一种基于毫米波雷达的3d多目标跟踪处理方法
阅读说明：本技术 一种基于毫米波雷达的3d多目标跟踪处理方法 (3D multi-target tracking processing method based on millimeter wave radar ) 是由 苏涛 刘馨璐 杨天园 于 2021-07-21 设计创作，主要内容包括：本发明属于雷达信号处理技术领域,公开了一种基于毫米波雷达的3D多目标跟踪处理方法,先通过毫米波雷达基带信号处理得到空间上多目标的点迹,选取信噪比较强的点迹绘制成3D点云图,根据点云图进行后续的聚类和跟踪的处理；聚类处理的输入是多个3D点云,具有空间三维方向的信息,遍历搜索距离位置邻近且同一类别的点迹,通过同一类的标记得到同类的点迹即为聚类得到的结果,确定该一类点迹的空间位置等参数后输入轨迹跟踪中,进行轨迹算法的点迹关联和点迹管理,得到每一帧的点迹的轨迹,跟踪目标并且标记该目标的ID号。可以实现在复杂的环境中,精确的检测并跟踪多目标,并从三维的空间中,确定目标在空间的位置。(The invention belongs to the technical field of radar signal processing, and discloses a millimeter wave radar-based 3D multi-target tracking processing method, which comprises the steps of firstly obtaining multi-target point traces on a space through millimeter wave radar baseband signal processing, selecting the point traces with strong signal-to-noise ratio to draw a 3D point cloud picture, and carrying out subsequent clustering and tracking processing according to the point cloud picture; the input of the clustering processing is a plurality of 3D point clouds with information in a spatial three-dimensional direction, the point traces which are adjacent to the searching distance position and are in the same category are traversed, the point traces in the same category are obtained through the marks in the same category, namely the result obtained through clustering, the parameters such as the spatial position of the point traces in the category are determined and then input into the track tracking, the point trace correlation and the point trace management of the track algorithm are carried out, the track of the point trace of each frame is obtained, the target is tracked, and the ID number of the target is marked. The method can realize accurate detection and tracking of multiple targets in a complex environment, and determine the position of the target in the space from the three-dimensional space.)
技术领域
