一种用于毫米波雷达目标轮廓检测的数据处理方法及装置

技术领域

本申请属于毫米波雷达技术领域，尤其涉及一种用于毫米波雷达目标轮廓检测的数据处理方法及装置。

背景技术

当前毫米波雷达的应用十分广泛，包括实现主动巡航控制的汽车行业、实现目标监控排查的安防领域、实现流量统计、车辆测速的交通领域等。上述应用场景需要毫米波雷达准确的获取目标物体的轮廓描绘性能，对感知识别物体轮廓的能力要求较高。

为了提升毫米波雷达的轮廓描绘性能，目前主要有两种实现方法，一种是通过扩大天线孔径来提高测角分辨率；另一种是基于超分辨测角算法来提高测角分辨率。上述两种方式均存在数据计算量大、无法处理雷达图像中杂点的技术缺陷。

发明内容

基于此，有必要针对上述技术问题，提供一种用于毫米波雷达目标轮廓检测的数据处理方法及装置。通过构建通过设计的天线布局，提升对目标的测量精度，同时借助动态栅格跟踪技术减小杂点的影响，提升轮廓的完整性。

第一方面，本申请提供了一种用于毫米波雷达目标轮廓检测的数据处理方法。所述方法包括：

构建包含接收天线阵列与发射天线阵列的毫米波雷达天线系统，通过所述毫米波雷达天线系统接收对应目标轮廓的信号波形；

基于所述信号波形构建初始栅格地图，根据所述初始栅格地图对所述目标轮廓下一帧的位置进行预测，基于预测结果绘制预测栅格地图；

基于所述毫米波雷达天线系统绘制对应当前时刻的实时栅格地图；

如果所述预测栅格地图与所述实时栅格地图存在关联栅格，则基于所述预测栅格地图对所述实时栅格地图中的数据进行修改，得到修改后的实时栅格地图；

将所述预测栅格地图与所述修改后的实时栅格地图进行融合，根据融合后的栅格地图确定目标轮廓。

在其中一个实施例中，所述构建包含接收天线阵列与发射天线阵列的毫米波雷达天线系统包括：

对每条发射天线的相对位置进行调整，基于调整后的所述发射天线构建发射天线阵列；

对每条接收天线的相对位置进行调整，基于调整后的所述接收天线构建接收天线阵列；

根据所述发射天线阵列与所述接收天线阵列构建毫米波雷达天线系统。

在其中一个实施例中，所述基于所述信号波形构建初始栅格地图，根据所述初始栅格地图对所述目标轮廓下一帧的位置进行预测，绘制得到预测栅格地图，包括：

对所述信号波形进行解算，得到包括方位角、俯仰角、多普勒速度、栅格航向角在内的参数集合；

将所述参数集合填充至栅格地图模板中得到初始栅格地图；

从所述初始栅格地图中选取符合预设标准的样本栅格，基于所述样本栅格的栅格航向角对所述目标轮廓下一帧的位置进行预测；

基于预测结果绘制预测栅格地图。

在其中一个实施例中，所述从所述初始栅格地图中选取符合预设标准的样本栅格，基于所述样本栅格的栅格航向角对所述目标轮廓下一帧的位置进行预测，包括：

从所述初始栅格地图中选取占据概率大于阈值的栅格作为样本栅格；

基于所述样本栅格内栅格航向角的数值对所述目标轮廓下一帧的位置进行预测。

在其中一个实施例中，所述基于预测结果绘制预测栅格地图，包括：

基于所述预测结果计算目标轮廓下一帧的包括方位角、俯仰角、多普勒速度、栅格航向角在内的预测参数集合；

将所述预测参数集合填充至栅格地图模板中得到预测栅格地图。

在其中一个实施例中，所述如果所述预测栅格地图与所述实时栅格地图存在关联栅格，则基于所述预测栅格地图对所述实时栅格地图中的数据进行修改，得到修改后的实时栅格地图，包括：

