申请/专利权人：上海交通大学

申请日：2024-01-19

公开（公告）日：2024-04-30

公开（公告）号：CN117953201A

主分类号：G06V10/25

分类号：G06V10/25;G06V10/82;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：一种毫米波雷达点云的虚假目标去除方法，在离线阶段通过比较激光雷达和毫米波雷达的点云数据获得毫米波雷达点云中的真实点，以此为训练集对构建得到的神经网络进行训练；在识别阶段使用训练后的神经网络根据毫米波雷达点云数据实时生成虚假目标的检测结果。本发明利用激光雷达收集的点云数据，只使用一个毫米波雷达传感器的一个测量周期的雷达数据，并使用深度学习算法实现基于毫米波雷达点云的虚假目标识别，实现在自动驾驶过程中去除虚假目标。

主权项：1.一种毫米波雷达点云的虚假目标去除方法，其特征在于，在离线阶段通过比较激光雷达和毫米波雷达的点云数据获得毫米波雷达点云中的真实点，以此为训练集对构建得到的神经网络进行训练；在识别阶段使用训练后的神经网络根据毫米波雷达点云数据实时生成虚假目标的检测结果；所述的虚假目标是指：点云数据中经多径效应产生的实际不存在的点，该点云数据P＝{pi∈R9|i＝1,...,n},n∈N，每个点pi代表一个雷达目标，该目标是通过对雷达原始数据进行传感器处理得到，即其中：x,y,z分别为点在三维空间中的坐标，ρ,θ分别为每个点的距离、方位角和仰角，vr,power分别为每个点的自车坐标系下的径向速度方向、补偿后的点云速度、点云的反射强度；所述的检测是指输出雷达点云的二值分割，其中每个目标分为真实或虚假；所述的神经网络为基于PointNet++神经网络，通过皮尔森相关性计算得出除了三维坐标之外的与点云真实性相关度较高的点云速度、距离和角度信息，作为额外输入，与三维坐标的特征聚合，共同作为依据判断点云的真实性，从而适应对自动驾驶场景中毫米波雷达点云真实性的识别。

全文数据：

权利要求：

百度查询： 上海交通大学 毫米波雷达点云的虚假目标去除方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD