基于展宽计算的车载毫米波雷达目标识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111045008A(43)申请公布日2020.04.21(21)申请号202010042315.8(22)申请日2020.01.15(71)申请人深圳市华讯方舟微电子科技有限公司地址518102广东省深圳市宝安区西乡街道宝田一路臣田工业区37栋2楼东申请人华讯方舟科技有限公司(72)发明人王玉桃高才才刘丽华(74)专利代理机构深圳中一联合知识产权代理有限公司44414代理人刘永康(51)Int.Cl.G01S13/931(2020.01)权利要求书2页说明书11页附图5页(54)发明名称基于展宽计算的车载毫米波雷达目标识别方法(57)摘要本申请属于雷达目标类型识别的技术领域，提供了一种基于展宽计算的车载毫米波雷达目标识别方法，该方法包括：获取接收到的雷达回波信号，对所述雷达回波信号的空间分布信息和多普勒信息进行提取，得到距离-多普勒二维矩阵；对所述距离-多普勒二维矩阵的数据进行目标检测，得到目标点迹的特征数据；根据预设聚类算法对所述特征数据进行聚类，得到所述目标的聚类数据；根据所述距离-多普勒二维矩阵从所述聚类数据中提取目标特征，根据所述目标特征构建特征样本数据；根据所述特征样本数据对目标识别模型进行训练，构建所述目标识别模型。本申请实施例解决由于毫米波雷达的点云数据稀疏造成目标特征提取困难的问题。CN111045008ACN111045008A权利要求书1/2页1.一种基于展宽计算的车载毫米波雷达目标识别方法，其特征在于，包括：获取接收到的雷达回波信号，对所述雷达回波信号的空间分布信息和多普勒信息进行提取，得到距离-多普勒二维矩阵；对所述距离-多普勒二维矩阵的数据进行目标检测，得到目标点迹的特征数据；根据预设聚类算法对所述特征数据进行聚类，得到所述目标的聚类数据；根据所述距离-多普勒二维矩阵从所述聚类数据中提取目标特征，根据所述目标特征构建特征样本数据；其中，所述目标特征包括所述聚类数据中幅度最大点迹的多普勒展宽和所述聚类数据中幅度最大点迹的距离展宽；根据所述特征样本数据对目标识别模型进行训练，构建所述目标识别模型。2.如权利要求1所述的基于展宽计算的车载毫米波雷达目标识别方法，其特征在于，所述目标特征还包括所述聚类数据的目标平均速度、所述聚类数据中不同点迹速度差值的最大值和所述聚类数据中不同点迹距离差值的最大值。3.如权利要求2所述的基于展宽计算的车载毫米波雷达目标识别方法，其特征在于，当从所述聚类数据中提取所述聚类数据中幅度最大点迹的多普勒展宽或所述聚类数据中幅度最大点迹的距离展宽时，所述根据所述距离-多普勒二维矩阵从所述聚类数据中提取目标特征，根据所述目标特征构建特征样本数据，包括：确定所述聚类数据中具有最大幅度的点迹为基准点迹；查找位于所述距离-多普勒二维矩阵中所述基准点迹对应的多普勒维和距离维的展宽计算范围内的点；其中，所述距离-多普勒二维矩阵中所述多普勒维的坐标为多普勒单元，所述距离维的坐标为距离单元；根据查找到的点计算所述基准点迹的多普勒展宽或距离展宽。4.如权利要求3所述的基于展宽计算的车载毫米波雷达目标识别方法，其特征在于，所述根据查找到的点计算所述基准点迹的多普勒展宽或距离展宽，包括：对于每一组所述多普勒单元或所述距离单元相同的若干所述查找到的点，若所述若干查找到的点的幅值均大于所述基准点迹的幅值，则根据所述基准点迹的幅值对所述若干查找到的点的幅值进行限制幅度计算，并计算幅度限制后的所述若干查找到的点的均值，将计算得到的均值累加至多普勒展宽或距离展宽中；对于每一组所述多普勒单元或所述距离单元相同的若干所述查找到的点，若所述若干查找到的点的幅值均小于所述基准点迹的幅值，则计算所述若干查找到的点的均值，将计算得到的均值累加至多普勒展宽或距离展宽中；遍历所有位于所述距离-多普勒二维矩阵中所述基准点迹对应的展宽计算范围内的点，得到所述基准点迹的多普勒展宽或距离展宽。5.如权利要求4所述的基于展宽计算的车载毫米波雷达目标识别方法，其特征在于，当从所述聚类数据中提取所述聚类数据中幅度最大点迹的多普勒展宽时，在所述距离-多普勒二维矩阵中所述基准点迹对应的展宽计算范围包括以所述基准点迹为中心在多普勒维以及距离维的点；且根据所述目标的特性限定所述展宽计算范围中所述多普勒维的范围。6.如权利要求5所述的基于展宽计算的车载毫米波雷达目标识别方法，其特征在于，当从所述聚类数据中提取所述聚类数据中幅度最大点迹的距离展宽时，在所述距离-多普勒二维矩阵中所述基准点迹对应的展宽计算范围包括以所述基准点迹为中心在多普勒维以2CN111045008A权利要求书2/2页及距离维的点；且根据所述目标的特性限定所述展宽计算范围中所述距离维的范围。7.如权利要求6所述的