[发明专利]雷达检测区域的标定方法、装置、设备及存储介质在审
| 申请号: | 202010725723.3 | 申请日: | 2020-07-24 |
| 公开(公告)号: | CN113970725A | 公开(公告)日: | 2022-01-25 |
| 发明(设计)人: | 李娟娟;刘建超 | 申请(专利权)人: | 北京万集科技股份有限公司 |
| 主分类号: | G01S7/40 | 分类号: | G01S7/40;G01S7/497 |
| 代理公司: | 北京同立钧成知识产权代理有限公司 11205 | 代理人: | 吴会英;刘芳 |
| 地址: | 100193 北京市海淀区东*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 雷达 检测 区域 标定 方法 装置 设备 存储 介质 | ||
1.一种雷达检测区域的标定方法,其特征在于,包括:
获取所述雷达采集的多帧第一点云;
获取所述多帧第一点云对应的运动区域栅格图;
根据所述运动区域栅格图生成对应的检测区域栅格图;
根据所述检测区域栅格图对所述雷达检测区域进行标定。
2.根据权利要求1所述的方法,其特征在于,获取所述多帧第一点云对应的运动区域栅格图,包括:
根据背景帧和所述第一点云确定所述第一点云中的目标运动点,其中,所述背景帧为先于所述第一点云获取的多帧点云;
根据所述第一点云中的目标运动点生成所述运动区域栅格图。
3.根据权利要求2所述的方法,其特征在于,根据背景帧和所述第一点云确定所述第一点云中的目标运动点,包括:
比较背景帧中多个目标位置对应的各帧点云的点云点的距离值,得到最大距离值;
将各所述目标位置对应的最大距离值作为背景帧矩阵的元素值,生成背景帧矩阵;
利用所述背景帧矩阵确定所述第一点云中的目标运动点。
4.根据权利要求2所述的方法,其特征在于,根据背景帧和所述多帧第一点云距离数据确定所述第一点云中的目标运动点,包括:
按照获取顺序将所述背景帧的多帧点云分组,每组点云包括连续N帧点云;
按组比较多个目标位置对应的各帧点云的点云点的距离值,得到最大距离中值;
将各目标位置对应的最大距离中值作为背景帧矩阵的元素值,生成背景帧矩阵;
利用所述背景帧矩阵确定所述第一点云中的目标运动点。
5.根据权利要求3或4所述的方法,其特征在于,利用所述背景帧矩阵确定所述第一点云中的目标运动点,包括:
将背景帧矩阵中的元素值与所述多帧第一点云中对应的第一目标点的距离值进行对比;
计算所述背景帧矩阵中的元素值与各所述第一点云中对应的点云点的距离值的差值;
若所述差值大于预设距离阈值,则将对应的点云点确定为目标运动点。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
若所述差值大于预设更新阈值,则将对应的点云点的距离值作为所述背景帧矩阵的元素值。
7.根据权利要求5所述的方法,其特征在于,根据所述第一点云中的目标运动点生成所述运动区域栅格图,包括:
在运动区域栅格图坐标系下对所述运动区域栅格图进行初始化,得到初始化的运动区域栅格图;
将所述目标运动点的距离值转换为运动区域栅格图坐标系中对应的目标运动点位置坐标;
根据所述目标运动点坐标和所述初始化的运动区域栅格图生成所述运动区域栅格图。
8.根据权利要求1所述的方法,其特征在于,获取所述多帧第一点云对应的运动区域栅格图,包括:
利用深度学习模型处理所述多帧第一点云,得到所述多帧第一点云对应的运动区域栅格图。
9.根据权利要求1所述的方法,其特征在于,所述根据所述运动区域栅格图生成对应的检测区域栅格图,包括:
采用预设区域生长算法模型确定所述运动区域栅格图中的检测区域和非检测区域;
根据所述检测区域和所述非检测区域生成所述检测区域栅格图。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
判断是否满足检测区域更新条件;
若满足检测区域更新条件,则对所述检测区域栅格图进行更新。
11.一种目标检测方法,其特征在于,所述方法包括:
利用权利要求1-12任一项所述的雷达检测区域的标定方法,获取多帧第一点云中标定的雷达检测区域;
根据所述雷达检测区域中的点云进行目标检测,得到检测结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京万集科技股份有限公司,未经北京万集科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010725723.3/1.html,转载请声明来源钻瓜专利网。





