一种雷达目标的跟踪优化方法、系统、车辆及存储介质

技术领域

本申请涉及智能驾驶技术领域，尤其是涉及一种雷达目标的跟踪优化方法、系统、车辆及存储介质。

背景技术

随着经济社会的快速发展 ,人们出行可选的交通方式更加多样，但舒适、便捷的汽车依然是人们交通出行的首选工具之一。更为舒适的乘车环境、更为智能的乘车体验、更高标准的乘车安全，是智慧交通时代人们对汽车技术发展的普遍要求，自动驾驶技术应势而生并蓬勃发展。

车载毫米波雷达通过天线向外发射毫米波，接收目标反射信号，经后方处理后快速准确地获取汽车车身周围的物理环境信息(如汽车与其他物体之间的相对距离、相对速度、角度、运动方向等)，然后根据所探测的物体信息进行目标追踪和识别分类，进而结合车身动态信息、其他传感器信息进行多源异构信息融合，最终将融合后的目标信息输出给决策层。而决策层会根据目标信息中得到的位置、速度、类型等做出合理决策，进而控制车辆的执行。

车载毫米波雷达在目标检测和跟踪过程中，存在遮挡问题：当第一追踪目标遮挡了第二追踪目标时，毫米波雷达无法直接观测到第二追踪目标，导致第二追踪目标的检测点消失，进而导致目标跟踪中断。这是因为毫米波雷达的工作原理决定了它无法穿透物体进行目标观测，因此目标被遮挡时无法获得有效的检测和跟踪信息；同时，虚假点问题：当第一追踪目标靠近雷达时，毫米波雷达可能会产生一些虚假点，即雷达误判为目标的点。这些虚假点可能是由于雷达的探测范围与目标的物理属性（如反射率、形状等）相互作用时产生的。这样的虚假点会导致目标的误识别和误跟踪，给实际应用带来干扰，导致目标误识别和误跟踪。

发明内容

针对上述技术问题，本申请提出一种雷达目标的跟踪优化方法、系统、车辆及存储介质。

第一方面，本申请提供一种雷达目标的跟踪优化方法，包括：

S1：获取预设范围内跟踪目标的目标数据，所述预设范围包括第一范围和第二范围。

优选地，处于所述第一范围内的追踪目标为第一追踪目标，处于所述第二范围内的追踪目标为第二追踪目标。

优选地，所述跟踪目标的目标数据包括位置信息，角度信息和速度信息，所述位置信息，角度信息和速度信息基于车辆雷达为坐标原点的坐标轴确定。

优选地，所述第一范围包括以本车为原点划分在一预设距离以内的检测区域。

优选地，所述第二范围包括以本车为原点划分在所述一预设距离以外的检测区域。

所述预设距离为距离本车中心的径向距离，是从本车的中心点（通常是车辆的几何中心或定位点）到检测区域内的任意点的距离。以车辆的中心点为原点建立一个坐标系，距离本车中心的径向距离即为该点在坐标系中的极坐标半径。

S2：计算所述第一范围内的第一跟踪目标的遮挡角度。

所述步骤S2，包括：

S201：以本车中心为坐标原点O构建坐标系。

在这个坐标系中，车辆的位置就是原点O(0, 0)，x轴和y轴分别是车辆前进方向和车辆右侧的方向。当毫米波雷达进行目标检测和跟踪时，它会测量目标物体相对于车辆的位置，也就是目标物体在我们构建的坐标系中的坐标。

S202：根据所述第一追踪目标的目标数据，计算所述第一追踪目标的雷达检测点的分布区域，根据所述分布区域确定第一追踪目标边界点。

在一些实施例中，S2021：获取目标数据：首先，需要获取第一追踪目标的雷达数据，包括其在车载毫米波雷达坐标系中的位置和距离信息。

S2022：确定分布区域：根据目标数据，可以使用合适的算法将目标数据转化为雷达检测点的分布区域。常见的方法包括使用高斯分布或者卡尔曼滤波器对目标数据进行处理，以得到目标周围的分布区域。

S2023：确定边界点：在得到分布区域后，可以使用合适的算法确定分布区域的边界点。常见的方法包括利用密度聚类算法（如DBSCAN、MeanShift等）寻找目标分布的核心点，并从核心点开始寻找边界点；或者使用阈值分割算法将分布区域二值化，并提取边界点。

