CN103593980B - 用于行驶车辆分类的方法 - Google Patents

用于行驶车辆分类的方法 Download PDF

Info

Publication number
CN103593980B
CN103593980B CN201310354392.7A CN201310354392A CN103593980B CN 103593980 B CN103593980 B CN 103593980B CN 201310354392 A CN201310354392 A CN 201310354392A CN 103593980 B CN103593980 B CN 103593980B
Authority
CN
China
Prior art keywords
vehicle
radar
frequency
time
measurement signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201310354392.7A
Other languages
English (en)
Other versions
CN103593980A (zh
Inventor
迈克尔·莱宁
迪玛·普勒弗罗克
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jenoptik Robot GmbH
Original Assignee
Jenoptik Robot GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jenoptik Robot GmbH filed Critical Jenoptik Robot GmbH
Publication of CN103593980A publication Critical patent/CN103593980A/zh
Application granted granted Critical
Publication of CN103593980B publication Critical patent/CN103593980B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种用于行驶车辆分类的方法，其中，角度分辨式雷达设备（1）发送具有对应于由所测量车辆（3）引起的多普勒频移（fD）的频率的测量信号（4），由这些测量信号可以推导出径向距离（RE）、对象角度（γ）和径向速度。将检测到的测量信号（4）的频率存储为关于测量时间（t）的函数，并由这些函数为每台车辆（3）都形成一个时频图。紧接着，检查时频图的具有最大频率带宽的评估区域（BB）。将这些评估区域（BB）与针对各种不同车辆类别所存储的时频图的评估区域进行比较，并配属于最近似的，由此来将所测量车辆（3）分类。

Description

用于行驶车辆分类的方法
技术领域
本发明涉及一种用于车辆分类的方法，如其按类属由专利文件EP 2 011 103 B1公知的那样。
背景技术
在移动交通中车辆分类具有广泛的应用范围。尤其是在自动化监控和控制道路交通的框架内，特别有意义的是自动化的粗略分类，以将车辆划分为大型且缓慢的车辆(载重汽车LKW、巴士)和小型且快速的车辆(轿车PKW)。根据检测到的车辆类别例如可以按照车辆类别有区别地提高通行费、控制红绿灯或者惩罚交通违章。
在根据现有技术公知的粗略车辆分类的方法中，经常通过根据车辆进入和离开测量装置的测量区域来测定个别的车辆长度而实现与车辆类别的配属。借助评估方法可以从接收到的具有足够安全性的信号形成针对车辆长度的可评估的特征，其允许将车辆配属于巴士或载重汽车类或者轿车类。为此公知的装置在此或者利用感应线圈(其根据在驶过时测定的车辆长度和车辆离地间隙来执行分类)工作，或者利用雷达设备(其根据车辆驶过雷达辐射的锥体(雷达锥)借助于由驶过持续时间和速度测定的车辆长度来执行分类)工作。
在公开文件EP 1 990 654 A1公开的方法中，通过以锐角安装在车道侧向的雷达设备来测定车辆长度。根据车辆进入和离开时测定的距离点以及公知的安装角度可以测定车辆驶过雷达锥的驶过路段的长度。由所测定的车速和驶过时间可以测定在该时间内车辆走过的总路段。由此可以由总路段与驶过路段的差计算出车辆长度并且通过与针对一类别典型的车辆长度进行比较来将检测到的车辆分类。车辆间的彼此遮挡带来的误差影响通过该方法无法解决。
