Nothing Special   »   [go: up one dir, main page]

CN110736982B - 基于雷达监测的地下停车场车辆跟踪方法及装置 - Google Patents

基于雷达监测的地下停车场车辆跟踪方法及装置 Download PDF

Info

Publication number
CN110736982B
CN110736982B CN201911030312.6A CN201911030312A CN110736982B CN 110736982 B CN110736982 B CN 110736982B CN 201911030312 A CN201911030312 A CN 201911030312A CN 110736982 B CN110736982 B CN 110736982B
Authority
CN
China
Prior art keywords
vehicle
centroid
data point
moment
noise
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911030312.6A
Other languages
English (en)
Other versions
CN110736982A (zh
Inventor
胡友德
钱怡恬
刘钢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cao Guofu
Original Assignee
Jiangsu Jitri Intelligent Sensor Research Institute Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu Jitri Intelligent Sensor Research Institute Co ltd filed Critical Jiangsu Jitri Intelligent Sensor Research Institute Co ltd
Priority to CN201911030312.6A priority Critical patent/CN110736982B/zh
Publication of CN110736982A publication Critical patent/CN110736982A/zh
Application granted granted Critical
Publication of CN110736982B publication Critical patent/CN110736982B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/70—Radar-tracking systems; Analogous systems for range tracking only

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了基于雷达监测的地下停车场跟踪方法，雷达为毫米波雷达，方法包括以下步骤：S1：通过雷达的天线实时监测车辆，得到车辆的轨迹数据点，然后将所述轨迹数据点传输给处理模块；S2：处理模块从轨迹数据点中提取出多个参数；多个参数包括轨迹数据点的x坐标、y坐标、x方向速度、y方向速度、幅值、多普勒系数、时间单位和比例因子；S3：对同一时刻下的同一车辆，根据所述提取出的多个参数采用车辆的质心作为表示车辆在当前时刻下位置的坐标点；S4：将同一车辆的质心在地图上进行实时显示。本发明还公开了相应的跟踪装置。本发明能够准确地基于时间进行质心的跟踪，在现有质心轨迹的基础上进行下一时刻质心轨迹的预判。

