预览加载中,请您耐心等待几秒...
1/9
2/9
3/9
4/9
5/9
6/9
7/9
8/9
9/9

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(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CN110568433A(43)申请公布日2019.12.13(21)申请号201910849349.5(22)申请日2019.09.09(71)申请人郑州天迈科技股份有限公司地址450001河南省郑州市高新区莲花街316号10号楼106-606号房、108-608号房(72)发明人郭建国李永康盛旭伟康莹莹任海波(74)专利代理机构郑州明华专利代理事务所(普通合伙)41162代理人王明朗(51)Int.Cl.G01S13/50(2006.01)权利要求书2页说明书5页附图1页(54)发明名称基于毫米波雷达的高空抛物检测方法(57)摘要本发明公开了一种基于毫米波雷达的高空抛物检测方法,毫米波雷达的天线阵列模块与毫米波收发模块连接,用于发送毫米波发射信号和接收散射回波信号,毫米波雷达的无线电波发出去然后接收回波,根据收发之间的时间差测得目标的位置数据,毫米波雷达和摄像头之间建立标定关系,通过航位推算下的坐标变换方法来同步毫米波雷达传感器和摄像头传感器之间的时差;再通过毫米波雷达确定兴趣区域,最后运用图像算法来定位高空抛物。本发明具有如下有益效果:1.小天线口径、窄波束:高跟踪和引导精度;易于进行低仰角监测;2.毫米波雷达可以获得极高的角度、距离和速度分辨率;3.高多普勒频率:慢目标和振动目标的良好检测和识别能力。该方法能够较好地实现利用雷达与摄像头捕获信息融合来检测障碍物。CN110568433ACN110568433A权利要求书1/2页1.一种基于毫米波雷达的高空抛物检测方法,其特征在于,毫米波雷达的天线阵列模块与毫米波收发模块连接,用于发送毫米波发射信号和接收散射回波信号,图像重构模块接收数字采集模块输出的信号,对其进行快速成像处理,以得到被测场景的实时图像;利用毫米波雷达收发大型车附近的环境信息,毫米波雷达的无线电波发出去然后接收回波,根据收发之间的时间差测得目标的位置数据,毫米波雷达和摄像头之间的建立标定关系,将毫米波雷达数据投影到图像坐标中,通过航位推算下的坐标变换方法来同步毫米波雷达传感器和摄像头传感器之间的时差;再通过毫米波雷达确定兴趣区域,兴趣区域内运动目标检测方法包括:获取由激光雷达连续扫描多次得到的检测范围内运动目标的前景数据以及背景数据所构成的原始矩阵利用鲁棒主分量分析法对所述原始矩阵进行分解,获得与所述原始矩阵对应的第一稀疏矩阵;对所述第一稀疏矩阵进行稀疏化处理,获得第二稀疏矩阵;对所述第二稀疏矩阵进行自适应窗口滤波获得所述运动目标相对于所述激光雷达的距离信息,最后运用图像算法来定位高空抛物。2.根据权利要求1所述的高空抛物检测方法,其特征在于,在兴趣区域内运动目标检测方法中还采用DBSCAN算法提取障碍物的外围矩形轮廓:在x轴方向依据点与点的距离差值聚类,在此基础上再在y轴方向根据点与点的距离差值聚类,然后输出障碍点数聚类集合m={m_1,m_2,m_3,…,m_n},最后对输出数据集中的每个障碍点集合分别应用DBSCAN聚类算法,对障碍点进行进一步分类。3.根据权利要求2所述的高空抛物检测方法,其特征在于,DBSCAN聚类算法需要事先输入过滤噪声的核心点领域距离阈值Eps以及核心点邻域范围内最少点个数的阈值MinPts,Eps和MinPts应随激光点深度而变化,采用自适应阈值的方法:式中rn-1为障碍点Pn-1的深度值;σ为毫米波雷达的测量误差;为毫米波雷达的角度分辨率,γ为阈值参数,它决定了最大距离阈值的大小;NT为预聚类中mi中障碍点的个数;为阈值因数。4.根据权利要求1所述的高空抛物检测方法,其特征在于,通过毫米波雷达确定兴趣区域的方法是通过毫米波雷达以点的形式返回目标信号的位置,根据该点的位置生成一个目标感兴趣区域;要求在图像中生成的感兴趣区域应能较好地包含抛物,雷达探测到某一目标距离为P,角度为a,根据式(1)和式(2)可以得到该目标底点和顶点在图像中的像素坐标,2CN110568433A权利要求书2/2页(Xp1,YP1)为目标底点像素坐标,(Xp2,YP2)为目标顶点像素坐标;算出底点像素坐标和顶点后像素坐标,得出兴趣区域高度为|YP2-YP1|,则通过式(3)求出参数矩形宽高比,矩形宽度和矩形高度;Rratio为矩形宽高比,Rwidth为宽度,Rheight为高度。5.根据权利要求1所述的高空抛物检测方法,其特征在于,基于摄像头视觉的运动目标检测方法中,采用的算法是将输入图像的像素与背景模型进行对比,和背景模型相似性比较高的点视为背景,和背景模型相似性比较低的点视为前景,再利用形态学的方法进行运动目标提取;混合高斯模型是由K个单高斯模型加权组成的,在获取新的一帧图像之后,如果当前图像中的像素点与该像素的K个模型中的