一种雷达遮挡检测方法、装置及终端设备与流程

1.本发明属于雷达技术领域，尤其涉及一种雷达遮挡检测方法、装置及终端设备。


背景技术：

2.在户外运行的雷达通常要面对多变的自然环境，不同的自然环境会产生复杂的应用场景。在一些场景中，雷达的探测窗口会被泥土、灰尘、水雾或冰雪等杂质遮挡。雷达在受到杂质遮挡时，各方面性能会下降，出现漏检目标等情况，因此需要对雷达的受到的遮挡情况进行检测和判断。
3.在进行雷达遮挡的检测时，传统的方法包括：根据预存目标的正常回波信号幅度和当前的回波信号幅度进行判断；以及根据多通道的回波信号强度与预设值进行判断。然而在户外移动的雷达无法根据预存的固定目标进行遮挡判断，且回波信号强度容易受到雨衰等外部条件影响，遮挡检测的准确性和可靠性差。


技术实现要素：

4.有鉴于此，本发明实施例提供了一种雷达遮挡检测方法、装置及终端设备，能够准确可靠的判断雷达是否受到遮挡。
5.本发明实施例的第一方面提供了一种雷达遮挡检测方法，包括：
6.将目标雷达的探测范围划分为多个子区域并获取各个子区域内的点云数据；
7.根据各个子区域内的点云数据分别计算各个子区域对应的点云整体熵；
8.根据各个子区域内的点云数据分别对各个子区域内的点云进行聚类，在每个子区域内得到至少一个聚类目标；
9.根据各个聚类目标内包含的点云对应的点云数据，计算各个聚类目标的目标数据，以及根据所述目标数据计算各个子区域对应的目标整体熵；
10.根据各个子区域对应的所述点云整体熵和所述目标整体熵，计算所述目标雷达在当前场景下的熵值；
11.根据所述熵值判断所述目标雷达在所述当前场景下是否被遮挡。
12.本发明实施例的第二方面提供了一种雷达遮挡检测装置，其特征在于，包括：
13.子区域划分模块，用于将目标雷达的探测范围划分为多个子区域并获取各个子区域内的点云数据；
14.点云整体熵计算模块，用于根据各个子区域内的点云数据分别计算各个子区域对应的点云整体熵；
15.聚类模块，用于根据各个子区域的点云数据分别对各个子区域内的点云进行聚类，在每个子区域内得到至少一个聚类目标；
16.目标整体熵计算模块，用于根据各个聚类目标内包含的点云对应的点云数据，计算各个聚类目标的目标数据，以及根据所述目标数据计算各个子区域对应的目标整体熵；
17.熵值计算模块，用于根据各个子区域对应的所述点云整体熵和所述目标整体熵，
计算所述目标雷达在当前场景下的熵值；
18.遮挡判断模块，用于根据所述熵值判断所述目标雷达在所述当前场景下是否被遮挡。
19.本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述方法的步骤。
20.本发明实施例的第四方面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方法的步骤。
21.本发明实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得电子设备执行上述第一方面中任一项所述方法的步骤。
22.本发明实施例与现有技术相比存在的有益效果是：本发明实施例提供了一种雷达遮挡检测方法，包括：将目标雷达的探测范围划分为多个子区域，并获取各个子区域的点云数据，根据各个子区域内的点云数据分别计算各个子区域对应的点云整体熵，从而可以准确确定目标雷达的熵分布情况。进一步的，根据各个子区域内的点云数据对点云进行聚类，在每个子区域内得到至少一个聚类目标。根据各个聚类目标内包含的点云对应的点云数据，计算各个聚类目标的目标数据，并计算各个子区域对应的目标整体熵，从而可以进一步确定目标雷达的熵分布。最终根据各个子区域对应的点云整体熵和目标整体熵计算目标雷达在当前场景下的熵值，根据熵值判断目标雷达是否被遮挡，能够在保证准确性和可靠性的前提下高效地进行雷达遮挡的检测。
附图说明
23.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
24.图1是本发明实施例提供的雷达遮挡检测方法的实现流程示意图；
25.图2是本发明实施例提供的雷达遮挡检测方法的应用场景示意图；
26.图3是本发明实施例提供的雷达遮挡检测方法的又一应用场景示意图；
27.图4是本发明实施例提供的雷达遮挡检测方法的又一实现流程示意图；
28.图5是本发明实施例提供的雷达遮挡检测方法的又一实现流程示意图；
29.图6是本发明实施例提供的雷达遮挡检测装置的结构示意图；
