阅读说明：本技术 基于雷达监测的地下停车场车辆跟踪方法及装置 (Underground parking lot vehicle tracking method and device based on radar monitoring ) 是由 胡友德 钱怡恬 刘钢 于 2019-10-28 设计创作，主要内容包括：本发明公开了基于雷达监测的地下停车场跟踪方法,雷达为毫米波雷达,方法包括以下步骤：S1：通过雷达的天线实时监测车辆,得到车辆的轨迹数据点,然后将所述轨迹数据点传输给处理模块；S2：处理模块从轨迹数据点中提取出多个参数；多个参数包括轨迹数据点的x坐标、y坐标、x方向速度、y方向速度、幅值、多普勒系数、时间单位和比例因子；S3：对同一时刻下的同一车辆,根据所述提取出的多个参数采用车辆的质心作为表示车辆在当前时刻下位置的坐标点；S4：将同一车辆的质心在地图上进行实时显示。本发明还公开了相应的跟踪装置。本发明能够准确地基于时间进行质心的跟踪,在现有质心轨迹的基础上进行下一时刻质心轨迹的预判。(The invention discloses an underground parking lot tracking method based on radar monitoring, wherein the radar is a millimeter wave radar, and the method comprises the following steps of S1, monitoring a vehicle in real time through an antenna of the radar to obtain a track data point of the vehicle, transmitting the track data point to a processing module, S2, extracting a plurality of parameters from the track data point by the processing module, wherein the parameters comprise an x coordinate, a y coordinate, an x-direction speed, a y-direction speed, an amplitude value, a Doppler coefficient, a time unit and a scale factor of the track data point, S3, regarding the same vehicle at the same time of , adopting the centroid of the vehicle as a coordinate point representing the position of the vehicle at the current time according to the extracted parameters, and S4, displaying the centroid of the same vehicle on a map in real time.)

基于雷达监测的地下停车场车辆跟踪方法及装置

技术领域

本发明涉及雷达领域，特别是涉及基于雷达监测的地下停车场车辆跟踪方法及装置。

背景技术

现有技术中的雷达跟踪方法往往是通过雷达接收视频数据，然而视频数据的数据量大，带宽有限，因此导致点迹处理的滞后。并且视频容易受到光线、天气、温度、空气密度等环境的影响，导致数据的获取容易有误差。此外，现有技术只能处理某一时刻点迹的各参数，无法在连续时间上判断和跟踪点迹。

发明内容

发明目的：本发明的目的是提供一种基于雷达监测的地下停车场车辆跟踪方法及装置，能够解决现有技术中存在的“点迹处理滞后，数据的获取有误差，只能处理某一时刻点迹的各参数，无法在连续时间上判断和跟踪点迹”的技术问题。

技术方案：本发明所述的基于雷达监测的地下停车场车辆跟踪方法，所述雷达为毫米波雷达，所述方法包括以下步骤：

S1：通过雷达的天线实时监测车辆，得到车辆的轨迹数据点，然后将所述轨迹数据点传输给处理模块；

S2：处理模块从轨迹数据点中提取出多个参数；所述多个参数包括轨迹数据点的x坐标、y坐标、x方向速度、y方向速度、幅值、多普勒系数、时间单位和比例因子；

S3：对同一时刻下的同一车辆，根据所述提取出的多个参数采用车辆的质心作为表示车辆在当前时刻下位置的坐标点；

S4：将同一车辆的质心在地图上进行实时显示。

进一步，所述步骤S3中，根据所述提取出的多个参数采用质心作为表征车辆在当前时刻下位置的坐标点的过程包括以下步骤：

S31：去除所述提取出的多个参数中当前时刻下的车辆静态噪声点及动态噪声点，获得去除噪声后的数据点；

S32：根据车辆运动轨迹、前一时刻质心及速度参数，获得当前时刻预测的质心以及有效数据点范围；

S33：根据所述去除噪声后的数据点、当前时刻预测的质心以及有效数据点范围，获得当前时刻下位置的坐标点。

进一步，所述步骤S32中，根据车辆运动轨迹、前一时刻质心及速度参数，获得当前时刻预测的质心以及有效数据点范围的过程包括以下步骤：

S321：根据前一时刻车辆运动轨迹对前一时刻质心作切线，所述当前时刻预测的质心在所述切线的方向上；

S322：在所述切线的方向上，前一时刻质心运动速度增加5％作为速度最大值，前一时刻质心运动速度减小5％作为速度最小值，根据所述速度最大值、速度最小值以及前一时刻与当前时刻的时间间隔确定直径；所述直径中点为当前时刻预测的质心，所述直径形成的圆为有效数据点范围。

