基于车载4D雷达点云的深度学习网络

    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

    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。

    毫米波雷达车型分类方法
    22.
    发明公开

    公开(公告)号:CN115561750A

    公开(公告)日:2023-01-03

    申请号:CN202211074954.8

    申请日:2022-09-02

    Abstract: 本发明公开了一种毫米波雷达车型分类方法,该方法包括:采用毫米波雷达对待检测目标进行探测,以获取所测的各点迹的位置信息和速度信息,并进行预处理;构建椭圆波门模型,通过椭圆波门模型、各个点迹的位置信息和速度信息自底向上对各点迹进行聚类,得到初步分类结果;对初步分类结果中的多个目标点迹进行跟踪,形成目标航迹;根据椭圆波门模型和目标航迹对应的跟踪目标的速度信息确定关联目标组合,并通过多帧滑动窗口计算关联目标组合中的各个关联目标的潜在大车概率,将满足预设条件的各关联目标进行合并,并确定为大车类型。本发明通过车型聚类和目标跟踪结果实现车型分类,从而可有效提高车型分类的准确性。

Patent Agency Ranking