30.图7是本发明实施例提供的终端设备的示意图。
具体实施方式
31.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
32.为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
33.图1示出了本发明实施例提供的雷达遮挡检测方法的实现流程，参见图1，本发明实施例提供的雷达遮挡检测方法包括s101至s106。
34.s101：将目标雷达的探测范围划分为多个子区域并获取各个子区域内的点云数据。
35.本发明实施例提供的雷达遮挡检测方法适用于各类车载雷达、交通雷达以及安防雷达。
36.上述探测范围为目标雷达所在的水平面中的平面区域。
37.在本实施例中，通过将探测范围划分为多个子区域，可以降低检测过程的计算量。
38.图2示出了本发明实施例提供的雷达遮挡检测方法的应用场景，参见图2，在一些实施例中，s101可以包括：
39.以目标雷达为原点，在第一水平面上建立平面直角坐标系，第一水平面为探测范围所在的水平面；根据平面直角坐标系将探测范围划分为多个子区域。
40.参见图2(a)，矩形abdc即为探测范围，目标雷达位于平面直角坐标系的原点o处，ao和bo的长度均为20米，ac和bd的长度均为200米。一个具体示例中，可以将探测范围划分为边长10的正方形区域，则得到80个子区域，80个子区域为如图2所示的q1，q2，q3，q4，
……
，qn1，n1＝80。
41.参见图2(b),在又一个具体的示例中，在平面直角坐标系的y轴方向上，对于靠近目标雷达的区域，可以采用第一划分尺寸进行划分，对于远离目标雷达的区域，可以采用第二划分尺寸进行划分，第一划分尺寸小于第二划分尺寸。例如，在平面直角坐标系的y轴方向上，对于靠近目标雷达的区域，可以采用5米进行划分，将靠近目标雷达的区域划分为10米*5米的长方形区域，10米为x轴方向上的长度，5米为y轴方向上的长度。对于远离目标雷达的区域，可以采用15米进行划分，将靠近目标雷达的区域划分为10米*15米的长方形区域，10米为x轴方向上的长度，15米为y轴方向上的长度。
42.图3示出了本发明实施例提供的雷达遮挡检测方法的又一应用场景，参见图3，在一些实施例中，s101可以包括：
43.以目标雷达为原点，在第一水平面上建立平面极坐标系，第一水平面为探测范围所在的水平面；根据平面极坐标系将探测范围划分为多个子区域。
44.参见图3(a)，在一个具体的示例中，扇形oab即为探测范围，目标雷达位于平面极坐标系的原点o处，oo’的长度为200米，角o’oa和角o’ob的大小均为40度。以5度为步长划分扇形oab，并将划分后的扇形以10米为步长进一步划分，得到320个子区域，320个子区域为如图3所示的q1，q2，q3，q4，
……
，qn2，n2＝320。
45.参见图3(b)，在又一个具体的示例中，以5度为步长划分扇形oab后，在平面极坐标系的x轴方向上，对于靠近目标雷达的区域，可以采用第三划分尺寸进行划分，对于远离目标雷达的区域，可以采用第四划分尺寸进行划分，第三划分尺寸小于第四划分尺寸。例如，第三划分尺寸为5米，第四划分尺寸为10米。
46.通过以上示例，可以将探测范围划分为面积不同的子区域，在距离目标雷达较近的位置，子区域的面积小，在距离目标雷达较远的位置，子区域的面积较大。由于距离目标雷达较近的位置回波信号强度大，以上划分方法可以使各个子区域对应的点云数据的数据量相近，便于提高后续检测的准确性。
47.在本实施例中，获取各个子区域内的点云数据，包括：
48.获取各个子区域对应的回波信号，根据回波信号生成各个子区域内的点云数据。
49.s102：根据各个子区域内的点云数据分别计算各个子区域对应的点云整体熵。
50.在本实施例中，根据点云数据计算的点云整体熵可以体现点云分布的混乱程度。
51.具体的，点云数据包括点云位置数据、点云速度数据以及点云幅度数据。
52.图4示出了本发明实施例提供的雷达遮挡检测方法中s102的实现流程，参见图4，s102包括：
53.s201：根据点云位置数据确定各个子区域内的点云。
54.在一个具体的示例中，点云位置数据可以包括点云的方位角和径向距离。根据各个点云的方位角、径向距离以及各个子区域的坐标范围和点云位置数据，确定各个子区域内的点云。
55.s202：根据第一子区域内的点云对应的点云速度数据计算所述第一子区域的点云速度熵，所述第一子区域为所述各个子区域内的任一子区域。