Description

基于雷达监测的地下停车场车辆跟踪方法及装置
技术领域
本发明涉及雷达领域，特别是涉及基于雷达监测的地下停车场车辆跟踪方法及装置。
背景技术
现有技术中的雷达跟踪方法往往是通过雷达接收视频数据，然而视频数据的数据量大，带宽有限，因此导致点迹处理的滞后。并且视频容易受到光线、天气、温度、空气密度等环境的影响，导致数据的获取容易有误差。此外，现有技术只能处理某一时刻点迹的各参数，无法在连续时间上判断和跟踪点迹。
发明内容
发明目的：本发明的目的是提供一种基于雷达监测的地下停车场车辆跟踪方法及装置，能够解决现有技术中存在的“点迹处理滞后，数据的获取有误差，只能处理某一时刻点迹的各参数，无法在连续时间上判断和跟踪点迹”的技术问题。
技术方案：本发明所述的基于雷达监测的地下停车场车辆跟踪方法，所述雷达为毫米波雷达，所述方法包括以下步骤：
S1：通过雷达的天线实时监测车辆，得到车辆的轨迹数据点，然后将所述轨迹数据点传输给处理模块；
S2：处理模块从轨迹数据点中提取出多个参数；所述多个参数包括轨迹数据点的x坐标、y坐标、x方向速度、y方向速度、幅值、多普勒系数、时间单位和比例因子；
S3：对同一时刻下的同一车辆，根据所述提取出的多个参数采用车辆的质心作为表示车辆在当前时刻下位置的坐标点；
S4：将同一车辆的质心在地图上进行实时显示。
进一步，所述步骤S3中，根据所述提取出的多个参数采用质心作为表征车辆在当前时刻下位置的坐标点的过程包括以下步骤：
S31：去除所述提取出的多个参数中当前时刻下的车辆静态噪声点及动态噪声点，获得去除噪声后的数据点；
S32：根据车辆运动轨迹、前一时刻质心及速度参数，获得当前时刻预测的质心以及有效数据点范围；
S33：根据所述去除噪声后的数据点、当前时刻预测的质心以及有效数据点范围，获得当前时刻下位置的坐标点。
进一步，所述步骤S32中，根据车辆运动轨迹、前一时刻质心及速度参数，获得当前时刻预测的质心以及有效数据点范围的过程包括以下步骤：
S321：根据前一时刻车辆运动轨迹对前一时刻质心作切线，所述当前时刻预测的质心在所述切线的方向上；
S322：在所述切线的方向上，前一时刻质心运动速度增加5％作为速度最大值，前一时刻质心运动速度减小5％作为速度最小值，根据所述速度最大值、速度最小值以及前一时刻与当前时刻的时间间隔确定直径；所述直径中点为当前时刻预测的质心，所述直径形成的圆为有效数据点范围。
进一步，所述步骤S33中，根据所述去除噪声后的数据点、当前时刻预测的质心以及有效数据点范围获得当前时刻下位置的坐标点的过程包括以下步骤：
S331：根据去除噪声后的数据点以及有效数据点范围获得去除噪声后的有效数据点；
S332：根据去除噪声后的有效数据点与所述当前时刻预测的质心之间的距离计算权重系数，根据所述权重系数获得当前时刻下位置的坐标点。
进一步，所述步骤S332中，当前时刻下位置的坐标点为
Figure BDA0002249967410000021
其中，xi表示所述车辆的第i个去除噪声后的数据点的横坐标，n表示所述车辆的轨迹数据点的总数，
Figure BDA0002249967410000022
表示xi的权重，通过式(1)得到；yi表示所述车辆的第i个轨迹数据点的纵坐标，
Figure BDA0002249967410000023
表示yi的权重，通过式(2)得到；
Figure BDA0002249967410000031
Figure BDA0002249967410000032
其中，dk表示所述车辆的第k个去除噪声后的数据点到圆心的距离，dl表示所述车辆的第l个去除噪声后的有效数据点到圆心的距离，dm表示所述车辆的第m个去除噪声后的有效数据点到圆心的距离；所述圆心通过以下方式得到：将当前时刻质心的切线方向作为下一时刻质心可能的运动方向，将当前时刻质心的运动速度增加5％作为速度最大值，减少5％作为速度最小值，根据所述速度最大值、速度最小值以及当前时刻与下一时刻之间的时间间隔确定直径，以直径的中点为圆心画圆，所述圆心即为直径的中点。由于当前时刻和下一时刻的时间间隔很短，速度变化很小，每一时刻可看作近似的匀速运动，车辆运动的点不可能出现在预测的圆外，圆外可被视作噪声点，将圆内的点根据权重，计算出当前时刻车辆的质心。
