本發(fā)明涉及智慧交通，具體地說涉及一種基于毫米波交通雷達的道路目標(biāo)分類識別方法。

背景技術(shù)：

1、智慧交通是通過感知、分析、預(yù)測、干預(yù)控制最大限度發(fā)揮交通管理職能和效率的龐大智慧系統(tǒng)。感知系統(tǒng)是智慧交通的第一環(huán)，幫助智慧交通系統(tǒng)實現(xiàn)交通流量監(jiān)控、擁堵管理、事故預(yù)警等功能，提升交通效率和安全性。交通實時數(shù)據(jù)信息的自主采集通常依賴傳感器的監(jiān)測，各種車載設(shè)備以及移動應(yīng)用程序。目前應(yīng)用較廣泛的技術(shù)手段諸如：激光雷達、高清攝像頭、毫米波雷達、微波雷達、線圈、以及道路交通微波一體化檢測器等。

2、毫米波雷達是工作在毫米波波段的雷達，在交通應(yīng)用中向被檢測道路區(qū)域發(fā)射低能量的毫米波信號，通過對道路中的行人、機動車輛及非機動輛反射的毫米波信號的識別檢測實時狀態(tài)。在現(xiàn)有技術(shù)中，

3、毫米波雷達應(yīng)用于車路云一體化的智能基礎(chǔ)建設(shè)中時，針對機動車輛的車輛軌跡信息，如目標(biāo)車輛的id、車道、長度、寬度、速度，航向角等的識別檢測方面，存在需滿足車輛排隊檢測、多交通目標(biāo)分類識別算力的情況，識別效率低，識別精度低，車道資源占有率高，檢測算力復(fù)雜。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供的一種識別效率高、識別度準(zhǔn)、占用資源及算力少的基于毫米波交通雷達的道路目標(biāo)分類識別方法，可至少解決上述技術(shù)問題之一。

2、為了解決上述技術(shù)問題，本發(fā)明采用如下技術(shù)方案：一種基于毫米波交通雷達的道路目標(biāo)分類識別方法，采用基于毫米波交通雷達的道路目標(biāo)分類識別系統(tǒng)實現(xiàn)，所述基于毫米波交通雷達的道路目標(biāo)分類識別系統(tǒng)包括：目標(biāo)信息預(yù)處理模塊、跟蹤分類模塊和自適應(yīng)閉環(huán)模塊；

3、所述目標(biāo)信息預(yù)處理模塊用于采集點云數(shù)據(jù)并進行預(yù)處理，獲得目標(biāo)點云數(shù)據(jù)，所述跟蹤分類模塊連接至所述目標(biāo)信息預(yù)處理模塊，用于接收所述目標(biāo)點云數(shù)據(jù)，并處理獲得目標(biāo)分類數(shù)據(jù)，所述自適應(yīng)閉環(huán)模塊連接至所述跟蹤分類模塊，用于對輸出的所述目標(biāo)分類數(shù)據(jù)進行后驗和反饋；

4、還包括以下步驟：

5、s1、毫米波雷達采集被測目標(biāo)的運動特性及散射特性信息，獲得被測目標(biāo)的點云數(shù)據(jù)，對所述點云數(shù)據(jù)進行預(yù)處理以獲得目標(biāo)點云數(shù)據(jù)；

6、s2、對所述目標(biāo)點云數(shù)據(jù)進行目標(biāo)特性的處理，以獲得目標(biāo)分類數(shù)據(jù)；

7、s3、針對輸出的所述目標(biāo)分類數(shù)據(jù)進行后驗和反饋。

8、進一步地，所述s1中關(guān)于預(yù)處理操作進一步包括：

9、s11、基于交通準(zhǔn)則剔除嚴重不符合道路目標(biāo)速度的數(shù)據(jù)；

10、s12、基于被測目標(biāo)的rcs特性刪除噪聲點及虛假數(shù)據(jù)；

11、s13、基于毫米波雷達的安裝位置和靜態(tài)物的特性過濾不符合車輛運動區(qū)域和運動趨勢的數(shù)據(jù)；

12、s14、融合3-5幀的所述點云數(shù)據(jù)，增加點云密度。

13、進一步地，所述s2進一步包括：

14、s21、獲取目標(biāo)關(guān)聯(lián)點云信息：對跟蹤階段目標(biāo)關(guān)聯(lián)的所述點云數(shù)據(jù)進行分析，即遍歷已跟蹤目標(biāo)，獲取該目標(biāo)當(dāng)前幀關(guān)聯(lián)的所述點云數(shù)據(jù)信息，該點云數(shù)據(jù)信息至少包括數(shù)量、rcs和球坐標(biāo)下的運動信息；

15、s22、處理分類特征參數(shù)，進一步包括：

16、s221、將獲取的所述點云數(shù)據(jù)信息轉(zhuǎn)換到以毫米波雷達位置為原點的笛卡爾坐標(biāo)下；

17、s222、針對所述點云數(shù)據(jù)個數(shù)符合條件的目標(biāo)，通過l-shape算法求取被測目標(biāo)的所述點云數(shù)據(jù)的外接矩形，利用被測目標(biāo)的航向角進行糾偏，獲得外接矩形長邊與毫米波雷達法線方向的垂直距離，進而獲取被測目標(biāo)的長度尺寸；