56.在一个具体的示例中，第一子区域qi内包含m
i
个点云，各个点云的速度分别为v
im
，幅度分别为amp
im
，方位角分别为θ
im
，径向距离分别为r
im
，m＝1,2,3
…
m
i
。
57.一些实施例中，s202可以保包括：将目标雷达的测速范围划分为多个速度区间。根据各个速度区间的范围和各个点云的速度，确定各个速度区间包含的点云数量。根据各个速度区间包含的点云数量，计算各个速度区间内的点云占比频率。根据各个速度区间内的点云占比频率，计算第一子区域的点云速度熵。
58.在一个具体的示例中，将目标雷达的测速范围划分为k1个速度区间v
range
‑
k1
，k1＝1,2,3
…
k1。例如，第k1个速度区间对应的速度范围为v
l
～v
u
，若第一子区域内第k1个速度区间内包含的点云数量为m
k1
，则第一子区域内该速度区间内的点云占比频率为p
k1
＝m
k1
/m
i
。
59.根据
[0060][0061]
计算第一子区域的点云速度熵，其中，e
point
‑
i
(v)为第一子区域的点云速度熵，k1为速度区间的个数，k1为速度区间的序号，p
k1
为第k1个速度区间的点云占比频率。
[0062]
s203：根据所述第一子区域内的点云对应的点云幅度数据计算所述第一子区域的点云幅度熵。
[0063]
一些实施例中，s203可以包括：将目标雷达探测的回波信号幅度范围划分为多个幅度区间。根据各个幅度区间的范围和各个点云的幅度，确定各个幅度区间包含的点云数据。根据各个幅度区间包含的点云数量，计算各个幅度区间的点云占比频率。根据各个幅度区间内的点云占比频率，计算第一子区域的点云幅度熵。
[0064]
在一个具体的示例中，可以将目标雷达探测的回波信号幅度范围划分为k2个幅度区间a
range
‑
k2
，k2＝1,2,3
…
k2。例如，第k2个幅度区间对应的幅度范围为a
l
～a
u
，若第k2个幅度区间内包含的点云数量为m
k2
，则该幅度区间内的点云占比频率为p
k2
＝m
k2
/m
i
。
[0065]
根据
[0066][0067]
计算第一子区域的点云幅度熵，其中，e
point
‑
i
(a)为第一子区域的点云幅度熵，k2为幅度区间的个数，k2为幅度区间的序号，p
k2
为第k2个幅度区间的点云占比频率。
[0068]
s204：根据所述第一子区域内的点云对应的点云速度数据和点云幅度数据，计算所述第一子区域的点云速度幅度联合熵。
[0069]
一些实施例中，s204可以包括：将目标雷达的测速范围和探测的回波信号幅度范围划分为多个速度幅度区间。根据各个幅度区间和速度区间的范围以及各个点云的速度和幅度，确定各个速度幅度区间包含的点云数量。根据各个速度幅度区间包含的点云数量，计算各个速度幅度区间的点云占比频率。根据各个速度幅度区间内的点云占比频率，计算第一子区域的点云速度幅度联合熵。
[0070]
在一个具体的示例中，可以将目标雷达的测速范围和探测的回拨信号幅度范围划分为得到k3个速度幅度区间va
range
‑
k3
，k3＝1,2,3
…
k3。例如，第k3个速度幅度区间对应的速度范围为v
l
～v
u
，对应的幅度范围为a
l
～a
u
。若第k3个速度幅度区间内包含的点云数量为m
k3
，则该速度幅度区间内的点云占比频率为p
k3
＝m
k3
/m
i
。
[0071]
根据
[0072][0073]
计算第一子区域的点云速度幅度联合熵，其中，e
point
‑
i
(v,a)为第一子区域的点云速度幅度联合熵，k3为速度幅度区间的个数，k3为速度幅度区间的序号，p
k3
为第k3个速度幅度区间的点云占比频率。
[0074]
在本实施例中，以上速度区间、幅度区间以及速度幅度区间的划分可以是等距划分，也可以是非等距划分。
[0075]
在本实施例中，通过以上计算，可以获取遮挡造成的点云的速度无序性、幅度无序性以及速度幅度联合的无序性情况。
[0076]
s205：根据所述点云速度熵、所述点云幅度熵以及所述点云速度幅度联合熵，计算所述第一子区域的点云整体熵。
[0077]
在一些实施例中，第一子区域的点云整体熵为第一子区域对应的点云速度熵、点云幅度熵以及点云速度幅度联合熵的加权和。
[0078]
具体的，根据
[0079]
e
point_i
＝α1e
point
‑
i
(v)+α2e
point
‑
i
(a)+α3e
point
‑
i
(v,a)
[0080]
