基于外定标RCS序列的交通雷达目标分类方法及终端设备

摘要

本发明适用于智能交通技术领域，提供了一种基于外定标RCS序列的交通雷达目标分类方法及终端设备，该方法包括：获取所述交通雷达设置的位置参数；根据所述交通雷达实时照射接收行驶在道路上的目标的航迹数据回波信号，获取每一帧航迹数据中目标的航迹数据以及所述交通雷达的运行参数；根据所述交通雷达的位置参数、所述目标的航迹数据以及所述交通雷达的运行参数，计算每一帧航迹数据中每个目标的RCS值；根据计算得到的RCS值对目标进行分类，通过采用RCS值对目标进行分类，不需要训练模型进行分类，使得计算方便且效率高。

权利要求

1.一种基于外定标RCS序列的交通雷达目标分类方法，其特征在于，将交通雷达设置在道路一侧，包括：获取所述交通雷达设置的位置参数；

根据所述交通雷达实时照射接收行驶在道路上的目标的回波信号，获取每一帧航迹数据中目标的航迹数据以及所述交通雷达的运行参数；

根据所述交通雷达的位置参数、所述目标的航迹数据以及所述交通雷达的运行参数，计算每一帧航迹数据中每个目标的RCS值；

根据计算得到的RCS值对目标进行分类；

根据当前待分类的目标对应的RCS值，对最接近所述当前待分类的目标对应的RCS值的预设个数的分类结果设置预设置信度值；

对所有分类结果对应的置信度值进行调整，得到各目标对应的置信度值；

确定置信度值最高的目标类型为所述当前待分类的目标的类型。

2.如权利要求1所述的基于外定标RCS序列的交通雷达目标分类方法，其特征在于，所述位置参数，包括：所述交通雷达的高度以及俯仰偏角；

所述目标的航迹数据包括：目标的径向距离、目标的方位角和目标的回波功率；

所述交通雷达的运行参数包括：雷达的波长、雷达发射功率、天线发射增益以及天线接收增益。

3.如权利要求2所述的基于外定标RCS序列的交通雷达目标分类方法，其特征在于，所述根据所述交通雷达的位置参数、所述目标的航迹数据以及所述交通雷达的运行参数，计算每一帧航迹数据中每个目标的RCS值，包括：根据所述目标的方位角，将各个方位角对应的角度值减去方位角峰值后，再对得到的第一差值取反，得到方位角的补偿值，所述方位角峰值为所述各个方位角对应的幅度值最大的幅度值；

根据交通雷达的高度、俯仰偏角以及所述目标的径向距离计算在俯仰向波束中目标的俯仰角；根据所述目标的俯仰角，将各个俯仰角对应的角度值减去俯仰角峰值后，再对得到的第二差值取反，得到俯仰角的补偿值，所述俯仰角峰值为所述各个俯仰角对应的幅度值最大的幅度值；

根据所述目标的径向距离，计算滤波器补偿系数；

根据所述目标的回波功率、所述雷达发射功率、所述天线发射增益、所述天线接收增益、所述目标的径向距离、所述雷达的波长、所述方位角的补偿值、所述俯仰角的补偿值以及所述滤波器补偿系数，计算每一帧航迹数据中每个目标的RCS值。

4.如权利要求3所述的基于外定标RCS序列的交通雷达目标分类方法，其特征在于，所述根据交通雷达的高度、俯仰偏角以及所述目标的径向距离计算在俯仰向波束中目标的俯仰角，包括：根据 计算在俯仰向波束中目标的俯仰角；

其中，β(R)表示所述目标的俯仰角，Δβ表示交通雷达的俯仰偏角，H表示交通雷达的高度，R表示目标的径向距离。

5.如权利要求3所述的基于外定标RCS序列的交通雷达目标分类方法，其特征在于，所述根据所述目标的径向距离，计算滤波器补偿系数，包括：根据Fliter(R)＝‑25.67lg(R)+51.33计算滤波器补偿系数；