本发明涉及雷达信号处理技术领域，具体涉及一种基于毫米波雷达的三维(3D)多目标跟踪处理方法，可以实现在复杂的环境中，精确的检测并跟踪多目标，并从三维的空间中，确定目标在空间的位置。
背景技术
毫米波雷达具有抗干扰、实时性、全天候等特点，并且具有识别多个目标等优势，相比昂贵的激光雷达，毫米波雷达的价格更适中，并且不会受到外界天气的影响，可以探测到目标的距离速度等信息。这使得它在民用领域迅速的发展，在盲点检测、交通车流量检测、高度计中都有着广泛的应用前景。
毫米波雷达的多目标跟踪主要是利用一些数据关联策略算法和Kalman滤波来估计运动物体的状态变化。数据关联策略算法的多样性，可以得到不同的跟踪算法。通过雷达的特性，得到多个目标的数据，首先通过点目标的聚类处理，一个目标会在空间上形成一个3D点云，根据点目标的特性，得到多个点云信息，传统的DBSCAN算法就是基于目标点密度对多个点云进行划分。但是，该方法是以距离为判断条件，需要每一阶段得到距离信息的精准性，并且多个目标在运动过程中可能会发生相遇等情况，此时并不能通过该方法来区分开。
随着城市的交通量激增，在实际的应用中，例如交通流量统计等复杂的情况，为了进一步的推广智能交通代替人工监控，为了解决上述问题，寻求一种多目标跟踪的方法具有重要的意义。
发明内容
针对现有技术中存在的问题，本发明的目的在于提供一种基于毫米波雷达的3D多目标跟踪处理方法，该方法可以实现雷达信号的多目标的跟踪，能够提高多目标检测的可靠性。
本发明的主要技术思路为：先通过毫米波雷达基带信号处理得到空间上多目标的点迹，选取信噪比较强的点迹绘制成3D点云图，根据点云图进行后续的聚类和跟踪的处理；聚类处理的输入是多个3D点云，具有空间三维方向的信息，遍历搜索距离位置邻近且同一类别的点迹，通过同一类的标记得到同类的点迹即为聚类得到的结果，确定该一类点迹的空间位置等参数后输入轨迹跟踪中，进行轨迹算法的点迹关联和点迹管理，得到每一帧的点迹的轨迹，跟踪目标并且标记该目标的ID号。
为了达到上述目的，本发明采用以下技术方案予以实现。
一种基于毫米波雷达的3D多目标跟踪处理方法，包括以下步骤：
步骤1，毫米波雷达发射电磁波并接收到基带回波信号，对所述基带回波信号进行处理，得到空间上多个点迹的数据信息；每个所述点迹的数据信息包含点迹的三维空间位置和速度信息；
步骤2，通过聚类算法对多个所述点迹进行聚类处理，将归属于同一类的多个点迹绘制成3D点云，从而得到多个目标点云；从多个目标点云中去除噪声点云，得到有效目标点云；
步骤3，根据所述有效目标点云中点迹的三维空间位置和速度信息确定目标的大致空间位置和速度均值V；其中，所述目标的大致空间位置包含目标在方位X坐标轴方向的位置目标在方位Y坐标轴方向的位置目标在垂直Z坐标轴方向的位置为zmax；
步骤4，根据所述目标在方位X坐标轴方向的位置目标在方位Y坐标轴方向的位置计算得到水平距离R和水平角度A，根据所述水平距离R、水平角度A和速度均值V确定目标的轨迹跟踪路线；
步骤5，对所述目标的轨迹跟踪路线进行轨迹管理，时刻更新轨迹状态。
本发明技术方案的特点和进一步的改进为：
(1)步骤2具体包含以下子步骤：
子步骤2.1，聚类算法首先需要对每一个点迹进行遍历标记和类别标记，默认均为0，其次要对每一个点迹进行判别，设定第一个点的空间位置信息为(x0,y0,z0)，先标记它为已检测，把该点作为核心点遍历整个空间，寻找所述核心点的所有同类点，得到同一类别的多个点，称为该目标的点云；
子步骤2.2，设定一个类中最小聚类点个数minPointsInCluster，若同一类别的点迹个数大于所述最小聚类点个数minPointsInCluster，则为有效目标点云；否则，为噪声点云。
(2)子步骤2.1中，所述寻找所述核心点的所有同类点的方法包含以下子步骤：
子步骤2.1.1，判断核心点(x0,y0,z0)的领域内的所有点是否为同类，其公式为：
其中，epsilon为聚类算法领域半径；v0为当前核心点速度大小，yFactor为设定Y坐标的加权因子，zFactor为设定Z坐标的加权因子，vFactor为设定速度加权因子；(x,y,z)是核心点领域内的任意一点的三维空间位置信息，v是核心点领域内的任意一点的速度信息；
子步骤2.1.2，统计属于核心点(x0,y0,z0)领域内属于同一类的点迹个数numInEps，若满足numInEps>minPointsInCluster条件时，将满足条件的点迹进行遍历标记；
将遍历标记的点迹依次作为核心点，再对未被遍历标记的点进行遍历搜索，直到将所有的被标记的点搜索完成，得到同一类别的多个点。