在公开文件DE 38 10 357 A1所描述的方法中，同样根据所测定的车辆长度来分类。为此首先在车辆驶过雷达设备的雷达锥期间吸收多普勒回波(Dopplerecho)并由其频谱测定具有最大振幅的频率。根据该频率测定车速。于是由该车速和多普勒回波的信号持续时间可以测定车辆长度。通过信号持续时间来测量车辆长度与多个误差影响相联系。因为雷达辐射被依赖于车辆长度的较大的面反射，所以信号持续时间原则上关于车辆长度那么多地被错误地检测到。此外，倾斜地指向车辆的雷达辐射在车辆部分上的遮蔽导致错误的长度测量。为了提高长度测量精度，应用针对每个影响量分开和以经验为依据测定的校正因数。最后通过将多普勒回波的经校正的在时间上的曲线与所存储和识别的模型进行比较进行分类。然而最终所测定的车辆长度只是非常粗略的估计，其中，很容易会出现有误的分类结果。
专利文件EP 2 011 103 B1中描述了一种无需直接检测车辆长度来执行车辆分类的假定可能性。利用雷达设备使雷达辐射沿交通路径取向。应用一种线性调频CW雷达设备，利用该雷达设备可以测定交通参与方的车速和距离。将由交通参与方反射的信号与噪声分离并在数据处理装置中进行评估。作为处理结果生成两个傅里叶变换系数，其中，一个系数是检测到的交通参与方的距离函数，而另一个系数是检测到的交通参与方的车速函数。如果将两个函数相对彼此绘制在笛卡尔二维图中，那么就形成表征不同交通参与方特性的模型。在此，这些模型的组合和形状是用于交通参与方的车速和反射信号间距的分散性的量度，其统计评估允许将交通参与方配属于预定的类别。然而基于线性调频CW雷达设备的测量原理没有角度可以配属于所检测的对象。由此虽然可以确定例如是轿车或者载重汽车位于雷达锥内，然而只要有多个交通参与方同时位于雷达锥内，这个主张就无法可靠地被配属。
另一解决方案(Fang等人,2007,IET International Conference on RadarSystems,1–4)考虑到雷达辐射在实践中在车辆的多个部位上被反射并且导致接收到的雷达信号的相应的散射。这些散射的信号作为反射的车辆部位在时间上的多普勒频率被检测到。在此得到多普勒频率曲线束，其可以利用霍夫变换被配属给空间坐标。借助该空间坐标和它们彼此的相对关系可以将分别测得的车辆以很高的可靠性配属给特定的尺寸类别。
发明内容
本发明任务是找到一种适用于同时且可靠地将多台驶过雷达锥的车辆分类的方法。
在一种车辆分类的方法中，车辆在驶过由雷达辐射形成的雷达锥时被如下这样来测量，即，车辆的被施以雷达辐射的表面反射雷达辐射并生成具有相应于多普勒频移的频率的测量信号，针对该方法，该任务通过以下方法步骤来解决。
以相对于车道的车道表面的安装高度和相对于车道的车道边缘的水平锐角安装角度来布置角度分辨式雷达设备，其发送具有相应于多普勒频移的频率的测量信号，由这些测量信号可以推导出径向距离、对象角度和径向速度。
该雷达设备发送形成雷达锥的雷达辐射并且在测量时间内的多个测量时间点检测来自至少一个驶过雷达锥并进而被测量的车辆的测量信号。
将所测量车辆的检测到的测量信号的频率作为关于测量时间的函数存储并且由这些函数为每台车辆都形成一个时频图。
紧接着，检查时频图的具有最大频率带宽的评估区域，并将该评估区域与针对各种不同车辆类别所预定和存储的时频图的评估区域进行比较。于是将所测量车辆分别配属于如下车辆类别，针对该车辆类别存在存储的、最接近所形成的时频图的预定时频图。在此，比较可以局限于比较所形成的时频图的最大带宽与所存储的预定时频图的最大带宽。在评估区域中设定至少一个测量时间点作为评估时间点。
有利地，由在具有最大带宽的评估区域内至少其中一个评估时间点的测量信号分别推导出对象角度，这些对象角度针对相关的评估时间点分别被存储为关于频率的函数，并将该函数的曲线与针对各种不同车辆类别所存储的比较模型进行比较，以校验车辆的分类。
备选的是，有利地由在具有最大带宽的评估区域内至少其中一个评估时间点的测量信号分别推导出径向距离，这些径向距离针对相关的评估时间点分别被存储为关于频率的函数，并将该函数的曲线与针对各种不同车辆类别所存储的比较模型进行比较，以校验车辆的分类。
优点在于，由具有最大带宽的评估区域内至少其中一个评估时间点的测量信号中，将针对相关的评估时间点的测量信号的信号振幅分别存储为关于频率的函数，并将该函数的曲线与针对各种不同车辆类别所存储的比较模型进行比较，以校验车辆的分类。
有利地，通过将所有生成的函数与所存储的比较模型进行比较来实现车辆尺寸的建模。