其中，Fliter(R)表示滤波器补偿系数，R表示目标的径向距离。

6.如权利要求3‑5中任一项所述的基于外定标RCS序列的交通雷达目标分类方法，其特征在于，所述计算每一帧航迹数据中每个目标的RCS值，包括：根据 计算每一帧航迹

数据中每个目标的RCS值；

其中，σ表示某个目标对应的RCS值，Pr表示目标的回波功率，Pt表示雷达发射功率，Gt表示天线发射增益，Gr表示天线接收增益，λ表示雷达的波长，Azimth(α)表示方位角的补偿值，Pitch(β(R))表示俯仰角的补偿值，K为一常数，R表示目标的径向距离，β(R)表示所述目标的俯仰角，Fliter(R)表示滤波器补偿系数。

7.如权利要求1所述的基于外定标RCS序列的交通雷达目标分类方法，其特征在于，在所述根据计算得到的RCS值对目标进行分类之前，还包括：采用卡尔曼滤波算法对每一帧航迹数据对应目标的RCS值进行处理，得到同一目标的最优滤波结果；

所述根据计算得到的RCS值对目标进行分类，包括：

根据获取的预设数量的航迹数据外定标RCS对应的最优滤波结果对目标进行分类。

8.如权利要求1或7所述的基于外定标RCS序列的交通雷达目标分类方法，其特征在于，所述对所有分类结果对应的置信度值进行调整，得到各目标对应的置信度值包括：根据所述交通雷达的先验检测能力、所述待分类的目标的运动信息和本征信息中的至少一种信息对所有分类结果对应的置信度值进行调整，得到各目标对应的置信度值。

9.一种基于外定标RCS序列的交通雷达目标分类装置，其特征在于，将交通雷达设置在道路一侧，所述基于外定标RCS序列的交通雷达目标分类装置包括：获取模块，用于获取所述交通雷达设置的位置参数；

所述获取模块，还用于根据所述交通雷达实时照射行驶在道路上的目标的回波信号，获取每一帧航迹数据中目标的航迹数据以及所述交通雷达的运行参数；

计算模块，用于根据所述交通雷达的位置参数、所述目标的航迹数据以及所述交通雷达的运行参数，计算每一帧航迹数据中每个目标的RCS值；

分类模块，用于根据计算得到的RCS值对目标进行分类；

所述计算模块，还用于根据当前待分类的目标对应的RCS值，对最接近所述当前待分类的目标对应的RCS值的预设个数的分类结果设置预设置信度值；以及对所有分类结果对应的置信度值进行调整，得到各目标对应的置信度值；

所述分类模块，还用于确定置信度值最高的目标类型为所述当前待分类的目标的类型。

10.一种终端设备，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，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述方法的步骤。

说明书

基于外定标RCS序列的交通雷达目标分类方法及终端设备

技术领域

[0001] 本发明属于智能交通技术领域，尤其涉及一种基于外定标RCS序列的交通 雷达目标分类方法及终端设备。

背景技术

[0002] 毫米波雷达和摄像头可以为智能交通系统提供感知信息以作为决策依据， 从而让城市交通更加便捷和文明。其中摄像头可以提供极其丰富的道路和目标 (人、非机动车或机动车)信息，相应的计算机视觉算法也比较成熟，但是摄 像头存在一些固有的限制，比如探测距离近，目标容易被遮挡，受天气和光照 影响比较大，数据量巨大导致计算单元需求较高等。与之相比，毫米波雷达可 以提供目标独一无二的速度测量，在恶劣天气和强光照环境下仍有较好的鲁棒 性，并且具有较好的探测精度和同样较低的成本。

[0003] 为了使毫米波雷达具备像摄像头一样的目标分类功能，国内外的科研机构 做了大量的研究。雷达常用分类方法大致分为三种：基于运动特征分类方法、 基于本征特征分类方法和基于成像的分类方法。其中运动特征包括方位、速度 等信息；本征特征包括雷达散射截面(Radar Cross‑Section，RCS)、目标尺寸 等信息。应用的算法涉及到支持向量机分类器、随机森林分类器、神经网络等。 毋庸置疑，这些算法取得了优秀的效果，但是需要大量的数据对模型进行训练， 并且在使用时需要分配较多的内存和算力，具有较高的时间复杂度。

发明内容

[0004] 有鉴于此，本发明实施例提供了一种基于外定标RCS序列的交通雷达目标 分类方法及终端设备，旨在解决现有技术中采用毫米波雷达进行目标分类时， 采用较多的内存和算力，且存在较高的时间复杂度的问题。

