論文推薦 | 基於歐氏距離的無人艇載毫米波雷達點跡凝聚方法

2021-03-01 水下無人系統學報

為驗證PCBED法在工程應用中的有效性, 通過實船試驗, 選取多個不同試驗場景, 並採用PCBED法(方法1)和常用的基於DBSCAN聚類的點跡凝聚方法(方法2)分別對各試驗場景獲取的目標點跡數據進行二次處理, 對比分析文中方法應用於障礙目標檢測的有效性和準確性。

2.1  試驗準備及過程

該試驗在1~2級海況下進行, 地點為青島膠州灣海域, 共有4處試驗場景。3種被測目標分別為: 小型皮划艇、小型漁船和大型輪船。試驗中, 為使雷達保持穩定, 保證試驗數據的可靠性, 試驗船以低速行駛靠近被測目標, 獲取檢測數據。經調研, 試驗選用德國 Continental公司的ARS408-21型77 GHz長距離毫米波雷達。該雷達採用快斜率調頻連續波體制, 檢測範圍可達200 m(20º~120º), 測距精度為0.1~0.4 m, 檢測周期為70 ms。將毫米波雷達安裝於船艏位置, 距海平面高度約1.5 m, 通過計算機控制毫米波雷達開啟, 獲取各試驗場景中本船前方障礙目標點跡信息並進行實時處理。

試驗前對方法中涉及的各個閾值參數進行設定: 根據雷達性能說明書設置Rmin0=0, Rmax0=200, Amin0=-60, Amax0=60, Vmin0=-40, Vmax0=25, N0=3, 其中速度值的正負分別代表目標遠離和靠近; 考慮無人艇避碰安全距離等因素設置W0=3。RCS0設置過小會導致濾除效果較差, 過大容易造成漏檢, 因此對其進行合理設定最為關鍵。在車載雷達中RCS0參考值為0, 即RCS值正負分別代表點跡有效和無效。但海上障礙目標類型、材質等更加多樣複雜, 採用該值相對過大, 易濾除有效點跡, 造成漏檢。因此從各類目標中分別隨機選取若干不同目標的300個點跡, 統計其RCS值分布情況, 如表1所示。

表1  海面障礙目標RCS值分布表

顯然, 各類目標點跡的RCS值基本大於–10 dBsm, 因此設置RCS0=–10 dBsm。

2.2  試驗結果

在4個試驗場景的檢測結果中均存在以下問題: 儘管試驗船低速行駛, 行駛過程中仍不可避免地產生俯仰運動, 導致毫米波雷達會檢測到海面並將其誤識別為目標, 從而檢測結果存在無效目標點跡, 同時, 受雷達解析度等因素影響, 有效目標會被分裂為多個目標點跡。以2種點跡凝聚方法分別對4處試驗場景獲取的目標點跡數據進行凝聚處理, 具體結果如下。

1) 試驗一: 被測目標為前方70 m外一艘小型皮划艇, 試驗船與其相對徑向速度約為–2 m/s, 試驗場景及雷達原始目標點跡如圖2所示。

圖2  試驗一場景及雷達原始目標點跡圖

通過圖2可以看出, 被測目標在原始目標點跡圖中表現為6個點跡, 圖中存在3個無效目標點跡, 分別採用2種點跡凝聚方法對本幀數據進行處理, 效果如圖3所示。通過2種點跡凝聚方法所得目標信息如表2所示。

圖3  試驗一數據處理效果圖

表2  試驗一計算所得目標信息

通過對比試驗結果可知, 2種方法均對目標信息進行較為準確的計算, 而方法1可獲取目標最近距離、最高速度以及目標寬度等信息, 能夠在無人艇進行自主避碰時進一步提高安全性。

2) 試驗二: 被測目標為前方15 m以外一艘小型漁船, 本船與其相對徑向速度約為–1 m/s試驗場景及雷達原始目標點跡如圖4所示。

圖4  試驗二場景及雷達原始目標點跡圖

圖5  試驗二數據處理效果圖

通過圖4可以看出, 原始目標點跡圖中除目標船返回的4個點跡外, 還存在大量無效目標點跡, 分別採用2種點跡凝聚方法對本幀數據進行處理, 效果如圖5所示。通過2種點跡凝聚方法所得目標信息如表3所示。通過對比試驗結果可知, 方法2所得的目標1實際為虛假目標, 而針對虛警問題, 方法1通過數據預處理及聚類後刪除離散點跡雙重處理, 有效濾出了虛假目標。

