基于自适应门限目标聚类的车辆识别方法、系统及介质与流程

本发明主要涉及etc技术领域，具体涉及一种基于自适应门限目标聚类的车辆识别方法。

背景技术：

毫米波雷达是工作在毫米波波段探测的雷达，通常毫米波是指频率在30～300ghz频域(波长为1～10mm)的。雷达向周围空间发射毫米波，毫米波遇到物体反射回雷达，经过一系列处理，雷达可以得到物体的距离、速度、角度等信息。由于同一个物体一般有多个反射回波，因此需要将反射回波进行聚类处理，尽量使得一个物体的反射回波聚类后只有一个。

常见毫米波雷达目标聚类方法认为同一物体在空间和速度信息上相差不大，通过设定距离门限δr、角度门限δθ和速度门限δv，通过计算不同回波的距离、角度、速度差值，如果小于相应门限，则认为这些回波属于同一物体，将这些回波聚类，取这些回波距离、角度、速度的统计平均作为此物体的信息。

现有雷达目标聚类技术采用固定门限对目标进行聚类，无法根据目标运动特征进行改变，由于物体处于不同运动状态，不同位置，导致不同环境下聚类效果差别较大，因此对目标检测效果很不稳定，不能达到最优，在门限设置过小会导致将一个物体聚类为两个，门限设置过大会导致两个物体聚类为一个；因此，传统的毫米波雷达聚类方法，采用设置固定门限的方法，无法兼顾目标远近时的聚类效果，距离门限设置较小时，会导致远处目标分裂，距离门限设置较大时，会导致近处目标无法区分，并且固定门限没有考虑到雷达测量误差，对于不同雷达，需要大量实验才能找到最佳门限。

其次，另外没有考虑到测量误差带来的影响，容易导致聚类错误，将不同目标聚类为一个。如在etc收费站对车辆进行收费时，会发生因跟车导致的漏收费问题，即使加装雷达来检测目标也存在因车距太近导致的将两辆车识别为一辆的情况。

技术实现要素：

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种聚类效果好、提高雷达检测精度的基于自适应门限目标聚类的车辆识别方法、系统及存储介质。

为解决上述技术问题，本发明提出的技术方案为：

一种基于自适应门限目标聚类的车辆识别方法，包括步骤：

1)对每个雷达回波信号进行处理，得到得到第i个回波的信息，包括距离ri，速度vi和角度θi，i∈[1,n]；

2)依据雷达速度分辨率△v、雷达角度分辨率△θ和第i个回波的信息，得到水平方向速度误差△vx，将其作为速度门限δv；对于满足|vi-vj|≤δvi,j∈[1,n]的所有回波的速度进行平均，得到平均速度

3)将平均速度与预设时间相乘得到距离门限δr，对于满足|ri-rj|≤δri,j∈[1,n]的所有点进行聚类，聚类后的信息作为此目标的运动特征；

4)按照步骤2)和步骤3)对余下的点进行聚类，直到没有可以聚类的点，从而将不同目标有效区分开。

优选地，在步骤2)中，依据雷达速度分辨率△v和雷达角度分辨率△θ，通过公式(1)得到水平方向速度误差△vx

其中θ为雷达探测法线与地面的夹角。

优选地，所述θ取45度。

优选地，在步骤3)中，所述预设时间为驾驶员的反应时间与制动时间之和，取0.4-1s。

本发明还公开了一种基于自适应门限目标聚类的车辆识别系统，包括

第一模块，用于对每个雷达回波信号进行处理，得到得到第i个回波的信息，包括距离ri，速度vi和角度θi，i∈[1,n]；

第二模块，用于依据雷达速度分辨率△v、雷达角度分辨率△θ和第i个回波的信息，得到水平方向速度误差△vx，将其作为速度门限δv；对于满足|vi-vj|≤δvi,j∈[1,n]的所有回波的速度进行平均，得到平均速度

第三模块，用于将平均速度与预设时间相乘得到距离门限δr，对于满足|ri-rj|≤δri,j∈[1,n]的所有点进行聚类，聚类后的信息作为此目标的运动特征；

第四模块，用于对余下的点进行聚类，直到没有可以聚类的点，从而将不同目标有效区分开。

本发明进一步公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时实现如上所述的基于自适应门限目标聚类的车辆识别方法的步骤。

本发明还公开了一种计算机设备，包括处理器和存储器，所述存储器上存储有计算机程序，其特征在于，所述计算机程序在被处理器执行时实现如上所述的基于自适应门限目标聚类的车辆识别方法的步骤。

本发明进一步公开了一种终端设备，所述终端包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述至少一条程序代码由所述一个或多个处理器加载并执行以实现如上所述的基于自适应门限目标聚类的车辆识别方法的步骤。

与现有技术相比，本发明的优点在于：

本发明的基于自适应门限目标聚类的车辆识别方法，对目标聚类时根据测量误差来设定速度门限，并根据物体运动速度结合驾驶反应时间设定距离门限，针对不同情况采用不同的门限，目标聚类效果好、精度高、防止出现目标分裂和无法区分的情况、提高雷达检测的稳定性；其中速度门限和距离门限通过上述方式得到，不需要大量的实验调试，操作简便，易于实现。

附图说明

图1为本发明中雷达在实施例的安装结构图。

图2为本发明中雷达发射雷达信号的示意图。

图3为本发明中水平方向速度误差仿真示意图。

图4为本发明的方法在实施例的流程图。

具体实施方式

以下结合说明书附图和具体实施例对本发明作进一步描述。

如图1所示，本发明采用加装毫米波雷达对目标数目进行探测计数的方法，配合etc使用来解决etc因跟车导致的漏收费问题。具体地，毫米波雷达加装在高度为5.5m-6.5m的直杆上，雷达探测法线与地面夹角为θ，其中θ取45°，能够使得探测距离较长的同时，避免前车对后车的遮挡。