18、s23、設(shè)置候選目標(biāo)的分類特征結(jié)構(gòu)：根據(jù)人、非機動車輛、小型車輛及大型車輛不同類型的單目標(biāo)車輛數(shù)據(jù)分析結(jié)果，設(shè)置特征信息，該特征信息至少包括分類狀態(tài)位、可分類目標(biāo)點云數(shù)量閾值、目標(biāo)點云層類型尺寸范圍和分類執(zhí)行次數(shù)閾值，將該特征信息在每個新起始航跡時關(guān)聯(lián)該被測目標(biāo)并進行特征信息初始化；

19、s24、構(gòu)建分類器進行目標(biāo)分類：遍歷當(dāng)前幀航跡目標(biāo)檢測每個目標(biāo)分類狀態(tài)位，0表示已經(jīng)確定目標(biāo)類型并跳過該步驟，非0則表示該目標(biāo)類型未進行分類或分類中尚未確定類型，并且對于未分類的目標(biāo)尺寸存儲3幀數(shù)據(jù)并求取均值，以均值對比點云層類型尺寸范圍，累加達到某類型的次數(shù)超過分類執(zhí)行次數(shù)閾值后確定該目標(biāo)的類型，并將其分類狀態(tài)位設(shè)置為0，后續(xù)該目標(biāo)不再進行分類操作。

20、進一步地，所述s3進一步包括：

21、s31、接收3-5幀的跟蹤目標(biāo)，對跟蹤過程中已經(jīng)確定同類別的目標(biāo)匯總為不同群組，在本類別群組中剔除數(shù)據(jù)特征與整體偏差過大的目標(biāo)，重置其已確定的類別，再次進行類別判別；

22、s32、大型車輛車身長、點云密集且易分裂，在跟蹤層面容易出現(xiàn)目標(biāo)分裂的情況，若目標(biāo)類型為大型車輛，則設(shè)置box限制，在該box限制的范圍內(nèi)，跟蹤層不再起始新的航跡。

23、本發(fā)明相比于現(xiàn)有技術(shù)有益效果體現(xiàn)在：

24、1、識別率及識別準(zhǔn)確性較高：通過目標(biāo)信息預(yù)處理模塊、跟蹤分類模塊以及自適應(yīng)閉環(huán)模塊的依次處理，對被測目標(biāo)的分類具有更高的識別率和魯棒性；

25、2、占用資源及涉及算力較少：相較于雷達和視覺結(jié)合分類以及通過神經(jīng)網(wǎng)絡(luò)對被測目標(biāo)進行分類，該技術(shù)在毫米波雷達芯片上，跟蹤的過程中對被測目標(biāo)進行分類，占用資源少，不要需要大量的數(shù)據(jù)訓(xùn)練，避免增加額外算力。

技術(shù)特征：

1.一種基于毫米波交通雷達的道路目標(biāo)分類識別方法，其特征在于，采用基于毫米波交通雷達的道路目標(biāo)分類識別系統(tǒng)實現(xiàn)，所述基于毫米波交通雷達的道路目標(biāo)分類識別系統(tǒng)包括：目標(biāo)信息預(yù)處理模塊（1）、跟蹤分類模塊（2）和自適應(yīng)閉環(huán)模塊（3）；

2.如權(quán)利要求1所述的基于毫米波交通雷達的道路目標(biāo)分類識別方法，其特征在于，所述s1中關(guān)于預(yù)處理操作進一步包括：

3.如權(quán)利要求1所述的基于毫米波交通雷達的道路目標(biāo)分類識別方法，其特征在于，所述s2進一步包括：

4.如權(quán)利要求1所述的基于毫米波交通雷達的道路目標(biāo)分類識別方法，其特征在于，所述s3進一步包括：

技術(shù)總結(jié)
本發(fā)明公開了一種基于毫米波交通雷達的道路目標(biāo)分類識別方法，包括以下步驟：S1、毫米波雷達采集被測目標(biāo)的運動特性及散射特性信息，獲得被測目標(biāo)的點云數(shù)據(jù)，對所述點云數(shù)據(jù)進行預(yù)處理以獲得目標(biāo)點云數(shù)據(jù)；S2、對所述目標(biāo)點云數(shù)據(jù)進行目標(biāo)特性的處理，以獲得目標(biāo)分類數(shù)據(jù)；S3、針對輸出的所述目標(biāo)分類數(shù)據(jù)進行后驗和反饋。本發(fā)明具有識別率及識別準(zhǔn)確性高、占用資源及涉及算力少的優(yōu)勢，在智慧交通領(lǐng)域具有良好的推廣前景和應(yīng)用。

技術(shù)研發(fā)人員：和雨露,王芳,溫珍銀,孔令哲
受保護的技術(shù)使用者：浙大城市學(xué)院濱江創(chuàng)新中心
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9