[发明专利]目标识别方法及设备

说明书

本申请提供了一种基于车载雷达的目标识别方法，包括：利用车载雷达分别获取行人和车辆的多组特征数据，其中每组特征数据包括横向速度、方位角变化率和雷达散射截面中的至少两个；利用多组特征数据形成特征集，并对特征集中的特征数据进行行人或车辆标记；利用特征集训练初始识别模型，以得到目标识别模型，目标识别模型包括分别用于表征行人和车辆的第一聚类中心和第二聚类中心；利用目标识别模型对目标进行识别，以确定目标为行人或者车辆。该目标识别方法对雷达的要求较低，并且数据处理量较小，能够对目标进行实时识别。此外，本申请还提供了一种基于车载雷达的目标的识别设备、一种车辆以及一种计算机可读存储介质。

技术领域

本申请涉及自动驾驶的技术领域，具体是涉及一种目标识别方法及设备。

背景技术

随着雷达技术的发展，其应用频率在不断提高。现有毫米波雷达的距离分辨率可以达到厘米甚至毫米级，可以分辨出车辆周围的障碍物的大小和轮廓，为雷达在自动驾驶中识别行人和车辆提供了可能。

相关技术中识别行人和车辆的识别方法是采用雷达测量目标的多个散射点的速度变化(速度像)，距离变化(距离像)，来进行行人和车辆的识别。其中，雷达在单位时间内发射多个测量脉冲，获得测量目标不同散射点的速度值，距离值和方位角，速度的最大值最小值的差值即为目标的速度像，测量距离的最大值最小值的差值即为目标的距离像，再提取出目标的速度和距离的方差及标准偏差作为识别特征集进行行人和车辆的识别。相关技术中对雷达的距离分辨率和速度分辨率要求较高，导致成本较高，难以广泛应用于自动驾驶系统中。

发明内容

为了解决上述技术问题，本申请提供一种目标识别方法及设备，该目标识别方法及设备对雷达的要求较低，并且数据处理量较小，能够对目标进行实时识别。

本申请一方面提供了一种基于车载雷达的目标识别方法，包括：利用车载雷达分别获取行人和车辆的多组特征数据，其中每组特征数据包括横向速度、方位角变化率和雷达散射截面中的至少两个；利用多组特征数据形成特征集，并对特征集中的特征数据进行行人或车辆标记；利用特征集训练初始识别模型，以得到目标识别模型，目标识别模型包括分别用于表征行人和车辆的第一聚类中心和第二聚类中心；利用目标识别模型对目标进行识别，以确定目标为行人或者车辆。

进一步地，每组特征数据包括横向速度和方位角变化率，利用车载雷达分别获取行人和车辆的多组特征数据的步骤包括：获取车载雷达在多个时间点下测量的行人和车辆的径向速度和方位角；根据多个时间点下的径向速度和方位角计算特征数据中的横向速度；根据多个时间点下的方位角计算特征数据中的方位角变化率。通过获取车载雷达在多个时间点下测量的行人和车辆的径向速度和方位角来获取特征数据中的横向速度和方位角变化率以形成特征集，有利于提高目标识别的准确性。

进一步地，根据多个时间点下的径向速度和方位角计算特征数据中的横向速度的步骤包括：

利用以下公式计算特征数据中的横向速度：

根据方位角计算特征数据中的方位角变化率的步骤包括：

利用以下公式计算特征数据中的方位角变化率：

其中，v_lateral、α_var分别为特征数据中的横向速度和特征数据中的方位角变化率，N为时间点的数量，v_j、α_j为N个时间点中的第j个时间点下的径向速度和N个时间点中的第j个时间点下的方位角，为N个时间点下的方位角的平均值。以多个时间点下的横向速度的平均值作为特征数据中的横向速度，以多个时间点下的方位角的方差作为特征数据中的方位角变化率，有利于提高目标识别的准确性。

进一步地，多个时间点位于同一雷达测量周期内，以降低特征数据的获取难度，有利于提高行人与车辆的识别方法的可行性。

进一步地，每组特征数据包括横向速度、方位角变化率和雷达散射截面，利用车载雷达分别获取行人和车辆的多组特征数据的步骤包括：