基于角毫米波雷达的目标筛选

 

 

郭蓬　何佳　刘修知　张正奇　唐风敏

摘 要：随着ADAS系统在汽车领域的普及，基于角毫米波雷达的ADAS系统由于其成本低、环境适应能力强被广泛应用。其中，使用角毫米波雷达的盲区监测系统能够有效辅助驾驶员对车辆周围环境的感知。根据24GHz角毫米波雷达的特性，使用2个角毫米波雷达对驾驶员盲區进行辅助监控，建立基于角毫米波雷达的盲区监测系统。而毫米波雷达输出目标存在一定的误检，文章使用角毫米波雷达连续5帧数据，建立反馈目标值运动模型，对目标位置数据进行更新，使用K-means算法对检测目标数据进行聚类，使用聚类结果判断检测目标是否真实存在，以消除毫米波雷达的误检，从而实现角毫米波雷达的目标筛选。Key：角毫米波雷达;盲区监测;目标数据：V323  ：B  ：1671-7988（2020）11-26-03

Abstract： With the popularity of ADAS system in the field of automobile， ADAS system based on the angular radar is widely used because of its low cost and strong adaptability to the environment. Among them， the blind area monitoring system using the angular radar can effectively assist the driver to perceive the surrounding environment of the vehicle. According to the characteristics of the 24 GHz angular radar， two angular radar are used to assist the driver's blind area monitoring， and a blind area monitoring system based on the angular radar is established. However， The output target of angular radar has some false detection. In this paper， use the five consecutive frames of angular radar data to establish the motion model of the feedback target value， update the target position data， use k-means algorithm to cluster the detected target data， and use the clustering results to judge whether the detected target is real， so as to eliminate the false detection of angular radar， so as to realize the target selection of angular radar.Keywords： Angular radar; Blind area monitoring; Target dataCLC NO.： V323  Document Code： B  Article ID： 1671-7988（2020）11-26-03

1 引言

由于车辆的自身结构不可避免的形成驾驶员视觉盲区，驾驶员视觉盲区主要分为车头盲区、车尾盲区、车底盲区、后视镜盲区、AB柱盲区以及转弯盲区[1-2]。在驾驶员驾驶汽车的过程中，如果在驾驶员盲区突然出现行人或者车辆，其行人或车辆突然靠进驾驶员驾驶的车辆时，由于驾驶员不能发现靠近的行人或车辆，其驾驶员不能有效的采取相关处理措施，可能发生重大的交通事故，为保证驾驶员的驾驶安全，减少驾驶员的视觉盲区，当前市场存在较多的辅助驾驶功能，以有效的监测驾驶员视觉盲区的驶行工况，具有盲区监测系统的具有代

性的车型有：凯迪拉克ATS-L、标致408、沃尔沃S60L、奔驰C级、凯美瑞、奥迪A4L、宝马等[3-5]，图1为宝马盲点检测系统示意图。

毫米波雷达作为目前最成熟的车载传感器，具有良好的可靠性和天气适应性。按照探测距离可划分为短距离、中距离、长距离毫米波雷达，按照频段可划分为24GHz和77GHz两种毫米波雷达，77GHz毫米波雷达角分辨率比24GHz高，24GHz毫米波雷达和77GHz毫米波雷达参数如表1所示：

2 基于毫米波雷达的目标筛选

在车辆车身侧后方安装两个角毫米波雷达，安装示意图如图2所示，盲区检测系统控制器连接车辆动力CAN和两个毫米波雷达传感器，结合车辆信息和毫米波雷达实时数据进行车辆侧后方环境判断。毫米波雷达可提供的数据包含被检测车辆的位置信息和与本车之间的相对速度信息。然而由于角毫米波雷达数据的误检问

，常常存在虚假的目标检测结果，为提高毫米波雷达反馈目标数据的可靠性，生产制造商通过相关算法对反馈结果进行初步的数据处理，然而，其处理效果仍达不到可直接使用的效果[6-9]。在盲区监测控制器算法开发端，软件工程师需要提出相应的算法对目标数据进行筛选，保证目标的真实存在性。当前主流的盲区监测系统需要根据车辆的行驶速度进行开启和关闭，当车速大于设置值（如15km/h）时系统激活，在短时间内可假设后方车辆处于匀速运动状态，且本车前轮转角可忽略不计，从而可有效的对毫米波雷达输出目标结果进行跟踪，以删除误检目标。

设当前t时刻角毫米波雷达检测目标数据集为Qt，t-1时刻角毫米波雷达检测目标数据集为Qt-1，以此类推，在t时刻时，对毫米波雷达目标数据进行判断，需综合考虑历史4帧毫米波雷达数据，即综合

（Qt-4， Qt-3， Qt-2， Qt-1， Qt）的毫米波雷達数据，以当前t时刻建立局部坐标系，角毫米波雷达的数据刷新周期一般为40ms，在数据集（Qt-4， Qt-3， Qt-2， Qt-1， Qt）间，总共经过5个毫米波雷达数据采集周期，大约200ms，假设在200ms周期内，本车的前轮转角很小，忽略不计，数据集Qt-4的所有目标为匀速运动，则可根据数据集Q4所有检测目标的相对纵向距离和相对车速，求得t时刻时，所有t-4时刻数据集Qt-4可能存在的位置，生成新的虚拟目标数据集Q't-4，同理，对t-3、t-2、t-1时刻的目标数据集进行求解，得到新的虚拟目标数据集Q't-3、Q't-2、Q't-1，其含义如图3所示，以安装毫米波雷达的本车后保险杠中心为原点，以汽车纵轴向后为坐标系的X轴，以汽车右侧为坐标系Y轴，从而确定不同时刻的毫米波雷达目标位置。