计算第一子区域的点云整体熵。其中，e
point_i
为第一子区域的点云整体熵，α1、α2以及α3为常系数。
[0081]
s103：根据各个子区域内的点云数据分别对各个子区域内的点云进行聚类，在每个子区域内得到至少一个聚类目标。
[0082]
具体的，可以根据点云的速度数据、幅度数据、径向距离以及方位角，对各个子区域内的点云进行聚类。
[0083]
在一个具体的示例中，在第一子区域内将各个点云进行两两比较，计算任意两个
点云之间的速度差、幅度差、径向距离差以及方位角差。若两个点云的各个差值均满足预设条件，则对两个点云进行合并，形成新的目标，并计算新的目标对应的速度数据、幅度数据、径向距离以及方位角。不断执行以上过程，直至所有的目标和点云均无法继续合并，此时在第一子区域内得到至少一个聚类目标。
[0084]
可选的，上述预设条件为小于预设阈值，例如速度阈值为1m/s，幅度阈值为10db，径向距离阈值为4m，方位角阈值为4
°
。通过设置较小的径向距离阈值和较大的速度阈值，可以细致的描述点云分布的有序程度。
[0085]
可选的，新目标对应的数据为原点云对应数据的平均值。
[0086]
可选的，新目标对应的数据为源点云对应数据的加权平均值。
[0087]
在一个具体的示例中，应用dbscan聚类的方法进行点云的聚类。
[0088]
s104：根据各个聚类目标内包含的点云对应的点云数据，计算各个聚类目标的目标数据，以及根据所述目标数据计算各个子区域对应的目标整体熵。
[0089]
在本实施例中，根据目标数据计算得到的目标整体熵可以体现聚类目标的分布混乱程度。
[0090]
具体的，所述目标数据包括目标位置数据、目标速度数据以及目标幅度数据。
[0091]
图5示出了根据目标数据计算各个子区域对应的目标整体熵实现流程，参见图5，根据目标数据计算各个子区域对应的目标整体熵包括：
[0092]
s301：根据第一子区域内的目标对应的目标速度数据计算所述第一子区域的目标速度熵，所述第一子区域为所述各个子区域内的任一子区域。
[0093]
在一个具体的示例中，第一子区域qi内包含g
i
个聚类目标，各个聚类目标的速度分别为v
ig
，幅度分别为amp
ig
，g＝1,2,3
…
g
i
。
[0094]
一些实施例中，s301可以包括：将目标雷达的测速范围划分为多个个速度区间。根据各个速度区间的范围和各个聚类目标的速度，确定各个速度区间包含的聚类目标数量。根据各个速度区间包含的聚类目标数量，计算各个速度区间内的聚类目标占比频率。根据各个速度区间内的聚类目标占比频率，计算第一子区域的目标速度熵。
[0095]
在一个具体的示例中，将目标雷达的测速范围划分为k4个速度区间v
range
‑
k4
，k4＝1,2,3
…
k4。例如，第k4个速度区间对应的速度范围为v
l
～v
u
，若第k4个速度区间内包含的目标数量为g
k4
，则该速度区间内的目标占比频率为p
k4
＝g
k4
/g
i
。
[0096]
根据
[0097][0098]
计算第一子区域的目标速度熵，其中，e
point
‑
i
(v)为第一子区域的目标速度熵，k4为速度区间的个数，k4为速度区间的序号，p
k4
为第k4个速度区间的目标占比频率。
[0099]
s302：根据所述第一子区域内的目标对应的目标幅度数据计算所述第一子区域的目标幅度熵。
[0100]
一些实施例中，s302可以包括：将目标雷达探测的回波信号幅度范围划分为多个幅度区间。根据各个幅度区间的范围和各个聚类目标的幅度，确定各个幅度区间包含的聚类目标数量。根据各个幅度区间包含的聚类目标数量，计算各个幅度区间内的聚类目标占比频率。根据各个幅度区间内的聚类目标占比频率，计算第一子区域的目标幅度熵。
[0101]
在一个具体的示例中，将目标雷达探测的回波信号幅度范围划分为k5个幅度区间a
range
‑
k5
，k5＝1,2,3
…
k5。例如，第k5个幅度区间对应的幅度范围为a
l
～a
u
，若第k5个幅度区间内包含的目标数量为g
k5
，则该幅度区间内的目标占比频率为p
k5
＝g
k5
/g
i
。
[0102]
根据
[0103][0104]
计算第一子区域的目标幅度熵，其中，e
target
‑
i
(a)为第一子区域的目标幅度熵，k5为幅度区间的个数，k5为幅度区间的序号，p
k5
为第k5个幅度区间的目标占比频率。
[0105]
