基于4D毫米波雷达点云的多目标跟踪算法

目前智能空调的研究主要基于视觉或红外传感器,基于单个4D毫米波雷达的相对较少。采用单个4D毫米波雷达传感器采集数据,根据不同目标反射点位置的不同提出了密度聚类(Density-Based Spatial Clustering of Application with Noise,DBSCAN)算法实现目标的聚类识别,并与K均值(K-means)聚类算法进行了效果对比。针对多目标跟踪问题,设计了一种基于联合概率数据关联算法(Joint Probabilistic Data Association,JPDA)和卡尔曼滤波(Kalman Filter,KF)的目标跟踪算法,从而实现多目标的匹配和跟踪。将所研究的算法应用到4D毫米波雷达系统,并在室内采集了行人目标数据,分析对比实际场景和算法跟踪效果,误差大约在8 cm内,准确率可达91.8%。结果表明:该算法可以较好地实现多目标跟踪,可用于智能空调中。

基于雷达自动目标识别技术的反无人机雷达

面对“低慢小”(Low Slow Small, LSS)无人机威胁挑战,反无人机雷达的关键作用日益凸显。在反无人机系统(Countering-Unmanned Aerial Systems, C-UAS)技术中,反无人机雷达作为C-UAS的核心传感器,承担着关键任务,包括探测和导引等。尽管其重要性显而易见,反无人机雷达设计仍然存在概念上的不清晰,例如如何定义LSS无人机目标,以及为何众多反无人机雷达难以探测无人机等问题。通过探讨雷达自动目标识别(Automatic Target Recognition, ATR)技术在反无人机雷达中的应用,从目标特性和探测技术2个方面明确了关键问题。强调了雷达探测的独立过程,将其分为“信号检测”和“目标识别”,并指出反无人机雷达的主要探测对象是LSS无人机目标。ATR性能等级被明确定义,涵盖了“Detection探测”“Classification分类”“Identification识别”“Description描述”4个等级。整合ATR功能显著提升了无人机的探测距离和识别能力,推动了反无人机雷达系统的性能升级。

毫米波雷达技术前景分析

通过对毫米波雷达技术各关键技术的发展现状、发展趋势,以及中国与外国在毫米波雷达技术领域的最新发展动态进行分析,指出了毫米波雷达的技术优势和局限性,提出了毫米波雷达未来发展的方向,并探索4D毫米波雷达的技术方向,以供科研人员和专业技术人员参考。

基于雷视融合的数字高速公路感知系统设计及关键技术研究

基于雷视融合的交通感知系统成为当前数字高速公路建设的主流方案。本文对雷视融合交通感知系统的总体框架进行了设计,并提供了多场景适配的感知设备部署方案,对该感知系统中核心功能进行了简要说明。同时对系统中雷视融合检测、车辆轨迹拼接两大关键技术进行了阐述。最后结合工程实践应用,对该套感知系统的应用效果进行了介绍。本文系统采用了4D成像雷达结合枪机、球机视频检测设备,解决了精细化感知能力不足,实时连续感知能力偏弱、监测人力投入大等问题,从架构上为高速公路数字化建设和车路协同自动驾驶的落实提供了可靠性解决方案。