一种毫米波雷达的多径假目标判断方法与流程

1.本发明属于智能驾驶技术领域，尤其涉及一种毫米波雷达的多径假目标判断方法。


背景技术：

2.随着毫米波雷达技术的进步，其在自动驾驶领域的得到越来越广泛的应用。毫米波雷达相较于光学和激光传感器，成本更低，不容易受天气影响，并且有更好的测速效果。当然，毫米波雷达也存在一些问题会制约其应用场景，多径目标就是典型的急需解决的毫米波雷达问题。多径目标的场景描述如下图1所示。图中雷达位于正下方，假设雷达前面有一车辆靠近左侧路沿。正常情况下，雷达发射的毫米波应该沿路线a照射到目标上，然后被目标反射，经过路线a被雷达收到，通过算法解算即可获得真实目标信息。但是当真实目标旁边有反射面（如路沿、隔离带、金属护网等）时，雷达发射的毫米波可能先经过a达到目标，反射后经过b、c被雷达接收，此时经过算法解算后会在虚线位置产生一个多径目标，显然这个目标是假目标。
3.现有的传统技术路线主要基于路沿检测。首先通过路沿提取算法获取路沿信息，然后将路沿外侧的目标直接去除。此外，有基于人工智能的多径目标去除算法，此技术路线通过预先采集毫米波雷达目标信息，人工标定真实目标和多径目标，然后训练识别网络，训练完成后，将雷达获取的目标信息输入网络，由网络输出该目标属于真实目标和多径目标的概率。
4.路沿提取技术路线依赖于路沿的提取准确度，并且在实际场景中，路沿外侧可能确实存在真实的目标，此时该真实目标会被该策略去除，导致场景描述错误。基于人工智能的技术路线依赖大量的数据集采集和网络训练，这非常耗时并且很难实现到雷达嵌入式平台。