优点在于，在形成每一个函数时确定各种不同车辆尺寸的概率分布，并将这些概率在整个时间曲线上加权地累加。
附图描述
接下来根据实施例详细阐释本发明。附图中：
图1示出雷达设备在车道旁的布置示意图；
图2示出多个在测量时间段内被测量车辆的时频图；
图3a示出由点反射体的测量信号原则上推导出的信号分量的频谱；
图3b示出由主要从正面检测到的车辆的测量信号原则上推导出的信号分量的频谱；
图3c示出由在主要从侧面检测到的车辆的测量信号原则上推导出的信号分量的频谱；
图4示出根据分类的比较模型来将轿车和载重汽车分类的示例。
具体实施方式
针对用于将一台在车道2上前进的车辆3分类的方法，或者同时将多台在车道2上前进的车辆3分类的方法，将FSK雷达设备(一种由现有技术公知的FMCW雷达的特殊形式)用作为角度分辨式雷达设备1。利用FSK雷达设备1可以同时检测和跟踪(Tracking)多台车辆3。FSK雷达1(FSK＝Frequency Shift Keying频移键控)以至少两个交替的载波频率发送雷达辐射11或者再次吸收至少两个交替的载波频率的由检测到的车辆3造成的反射。通过评估车辆3反射的两个载波频率之间和这两个载波内的频率偏移，在短时间内可以根据相对于雷达设备1的径向距离RE、径向速度和对象角度γ实现多台车辆3之间的空间分辨。
由现有技术公开了用于由雷达信号推导出所提到的参数的各种不同的方法及其适当的装置，例如DE 10 2004 040 015 B4中所描述的具有两个分开的接收面的二维天线。
依赖于雷达设备1的辐射特性，雷达辐射11如图1所示形成从雷达设备1出发并扩展的雷达锥12，其具有对称轴13。雷达设备1以及雷达锥12相对于车道2的取向可以根据对称轴13的定向来描述和调节。雷达锥12如下这样指向车道2，即，向在远离雷达设备1的地点(几乎在正面)处直至邻近雷达设备1的地点(几乎在侧面)处的车辆3施加雷达辐射11。车辆3在远离的地点处进入雷达锥12中，而车辆3在邻近的地点处又离开雷达锥12。
由雷达设备1发送的雷达辐射11在车辆3被施以雷达辐射11并反射雷达辐射11的表面上被反射，并且所反射的雷达辐射11再次被雷达设备1检测到。根据所发送和反射的雷达辐射11来测量车辆3。通过驶过雷达锥12的车辆3相对于雷达设备1的相对运动，车辆3在反射的雷达辐射11中生成多普勒频移，由该多普勒频移雷达设备1生成低频测量信号4，这些低频测量信号4对应于多普勒频移并以多普勒频率fD形式被检测和评估。借助根据本发明的方法评估测量信号4可以实现车辆3的分类。
为了执行该方法，在第一方法步骤中，雷达设备1如下这样相对于车道2布置，即，使得可以记录朝向雷达设备1运动的车辆3的径向速度、径向距离RE和对象角度γ。为此，雷达设备1布置在车道2旁边，从而使对称轴13与车道边缘21围成水平锐角安装角度α。此外，雷达设备1以对称轴13相对于车道2表面的已知的竖直安装高度vAH和竖直安装角度(未示出)安装在通常为0°的地面附近(例如车辆3的车轴的通常高度处)，从而使对称轴13平行于车道2的表面取向。
在该方法的实施方式中，雷达设备1也可以直接安设在车道2上方，例如在跨越车道2的桥梁的高度上。在这种情况下，对称轴13平行于车道边缘21并且以相对于车道2表面的竖直的安装角度定向。因而在远离雷达设备1的地点几乎在正面，直至邻近雷达设备1的地点几乎从上方检测到车辆3。
由雷达设备1检测到的测量信号4以多普勒频率fD形式发送。由多普勒频率fD直接测定所测量车辆3的径向速度。
为了简化术语解释，将车辆3(如图1所示)简化为理想的点反射体33的反射信号，而雷达设备1当作雷达辐射11的点状源，雷达锥12的对称轴13也从该点状源出发。本领域技术人员知道，对称轴13是雷达设备1的发射轴线，其平行于接收单元的轴线延伸，对象角度γ与该轴线有关。然而可以忽略这些轴线的间距，因此对称轴13可以理解为雷达设备1的不仅对雷达锥12的说明而且对象角度γ都能参照的轴线。
因而车辆3的径向距离RE对应于点反射体33与点状源的直接间距。它直接由FSK雷达1的两个载波频率之间的频率偏移测量推导出。
因而车辆3的径向速度是点反射体33在径向上朝向点状源运动的速度。径向速度仅是真实车速的速度分量，车辆3在行驶方向34上以该真实车速在车道2上运动。由于雷达设备1在侧向安装在车道2旁，所以车辆3的行驶方向34从旁经过雷达设备1地取向。在矢量上来考虑，车速可以由径向相对于雷达设备1取向的速度分量(径向速度)和与其成直角取向的速度分量(轨道速度)相加来测定。径向速度直接从点反射体33反射的雷达辐射11的多普勒频率fD推导出。