s303：根据所述第一子区域内的目标对应的目标速度数据和目标幅度数据，计算所述第一子区域的目标速度幅度联合熵。
[0106]
一些实施例中，s303可以包括：将目标雷达的测速范围和探测的回波信号幅度范围划分为多个速度幅度区间。根据各个幅度区间和速度区间的范围以及各个聚类目标的速度和幅度，确定各个速度幅度区间包含的聚类目标数量。根据各个速度幅度区间包含的聚类目标数量，计算各个速度幅度区间的聚类目标占比频率。根据各个速度幅度区间内的聚类目标占比频率，计算第一子区域的目标速度幅度联合熵。
[0107]
在一个具体的示例中，划分得到k6个速度幅度区间va
range
‑
k6
，k6＝1,2,3
…
k6。例如，第k6个速度幅度区间对应的速度范围为v
l
～v
u
，对应的幅度范围为a
l
～a
u
。若第k6个速度幅度区间内包含的聚类目标数量为m
k3
，则该速度幅度区间内的聚类目标占比频率为p
k6
＝m
k6
/g
i
。
[0108]
根据
[0109][0110]
计算第一子区域的目标速度幅度联合熵，其中，e
target
‑
i
(v,a)为第一子区域的目标速度幅度联合熵，k6为速度幅度区间的个数，k6为速度幅度区间的序号，p
k6
为第k6个速度幅度区间的目标占比频率。
[0111]
在本实施例中，以上速度区间、幅度区间以及速度幅度区间的划分可以是等距划分，也可以是非等距划分。
[0112]
在本实施例中，通过以上计算，可以获取遮挡造成的目标的速度无序性、幅度无序性以及速度幅度联合的无序性情况。
[0113]
可选的，k1＝k4，k2＝k5，k3＝k6。
[0114]
s304：根据所述目标速度熵、所述目标幅度熵以及所述目标速度幅度联合熵，计算所述第一子区域的目标整体熵。
[0115]
在一些实施例中，第一子区域的目标整体熵为第一子区域对应的目标速度熵、目标幅度熵以及目标速度幅度联合熵的加权和。
[0116]
具体的，根据
[0117]
e
target_i
＝α1e
target
‑
i
(v)+α2e
target
‑
i
(a)+α3e
target
‑
i
(v,a)
[0118]
计算第一子区域的目标整体熵。其中，e
target_i
为第一子区域的目标整体熵，α1、α2以及α3为常系数。
[0119]
s105：根据各个子区域对应的所述点云整体熵和所述目标整体熵，计算所述目标雷达在当前场景下的熵值。
[0120]
在一些实施例中，s105包括：
[0121]
根据
[0122][0123]
计算所述熵值；其中e为熵值，e
point_i
为第i个子区域对应的点云整体熵，e
target_i
为第i个子区域对应的目标整体熵，β
1i
和β
2i
为预设系数。
[0124]
s106：根据熵值判断目标雷达在当前场景下是否被遮挡。
[0125]
在本实施例中，若雷达被遮挡，则点云或点云聚类形成的聚类目标，分布较为混乱，特征较为分散。因此可以通过熵值判断雷达是否受到遮挡。
[0126]
在一些实施例中，s106包括：
[0127]
比较熵值与预设第一阈值的大小。若熵值大于或等于预设第一阈值，则判定目标雷达在当前场景下受到遮挡。若熵值小于预设第一预设阈值，则判定目标雷达在当前场景下未受到遮挡。
[0128]
在一个具体示例中，第一阈值为η，若e≥η,则判定目标雷达在当前场景下受到遮挡；若e<η，则判定目标雷达在当前场景下未受遮挡。
[0129]
在一些实施例中，s106之后，上述方法还包括：
[0130]
若目标雷达在当前场景下受到遮挡，则生成第一报警信息；第一报警信息用于提示用户雷达受到遮挡。
[0131]
进一步的，目标雷达天线的不同部分会接收来着不同子区域的回波信号，根据不同子区域的回波信号可以具体判断天线的各个部分是否被遮挡。在一些实施例中，上述方法还包括：
[0132]
s107：根据目标雷达的天线与探测区域的对应关系，对子区域进行分组，得到至少一个子区域组；每个子区域组中的各个子区域均对应的目标雷达天线的同一部分。
[0133]
s108：根据第一子区域组中各个子区域对应的点云整体熵和目标整体熵，计算当前场景下，第一子区域组的熵值，第一子区域组为各个子区域组中的任一子区域组。
[0134]
s109：根据第一子区域组的熵值判断第一子区域组对应的目标雷达的天线是否被遮挡。
[0135]
在一些实施例中，s109之后，上述方法还包括：若第一子区域组对应的目标雷达的天线被遮挡，则生成第二报警信息，第二报警信息用于提示用户第一子区域对应的天线被遮挡。