进一步，所述步骤S33中，根据所述去除噪声后的数据点、当前时刻预测的质心以及有效数据点范围获得当前时刻下位置的坐标点的过程包括以下步骤：

S331：根据去除噪声后的数据点以及有效数据点范围获得去除噪声后的有效数据点；

S332：根据去除噪声后的有效数据点与所述当前时刻预测的质心之间的距离计算权重系数，根据所述权重系数获得当前时刻下位置的坐标点。

进一步，所述步骤S332中，当前时刻下位置的坐标点为

其中，x_i表示所述车辆的第i个去除噪声后的数据点的横坐标，n表示所述车辆的轨迹数据点的总数，

表示x_i的权重，通过式(1)得到；y_i表示所述车辆的第i个轨迹数据点的纵坐标，表示y_i的权重，通过式(2)得到；

其中，d_k表示所述车辆的第k个去除噪声后的数据点到圆心的距离，d_l表示所述车辆的第l个去除噪声后的有效数据点到圆心的距离，d_m表示所述车辆的第m个去除噪声后的有效数据点到圆心的距离；所述圆心通过以下方式得到：将当前时刻质心的切线方向作为下一时刻质心可能的运动方向，将当前时刻质心的运动速度增加5％作为速度最大值，减少5％作为速度最小值，根据所述速度最大值、速度最小值以及当前时刻与下一时刻之间的时间间隔确定直径，以直径的中点为圆心画圆，所述圆心即为直径的中点。由于当前时刻和下一时刻的时间间隔很短，速度变化很小，每一时刻可看作近似的匀速运动，车辆运动的点不可能出现在预测的圆外，圆外可被视作噪声点，将圆内的点根据权重，计算出当前时刻车辆的质心。

进一步，所述步骤S31中，去除提取出的多个参数中当前时刻下的车辆静态噪声点的过程包括以下步骤：

S311：将所述提取出的多个参数中多普勒系数为零的静态噪声点去除。

进一步，所述步骤S2中，处理模块从轨迹数据点中提取出多个参数的过程包括以下步骤：

S21：当有多个雷达监测所述车辆时，从多个雷达共同检测到的轨迹数据点中提取出多个参数，其余的轨迹数据点为动态噪声点，不对动态噪声点提取参数。由于每个下一时刻的质心的权重都受当前时刻各参数的影响，因此动态噪声点的去除能够不断优化轨迹的准确性。

本发明所述的基于雷达监测的地下停车场车辆跟踪装置，所述雷达为毫米波雷达，所述装置包括：

点迹数据获取模块：用于通过雷达的天线实时监测车辆，得到车辆的轨迹数据点，然后将所述轨迹数据点传输给处理模块；

处理模块：用于从轨迹数据点中提取出多个参数；所述多个参数包括轨迹数据点的x坐标、y坐标、x方向速度、y方向速度、幅值、多普勒系数、时间单位和比例因子；对同一时刻下的同一车辆，根据所述提取出的多个参数采用车辆的质心表示车辆在当前时刻下位置的坐标点；

显示模块：用于将同一车辆的质心在地图上进行实时显示。

进一步，根据所述提取出的多个参数采用质心作为表征车辆在当前时刻下位置的坐标点的过程包括：

1)去除所述提取出的多个参数中当前时刻下的车辆静态噪声点及动态噪声点，获得去除噪声后的数据点；

2)根据车辆运动轨迹、前一时刻质心及速度参数，获得当前时刻预测的质心以及有效数据点范围；

3)根据所述去除噪声后的数据点、当前时刻预测的质心以及有效数据点范围，获得当前时刻下位置的坐标点。

进一步，所述根据车辆运动轨迹、前一时刻质心及速度参数，获得当前时刻预测的质心以及有效数据点范围的过程包括：

1)根据前一时刻车辆运动轨迹对前一时刻质心作切线，所述当前时刻预测的质心在所述切线的方向上；

2)在所述切线的方向上，前一时刻质心运动速度增加5％作为速度最大值，前一时刻质心运动速度减小5％作为速度最小值，根据所述速度最大值、速度最小值以及前一时刻与当前时刻的时间间隔确定直径；所述直径中点为当前时刻预测的质心，所述直径形成的圆为有效数据点范围。

有益效果：本发明公开了一种基于雷达监测的地下停车场车辆跟踪方法及装置，采用毫米波雷达对物体进行监测，不受环境因素的影响，在任何环境条件下都能稳定地获取数据。并且，本发明传输的不是视频数据，传输的数据量小，能够保证高精确度和低延时滞后，从而准确地基于时间进行质心的跟踪。此外，本发明能够在连续时间上判断和跟踪质心，在现有质心轨迹的基础上进行下一时刻质心轨迹的预判。