技术实现要素：

5.本发明提供了一种毫米波雷达的多径假目标判断方法，解决了至少一种现有技术中存在的技术问题。
6.本发明的技术方案如下：一种毫米波雷达的多径假目标判断方法，包括：s10：获取毫米波雷达输出的点云图，根据点云图中的点云在汽车前进方向上的投影速度与汽车车速，确定所述点云图中所有的运动点云；s20：对所有的所述运动点云进行聚类，确定多个运动目标；s30：对每个所述运动目标使用n种目标朝向提取算法提取目标朝向，每个所述运动目标获得n个目标朝向数据，其中，n为大于等于2的自然数；s40：根据每个运动目标的n个目标朝向数据，判断每个运动目标是否为多径假目标。
7.进一步地，所述步骤s10包括：
计算点云在汽车前进方向上的投影速度与汽车车速的相反数的差值；当所述差值的绝对值大于预设阀值时，判定所述点云为运动点云；遍历所述点云图中的所有点云，确定所述点云图中所有的运动点云。
8.进一步地，所述预设阀值的范围：0~0.5m/s。
9.进一步地，当n=3时，对每个所述运动目标使用3种目标朝向提取算法提取目标朝向，所述目标朝向提取算法包括第一目标提取算法、第二目标提取算法和第三目标提取算法。
10.进一步地，所述第一目标提取算法包括：根据前几帧的点云图和当前帧的点云图，通过卡尔曼滤波追踪算法，获得该运动目标的运动方向，所述运动方向为目标朝向。
11.进一步地，所述第二目标提取算法为旋转卡尺算法。
12.进一步地，所述第三目标提取算法包括：在运动目标内任选两个运动点云；根据两个运动点云的径向速度、径向距离、x轴坐标与y轴坐标，计算x轴速度和y轴速度；根据x轴速度和y轴速度，计算所述运动目标的目标朝向数据。
13.进一步地，所述步骤s40包括：判断每个运动目标的n个目标朝向数据是否相近，当n个目标朝向数据相近时，所述运动目标为真实目标，反之为多径假目标；遍历所有运动目标，确定所有真实目标。
14.进一步地，所述判断每个运动目标的n个目标朝向数据是否相近，当n个目标朝向数据相近时，所述运动目标为真实目标，反之为多径假目标包括：将所述运动目标的n个目标朝向数据进行归一化处理，计算n个目标朝向数据两两之间的差值，当任一差值大于或等于角度阈值时，判定该运动目标为多径假目标，反之为真目标。
15.进一步地，所述角度阈值的范围：0~1弧度。
16.本发明的有益效果：本发明通过多种目标朝向算法计算运动目标的朝向，通过判断计算获得的目标朝向是否相近，以判断是否是多径假目标，无需路沿查找算法，并且能够良好区分外车道的真实目标和多径假目标；本发明利用毫米波的点云的坐标、速度等信息，去除多径目标，无需前期的数据采集和网络训练，并且本发明可以方便地移植到嵌入式平台，更具有实用性。
附图说明
17.图1是本发明中多径假目标的产生示意图。
18.图2是本发明的流程图。
19.图3是本发明的算法流程图。
20.图4是本发明的仿真模拟图。
具体实施方式
21.为了使本领域技术人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
22.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包括，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
23.在本发明的一个实施例中，图2以及图3是根据本发明具体的步骤提供的流程图，需要注意的是，本发明的毫米波雷达的多径假目标判断方法可以以程序指令的形式进行体现，同时本发明中顺序步骤在必要情况下可以进行调换。如图2和图3所示，本发明包括：s10：获取毫米波雷达输出的点云图，根据点云图中的点云在汽车前进方向上的投影速度与汽车车速，确定所述点云图中所有的运动点云。
24.雷达处理器通过毫米波雷达获得点云图，点云图中包括有多个点云以及每个点云的x坐标、y坐标、径向速度、反射强度等信息。其中，坐标系是以毫米波雷达作为坐标原点，汽车前进方向为y轴，毫米波雷达的右侧为x轴，高度为z轴进行建立的。径向距离指的是点云到雷达之间的直线距离，径向速度就是在雷达与点云连线方向上的速度。其中，汽车车速是从汽车处理器中获得的。
25.毫米波雷达具备稳定的刷新周期，故点云图会随着时间进行刷新，每次刷的点云图为当前帧点云如，刷新前一次的为上一帧点云图。
26.其中，运动点云的判断方法如下：根据点云图中的点云在汽车前进方向上的投影速度与汽车车速，判断该点云是否为运动点云。具体是，计算点云在汽车前进方向上的投影速度与汽车车速的相反数的差值；当所述差值的绝对值大于预设阀值时，判定所述点云为运动点云；遍历所述点云图中的所有点云，确定所述点云图中所有的运动点云。
27.由于速度是矢量，点云在汽车前进方向上的投影速度便是点云的径向速度在y轴上的矢量分量。当速度投射到y轴上后，投影速度便于汽车车速处于同一方向上，当汽车车速的相反数与投影速度的差值的绝对值满足大于预设阀值时，判定该点云为运动点云。如果差值的绝对值小于或等于所述预设阀值，则判定该点云为静止点云，找出所有的运动点云。其中预设阀值的范围：0~0.5m/s，优选值为0.3m/s。
28.对于任意静止点云，在本坐标系下的真实速度的方向是本车运动方向的反向，大小等于本车速度，所以，该真实速度被雷达观测到的径向速度，即是本车速度相反数在径向的投影。因此，理论上静止点的y轴投影速度与本车速相加应该是0。考虑到雷达测量误差，认为《0.3m/s是静止点。
29.s20：对所有的所述运动点云进行聚类，确定多个运动目标。
30.将上一步骤中，确定的所有运动点云进行聚类，聚类可以通过聚类算法进行实现，
具体的算法可以是点云k-means聚类算法，也可以是点云dbscan聚类算法。通过对运动点云的聚类，可以聚集成多个运动目标。
31.s30：对每个所述运动目标使用n种目标朝向提取算法提取目标朝向，每个所述运动目标获得n个目标朝向数据，其中，n为大于等于2的自然数。