[0136]
传统的雷达遮挡检测方法通常根据整体的回波信号强度进行判断，无法对雷达天线进行分区的遮挡检测。本实施例提供的方法可以准确确定雷达天线被遮挡的部分，方便用户进行清理，进而保障行车安全。
[0137]
雷达受到遮挡时，点云及聚类目标分布的离散程度较大，混乱程度更高，熵值较大，本发明实施例提供的方法可以应用这一原理进行雷达遮挡检测。本发明实施例提供的方法能够在雷达处于移动的户外环境时，根据点云的分布情况计算熵值，从而准确高效的判断雷达的受到的遮挡情况，进而提示用户，保障雷达正常工作和行车安全。
[0138]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0139]
图6示出了本发明实施例提供的雷达遮挡检测装置的结构，参见图6，本发明实施例提供的雷达遮挡检测装置10包括：子区域划分模块110、点云整体熵计算模块120、聚类模块130、目标整体熵计算模块140、熵值计算模块150以及遮挡判断模块160。
[0140]
本发明实施例提供雷达遮挡检测装置能够根据雷达的点云数据计算熵分布情况，进而准确高效的确定目标雷达是否受到遮挡。
[0141]
子区域划分模块110，用于将目标雷达的探测范围划分为多个子区域并获取各个子区域内的点云数据。
[0142]
点云整体熵计算模块120，用于根据各个子区域内的点云数据分别计算各个子区域对应的点云整体熵。
[0143]
聚类模块130，用于根据各个子区域的点云数据分别对各个子区域内的点云进行聚类，在每个子区域内得到至少一个聚类目标。
[0144]
目标整体熵计算模块140，用于根据各个聚类目标内包含的点云对应的点云数据，计算各个聚类目标的目标数据，以及根据所述目标数据计算各个子区域对应的目标整体熵。
[0145]
熵值计算模块150，用于根据各个子区域对应的所述点云整体熵和所述目标整体熵，计算所述目标雷达在当前场景下的熵值。
[0146]
遮挡判断模块160，用于根据所述熵值判断所述目标雷达在所述当前场景下是否被遮挡。
[0147]
在一些实施例中，子区域划分模块110具体用于：以所述目标雷达为原点，在第一水平面上建立平面直角坐标系；所述第一水平面为所述探测范围所在的水平面。根据所述平面直角坐标系将所述探测范围划分为多个子区域。
[0148]
在又一些实施例中，子区域划分模块110具体用于：以所述目标雷达为原点，在第一水平面上建立平面极坐标系；所述第一水平面为所述探测范围所在的水平面。根据所述平面极坐标系将所述探测范围划分为多个子区域。
[0149]
在一些实施例中，所述点云数据包括点云位置数据、点云速度数据以及点云幅度数据。点云整体熵计算模块120包括点云划分单元、点云速度熵计算单元、点云幅度熵计算单元、点云速度幅度联合熵计算单元以及点云整体熵计算单元。
[0150]
点云划分单元用于根据所述点云位置数据确定各个子区域内的点云。
[0151]
点云速度熵计算单元用于根据第一子区域内的点云对应的点云速度数据计算所述第一子区域的点云速度熵，所述第一子区域为所述各个子区域内的任一子区域。
[0152]
点云幅度熵计算单元用于根据所述第一子区域内的点云对应的点云幅度数据计算所述第一子区域的点云幅度熵。
[0153]
点云速度幅度联合熵计算单元用于根据所述第一子区域内的点云对应的点云速度数据和点云幅度数据，计算所述第一子区域的点云速度幅度联合熵。
[0154]
点云整体熵计算单元用于根据所述点云速度熵、所述点云幅度熵以及所述点云速度幅度联合熵，计算所述第一子区域的点云整体熵。
[0155]
在一些实施例中，所述目标数据包括目标位置数据、目标速度数据以及目标幅度数据。
[0156]
在一些实施例中，目标整体熵计算模块140包括目标速度熵计算单元、目标幅度熵计算单元、目标速度幅度联合熵计算单元以及目标整体熵计算单元。
[0157]
目标速度熵计算单元用于根据第一子区域内的目标对应的目标速度数据计算所述第一子区域的目标速度熵，所述第一子区域为所述各个子区域内的任一子区域。
[0158]
目标幅度熵计算单元用于根据所述第一子区域内的目标对应的目标幅度数据计算所述第一子区域的目标幅度熵。
[0159]
目标速度幅度联合熵计算单元用于根据所述第一子区域内的目标对应的目标速度数据和目标幅度数据，计算所述第一子区域的目标速度幅度联合熵。
[0160]
目标整体熵计算单元用于根据所述目标速度熵、所述目标幅度熵以及所述目标速度幅度联合熵，计算所述第一子区域的目标整体熵。