(3)步骤3中，所述目标在方位X坐标轴方向的位置为：xsum为同一类别点云的X方向的所有和，N为该类别的总点迹个数；
所述目标在方位Y坐标轴方向的位置为：ysum为同一类别点云的Y方向的所有和；
所述目标在垂直Z坐标轴方向的位置为zmax为同一类别点云的垂直Z坐标轴方向的最大值；
所述速度均值V为：V＝vsum/N，vsum为同一类别点云的所有速度和。
(4)步骤4中，所述水平距离R为：所述水平角度A为：
(5)步骤4中，所述根据所述水平距离R、水平角度A和速度均值V确定目标的轨迹跟踪路线具体为：
用水平距离离R、水平角度A和速度均值V代表整个目标的移动状态，根据当前时刻一个目标位置与速度信息，卡尔曼滤波器给出该目标位置的估计值，由于雷达测量间隔较短，假设下一个时刻车辆做匀速运动，对下一时刻的目标位置给出预测；计算上一时刻的目标位置预测值和当前时刻的量测值的马氏距离，当计算的马氏距离在设定的点迹关联阈值范围内，则认为该点迹与对应的轨迹关联；对每一时刻的点迹进行预测，并且关联相关轨迹，得到目标的轨迹跟踪路线。
(6)步骤5具体为：轨迹状态分为三种：被检测到、激活和失效；当轨迹被检测到时，对该轨迹进行计数，当计数大于激活阈值时，轨迹处于激活状态，否则轨迹失效；当轨迹处于激活状态时，对该轨迹进行计数，当计数大于失效阈值时，轨迹处于失效状态，否则轨迹处于激活状态。
与现有技术相比，本发明的有益效果为：
本发明使用毫米波雷达具有3维空间的检测特点，不仅可以检测雷达到目标的距离速度方位角度，还可以检测到目标的俯仰角度，从而可以通过聚类处理等绘出多目标的3D点云图，掌握目标的外观轮廓。通过点迹数据关联算法，以及卡尔曼滤波，得到多个目标的轨迹，并且轨迹的管理可以大大减小运算过程中的计算量。
附图说明
下面结合附图和具体实施例对本发明做进一步详细说明。
图1为本发明的基于毫米波雷达的3D多目标跟踪处理方法的整体流程图；
图2为聚类二次搜索领域的图；
图3为单目标连续多帧的三维空间目标聚类后的效果；
图4为单目标连续多帧目标点迹的轨迹图；
图5为轨迹管理流程图；
图6为两个目标连续多帧三维空间点迹聚类后的图；
图7为两个目标连续多帧目标点迹的轨迹图。
具体实施方式
下面将结合实施例对本发明的实施方案进行详细描述，但是本领域的技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限制本发明的范围。
参考图1的流程图，本发明的基于毫米波雷达的3D多目标跟踪处理方法，包括以下步骤：
步骤1，毫米波雷达发射电磁波并接收到基带回波信号，对所述基带回波信号进行处理，得到空间上多个点迹的数据信息；每个所述点迹的数据信息包含点迹的三维空间位置和速度信息。
具体的，毫米波雷达发射的电磁波信号得到的回波，对该信号进行基带处理，得到多个含有三维空间位置和速度信息的点迹。
步骤2，通过聚类算法对多个所述点迹进行聚类处理，将归属于同一类的多个点迹绘制成3D点云，从而得到多个目标点云；从多个目标点云中去除噪声点云，得到有效目标点云。
具体的，聚类算法首先需要对每一个点迹进行遍历标记和类别标记，默认均为0，目的在于能够将每一个点迹都监测到。其次要对每一个点迹进行判别，假定第一个点的空间信息为(x0,y0,z0)，先标记它为已检测，把它作为核心点遍历整个空间，找到他的同类点。聚类的判断需要用到空间位置(x、y、z)，以及速度v，来判断目标点云核心点的领域。根据目标的大小确定聚类算法领域半径epsilon，设定一个类中最小聚类点个数minPointsInCluster，只有当一类中的点迹个数大于该值(最小聚类点个数minPointsInCluster)，才被认同为是有效的目标点，否则认为是噪声点，有效的避免了噪声点聚成一类。
当确定一个点为核心点时，判断领域内的所有点是否为同类，其公式为：
其中，x0为当前核心点在方位X坐标位置，y0为当前核心点在方位Y坐标位置，z0为当前核心点在Z坐标位置，v0为当前核心点速度大小，yFactor为设定Y坐标的加权因子，zFactor为设定Z坐标的加权因子，vFactor为设定速度加权因子。
通过上式可以判断出目标核心的领域点迹。例如图2所示，认为核心点为点a，由上式找到了领域为点c、点d、点f。当领域点的个数numInEps，最小聚类点个数minPointsInCluster，满足numInEps>minPointsInCluster时，认为点c、点d、点f是该核心点a的领域。此时并不能认为点a找到了所有的领域，需要再进行一次的遍历搜索属于该核心点a的所有领域。