附图说明

图1为本发明

具体实施方式

中方法的流程图；

图2为本发明具体实施方式中采用质心作为表征该时刻下表征物***置的坐标点的过程示意图；

图3为本发明具体实施方式中不同时刻下求取质心的示意图；

图4为本发明具体实施方式中不同时刻下质心的轨迹；

图5为本发明具体实施方式中多雷达监测的示意图；

图6为本发明具体实施方式中求取质心的过程示意图。

具体实施方式

本具体实施方式公开了一种基于雷达监测的地下停车场车辆跟踪方法，雷达为毫米波雷达，如图1所示，方法包括以下步骤：

S1：通过雷达的天线实时监测车辆，得到车辆的轨迹数据点，然后将所述轨迹数据点传输给处理模块；

S2：处理模块从轨迹数据点中提取出多个参数；所述多个参数包括轨迹数据点的x坐标、y坐标、x方向速度、y方向速度、幅值、多普勒系数、时间单位和比例因子；根据这些参数还可以获得相关的其他参数，例如根据x、y坐标计算得到点的范围，用于距离的判断。时间参数相同的点即为同一帧(一帧为一个计算机时钟周期约为44.5ms)内的数据，同一帧有多个点迹数据，把每一个点封装成具有D(多普勒系数)、P(幅值)、X(X坐标)、Y(Y坐标)、N(一帧内点的个数)、XSIZE(X面积大小)、YSIZE(Y面积大小)、VX(X方向速度大小)、VY(Y方向速度大小)等参数的点；

S3：对同一时刻下的同一车辆，根据所述提取出的多个参数采用车辆的质心作为表示车辆在当前时刻下位置的坐标点，如图2所示；

S4：将同一车辆的质心在地图上进行实时显示。

步骤S3中，根据所述提取出的多个参数采用质心作为表征车辆在当前时刻下位置的坐标点的过程包括以下步骤：

S31：去除所述提取出的多个参数中当前时刻下的车辆静态噪声点及动态噪声点，获得去除噪声后的数据点；

S32：根据车辆运动轨迹、前一时刻质心及速度参数，获得当前时刻预测的质心以及有效数据点范围；

S33：根据所述去除噪声后的数据点、当前时刻预测的质心以及有效数据点范围，获得当前时刻下位置的坐标点。

步骤S32中，根据车辆运动轨迹、前一时刻质心及速度参数，获得当前时刻预测的质心以及有效数据点范围的过程包括以下步骤：

S321：根据前一时刻车辆运动轨迹对前一时刻质心作切线，所述当前时刻预测的质心在所述切线的方向上；

S322：在所述切线的方向上，前一时刻质心运动速度增加5％作为速度最大值，前一时刻质心运动速度减小5％作为速度最小值，根据所述速度最大值、速度最小值以及前一时刻与当前时刻的时间间隔确定直径；所述直径中点为当前时刻预测的质心，所述直径形成的圆为有效数据点范围。

步骤S33中，根据所述去除噪声后的数据点、当前时刻预测的质心以及有效数据点范围获得当前时刻下位置的坐标点的过程包括以下步骤：

S331：根据去除噪声后的数据点以及有效数据点范围获得去除噪声后的有效数据点；

S332：根据去除噪声后的有效数据点与所述当前时刻预测的质心之间的距离计算权重系数，根据所述权重系数获得当前时刻下位置的坐标点。

步骤S2中，多个参数包括点的x坐标、y坐标、x方向速度、y方向速度、幅值、多普勒系数、时间单位和比例因子。

毫米波雷达能够利用检测到的多普勒系数去除静态噪声和一些随机噪声，这样得到的质心就更精准。步骤S332中，当前时刻下位置的坐标点为

其中，x_i表示所述车辆的第i个去除噪声后的数据点的横坐标，n表示所述车辆的轨迹数据点的总数，

表示x_i的权重，通过式(1)得到；y_i表示所述车辆的第i个轨迹数据点的纵坐标，

表示y_i的权重，通过式(2)得到；

其中，d_k表示所述车辆的第k个去除噪声后的数据点到圆心的距离，d_l表示所述车辆的第l个去除噪声后的有效数据点到圆心的距离，d_m表示所述车辆的第m个去除噪声后的有效数据点到圆心的距离；所述圆心通过以下方式得到：将当前时刻质心的切线方向作为下一时刻质心可能的运动方向，将当前时刻质心的运动速度增加5％作为速度最大值，减少5％作为速度最小值，根据所述速度最大值、速度最小值以及当前时刻与下一时刻之间的时间间隔确定直径，以直径的中点为圆心画圆，所述圆心即为直径的中点。

