筆記：3D people counting, point cloud detection algorithm

根據 [https://dev.ti.com/tirex/explore/node?a=1AslXXD__1.10.00.13&node=A__AIQPG9x7K34A8l4ZELgznA__radar_toolbox__1AslXXD__1.10.00.13&r=1AslXXD__1.20.00.11 3D people tracking detection layer tuning guide]，
這個3D point cloud 的 processing 的順序是：

• 每個chirp 都做 range FFT
• 同一TX反射的，每個水平ANT 的 range FFT，做 capon beamformer，找出方位角
• 這樣就類似 R-V map 一樣，變成2D 的 heat map 圖，不過現在是 Range-Azimuth map，因為原來的 doppler FFT 改成 capon beamformer
• 在 2D heat map (R-A map) 上，用 2D CFar (2-pass CFar)找出 signal point (detection point)
• 找出 detection point (2D heat map 的 bin)，再用垂直向的 ANT 做 capon beamformer 找出垂直角(elevation)
• 針對detection point，同一 ant，連續chirp 的 bin，做 doppler FFT，算出速度

範例有兩種 ANT 排列，一個是安裝在天花板，一個安裝在牆上。
天花板的ANT 排列，X-Z 向是對稱的。
牆壁的ANT排例，X向的天線數量比較多。

所以兩個的 processing algorithm 不一樣。

牆壁的ANT，X 向比較多，所以先做 azimuth capon beamformer，再把結果的 bin 做 elevation beam former，
天花板 X-Z 向一樣多，所以都做....