S203：根据所述第一追踪目标边界点确定第一追踪目标最大临界点A和第一追踪目标最小临界点B。

优选地吗，所述第一追踪目标的最大临界点和最小临界点可以被定义为分布区域的最外围点，用于表示目标的边界范围。

S2031:找到边界点集合：根据目标边界点的计算结果，将这些点组合成一个点集合。

S2032:确定最大临界点A：从边界点集合中找到离坐标原点最远的点，该点即为最大临界点A。可以通过计算每个点与坐标原点的距离，并选择距离最大的点来确定。

S2033:确定最小临界点B：从边界点集合中找到离坐标原点最近的点，该点即为最小临界点B。可以通过计算每个点与坐标原点的距离，并选择距离最小的点来确定。

所述步骤S2，还包括：

S211：所述坐标原点分别连接所述第一追踪目标最大临界点A和第一追踪目标最小临界点B，获得第一遮挡界限OA和第二遮挡界限OB；

S212：识别分布于所述第一遮挡界限OA和第二遮挡界限OB周围的雷达检测点；

S213：判断所述雷达检测点是否在所述遮挡角度范围内，若在，则保留所述雷达检测点目标数据；否则，标记为虚假点，并进行剔除其目标数据。

S3：根据所述第一跟踪目标的遮挡角度计算所述第二范围内的第二跟踪目标的被遮挡情况，根据所述被遮挡情况完成对所述第二跟踪目标的实时跟踪。

优选地，根据所述第二追踪目标的目标数据计算所述第二追踪目标的雷达检测点角度，若雷达检测点角度在所述遮挡角度范围内，则标记所述第二追踪目标为被遮挡的第二追踪目标。

若所述被遮挡的第二追踪目标是静止目标，则所述被遮挡的第二追踪目标的目标数据保持不变；若所述被遮挡的第二追踪目标是运动目标，则根据匀速直线运动状态保持对所述被遮挡的第二追踪目标的运动跟踪，并更新目标数据。

优选地，如果所述被遮挡的第二追踪目标是运动的目标，可以根据目标的运动状态进行跟踪，并更新目标数据。根据匀速直线运动的假设，可以利用前一时刻的目标数据以及距离上一个时刻的时间间隔，预测目标在当前时刻的位置。通过与当前的雷达检测结果进行匹配，可以更新目标的位置和速度等信息。

优选地，获取被遮挡的第二追踪目标的当前位置信息，根据所述目标的速度信息，基于匀速直线运动模型计算出一个时间步长内目标的位移量：位移量 = 速度 * 时间步长即x=Vx * t，y=Vy * t；更新目标的位置信息：新位置= 当前位置 + 位移量即X = X0 + x，Y = Y0 + y，将新位置作为目标的更新位置。

本申请还提供一种雷达目标的跟踪优化系统，所述系统包括：

采集模块，用于采集预设范围内跟踪目标的目标数据；

第一计算模块，计算所述第一范围内的第一跟踪目标的遮挡角度；

第二计算模块，根据所述第一跟踪目标的遮挡角度计算所述第二范围内的第二跟踪目标的被遮挡情况；

识别模块，用于识别分布于所述第一遮挡界限OA和第二遮挡界限OB周围的雷达检测点。

优选地，所述系统还包括虚假点消除模块，用于消除被识别为的虚假点的所述追踪目标的目标检测点。

本申请还提供一种车辆，所述车辆包括：

安装于车辆端的多个雷达传感器，用于采集预设范围内跟踪目标的目标数据；

与所述多个雷达传感器通信连接的车辆控制器，所述车辆控制器采用如上所述的雷达目标的跟踪优化方法对所述目标数据进行处理。

本申请还提供一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的雷达目标的跟踪优化方法。

综上所述，本申请提供了一种雷达目标的跟踪优化方法、系统、车辆及存储介质，通过获取预设范围内跟踪目标的目标数据，所述预设范围包括第一范围和第二范围，计算所述第一范围内的第一跟踪目标的遮挡角度，根据所述第一跟踪目标的遮挡角度计算所述第二范围内的第二跟踪目标的被遮挡情况，根据所述被遮挡情况完成对所述第二跟踪目标的实时跟踪。相比于现有技术，本申请具备以下技术效果：

有效的识别标记雷达第二追踪目标被雷达第一追踪目标遮挡所产生的虚假点，并剔除标记的虚假点，使得雷达第二追踪目标被雷达第一追踪目标遮挡情况下，无目标直接反射点时导致的目标追踪失败的雷达第二追踪目标能够准确被跟踪识别并更新其目标数据，增强车辆安全性。