假设etc按上述方式加装的毫米波雷达检测方位内有两个目标车辆(a和b)，如图2所示：

将目标a不同反射点计算根据其距离与角度，将这些反射点的径向速度v转化为目标a运动方向(即水平方向)的速度vx，假设目标a存在三个目标反射点a1，a2，a3，并且它们的相应的距离，方位角和速度分别为r1、r2、r3和θ1、θ2、θ3和v1、v2、v3，那么它们的运动方向(水平方向)速度根据可以计算得出为：

那么此时目标a所有反射点计算出来的速度理论上应该是基本相同的，同理目标b所有反射点计算出的速度也是基本相同的，但是a与b的速度实际上是不同的，理论上可以通过速度很容易将二者区分开，但是由于测量误差的原因，需要设定自适应门限区分二者。假设雷达测速误差(分辨率)为△v，测角误差(分辨率)为△θ，那么水平方向速度误差可以定义为：

在角度误差为1°，速度分辨率0.28m/s为的情况下，matlab仿真如图3所示，可以看出水平方向速度误差在0.6°以内来回波动。

同时，考虑到实际中驾驶员的反应时间加上制动时间为0.4s-1s，在本实施例中考虑最短时间0.4s，因此，当车速较快时，两车存在一定的安全距离，因此可以将此距离作为目标聚类的门限，随着速度的增长，距离门限值也越来越大。

如图4所示，本发明的基于自适应门限目标聚类的车辆识别方法，包括步骤：

1)对每个雷达回波信号进行处理，得到得到第i个回波的信息，包括距离ri，速度vi和角度θi，i∈[1,n]；

2)依据雷达速度分辨率△v、雷达角度分辨率△θ和第i个回波的信息，得到水平方向速度误差△vx，将其作为速度门限δv；对于满足|vi-vj|≤δvi,j∈[1,n]的所有回波的速度进行平均，得到平均速度

3)将平均速度与预设时间相乘得到距离门限δr，对于满足|ri-rj|≤δri,j∈[1,n]的所有点进行聚类，聚类后的信息作为此目标的运动特征；

4)按照步骤2)和步骤3)对余下的点进行聚类，直到没有可以聚类的点，从而将不同目标有效区分开。

在步骤2)中，依据雷达速度分辨率△v和雷达角度分辨率△θ，通过公式(1)得到水平方向速度误差△vx

其中θ为雷达探测法线与地面的夹角。

本发明的基于自适应门限目标聚类的车辆识别方法，对目标聚类时根据测量误差来设定速度门限，并根据物体运动速度结合驾驶反应时间设定距离门限，针对不同情况采用不同的门限，目标聚类效果好、精度高、防止出现目标分裂和无法区分的情况、提高雷达检测的稳定性；其中速度门限和距离门限通过上述方式得到，不需要大量的实验调试，操作简便，易于实现。

下面结合一完整的具体实施例对本发明的方法做进一步说明：

(1)利用图2中的毫米波雷达架设方式探测目标车辆，毫米波雷达速度分辨率为△v，测角分辨率为△θ；

(2)雷达接收得到目标的n个回波，对每个回波进行信号处理，得到第i个回波的信息，包括距离ri，速度vi和角度θi，i∈[1,n]；

(3)利用雷达分辨率信息△v和△θ，利用公式(1)计算得到△vx，将其作为速度门限δv，对于满足|vi-vj|≤δvi,j∈[1,n]的所有回波的速度进行平均，得到平均速度

(4)将0.4s与第(3)步得到的平均速度相乘得到距离门限δr，对于满足|ri-rj|≤δri,j∈[1,n]的所有点进行聚类，聚类后的信息作为此目标的运动特征；

(5)对剩下的点按照3、4步的方法重新进行聚类，直到没有可以聚类的点，从而将不同目标有效区分开，即使目标相距较近。

本发明还公开了一种基于自适应门限目标聚类的车辆识别系统，包括

第一模块，用于对每个雷达回波信号进行处理，得到得到第i个回波的信息，包括距离ri，速度vi和角度θi，i∈[1,n]；

第二模块，用于依据雷达速度分辨率△v、雷达角度分辨率△θ和第i个回波的信息，得到水平方向速度误差△vx，将其作为速度门限δv；对于满足|vi-vj|≤δvi,j∈[1,n]的所有回波的速度进行平均，得到平均速度

第三模块，用于将平均速度与预设时间相乘得到距离门限δr，对于满足|ri-rj|≤δri,j∈[1,n]的所有点进行聚类，聚类后的信息作为此目标的运动特征；

第四模块，用于对余下的点进行聚类，直到没有可以聚类的点，从而将不同目标有效区分开。

本发明进一步公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时实现如上所述的基于自适应门限目标聚类的车辆识别方法的步骤。本发明还公开了一种计算机设备，包括处理器和存储器，所述存储器上存储有计算机程序，其特征在于，所述计算机程序在被处理器执行时实现如上所述的基于自适应门限目标聚类的车辆识别方法的步骤。本发明进一步公开了一种终端设备，所述终端包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述至少一条程序代码由所述一个或多个处理器加载并执行以实现如上所述的基于自适应门限目标聚类的车辆识别方法的步骤。

本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一个计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。存储器可用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现各种功能。存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)、至少一个磁盘存储器件、闪存器件、或其它易失性固态存储器件等。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。