[发明专利]一种基于毫米波雷达的多扩展目标跟踪方法及其设备

说明书

本发明实施例公开了一种基于毫米波雷达的扩展目标跟踪方法及其跟踪设备，方法包括：量测集划分步骤：接收77GHz毫米波雷达返回的回波信息，解析得到点云信息，对其预处理，采用改进的DBSCAN聚类算法进行聚类；扩展目标状态估计步骤：采用聚类结果对目标外形状态模型进行更新及预测。本发明的优点如下：1、对点云信息预处理，滤除大部分的噪声点以及静止点，从而减少了后续算法的计算量；2、采用改进的DBSCAN聚类算法，能够准确地区分不同物体，且聚类精度高、速度快；3、在目标建模时考虑目标的航向角，无需单独去估计目标航向角；综上可知，本实施例的扩展目标跟踪方法及其设备具有计算小、易实现且满足实时性要求等优点。

技术领域

本发明涉及节能驾驶技术领域，具体涉及一种基于毫米波雷达的多扩展目标跟踪方法及其设备。

背景技术

现有的多目标跟踪方法主要有以下两种：

第一种：点目标跟踪方法，指的是将目标视为单个点进行跟踪，这种方法无法获得目标的外形轮廓信息，位置、速度估计的误差大，且航向估计也不准确；此外，该种方法使用数据关联的技术进行跟踪，在目标数量较多时，极有可能会导致组合爆炸问题的发生；

第二种：扩展目标跟踪方法，指的是一个目标在一次信号采样中会产生多个量测；这种方法使用随机有限集的技术进行跟踪，将多目标状态以及量测分别建模为随机有限集，适度地降低了计算量，位置、速度的计算误差也明显小于点目标跟踪方法；但是，扩展目标跟踪方法仍然存在计算量较大和航向角误差较大的技术问题。

发明内容

针对上述技术缺陷，本发明实施例的目的在于提供一种基于毫米波雷达的扩展目标跟踪方法及其设备。

为实现上述目的，第一方面，本发明实施例提供了一种基于毫米波雷达的扩展目标跟踪方法，量测集划分步骤：接收77GHz毫米波雷达返回的回波信息，对所述回波信息进行解析得到点云信息，对所述点云信息进行预处理以得到感兴趣目标的点云数据，采用改进的DBSCAN聚类算法对感兴趣目标的点云数据进行聚类，得到聚类结果；

扩展目标状态估计步骤：采用随机矩阵构建目标外形状态模型，获取所述聚类结果，采用所述聚类结果对所述目标外形状态模型进行更新及预测，得到输出结果；其中，构建目标外形状态模型时，所选取的构建参数包括目标的航向角。

在本申请的某些具体实施方式中，解析得到的所述点云信息包括目标的位置、速度、径向方位角和雷达散射截面面积。

作为本申请的一种可选实施方式，对所述点云信息进行预处理，具体为：

针对所述位置，将所述位置限制为左右各7米、前方100米的矩形区域内；

针对所述速度，将所述速度的绝对值约束为大于1.5米/秒；

针对雷达散射界面面积，将雷达散射界面面积的范围约束为[-15，30]。

作为本申请的一种可选实施方式，采用改进的DBSCAN聚类算法对感兴趣目标的点云数据进行聚类，具体为：

(1)确定参数邻域距离阈值epsilon、核心点数量阈值Minpts及速度标准差阈值Vstd；

(2)初始化获得的感兴趣目标的点云数据中所有数据点；

(3)对所有数据点进行遍历，完成所有数据点的分类；

(4)针对已分类的数据点，根据参数邻域距离阈值epsilon、核心点数量阈值Minpts及速度标准差阈值Vstd完成数据点的标签分配；所有数据点被分配为核心簇标签和噪声簇标签两类。

其中，步骤(1)具体为：

对获得的感兴趣目标的点云数据进行排序；

采用K-dist树技术得到每个点与其他点的距离矩阵，形成K-dist图；