米波雷达的车位检测方法。

背景技术

随着经济的快速发展，车辆数量与日俱增，停车管理也成了一个问题。车主自助预约停车付费，停车信息被停车管理系统自动识别并扣费，可以减少收费人员的人力成本，减轻路内停车运营商成本，可以进一步地提升泊位运转率。目前用于自助停车的装置分别有咪表、地磁车检器和视频识别设备。咪表在应用时设备耗电大，且不能自动检测车位情况，不够智能化。地磁车检器需要配合车载标签使用，准确率不佳，受地锁等辅助设备以及环境干扰严重，且设备安装成本高，维护困难。视频识别设备耗电量大，建设与使用成本高，持续开机会折损设备使用寿命，变相提高使用成本。上述设备均有成本高，维护困难等问题，同时智能化程度低，无法有效判定车辆是否占用车位。

发明内容

为解决上述问题，本发明将毫米波雷达与摄像头结合使用，提供一种基于毫米波雷达的车位检测方法，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。

作为本发明的进一步改进：

更进一步的，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。

更进一步的，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，当时，判断目标为人，反之则为车；