南京理工大学曾振平获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉南京理工大学申请的专利一种基于车载传感器系统的室内环境动态目标检测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119758286B 。
龙图腾网通过国家知识产权局官网在2025-12-09发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510005114.3,技术领域涉及:G01S7/41;该发明授权一种基于车载传感器系统的室内环境动态目标检测方法是由曾振平;胡一涵;张伟斌;王文博;王龙;张涵博;吴志华设计研发完成,并于2025-01-02向国家知识产权局提交的专利申请。
本一种基于车载传感器系统的室内环境动态目标检测方法在说明书摘要公布了:本发明公开了一种基于车载传感器系统的室内环境动态目标检测方法,采集激光雷达数据和毫米波雷达数据;使用DBSCAN算法对预处理后的激光雷达数据进行预聚类,依据各个方向点云分布方差均值更新欧氏距离计算公式,使用更新后欧式距离计算公式对预处理后的激光雷达数据进行改进的DBSCAN聚类,得到激光雷达目标最终聚类簇集合;构建扩展卡尔曼滤波跟踪器对激光雷达目标的位置进行跟踪,计算目标的位移、速度和运动方向信息;从毫米波雷达数据中提取出多普勒速度以及方位角信息,计算多普勒速度在车辆运动方向的映射,计算车辆运动方向速度值分布曲线,寻找分布曲线峰值处速度值为车辆自运动速度;计算目标绝对运动速度,判断是否为运动目标。本发明可以减少算法开销,保证检测实时性。
本发明授权一种基于车载传感器系统的室内环境动态目标检测方法在权利要求书中公布了:1.一种基于车载传感器系统的室内环境动态目标检测方法,其特征在于,包括以下步骤: 步骤1,使用车载传感器系统进行数据采集获得数据包,包括激光雷达数据和毫米波雷达数据; 步骤2,提取数据包中激光雷达数据,对激光雷达数据进行预处理,包括:ROI区域提取和点云下采样; 步骤3,使用DBSCAN算法对预处理后的激光雷达数据进行预聚类,计算预聚类结果中所有聚类簇在各个方向点云分布方差均值,并依据各个方向点云分布方差均值更新欧氏距离计算公式,使用更新后欧式距离计算公式对预处理后的激光雷达数据进行改进的DBSCAN聚类,得到激光雷达目标最终聚类簇集合,具体方法为: 步骤3.1,预设预聚类参数邻域半径eps'以及最小点数Minpts',使用DBSCAN算法对预处理后的激光雷达数据进行预聚类,预聚类结果表示为{M'1,M'2,…,M'n},M'n={x'1,y'1,z'1,x'2,y'2,z'2,…,x'm,y'm,z'm}是预聚类结果中的聚类簇,其中包含多个激光雷达点;基于每个聚类簇M'n中的所有点的坐标计算所有聚类簇的x轴方向点云分布方差均值y轴方向点云分布方差均值z轴方向点云分布方差均值计算过程描述如下: 步骤3.2,根据各个方向点云分布方差均值更新欧氏距离计算公式中x、y、z轴方向距离的权重参数α、β、δ,获得改进的欧式距离计算公式,改进的欧式距离计算公式的具体设计以及参数计算过程如下: 其中,步骤3.3,设置改进的DBSCAN聚类参数邻域半径eps以及最小点数Minpts,在改进的DBSCAN聚类过程中,使用改进的欧氏距离计算公式计算预处理后的激光雷达数据中点与点之间的距离r,满足reps的两个点归属于同一个临时聚类簇,满足点数大于Minpts的临时聚类簇组成的集合{M1,M2,…,Mn},即为改进的DBSCAN聚类算法的最终聚类簇集合,其中Mn={x1,y1,z1,x2,y2,z2,…,xm,ym,zm}; 步骤4,计算激光雷达目标最终聚类簇集合中每个聚类簇的质心作为聚类簇所对应激光雷达目标的位置,构建扩展卡尔曼滤波跟踪器对激光雷达目标的位置进行跟踪,根据跟踪获得的目标移动轨迹,计算目标的位移、速度和运动方向信息; 步骤5,提取数据包中毫米波雷达数据,从毫米波雷达数据中提取出多普勒速度以及方位角信息,计算多普勒速度在车辆运动方向的映射,获得车辆运动方向速度值,计算车辆运动方向速度值分布曲线,寻找分布曲线峰值处速度值,认定此速度值为车辆自运动速度; 步骤6,融合扩展卡尔曼滤波跟踪器获得的目标速度和运动方向信息以及车辆自运动速度,计算目标绝对运动速度,判断是否为运动目标。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人南京理工大学,其通讯地址为:210094 江苏省南京市玄武区孝陵卫200号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
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。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励