[0005] 为实现上述目的，本发明实施例的第一方面提供了一种基于外定标RCS序 列的交通雷达目标分类方法，将交通雷达设置在道路一侧，包括：

[0006] 获取所述交通雷达设置的位置参数；

[0007] 根据所述交通雷达实时照射行驶在道路上的目标的回波信号，获取每一帧 航迹数据中目标的航迹数据以及所述交通雷达的运行参数；

[0008] 根据所述交通雷达的位置参数、所述目标的航迹数据以及所述交通雷达的 运行参数，计算每一帧航迹数据中每个目标的RCS值；

[0009] 根据计算得到的RCS值对目标进行分类。

[0010] 作为本申请另一实施例，所述位置参数，包括：所述交通雷达的高度以及 俯仰偏角；

[0011] 所述目标的航迹数据包括：目标的径向距离、目标的方位角和目标的回波 功率；

[0012] 所述交通雷达的运行参数包括：雷达的波长、雷达发射功率、天线发射增 益以及天线接收增益。

[0013] 作为本申请另一实施例，所述根据所述交通雷达的位置参数、所述目标的 航迹数据以及所述交通雷达的运行参数，计算每一帧航迹数据中每个目标的 RCS值，包括：

[0014] 根据所述目标的方位角，将各个方位角对应的角度值减去方位角峰值后， 再对得到的第一差值取反，得到方位角的补偿值，所述方位角峰值为所述各个 方位角对应的幅度值最大的幅度值；

[0015] 根据交通雷达的高度、俯仰偏角以及所述目标的径向距离计算在俯仰向波 束中目标的俯仰角；根据所述目标的俯仰角，将各个俯仰角对应的角度值减去 俯仰角峰值后，再对得到的第二差值取反，得到俯仰角的补偿值，所述俯仰角 峰值为所述各个俯仰角对应的幅度值最大的幅度值；

[0016] 根据所述目标的径向距离，计算滤波器补偿系数；

[0017] 根据所述目标的回波功率、所述雷达发射功率、所述天线发射增益、所述 天线接收增益、所述目标的径向距离、所述雷达的波长、所述方位角的补偿值、 所述俯仰角的补偿值以及所述滤波器补偿系数，计算每一帧航迹数据中每个目 标的RCS值。

[0018] 作为本申请另一实施例，所述根据交通雷达的高度、俯仰偏角以及所述目 标的径向距离计算在俯仰向波束中目标的俯仰角，包括：

[0019] 根据 计算在俯仰向波束中目标的俯仰角；

[0020] 其中，β(R)表示所述目标的俯仰角，Δα表示交通雷达的俯仰偏角，H表 示交通雷达的高度，R表示目标的径向距离。

[0021] 作为本申请另一实施例，所述根据所述目标的径向距离，计算滤波器补偿 系数，包括：

[0022] 根据Fliter(R)＝‑25.67lg(R)+51.33计算滤波器补偿系数；

[0023] 其中，Fliter(R)表示滤波器补偿系数。

[0024] 作为本申请另一实施例，所述计算每一帧航迹数据中每个目标的RCS值， 包括：

[0025] 根据 计算每一帧航迹数据中每个目标的RCS值；

[0026] 其中，σ表示某个目标对应的RCS值，Pr表示目标的回波功率，Pt表示雷 达发射功率，Gt表示天线发射增益，Gr表示天线接收增益，λ表示雷达的波长， Azimth(α)表示方位角的补偿值，Pitch(β(R))表示俯仰角的补偿值，K为一常 数。

[0027] 作为本申请另一实施例，在所述根据计算得到的RCS值对目标进行分类之 前，还包括：

[0028] 采用卡尔曼滤波算法对每一帧航迹数据对应目标的RCS值进行处理，得到 同一目标的最优滤波结果；

[0029] 所述根据计算得到的RCS值对目标进行分类，包括：

[0030] 根据获取的预设数量的航迹数据外定标RCS对应的最优滤波结果对目标 进行分类。

[0031] 作为本申请另一实施例，在所述根据计算得到的RCS值对目标进行分类之 后，还包括：

[0032] 根据当前待分类的目标对应的RCS值，对最接近所述当前待分类的目标对 应的RCS值的预设个数的分类结果设置预设置信度值；

[0033] 根据所述交通雷达的先验检测能力、所述待分类的目标的运动信息和本征 信息中的至少一种信息对所有分类结果对应的置信度值进行调整，得到各目标 对应的置信度值；