此时需要对搜索到的领域内的所有点再次进行领域搜索，如图2所示，在上一步骤搜索到的领域点c、点d、点f，对其进行遍历标记。此时，需要将所有标记遍历的点依次认为是核心点，再对未被遍历标记的点进行遍历搜索，搜索方式就如上式公式所说的判断，直到将所有的被标记的点搜索完成。例如，将点c认为是核心点，对所有未被标记的点进行遍历搜索其领域点b、点h、点m、点n，如果领域点的个数numInEps，最小聚类点数参数minPointsInCluster，没有满足numInEps>minPointsInCluster时，则认为点c是该类别的边界点；反之，若满足该表达式，则认为领域点b，点h，点m，点n与点c为同类别的点。同理点d、点f用同样的搜索方式得到该类别的同类点，按同样地方式循环搜索遍历，直到将该类别的点搜索完为止，停止循环。将所有点搜索完成后，得到同一类别的多个点，称为该目标的点云。如图3所示，是一个目标聚类后三维空间的结果，一个类别目标的形状能大致分清楚。
步骤3，同一类别的点迹可以大致反映出目标的所处的位置和轮廓，由信号处理得出每一个点迹的空间位置及速度状态，也就能得到该目标的大致的空间位置，速度状态等。在方位X坐标轴方向上，取同一类别点云的均值，认为是该目标在方位X坐标轴方向的位置；在方位Y坐标轴方向上，取同一类别点云的均值，认为是该目标在方位Y坐标轴方向的位置；在垂直Z坐标轴方向上，取同一类别点云的最大值，认为是该目标在垂直Z坐标轴方向的位置；取同一类别点云的平均速度，认为是该目标的速度。
具体的，一个目标形状和状态和速度可以通过该类别的点迹来判断。若该类别点云的X方向的所有和为xsum，则认为该目标在方位X坐标轴方向的位置为其中N为该类别的总点迹个数；若该类别点云的方位Y坐标轴方向的所有和为ysum，则认为该目标在方位Y坐标轴方向的位置为若该类别点云的垂直Z坐标轴方向的最大值为zmax，则认为该目标在垂直Z坐标轴方向的位置为zmax；若该类别点云的所有速度和为vsum，则认为该目标的速度为V＝vsum/N；以上可以得到聚类后的目标状态。
步骤4，轨迹跟踪：在上一步聚类得到的目标的空间位置，通过公式得到水平距离R，速度V与水平角度A，即用该状态代表整个目标的移动状态。根据当前时刻一个目标位置与速度信息，卡尔曼滤波器给出该目标位置的估计值，由于雷达测量间隔较短，假设下一个时刻车辆做匀速运动，对下一时刻的目标位置给出预测。实现目标点迹跟踪的关键步骤是点迹的数据关联与匹配。计算上一时刻的目标位置预测值和当前时刻的量测值的马氏距离，当计算的马氏距离在设定的点迹关联阈值范围内，则认为该点迹与对应的轨迹关联。对每一时刻的点迹进行预测，并且关联相关轨迹，得到目标的轨迹跟踪路线。如图4所示，是单个目标连续多帧的地跟踪路线。
步骤5，轨迹管理：轨迹管理是正确关联轨迹的关键一步，轨迹管理就是时刻更新轨迹的状态，轨迹状态分为三种：被检测到、激活和失效。当轨迹被检测到时，对该轨迹进行计数，当计数大于激活阈值时，轨迹处于激活状态，否则轨迹失效；当轨迹处于激活状态时，对该轨迹进行计数，当计数大于失效阈值时，轨迹处于失效状态，否则轨迹处于激活状态。通过轨迹管理可以实时的判断所建立的轨迹所处的状态，在下一帧数据的轨迹关联只需要考虑在有效轨迹中是否关联点迹即可。
具体的，如图5所示是目标轨迹的轨迹管理，轨迹管理是正确关联轨迹的关键一步，轨迹管理就是时刻更新轨迹的状态，轨迹状态分为三种：被检测到、激活和失效。当轨迹处于被检测到的状态时，即state＝0，若该轨迹已被链接即flag＝1，先将检测丢失计数置0，当检测激活计数大于激活阈值时，轨迹处于激活状态，否则检测激活计数加1；反之，若该轨迹没有被链接到当前帧的点迹上时，对该轨迹进行检测丢失计数，当检测丢失计数大于失效阈值，轨迹标记为失效，否则检测丢失计数加1。当轨迹处于激活状态时，即state＝1，若该轨迹已被链接即flag＝1，当检测到丢失计数大于0时，检测到丢失计数减1；反之，若轨迹未被链接，检测丢失计数大于失效阈值时，轨迹处于失效状态，否则检测丢失计数加1。通过轨迹管理可以实时的判断所建立的轨迹所处的状态，在下一帧数据的轨迹关联只需要考虑在有效轨迹和待检测的轨迹中是否关联点迹即可，无需考虑已经失效的轨迹。
当存在多个目标时，通过以上步骤得到两个目标的聚类后的效果，如图6。通过轨迹关联，将多目标的轨迹区分开，如图7为连续多帧两个目标的轨迹图，分别标记了每个不同目标的ID号。
虽然，本说明书中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：基于多维筛选并行Hough变换的航迹起始方法