一种雷达环视系统及数据处理方法与流程

本发明涉及一种雷达环视系统及数据处理方法，属于车辆安全监测领域。

背景技术：

近年来，无人驾驶，高级辅助驾驶（adas）的兴起，为人们日益多样化的出行方式提供了更多选择和可能性。而其中复杂多变的道路环境对汽车环境感知能力提出了更高要求，此外，出于对系统落地成本限制，系统高实时性，交通政策法规对adas功能强制要求等因素考虑，无疑又给传感器方案的有效性可靠性提出诸多挑战。而其中多传感器融合由于其灵活可靠，传感器之间优势互补等特点而广受关注，是环境感知系统未来发展的必然趋势。

目前主流的传感器融合方案为：主车车身四周部署多个独立的传感器单元（如雷达、摄像头等），主车中控器接收各个传感器单元的输出数据，将各个传感器数据进行坐标系转化，统一为车辆坐标系后，利用融合算法将表征同一目标的所有传感器数据进行整合，从而得出关于目标威胁性的一致性结论。但这类系统可能存在如下问题：

1)传统系统中独立的传感器单元由于包含完整的射频前端及信号处理芯片，其输出的是object数据(跟踪目标数据)，object数据是在原始数据基础上经过信号处理后的数据，已不是原始数据，因而包含表征环境的信息量较少（远少于原始数据），进而限制了部分系统功能或可能使部分系统功能在某些场景下失效；

2)传统系统中多个独立的传感器单元由于输出即为object数据点，所以普遍采用的是object级（跟踪目标级）或更高层级融合，一般无法进行cluster级（信号级）融合；

3)传统系统中多个独立的传感器单元本质上是独立的，不利于系统对所有传感器单元进行统一且高效的管理和配置，数据传输效率低，降低了系统的灵活性，且大幅提高硬件成本。

有鉴于此，本发明人对此进行研究，专门开发出一种雷达环视系统及数据处理方法，本案由此产生。

技术实现要素：

本发明的目的是提供一种雷达环视系统及数据处理方法。

为了实现上述目的，本发明的解决方案是：

一种雷达环视系统，包括中央处理单元，以及通过高速总线、低速总线与中央处理单元相连的若干个雷达前端。

作为优选，所述中央处理单元包括处理模块和接口转换模块，所述处理模块一方面通过低速总线与各个雷达前端进行信号通信，另一方面通过高速总线和接口转换模块接收各雷达前端采集到的原始信号。

作为优选，所述处理模块采用dsp控制；低速总线采用can总线，所述高速总线采用同轴电缆或以太网。

作为优选，所述接口转换模块采用同轴转mipi模块，将各雷达前端上传的同轴信号转换为mipi信号，以便处理模块识别处理。

作为优选，所述雷达前端设有数模转换器（adc），所述雷达前端经数模转换器输出原始信号，原始信号经同轴电缆和同轴转mipi模块输入到处理模块进行数据处理。

作为优选，所述雷达前端包括毫米波雷达前端。

作为优选，所述中央处理单元还包括输出模块，输出模块包括can接口、spi/i2c接口。

一种雷达环视系统的数据处理方法，包括如下步骤：

通过多个雷达前端采集车辆环境数据，并将环境数据原始信号输入至中央处理单元；

中央处理单元对上述原始信号进行初步处理，得到包含环境及目标信息的若干个原始数据点，所述原始数据点均包含有多个属性值；

将上述各个原始数据点的坐标系统一转换为车辆坐标系；

中央处理单元依次遍历处在各雷达前端探测范围重合区域的原始数据点，对有相似特征信息的原始数据点进行聚类关联，并对此类原始数据点进行融合处理，叠加构建一个融合后的新数据点；

中央处理单元以主车为中心点依次对各雷达前端所对应原始数据点区域边界进行拼接，而各雷达前端探测覆盖重合区域的原始数据点按融合后的新数据点计算，从而构建得到基于雷达的环绕车身四周的环境及目标地图。

作为优选，所述数据处理方法还包括：

对于数据拼接后生成的目标地图，先运用聚类算法将目标地图中表征同一目标的原始数据点聚合，再基于卡尔曼滤波对目标进行聚类跟踪。

作为优选，所述属性值包括但不限于目标的速度，距离，方位角及雷达截面积。

本发明所述的雷达环视系统及数据处理方法，各雷达前端输出的是未经处理的原始信号，最大限度地保留完整的环境信息，更有利于提取车身四周丰富且复杂多变的环境信息，最大程度减少由于数据量少带来的对车身四周环境的误判；不仅可采用object级或更高层级数据融合，而且还可以进行cluster级（信号级）融合，更有利于全方位表征环境信息，进行目标识别与跟踪，丰富应用场景；此外，采用1个中央处理单元同时控制多个雷达前端，既实现了统一且高效的管理和配置，提高数据传输效率和系统的灵活性，同时大幅度降低硬件成本。