选取所述预测栅格地图中存在所述目标轮廓的样本栅格，确定所述实时栅格地图中是否存在与所述样本栅格对应的关联栅格；

如果存在关联栅格，则计算所述关联栅格与所述样本栅格的多普勒速度差值；

根据所述多普勒差值与预设阈值的大小关系，对所述实时栅格地图中的数据进行修改。

在其中一个实施例中，所述将所述预测栅格地图与所述修改后的实时栅格地图进行融合，根据融合后的栅格地图确定目标轮廓，包括：

从所述预测栅格地图中提取第一样本栅格，从所述修改后的实时栅格地图中提取与所述第一样本栅格位置相同的第二样本栅格；

基于DST证据融合的方式对所述第一样本栅格与所述第二样本栅格的栅格状态参数进行处理，得到目标栅格状态参数；

对所述第一样本栅格与所述第二样本栅格的运动属性参数进行滤波处理，得到目标栅格运动属性参数；

将所述目标栅格状态参数以及所述目标栅格运动属性参数填充至栅格地图模板中得到融合后的栅格地图；

基于所述融合后的栅格地图内的栅格数据确定目标轮廓。

在其中一个实施例中，在所述基于所述信号波形构建初始栅格地图前，还包括：

对所述信号波形进行分组，对每组添加不同的相位值。

第二方面，本申请还提供了一种用于毫米波雷达目标轮廓检测的数据处理装置。所述装置包括：

信号接收模块，用于构建包含接收天线阵列与发射天线阵列的毫米波雷达天线系统，通过所述毫米波雷达天线系统接收对应目标轮廓的信号波形；

第一地图绘制模块，用于基于所述信号波形构建初始栅格地图，根据所述初始栅格地图对所述目标轮廓下一帧的位置进行预测，基于预测结果绘制预测栅格地图；

第二地图绘制模块，用于基于所述毫米波雷达天线系统绘制对应当前时刻的实时栅格地图；

地图修改模块，用于如果所述预测栅格地图与所述实时栅格地图存在关联栅格，则基于所述预测栅格地图对所述实时栅格地图中的数据进行修改，得到修改后的实时栅格地图；

地图融合模块，用于将所述预测栅格地图与所述修改后的实时栅格地图进行融合，根据融合后的栅格地图确定目标轮廓。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

构建包含接收天线阵列与发射天线阵列的毫米波雷达天线系统，通过所述毫米波雷达天线系统接收对应目标轮廓的信号波形；

基于所述信号波形构建初始栅格地图，根据所述初始栅格地图对所述目标轮廓下一帧的位置进行预测，基于预测结果绘制预测栅格地图；

基于所述毫米波雷达天线系统绘制对应当前时刻的实时栅格地图；

如果所述预测栅格地图与所述实时栅格地图存在关联栅格，则基于所述预测栅格地图对所述实时栅格地图中的数据进行修改，得到修改后的实时栅格地图；

将所述预测栅格地图与所述修改后的实时栅格地图进行融合，根据融合后的栅格地图确定目标轮廓。

第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

构建包含接收天线阵列与发射天线阵列的毫米波雷达天线系统，通过所述毫米波雷达天线系统接收对应目标轮廓的信号波形；

基于所述信号波形构建初始栅格地图，根据所述初始栅格地图对所述目标轮廓下一帧的位置进行预测，基于预测结果绘制预测栅格地图；

基于所述毫米波雷达天线系统绘制对应当前时刻的实时栅格地图；

如果所述预测栅格地图与所述实时栅格地图存在关联栅格，则基于所述预测栅格地图对所述实时栅格地图中的数据进行修改，得到修改后的实时栅格地图；

将所述预测栅格地图与所述修改后的实时栅格地图进行融合，根据融合后的栅格地图确定目标轮廓。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

构建包含接收天线阵列与发射天线阵列的毫米波雷达天线系统，通过所述毫米波雷达天线系统接收对应目标轮廓的信号波形；

基于所述信号波形构建初始栅格地图，根据所述初始栅格地图对所述目标轮廓下一帧的位置进行预测，基于预测结果绘制预测栅格地图；

基于所述毫米波雷达天线系统绘制对应当前时刻的实时栅格地图；

如果所述预测栅格地图与所述实时栅格地图存在关联栅格，则基于所述预测栅格地图对所述实时栅格地图中的数据进行修改，得到修改后的实时栅格地图；

将所述预测栅格地图与所述修改后的实时栅格地图进行融合，根据融合后的栅格地图确定目标轮廓。

上述用于毫米波雷达目标轮廓检测的数据处理方法及装置、计算机设备、存储介质和计算机程序产品，通过对现有毫米波雷达的布局进行改进，实现扩大天线虚拟孔径的效果，同时采用动态栅格的点目标跟踪技术处理杂点多问题，提升目标轮廓的完整性。