3) 試驗三: 被測目標為前方80 m以外一艘大型輪船, 試驗船與其相對徑向速度約為–2 m/s試驗場景及雷達原始目標點跡如圖6所示。

表3  試驗二計算所得目標信息

通過圖6可以看出, 被測大型輪船返回了大量點跡, 分別採用2種點跡凝聚方法對本幀數據進行處理, 效果如圖7所示。通過2種點跡凝聚方法所得目標信息如表4所示。

圖6  試驗三場景及雷達原始目標點跡圖

圖7  試驗三數據處理效果圖

表4  試驗三計算所得目標信息

通過試驗結果可知, 相對方法1而言, 儘管方法2計算得出了目標的質心距離、角度和速度等信息, 但在無人艇進行自主避碰及路徑規劃時該結果顯然不能代表目標實際情況, 甚至嚴重威脅本船安全。

4) 試驗四: 實驗船緩慢行駛與試驗三被測大型輪船不斷靠近至30 m左右, 實際速度約–3 m/s, 點跡的徑向速度檢測值為–2.75~0 m/s, 試驗場景及雷達原始目標點跡如圖8所示。

圖8  試驗四場景及雷達原始目標點跡圖

分別採用2種點跡凝聚方法對本幀數據進行處理, 效果如圖9所示。

圖9  試驗四數據處理效果圖

通過2種點跡凝聚方法所得目標信息如表5所示。

表5  試驗四計算所得目標信息

當試驗船與大型目標靠近時會導致屬於同一目標的點跡速度值不同, 影響聚類效果。通過試驗結果可知, 在計算歐氏距離時為速度設置與距離相關的衰減係數, 有效解決了上述問題。

2.3  試驗結果分析

通過對比不同場景下2種方法效果可得:  PCBED法有效濾除了大量虛假目標點跡, 降低虛警; 基於歐氏距離實現點跡聚類, 解決了不同大小目標的點跡分裂問題; 計算獲得了目標的最近距離、角度、速度和橫向、縱向截面寬度, 並以矩形危險區域表示障礙目標的所屬範圍, 所得信息較為全面, 有效提高了檢測結果的準確性, 保證了無人艇的安全。