附图说明

图1 为本申请中所述的雷达目标的跟踪优化方法流程图。

图2 为一实施例中第二追踪目标栏杆被第一追踪目标遮挡情况示意图。

图3 为一实施例中第二追踪目标目标车被第一追踪目标遮挡情况示意图。

图4 为本申请中所述的雷达目标的跟踪优化系统流程图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

实施例一：

如图1所示，本申请中提供了一种雷达目标的跟踪优化方法，包括以下步骤：

S1：获取预设范围内跟踪目标的目标数据；

其中，所述预设范围包括第一范围和第二范围，所述跟踪目标的目标数据包括位置信息，角度信息和速度信息。

所述预设距离为距离本车中心的径向距离，是从本车的中心点（通常是车辆的几何中心或定位点）到检测区域内的任意点的距离。以车辆的中心点为原点建立一个坐标系，距离本车中心的径向距离即为该点在坐标系中的极坐标半径。

可选地，所述第一范围包括以本车为原点划分在一预设距离以内的检测区域。

可选地，所述第二范围包括以本车为原点划分在所述一预设距离以外的检测区域。

需要注意的是，所述第一范围和第二范围的划分可以帮助限定检测范围，避免对距离较远的目标进行不必要的检测和跟踪，提高系统的效率和准确性。当目标距离车辆过远超过第一范围时，毫米波雷达可以将其排除在目标检测和跟踪范围之外，以避免不必要的资源消耗。

所述预设距离为距离本车中心的径向距离，是从本车的中心点（通常是车辆的几何中心或定位点）到检测区域内的任意点的距离。以车辆的中心点为原点建立一个坐标系，距离本车中心的径向距离即为该点在坐标系中的极坐标半径。

使用车载毫米波雷达对预设范围进行目标追踪，可以得到目标的位置和速度信息等，对获取的数据进行处理和滤波，常见的滤波方法包括卡尔曼滤波和扩展卡尔曼滤波等。

S2：计算所述第一范围内的第一跟踪目标的遮挡角度。

所述步骤S2，包括：

S201：以本车中心为坐标原点O构建坐标系。

在这个坐标系中，车辆的位置就是原点O(0, 0)，x轴和y轴分别是车辆前进方向和车辆右侧的方向。当毫米波雷达进行目标检测和跟踪时，它会测量目标物体相对于车辆的位置，也就是目标物体在我们构建的坐标系中的坐标。

S202：根据所述第一追踪目标的目标数据，计算所述第一追踪目标的雷达检测点的分布区域，根据所述分布区域确定第一追踪目标边界点。

其中，S2021：获取目标数据：首先，需要获取第一追踪目标的雷达数据，包括其在车载毫米波雷达坐标系中的位置和距离信息。

S2022：确定分布区域：根据目标数据，可以使用合适的算法将目标数据转化为雷达检测点的分布区域。常见的方法包括使用高斯分布或者卡尔曼滤波器对目标数据进行处理，以得到目标周围的分布区域。

S2023：确定边界点：在得到分布区域后，可以使用合适的算法确定分布区域的边界点。常见的方法包括利用密度聚类算法（如DBSCAN、MeanShift等）寻找目标分布的核心点，并从核心点开始寻找边界点；或者使用阈值分割算法将分布区域二值化，并提取边界点。

S203：根据所述第一追踪目标边界点确定第一追踪目标最大临界点A和第一追踪目标最小临界点B。

优选地，所述第一追踪目标的最大临界点和最小临界点可以被定义为分布区域的最外围点，用于表示目标的边界范围。

S2031:找到边界点集合：根据目标边界点的计算结果，将这些点组合成一个点集合。

S2032:确定最大临界点A：从边界点集合中找到离坐标原点最远的点，该点即为最大临界点A。可以通过计算每个点与坐标原点的距离，并选择距离最大的点来确定。

S2033:确定最小临界点B：从边界点集合中找到离坐标原点最近的点，该点即为最小临界点B。可以通过计算每个点与坐标原点的距离，并选择距离最小的点来确定。

如图2和图3所示，优选地，处于所述第一范围内的追踪目标为第一追踪目标，处于所述第二范围内的追踪目标为第二追踪目标。在图2中，1和2指的是雷达安装位置，3为第一追踪目标检测点，4为栏杆/路沿，5为遮挡扩展的虚假点，6为栏杆被第一追踪目标遮挡区域，7为栏杆上的反射点。在图3中，8和9为雷达安装位置，10为第一追踪目标反射点，11为遮挡扩展的虚假点，12为第二追踪目标被第一追踪目标遮挡反射点。

