申请/专利权人：中汽数据有限公司;中国汽车技术研究中心有限公司

申请日：2020-06-02

公开（公告）日：2024-06-21

公开（公告）号：CN111830469B

主分类号：G01S7/36

分类号：G01S7/36

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2020.11.13#实质审查的生效;2020.10.27#公开

摘要：本发明提供了一种车载毫米波雷达噪声数据的分类识别过滤方法，通过毫米波雷达无效噪点的识别滤除、毫米波雷达虚点噪点的识别滤除及毫米波雷达纵向漂移点的识别滤除，实现车载毫米波雷达噪声数据的分类识别过滤，具有雷达噪声数据识别准确、过滤计算速度快以及应用场景广泛的特点。

主权项：1.一种车载毫米波雷达噪声数据的分类识别过滤方法，其特征在于：包括：步骤1：毫米波雷达无效噪点的识别滤除：针对毫米波雷达数据中的参量限定如下的取值范围，针对取值范围外的参量作为无效噪点识别滤除：合成相对距离的取值范围：0至204.7；纵向相对速度的取值范围：-81.91至8.91；纵向相对加速度的取值范围：-25.6至25.55；水平方位角的取值范围：-51.2至51.1；横向相对速度限定的取值范围：-8至7.75；步骤2：毫米波雷达虚点噪点的识别滤除：首先判断当前帧是否存在虚景点，两两比较毫米波雷达信号信息的匹配程度，如果两个毫米波雷达的目标反馈点，同时满足以下条件，则判断这两个目标反馈点是虚实点对：纵向距离信息：δCAN_TX_TRACK_RANGE*sinCAN_TX_TRACK_ANGLE0.1m；纵向速度信息：δCAN_TX_TRACK_RANGE_RATE0.01ms；纵向加速度信息：δCAN_TX_TRACK_RANGE_ACCEL0.05ms2；目标物对应的原始数据信息：δCAN_TX_TRACK_GROUPING_CHANGED＝＝0；参量释义如下：CAN_TX_TRACK_RANGE是目标物与radar的相对距离；CAN_TX_TRACK_RANGE_RATE是目标物与radar的相对速度；CAN_TX_TRACK_RANGE_ACCEL是目标物与radar的相对加速度；CAN_TX_TRACK_ANGLE是目标物与radar的水平方位角；CAN_TX_TRACK_GROUPING_CHANGED是目标物对应的毫米波原始点云个数是否发生改变；CAN_TX_TRACK_LAT_RATE是目标物的横向速度；然后由于虚景点信号处于连续金属护栏和目标车辆之间，因此通过比较金属护栏、虚景点、实际目标物反馈点的横向相对位置关系，对虚实点对中虚景点进行识别滤除如下：以车行驶方向为中间分界线，将前向分成两个空间区域，设置本车两侧毫米波雷达点不少于12个，当某一侧的反馈点个数不足12个的时候，以相对纵向距离CAN_TX_TRACK_RANGE*cosCAN_TX_TRACK_ANGLE、相对横向距离CAN_TX_TRACK_RANGE*sinCAN_TX_TRACK_ANGLE为随机变量，产生基于正态分布的Monte-Carlo抽样结果作为背景点，将不足12个点的一侧数据补足到12个反馈点；以横向相对距离的绝对值作为随机变量，直接计算该随机变量在两个空间区域内的期望值E和方差V，对于期望值较小方差也较小的区域，判定为有金属护栏的一侧区域，相应地，如果该区域所有反馈点横向距离为负值，那么虚实点对中的虚景点是横向距离更小的点，直接滤除这个虚景点；如果区域的所有反馈点横向距离为正值，那么虚实点对中的虚景点是横向距离更大的点，直接滤除这个虚景点；步骤3：毫米波雷达纵向漂移点的识别滤除：对于当前帧毫米波雷达每个点的数据信息，与上一帧每个毫米波雷达点进行一一匹配，如果前后两帧ID信息一致，并且当前帧当前目标反馈点的CAN_TX_TRACK_STATUS！＝1，计算当前帧与上一帧的纵向像素的变化值：PIXELCurrent_Frame_X-PIXELPrevious_Frame_x对于当前帧毫米波雷达每个点的数据信息，与上一帧每个毫米波雷达点进行一一匹配，如果前后两帧工D信息一致，并且当前帧当前目标反馈点的CAN_TX_TRACK_STATUS！＝1，计算当前帧与上一帧的横向像素的变化值：PIXELCurrent_Frame_Y-PIXELPrevious_Frame_Y对于当前帧当前反馈点信息，如果满足如下关系，则判定当前帧当前反馈点信息为纵向漂移噪点进行滤除；PIXELCurrent_Frame_X-PIXELPrevious_Frame_x＞40PIXELCurrent_Frame_Y-PIXELPrevious_FrameY在连续5帧内的值都大于零，或者都小于零。

全文数据：

权利要求：

百度查询： 中汽数据有限公司;中国汽车技术研究中心有限公司 一种车载毫米波雷达噪声数据的分类识别过滤方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD