基于脉冲相干雷达的车辆检测算法

来源：SCI期刊网 分类：电子论文 时间：2022-01-23 09:44 热度：

　　摘 要：车辆检测技术是路边智慧停车管理系统的基础。本文提出一种基于新型脉冲相干雷达的室外停车检测算法。在每个停车位中央部署传感器节点，然后对雷达采样信号进行特征提取和多次预测，综合多次预测的结果实现停车检测。每次预测时，利用雷达信号所有的特征信息，并且使用不同的参数，这些参数由粒子群优化算法根据雷达数据集计算得到。我们部署了实验系统：在无干扰情况下，实验结果表明算法准确率为 99.9%;在水和湿树叶等干扰情况下，准确率为 91%。相比已有算法，本文算法不仅提高了干扰场景下停车检测的精度，而且还可以检测出雷达是否受到水或湿树叶的干扰。

　　关键词：智能交通;停车检测;雷达传感器;物联网;粒子群优化

　　近年来，随着我国汽车保有量持续增加，城市中心区停车难问题日益严重，路边智慧停车管理系统已成为解决该问题的有效途径[1-2]。该系统的基础是实时车辆检测技术，在准确获得每个停车位的状态信息基础上，路边智慧停车管理系统可实现车位预约、停车诱导、停车计费等功能。

　　磁阻传感器、视频是目前主要的车辆检测技术。磁阻传感器成本和功耗低，生命周期长，但容易受到相邻车位、城市轨道交通等磁场干扰[3]。基于磁阻传感器的停车位检测，已有很多研究，文献[4]提出了一种自适应阈值算法;文献[5]为了降低相邻车位干扰，综合相邻传感器的信息，通过计算相邻车位信号的相似度实现停车检测。相比磁阻传感器，视频可以获得更多的信息，比如车牌号，但是视频易受到天气和光照干扰，并且室外视频停车检测技术需要布电源线和通信线，安装和维护成本高。随着人工智能的发展，已有越来越多的研究将深度学习算法应用在基于视频的车辆检测中[6]。文献[7]提出一种基于 Faster R-CNN[8] 的车辆检测改进算法，可以较好的实现交通监控视频中的车辆检 测;文献 [9]提出了一种 基于最新的 YOLOv3[10-12]算法的实时车辆检测分类模型，该模型通过增强深度残差网络的特征提取能力，提高了复杂无约束自然场景下实时车辆检测的精度。

　　基于磁阻和视频的车辆检测技术大多受限于不同的干扰因素，虽然目前对各种干扰问题有较多研究，但是效果有限。而基于新型传感器的方法可以和这些方法互补。目前关于雷达的车辆检测研究，大多是基于激光雷达[13-15] ，且主要关注于自动驾驶领域。激光雷达探测距离远，精度高，但是在功耗，体积和成本方面皆不适用于停车位检测。

　　本文使用的脉冲相干雷达传感器(Pulse Coherent Radar，PCR)是一种新型的传感器，它兼具脉冲式雷达低功耗和相位式雷达高精度的优点[16]，面积只有 29mm2，成本远低于激光雷达，并且不受磁场、光照干扰。本文根据 PCR 雷达信号的特征，考虑到水和湿树叶等干扰，提出了一种基于 PCR 的停车检测算法。

　　1 问题描述

　　PCR 基于信号传播时间来测量物体的距离，即无线电波由第一根天线发射，经物体反射后再由第二根天线接收，通过测量发射和接收信号之间的传播时间来判断物体的距离。本文采用的是型号为 A111 的雷达传感器，该传感器提供四种工作模式[16]，其中的 Powerbin 工作模式采样的信息量较少，能耗低，适用于停车位检测，下面给出该模式的雷达信号定义。

　　例如，起始检测距离是 20cm，检测范围为 50cm 如果分为 5 个 Bin，每个 Bin 代表的距离范围依次为 [20cm,30cm], [30cm,40cm], [40cm,50cm], [50cm,60cm], [60cm,70cm]。图 1(a)是

文章名称：基于脉冲相干雷达的车辆检测算法

文章地址：http://www.sciqk.com/lwfw/dzlw/12728.html