质心的求取过程如图6和图3所示。图4是不同时刻质心的轨迹。

步骤S31中，去除提取出的多个参数中当前时刻下的车辆静态噪声点的过程包括以下步骤：

S311：将所述提取出的多个参数中多普勒系数为零的静态噪声点去除。

步骤S2中，处理模块从轨迹数据点中提取出多个参数的过程包括以下步骤：

S21：当有多个雷达监测所述车辆时，从多个雷达共同检测到的轨迹数据点中提取出多个参数，其余的轨迹数据点为动态噪声点，不对动态噪声点提取参数。

本具体实施方式公开了一种基于雷达监测的地下停车场车辆跟踪装置，雷达为毫米波雷达，装置包括：

点迹数据获取模块：用于通过雷达的天线实时监测车辆，得到车辆的轨迹数据点，然后将所述轨迹数据点传输给处理模块；

处理模块：用于从轨迹数据点中提取出多个参数；所述多个参数包括轨迹数据点的x坐标、y坐标、x方向速度、y方向速度、幅值、多普勒系数、时间单位和比例因子；对同一时刻下的同一车辆，根据所述提取出的多个参数采用车辆的质心表示车辆在当前时刻下位置的坐标点；

显示模块：用于将同一车辆的质心在地图上进行实时显示。

提取出的多个参数采用质心作为表征车辆在当前时刻下位置的坐标点的过程包括：

1)去除所述提取出的多个参数中当前时刻下的车辆静态噪声点及动态噪声点，获得去除噪声后的数据点；

2)根据车辆运动轨迹、前一时刻质心及速度参数，获得当前时刻预测的质心以及有效数据点范围；

3)根据所述去除噪声后的数据点、当前时刻预测的质心以及有效数据点范围，获得当前时刻下位置的坐标点。

根据车辆运动轨迹、前一时刻质心及速度参数，获得当前时刻预测的质心以及有效数据点范围的过程包括：

1)根据前一时刻车辆运动轨迹对前一时刻质心作切线，所述当前时刻预测的质心在所述切线的方向上；

2)在所述切线的方向上，前一时刻质心运动速度增加5％作为速度最大值，前一时刻质心运动速度减小5％作为速度最小值，根据所述速度最大值、速度最小值以及前一时刻与当前时刻的时间间隔确定直径；所述直径中点为当前时刻预测的质心，所述直径形成的圆为有效数据点范围。

根据所述去除噪声后的数据点、当前时刻预测的质心以及有效数据点范围获得当前时刻下位置的坐标点的过程包括以下步骤：

1)根据去除噪声后的数据点以及有效数据点范围获得去除噪声后的有效数据点；

2)根据去除噪声后的有效数据点与所述当前时刻预测的质心之间的距离计算权重系数，根据所述权重系数获得当前时刻下位置的坐标点。

当前时刻下位置的坐标点为其中，x_i表示所述车辆的第i个去除噪声后的数据点的横坐标，n表示所述车辆的轨迹数据点的总数，表示x_i的权重，通过式(3)得到；y_i表示所述车辆的第i个轨迹数据点的纵坐标，表示y_i的权重，通过式(4)得到；

其中，d_k表示所述车辆的第k个去除噪声后的数据点到圆心的距离，d_l表示所述车辆的第l个去除噪声后的有效数据点到圆心的距离，d_m表示所述车辆的第m个去除噪声后的有效数据点到圆心的距离；所述圆心通过以下方式得到：将当前时刻质心的切线方向作为下一时刻质心可能的运动方向，将当前时刻质心的运动速度增加5％作为速度最大值，减少5％作为速度最小值，根据所述速度最大值、速度最小值以及当前时刻与下一时刻之间的时间间隔确定直径，以直径的中点为圆心画圆，所述圆心即为直径的中点。

去除提取出的多个参数中当前时刻下的车辆静态噪声点的过程包括以下步骤：将所述提取出的多个参数中多普勒系数为零的静态噪声点去除。

处理模块从轨迹数据点中提取出多个参数的过程包括以下步骤：当有多个雷达监测所述车辆时，从多个雷达共同检测到的轨迹数据点中提取出多个参数，其余的轨迹数据点为动态噪声点，不对动态噪声点提取参数。

本具体实施方式中，当有多个雷达监测所述车辆时，从多个雷达共同检测到的轨迹数据点中提取出多个参数，其余的轨迹数据点为动态噪声点，不对动态噪声点提取参数。由于每个下一时刻的质心的权重都受当前时刻各参数的影响，因此动态噪声点的去除能够不断优化轨迹的准确性。单个雷达得到的质心坐标对于不同体积的车辆会产生不同程度的误差，在停车场场景中，存在较多的转弯与柱子遮挡，雷达检测范围需覆盖整个停车场，当多个雷达监测到同一车辆后，能够进行坐标的校准，消除这部分误差。与此同时，多雷达检测时，可以消除很多随机噪声。图5是多雷达监测示意图，其中A和B表示雷达，Car表示小车，阴影部分为多雷达监测时可消除噪声的部分。