基于角毫米波雷達的目標篩選

郭蓬　何佳　劉修知　張正奇　唐風敏

摘 要：隨著ADAS系統在汽車領域的普及，基于角毫米波雷達的ADAS系統由于其成本低、環境適應能力強被廣泛應用。其中，使用角毫米波雷達的盲區監測系統能夠有效輔助駕駛員對車輛周圍環境的感知。根據24GHz角毫米波雷達的特性，使用2個角毫米波雷達對駕駛員盲區進行輔助監控，建立基于角毫米波雷達的盲區監測系統。而毫米波雷達輸出目標存在一定的誤檢，文章使用角毫米波雷達連續5幀數據，建立反饋目標值運動模型，對目標位置數據進行更新，使用K-means算法對檢測目標數據進行聚類，使用聚類結果判斷檢測目標是否真實存在，以消除毫米波雷達的誤檢，從而實現角毫米波雷達的目標篩選。關鍵詞：角毫米波雷達;盲區監測;目標數據中圖分類號：V323 ?文獻標識碼：B ?文章編號：1671-7988（2020）11-26-03

Abstract：?With the popularity of ADAS system in the field of automobile， ADAS system based on the angular radar is widely used because of its low cost and strong adaptability to the environment. Among them， the blind area monitoring system using the angular radar can effectively assist the driver to perceive the surrounding environment of the vehicle. According to the characteristics of the 24 GHz angular radar， two angular radar are used to assist the driver's blind area monitoring， and a blind area monitoring system based on the angular radar is established. However， The output target of angular radar has some false detection. In this paper， use the five consecutive frames of angular radar data to establish the motion model of the feedback target value， update the target position data， use k-means algorithm to cluster the detected target data， and use the clustering results to judge whether the detected target is real， so as to eliminate the false detection of angular radar， so as to realize the target selection of angular radar.Keywords： Angular radar; Blind area monitoring; Target dataCLC NO.：?V323 ?Document Code： B ?Article ID： 1671-7988（2020）11-26-03

1?引言

由于車輛的自身結構不可避免的形成駕駛員視覺盲區，駕駛員視覺盲區主要分為車頭盲區、車尾盲區、車底盲區、后視鏡盲區、AB柱盲區以及轉彎盲區[1-2]。在駕駛員駕駛汽車的過程中，如果在駕駛員盲區突然出現行人或者車輛，其行人或車輛突然靠進駕駛員駕駛的車輛時，由于駕駛員不能發現靠近的行人或車輛，其駕駛員不能有效的采取相關處理措施，可能發生重大的交通事故，為保證駕駛員的駕駛安全，減少駕駛員的視覺盲區，當前市場存在較多的輔助駕駛功能，以有效的監測駕駛員視覺盲區的駛行工況，具有盲區監測系統的具有代表性的車型有：凱迪拉克ATS-L、標致408、沃爾沃S60L、奔馳C級、凱美瑞、奧迪A4L、寶馬等[3-5]，圖1為寶馬盲點檢測系統示意圖。

毫米波雷達作為目前最成熟的車載傳感器，具有良好的可靠性和天氣適應性。按照探測距離可劃分為短距離、中距離、長距離毫米波雷達，按照頻段可劃分為24GHz和77GHz兩種毫米波雷達，77GHz毫米波雷達角分辨率比24GHz高，24GHz毫米波雷達和77GHz毫米波雷達參數如表1所示：

2?基于毫米波雷達的目標篩選

在車輛車身側后方安裝兩個角毫米波雷達，安裝示意圖如圖2所示，盲區檢測系統控制器連接車輛動力CAN和兩個毫米波雷達傳感器，結合車輛信息和毫米波雷達實時數據進行車輛側后方環境判斷。毫米波雷達可提供的數據包含被檢測車輛的位置信息和與本車之間的相對速度信息。然而由于角毫米波雷達數據的誤檢問題，常常存在虛假的目標檢測結果，為提高毫米波雷達反饋目標數據的可靠性，生產制造商通過相關算法對反饋結果進行初步的數據處理，然而，其處理效果仍達不到可直接使用的效果[6-9]。在盲區監測控制器算法開發端，軟件工程師需要提出相應的算法對目標數據進行篩選，保證目標的真實存在性。當前主流的盲區監測系統需要根據車輛的行駛速度進行開啟和關閉，當車速大于設置值（如15km/h）時系統激活，在短時間內可假設后方車輛處于勻速運動狀態，且本車前輪轉角可忽略不計，從而可有效的對毫米波雷達輸出目標結果進行跟蹤，以刪除誤檢目標。

設當前t時刻角毫米波雷達檢測目標數據集為Qt，t-1時刻角毫米波雷達檢測目標數據集為Qt-1，以此類推，在t時刻時，對毫米波雷達目標數據進行判斷，需綜合考慮歷史4幀毫米波雷達數據，即綜合分析（Qt-4，?Qt-3，?Qt-2，?Qt-1，?Qt）的毫米波雷達數據，以當前t時刻建立局部坐標系，角毫米波雷達的數據刷新周期一般為40ms，在數據集（Qt-4，?Qt-3，?Qt-2，?Qt-1，?Qt）間，總共經過5個毫米波雷達數據采集周期，大約200ms，假設在200ms周期內，本車的前輪轉角很小，忽略不計，數據集Qt-4的所有目標為勻速運動，則可根據數據集Q4所有檢測目標的相對縱向距離和相對車速，求得t時刻時，所有t-4時刻數據集Qt-4可能存在的位置，生成新的虛擬目標數據集Q't-4，同理，對t-3、t-2、t-1時刻的目標數據集進行求解，得到新的虛擬目標數據集Q't-3、Q't-2、Q't-1，其含義如圖3所示，以安裝毫米波雷達的本車后保險杠中心為原點，以汽車縱軸向后為坐標系的X軸，以汽車右側為坐標系Y軸，從而確定不同時刻的毫米波雷達目標位置。