以下结合附图及具体实施例对本发明做进一步详细描述。

附图说明

图1为本实施例的雷达环视系统布局图；

图2为本实施例的雷达环视系统原理框图；

图3为本实施例的雷达环视系统的数据处理方法流程图；

图4为传统系统中多个独立的传感器单元融合效果图；

图5为本实施例雷达环视系统融合效果图。

具体实施方式

如图1-2所示，一种雷达环视系统，应用于车辆中，包括一个中央处理单元1和若干个设置在车辆5上的雷达前端2，所述中央处理单元1通过低速总线3和高速总线4与雷达前端2相连，所述低速总线3可以采用can总线，所述高速总线4可以采用同轴电缆或以太网。在本实施例中，所述高速总线4采用同轴电缆，所述中央处理单元1包括处理模块11和接口转换模块12，所述接口转换模块12用于信号转换，具体采用同轴转mipi模块，将各雷达前端2上传的同轴信号转换为mipi信号，以便处理模块11识别处理。所述处理模块11一方面通过can总线与各个雷达前端2进行信号通信，另一方面通过同轴电缆和同轴转mipi模块接收各雷达前端2采集到的原始信号。

中央处理单元1除处理模块11和接口转换模块12外，还包括can模块13和输出模块14。所述处理模块11采用高性能dsp控制。所述can模块13用于can总线传输。所述输出模块14一方面读取dsp处理结果，另一方面提供丰富的外部接口，包括一个can接口，可用于器件与画布通信，输出数据处理结果，方便用于图形显示，还提供一个spi/i2c接口，用于进行电源管理ic，还提供一个四路串行外设接口，可用于直接从串行闪存下载代码。

所述雷达前端2设有数模转换器（adc），所述雷达前端2经数模转换器输出原始信号，原始信号经同轴电缆和同轴转mipi模块输入到处理模块11进行数据处理。每个雷达前端2工作频段在24ghz或76ghz-81ghz，采用多输入多输出(mimo)体制，利用mimo雷达构建虚拟阵列的特点增大接收天线孔径，从而提高方位角度分辨力。在本实施例中，每个雷达前端2都外接地及12v电源，各个雷达前端2与处理模块11通过can总线及同轴电缆相连接，其中高速总线（同轴电缆/以太网等）用于传输各雷达前端2输出的adc采样数据至中央处理单元1。相比传统毫米波雷达拥有更高的通信信道带宽，加快原始数据传输，增加处理模块11的采样点数，获得对车身周遭环境的细致化描述；使用低速总线(can总线)对各个雷达前端2进行参数设置（发射接收载波波形等），同时对各个雷达前端2的工作时段进行分配，针对不同场景实现资源的合理化利用。

所述中央处理单元1负责对外围模块的控制、信号的采集、数据的存储、信号的处理、以及结果的显示。信号的处理是对处理模块11缓存区各雷达前端2的adc输出信号依次算法处理，包括距离维，速度维，角度维傅里叶变换（fft），从而获得目标点的关键信息，如距离，速度，方位角，目标横截面积（rcs）等。

基于上述雷达环视系统的数据处理方法，如图3所示，包括如下步骤：

s101、环境数据采集：

通过多个雷达前端2采集车辆5环境数据，并经雷达前端2数模转换器输出对应的环境数据原始信号至中央处理单元1；

具体为：处在相应工作模式的雷达前端组合主动收发雷达探测信号，包含目标及环境信息的回波信号经各个前端adc采样后输出，各前端adc输出信号直接经高速同轴电缆同步传输至处理模块缓存区，当一个探测周期内所有雷达前端所对应缓存区内都包含有效数据，则处理模块11的信号处理单元可以进行后续算法处理。

s102、目标原始数据点输出：

所述中央处理单元1的处理模块11对上述原始信号进行初步处理，得到包含环境及目标信息的若干个原始数据点（cluster点），所述原始数据点均包含有多个属性值；

在中央处理单元1中，对缓存区各雷达前端的adc输出信号依次算法处理，包括距离维，速度维，角度维傅里叶变换（fft），从而获得目标点的关键信息，如距离，速度，方位角，目标横截面积（rcs）等。使其输出是包含环境及目标信息的cluster点，而每个cluster点包含有目标速度，距离，方位角，rcs等属性值。

s103、坐标系转换：

将上述各个原始数据点的坐标系统一转换为车辆坐标系；

包含目标及环境信息的原始数据点的坐标系是雷达坐标系，所以各个雷达前端的原始数据点信息都基于各自雷达坐标系，并不统一，需要通过几何运算统一转换为车辆坐标系。

s104、原始数据级融合：

中央处理单元1依次遍历处在各雷达前端探测范围重合区域的原始数据点，对有相似特征信息的原始数据点进行聚类关联，并对此类原始数据点进行融合处理，叠加构建一个融合后的新数据点；