进一步，所述步骤S31中，去除提取出的多个参数中当前时刻下的车辆静态噪声点的过程包括以下步骤：
S311：将所述提取出的多个参数中多普勒系数为零的静态噪声点去除。
进一步，所述步骤S2中，处理模块从轨迹数据点中提取出多个参数的过程包括以下步骤：
S21：当有多个雷达监测所述车辆时，从多个雷达共同检测到的轨迹数据点中提取出多个参数，其余的轨迹数据点为动态噪声点，不对动态噪声点提取参数。由于每个下一时刻的质心的权重都受当前时刻各参数的影响，因此动态噪声点的去除能够不断优化轨迹的准确性。
本发明所述的基于雷达监测的地下停车场车辆跟踪装置，所述雷达为毫米波雷达，所述装置包括：
点迹数据获取模块：用于通过雷达的天线实时监测车辆，得到车辆的轨迹数据点，然后将所述轨迹数据点传输给处理模块；
处理模块：用于从轨迹数据点中提取出多个参数；所述多个参数包括轨迹数据点的x坐标、y坐标、x方向速度、y方向速度、幅值、多普勒系数、时间单位和比例因子；对同一时刻下的同一车辆，根据所述提取出的多个参数采用车辆的质心表示车辆在当前时刻下位置的坐标点；
显示模块：用于将同一车辆的质心在地图上进行实时显示。
进一步，根据所述提取出的多个参数采用质心作为表征车辆在当前时刻下位置的坐标点的过程包括：
1)去除所述提取出的多个参数中当前时刻下的车辆静态噪声点及动态噪声点，获得去除噪声后的数据点；
2)根据车辆运动轨迹、前一时刻质心及速度参数，获得当前时刻预测的质心以及有效数据点范围；
3)根据所述去除噪声后的数据点、当前时刻预测的质心以及有效数据点范围，获得当前时刻下位置的坐标点。
进一步，所述根据车辆运动轨迹、前一时刻质心及速度参数，获得当前时刻预测的质心以及有效数据点范围的过程包括：
1)根据前一时刻车辆运动轨迹对前一时刻质心作切线，所述当前时刻预测的质心在所述切线的方向上；
2)在所述切线的方向上，前一时刻质心运动速度增加5％作为速度最大值，前一时刻质心运动速度减小5％作为速度最小值，根据所述速度最大值、速度最小值以及前一时刻与当前时刻的时间间隔确定直径；所述直径中点为当前时刻预测的质心，所述直径形成的圆为有效数据点范围。
有益效果：本发明公开了一种基于雷达监测的地下停车场车辆跟踪方法及装置，采用毫米波雷达对物体进行监测，不受环境因素的影响，在任何环境条件下都能稳定地获取数据。并且，本发明传输的不是视频数据，传输的数据量小，能够保证高精确度和低延时滞后，从而准确地基于时间进行质心的跟踪。此外，本发明能够在连续时间上判断和跟踪质心，在现有质心轨迹的基础上进行下一时刻质心轨迹的预判。
附图说明
图1为本发明具体实施方式中方法的流程图；
图2为本发明具体实施方式中采用质心作为表征该时刻下表征物体位置的坐标点的过程示意图；
图3为本发明具体实施方式中不同时刻下求取质心的示意图；
图4为本发明具体实施方式中不同时刻下质心的轨迹；
图5为本发明具体实施方式中多雷达监测的示意图；
图6为本发明具体实施方式中求取质心的过程示意图。
具体实施方式
本具体实施方式公开了一种基于雷达监测的地下停车场车辆跟踪方法，雷达为毫米波雷达，如图1所示，方法包括以下步骤：
S1：通过雷达的天线实时监测车辆，得到车辆的轨迹数据点，然后将所述轨迹数据点传输给处理模块；
S2：处理模块从轨迹数据点中提取出多个参数；所述多个参数包括轨迹数据点的x坐标、y坐标、x方向速度、y方向速度、幅值、多普勒系数、时间单位和比例因子；根据这些参数还可以获得相关的其他参数，例如根据x、y坐标计算得到点的范围，用于距离的判断。时间参数相同的点即为同一帧(一帧为一个计算机时钟周期约为44.5ms)内的数据，同一帧有多个点迹数据，把每一个点封装成具有D(多普勒系数)、P(幅值)、X(X坐标)、Y(Y坐标)、N(一帧内点的个数)、XSIZE(X面积大小)、YSIZE(Y面积大小)、VX(X方向速度大小)、VY(Y方向速度大小)等参数的点；
