[发明专利]一种基于神经网络的雨水干扰检测方法和装置

说明书

本发明公开了一种基于神经网络的雨水干扰检测方法及装置；其中，基于神经网络的雨水干扰检测方法包括步骤：获取车辆参数信息及雷达扫描的点云数据；所述车辆参数信息包括车辆当前速度；基于预设的检测阈值，从所述点云数据中选取符合所述检测阈值的目标点云；所述检测阈值包括空间位置区域；将选取出的目标点云、以及所述车辆参数信息输入训练好的雨水检测神经网络模型；识别输出每个目标点云是否为雨水干扰点云。采用本申请基于神经网络判断点云特征方案可检测近距离雨滴以及飞溅水花等雨水干扰，识别速度快，识别精度高，且人工消耗量低。

技术领域

本发明涉及雨水干扰检测领域，尤其涉及一种基于神经网络的雨水干扰检测方法和装置。

背景技术

为满足当今汽车科技的需求，倒车雷达，虽具有对近距离非金属目标物的侦测能力，然而在实际使用上，却有些困扰存在，即在下雨时，倒车雷达会接收到下落雨滴或者飞溅积水反射的雷达波，还有附着在保险杆上水滴反射的雷达波，这些都有可能会产生误报失准的情况，造成驾驶人的行车困扰。

雨水干扰检测是毫米波雷达的高频研究场景。目前常采用基于CFAR(ConstantFalse Alarm Rate Detector，恒定虚警概率下的检测器)门限的方法做出判定，CFAR一般基于雷达信号能量频谱判断。

该基于CFAR门限的判定方法，一方面通过阀值判定的方法在量产车型中很难优化(如受到保险杠影响)，计算过程复杂，计算量也比较大；第二方面也容易与近距离目标发生混淆。

发明内容

有鉴于现有技术的上述缺陷，本发明提供了一种基于神经网络的雨水干扰检测方法及装置，解决了倒车雷达由于雨水干扰造成误报失准的技术问题，克服了现有技术计算量大、且容易将下落雨滴以及飞溅水花等雨水干扰，与近距离目标容易混淆的缺陷。

为实现上述目的，本发明提供了一种基于神经网络的雨水干扰检测方法，所述方法包括以下步骤：

获取车辆参数信息及雷达扫描的点云数据；所述车辆参数信息包括车辆当前速度；

基于预设的检测阈值，从所述点云数据中选取符合所述检测阈值的目标点云；所述检测阈值包括空间位置区域；

将选取出的目标点云、以及所述车辆参数信息输入训练好的雨水检测神经网络模型；

识别输出每个目标点云是否为雨水干扰点云。

进一步地，在识别出每个目标点云是否为雨水干扰点云之后还包括：

统计识别为雨水干扰点云的数量；

判断所述雨水干扰点云的数量在所述目标点云数量的占比是否达到预设的占比阈值，若是，则向所述雷达发送检测到雨水干扰的提示。

进一步地，所述检测阈值还包括：多普勒速度区间、和/或反射能量区间；所述基于预设的检测阈值，从所述点云数据中选取符合所述检测阈值的目标点云，具体包括：

从所述点云数据中选取落入预设的所述空间位置区域的点云，作为第一点云；

从所述第一点云中筛选处于预设的多普勒速度区间、和/或预设的反射能量区间的点云，作为目标点云。

进一步地，还包括训练雨水检测神经网络模型的步骤，具体包括：

采集有雨水干扰场景的点云数据及车辆参数信息；

基于预设的空间位置区域，从所述有雨水干扰场景的点云数据中选取落入所述预设的空间位置区域的点云作为初始训练样本；

识别所述初始训练样本对应的场景是否为单纯的雨水干扰场景；