[0034] 确定置信度值最高的目标类型为所述当前待分类的目标的类型。

[0035] 本发明实施例的第二方面提供了一种基于外定标RCS序列的交通雷达目 标分类装置，将交通雷达设置在道路一侧，所述基于外定标RCS序列的交通雷 达目标分类装置包括：

[0036] 获取模块，用于获取所述交通雷达设置的位置参数；

[0037] 所述获取模块，还用于根据所述交通雷达实时照射行驶在道路上的目标的 回波信号，获取每一帧航迹数据中目标的航迹数据以及所述交通雷达的运行参 数；

[0038] 计算模块，用于根据所述交通雷达的位置参数、所述目标的航迹数据以及 所述交通雷达的运行参数，计算每一帧航迹数据中每个目标的RCS值；

[0039] 分类模块，用于根据计算得到的RCS值对目标进行分类。

[0040] 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述任一实施例所述的基于外定标RCS序列的交 通雷达目标分类方法所述的步骤。

[0041] 本发明实施例与现有技术相比存在的有益效果是：与现有技术相比，本发 明通过获取所述交通雷达设置的位置参数；根据所述交通雷达实时照射行驶在 道路上的目标的回波信号，获取每一帧航迹数据中目标的航迹数据以及所述交 通雷达的运行参数；根据所述交通雷达的位置参数、所述目标的航迹数据以及 所述交通雷达的运行参数，计算每一帧航迹数据中每个目标的RCS值；根据 RCS值对目标进行分类。通过采用RCS值对目标进行分类，不需要训练模型进 行分类，使得计算方便且效率高。

附图说明

[0042] 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。

[0043] 图1是本发明实施例提供的基于外定标RCS序列的交通雷达目标分类方法 的实现流程示意图；

[0044] 图2是本发明实施例提供的交通雷达的安装示意图；

[0045] 图3是本发明实施例提供的RCS值计算的示意图；

[0046] 图4(1)是本发明实施例提供水平向方向图的示意图；

[0047] 图4(2)是本发明实施例提供水平向方位角的RCS补偿值示意图；

[0048] 图4(3)是本发明实施例提供俯仰向方向图的示意图；

[0049] 图4(4)是本发明实施例提供俯仰向方位角的RCS补偿值示意图；

[0050] 图5是本发明实施例提供的目标分类结果的示例图；

[0051] 图6是本发明实施例提供的基于外定标RCS序列的交通雷达目标分类装置 的示意图；

[0052] 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

[0053] 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。

[0054] 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。

[0055] 图1为本发明实施例提供的基于外定标RCS序列的交通雷达目标分类方法 的实现流程示意图，图2为交通雷达的安装示意图，图2所示将交通雷达设置 在道路一侧，基于外定标RCS序列的交通雷达目标分类方法详述如下。

[0056] 步骤101，获取所述交通雷达设置的位置参数。

[0057] 可选的，本步骤中交通雷达设置的位置参数可以包括：交通雷达的高度以 及交通雷达的俯仰偏角。另外，还可以包括交通雷达的水平偏角。

[0058] 步骤102，根据所述交通雷达实时照射行驶在道路上的目标的回波信号， 获取每一帧航迹数据中目标的航迹数据以及所述交通雷达的运行参数。

[0059] 可选的，交通雷达可以为全向辐射雷达，开启交通雷达后，交通雷达对道 路进行照射，可以得到多帧道路上行驶的目标的航迹数据，其中目标可以为行 人、非机动车以及机动车，机动车又可以分为小车和大车，小车可以为小轿车 等，大车可以为工程车、公交车等体型较大的车。

[0060] 可选的，所述目标的航迹数据包括：目标的径向距离、目标的方位角和目 标的回波功率；所述交通雷达的运行参数包括：雷达的波长、雷达发射功率、 天线发射增益以及天线接收增益。

