基于红外相机和毫米波雷达融合的烟雾遮挡无人驾驶车辆目标检测与跟踪

战场环境下无人驾驶车辆的感知系统易受烟雾、扬尘等天气的影响,对关键目标的检测与跟踪能力大大下降,造成目标漏检、目标误检、目标丢失等严重后果。针对该问题,开发毫米波雷达和红外相机融合系统,采用目标级融合方式建立简洁有效的融合规则,提炼和组合各传感器的优势信息,最终输出稳定的目标感知结果。对毫米波雷达的目标进行有效性检验和提取,并提出改进的基于密度的含噪声空间聚类应用算法,以减少毫米波雷达噪音干扰。以YOLOv4网络为基础,引入MobileNetv2主干网络,在网络训练过程中运用迁移学习方法,同时对红外数据样本进行扩充,解决了红外图像训练样本少的问题。试验结果表明,相较于仅基于红外相机的算法,融合检测算法在烟雾环境下的精度显著提升,且算法实时性高,实现了烟雾环境下毫米波雷达与红外相机融合的目标检测与跟踪,提高了无人驾驶车辆目标检测与跟踪系统的抗烟雾干扰能力。

AF-CenterNet:基于交叉注意力机制的毫米波雷达和相机融合的目标检测

对于自动驾驶领域而言,确保在各种天气和光照条件下精确检测其他车辆目标是至关重要的。针对单个传感器获取信息的局限性,提出一种基于cross-attention注意力机制的融合方法(AF),用于在特征层面上融合毫米波雷达和相机信息。首先,将毫米波雷达和相机进行空间对齐,并将对齐后的点云信息投影成点云图像。然后,将点云图像在高度和宽度方向上进行扩展,以提高相机图像和点云图像之间的匹配度。最后,将点云图像和相机图像送入包含AF结构的CenterNet目标检测网络中进行训练,并生成一个空间注意力权重,以增强相机中的关键特征。实验结果表明,AF结构可以提高原网络检测各种大小目标的性能,特别是对小目标的检测提升更为明显,且对系统的实时性影响不大,是提高车辆在多种场景下检测精度的理想选择。

基于毫米波雷达的非视距目标探测和定位方法研究

隐蔽非直视目标探测和定位技术在城市巷战、安防、防暴等领域具有广泛的应用。本文针对L形非视距区域内单目标的探测与定位问题进行研究。首先,对雷达布设位置及可探测区域进行了分析;其次,针对共同可探测区域,设计了多路径联合检测器;最后,基于设计的多径雷达应用系统,利用所提检测定位方法进行实验验证。与现有研究相比,本文的创新点在于:在L形非视距场景下,对宽波束毫米波雷达布设位置及可探测区域进行分析并给出合理建议;其次利用所提多路径联合检测器将不同反射面的多条路径联合使用,提高了检测性能。本文通过实验验证了系统的可靠性及雷达位置对可探测区域的影响,通过仿真与实验探究了所提检测器的性能改善。

煤矿巷道空间毫米波雷达测量特性与重建方法

【目的】煤矿井下空间测量是煤矿透明地质建模的重要组成,然而煤矿巷道环境复杂、信息获取不全、感知数据精度不足等难题亟待解决。【方法】首先,深入研究粉尘、水雾、围岩结构等复杂环境因素下毫米波雷达信号特性,建立煤矿巷道围岩毫米波信号衰减模型,对比分析复杂环境因素毫米波雷达的影响机理。其次,针对煤矿复杂环境下毫米波雷达的巷道数字建模问题,提出巷道空间毫米波雷达点云泊松表面重建方法。通过实验测试与模拟巷道环境验证,在揭示煤矿复杂环境条件下的毫米波雷达感知机理基础上,实现了煤矿巷道空间测量与数字建模重构。【结果和结论】结果表明:(1)毫米波雷达能够适应煤矿井下多粉尘、多水雾、围岩粗糙的巷道环境,为煤矿巷道空间重建提供有效数据。(2)泊松表面重建方法能够充分展示真实巷道围岩信息,重建巷道整体宽度的平均绝对误差百分比为0.59%,巷道整体高度的平均绝对误差百分比为0.78%。煤矿复杂环境下毫米波雷达空间测量特性与重建方法的研究,为煤矿井下透明地质建模提供巷道空间测量数据,对推动煤矿智能开采具有重要意义。

