[发明专利]基于毫米波雷达的停车检测方法及系统

权利要求书

1.一种基于毫米波雷达的停车检测方法，其特征在于，所述方法包括：

S1、获取毫米波信号的回波信号，进行数模转换并进行一维傅里叶变换，得到复数数组A；

S2、将复数数组A转化为能量E；

S3、根据能量E和背景采集时保存的能量Eg沿各距离门进行对比，生成数据集为Ep的点云，每个点的数据为[X，Er]；

S4、提取数据集Ep中的特征值；

S5、对不同场景下样本的数据集Ep按照特征值进行训练及分类得到分类器，采用分类器对待分类的数据集Ep进行分类；

S6、将待分类数据集Ep的分类结果进行上报。

2.根据权利要求1所述的基于毫米波雷达的停车检测方法，其特征在于，所述步骤S1中的回波信号为毫米波雷达发送的毫米波信号的回波信号，毫米波信号的调频连续波。

3.根据权利要求1所述的基于毫米波雷达的停车检测方法，其特征在于，所述步骤S2具体为：

根据公式E＝20*log10(abs(A))将一维傅里叶变换后的复数数组A转化为能量E。

4.根据权利要求3所述的基于毫米波雷达的停车检测方法，其特征在于，所述步骤S3中，X∈[0，64]，Er为：

5.根据权利要求1所述的基于毫米波雷达的停车检测方法，其特征在于，所述数据集Ep中的特征值包括：能量最大点距离门P_maxbin、SNR最大值P_snrmax、SNR均值P_snrmean、SNR标准差P_snrstd、点的总数量P_num、前半部分点数P_{firsthalf_num}、后半部分点数P_{secondhalf_num}、能量最高点SNR P_emax。

6.根据权利要求5所述的基于毫米波雷达的停车检测方法，其特征在于，所述步骤S5中分类器的模型为：

Confidence＝K0*D_maxbin+K1*D_snrmax+K2*D_snrmean+K3*D_snrstd+K4*D_num+K5*D_{firsthalf_num}+K6*D_{secondhalf_num}+K7*D_emax；

其中，Confidence为置信度，Ki为个特征值的加权系数，P为待分类数据集Ep中的各个特征值，p_x为不同场景下特征值的均值。

7.根据权利要求6所述的基于毫米波雷达的停车检测方法，其特征在于，所述步骤S5中采用分类器对待分类的数据集Ep进行分类具体为：

获取不同场景下待分类的数据集Ep对应的置信度Confidence或置信度的取反值Confidencex，其中，Confidencex＝1-Confidence；

将待分类的数据集Ep分类至Confidence最小或Confidencex最大对应的场景。

8.根据权利要求1所述的基于毫米波雷达的停车检测方法，其特征在于，所述步骤S5的场景至少包括：有车无遮挡场景、有车有雨水遮挡场景、物体非法占位场景、无车场景。

9.根据权利要求1所述的基于毫米波雷达的停车检测方法，其特征在于，所述方法还包括：

于休眠模式下等待唤醒；

若被外部唤醒，判断外部IO口类型为事件IO口或命令IO口；

若为命令IO口，则解析并执行命令，进行参数配置；

若为事件IO口，则执行步骤S1～S6，进行停车检测。

10.一种基于毫米波雷达的停车检测系统，其特征在于，所述系统包括：

微波模块：用于发送毫米波信号并获取回波信号，进行数模转换并进行一维傅里叶变换，得到复数数组A；

数据采集模块：用于将复数数组A转化为能量E；

点云生成模块：用于根据能量E和背景采集时保存的能量Eg沿各距离门进行对比，生成数据集为Ep的点云，每个点的数据为[X，Er]；

特征提取模块：用于提取数据集Ep中的特征值；

特征分析模块：用于对不同场景下样本的数据集Ep按照特征值进行训练及分类得到分类器，采用分类器对待分类的数据集Ep进行分类；

结果上报模块：用于将待分类数据集Ep的分类结果进行上报。