具体为：原始数据点经坐标系转换后，中央处理单元1依次遍历处在各前端探测范围重合区域的原始数据点，对有相似特征信息的原始数据点进行聚类关联，对于这些原始数据点需要进行诸如贝叶斯融合算法的处理，即在重合探测区域内，有两个以上表征同一目标点信息的原始数据点，可以由贝叶斯算法给出各个原始数据点的权重，然后叠加构建一个融合后的新数据点。

s105、数据拼接：

由于中央处理单元1输出的每个雷达前端2所对应的原始数据点是对其所覆盖环境区域的表征，所以中央处理单元1以主车为中心点依次对各雷达前端所对应原始数据点区域边界进行拼接，而各雷达前端探测覆盖重合区域的原始数据点按融合后的新数据点计算，从而构建得到基于雷达的环绕车身四周的环境及目标地图；

s106、目标跟踪与识别：

对于数据拼接后生成的目标地图，先运用聚类算法将目标地图中表征同一目标的原始数据点聚合，再基于卡尔曼滤波对目标进行聚类跟踪。

具体为：对于数据拼接后生成的目标地图，可以先运用dbscan等聚类算法将地图中表征同一目标的原始数据点聚合，再基于卡尔曼滤波对目标进行聚类跟踪，相比于传统单点跟踪，聚类跟踪更能表征目标真实的运动状态。基于cluster点信息丰富的优势，可以将目标轮廓，速度，位置，rcs等特征作为目标分类依据，并运用决策树或支持向量机等分类算法，或运用深度神经网对目标进行分类，产生行人，车辆等分类类别，从而完成目标识别。

在本实施例中，所述中央处理单元单元1直接处理的是各雷达前端数模转换器（adc）输出的原始信号，最大限度地保留完整的环境信息，而传统方案中，各雷达的信号处理链路已经独立处理原始信号，并输出object数据，object数据可以被认为是周围环境信息特别是目标关键信息的提炼，在后续算法融合环节提供的信息量已经远远小于原始输出信号，所以本实施例所述的雷达环视系统更有利于提取车身四周丰富且复杂多变的环境信息，最大程度减少由于数据量少带来的对车身四周环境的误判。

本实施例所述的雷达环视系统可以等价为一个协同传感器，车身四周部署的是雷达前端而非具有完整目标探测功能的独立的雷达。中央处理单元1可以通过can总线方便灵活得对每一个雷达前端2进行配置，如在车辆行驶前可以通过中央处理单元1灵活选择需要使用的雷达前端组合，包括选用几个前端，位于车身哪个位置的等，此外还可以统一配置雷达前端2射频参数，信号处理方式，前端工作模式等，并在车辆启动前完成自检；车辆行驶中对所有处在工作状态的雷达前端2进行实时监控，并传输相应同步收发指令及其他控制指令等。高效配置有利于全面提高系统灵活性，可扩展性及可靠性等。并且，由于独立的雷达单元都需要独立的微处理芯片，其成本随车身所布署雷达数量的提升而极具提高；而本实施例只需要一块统一的中央处理单元1，有效地控制了整个系统的成本。

本发明所述的数据处理方法，不仅可采用object级或更高层级数据融合，而且还可以进行cluster级（信号级）融合。由于信号级融合提取的信息更丰富，其结果更能表征外界环境信息。如图4所示，原点及叉表示不同传感器的object输出，可以看到数据融合结果所包含的数据点较少，不利于全方位表征环境信息；而如图5所示，原点及叉表示不同传感器的cluster点输出，可以看到数据融合结果所包含的数据点较多，更有利于全方位表征环境信息，进行目标识别与跟踪。所以本发明应用场景也更为丰富。

以下是车辆自动泊车时，雷达环视系统的数据处理方法，基于所述系统输出的主车附近丰富的环境信息，采用slam相关算法，可进行诸如停车场自动泊车等相关应用；包括如下步骤：

1、环境数据采集

当车辆驶入停车场，并进入自动泊车模式，处在相应工作模式的雷达前端组合主动收发雷达探测信号，包含停车场环境及周围行人车辆等信息的回波信号经各个前端adc采样后输出，各前端adc输出信号直接经高速同轴电缆同步传输至中央处理单元缓存区，当一个探测周期内所有前端所对应缓存区内都包含有效数据，则中央处理单元的信号处理单元可以进行后续算法处理。