附图说明

图1为一个实施例中用于毫米波雷达目标轮廓检测的数据处理方法的应用环境图；

图2为一个实施例中用于毫米波雷达目标轮廓检测的数据处理方法的流程示意图；

图3为一个实施例中构建的毫米波雷达系统的结构示意图；

图4为另一个实施例中用于毫米波雷达目标轮廓检测的数据处理方法的流程示意图；

图5为一个实施例中用于毫米波雷达目标轮廓检测的数据处理装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的用于毫米波雷达目标轮廓检测的数据处理方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种用于毫米波雷达目标轮廓检测的数据处理方法，以该方法应用于图1中的终端104为例进行说明，包括以下步骤：

步骤S10，构建包含接收天线阵列与发射天线阵列的毫米波雷达天线系统，通过所述毫米波雷达天线系统接收对应目标轮廓的信号波形。

其中，此处之所以需要构建毫米波雷达系统，是因为目前毫米波雷达所使用的天线系统测角分辨率较低，无法提供更为精准的目标轮廓的接收能力。因此本实施例提出一种对发射天线与接收天线的相对距离、位置改进后的毫米波雷达天线系统，并对该系统的接收能力有效性进行验证。

步骤S30，基于信号波形构建初始栅格地图，根据初始栅格地图对目标轮廓下一帧的位置进行预测，基于预测结果绘制预测栅格地图。

基于前一步骤构建的毫米波雷达系统接收到的信号波形构建初始栅格地图。这里构建的初始栅格地图的目的在于，根据接收到的信号波形进行解算得到的参数集合对下一帧目标轮廓可能出现的位置进行预测，即绘制预测栅格地图。

步骤S50，基于毫米波雷达天线系统绘制对应当前时刻的实时栅格地图。

预测栅格地图的预测效果需要借助当前时刻绘制的实时栅格地图才能进行，因此在对下一帧目标轮廓进行预测前，还需要借助毫米波雷达天线系统绘制对应当前时刻的实时栅格地图。

步骤S70，如果预测栅格地图与实时栅格地图存在关联栅格，则基于预测栅格地图对实时栅格地图中的数据进行修改，得到修改后的实时栅格地图。

基于预测栅格地图对实时栅格地图进行修改的关键在于判断是否存在关联栅格。关联栅格的判定是对预测栅格地图与实时栅格地图中同一位置的栅格是否存在占据状态。如果存在关联栅格，则判定预测栅格地图与实时栅格地图之间存在一定联系，能够基于预测栅格低于对实时栅格地图进行预测。

步骤S90，将预测栅格地图与修改后的实时栅格地图进行融合，根据融合后的栅格地图确定目标轮廓。

在获取到修改后的实时栅格地图后，再次使用预测栅格地图进行二者的融合，由于融合后的栅格地图中包含了目标轮廓的实际位置以及可能会出现的位置，因此使用融合后的栅格地图能够更为准确的处理杂点多问题，提升目标轮廓的完整性。

通过对现有毫米波雷达的布局进行改进，实现扩大天线虚拟孔径的效果，同时采用动态栅格的点目标跟踪技术处理杂点多问题，提升目标轮廓的完整性。

在其中一个实施例中，构建包含接收天线阵列与发射天线阵列的毫米波雷达天线系统，即步骤S10包括：

步骤S11，对每条发射天线的相对位置进行调整，基于调整后的发射天线构建发射天线阵列；

步骤S13，对每条接收天线的相对位置进行调整，基于调整后的接收天线构建接收天线阵列；

步骤S15，根据发射天线阵列与接收天线阵列构建毫米波雷达天线系统。

在实施中，为了提高毫米波雷达天线系统的信号接收效果，本实施例提出了一种改进型的毫米波雷达天线系统。

如图3所示，具体包含3根发射天线以及4根接收天线，发射天线水平排布，两两间隔为9*Lambda，接收天线从左到右，索引依次为R1,R2,R3,R4，R2距R1为2*Lambda，R3距R2为2.5*Lambda，R4距R3水平为4*Lambda，垂直距离为1.5*Lambda，接收天线和发射天线间的相对位置关系不固定。