优选地，若所述第二范围内存在第二追踪目标，则选取所述第二追踪目标关于雷达在对应方向的所述第一范围的追踪目标的第一追踪目标Tar；根据所述第一追踪目标Tar的雷达检测点位置信息和角度信息，计算出所述第一追踪目标Tar的雷达检测点的分布区域，进一步获取所述第一追踪目标Tar分布区域的的长和宽；计算所述第一追踪目标Tar的边界点位置，以本车中心为坐标轴的坐标原点，计算所述第一追踪目标边界点在所述坐标系下的坐标位置（x，y）。其中，计算分布区域一种常用的方法是使用最小外接矩形将所有检测点包围起来。

优选地，根据所述坐标位置（x，y），计算所述第一追踪目标边界点的角度为Angle=arctan（x/y）；通过计算所述第一追踪目标的所有边界点角度，识别判断得到最小遮挡角度CoverAngleMin和最大遮挡角度CoverAngleMax，所述遮挡角度范围为[CoverAngleMin,CoverAngleMax]。

在一实施例中，车载雷达检测到以下边界点的坐标位置：边界点1: (1.5, 2.5)、边界点2: (3, 1)、边界点3: (-1, 4)和边界点4: (-2, -3)；根据第一追踪目标边界点的坐标位置（x，y），可以使用反正切函数arctan（x/y）计算每个边界点的角度；边界点1的角度：Angle1 = arctan(1.5/2.5)、边界点2的角度：Angle2 = arctan(3/1)、边界点3的角度：Angle3 = arctan(-1/4)和边界点4的角度：Angle4 = arctan(-2/-3)；计算处所有边界点的角度后，我们可以筛选出最小和最大角度，得到遮挡角度区域 [CoverAngleMin,CoverAngleMax]；其中最小角度： AngleMin = min(Angle1, Angle2, Angle3, Angle4)、

最大角度： AngleMax = max(Angle1, Angle2, Angle3, Angle4)。

优选地，根据所述边界点与雷达相对位置，获取遮挡区域CoverArea的X边界Xborder和Y边界Yborder 。

在一实施例中，计算 X 边界 Xborder：将所有边界点的相对位置的 X 坐标取绝对值，并找到最大值。这个最大值就是遮挡区域 CoverArea 的 X 边界 Xborder；计算 Y边界 Yborder：将所有边界点的相对位置的 Y 坐标取绝对值，并找到最大值。这个最大值就是遮挡区域 CoverArea 的 Y 边界 Yborder；需要注意的是，这个计算过程是相对于雷达位置，所以 Xborder 和 Yborder 可能是正数或负数。

所述步骤S2，还包括：

S211：所述坐标原点分别连接所述第一追踪目标最大临界点A和第一追踪目标最小临界点B，获得第一遮挡界限OA和第二遮挡界限OB；

S212：识别分布于所述第一遮挡界限OA和第二遮挡界限OB周围的雷达检测点；

在一实施例中，首先通过定义阈值，以确定哪些雷达检测点可以被认为是分布在遮挡界限附近的点；其次遍历所有的雷达检测点，并计算每个点与第一遮挡界限OA和第二遮挡界限OB的距离；然后判断是否在界限周围：对于每个雷达检测点，如果其距离第一遮挡界限OA或者第二遮挡界限OB的距离小于预定义的阈值，就可以认为它位于遮挡界限周围；最后提取雷达检测点：将符合条件的雷达检测点提取出来，可以记录它们的坐标位置，并进行后续的处理和分析。

S213：判断所述雷达检测点是否在所述遮挡角度范围内，若在，则保留所述雷达检测点目标数据；否则，标记为虚假点，并进行剔除其目标数据。

优选地，若所述第二范围内存在第二追踪目标时，且所述第二追踪目标被遮挡，选取所述第二追踪目标关于雷达在对应方向的所述第一范围的追踪目标作为第一追踪目标Tar用于追踪目标的识别优化。

优选地，根据第一追踪目标Tar的雷达检测点位置信息和角度信息，计算出所述第一追踪目标Tar的雷达检测点的分布区域，进一步获取所述第一追踪目标Tar分布区域的的长和宽；计算所述第一追踪目标Tar的边界点位置，以本车车尾中心为坐标原点，确定所述第一追踪目标边界点在本车坐标系下的坐标位置（x，y）；根据所述第一追踪目标边界点的坐标位置（x，y），计算所述第一追踪目标边界点的角度为Angle=arctan（x/y）通过计算所述第一追踪目标的所有边界点角度，识别判断得到最小遮挡角度CoverAngleMin和最大遮挡角度CoverAngleMax，所述遮挡角度范围为[CoverAngleMin,CoverAngleMax]。