S3：对同一时刻下的同一车辆，根据所述提取出的多个参数采用车辆的质心作为表示车辆在当前时刻下位置的坐标点，如图2所示；
S4：将同一车辆的质心在地图上进行实时显示。
步骤S3中，根据所述提取出的多个参数采用质心作为表征车辆在当前时刻下位置的坐标点的过程包括以下步骤：
S31：去除所述提取出的多个参数中当前时刻下的车辆静态噪声点及动态噪声点，获得去除噪声后的数据点；
S32：根据车辆运动轨迹、前一时刻质心及速度参数，获得当前时刻预测的质心以及有效数据点范围；
S33：根据所述去除噪声后的数据点、当前时刻预测的质心以及有效数据点范围，获得当前时刻下位置的坐标点。
步骤S32中，根据车辆运动轨迹、前一时刻质心及速度参数，获得当前时刻预测的质心以及有效数据点范围的过程包括以下步骤：
S321：根据前一时刻车辆运动轨迹对前一时刻质心作切线，所述当前时刻预测的质心在所述切线的方向上；
S322：在所述切线的方向上，前一时刻质心运动速度增加5％作为速度最大值，前一时刻质心运动速度减小5％作为速度最小值，根据所述速度最大值、速度最小值以及前一时刻与当前时刻的时间间隔确定直径；所述直径中点为当前时刻预测的质心，所述直径形成的圆为有效数据点范围。
步骤S33中，根据所述去除噪声后的数据点、当前时刻预测的质心以及有效数据点范围获得当前时刻下位置的坐标点的过程包括以下步骤：
S331：根据去除噪声后的数据点以及有效数据点范围获得去除噪声后的有效数据点；
S332：根据去除噪声后的有效数据点与所述当前时刻预测的质心之间的距离计算权重系数，根据所述权重系数获得当前时刻下位置的坐标点。
步骤S2中，多个参数包括点的x坐标、y坐标、x方向速度、y方向速度、幅值、多普勒系数、时间单位和比例因子。
毫米波雷达能够利用检测到的多普勒系数去除静态噪声和一些随机噪声，这样得到的质心就更精准。步骤S332中，当前时刻下位置的坐标点为
Figure BDA0002249967410000061
其中，xi表示所述车辆的第i个去除噪声后的数据点的横坐标，n表示所述车辆的轨迹数据点的总数，
Figure BDA0002249967410000062
表示xi的权重，通过式(1)得到；yi表示所述车辆的第i个轨迹数据点的纵坐标，
Figure BDA0002249967410000063
表示yi的权重，通过式(2)得到；
Figure BDA0002249967410000071
Figure BDA0002249967410000072
其中，dk表示所述车辆的第k个去除噪声后的数据点到圆心的距离，dl表示所述车辆的第l个去除噪声后的有效数据点到圆心的距离，dm表示所述车辆的第m个去除噪声后的有效数据点到圆心的距离；所述圆心通过以下方式得到：将当前时刻质心的切线方向作为下一时刻质心可能的运动方向，将当前时刻质心的运动速度增加5％作为速度最大值，减少5％作为速度最小值，根据所述速度最大值、速度最小值以及当前时刻与下一时刻之间的时间间隔确定直径，以直径的中点为圆心画圆，所述圆心即为直径的中点。
质心的求取过程如图6和图3所示。图4是不同时刻质心的轨迹。
步骤S31中，去除提取出的多个参数中当前时刻下的车辆静态噪声点的过程包括以下步骤：
S311：将所述提取出的多个参数中多普勒系数为零的静态噪声点去除。
步骤S2中，处理模块从轨迹数据点中提取出多个参数的过程包括以下步骤：
S21：当有多个雷达监测所述车辆时，从多个雷达共同检测到的轨迹数据点中提取出多个参数，其余的轨迹数据点为动态噪声点，不对动态噪声点提取参数。
本具体实施方式公开了一种基于雷达监测的地下停车场车辆跟踪装置，雷达为毫米波雷达，装置包括：
点迹数据获取模块：用于通过雷达的天线实时监测车辆，得到车辆的轨迹数据点，然后将所述轨迹数据点传输给处理模块；