[0161]
在一些实施例中，熵值计算模块150具体用于：
[0162]
根据
[0163][0164]
计算所述熵值；其中e为熵值，e
point_i
为第i个子区域对应的点云整体熵，e
target_i
为第i个子区域对应的目标整体熵，β
1i
和β
2i
为预设系数。
[0165]
在一些实施例中，遮挡判断模块160具体用于：
[0166]
比较所述熵值与预设第一阈值的大小。若所述熵值大于或等于所述预设第一阈值，则判定所述目标雷达在当前场景下受到遮挡。若所述熵值小于所述预设第一预设阈值，则判定所述目标雷达在当前场景下未受到遮挡。
[0167]
图7是本发明一实施例提供的终端设备的示意图。如图7所示，该实施例的终端设备70包括：处理器700、存储器710以及存储在所述存储器710中并可在所述处理器700上运行的计算机程序720，例如雷达遮挡检测程序。所述处理器70执行所述计算机程序720时实现上述各个雷达遮挡检测方法实施例中的步骤，例如图1所示的步骤s101至s106。或者，所述处理器700执行所述计算机程序720时实现上述各装置实施例中各模块/单元的功能，例如图6所示模块110至160的功能。
[0168]
示例性的，所述计算机程序720可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器710中，并由所述处理器700执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序720在所述终端设备70中的执行过程。例如，所述计算机程序720可以被分割成子区域划分模块、点云整体熵计算模块、聚类模块、目标整体熵计算模块、熵值计算模块以及遮挡判断模块(虚拟装置中的模块)。
[0169]
所述终端设备70可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器700、存储器710。本领域技术人员可以理解，图7仅仅是终端设备70的示例，并不构成对终端设备70的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
[0170]
所称处理器700可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field
‑
programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0171]
所述存储器710可以是所述终端设备70的内部存储单元，例如终端设备70的硬盘或内存。所述存储器710也可以是所述终端设备70的外部存储设备，例如所述终端设备70上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，所述存储器710还可以既包括所述终端设备70的内部存储单元也包括外部存储设备。所述存储器710用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器710还可以用于暂时地存储已经输出或者将要输出的数据。
[0172]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0173]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0174]
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发明的范围。
[0175]
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0176]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0177]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以
是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0178]
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0179]
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。