基于上述布局，对远场MIMO等效天线布局见收发进行等效虚拟，求解过程以单目标(方位为ф，俯仰为θ)为例，且只针对方位角和俯仰角建模，设MIMO等效天线(1,2,3,5,6,7,9,10,11)接收向量A＝[1,exp(j*2*π*2*sin(ф))，

exp(j*2*π*4.5*sin(ф))，exp(j*2*π*9*sin(ф))，

exp(j*2*π*11*sin(ф))，exp(j*2*π*13.5*sin(ф))，

exp(j*2*π*18*sin(ф))，exp(j*2*π*20*sin(ф))，

exp(j*2*π*22.5*sin(ф))]；

扩充A，分别在等效天线3和5之间，7和9，11后填充0，

得A’＝[1,exp(j*2*π*2*sin(ф))，

exp(j*2*π*4.5*sin(ф))，0，

exp(j*2*π*9*sin(ф))，exp(j*2*π*11*sin(ф))，

exp(j*2*π*13.5*sin(ф))，0，

exp(j*2*π*18*sin(ф))，exp(j*2*π*20*sin(ф))，

exp(j*2*π*22.5*sin(ф)),0]；

对A’进行傅里叶变换，如下：

当K/N＝2.25sin(ф)+m，m为整数，

此时

在ф的允许范围内，X(K)的幅值大于X(K+N/2)，所以在功率谱中寻找最大峰值所对应的位置，记做K，此时其对应方位角ф′，其与真实的ф存在一个偏差值，可以利用X(K)以及X(K+N/2)来求解角度模糊，具体如下

利用上式求出的ф″，看做是ф的无模糊估计值，此时ф″＝ф′+a*L,L为功率谱的无模糊周期，利用上式可以求出a的数值，取整记为a’，此时ф＝ф′+a′*L。

利用方位ф对等效天线4、8、12进行匹配滤波，然后结合等效天线(1,2,3,5,6,7,9,10,11)一起采用单脉冲相位求解得到俯仰角。

求解出方位角度和俯仰角后，进一步判断同一角度范围内是否存在两个目标并且分离出，有助于提高输出检测点的数目以及目标轮廓的完整型，具体过程如下：

假设总Chirp数目为N，用于上述求解角度所用Chirp数目为M，则将所有Chirp分成N/M组，针对多普勒不为零的目标，需要补偿上多普勒带来的相位偏移exp(-j*2*pi*fd*τ*k)，其中fd为多普勒频移，τ*k为第K组相对于第0组的时延。

判断是否存在两个及两个以上目标，給每一组添加不同的相位，记做2*pi*k*D/lambda*sin(angle),其中D为等效后的MIMO天线孔径，lambda为波长，angle为求解方位角数值。以第一组Chirp所对应的天线阵列为参考，联合所有组所对应虚拟天线位置，进行DBF(数字波束形成)计算，得到角度-功率谱，记做S。设定目标存在于以angle为中心，前后各取一定区域，区域大小可以根据角度分辨率以及3倍方差(假设服从高斯分布)来设定，在此区域中取最大峰值功率与第二大峰值功率进行比值，结果即为T，当T大于设定阈值时(设定阈值可按照上述进行数据仿真，结合大量的测试数据后得到最合适的数值)，则认为此时存在唯一角度，当T小于等于设定阈值时，则认为此时至少存在两个不同方位的目标。

在其中一个实施例中，在基于信号波形构建初始栅格地图前，还包括：

S20，对信号波形进行分组，对每组添加不同的相位值。

在实施中，为了进一步提升毫米波雷达天线的接收效果，还可以对接收天线Chirp序列分别添加不同相位，算法上实现扩大天线虚拟孔径。

具体的，在每一组接收到的信号序列chirp中添加如下相位：

2*pi*k*(1+dll)*D/lambda*sin(angle)；

其中dll可根据数据仿真的结果得到。

通过上述这样设置，可以较好降低angle所对应的功率数值，而真实目标所对应的功率可以较好体现。

对上述添加相位后的所有组天线进行位置排布，然后采用DBF的方式获取角度-功率谱，最后仍然在以Angle为中心，一定范围内寻找最大的两个峰值，此时，这两个峰值所对应角度认为是两个目标的角度。

进一步提高目标轮廓的完整度及减小上述处理输出杂点数,采用基于栅格地图的动态栅格跟踪方式，思想上是基于不同时刻，目标位于雷达视野中的不同位置，此时反射点对应目标的不同位置，可以动态的对反射点进行跟踪累计，从而既可以实现轮廓完整又可以去除杂点。

