使用仿真汽车MIMO雷达的行人运动方向估计
信号处理
2018-08-02 v1 信息论
math.IT
摘要
汽车雷达基于微多普勒的目标分类能力可为未来主动安全汽车功能提供高可靠性与低延迟。实际城市场景中车辆周围大量行人要求对其威胁等级进行优先级排序。对横穿街道或处于车辆路径内的相关行人与那些在人行道上并沿车辆路线移动的行人进行分类，可显著减少车-人碰撞事故。本工作提出一种新颖的行人运动方向估计技术，该技术将行人视为复杂分布式目标并利用其微多普勒（MD）雷达特征。MD特征被证明可指示行人运动方向，并使用监督回归来估计运动方向与相应MD特征之间的映射。为获得更高回归性能，通过类比多普勒效应与视频时间梯度，从计算机视觉领域采用了最先进的基于稀疏字典学习的特征提取算法。所提方法的性能在实用汽车场景仿真中评估，其中行走的行人由具有2D矩形阵列的多输入多输出（MIMO）汽车雷达观测。仿真数据使用统计Boulic-Thalman人体运动模型生成。通过使用支持向量回归（SVR）和基于多层感知机（MLP）的回归算法，实现了精确的运动方向估计。结果表明，对于距雷达100m的行人，在95%的测试案例中方向估计误差小于。
引用
@article{arxiv.1808.00366,
title = {Pedestrian Motion Direction Estimation Using Simulated Automotive MIMO Radar},
author = {Petro Khomchuk and Inna Stainvas and Igal Bilik},
journal= {arXiv preprint arXiv:1808.00366},
year = {2018}
}