32.本发明是通过多种目标朝向提取算法，提取目标的朝向数据，从而获得多个朝向数据，比对朝向数据是否一致，当一致时判定所述运动目标为真实目标，反之为多径假目标。为此，本发明中采用了3种目标朝向算法对运动目标的朝向进行提取，即n=3，此时对每个所述运动目标使用3种目标朝向提取算法提取目标朝向，所述目标朝向提取算法包括第一目标提取算法、第二目标提取算法和第三目标提取算法。
33.其中，第一目标朝向算法具体步骤如下：根据前几帧的点云图和当前帧的点云图，此处前几帧的点云图指的是当前帧的点云图，多次刷新前的点云图。通过卡尔曼滤波追踪算法，获得该运动目标的运动方向，其中，运动方向就是目标朝向。
34.具体的，对所有运动点云进行追踪，追踪完毕后，形成运动轨迹，其中这些运动轨迹中有些是真实目标形成的轨迹，有些是多径假目标形成的运动轨迹。然后直接通过该点云的运动轨迹提取运动方向，及通过卡尔曼滤波追踪算法可以获取到运动目标的x轴速度和y轴速度，通过反正切函数计算获得目标朝向。记为theta1=arctan（vx/vy），其中theta1 指的是通过第一目标朝向算法获得到的第一目标朝向数据，vx为x轴速度，vy为y轴速度。
35.第二目标朝向算法包括旋转卡尺算法。具体可以参考文献toussaint g t . solving geometric problems with the rotating calipers[j]. proc ieee melecon, 2000。通过找到构成该运动目标的所有运动点云的最小外接矩形，计算该矩形长边的朝向，记为第二目标朝向数据theta2。
[0036]
第二目标朝向算法包括在运动目标内任选两个运动点云；根据两个运动点云的径向速度、径向距离、x轴坐标与y轴坐标，计算x轴速度和y轴速度；根据x轴速度和y轴速度，计算所述运动目标的目标朝向数据。
[0037]
本方法假设雷达探测到的目标都是刚体，即属于同一运动目标的所有运动点云都具备相同的x轴速度和y轴速度。通过在运动目标内任取两个运动点云，从点云图中获取这两个运动点云的径向速度、径向距离、x轴坐标与y轴坐标，然后计算x轴速度和y轴速度。因为对任意一点都有r=sqrt(x*x+y*y)，将上式的两边都对时间求导数，将r、x、y对时间的导数分别记为v、vx、vy，改写上式即可得到v*r=x*vx+y*vy。其中v是径向速度、r是径向距离、x是x轴的坐标、y是y轴坐标、vx为x轴速度、vy为y轴速度。将上述两个运动点云的径向速度、径向距离、x轴坐标与y轴坐标带入公式，可以通过解二元一次方程组，计算x轴速度和y轴速度。然后通过反正切函数arctan（vx/vy）计算目标朝向，记为第三目标朝向数据theta3。例如对于属于同一个目标的两个点（r，v，x，y）坐标分别是（10，8.65，5，8.65）和（10，7.07，7.07，7.07），带入公式可得vx=0，vy=10，通过反正切函数求得到的朝向角是0弧度。
[0038]
s40：根据每个运动目标的n个目标朝向数据，判断每个运动目标是否为多径假目标。
[0039]
通过上述的三种目标朝向算法，获得3种目标朝向数据，其中，目标朝向数据包括第一目标朝向数据theta1、第二目标朝向数据theta2和第三目标朝向数据theta3。该步骤是根据这3种目标朝向数据来判定该目标是否是多径假目标。
[0040]
具体主要判断每个运动目标的n个目标朝向数据是否相近，当n个目标朝向数据相近时，所述运动目标为真实目标，反之为多径假目标，然后遍历所有运动目标，确定所有真实目标。在上述实施例中，是判断每个运动目标的3种目标朝向数据是否相近。首先，由平面几何的知识可知，用第二目标朝向算法提取真实目标和假目标的朝向角互为相反数。又因为，对于假目标来说，它的信号经过多次反射，其信噪比相对于真实目标会有显著下降，所以用第三目标朝向算法提取假目标的朝向角相对真实目标会有较大的误差。故当三个目标朝向数据不相近时，该目标为多径假目标。
[0041]
目标朝向数据是否相近的判断流程如下：将所述运动目标的n个目标朝向数据进行归一化处理，具体是归一化至-pi/2+n*pi到pi/2+n*pi（n∈z）。其中，pi为圆周率。你可以根据实际情况决定。
[0042]
计算n个目标朝向数据两两之间的差值，当任一差值大于或等于角度阈值时，该运动目标为多径假目标，反之为真目标。
[0043]
在上述实施例中，具体是计算第一目标朝向数据theta1、第二目标朝向数据theta2和第三目标朝向数据theta3两两之间的差值。如计算第一目标朝向数据theta1和第二目标朝向数据theta2的第一差值，计算第二目标朝向数据theta2和第三目标朝向数据theta3之间的第二差值，计算计算第一目标朝向数据theta1和第三目标朝向数据theta3的第三差值。当第一差值、第二差值和第三差值中任意一个大于或等于角度阈值时，判定该运动目标为多径假目标，反之为真目标。其中，所述角度阈值的范围：0-1弧度（补充），优选为：0.5弧度。
[0044]
本发明通过仿真和实验证明有效性：如图4所示，图4中左半部分为真实目标的转向角差，即上文汇总的目标朝向数据，右半部分为虚假目标的转向角差，附图汇总的曲线分别是第一差值、第二差值和第三差值。从附图可知，虚假目标的转向角差明显大于角度阈值，一般情况下角度阈值设定0.5弧度。根据仿真，真实目标和假目标的三种朝向分别是（-1.1，-1.3，-1.2）和（-0.9，0.8，-0.5），分析可知真实目标的三种朝向两两之差较小，而假目标三种朝向两两之差较大。
[0045]
本发明通过多种目标朝向算法计算运动目标的朝向，通过判断计算获得的目标朝向是否相近，以判断是否是多径假目标，无需路沿查找算法，并且能够良好区分外车道的真实目标和多径假目标；本发明利用毫米波的点云的坐标、速度等信息，去除多径目标，无需前期的数据采集和网络训练，并且本发明可以方便地移植到嵌入式平台，更具有实用性。
[0046]
最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。