基于上述优化后的毫米波雷达天线阵列，在接收到目标与毫米波雷达天线阵列的包括相对角度(方位角、俯仰角)、多普勒速度、径向距离的参数后，进一步计算得到探测-侦测概率、虚警率Pfa等参数，用于进行后续计算。

在其中一个实施例中，基于信号波形构建初始栅格地图，根据初始栅格地图对目标轮廓下一帧的位置进行预测，绘制得到预测栅格地图，即步骤S30包括：

步骤S31，对信号波形进行解算，得到包括方位角、俯仰角、多普勒速度、栅格航向角在内的参数集合；

步骤S33，将参数集合填充至栅格地图模板中得到初始栅格地图；

步骤S35，从初始栅格地图中选取符合预设标准的样本栅格，基于样本栅格的栅格航向角对目标轮廓下一帧的位置进行预测；

步骤S37，基于预测结果绘制预测栅格地图。

在实施中，本实施例基于前文中构建的包含接收天线阵列与发射天线阵列的毫米波雷达天线系统对目标轮廓进行预测的实现方式为根据接收到的信号波形对栅格地图模板进行填充，绘制得到预测栅格地图。

为了得到向栅格独特模板进行填充的数据，需要对通过新建的毫米波雷达天线系统接收到的信号波形进行解算。示例如下：

首先，对栅格地图模板进行初始化处理。

其次，将接收天线阵列接收到的反射点投影到当前雷达所对应的栅格地图模板中，得到初始栅格地图。

最后，对初始栅格地图中对应目标轮廓的每个栅格的数据进行结算。

下述以笛卡尔坐标地图为例对结算得到的结果进行描述：对应栅格位置处占据概率P(O)为m(m根据检测点的探测概率Pd以及虚警率Pfa，以及该栅格位置占据的先验概率P来综合判断)，空概率P(E)为1-m，未知概率P(UnKnow)为0％，航向角Orien为99(表示未知状态)，其他位置处的占据概率P(O)为1％，空概率P(E)为49％，未知概率P(UnKnow)为50％，航向角Orien为99(未知状态)。

在得到初始栅格地图后，就可以对目标轮廓下一帧的位置进行预测，即步骤S35，包括：

步骤S351，从初始栅格地图中选取占据概率大于阈值的栅格作为样本栅格；

步骤S353，基于样本栅格内栅格航向角的数值对目标轮廓下一帧的位置进行预测。

在实施中，为了对目标轮廓在下一帧的位置进行预测，需要从初始栅格地图中选出用于预测的样本栅格。

选取样本格栅的方式为从初始栅格地图中选取所有占据概率P(O)大于等于0.5(此处数值可调)的栅格，进一步的，如果选出的栅格内的航向角Orien为99，则将该类的栅格作为样本栅格，基于样本栅格进行后续预测步骤。

在具体预测时，对栅格航向角进行N种假设，然后根据每一种假设的航向角Orien计算下一帧的位置，具体计算公式如下：

其中，Vx、Vy为下一帧中航向角Orien的具体位置，AziAngle为栅格相对于雷达的方位角，Vdoppler为上一帧栅格所对应的多普勒数值，联合上述求出的Vx,Vy以及前后帧的时间间隔，能够确定航向角Orien下一帧的位置预测值。

需要注意的是，根据预测范围的不同，在该栅格所对应Orien附近区域话可以进行M种假设，求取下一时刻每种假设Orien所对应的位置预测值。此处M小于N，计算下一帧的位置的方与上述操作一致，不再赘述。

这里之所以分为M、N两种预测，是因为当栅格的航向角未知时，就存在多种假设N，所需计算资源大，而当栅格航向角有个明确值时，下一时刻航向角预测可以在此小范围内搜索，降低了计算资源。

预测完成后，就可以根据预测结果绘制预测栅格地图，即步骤S37，包括：

步骤S371，基于预测结果计算目标轮廓下一帧的包括方位角、俯仰角、多普勒速度、栅格航向角在内的预测参数集合；

步骤S373，将预测参数集合填充至栅格地图模板中得到预测栅格地图。

在实施中，根据前述步骤S35能够对目标轮廓在下一帧的位置进行预测后，

设定下一时刻每种预测所对应栅格的占据概率P(O)为m`(m`可以按照1除以假设数目来获得，同时设定m`下限值，即当1除以假设数目小于m`下限值时，取m`下限值)，空概率P(E)为1％，未知概率P(UnKnow)为0.99-m`，航向角Orien为假设Orien值，将上述得到的诸多参数组合得到预测参数集合，将预测参数结合填充至栅格地图模板中得到的预测栅格地图，为了方便描绘，将预测栅格地图标记为预测栅格地图GridPre。