基于毫米波雷达的生命体征信号检测实验教学设计

为了提高学生嵌入式系统的软硬件设计能力,设计基于毫米波雷达的非接触式生命体征信号测量实验。一方面,基于调频连续波(FMCW)雷达机制,采用MATLAB进行生命体征信号建模及呼吸率与心率时频信号提取的仿真实验;另一方面,采用60 GHz毫米波雷达模块,基于STM32单片机进行系统电路设计、PCB设计与实物制作,完成参试者呼吸率及心率的数据采集与OLED显示。上位机采用Qt Creator进行软件界面与功能设计,通过蓝牙模块与单片机进行无线数据通信,以30 s为周期执行呼吸率和心率数据的读取与显示。最后,搭建测试环境,对系统功能进行验证及其设计指标的测试与评估。该实验项目与生活实际紧密相关,注重理论与实践相结合,在系统整体设计与跨平台设计中培养学生的综合实践能力与协作能力。

基于毫米波雷达的室内人员定位与跟踪实验设计

为了帮助学生深入理解雷达传感器中信号检测和估计理论知识,掌握室内人员定位与跟踪实现过程,结合信号检测与估计理论课程,设计了一个基于毫米波雷达对室内人员定位与跟踪的实验。首先采用60 GHz的毫米波雷达采集人体运动数据,对数据进行预处理后使用多维快速傅里叶变换(FFT)构建距离-多普勒频谱图,然后结合二维单元均值恒虚警率(CA-CFAR)检测算法获取人体运动的距离和速度信息,再使用多信号分类MUSIC算法估计人体的方位角,最后利用扩展卡尔曼滤波算法进行人体运动状态估计,实现目标跟踪。实验结果表明,在多人定位和跟踪上平均每帧处理时间为33.2 ms,与实际运动路径的误差为0.275 m,表现出较好的实时性和准确性。

光斑密度峰值的毫米波雷达目标检测

毫米波雷达目标检测任务是车辆环境感知的重要组成部分,对恶劣天气条件下的智能驾驶具有重要意义.虽然现有雷达目标检测方法已取得不错的研究成果,但雷达数据仍存在手工设计的特征信息量不足、特征提取不充分以及时序特征未充分利用的问题.为解决这些问题,本文提出光斑密度峰值与神经网络相融合的两阶段目标检测方法.第一个阶段光斑密度峰值聚类算法,对射频图像中的目标进行粗略估计,并生成聚类簇对应的目标候选.将聚类生成的候选目标特征融合到原始射频图像.第二阶段基于通道融合的3D自编码器目标检测网络进一步提取目标多普勒速度和时序特征并分类.实验表明,所提出的两阶段方法与基准实验RODNet(CDC)相比,平均精度指标提升4.3%,平均召回率提升2.3%.

基于度量学习的毫米波雷达少样本人体动作识别

针对目前基于毫米波雷达的人体动作识别方法普遍需要大量的样本数据且计算复杂度较高的问题,提出了一种基于度量学习的毫米波雷达少样本人体动作识别方法。该方法首先对采集到的人体动作回波信号进行背景帧差处理得到校准后的帧数据,然后对其进行二维傅里叶变换(2D-FFT)获得距离-多普勒图,再对距离-多普勒图基于速度维投影法进行逐帧拼接来构造微多普勒时频谱图(DTM),最后使用基于残差的度量学习原型网络对8类人体动作的微多普勒时频谱图进行训练验证,实现了人体不同动作的识别。实验结果表明,所提方法在只有30个训练样本的情况下,8类动作的平均识别准确率可达到99.05%。

毫米波雷达非视域目标检测

基于77 GHz调频连续波雷达,提出了一种在非视域环境下利用电磁波的多径效应从而实现人体目标检测的方法。首先,建立一个多径传播模型,并通过深入分析该模型,提出了一种有效的二维坐标点云生成方法。为了提高波达方向的测量精度,并满足实时性要求,提出了一种基于最小方差无畸变的改进方法来估计目标的波达方向,这一方法通过迭代求逆运算,显著地降低了运算复杂度。然后,针对多余的静止杂波,引入了主成分分析的杂波抑制手段,通过对回波数据的主成分分析,滤除了第一个主成分并重构数据,以达到杂波抑制的效果。最后,实验结果表明,所提方法可以准确地检测雷达视线外的目标。这一研究为未来的雷达技术应用提供了新的思路和技术支持,特别是在安全监控和自动驾驶等领域。

