-
公开(公告)号：CN116973857A
公开(公告)日：2023-10-31
申请号：CN202310836833.0
申请日：2023-07-07
Applicant: 上海无线电设备研究所 , 上海神添实业有限公司
Abstract: 本发明公开了一种雷达与视觉检测在线联合标定方法，包括步骤：S1、检测视频图像中的车辆目标并构造3D边界框，获取目标轨迹信息后提取第一消失点和第二消失点；S2、根据相机向世界坐标系的外参矩阵将图像像素点映射到世界坐标系；S3、基于世界坐标系目标数据和毫米波雷达目标数据，采用椭圆关联门和KNN算法找到毫米波雷达目标和视觉目标的匹配点；S4、在毫米波雷达目标和视觉目标的匹配点的基础上，采用PnP原理和最小化重投影误差优化相机相对于雷达外参；该方法能够自动地确定图像坐标系与毫米波雷达坐标系的转换关系，且毫米波雷达和相机能够部署在道路上方的任意位置，该方法只利用道路的车辆目标，并不依赖于车道线、路牌等参照物实现标定。
-
公开(公告)号：CN119199833A
公开(公告)日：2024-12-27
申请号：CN202411325507.4
申请日：2024-09-23
Applicant: 上海无线电设备研究所
Abstract: 本发明公开了一种双目视觉‑毫米波雷达多要素联合探测方法，包括：构建视觉监测组件，并利用学习网络进行区域内目标检测，并基于多目标跟踪算法进行视觉目标跟踪，得到视觉目标轨迹；目标回波信号经过雷达信号处理算法处理后生成目标点迹，并基于联合概率数据关联算法和卡尔曼滤波算法，实现雷达目标的跟踪和预测，得到雷达目标轨迹；根据所述视觉目标轨迹、所述雷达目标轨迹，建立多级约束关联算法，构建特征级深层次融合框架。本发明实现对雷达、双目视觉目标数据的进行深度融合，增强雷达‑双目视觉融合系统的感知覆盖范围和信息稳定性。
-
公开(公告)号：CN116778290A
公开(公告)日：2023-09-19
申请号：CN202310734115.2
申请日：2023-06-20
Applicant: 上海无线电设备研究所
Abstract: 本发明提供一种基于深度学习算法的雷达视觉数据关联方法，包含步骤：S1、获取当前雷达目标轨迹、视觉图像帧，历史融合轨迹；S2、将当前视觉图像帧输入CenterFusion网络中，得到视觉检测识别的视觉目标检测框，基于空间同步反投影机制获得视觉目标在雷达坐标系下的位置；S3、计算雷达目标与视觉目标的运动、尺度、外观相似度，并为各相似度预设对应的权重系数，得到第一关联相似度；S4、基于历史融合轨迹和雷达、视觉目标进行二次匹配，滤除虚警目标；S5、基于视觉目标尺寸更新上述权重系数，得到雷达目标、视觉目标的第二关联相似度，建立对应的雷达‑视觉关联对，更新历史融合轨迹；进入下一时刻，重复步骤S1至S5。
-
公开(公告)号：CN115932830A
公开(公告)日：2023-04-07
申请号：CN202211572275.3
申请日：2022-12-08
Applicant: 上海无线电设备研究所
IPC: G01S13/66 , G06V10/147 , G06V10/80 , G01S13/86 , G01S7/41
Abstract: 本发明涉及一种雷达与视频目标自适应关联方法，包含以下步骤：步骤1，利用雷达目标跟踪技术和视频实时AI识别跟踪技术分别生成雷达航迹、视频航迹；步骤2，对雷达航迹、视频航迹分别均进行时间插值和空间同步；步骤3，将航迹数据关联阶段分为关联期和检查期，根据航迹数据生成关联质量因子Lij并进行质量因子更新；步骤4，对关联质量因子进行粗筛选，得到航迹关联矩阵；步骤5，筛选最优关联关系；步骤6，在检查期，对雷达、视频的全部航迹进行遍历关联匹配判断，生成全关联矩阵。本发明对雷达、视频目标数据的准确关联，增强雷达与视频融合系统的感知准确性、稳定性，同时提升关联处理的实时性，方法具备多重优势。
-
公开(公告)号：CN115685208A
公开(公告)日：2023-02-03
申请号：CN202211188773.8
申请日：2022-09-27
Applicant: 上海无线电设备研究所
IPC: G01S13/931 , G01S7/02
Abstract: 本发明涉及一种高分辨率成像雷达阵列设计方法，所述成像雷达具有多个发射阵元和多个接收阵元，包含以下步骤：设置可供多个天线阵元排布的二维区域；根据不模糊测角范围设置方位和俯仰两个方向的栅格间隔，将二维区域分割成二维网格化的区域；限定天线阵元放置区域及区域内的天线阵元个数；采用粒子群优化算法，对二维网格化的区域的发射阵元和接收阵元位置分布进行MIMO虚拟，形成虚拟二维阵列，并预设虚拟二维阵列目标最高旁瓣值不大于T0，以阵列方向图的最高旁瓣为目标函数优化发射和接收阵元位置。采用本申请方法设计的成像雷达具有成本低，分辨率高，旁瓣值低等优点。