2、目标原始数据点输出

在中央处理单元中，对缓存区各雷达前端的adc输出信号依次算法处理，包括距离维，速度维，角度维傅里叶变换（fft），从而获得目标点的关键信息，如距离，速度，方位角，目标横截面积（rcs）等。使其输出是包含环境及目标信息的原始数据点（cluster点），而每个cluster点包含有目标速度，距离，方位角，rcs等属性值。

3、坐标系转换

包含目标及环境信息的原始数据点的坐标系是雷达坐标系，所以各个前端的原始数据点信息都基于各自雷达坐标系，并不统一，所以需要通过简单的几何运算统一转换为车辆坐标系。

4、原始数据级融合

原始数据点经坐标系转换后，系统依次遍历处在各前端探测范围重合区域的原始数据点，对有相似特征信息的原始数据点进行聚类关联，对于这些原始数据点需要进行诸如贝叶斯融合算法的处理，即在重合探测区域内，有两个以上表征同一目标点信息的原始数据点，可以由贝叶斯算法给出各个原始数据点的权重，然后叠加构建一个融合后的新数据点。

5、数据拼接

由于中央处理单元输出的每个雷达前端所对应的原始数据点是对其所覆盖环境区域的表征，所以以主车为中心点依次对各前端所对应原始数据点区域边界进行拼接，而各前端探测覆盖重合区域的原始数据点按融合后的新数据点计算，从而构建得到基于雷达的环绕车身四周的停车环境地图。

6、目标跟踪与识别

对于数据拼接后生成的目标地图，可以先运用dbscan等聚类算法将地图中表征同一目标的原始数据点聚合，再基于卡尔曼滤波对目标进行聚类跟踪，根据实时跟踪结果反馈并结合目标分类结果，从而在泊车过程中避免与其他物体或行人发生碰撞；另外基于生成的地图检测车位，生成可行驶区域，基于slam算法完成自动泊车。

以下是车辆局部定位时，雷达环视系统的数据处理方法，所述系统可以较好探测到道路两旁护栏等目标，较多的输出点能较好描绘道路的边界特征，基于卡尔曼滤波等相关算法，可以用于车辆的局部定位。具体步骤如下：

1、环境数据采集

在高速公路等结构化道路场景，道路边界较为清晰，雷达前端组合主动收发雷达探测信号，包含目标及环境信息的回波信号经各个前端adc采样后输出，各前端adc输出信号直接经高速同轴电缆同步传输至中央处理单元缓存区，当一个探测周期内所有前端所对应缓存区内都包含有效数据，则中央处理单元的信号处理单元可以进行后续算法处理。

2、目标原始数据点输出

在中央处理单元中，对缓存区各雷达前端的adc输出信号依次算法处理，包括距离维，速度维，角度维傅里叶变换（fft），从而获得目标点的关键信息，如距离，速度，方位角，目标横截面积（rcs）等。使其输出是包含环境及目标信息的原始数据点（cluster点），而每个cluster点包含有目标速度，距离，方位角，rcs等属性值。

3、坐标系转换

包含目标及环境信息的原始数据点的坐标系是雷达坐标系，所以各个前端的原始数据点信息都基于各自雷达坐标系，并不统一，所以需要通过简单的几何运算统一转换为车辆坐标系。

4、原始数据级融合

原始数据点经坐标系转换后，系统依次遍历处在各前端探测范围重合区域的原始数据点，对有相似特征信息的原始数据点进行聚类关联，对于这些原始数据点需要进行诸如贝叶斯融合算法的处理，即在重合探测区域内，有两个以上表征同一目标点信息的原始数据点，可以由贝叶斯算法给出各个原始数据点的权重，然后叠加构建一个融合后的新数据点。

5、数据拼接

由于中央处理单元输出的每个雷达前端所对应的原始数据点是对其所覆盖环境区域的表征，所以以主车为中心点依次对各前端所对应原始数据点区域边界进行拼接，而各前端探测覆盖重合区域的cluster点按融合后的新始数据点计算，从而构建基于雷达的环绕车身四周的环境及目标地图。

6、目标跟踪与识别

对于数据拼接后生成的地图，筛选地图中表征道路边界信息的静态点，采用最小二乘拟合生成实际的车道线，并基于卡尔曼滤波等相关算法完成对车道线的跟踪，从而完成车辆的局部定位，当车辆偏离车道时进行预警。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其他实施例。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由权利要求指出。