相關焦點

  • 「無人駕駛」:4D成像毫米波雷達將掀起「革命」?蘋果自動駕駛汽車...
    全新一代的4D成像毫米波雷達,增加了對目標高度維度數據的探測和解析,能夠實現距離、方位、高度以及速度四個維度的信息感知,可以有效地解析目標的輪廓、類別等等,並具備高角解析度,可以完美彌補傳統毫米波雷達的短板。
  • 自動駕駛導航技術興起,國產毫米波雷達前景如何?
    因此,高頻段的毫米波雷達具備更高的性能,更寬的帶寬,更好的解析度優勢。因此,業界認為,在毫米波雷達領域,77GHz的產品將會取代24GHz的產品。 目前,國內外毫米波雷達以24GHz(MRR 短中距離雷達)和77GHz(LRR 長距離雷達)為主,79GHz及以上的產品目前尚在實驗室階段。24GHz和77GHz之間的具體參數究竟存在哪些差距?
  • 從晶片到產品,國產毫米波雷達產業鏈全面梳理!
    因此,高頻段的毫米波雷達具備更高的性能,更寬的帶寬,更好的解析度優勢。因此,業界認為,在毫米波雷達領域,77GHz的產品將會取代24GHz的產品。EE4esmc目前,國內外毫米波雷達以24GHz(MRR 短中距離雷達)和77GHz(LRR 長距離雷達)為主,79GHz及以上的產品目前尚在實驗室階段。24GHz和77GHz之間的具體參數究竟存在哪些差距?
  • 更有溫度的科技關懷——基於毫米波雷達技術,革新健康監護體驗
    打開APP 更有溫度的科技關懷——基於毫米波雷達技術,革新健康監護體驗 英飛凌科技 發表於 2020-12-24 09:27:03
  • 豪恩汽車電子:「77G毫米波雷達」
    2.陣列天線考慮了外殼和保險槓的影響,將外殼、保險槓作為天線系統的構成部分進行一體化設計,同時考慮PCB製備過程中線寬線距、孔徑等精度和蝕刻特點,針對性的進行天線性能的容差設計,設計出方向圖控制、副瓣抑制、阻抗帶寬等支持距離高解析度的天線,基於MIMO超分辨技術的高角度解析度和精度的實現。
  • 毫米波雷達技術及應用大解析內有大量PPT乾貨|硬創公開課
    微波頻段是通信和雷達使用的主要頻段,這是個很寬的頻,有300Mhz--300GHz,我們要講的毫米波是微波的一個子頻段。大家可以看到的是,可見光、紅外、雷射等,這些也是電磁波的一種但是由於頻率的不同,它和微波頻段的特性有很大差異。所以所基於可見光、紅外、或者雷射的方法一般就嚴格的講就不叫雷達了,雖然雷射的機理和雷達可能是類似的。
  • 毫米波雷達技術及應用大解析(內有大量PPT乾貨) | 雷鋒網公開課
    但是由于波長小,在空間傳播很容易被阻擋和吸收,那麼也就導致它作用距離不可能太遠,當然這個遠近是相對其他波段來說的,一般作用距離1km以內。 毫米波雷達的檢測、測距、測速和角度測量下面我們來說一下毫米波雷達。
  • 獨家專訪 | 被上汽看中的 Metawave,要做替代雷射雷達的毫米波雷達?
    上汽作為國內知名車企,之所以選擇布局 Metawave ,其實看中的是這家公司正在大力研發的毫米波雷達產品,這款產品中使用的諸多技術及具備的特性讓其非常試用於 ADAS、無人駕駛領域。那麼,Metawave 的這款產品到底有何玄妙之處,雷鋒網新智駕帶著這個問題對 Metawave 創始人兼 CEO Maha Achour 進行了訪談。
  • 歐菲光發布新一代短距毫米波雷達 賦能自動駕駛
    隨著倒車輔助功能與ADAS功能的融合,超聲波雷達的性能遠遠不夠。歐菲光開發的短距毫米波雷達,相比超聲波雷達,具有安全性更高、探測距離更遠、反應速度更快的優勢,因此可以覆蓋倒車輔助功能的更多場景。為提升產品競爭力,在完全覆蓋原有功能的基礎上,歐菲光開發了基於毫米波雷達和視覺融合的AVP功能。  毫米波能夠獲得更豐富的場景信息,相對於超聲波+視覺的融合方案,毫米波+視覺的融合能夠實現更快速的巡航、更精準的定位和更可靠的性能。毫米波雷達4D的數據(空間坐標+速度)能夠更真實反映場景的信息,使得高性能高性價比的APA/AVP系統成為可能。
  • 歐氏距離是否仍是跨模態/單模態Re-ID度量學習的最佳選擇?
    想法很自然:訓練階段最小化同類樣本之間的歐氏距離,推遠異類樣本之間的歐氏距離,檢索時也採用歐氏距離,這樣一來訓練目標和最終目標便達成了一致,符合直覺。經過CSBN,特徵向量的模長被規範化,實驗表明該方法可以使得餘弦度量」起死回生「,產生顯著超越基於歐氏度量的三元組損失函數的性能。