[0061] 通常，雷达射频部分控制发射信号，同时雷达系统生成本振信号，将本振 信号与接收到的回波信号做差频，模拟数字转换器(Analog‑to‑digital converter， ADC)采样对中频信号进行数字化处理。应用于交通领域的流量毫米波雷达的系 统中包括目标检测和目标跟踪两部分的数据处理，其中目标检测主要对上述差 频信号进行处理，生成目标级数据；目标跟踪由聚类算法和滤波算法组成，包 含了航迹起始、关联和消失等航迹管理模块。本实施例中对目标级数据以及航 迹管理模块中的数据进行读取，获得每一帧航迹数据中目标的航迹数据以及所 述交通雷达的运行参数。

[0062] 步骤103，根据所述交通雷达的位置参数、所述目标的航迹数据以及所述 交通雷达的运行参数，计算每一帧航迹数据中每个目标的RCS值。

[0063] 可选的，如图3所示，本步骤可以包括以下步骤：

[0064] 步骤301，根据所述目标的方位角，将各个方位角对应的角度值减去方位 角峰值后，再对得到的第一差值取反，得到方位角的补偿值，所述方位角峰值 为所述各个方位角对应的幅度值最大的幅度值。

[0065] 可选的，本步骤中的目标的方位角可以为目标的水平向方位角，根据多帧 航迹数据可以得到多个方位角，根据多个方位角可以得到如图4(1)所示的水 平向方向图，横坐标为方位角的角度值，坐标表为幅度值。

[0066] 由于图4(1)所示的水平向方向图中的曲线并不平滑，这里还可以使用查 表的方式对各个方位角上的目标进行RCS补偿，图4(2)所示为水平向方位 角的RCS补偿值示意图，图4(2)中的曲线可以根据图4(1)中曲线得到， 例如，方位角峰值对应0°，确定‑15°至15°为有效范围，对有效范围内的曲 线取反，得到图4(2)中的曲线，例如方向角为15°，则对应方位角的补偿值 为1.3。这里可以采用Azimth(α)表示方位角的补偿值。

[0067] 步骤302，根据交通雷达的高度、俯仰偏角以及所述目标的径向距离计算 在俯仰向波束中目标的俯仰角；根据所述目标的俯仰角，将各个俯仰角对应的 角度值减去俯仰角峰值后，再对得到的第二差值取反，得到俯仰角的补偿值， 所述俯仰角峰值为所述各个俯仰角对应的幅度值最大的幅度值。

[0068] 可选的，由于交通雷达通常不具备测高功能，因此我们可以根据交通雷达 设置的高度、俯仰偏角和目标的径向距离反推出目标在俯仰向波束中所处的角 度位置，即根据计算在俯仰向波束中目标的俯仰角；其 中，β(R)表示所述目标的俯仰角，Δα表示交通雷达的俯仰偏角，H表示交通 雷达的高度，R表示目标的径向距离。

[0069] 如图4(3)所示为俯仰向方向图，横坐标为俯仰角对应角度值，纵坐标为 幅度值，可选的，俯仰向方向图中的俯仰角构成的曲线并不平滑，可以采用查 表的方式对各个俯仰角上的目标进行RCS补偿，图4(4)所示为俯仰向方位 角的RCS补偿值示意图，图4(4)中的曲线可以根据图4(3)中曲线得到， 例如，俯仰角峰值对应0°，确定‑5°至5°为有效范围，对有效范围内的曲线 取反，得到图4(4)中的曲线，例如方向角为4°，则对应俯仰角的补偿值为 1.5。

[0070] 步骤303，根据所述目标的径向距离，计算滤波器补偿系数。

[0071] 可选的，射频电路中的滤波器通常是用来协调信号幅度范围和雷达接收机 的接收范围的不匹配问题的，使用滤波器抑制近处目标的幅度从而让雷达更好 的检测到目标，但是在应用中我们很难对其抑制能力进行量化，因此选用了多 组目标从近行驶到远处的数据进行最小二乘法拟合，可以得到滤波器根据径向 距离变化的补偿系数，即根据Fliter(R)＝‑25.67lg(R)+51.33计算滤波器补偿系 数；其中，Fliter(R)表示滤波器补偿系数。

[0072] 在计算滤波器补偿系数时，可以通过多组真实目标的滤波器补偿系数均值 减去目标预设的滤波器补偿系数，得到常数K，以用于计算某个目标对应的RCS 值进行补偿。例如，计算小车对应的RCS值时，可以通过多组真实小车的滤波 器补偿系数均值减去预设的小车的滤波器补偿系数，得到常数K。