处理模块：用于从轨迹数据点中提取出多个参数；所述多个参数包括轨迹数据点的x坐标、y坐标、x方向速度、y方向速度、幅值、多普勒系数、时间单位和比例因子；对同一时刻下的同一车辆，根据所述提取出的多个参数采用车辆的质心表示车辆在当前时刻下位置的坐标点；
显示模块：用于将同一车辆的质心在地图上进行实时显示。
提取出的多个参数采用质心作为表征车辆在当前时刻下位置的坐标点的过程包括：
1)去除所述提取出的多个参数中当前时刻下的车辆静态噪声点及动态噪声点，获得去除噪声后的数据点；
2)根据车辆运动轨迹、前一时刻质心及速度参数，获得当前时刻预测的质心以及有效数据点范围；
3)根据所述去除噪声后的数据点、当前时刻预测的质心以及有效数据点范围，获得当前时刻下位置的坐标点。
根据车辆运动轨迹、前一时刻质心及速度参数，获得当前时刻预测的质心以及有效数据点范围的过程包括：
1)根据前一时刻车辆运动轨迹对前一时刻质心作切线，所述当前时刻预测的质心在所述切线的方向上；
2)在所述切线的方向上，前一时刻质心运动速度增加5％作为速度最大值，前一时刻质心运动速度减小5％作为速度最小值，根据所述速度最大值、速度最小值以及前一时刻与当前时刻的时间间隔确定直径；所述直径中点为当前时刻预测的质心，所述直径形成的圆为有效数据点范围。
根据所述去除噪声后的数据点、当前时刻预测的质心以及有效数据点范围获得当前时刻下位置的坐标点的过程包括以下步骤：
1)根据去除噪声后的数据点以及有效数据点范围获得去除噪声后的有效数据点；
2)根据去除噪声后的有效数据点与所述当前时刻预测的质心之间的距离计算权重系数，根据所述权重系数获得当前时刻下位置的坐标点。
当前时刻下位置的坐标点为
Figure BDA0002249967410000091
其中，xi表示所述车辆的第i个去除噪声后的数据点的横坐标，n表示所述车辆的轨迹数据点的总数，
Figure BDA0002249967410000092
表示xi的权重，通过式(3)得到；yi表示所述车辆的第i个轨迹数据点的纵坐标，
Figure BDA0002249967410000093
表示yi的权重，通过式(4)得到；
Figure BDA0002249967410000094
Figure BDA0002249967410000095
其中，dk表示所述车辆的第k个去除噪声后的数据点到圆心的距离，dl表示所述车辆的第l个去除噪声后的有效数据点到圆心的距离，dm表示所述车辆的第m个去除噪声后的有效数据点到圆心的距离；所述圆心通过以下方式得到：将当前时刻质心的切线方向作为下一时刻质心可能的运动方向，将当前时刻质心的运动速度增加5％作为速度最大值，减少5％作为速度最小值，根据所述速度最大值、速度最小值以及当前时刻与下一时刻之间的时间间隔确定直径，以直径的中点为圆心画圆，所述圆心即为直径的中点。
去除提取出的多个参数中当前时刻下的车辆静态噪声点的过程包括以下步骤：将所述提取出的多个参数中多普勒系数为零的静态噪声点去除。
处理模块从轨迹数据点中提取出多个参数的过程包括以下步骤：当有多个雷达监测所述车辆时，从多个雷达共同检测到的轨迹数据点中提取出多个参数，其余的轨迹数据点为动态噪声点，不对动态噪声点提取参数。
本具体实施方式中，当有多个雷达监测所述车辆时，从多个雷达共同检测到的轨迹数据点中提取出多个参数，其余的轨迹数据点为动态噪声点，不对动态噪声点提取参数。由于每个下一时刻的质心的权重都受当前时刻各参数的影响，因此动态噪声点的去除能够不断优化轨迹的准确性。单个雷达得到的质心坐标对于不同体积的车辆会产生不同程度的误差，在停车场场景中，存在较多的转弯与柱子遮挡，雷达检测范围需覆盖整个停车场，当多个雷达监测到同一车辆后，能够进行坐标的校准，消除这部分误差。与此同时，多雷达检测时，可以消除很多随机噪声。图5是多雷达监测示意图，其中A和B表示雷达，Car表示小车，阴影部分为多雷达监测时可消除噪声的部分。