在基于预测栅格地图预测栅格地图GridPre对实时栅格地图实时栅格地图GridCur进行修改前，首先需要构建实时栅格地图实时栅格地图GridCur。具体构建过程如下：

基于毫米波雷达天线系统获取实时信号序列，将当前时刻测量点投影到对应的栅格处，对应栅格位置处占据概率P(O)为m(m可以根据检测点的探测概率Pd以及虚警率Pfa，以及该栅格位置占据的先验概率P来综合判断)，空概率P(E)为1-m，未知概率P(UnKnow)为0％，航向角Orien为99(未知状态)，其他位置处的占据概率P(O)为1％，空概率P(E)为49％，未知概率P(UnKnow)为50％，航向角Orien为99(未知状态)。基于上述参数集合对栅格地图模板进行填充得到实时栅格地图GridCur。

在其中一个实施例中，如果预测栅格地图与实时栅格地图存在关联栅格，则基于预测栅格地图对实时栅格地图中的数据进行修改，得到修改后的实时栅格地图，即步骤S70包括：

步骤S71，选取预测栅格地图中存在目标轮廓的样本栅格，确定实时栅格地图中是否存在与样本栅格对应的关联栅格；

步骤S73，如果存在关联栅格，则计算关联栅格与样本栅格的多普勒速度差值；

步骤S75，根据多普勒差值与预设阈值的大小关系，对实时栅格地图中的数据进行修改。

在实施中，在得到实时栅格地图后，需要判定预测栅格地图是否与实时栅格地图存在关联栅格，如果存在关联栅格，则借助关联栅格中的参数对实时栅格地图进行修改。详情如下：

用预测栅格地图GridPre来修正实时栅格地图GridCur，预测栅格地图GridPre中占据状态(预测栅格地图GridPre中占据状态为P(O)大于等于m`下限值)的栅格位置附近区域(区域大小由车辆等目标类型，反射点密度等因素共同决定)，寻找在实时栅格地图GridCur中是否存在占据状态(实时栅格地图GridCur中占据状态为P(O)大于等于m)的栅格。

需要注意的是，这里之所以选取附近区域而不是单个栅格，是考虑到此处的目标是一辆车，由多个占据栅格构成，所以要在预测栅格地图中占据状态栅格附近区域寻找。

若存在关联栅格，则认为二者有关联，然后计算预测栅格地图GridPre中该栅格的多普勒数值与实时栅格地图GridCur中相关联栅格处的多普勒数值(数据中带有多普勒数值)的差值；

如该差值小于某一阈值，则在实时栅格地图GridCur中，修改与预测栅格地图GridPre占据栅格位置一一对应的栅格状态，P(O)＝0.99，P(E)＝1％，P(UnKnow)为0％，航向角Orien为预测栅格地图GridPre的航向角，同时增加预测栅格地图GridPre占据栅格P(O)的概率，减小P(UnKnow)的概率。若实时栅格地图GridCur中，预测栅格地图GridPre占据栅格与所关联的占据栅格的多普勒差值均大于某一阈值，则减小预测栅格地图GridPre占据栅格P(O)的概率，增加P(UnKnow)和P(E)的概率。

若不存在关联栅格，则减小预测栅格地图GridPre占据栅格P(O)的概率，增加P(UnKnow)和P(E)的概率。

需要注意的是，上文中提及到的减小某参数概率、增加某参数概率的处理方式可以基于贝叶斯全概率公式实现，贝叶斯全概率公式的具体示例为：

令P(O|An,An-1,…A0)为当前状态下的要增加或者减小的占据概率，根据全概率公式P(O|An,An-1,…A0)＝P(O|An-1…A0)/(P(O|An-1…A0)+a*P(E|An-1…A0)+b*P(UnKnow|An-1…A0))，a＝P(An|E,An-1…A0)/P(An|O,An-1…A0),b＝P(An|UnKnow,An-1…A0)/P(An|O,An-1…A0)。上述中P(O|An-1…A0)为要减小或者增加前的占据概率，P(E|An-1…A0)为要减小或者增加前的空概率，P(UnKnow|An-1…A0))为要减小或者增加前的未知概率；P(An|E,An-1…A0)为上一时刻为空时，当前发生An事件的概率，可以根据经验设计数值；P(An|UnKnow,An-1…A0)为上一时刻为未知状态时，当前发生An事件的概率，可以根据经验设计数值；P(An|O,An-1…A0)为上一时刻为占据状态时，当前发生An事件的概率，可以根据经验设计数值。