虛擬目標數據集每一個目標數據根據相應的時刻對目標數據進行更新，其更新的位置信息為：

式1-4中T為毫米波雷達數據刷新時間周期，Qt-4（qi）x為t-4時刻時，毫米波雷達反饋第i個目標qi相對于本車的縱向距離，Qt-4（qi）y為t-4時刻時，毫米波雷達反饋第i個目標qi相對于本車的橫向距離;Q't-4（qi）v為t-4時刻時，毫米波雷達反饋第i個目標qi相對于本車的相對速度，Qt-4（qi）x為t時刻時，t-4時刻的毫米波雷達目標qi經過4T時間后，目標qi相對于本車的可能縱向距離，Q't-4（qi）y為t時刻時，t-4時刻的毫米波雷達目標qi經過4T時間后，目標qi相對于本車的可能橫向距離，其它變量含義以此類推。t時刻時，根據毫米波雷達目標數據集{Q't-4，?Q't-3，?Q't-2，?Q't-1，?Qt}，使用目標數據點集之間的相對位置關系，如圖4所示，對目標點集進行聚類，使用K-means算法計算可能存在的數據聚類族，當一個數據聚類結果中，目標數據點集小于4時，說明一個目標在在連續5幀毫米波雷達數據采集時，沒有被時刻檢測到，本文根據實車試驗經驗，將此類數據直接刪除;當數據聚類結果大于等于4時，說明存在一個目標被時刻檢測到，其目標真實存在。設t時刻存在n個數據聚類族中目標點集個數大于等于4，數據聚類族為{P1，?P2，…，?Pn}，計算每一個數據聚類族中點集的中心坐標，中心坐標如下：

式5中Pij-x為數據聚類族中目標點集的相對本車縱向距離，Pij-y為數據聚類族中目標點集的相對本車橫向距離，Pij-v為數據聚類族中目標點集的相對本車的相對速度，m為數據聚類組中目標點個數。（ xi，yi，vi ）為t時刻時，根據聚類結果，篩選掉虛假目標，得到的真實存在的毫米波雷達檢測目標參數。

根據式5組合成一個新的毫米波雷達目標Hi（xi，yi，vi ），在t時刻，得到一個新的毫米波雷達監測結果Ht（H1，?H2，…，?Hi，…，?Hn}。從而有效的濾除毫米波雷達誤檢值，為后續的盲區預警奠定基礎。

圖4 ?角毫米波雷達數據聚類示意圖

根據聚類結果，將如圖4所示的多幀毫米波雷達檢測值進行聚類，得到如圖4所示的聚類族，從而有效的將不能被連續多幀檢測到的毫米波雷達檢測值濾除，有效的保證毫米波雷達目標值的有效性。

3?實車測試與結論

為實現對角毫米波雷達的目標篩選，開發如圖5所示的角毫米波雷達測試軟件，軟件能采集車輛周圍的實時視頻，

角毫米波雷達數據以及車輛CAN數據。

實車試驗結果表明，統計100公里實車測試情況下，且在不同的交通場景，經過目標跟蹤后的目標值有效性提高率，統計數據如表2所示：

實車試驗結果表明，使用角毫米波雷達連續5幀數據，對反饋目標位置數據進行更新，使用K-means算法對角毫米波雷達數據進行聚類后，目標值有效性在不同場景下都有效的提高，能夠保證處理后的目標數據更接近真實場景中的目標數據。

參考文獻

[1] 劉保祥.基于毫米波雷達的汽車盲區監測系統研究[J].北京汽車，?2019（05）：21-23+34.

[2] 唐志祥，費成，顧靜波，張建飛.汽車行車盲區實時監測系統的設計[J].電腦知識與技術，2013，9（05）：1196-1197.

[3] 張兢，張莉楠，李小紅，李岳.24GHz MFSK車載雷達盲區監測系統設計[J].火控雷達技術，2019，48（03）：13-17.

[4] 孫元峰.一種基于毫米波雷達的汽車盲區監測系統開發及測試應用[J].電子技術與軟件工程，2019（11）：126-128.

[5] 孫會明.基于毫米波雷達的汽車開門防撞預警關鍵技術研究[D].揚州大學，2018.

[6] 趙顧淇，王學洋，張旭東，鄧金陽，韓銳.汽車列車右轉彎盲區輔助監測系統的設計[J].林業機械與木工設備，2019，47（08）：40-42.

[7] 李藝.盲區監測系統的場地測試評價方法研究[C].中國汽車工程學會（China Society of Automotive Engineers）.2018中國汽車工程學會年會論文集.中國汽車工程學會（China Society of Automo?-tive Engineers）：中國汽車工程學會，2018：146-151.

[8] 李華俊.盲區監測變道輔助系統標定方法的研究[J].汽車電器，?2017（09）：7-11.

[9] 張正軒.重卡駕駛員視野盲區監控系統研究[D].長安大學，2017.?02.