详情

原文传递自动驾驶城市场景毫米波雷达行人弱目标跟踪方法研究

论文题名：	自动驾驶城市场景毫米波雷达行人弱目标跟踪方法研究
关键词：	自动驾驶;城市场景;毫米波雷达;行人检测跟踪;低信噪比
摘要：	自动驾驶城市场景下全天候、高精度行人目标检测及跟踪是确保道路交通安全的重要保障。相比于传统的基于视觉的行人检测系统，毫米波雷达具有探测距离远、穿透能力强、隐私安全保护等优势，因此本文基于商用车载毫米波雷达开展行人目标检测及跟踪方法研究。然而，对于雷达探测系统而言行人属于典型的微弱目标，主要体现在（1）行人雷达反射截面积只有约-5dBsm，雷达反射信号微弱；（2）城市道路场景中行人雷达反射信号被淹没在建筑物、路面等带来的强杂波信号中，给全天候的行人检测及跟踪带来了挑战。本文针对雷达行人微弱目标检测跟踪中遇到的挑战开展研究，主要工作和贡献包括以下几个方面：　　1）基于毫米波雷达的行人目标运动参数联合估计方法研究　　雷达具有全天候、体积小、成本低等优点，本文基于毫米波雷达开展行人目标检测跟踪方法研究。根据调频连续波（Frequency Modulated Continuous Wave， FMCW）雷达Chirp信号以及天线阵列的时空特性，采用时频分析方法，估计包括距离、速度和方位角的行人目标运动参数。此外，本文重点研究多输入多输出（Multiple Input Multiple Output，MIMO）虚拟天线扩展技术，实现低成本雷达接收通道数目受限条件下行人目标运动方位角的高分辨估计。　　2）基于RFT相参积累的行人目标检测跟踪方法研究　　针对自动驾驶城市道路中行人雷达回波信号受其他杂波信号干扰的问题，开展基于相参积累的行人目标检测跟踪方法研究。根据雷达距离-慢时间信号模型，补偿因速度、慢时间耦合带来的相位差，在慢时间维度将目标信号进行积累。在此基础上，采用恒虚警率（Constant False Alarm Rate，CFAR）方法实现行人目标检测。最后，基于行人运动参数信息，采用卡尔曼滤波、粒子滤波等算法实现自动驾驶场景下的行人目标跟踪。　　3）基于SMC-TBD的行人多目标检测-跟踪一体化方法研究　　针对自动驾驶城市场景中行人回波信号弱、检测困难，导致行人目标跟踪性能差的问题，开展基于序贯蒙特卡罗检测前跟踪（Sequential Monte Carlo Tracking before Detection，SMC-TBD）的行人多目标检测-跟踪一体化方法研究。基于递归贝叶斯思想，引入马尔可夫状态转移矩阵，用后验概率近似估计行人目标的运动状态。在此基础上，利用序贯蒙特卡罗方法对目标状态的后验概率进行具体的跟踪实现。其中，直接将无阈值处理的雷达距离-速度-方位角频谱作为量测数据，避免了因检测阈值设置不合理造成的虚警或漏警，以及量测与已知目标轨迹关联错误的问题。行人目标运动状态和检测概率均由具有存在状态的随机样本来表示，amp;nbsp;由此实现低信噪比场景下行人目标检测-跟踪一体化。最后，基于商用车载毫米波雷达对上述方法进行了大量的仿真和实测实验。结果表明，本文提出的基于SMC-TBD 的行人多目标检测-跟踪一体化方法在低信噪比场景多行人目标跟踪方面比传统方法具有更好的优势。
作者：	王晓洁
专业：	计算机科学与技术
导师：	张振源
授予学位：	硕士
授予学位单位：	重庆交通大学
学位年度：	2023