[0073] 步骤304，根据所述目标的回波功率、所述雷达发射功率、所述天线发射 增益、所述天线接收增益、所述目标的径向距离、所述雷达的波长、所述方位 角的补偿值、所述俯仰角的补偿值以及所述滤波器补偿系数，计算每一帧航迹 数据中每个目标的RCS值。

[0074] 根据 计算每一帧航迹数据中每个目标的RCS值；其中，σ表示某个目标对应的RCS 值，Pr表示目标的回波功率，Pt表示雷达发射功率，Gt表示天线发射增益，Gr表示天线接收增益，λ表示雷达的波长，Azimth(α)表示方位角的补偿值， Pitch(β(R))表示俯仰角的补偿值，K为一常数。

[0075] 步骤104，根据计算得到的RCS值对目标进行分类。

[0076] 可选的，本步骤中对计算得到的RCS值进行分类，通常我们认为大车的 RCS值在2 2 2 2
25dBm 左右，小车RCS值在15dBm 左右，非机动车RCS值在5dBm 左右，行人RCS值在0dBm以下。

[0077] 如图5所示为采用77GHz毫米波雷达，天线极化方向为垂直极化对目标进 行分类2 2
的分类结果，分为四类：大车的RCS值在25dBm左右，小车RCS值在 15dBm 左右，非机动车RCS
2 2
值在5dBm左右，行人RCS值在0dBm以下。其 中，这里默认雷达目标处于雷达的远场，属于光学区，RCS起伏特性符合 SwerlingI模型。

[0078] 可选的，在本步骤之前，还可以包括：采用卡尔曼滤波算法对每一帧航迹 数据对应目标的RCS值进行处理，得到同一目标的最优滤波结果。根据获取的 预设数量的航迹数据外定标RCS对应的最优滤波结果对目标进行分类。

[0079] 对计算得到的每一帧航迹数据中每个目标的RCS值进行卡尔曼滤波处理， 从容提取每一帧航迹数据中的实时特征，得到同一目标的最优滤波结果和协方 差矩阵。同时，卡尔曼滤波处理可以起到对RCS值平滑处理，去除无用的值的 作用。在积累一定帧数的航迹数据后，可以根据最优滤波结果对目标进行分类， 可使分类结果更加准确。

[0080] 可选的，在本步骤之后还可以包括对分类结果的进一步处理，使分类更准 确。可选的，根据当前待分类的目标对应的RCS值，对最接近所述当前待分类 的目标对应的RCS值的预设个数的分类结果设置预设置信度值；根据所述交通 雷达的先验检测能力、所述待分类的目标的运动信息和本征信息中的至少一种 信息对所有分类结果对应的置信度值进行调整，得到各目标对应的置信度值； 确定置信度值最高的目标类型为所述当前待分类的目标的类型。

[0081] 目标的运动信息包括方位、速度等信息；目标的本征信息包括RCS、目标 尺寸等信息。

[0082] 例如，当前待分类的目标对应的RCS值为18dBm2，则将图5中的小车和 大车对应的RCS值分别设置置信度值为60％和40％。

[0083] 可选的，根据交通雷达的先验检测能力调整目标的置信度值。目前交通雷 达检测行人的能力是80m之内，非机动车的检测能力是160m之内，大车和小 车可检测至250m之内，因此当待分类的目标处于距离80m以内时所有目标类 型的置信度值加10％，此时，行人、非机动车、小车、大车的置信度值分别为 10％、10％、70％和50％；如果待分类的目标处于80m～160m时，除行人以外 的目标类型的置信度值加10％，此时，行人、非机动车、小车、大车的置信度 值分别为0％、10％、70％和50％；当待分类的目标处于160m～250m范围内时， 小车和大车类型的置信度值加10％，此时，行人、非机动车、小车、大车的置 信度值分别为0％、0％、70％和50％。

[0084] 可选的，可以根据目标的速度信息调整目标的置信度值。当目标速度1m/s 时，所有目标置信度加10％；如果当目标速度大于6m/s时，认为不可能是行人， 行人的置信度减去30％，其他目标类型的置信度加10％；如果目标速度大于 20m/s时认为很可能是大车或者小车，行人和非机动车的置信度减去30％，其 他目标类型的置信度加10％。