Claims (6)

1.基于雷达监测的地下停车场车辆跟踪方法，其特征在于：所述雷达为毫米波雷达，所述方法包括以下步骤：
S1：通过雷达的天线实时监测车辆，得到车辆的轨迹数据点，然后将所述轨迹数据点传输给处理模块；
S2：处理模块从轨迹数据点中提取出多个参数；所述多个参数包括轨迹数据点的x坐标、y坐标、x方向速度、y方向速度、幅值、多普勒系数、时间单位和比例因子；
S3：对同一时刻下的同一车辆，根据所述提取出的多个参数采用车辆的质心作为表示车辆在当前时刻下位置的坐标点；
步骤S3中，根据所述提取出的多个参数采用质心作为表征车辆在当前时刻下位置的坐标点的过程包括以下步骤：
S31：去除所述提取出的多个参数中当前时刻下的车辆静态噪声点及动态噪声点，获得去除噪声后的数据点；
S32：根据车辆运动轨迹、前一时刻质心及速度参数，获得当前时刻预测的质心以及有效数据点范围；
S33：根据所述去除噪声后的数据点、当前时刻预测的质心以及有效数据点范围，获得当前时刻下位置的坐标点；
所述步骤S32中，根据车辆运动轨迹、前一时刻质心及速度参数，获得当前时刻预测的质心以及有效数据点范围的过程包括以下步骤：
S321：根据前一时刻车辆运动轨迹对前一时刻质心作切线，所述当前时刻预测的质心在所述切线的方向上；
S322：在所述切线的方向上，前一时刻质心运动速度增加5％作为速度最大值，前一时刻质心运动速度减小5％作为速度最小值，根据所述速度最大值、速度最小值以及前一时刻与当前时刻的时间间隔确定直径；所述直径中点为当前时刻预测的质心，所述直径形成的圆为有效数据点范围；
S4：将同一车辆的质心在地图上进行实时显示。
2.根据权利要求1所述的基于雷达监测的地下停车场车辆跟踪方法，其特征在于：所述步骤S33中，根据所述去除噪声后的数据点、当前时刻预测的质心以及有效数据点范围获得当前时刻下位置的坐标点的过程包括以下步骤：
S331：根据去除噪声后的数据点以及有效数据点范围获得去除噪声后的有效数据点；
S332：根据去除噪声后的有效数据点与所述当前时刻预测的质心之间的距离计算权重系数，根据所述权重系数获得当前时刻下位置的坐标点。
3.根据权利要求2所述的基于雷达监测的地下停车场车辆跟踪方法，其特征在于：所述步骤S332中，当前时刻下位置的坐标点为
Figure FDA0003303203580000021
其中，xi表示所述车辆的第i个去除噪声后的数据点的横坐标，n表示所述车辆的轨迹数据点的总数，
Figure FDA0003303203580000022
表示xi的权重，通过式(1)得到；yi表示所述车辆的第i个轨迹数据点的纵坐标，
Figure FDA0003303203580000023
表示yi的权重，通过式(2)得到；
Figure FDA0003303203580000024
Figure FDA0003303203580000025
其中，dk表示所述车辆的第k个去除噪声后的数据点到圆心的距离，dl表示所述车辆的第l个去除噪声后的有效数据点到圆心的距离，dm表示所述车辆的第m个去除噪声后的有效数据点到圆心的距离；所述圆心通过以下方式得到：将当前时刻质心的切线方向作为下一时刻质心可能的运动方向，将当前时刻质心的运动速度增加5％作为速度最大值，减少5％作为速度最小值，根据所述速度最大值、速度最小值以及当前时刻与下一时刻之间的时间间隔确定直径，以直径的中点为圆心画圆，所述圆心即为直径的中点。
4.根据权利要求1所述的基于雷达监测的地下停车场车辆跟踪方法，其特征在于：所述步骤S31中，去除提取出的多个参数中当前时刻下的车辆静态噪声点的过程包括以下步骤：
S311：将所述提取出的多个参数中多普勒系数为零的静态噪声点去除。
5.根据权利要求1所述的基于雷达监测的地下停车场车辆跟踪方法，其特征在于：所述步骤S2中，处理模块从轨迹数据点中提取出多个参数的过程包括以下步骤：
S21：当有多个雷达监测所述车辆时，从多个雷达共同监测到的轨迹数据点中提取出多个参数，其余的轨迹数据点为动态噪声点，不对动态噪声点提取参数。
6.一种基于雷达监测的地下停车场车辆跟踪装置，其特征在于：所述雷达为毫米波雷达，所述装置包括：
点迹数据获取模块：用于通过雷达的天线实时监测车辆，得到车辆的轨迹数据点，然后将所述轨迹数据点传输给处理模块；
处理模块：用于从轨迹数据点中提取出多个参数；所述多个参数包括轨迹数据点的x坐标、y坐标、x方向速度、y方向速度、幅值、多普勒系数、时间单位和比例因子；对同一时刻下的同一车辆，根据所述提取出的多个参数采用车辆的质心表示车辆在当前时刻下位置的坐标点；
根据所述提取出的多个参数采用质心作为表征车辆在当前时刻下位置的坐标点的过程包括以下步骤：
S31：去除所述提取出的多个参数中当前时刻下的车辆静态噪声点及动态噪声点，获得去除噪声后的数据点；
S32：根据车辆运动轨迹、前一时刻质心及速度参数，获得当前时刻预测的质心以及有效数据点范围；
S33：根据所述去除噪声后的数据点、当前时刻预测的质心以及有效数据点范围，获得当前时刻下位置的坐标点；
所述步骤S32中，根据车辆运动轨迹、前一时刻质心及速度参数，获得当前时刻预测的质心以及有效数据点范围的过程包括以下步骤：
S321：根据前一时刻车辆运动轨迹对前一时刻质心作切线，所述当前时刻预测的质心在所述切线的方向上；
S322：在所述切线的方向上，前一时刻质心运动速度增加5％作为速度最大值，前一时刻质心运动速度减小5％作为速度最小值，根据所述速度最大值、速度最小值以及前一时刻与当前时刻的时间间隔确定直径；所述直径中点为当前时刻预测的质心，所述直径形成的圆为有效数据点范围；
显示模块：用于将同一车辆的质心在地图上进行实时显示。
CN201911030312.6A 2019-10-28 2019-10-28 基于雷达监测的地下停车场车辆跟踪方法及装置 Active CN110736982B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911030312.6A CN110736982B (zh) 2019-10-28 2019-10-28 基于雷达监测的地下停车场车辆跟踪方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911030312.6A CN110736982B (zh) 2019-10-28 2019-10-28 基于雷达监测的地下停车场车辆跟踪方法及装置