机器学习的高精度毫米波雷达测距信号误差补偿方法

毫米波雷达是一种常用的非接触式测距技术,受环境因素以及测量过程中存在的各种误差影响,测距结果可能存在一定的误差。研究误差补偿方法可以有效提高毫米波雷达的测距精度,从而更准确地获取目标物体的距离信息。为此,提出了机器学习的高精度毫米波雷达测距信号误差补偿方法。通过高斯滤波器去除雷达测距信号中的噪声,完成信号的去噪处理。利用模拟插入脉冲计数法和四象限光斑定位法,测量目标物体的距离和角度信息,通过自适应惯性权重与收敛因子优化粒子群算法,并利用优化后的粒子群算法改进BP神经网络,将测量的距离和角度信息输入到改进的BP神经网络中展开训练,即可得到补偿后的雷达测距信号。实验结果表明,该方法的信号处理效果好,补偿后的毫米波雷达测距信号方位角和俯仰角误差接近于0,且信号平滑度较高。

基于毫米波雷达点云数据的室内人员信息检测

在使用毫米波雷达进行室内人员信息检测时,其信号处理阶段采用的静态杂波滤除算法有效地滤除了检测区域中包括墙壁、地面、桌椅等在内的静止目标,实现了对运动人员的检测,但同时会导致静止人员被漏检.为此提出按照径向速度把点云数据划分为动态数据和静态数据,先剔除动态数据,然后累积剩余的静态数据.在达到指定的累积帧数时,进行密度聚类,以簇的数量作为人员的数量,簇的中心坐标作为人员的位置.通过实验,验证了所提出方法的有效性,在室内办公场景下,人员数量统计平均绝对误差为0.81,人员位置估计均方根误差为0.1 m.

基于纯自注意力机制的毫米波雷达手势识别

在构建智慧控制,万物互联的背景下,通过手势远程控制设备,进行人机交互逐渐成为研究热点。对此,提出了一种以毫米波雷达为传感器,采用基于纯自注意力机制模型实现手势识别的方法。首先,采集正面视角的13类手势的时序回波数据。接着,对数据进行三维快速傅里叶变换(three-dimension fast Fourier transform,3D-FFT)、动目标显示(moving target indication,MTI)、恒虚警率(constant false alarm rate,CFAR)检测操作并进行固定种类特征提取,将这些特征传入基于纯自注意力机制网络的雷达特征变换(radar feature transformer,RFT)网络。最后,基于实测数据完成了数据特征提取、网络训练、手势识别等步骤。实验结果表明,所提方法在测试集上准确率达到95.38%,网络训练时间短,模型复杂度低,泛化性好,为现有研究提供了新的研究思路。

基于特征融合的毫米波雷达行为识别算法

基于毫米波雷达的人体行为识别方法以远程非接触的方式捕获人类活动的电磁波信号并进行识别,不受烟雾和光线等的干扰,具有一定的隐私保护性,是当前的一个研究热点。针对现有的算法存在特征输入单一、模型结构复杂、泛化能力验证性不够等问题,提出了基于双分支特征融合卷积神经网络(Two Steam Features Fusion Convolutional Neural Network,2S-FCNN),使用搭载注意力机制的残差神经网络作为骨干网络,并行输入时间距离图和时间速度图,采用特征加权分数融合的方式融合特征后进行分类识别,实现了较高的识别准确率。在公开数据集和自建数据集上与现有的其他算法进行了深入的对比实验,实验结果表明所提算法在识别率和泛化能力方面都具有良好的性能。

基于注意力机制CNN-LSTM的毫米波雷达点云特征数据预测生成

在智能驾驶的环境感知领域,毫米波雷达是一种关键的传感器技术。然而,因数据量有限,其特征数据的采集具有一定的挑战性,这限制了环境感知分类模型的训练效果。针对这一难题,提出了一种融合自注意力机制的卷积长短期记忆网络模型,旨在预测并生成毫米波雷达点云的特征数据,以此来扩展雷达特征数据集。首先采集道路目标的运动状态数据,对数据进行二维快速傅里叶变换、恒虚警率检测,并利用多输入多输出(Multiple-Input Multiple-Output,MIMO)技术提升方位分辨率;接着执行点云聚类及特征提取;最后采用含注意力机制的卷积长短期记忆网络对特征数据进行进一步处理与预测。在真实采集的3类道路目标数据集上,与其他模型相比,该方法在不同道路目标运动特征的预测R^(2)上提高了1%~7%。