[0085] 可选的，可以根据目标的尺寸信息调整目标的置信度值。当目标长度大于 6m时，认为很有可能是小车或者大车，大车和小车类型的置信度加10％，其 他类型的置信度减20％，在之前的条件上再判断是否大于8m，如果大于8m， 大车类型的置信度再加10％。通过多个特征的融合，输出置信度最高的目标类 型。

[0086] 需要说明的是，上述根据交通雷达的先验检测能力调整目标的置信度值、 根据目标的速度信息调整目标的置信度值、根据目标的尺寸信息调整目标的置 信度值，可以按照上述描述的顺序依次调整目标的置信度值，也可以根据上述 三种调整目标的置信度值的其它排列方式依次调整目标的置信度值，还可以仅 采用其中的任一种或任两种方式调整，本实施例不对上述调整的方式进行限定。

[0087] 上述基于外定标RCS序列的交通雷达目标分类方法，通过获取所述交通雷 达设置的位置参数；根据所述交通雷达实时照射行驶在道路上的目标的回波信 号，获取每一帧航迹数据中目标的航迹数据以及所述交通雷达的运行参数；根 据所述交通雷达的位置参数、所述目标的航迹数据以及所述交通雷达的运行参 数，计算每一帧航迹数据中每个目标的RCS值；根据RCS值对目标进行分类。 通过采用RCS值对目标进行分类，不需要训练模型进行分类，使得计算方便且 效率高。

[0088] 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。

[0089] 对应于上文实施例所述的基于外定标RCS序列的交通雷达目标分类方法， 图6示出了本发明实施例提供的基于外定标RCS序列的交通雷达目标分类装置 的示例图。如图6所示，该装置可以包括：获取模块601、计算模块602以及 分类模块603。

[0090] 获取模块601，用于获取所述交通雷达设置的位置参数；

[0091] 所述获取模块601，还用于根据所述交通雷达实时照射行驶在道路上的目 标的回波信号，获取每一帧航迹数据中目标的航迹数据以及所述交通雷达的运 行参数；

[0092] 计算模块602，用于根据所述交通雷达的位置参数、所述目标的航迹数据 以及所述交通雷达的运行参数，计算每一帧航迹数据中每个目标的RCS值；

[0093] 分类模块603，用于根据计算得到的RCS值对目标进行分类。

[0094] 可选的，所述位置参数，包括：所述交通雷达的高度以及俯仰偏角；

[0095] 所述目标的航迹数据包括：目标的径向距离、目标的方位角和目标的回波 功率；

[0096] 所述交通雷达的运行参数包括：雷达的波长、雷达发射功率、天线发射增 益以及天线接收增益。

[0097] 可选的，所述计算模块602根据所述交通雷达的位置参数、所述目标的航 迹数据以及所述交通雷达的运行参数，计算每一帧航迹数据中每个目标的RCS 值时，可以用于：

[0098] 根据所述目标的方位角，将各个方位角对应的角度值减去方位角峰值后， 再对得到的第一差值取反，得到方位角的补偿值，所述方位角峰值为所述各个 方位角对应的幅度值最大的幅度值；

[0099] 根据交通雷达的高度、俯仰偏角以及所述目标的径向距离计算在俯仰向波 束中目标的俯仰角；根据所述目标的俯仰角，将各个俯仰角对应的角度值减去 俯仰角峰值后，再对得到的第二差值取反，得到俯仰角的补偿值，所述俯仰角 峰值为所述各个俯仰角对应的幅度值最大的幅度值；

[0100] 根据所述目标的径向距离，计算滤波器补偿系数；

[0101] 根据所述目标的回波功率、所述雷达发射功率、所述天线发射增益、所述 天线接收增益、所述目标的径向距离、所述雷达的波长、所述方位角的补偿值、 所述俯仰角的补偿值以及所述滤波器补偿系数，计算每一帧航迹数据中每个目 标的RCS值。