在其中一个实施例中，将预测栅格地图与修改后的实时栅格地图进行融合，根据融合后的栅格地图确定目标轮廓，即步骤S90包括：

步骤S91，从预测栅格地图中提取第一样本栅格，从修改后的实时栅格地图中提取与第一样本栅格位置相同的第二样本栅格；

步骤S93，基于DST证据融合的方式对第一样本栅格与第二样本栅格的栅格状态参数进行处理，得到目标栅格状态参数；

步骤S95，对第一样本栅格与第二样本栅格的运动属性参数进行滤波处理，得到目标栅格运动属性参数；

步骤S97，将目标栅格状态参数以及目标栅格运动属性参数填充至栅格地图模板中得到融合后的栅格地图；

步骤S99，基于融合后的栅格地图内的栅格数据确定目标轮廓。

在实施中，在前述步骤基于预测栅格地图对实时栅格地图进行修改后得到修改后的实时栅格地图，接着基于修改后的实时栅格地图以及预测栅格地图进行融合，以便基于融合后的栅格地图确定目标轮廓。

进行融合的具体方式为分别从预测栅格地图、修改后的实时栅格地图中提取相同位置的栅格，进而对提取到的栅格中的栅格状态参数、栅格运动属性参数进行滤波处理，将滤波处理后的结果作为目标栅格运动属性参数并填充到栅格地图模板中得到融合后的栅格地图。

其中，得到栅格状态参数(占据，空闲，未知)的过程可采用DST(Dempster-ShaferTheory)证据融合的方式进行，得到栅格运动属性参数(doppler，Vx，Vy，航向角Orien)则利用预测栅格地图GridPre和实时栅格地图GridCur中的关联栅格运动属性进行滤波，可以采用卡尔曼滤波等方法进行。

通过本实施例提出的包括构建预测栅格地图、对当前栅格地图进行修改以及融合在内的动态栅格跟踪技术，可以减小杂点的影响，同时进一步提升轮廓的完整性。

需要注意的是，前述技术方案提出了一种基于栅格地图的目标轮廓检测方法，但考虑到对目标轮廓的预测是一个持续性的过程，因此在一个实施例中，还提出了一种基于动态栅格跟踪技术的目标轮廓检测方法。

主要实施步骤与前述步骤S30至S90相同，但是在步骤S90执行结束后，还包括：

S100，在确定目标轮廓后，继续执行步骤S30，实现对下一帧目标轮廓的预测。

基于新增的步骤S100，对应的方法流程图如图4所示。图4所示的方法为一个循环类型的实时方式，能够满足不间断的、持续性的目标轮廓检测操作，实现动态栅格跟踪。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的用于毫米波雷达目标轮廓检测的数据处理方法的用于毫米波雷达目标轮廓检测的数据处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个用于毫米波雷达目标轮廓检测的数据处理装置实施例中的具体限定可以参见上文中对于用于毫米波雷达目标轮廓检测的数据处理方法的限定，在此不再赘述。

在一个实施例中，如图5所示，提供了一种用于毫米波雷达目标轮廓检测的数据处理装置40，包括：信号接收模块41、第一地图绘制模块43、第二地图绘制模块45、地图修改模47块和地图融合模块49，其中：

信号接收模块41，用于构建包含接收天线阵列与发射天线阵列的毫米波雷达天线系统，通过所述毫米波雷达天线系统接收对应目标轮廓的信号波形。

其中，此处之所以需要构建毫米波雷达系统，是因为目前毫米波雷达所使用的天线系统测角分辨率较低，无法提供更为精准的目标轮廓的接收能力。因此本实施例提出一种对发射天线与接收天线的相对距离、位置改进后的毫米波雷达天线系统，并对该系统的接收能力有效性进行验证。