-
Patent Agency Ranking
公开(公告)号：CN115683089A
公开(公告)日：2023-02-03
申请号：CN202211347359.7
申请日：2022-10-31
Applicant: 上海无线电设备研究所
Abstract: 本发明公开了一种雷达与视觉航迹预测及修正方法，该方法包括：获取雷达航迹数据和视觉航迹数据，并将雷达航迹数据和视觉航迹数据进行数据关联得到数据关联组；根据数据关联组判定融合航迹起始，并生成融合航迹结构化数据；根据融合航迹结构化数据确定融合航迹；对融合航迹进行检测和航迹修正。本发明能够形成多目标探测合力，提高目标跟踪精度和目标身份一致性，并可应用于复杂交通环境路端感知、城市环境无人机多目标监控等场景。
-
公开(公告)号：CN119296049A
公开(公告)日：2025-01-10
申请号：CN202411227662.2
申请日：2024-09-03
Applicant: 上海无线电设备研究所
Abstract: 本发明公开了一种交通目标识别优化方法，包含：S1：道路区域识别，即采集高清交通监控图像，使用车道检测算法识别该监控图像中的道路区域中的车道线；S2：道路区域切割，即基于步骤S1，将道路区域图像切割成若干个比例相等的道路子图像；S3：道路子图像重组，即将步骤S2得到的道路子图像进行缩放并重组，生成适于目标识别模型处理的重组图像；S4：交通目标检测与处理，即将重组图像输入到目标识别模型，得到目标检测框，并去除目标检测框中的重复检测部分，得到最终交通目标。本发明针对小目标检测识别性能差、处理延时等问题，提出了优化方法，可提升目标识别模型的准确率和效率，为交通监控系统提供了一种高效且可靠的目标检测解决方案。
-
公开(公告)号：CN117111065A
公开(公告)日：2023-11-24
申请号：CN202310998824.1
申请日：2023-08-09
Applicant: 上海无线电设备研究所
IPC: G01S13/931 , G01S13/58 , G01S13/62 , G01S3/14
Abstract: 一种二维阵列快速角度估计方法，对于一个具有N个发射和M个接收的成像雷达，经过MIMO通道虚拟后形成二维测角阵列，二维测角范围水平为±θ和俯仰为 测角间隔分别为Δθ和 通过天线设计将二维角度估计的水平角度和俯仰角度分别限定在水平±θ和俯仰 内，选取阵列占有最大水平阵面口径的虚拟天线阵列作为阵列主轴，通过阵列主轴进行角度估计得到目标水平角度θb和最大水平角度偏差θμ，将θb±θμ作为先验值输入进行二维角度估计得到真实目标的水平和俯仰角度。本发明降低了算法复杂度，提升了计算速度。
-
公开(公告)号：CN117092652A
公开(公告)日：2023-11-21
申请号：CN202311072804.8
申请日：2023-08-23
Applicant: 上海无线电设备研究所
Abstract: 一种基于径向基函数网络的双雷达测速方法，采用具有固定高度差的两个雷达分别独立采集列车运行数据，将采集到的距离测量值R、目标径向速度值vd以及俯仰角测量值E输入训练好的径向基函数网络，径向基函数网络输出测量距离误差的补偿值ΔR和俯仰角的补偿值ΔE，利用补偿值来校正距离和俯仰角的测量值，得到校正后的距离值R'和俯仰角值E'，根据校正后的距离值R'进行雷达高度h的校准，利用校正后的距离值R'和校准后的雷达高度h计算得到精确的列车运行速度v。本发明显著提高了测速的精确性和稳定性。
-
公开(公告)号：CN115761432A
公开(公告)日：2023-03-07
申请号：CN202211176530.2
申请日：2022-09-26
Applicant: 上海无线电设备研究所
IPC: G06V10/82 , G06V10/764 , G06V10/26 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于车载4D雷达点云的深度学习网络，包含以下步骤：S1、采集场景数据以形成4D雷达点云数据集，并划分为训练集、验证集及测试集；S2、将训练集中场景点云数据划分为多个空间区域，并通过密度感知PointRCNN网络学习不同空间区域内的点云分布特征；S3、逐点学习点的全局语义特征，搜索遍历空间区域后从输入点云中分割出前景点，并生成3D提议框，以估计车辆目标位置与尺寸；S4、通过局部坐标转换学习局部特征，优化3D提议框的位置和方向，从而生成检测车辆目标的3D边界框；S5、设置网络损失函数，并结合验证集训练密度感知PointRCNN网络模型直至其收敛。本发明可以获得更稳健的网络模型和更强的目标检测能力。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.034 seconds)