Publications (2)

Publication Number Publication Date
CN110736982A CN110736982A (zh) 2020-01-31
CN110736982B true CN110736982B (zh) 2022-04-05

Family

ID=69271672

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911030312.6A Active CN110736982B (zh) 2019-10-28 2019-10-28 基于雷达监测的地下停车场车辆跟踪方法及装置

Country Status (1)

Country Link
CN (1) CN110736982B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113744302B (zh) * 2020-05-27 2024-02-02 北京机械设备研究所 动态目标行为预测方法和系统
WO2024044870A1 (zh) * 2022-08-29 2024-03-07 上海金桥(集团)有限公司 一种地下停车场通道运行车辆实时检测系统与方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007257536A (ja) * 2006-03-24 2007-10-04 Fujitsu Ltd ミリ波レーダによる道路交通監視装置
CN104991235A (zh) * 2015-06-15 2015-10-21 南京航空航天大学 一种基于雷达点迹的快速跟踪目标的方法
CN107767668A (zh) * 2017-10-19 2018-03-06 深圳市置辰海信科技有限公司 一种基于雷达主动探测车辆连续实时跟踪的方法
CN109459750A (zh) * 2018-10-19 2019-03-12 吉林大学 一种毫米波雷达与深度学习视觉融合的前方多车辆跟踪方法
CN109633626A (zh) * 2017-10-05 2019-04-16 通用汽车环球科技运作有限责任公司 跟踪物体的方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5400033A (en) * 1994-02-07 1995-03-21 Rockwell International Corporation Tracking system for tracking targets with a spacecraft
US8355539B2 (en) * 2007-09-07 2013-01-15 Sri International Radar guided vision system for vehicle validation and vehicle motion characterization
CN102295004B (zh) * 2011-06-09 2013-07-03 中国人民解放军国防科学技术大学 一种车道偏离预警方法
DE102012215078A1 (de) * 2011-09-19 2013-03-21 Schaeffler Technologies AG & Co. KG Fliehkraftpendel
CN103727931A (zh) * 2013-12-31 2014-04-16 南京理工大学 一种基于改进逻辑的航迹起始方法
CN104240541B (zh) * 2014-09-09 2016-01-27 中国电子科技集团公司第二十八研究所 一种4d航迹生成方法
US9482751B2 (en) * 2014-10-13 2016-11-01 Applied Concepts, Inc. Collision detection system and method of operation
CN104680559B (zh) * 2015-03-20 2017-08-04 青岛科技大学 基于运动行为模式的多视角室内行人跟踪方法
IT201600109633A1 (it) * 2016-10-31 2018-05-01 Magneti Marelli Spa Procedimento e sistema di controllo adattivo in un veicolo terrestre per l'inseguimento di un percorso, particolarmente in uno scenario di guida autonoma.
KR101882483B1 (ko) * 2018-01-24 2018-07-27 엘아이지넥스원 주식회사 무인 수상정의 장애물 탐지 장치 및 방법
CN108737952A (zh) * 2018-04-11 2018-11-02 天津大学 基于rssi测距改进的多边形加权质心定位方法
CN109686108B (zh) * 2019-02-19 2023-11-21 广州华南路桥实业有限公司 一种车辆目标轨迹跟踪系统及车辆轨迹跟踪方法
CN110187318B (zh) * 2019-04-23 2021-07-06 四川九洲防控科技有限责任公司 一种雷达数据处理方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007257536A (ja) * 2006-03-24 2007-10-04 Fujitsu Ltd ミリ波レーダによる道路交通監視装置
CN104991235A (zh) * 2015-06-15 2015-10-21 南京航空航天大学 一种基于雷达点迹的快速跟踪目标的方法
CN109633626A (zh) * 2017-10-05 2019-04-16 通用汽车环球科技运作有限责任公司 跟踪物体的方法
CN107767668A (zh) * 2017-10-19 2018-03-06 深圳市置辰海信科技有限公司 一种基于雷达主动探测车辆连续实时跟踪的方法
CN109459750A (zh) * 2018-10-19 2019-03-12 吉林大学 一种毫米波雷达与深度学习视觉融合的前方多车辆跟踪方法