优选地，计算所有第一追踪目标检测点的角度angle，判断所述角度angle是否满足CoverAngleMin < angle < CoverAngleMax，若所述角度angle不满足条件，则标记所述角度的第一追踪目标检测点为遮挡产生的虚假点并剔除

S3：根据所述第一跟踪目标的遮挡角度计算所述第二范围内的第二跟踪目标的被遮挡情况，根据所述被遮挡情况完成对所述第二跟踪目标的实时跟踪。

可选地，根据所述第二追踪目标的目标数据计算所述第二追踪目标的雷达检测点角度，若所述雷达检测点角度在所述遮挡角度区域内，则标记所述第二追踪目标为被遮挡的第二主子目标Cover Tar。

可选地，根据所述跟踪目标的目标数据，若所述Cover Tar是静止目标，则所述Cover Tar的位置和静止状态下的雷达检测点位置保持不变；若所述Cover Tar是运动目标，则根据匀速直线运动状态保持对所述Cover Tar的运动跟踪，并更新目标数据。

可选地，如果所述Cover Tar是静止的目标，其位置不会改变。在这种情况下，所述Cover Tar的位置可以保持不变。由于目标静止，雷达检测点位置也可以保持不变。

可选地，如果所述Cover Tar是运动的目标，可以根据目标的运动状态进行跟踪，并更新目标数据。根据匀速直线运动的假设，可以利用前一时刻的目标数据以及距离上一个时刻的时间间隔，预测目标在当前时刻的位置。通过与当前的雷达检测结果进行匹配，可以更新目标的位置和速度等信息。

在一实施例中，获取被遮挡目标Cover Tar的当前位置信息，若所述被遮挡目标Cover Tar为静止目标，则所述Cover Tar目标的禁止状态和位置保持，即Vx=0，Vy=0。

在另一实施例中，获取被遮挡目标Cover Tar的当前位置信息，根据所述目标的速度信息，基于匀速直线运动模型计算出一个时间步长内目标的位移量：位移量 = 速度 *时间步长即x=Vx * t，y=Vy * t；更新目标的位置信息：新位置= 当前位置 + 位移量即X =X

实施例二：

作为另一优选的，本申请还提供一种雷达目标的跟踪优化系统，如图4所示所述系统包括：

采集模块，用于采集预设范围内跟踪目标的目标数据；

第一计算模块，计算所述第一范围内的第一跟踪目标的遮挡角度；

第二计算模块，根据所述第一跟踪目标的遮挡角度计算所述第二范围内的第二跟踪目标的被遮挡情况；

识别模块，用于识别分布于所述第一遮挡界限OA和第二遮挡界限OB周围的雷达检测点。

优选地，所述系统还包括虚假点消除模块，用于消除被识别为的虚假点的所述追踪目标的目标检测点。

本实施例中通过采集模块获取预设范围内跟踪目标的数据，由第一计算模块根据所述追踪慕目标数据计算所述第一追踪目标边界点的角度、遮挡区域CoverArea的X边界Xborder和Y边界Yborder 和追踪目标的位置信息等，识别模块根据计算模块结果对所述追踪目标的数据进行识别第一追踪目标和第二追踪目标，标记模块根据计算模块输出数据标记近距跟踪目标产生的虚假雷达检测点。

实施例三：

作为另一优选的，本申请还提供一种车辆，所述车辆包括：

安装于车辆端的多个雷达传感器，用于采集预设范围内跟踪目标的目标数据；

与所述多个雷达传感器通信连接的车辆控制器，所述车辆控制器采用如上所述的雷达目标的跟踪优化方法对所述目标数据进行处理。

实施例四：

本申请还提供一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的雷达目标的跟踪优化方法。

综上所述，本申请提出一种雷达目标的跟踪优化方法、系统、车辆及存储介质，所述方法通过获取预设范围内跟踪目标的目标数据，所述预设范围包括第一范围和第二范围，计算所述第一范围内的第一跟踪目标的遮挡角度，根据所述第一跟踪目标的遮挡角度计算所述第二范围内的第二跟踪目标的被遮挡情况，根据所述被遮挡情况完成对所述第二跟踪目标的实时跟踪。本申请有效识别标记并剔除雷达第二追踪目标被雷达第一追踪目标遮挡所产生的虚假点，使得被遮挡导致无目标直接反射点的雷达第二追踪目标能够准确被跟踪识别并更新其目标数据，增强车辆安全性。

尽管这里已经参考附图描述了示例实施例，应理解上述示例实施例仅仅是示例性的，并且不意图将本申请的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改，而不偏离本申请的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本申请的范围之内。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个设备，或一些特征可以忽略，或不执行。

本申请的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的一些模块的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如，计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。