(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211163729.1 (22)申请日 2022.09.23 (71)申请人 苏州锐心 观远太赫兹科技有限公司 地址 215000 江苏省苏州市工业园区新平 街388号腾飞科技园1 1幢302单元 (72)发明人 徐兴文　王猛　杨涛　姚霆　 (74)专利代理 机构 苏州三英知识产权代理有限 公司 32412 专利代理师 周仁青 (51)Int.Cl. G06V 10/25(2022.01) G06V 10/44(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) (54)发明名称 车辆分类方法及系统 (57)摘要 本发明揭示了一种车辆 分类方法及系统， 所 述方法包括： S1、 获取观测区域的多帧实时数据， 并根据实时数据获取对应的点 云数据集D； S2、 将 点云数据集D中的点云数据与扩展卡尔曼滤波算 法预测的目标车辆数据进行匹配， 将对应的目标 车辆加入目标车辆集 O中； S3、 将步骤S2中未匹配 成功的点云数据使用DBSCAN算 法进行聚类分析， 将对应的目标车辆加入目标车辆集O中； S4、 获取 任意两个点 云数据的距离， 取最大距离为车辆长 度； S5、 根据车辆长度与门限值的大小， 对车辆配 置大小车标签， 对车辆长度大于或等于门限值的 目标车辆配置大车标签， 对车辆长度小于门限值 的目标车辆配置小车标签。 本发 明能够实现车辆 大小分类， 具有计算 量小， 分类 较为简单等特点。 权利要求书2页 说明书7页 附图3页 CN 115439648 A 2022.12.06 CN 115439648 A 1.一种车辆分类方法， 其特 征在于， 所述方法包括： S1、 获取观测区域的多帧实时数据， 并根据实时数据获取对应的点云数据 集D， 其中， D= {d1， d2，…， dm}； S2、 将点云数据集D中的点云数据与扩展卡尔曼滤波算法预测的目标车辆数据进行匹 配， 将匹配成功的多个点云数据所对应的目标 车辆加入目标 车辆集O中； S3、 将步骤S2中未匹配成功的点云数据使用DBSCAN算法进行聚类分析， 将超过匹配阈 值的多个点云数据所对应的目标 车辆加入目标 车辆集O中； S4、 根据目标车辆集O中每个目标车辆在点云数据集D中对应的多个点云数据， 获取任 意两个点云数据的距离， 取最大距离为车辆 长度； S5、 根据车辆长度与门限值的大小， 对车辆配置大小车标签， 对车辆长度 大于或等于门 限值的目标 车辆配置大 车标签， 对车辆 长度小于门限值的目标 车辆配置小车 标签。 2.根据权利要求1所述的车辆分类方法， 其特 征在于， 所述 步骤S1具体为： 通过基于调频 连续波的毫米波雷达获取观测区域的多帧实时数据； 对实时数据进行 滤波去噪； 对滤波去噪后的实时数据， 根据调频 连续波原理获取对应的点云数据集D。 3.根据权利要求1或2所述的车辆分类方法， 其特征在于， 所述点云数据集D中的每个点 云数据包 含速度信息v、 距离信息r及角度信息a。 4.根据权利要求1所述的车辆分类方法， 其特征在于， 所述步骤S2中的扩展卡尔曼滤波 算法预测包括： 对状态转移方程和观测方程进行线性 化； 基于线性 化后的状态转移方程和观测方程进行卡尔曼 滤波算法预测。 5.根据权利要求3所述的车辆分类方法， 其特 征在于， 所述 步骤S3后还 包括： 对所有目标车辆对应的点云数据进行二维化， 获取每个目标车辆的质心位置(x， y)和 速度(vx， vy)。 6.根据权利要求5所述的车辆分类方法， 其特 征在于， 所述 步骤S3后还 包括： 根据恒加速度模型和目标车辆的质心位置及速度， 预测后续帧点云数据集D中目标车 辆对应的质心位置及速度； 比较某一帧点云数据集D中是否匹配到前一帧点云数据集D中未 出现的新目标 车辆； 若匹配到新目标车辆， 则比较新目标车辆的质心位置和速度是否与 所预测的目标车辆 其中之一的质心位置和速度在预设距离阈值和预设速度阈值范围内， 若是， 则删除新 目标 车辆， 并将新目标车辆对应的点云数据对应至所匹配的目标车辆中， 若否， 则将新目标车辆 加入目标 车辆集O中； 若未匹配到新目标 车辆， 维持目标 车辆集O不变。 7.根据权利要求5所述的车辆分类方法， 其特 征在于， 所述 步骤S3后还 包括： 对每个目标车辆配置计数标签， 计数标签初始值为0， 当目标车辆在某一帧点云数据集 D中消失， 则计数 标签加1； 当计数标签大于预设标签阈值时， 将目标 车辆从目标 车辆集O中去除； 当目标车辆在某一帧点云数据集D重新匹配到后， 将计数 标签置0。 8.根据权利要求1或6所述的车辆分类方法， 其特 征在于， 所述 步骤S5还 包括：权　利　要　求　书 1/2 页 2 CN 115439648 A 2遍历所有帧点云数据集D， 对第一次匹配到的目标 车辆配置小车 标签； 对连续x帧中车辆 长度大于或等于门限值的目标 车辆， 锁定为大 车标签， 其中， x≥2； 对连续y帧中车辆 长度小于门限值的目标 车辆， 锁定为小车 标签， 其中， y≥2。 9.根据权利要求1所述的车辆分类方法， 其特 征在于， 所述 步骤S3后还 包括： 将超过匹配阈值的点云数据判定为噪点并丢弃。 10.一种车辆分类系统， 其特 征在于， 所述系统包括： 数据获取模块， 用于获取观测区域的多帧实时数据， 并根据实时数据获取对应的点云 数据集D， 其中， D={d1， d2，…， dm}； 数据匹配单元， 用于将点云数据集D中的点云数据与扩展卡尔曼滤波算法预测的目标 车辆数据进行匹配， 将匹配成功的多个点云数据所对应的目标车辆加入目标车辆集O中； 及， 用于将未匹配成功的点云数据使用DBSCAN算法进行聚类分析， 将超过匹配阈值的多个 点云数据所对应的目标 车辆加入目标 车辆集O中； 长度获取单元， 用于根据目标车辆集O中每个目标车辆在点云数据集D中对应的多个点 云数据， 获取任意两个点云数据的距离， 取最大距离为车辆 长度； 标签配置单元， 用于根据 车辆长度与门限值的大小， 对车辆配置大小车标签， 对车辆长 度大于或等于门限值的目标车辆配置大车标签， 对车辆长度小于门限值的目标车辆配置小 车标签。权　利　要　求　书 2/2 页 3 CN 115439648 A 3