[发明专利]一种毫米波雷达的多径假目标判断方法

说明书

本发明属于智能驾驶技术领域，尤其涉及一种毫米波雷达的多径假目标判断方法。包括：获取毫米波雷达输出的点云图，根据点云图中的点云在汽车前进方向上的投影速度与汽车车速，确定点云图中所有的运动点云；对所有的运动点云进行聚类，确定多个运动目标；对每个运动目标使用N种目标朝向提取算法提取目标朝向，每个运动目标获得N个目标朝向数据，其中，N为大于等于2的自然数；根据每个运动目标的N个目标朝向数据，判断每个运动目标是否为多径假目标。本发明通过多种目标朝向算法计算运动目标的朝向，通过判断计算获得的目标朝向是否相近，以判断是否是多径假目标，无需路沿查找算法，并且能够良好区分外车道的真实目标和多径假目标。

技术领域

本发明属于智能驾驶技术领域，尤其涉及一种毫米波雷达的多径假目标判断方法。

背景技术

随着毫米波雷达技术的进步，其在自动驾驶领域的得到越来越广泛的应用。毫米波雷达相较于光学和激光传感器，成本更低，不容易受天气影响，并且有更好的测速效果。当然，毫米波雷达也存在一些问题会制约其应用场景，多径目标就是典型的急需解决的毫米波雷达问题。多径目标的场景描述如下图1所示。图中雷达位于正下方，假设雷达前面有一车辆靠近左侧路沿。正常情况下，雷达发射的毫米波应该沿路线a照射到目标上，然后被目标反射，经过路线a被雷达收到，通过算法解算即可获得真实目标信息。但是当真实目标旁边有反射面（如路沿、隔离带、金属护网等）时，雷达发射的毫米波可能先经过a达到目标，反射后经过b、c被雷达接收，此时经过算法解算后会在虚线位置产生一个多径目标，显然这个目标是假目标。

现有的传统技术路线主要基于路沿检测。首先通过路沿提取算法获取路沿信息，然后将路沿外侧的目标直接去除。此外，有基于人工智能的多径目标去除算法，此技术路线通过预先采集毫米波雷达目标信息，人工标定真实目标和多径目标，然后训练识别网络，训练完成后，将雷达获取的目标信息输入网络，由网络输出该目标属于真实目标和多径目标的概率。

路沿提取技术路线依赖于路沿的提取准确度，并且在实际场景中，路沿外侧可能确实存在真实的目标，此时该真实目标会被该策略去除，导致场景描述错误。基于人工智能的技术路线依赖大量的数据集采集和网络训练，这非常耗时并且很难实现到雷达嵌入式平台。

发明内容

本发明提供了一种毫米波雷达的多径假目标判断方法，解决了至少一种现有技术中存在的技术问题。

本发明的技术方案如下：一种毫米波雷达的多径假目标判断方法，包括：

S10：获取毫米波雷达输出的点云图，根据点云图中的点云在汽车前进方向上的投影速度与汽车车速，确定所述点云图中所有的运动点云；

S20：对所有的所述运动点云进行聚类，确定多个运动目标；

S30：对每个所述运动目标使用N种目标朝向提取算法提取目标朝向，每个所述运动目标获得N个目标朝向数据，其中，N为大于等于2的自然数；

S40：根据每个运动目标的N个目标朝向数据，判断每个运动目标是否为多径假目标。

进一步地，所述步骤S10包括：

计算点云在汽车前进方向上的投影速度与汽车车速的相反数的差值；

当所述差值的绝对值大于预设阀值时，判定所述点云为运动点云；

遍历所述点云图中的所有点云，确定所述点云图中所有的运动点云。

进一步地，所述预设阀值的范围：0~0.5m/s。

进一步地，当N=3时，对每个所述运动目标使用3种目标朝向提取算法提取目标朝向，所述目标朝向提取算法包括第一目标提取算法、第二目标提取算法和第三目标提取算法。

进一步地，所述第一目标提取算法包括：

根据前几帧的点云图和当前帧的点云图，通过卡尔曼滤波追踪算法，获得该运动目标的运动方向，所述运动方向为目标朝向。

进一步地，所述第二目标提取算法为旋转卡尺算法。