[0102] 可选的，所述计算模块602根据交通雷达的高度、俯仰偏角以及所述目标 的径向距离计算在俯仰向波束中目标的俯仰角时，可以用于：

[0103] 根据 计算在俯仰向波束中目标的俯仰角；

[0104] 其中，β(R)表示所述目标的俯仰角，Δα表示交通雷达的俯仰偏角，H表 示交通雷达的高度，R表示目标的径向距离。

[0105] 可选的，所述计算模块602根据所述目标的径向距离，计算滤波器补偿系 数时，可以用于：

[0106] 根据Fliter(R)＝‑25.67lg(R)+51.33计算滤波器补偿系数；

[0107] 其中，Fliter(R)表示滤波器补偿系数。

[0108] 可选的，所述计算模块602计算每一帧航迹数据中每个目标的RCS值时， 可以用于：

[0109] 根据 计算每一帧航迹数据中每个目标的RCS值；

[0110] 其中，σ表示某个目标对应的RCS值，Pr表示目标的回波功率，Pt表示雷 达发射功率，Gt表示天线发射增益，Gr表示天线接收增益，λ表示雷达的波长， Azimth(α)表示方位角的补偿值，Pitch(β(R))表示俯仰角的补偿值，K为一常 数。

[0111] 可选的，在所述分类模块603根据计算得到的RCS值对目标进行分类之前， 所述计算模块602，还用于采用卡尔曼滤波算法对每一帧航迹数据对应目标的 RCS值进行处理，得到同一目标的最优滤波结果；

[0112] 所述分类模块603根据获取的预设数量的航迹数据外定标RCS对应的最优 滤波结果对目标进行分类。

[0113] 可选的，在所述分类模块603根据计算得到的RCS值对目标进行分类之后， 所述计算模块602，还用于根据当前待分类的目标对应的RCS值，对最接近所 述当前待分类的目标对应的RCS值的预设个数的分类结果设置预设置信度值；

[0114] 根据所述交通雷达的先验检测能力、所述待分类的目标的运动信息和本征 信息中的至少一种信息对所有分类结果对应的置信度值进行调整，得到各目标 对应的置信度值；

[0115] 所述分类模块603，还用于确定置信度值最高的目标类型为所述当前待分 类的目标的类型。

[0116] 上述基于外定标RCS序列的交通雷达目标分类装置，通过获取模块获取所 述交通雷达设置的位置参数；根据所述交通雷达实时照射行驶在道路上的目标 的回波信号，获取模块获取每一帧航迹数据中目标的航迹数据以及所述交通雷 达的运行参数；根据所述交通雷达的位置参数、所述目标的航迹数据以及所述 交通雷达的运行参数，计算模块计算每一帧航迹数据中每个目标的RCS值；分 类模块根据RCS值对目标进行分类。通过采用RCS值对目标进行分类，不需 要训练模型进行分类，使得计算方便且效率高。

[0117] 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700包括：处理器701、存储器702以及存储在所述存储器702中 并可在所述处理器701上运行的计算机程序703，例如基于外定标RCS序列的 交通雷达目标分类程序。所述处理器701执行所述计算机程序703时实现上述 基于外定标RCS序列的交通雷达目标分类方法实施例中的步骤，例如图1所示 的步骤101至104，所述处理器701执行所述计算机程序703时实现上述各装 置实施例中各模块的功能，例如图6所示模块601至603的功能。

[0118] 示例性的，所述计算机程序703可以被分割成一个或多个程序模块，所述 一个或者多个程序模块被存储在所述存储器702中，并由所述处理器701执行， 以完成本发明。所述一个或多个程序模块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703在所述基于外定标 RCS序列的交通雷达目标分类装置或者终端设备700中的执行过程。例如，所 述计算机程序703可以被分割成获取模块601、计算模块602以及分类模块603， 各模块具体功能如图6所示，在此不再一一赘述。

[0119] 所述终端设备700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701、存储器702。本 领域技术人员可以理解，图7仅仅是终端设备700的示例，并不构成对终端设 备700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。

[0120] 所称处理器701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。

[0121] 所述存储器702可以是所述终端设备700的内部存储单元，例如终端设备 700的硬盘或内存。所述存储器702也可以是所述终端设备700的外部存储设 备，例如所述终端设备700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702还可以既包括所述终端设备700的内部存储单元也包括外 部存储设备。所述存储器702用于存储所述计算机程序以及所述终端设备700 所需的其他程序和数据。所述存储器702还可以用于暂时地存储已经输出或者 将要输出的数据。

[0122] 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，并不用于限制本申请的保护范围。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。

[0123] 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。

[0124] 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。

[0125] 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。

[0126] 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。

[0127] 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。

[0128] 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。

[0129] 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。