1. Proceso de algoritmo
Siguiendo el flujo de procesamiento del radar de ondas milimétricas 3D, el radar 4D es similar, como se muestra en la siguiente figura:
La diferencia principal radica en una serie de procesamientos al comienzo de la agrupación de objetivos, que se describirán más adelante.
2. Preprocesamiento de radar de ondas milimétricas 4D
El preprocesamiento incluye principalmente calibración, transformación de coordenadas y separación dinámica y estática.
Calibre usando un nivel de burbuja, un contador de ángulos, recopile datos y analícelos, y obtenga los ángulos horizontales y de inclinación.
La transformación de coordenadas se puede realizar utilizando la matriz de transformación.
La separación dinámica y estática se juzga principalmente de acuerdo con la proyección de la velocidad radial en la dirección de avance del vehículo.
3. Procesamiento principal de radar de onda milimétrica 4D
1. Agrupación de objetivos
DBSCAN es un algoritmo de agrupación de objetivos clásico, el algoritmo en sí no es complicado, puede consultar estos artículos
Explicación detallada de la agrupación blog-CSDN blog_dbscan de DBSCAN clustering_deephub .
Algoritmo de agrupamiento DBSCAN mejorado basado en KD Tree
Para el radar 4D , lo más importante es el procesamiento después del agrupamiento.
Después de la agrupación, se puede obtener información básica, como la longitud, el ancho, la altura, el volumen, el área proyectada, el RCS y varias distribuciones estadísticas del objetivo. De acuerdo con esta información, se puede clasificar el objetivo y se puede obtener el resultado de la clasificación del objetivo.
Además, se puede estimar la velocidad y el rumbo del objetivo.
El ángulo de orientación del objetivo es α, y la proyección de la nube de puntos del objetivo en la dirección de la velocidad es la velocidad radial Vr de la nube de puntos , entonces:
V(i)*cos(θ(i)-α) = Vr(i)
V(i) = Vr(i) / cos(θ(i)-α)
Como el vehículo es un cuerpo rígido, la velocidad de cada punto del cuerpo es igual, entonces V(1) = V(2) = ... = V(n)
V(i) = V(j) = V
Vr(i) / cos(θ(i)-α) = Vr(j) / cos(θ(j)-α)
Se puede calcular el ángulo de orientación α de la nube de puntos, y luego se puede obtener la velocidad real y la velocidad horizontal y vertical del objetivo.
Dado que la medición de la velocidad del radar puede ser ambigua o incorrecta, el resultado de dos puntos cualquiera tiene una alta probabilidad de error, pero el resultado obtenido ajustando varios puntos tiene un alto grado de viabilidad, que puede estimar con precisión la orientación del objetivo y la orientación horizontal y vertical. velocidad.
Reducir el infinitivo por Vr(i) = V* cos(θ(i)-α) = V*(cos(θ(i))cos(α) + sin(θ(i))sin(α))
Divida ambos lados por V*Vr(i)*cos(α), entonces tenemos
cos(θ(i))/Vr(i) = 1 / V cos(α) - tan(α) * sin(θ(i))* /Vr(i)
令y(i) = cos(θ(i))/Vr(i), x(i) = sin(θ(i))* /Vr(i),b = 1 / V cos(α), k = - tan(a)则有
y(i) = k * x(i) + b
De acuerdo con la fórmula de ajuste de mínimos cuadrados, se pueden obtener los valores estimados de V y α.
Para peatones, debido a que no es un movimiento de cuerpo rígido, el método anterior no es aplicable.
Para obtener más información, consulte la interpretación en papel de este blog:
2. Seguimiento de objetos extendido
La cantidad de nubes de puntos de radar 4D es grande, y el seguimiento de objetivos puntuales ya no es aplicable, y es necesario introducir el seguimiento de objetivos extendido.
El lado izquierdo de la imagen de arriba es la asociación del objetivo puntual, la estrella azul de cinco puntas es el punto de referencia, generalmente el centro del objetivo, y el objetivo se actualiza asociando la nube de puntos roja.
El lado derecho es la asociación de objetivo extendida, el cuadro azul es el contorno del objetivo, la estrella azul de cinco puntas es el punto de esquina de referencia, hay 4 en la figura y el objetivo grande puede ser 8 o incluso 16.
Al asociar, ya no se asocian todas las nubes de puntos, pero se asocian los contornos geométricos después de la agrupación, y se utiliza el IOU para la asociación, es decir, se calcula el área de superposición de los contornos.
Al actualizar el objetivo, primero use las coordenadas de cada punto de esquina para filtrar y luego actualice el objetivo final.