第一地图绘制模块43，用于基于所述信号波形构建初始栅格地图，根据所述初始栅格地图对所述目标轮廓下一帧的位置进行预测，基于预测结果绘制预测栅格地图。

基于前一步骤构建的毫米波雷达系统接收到的信号波形构建初始栅格地图。这里构建的初始栅格地图的目的在于，根据接收到的信号波形进行解算得到的参数集合对下一帧目标轮廓可能出现的位置进行预测，即绘制预测栅格地图。

第二地图绘制模块45，用于基于所述毫米波雷达天线系统绘制对应当前时刻的实时栅格地图。

预测栅格地图的预测效果需要借助当前时刻绘制的实时栅格地图才能进行，因此在对下一帧目标轮廓进行预测前，还需要借助毫米波雷达天线系统绘制对应当前时刻的实时栅格地图。

地图修改模块47，用于如果所述预测栅格地图与所述实时栅格地图存在关联栅格，则基于所述预测栅格地图对所述实时栅格地图中的数据进行修改，得到修改后的实时栅格地图。

基于预测栅格地图对实时栅格地图进行修改的关键在于判断是否存在关联栅格。关联栅格的判定是对预测栅格地图与实时栅格地图中同一位置的栅格是否存在占据状态。如果存在关联栅格，则判定预测栅格地图与实时栅格地图之间存在一定联系，能够基于预测栅格低于对实时栅格地图进行预测。

地图融合模块49，用于将所述预测栅格地图与所述修改后的实时栅格地图进行融合，根据融合后的栅格地图确定目标轮廓。

在获取到修改后的实时栅格地图后，再次使用预测栅格地图进行二者的融合，由于融合后的栅格地图中包含了目标轮廓的实际位置以及可能会出现的位置，因此使用融合后的栅格地图能够更为准确的处理杂点多问题，提升目标轮廓的完整性。

通过对现有毫米波雷达的布局进行改进，实现扩大天线虚拟孔径的效果，同时采用动态栅格的点目标跟踪技术处理杂点多问题，提升目标轮廓的完整性。

上述用于毫米波雷达目标轮廓检测的数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储XX数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种用于毫米波雷达目标轮廓检测的数据处理方法。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种用于毫米波雷达目标轮廓检测的数据处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

步骤S10，构建包含接收天线阵列与发射天线阵列的毫米波雷达天线系统，通过所述毫米波雷达天线系统接收对应目标轮廓的信号波形。；

步骤S30，基于信号波形构建初始栅格地图，根据初始栅格地图对目标轮廓下一帧的位置进行预测，基于预测结果绘制预测栅格地图。

步骤S50，基于毫米波雷达天线系统绘制对应当前时刻的实时栅格地图。

步骤S70，如果预测栅格地图与实时栅格地图存在关联栅格，则基于预测栅格地图对实时栅格地图中的数据进行修改，得到修改后的实时栅格地图。

步骤S90，将预测栅格地图与修改后的实时栅格地图进行融合，根据融合后的栅格地图确定目标轮廓。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

步骤S10，构建包含接收天线阵列与发射天线阵列的毫米波雷达天线系统，通过所述毫米波雷达天线系统接收对应目标轮廓的信号波形。

步骤S30，基于信号波形构建初始栅格地图，根据初始栅格地图对目标轮廓下一帧的位置进行预测，基于预测结果绘制预测栅格地图。

步骤S50，基于毫米波雷达天线系统绘制对应当前时刻的实时栅格地图。

步骤S70，如果预测栅格地图与实时栅格地图存在关联栅格，则基于预测栅格地图对实时栅格地图中的数据进行修改，得到修改后的实时栅格地图。

步骤S90，将预测栅格地图与修改后的实时栅格地图进行融合，根据融合后的栅格地图确定目标轮廓。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

步骤S10，构建包含接收天线阵列与发射天线阵列的毫米波雷达天线系统，通过所述毫米波雷达天线系统接收对应目标轮廓的信号波形。；

步骤S30，基于信号波形构建初始栅格地图，根据初始栅格地图对目标轮廓下一帧的位置进行预测，基于预测结果绘制预测栅格地图。

步骤S50，基于毫米波雷达天线系统绘制对应当前时刻的实时栅格地图。

步骤S70，如果预测栅格地图与实时栅格地图存在关联栅格，则基于预测栅格地图对实时栅格地图中的数据进行修改，得到修改后的实时栅格地图。

步骤S90，将预测栅格地图与修改后的实时栅格地图进行融合，根据融合后的栅格地图确定目标轮廓。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。