融合毫米波与激光雷达的障碍物检测与跟踪方法

在园区环境中,无人车装载单一毫米波雷达或激光雷达传感器进行障碍物检测跟踪时存在探测范围有限、准确率低及稳定性差等问题。为此,提出一种基于毫米波雷达与激光雷达融合的多障碍物检测跟踪方法。利用改进欧氏聚类算法对道路内激光点云目标进行提取,基于信息筛选策略获得毫米波雷达数据中的有效目标;基于目标检测交并比与可靠性分析,对2种目标进行自适应融合,并利用跟踪门与联合概率数据关联(JPDA)算法完成前后帧数据匹配;应用多运动模型交互与无迹卡尔曼滤波实现障碍物跟踪。实车实验表明:相比单一毫米波雷达与激光雷达障碍物检测跟踪,所提方法有更好的准确性与稳定性。

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。

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。

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%.

基于注意力机制与特征对抗学习的毫米波与激光雷达融合检测方法

自动驾驶的感知系统在目标遮挡、目标拥挤、远距离目标探测等困难场景下检测性能与可靠性有待提升。为此,提出基于Radar和Lidar数据的深度融合网络模型及对抗训练方法。首先,基于Radar回波缺乏高度和含有较大噪声的特点,设计基于鸟瞰图的联合体素划分和点云增强方法,通过空间和通道注意力的计算建立不同模态特征之间的深度信息融合结构,提升单帧目标检测性能;然后,提出基于对抗学习的多模态数据融合学习算法,提高对两种数据优势特征的利用效率。实验结果表明,所提方法在实际大型驾驶场景数据集nuScenes上达到了领先水平。

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。

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。

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%。

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。

基于改进奇异谱分析的毫米波生物雷达干扰抑制方法

针对毫米波雷达间的互扰会造成生物雷达获取的微弱生命体征信号被淹没,导致无法准确测量呼吸心跳的问题,本文提出基于改进奇异谱分析的方法抑制雷达间互扰,通过相关性计算从受扰信号中选取目标差拍信号重构以抑制干扰和消除背景噪声。进一步提出基于信息熵的集合经验模态分解方法消除差拍信号残留的相位噪声,通过信息熵计算从集合经验模态分解后的固有模态函数分量中选择呼吸和心跳信号以抑制残留噪声。实验结果表明,所提出的方法能有效地从受干扰的信号中恢复呼吸和心跳信号,提高呼吸和心跳的信噪比。因此,本文所提方法提高了生物雷达的抗干扰能力,增强了生物雷达的实用性。

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。

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。

基于时空Transformer的毫米波雷达三维人体姿态重构

深度学习技术使得从毫米波雷达捕获的人体散射信号中精确提取人体运动特征并重构三维人体姿态成为可能。然而,目前毫米波雷达人体姿态重构常采用直接将雷达图像映射到三维关节点坐标的单阶段策略,这种跨域层级映射任务使得网络在重构精度、深度信息表达及姿态连贯性上面临挑战。针对这一问题,本文提出了一种基于时空Transformer的多阶段毫米波雷达三维人体姿态重构模型(Spatial-Temporal Pose Reconstruction Transformer,STPRT),通过两阶段策略处理提高重构精度:第一阶段,构建并行多分辨率子网络从水平和垂直雷达图像中提取多尺度的二维关节点信息和空间位置特征并进行融合,随后由全连接层生成二维人体姿态坐标;第二阶段,时空Transformer通过空间注意力模块对每帧中的二维关节坐标进行高维空间特征编码,时间注意力模块捕捉姿态特征在序列帧中的时间演变,增强姿态间的深度感知和空间准确性,实现从二维姿态到三维姿态的映射提升。此外,在训练过程中引入了指数移动平均(Exponential Moving Average,EMA)策略调整梯度下降,从而提升整体映射的精确度和连贯性。在毫米波雷达公开数据集RFSkeleton3D上的验证表明,相比现有的mm-Pose和RPM模型,本模型在减少参数量的同时,将平均关节位置误差降低至7.3 cm。

基于半监督生成对抗网络的毫米波雷达跨域手势识别

基于深度学习的毫米波雷达手势识别以其免接触、保护隐私和环境依赖性低等特点受到越来越多的关注。但是目前的学习方法大都采用全监督方法,其性能受限于雷达数据的获取和标注,且其学习样本都来源于单一环境,极大的影响了不同场景下的迁移能力,因此本文提出了一种基于半监督生成对抗网络的跨域手势识别方法。首先,通过数据预处理,提取动态混合特征时间图(DFTM)以消除环境干扰,并且对手势动态特征进行更加全面的表征;其次,结合毫米波信号特点进行数据增强,进一步扩充数据量,提高模型泛化能力;第三,针对实际应用中可获得的标记数据通常较少的问题,提出并构建了一个改进半监督生成对抗网络,在原始GAN的基础上增加了分类器,通过生成数据帮助提高分类器辨别能力,同时利用源域中的少量标记数据和目标域中的大量未标记数据,实现域无关的手势识别。实验结果表明,对于新用户、新环境和新位置的平均手势识别准确率分别达到98.21%、95.23%和97.6%。与现有其他手势识别方法相比,本文所提方法在只有少量标记数据的情况下也能达到较高的跨域手势识别准确率,为后续毫米波雷达人机交互提供了新的研究思路。

基于77 GHz毫米波角雷达的天线罩优化设计方法

77 GHz毫米波雷达因其体积小和分辨率高等特点在无人驾驶车辆领域具有广阔的应用前景。天线罩作为毫米波雷达系统的重要组成部分,能有效防御恶劣环境对雷达系统工作性能的影响,但天线罩在保护雷达系统的同时会在雷达电磁波传播路径上引入介质,从而造成天线辐射性能的衰减。为了改善天线罩对雷达天线辐射性能的影响,本文提出了一种基于77 GHz毫米波角雷达天线罩的优化设计方法。该优化方法以遗传算法(GA)作为优化算法,运用MATLAB将GA与高频仿真软件HFSS结合,通过优化拱形天线罩横截面圆弧的圆心角和天线罩与天线的垂直间距,使雷达天线在其工作频段内具有高增益和低旁瓣的同时,增大天线3 dB方位面波束宽度,提高毫米波角雷达视场角的宽度。仿真结果表明,优化天线罩后阵列天线的3 dB方位面波束宽度增大了37°,工作带宽增大了1.04 GHz,俯仰面最大旁瓣降低了1.02 dB。分析结果表明,基于优化方法设计的天线罩能够有效增大毫米波角雷达阵列天线的视场角,拓宽该雷达天线阵列的工作频带,并降低其俯仰面最大旁瓣。77 GHz毫米波角雷达天线罩数值算例验证了该优化方法的有效性。