Also Published As

Publication number Publication date
CN110736982A (zh) 2020-01-31

Similar Documents

Publication Publication Date Title
CN113096397B (zh) 基于毫米波雷达与视频检测的交通拥堵分析方法
CN110542885B (zh) 一种复杂交通环境下的毫米波雷达目标跟踪方法
CN108664841B (zh) 一种基于激光点云的动静态目标物识别方法及装置
CN104282020B (zh) 一种基于目标运动轨迹的车辆速度检测方法
CN117836653A (zh) 一种基于车载定位装置的路侧毫米波雷达校准方法
CN111307162A (zh) 用于自动驾驶场景的多传感器融合定位方法
CN112859033B (zh) 目标探测的方法、装置及相关设备
CN105093198B (zh) 一种分布式外辐射源雷达组网探测的航迹融合方法
CN107728115A (zh) 一种雷达目标成像后基于svm的背景干扰抑制方法
CN110736982B (zh) 基于雷达监测的地下停车场车辆跟踪方法及装置
CN115451948B (zh) 一种基于多传感器融合的农业无人车定位里程计方法及系统
CN114019497B (zh) 一种基于毫米波雷达方差统计的目标变道识别方法
CN114119465B (zh) 一种点云数据处理方法及装置
CN112013877A (zh) 毫米波雷达与惯性测量单元的检测方法及相关装置
CN116736322A (zh) 融合相机图像与机载激光雷达点云数据的速度预测方法
CN117347955A (zh) 一种二轮电动车雷达特征分析方法
CN101494772A (zh) 一种图像检测的方法及装置
CN114155511A (zh) 一种用于自动驾驶汽车在公共道路的环境信息采集方法
CN110426034B (zh) 基于地图信息辅助惯导阵列的室内定位方法
CN118033626A (zh) 一种基于双雷达的目标跟踪测速方法及系统
CN115665553B (zh) 一种无人机的自动跟踪方法、装置、电子设备及存储介质
CN115082712B (zh) 一种基于雷视融合的目标检测方法、装置和可读存储介质
Cui et al. Mobile Big Data Analytics for Human Behavior Recognition in Wireless Sensor Network Based on Transfer Learning
CN115471526A (zh) 基于多源异构信息融合的自动驾驶目标检测与跟踪方法
CN114594467A (zh) 一种航向角确定方法、装置、电子设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20220614

Address after: No.15 Xueyuan Road, Ministry of education overseas study service center, Haidian District, Beijing 100089

Patentee after: Cao Ji

Address before: 215104 building B1, 1451 Wuzhong Avenue, Yuexi, Wuzhong District, Suzhou City, Jiangsu Province

Patentee before: JIANGSU JITRI INTELLIGENT SENSOR RESEARCH INSTITUTE Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230713

Address after: 225300 Room 205, Building 9, Haiyang New Village, Hailing District, Taizhou City, Jiangsu Province

Patentee after: Cao Guofu

Address before: No.15 Xueyuan Road, Ministry of education overseas study service center, Haidian District, Beijing 100089

Patentee before: Cao Ji

TR01 Transfer of patent right