专利交易市场

本发明公开了一种隧道场景下车载毫米波雷达信号重建方法，涉及信号处理与雷达技术领域，首先，引入适应不同雷达场景特性的多模态测量矩阵Φ，以增强稀疏投影表达能力；其次，基于重构误差动态调整的稀疏水平估计方法，提升算法对信号实际稀疏性的适配性；再结合支撑集在多迭代过程中的交叉稳定性分析；同时引入正则化残差反馈机制，在每轮迭代中强化对微弱分量的识别与补偿；最终，通过终局重构调优策略整合，进一步提升重构精度与鲁棒性；实验结果表明，本发明方法在不同稀疏水平、信噪比与采样率下均具有更优的检测率、更低的误差与更强的泛化能力，特别适用于资源受限环境下的车载雷达系统信号处理。

本实用新型提供了一种AGV避障雷达调平机构及AGV小车，包括用于连接避障雷达的雷达转接板，所述雷达转接板上设置有用于连接安装面的调平组件；所述调平组件包括调平螺栓和调节螺母，所述调平螺栓穿设所述雷达转接板螺纹连接在所述安装面上，所述调节螺母螺纹转动设置在所述调平螺栓上，所述调节螺母位于所述雷达转接板远离所述安装面的一侧。本实用新型能够实现对避障雷达的调平和安装。

本申请属于雷达目标类型识别的技术领域，提供了一种基于展宽计算的车载毫米波雷达目标识别方法，该方法包括：获取接收到的雷达回波信号，对所述雷达回波信号的空间分布信息和多普勒信息进行提取，得到距离-多普勒二维矩阵；对所述距离-多普勒二维矩阵的数据进行目标检测，得到目标点迹的特征数据；根据预设聚类算法对所述特征数据进行聚类，得到所述目标的聚类数据；根据所述距离-多普勒二维矩阵从所述聚类数据中提取目标特征，根据所述目标特征构建特征样本数据；根据所述特征样本数据对目标识别模型进行训练，构建所述目标识别模型。本申请实施例解决由于毫米波雷达的点云数据稀疏造成目标特征提取困难的问题。

本实用新型涉及毫米波雷达技术领域，公开了一种停车场停车识别毫米波雷达，包括下壳板和上壳板，所述上壳板和下壳板的外边处设置有多个固定螺栓将二者进行固定连接，所述上壳板和下壳板的内侧均开设有密封槽。本实用新型中，通过在上壳板和下壳板的内侧均开设有密封槽，在两个密封槽之间紧凑卡设有密封条从而可以提高上壳板和下壳板之间的密封性，减少了雨水和灰尘进入盒体内部从而影响装置正常使用的情况，还通过在下壳板的顶部固定设置有遮雨板从而可以在阴雨天气下对上壳板与下壳板之间的连接缝隙进行保护。

本发明公开了一种基于毫米波雷达图像的交通道路检测方法，该方法包括：采用分区滑动窗口法实现全局强点检测，在此过程中采用自动化阈值方法和8连通的联通组件检测方法；对强点进行去重处理并筛除测量车影响范围内的强点；基于水平偏移值x对强点进行分类，然后提出基于点集水平密集程度的强点检测算法，以明确对不同车道边界贡献最大的对应强点集；利用多项式拟合实现对各个车道边界的检测，最终实现对直行状态下桥梁交通道路的检测。本发明采用雷达作为主要传感器，对恶劣光线和恶劣天气条件具有良好的鲁棒性。通过对交通道路进行检测，无人驾驶智能汽车可以更准确地识别道路情况，做出更精准的驾驶决策，提高行驶安全性和稳定性。

本发明请求保护一种面向智能车的毫米波雷达与单目相机信息融合方法，主要包括三个阶段：第一阶段，首先在智能车上安装并调整相机与毫米波雷达位置，然后用张正友标定法获取相机内部参数，最后将相机成像平面投影到俯视图，以满足两个传感器识别的目标信息在同一车辆坐标系下；第二阶段，在线下用深度学习方法训练基于图像的多目标识别模型，线上在智能车行驶的过程中雷达与相机实时采集数据，把识别的目标信息转化到统一的车辆坐标系下并排除无效目标；第三阶段，用全局最近邻匹配算法判断目标是否一致，通过扩展卡尔曼滤波跟踪匹配目标和未匹配目标，实现多目标识别。本发明目标识别率高，安全性可靠，可有效提高智能汽车对环境感知的实用性。