  • 高新區企業「亮絕活」,毫米波雷達讓攝像頭擁有聰明「大腦」
    優勢打造79GHz毫米波雷達量產企業在自動駕駛領域,攝像頭、雷射雷達、毫米波雷達被稱為行業標準「三件套」。其中,毫米波波長短,天線口徑小,毫米波雷達具有體積小、重量輕、易集成等特性,容易安裝在汽車上。「目前車載毫米波雷達頻段主要3個,24GHz、77GHz和79GHz。
  • 毫米波技術正廣泛應用於無人駕駛
    毫米波雷達指工作在毫米波波段的雷達,是測量被測物體相對距離、相對速度、方位的高精度傳感器,早期被應用於軍事領域,隨著雷達技術的發展與進步,毫米波雷達傳感器開始應用於汽車電子、無人機、智能交通等多個領域。 同超聲波雷達相比,毫米波雷達具有體積小、質量輕和空間解析度高的特點。
  • 精度超過雷射雷達?毫米波雷達技術公司Metawave完成1000萬美元融資
    據外媒報導,矽谷智能車載雷達公司 Metawave 已經獲得1000萬美元融資,現代、豐田和汽車供應公司 Denso 等五家公司投資。融資將主要用於研發無人駕駛汽車中的「智能車載雷達系統」。去年 9 月,Metawave 曾獲得了上汽資本700萬美元的種子輪融資。
  • 攝像頭、毫米波雷達、雷射雷達誰會來投資
    C-V2X路側設施部署是車路協同場景中的核心組成部分,而其中路側環境感知設備視頻攝像頭、毫米波雷達和雷射雷達的布設被認為是交通環境感知的重要手段,是車路協同未來市場投資的重要方向。車載端環境感知設備由於存在感知盲區以及安裝成本過高,因此需要路側環境感知設備在交叉口、盲區、彎道、匝道等位置布設,以提升自動駕駛交通安全和效率。
  • 用於無人機高度測量的毫米波雷達微帶天線的設計與實現
    摘要: 本文設計了一個新的射頻電路設計性實驗項目———可用於無人機高度測量的毫米波雷達微帶天線的設計與實現。該實驗項目通過讓學生完成該天線的自主設計、仿真、優化、製作和測試的過程,引導學生來深入體會實際射頻工程中的實際流程和方法,從而提高其學習興趣,進而進一步培養其工程素質、實踐能力和創新精神。
  • 毫米波雷達:被國外Tier1壟斷,國產化在即
    毫米波雷達:迎來國產替代+滲透率提升的雙重機遇:目前國內的毫米波雷達基本都被國際 Tier1 壟斷,19-20 年,毫米波雷達供應商將迎來滲透率提升疊加國產化替代的機遇,整個市場規模預計增長超 400%。建議關注目前已經量產毫米波雷達的德賽西威、華域汽車、在研的保隆科技。
  • 36氪首發|專注毫米波雷達感知智能研發,「清雷科技」完成數千萬元...
    36氪獲悉,毫米波雷達智能感知初創企業「清雷科技」宣布完成數千萬元人民幣天使輪融資,本輪融資由真格基金、策源創投聯合投資,資金將主要用於毫米波雷達智能解決方案的研發,推進AIoT行業的應用落地。呼吸心跳監測毫米波是波長介於1~10mm的電磁波。毫米波雷達通過天線發射毫米波,接收目標反射信號,經信號處理快速準確地獲取物體距離、角度、速度、散射特性等信息。"毫米波雷達具有傳輸距離遠、對運動物體感知靈敏、不受光照條件影響、成本可控等優點。
  • 國產傳感器異軍突起,看「凌波微步」如何走好毫米波雷達之路
    在這一波技術熱潮推動下,毫米波雷達雖然沒有雷射雷達那麼頻頻搶眼出鏡,但卻與行車安全密不可分。據了解,目前汽車行業裡,毫米波雷達技術主要由大陸、博世、德爾福等傳統零部件巨頭所壟斷,很多中高端汽車都已開始配備。但隨著智能汽車、自動駕駛技術、無人機、智慧交通等激增出的新興市場和多元化應用場景,國內創業者其實也迎來了足夠寬裕的創新空間和發展機會。
  • 汽車雷達傳感器行業科普
    雷達傳感器是為汽車提供環境感知、規劃決策的智能傳感器,其核心原理為通過發射微波、聲波或雷射並接受回波來進行物體探測,是自動駕駛的核心傳感器,起到無人駕駛汽車「眼睛」的作用,為無人駕駛提供安全保障。其中,用於環境感知的主流雷達傳感器包括超聲波雷達、毫米波雷達和雷射雷達三種。
  • 華為雷射雷達參數解釋, 與攝像頭、毫米波雷達功能有什麼區別
    馬斯克否定雷射雷達狂吹低端的攝像頭(起了個機器視覺的酷炫名字),絕不是因為技術先進,只是為了特斯拉能繼續採用低端廉價的傳感器而辯護而已!至於客戶死活,那不重要。人類視覺本身就是有局限的,用攝像頭+晶片去模擬人眼,那不叫無人駕駛,那叫擬人駕駛。