基片集成波导馈电的毫米波雷达阵列天线

为了满足毫米波雷达的应用需求,本文设计了一款工作于24 GHz的毫米波雷达阵列天线。该天线由八个1×8单元的微带串馈直线阵列组成平面阵列,每一个线阵采用中心馈电的形式,解决了传统串馈阵列波束偏离阵列法线的问题。同时,利用基片集成波导设计了低损耗的馈电网络,且将馈电网络和辐射贴片排布为两层,大大减小了天线的平面尺寸。此外,本设计中还利用泰勒综合法优化设计了阵列单元的宽度和功分器的分配比例,从而同时优化了天线E面和H面的旁瓣电平。测试结果表明,天线在23.7 GHz~24.2 GHz的频带内|S11|<-10 dB,相对带宽约为2.1%,最大增益为21.1 dB。天线在电场面旁瓣电平小于-20 dB,磁场面小于-23 dB,整体效率约为69%。

基于毫米波雷达的近邻目标聚类和跟踪

为解决毫米波雷达在对多目标跟踪时目标近邻聚类失败导致的目标数目低估和跟踪精度下降问题,提出一种基于概率假设密度(probability hypothesis density,PHD)滤波器的量测集联合划分方法。利用带噪声密度空间聚类(density based spatial clustering of applications with noise,DBSCAN)算法对采集到的量测集进行初步划分。通过PHD滤波器的预测值判断初步划分的点云簇是否存在重叠簇。针对重叠簇,利用滤波器预测值改进高斯混合模型(Gaussian mixed model,GMM)聚类算法并进行子划分。在仿真和实际环境中进行算法测试,仿真结果表明,所提算法能正确划分并跟踪近邻的目标,相比其他算法具有更好的跟踪精度。实测结果进一步验证了该算法能够成功识别近邻目标数量并跟踪,具有一定的工程实践意义。

基于毫米波雷达的无人驾驶电动汽车换道动态避障控制方法

无人驾驶电动汽车在换道行驶中,难以细致地衡量道路中障碍物的移动状态,从而导致规划后的避障路线不够准确,可能会发生交通事故;对此,提出基于毫米波雷达的无人驾驶电动汽车换道动态避障控制方法;利用电动汽车内置的传感器设备,检测无人驾驶电动汽车的行驶状态和道路环境,判断电动汽车是否满足换道条件;综合考虑电动汽车和动态障碍物的移动状态,对无人驾驶电动汽车换道行为进行决策;采用毫米波雷达技术,设计动态避障控制器,根据决策结果规划换道避障路线,生成控制指令,实现无人驾驶电动汽车换道动态避障控制;通过效果测试实验得出结论:毫米波雷达技术的测量误差能够控制在0.1以内,位置控制误差和碰撞风险明显降低,具有更优的控制效果。

毫米波雷达在地下矿井结构三维重建中的应用研究

毫米波雷达技术具有潜在的广泛应用前景,包括高精度三维地下地图制作、矿井安全性提升、勘探效率提高、无须开挖的地质信息获取以及自主导航与定位的潜力。然而,使用毫米波雷达技术也面临着多重挑战,如复杂地质条件下的性能限制、信号穿透性问题、数据处理与解释难题、成本与设备维护以及隐私和法规问题。为了克服这些挑战,提出了技术改进、数据处理工具开发、成本效益分析与资源管理、合规性和隐私保护等解决方法。最后,展望了毫米波雷达技术在地下矿井领域的未来发展前景,强调其在提高矿业行业效率和安全性方面的潜力。

融合毫米波雷达和视频技术的多维目标检测系统

文章提出了一种基于毫米波雷达和视频技术的多维目标检测系统,旨在通过融合2种传感器的优势来提升目标检测的准确性、鲁棒性和全面性。该系统利用毫米波雷达的精确测距、测速和测角能力,结合视频传感器丰富的颜色、尺寸和轮廓信息,实现了对复杂环境中目标的多维度感知与检测。通过时空同步、目标匹配和融合决策算法,该系统有效降低了目标的漏检率和误检率,为智慧交通、自动驾驶、智慧城市等领域提供了可靠的环境感知解决方案。

毫米波雷达点云聚类自适应的实时目标定位算法

针对传统毫米波雷达点云数据处理与分析算法存在效率低、实时性较差的问题,提出了毫米波雷达点云聚类自适应的实时目标定位算法,提升了点云数据处理的实时性。该算法可有效提升对复杂背景下地面目标的检测、识别,同时对比图像与激光点云融合的实时目标定位算法,实时性更高,具有明显优势。