虚拟目标数据集每一个目标数据根据相应的时刻对目标数据进行更新，其更新的位置信息为：

式1-4中T为毫米波雷达数据刷新时间周期，Qt-4（qi）x为t-4时刻时，毫米波雷达反馈第i个目标qi相对于本车的纵向距离，Qt-4（qi）y为t-4时刻时，毫米波雷达反馈第i个目标qi相对于本车的横向距离;Q't-4（qi）v为t-4时刻时，毫米波雷达反馈第i个目标qi相对于本车的相对速度，Qt-4（qi）x为t时刻时，t-4时刻的毫米波雷达目标qi经过4T时间后，目标qi相对于本车的可能纵向距离，Q't-4（qi）y为t时刻时，t-4时刻的毫米波雷达目标qi经过4T时间后，目标qi相对于本车的可能横向距离，其它变量含义以此类推。t时刻时，根据毫米波雷达目标数据集{Q't-4， Q't-3， Q't-2， Q't-1， Qt}，使用目标数据点集之间的相对位置关系，如图4所示，对目标点集进行聚类，使用K-means算法计算可能存在的数据聚类族，当一个数据聚类结果中，目标数据点集小于4时，说明一个目标在在连续5帧毫米波雷达数据采集时，没有被时刻检测到，本文根据实车试验经验，将此类数据直接删除;当数据聚类结果大于等于4时，说明存在一个目标被时刻检测到，其目标真实存在。设t时刻存在n个数据聚类族中目标点集个数大于等于4，数据聚类族为{P1， P2，…， Pn}，计算每一个数据聚类族中点集的中心坐标，中心坐标如下：

式5中Pij-x为数据聚类族中目标点集的相对本车纵向距离，Pij-y为数据聚类族中目标点集的相对本车横向距离，Pij-v为数据聚类族中目标点集的相对本车的相对速度，m为数据聚类组中目标点个数。（ xi，yi，vi ）为t时刻时，根据聚类结果，筛选掉虚假目标，得到的真实存在的毫米波雷达检测目标参数。

根据式5组合成一个新的毫米波雷达目标Hi（xi，yi，vi ），在t时刻，得到一个新的毫米波雷达监测结果Ht（H1， H2，…， Hi，…， Hn}。从而有效的滤除毫米波雷达误检值，为后续的盲区预警奠定基础。

图4  角毫米波雷达数据聚类示意图

根据聚类结果，将如图4所示的多帧毫米波雷达检测值进行聚类，得到如图4所示的聚类族，从而有效的将不能被连续多帧检测到的毫米波雷达检测值滤除，有效的保证毫米波雷达目标值的有效性。

3 实车测试与结论

为实现对角毫米波雷达的目标筛选，开发如图5所示的角毫米波雷达测试软件，软件能采集车辆周围的实时视频，

角毫米波雷达数据以及车辆CAN数据。

实车试验结果表明，统计100公里实车测试情况下，且在不同的交通场景，经过目标跟踪后的目标值有效性提高率，统计数据如表2所示：

实车试验结果表明，使用角毫米波雷达连续5帧数据，对反馈目标位置数据进行更新，使用K-means算法对角毫米波雷达数据进行聚类后，目标值有效性在不同场景下都有效的提高，能够保证处理后的目标数据更接近真实场景中的目标数据。

Reference

[1] 刘保祥.基于毫米波雷达的汽车盲区监测系统研究[J].北京汽车， 2019（05）：21-23+34.

[2] 唐志祥，费成，顾静波，张建飞.汽车行车盲区实时监测系统的

[J].电脑知识与技术，2013，9（05）：1196-1197.

[3] 张兢，张莉楠，李小红，李岳.24GHz MFSK车载雷达盲区监测系统设计[J].火控雷达技术，2019，48（03）：13-17.

[4] 孙元峰.一种基于毫米波雷达的汽车盲区监测系统开发及测试应用[J].电子技术与软件工程，2019（11）：126-128.

[5] 孙会明.基于毫米波雷达的汽车开门防撞预警关键技术研究[D].扬州大学，2018.

[6] 赵顾淇，王学洋，张旭东，鄧金阳，韩锐.汽车列车右转弯盲区辅助监测系统的设计[J].林业机械与木工设备，2019，47（08）：40-42.

[7] 李艺.盲区监测系统的场地测试评价方法研究[C].中国汽车工程学会（China Society of Automotive Engineers）.2018中国汽车工程学会年会

集.中国汽车工程学会（China Society of Automo -tive Engineers）：中国汽车工程学会，2018：146-151.

[8] 李华俊.盲区监测变道辅助系统标定方法的研究[J].汽车电器， 2017（09）：7-11.

[9] 张正轩.重卡驾驶员视野盲区监控系统研究[D].长安大学，2017. 02.

 

-全文完-