如下角度被称为对象角度γ，即，在雷达辐射11的点状源上，在对称轴13与至点反射体33的直线之间张开的角度。根据由一个发射器面辐射的雷达辐射11的两个不同相移(它们在两个接收器面上测得)按照三角测量计算来确定对象角度γ。
不同于理想的点反射体33，车辆3具有空间延展，这种空间延展具有多个空间分布且反射雷达辐射11的表面，这些表面又形成多个可检测到的点反射体33。相应地，针对检测到的车辆3记录的测量信号4也具有多个多普勒频率fD。视车辆3的径向距离RE、对象角度γ和车辆角度ε而定，在车辆3上也检测雷达辐射11的多个空间分布的反射。车辆3上的反射的数量和分布随着径向距离RE的减小而增多，这是因为从雷达设备1的透视角度来看，车辆3的反射表面尺寸也增大了。针对其中每个单个的检测到的反射可以根据其在车辆3表面上的空间布置的不同推导出径向距离RE、径向速度和对象角度γ。
在第二方法步骤中，形成雷达锥12的雷达辐射11由雷达设备1发送。在至少一台车辆3驶过雷达锥12时，雷达辐射11部分地在车辆3的反射表面上反射，并且雷达设备1的反射作为具有相应信号振幅SA的测量信号4被检测到。测量信号4的检测在测量时间t内在多个测量时间点上进行。
为了建立测量信号4与原则上一起被检测到的背景噪声的足够的信号噪声间距并提高测量信号4检测的唯一性，有意义的是，针对信号振幅SA确定阈值，检测到的测量信号4的信号振幅SA必须超过该阈值，以在随后的信号处理中被考虑到。
在第三方法步骤中，配属于测量时间点地缓存多普勒频率fD形式的测量信号4。它们可以关于测量时间t绘制在时间轴线上。在此，所测量的车辆3的所有检测到的测量信号4可以分别以多普勒频率fD的时间曲线形式表示为时频图。
图2示出由不同车辆3的测量信号4形成的时频图。可以看到，这些时频图具有如下表征特性的形式，它们可以直接配属于所测量车辆3并且依赖于车辆3的尺寸以特定的信号范围来区别。此外，测量信号4在时频图中具有不同位置。因为所测得的多普勒频率fD与车辆3的径向速度是成比例的，所以较快车辆3的测量信号4与较慢车辆3的测量信号4相比在频率轴上被布置在更高的值。然而这个区分还不能用来将车辆3分类，这是因为理论上每台车辆3都也有可能以任意的车速运动。
应根据在最晚的测量时间点检测到的车辆3(图2中的右侧时频图)示例性地描述其形状。
当车辆3进入雷达锥12时，开始检测测量信号4。在远离雷达设备1的地点处进入，从而车辆3几乎在正面被雷达辐射11检测到。因此雷达辐射11主要在车辆正面31的表面上反射，该表面从雷达设备1的透视角度来看还非常小。因而由其反射的雷达辐射11检测到的多普勒频率fD具有很小的还无法区别的谱分布，并且测量信号由此类似于理想的点反射体33的测量信号4。因此，测量信号4在时频图中的图示在较早的测量时间点示出具有非常小的谱分布的初始区域AB。因为在远离雷达设备1的地点处轨道速度还非常小，所以径向速度大约相应于车速。在车辆3横穿雷达锥12期间以恒定车速沿着车道2运动的先决条件下，测量信号4在时频图中没有多普勒频率fD的明显变化地几乎保持恒定。
因为车辆3的行驶方向34从旁经过雷达设备1地取向，所以随着车辆3与雷达设备1的径向距离RE的减小，径向速度由于增大的轨道速度而同样减小。因此在中间区域MB中，测量信号4的曲线首先具有朝向较小多普勒频率fD方向的轻微弯曲，该弯曲具有不断增大的下降。随着径向距离RE的减小，从雷达设备1的透视角度来看，车辆3的反射表面增大。另外，车辆3在径向距离RE减小情况下与对称轴13围成另一对象角度γ，从而在车辆正面31旁边，车辆侧面32的增大的表面也有助于雷达辐射11的反射，并且进而有助于生成多普勒频率fD。因而与在较早的测量时间点相比，雷达设备1可以检测到车辆3表面上具有更大空间散射的更多的反射。在空间延展的车辆3的不同表面上生成的多普勒频率fD视其相对于雷达设备1的径向距离RE而定具有不同径向速度。径向速度或者说所测得的多普勒频率fD的非常小但可利用FSK雷达设备1分辨出的区别在时频图中以随着相对于雷达设备1的径向距离RE的减小而不断增加的多普勒频率fD谱分布扩展的形式表现出来。在结束驶过雷达锥12时，车辆3位于雷达设备1附近。由此，对象角度γ是相应地大的，从而在车辆3上，大部分是车辆侧面32的表面被雷达辐射11检测到。基于车辆3的长度，在该位置处达到从车辆正面31和车辆侧面32出发的反射的最大空间散射。通过强烈地区分开的空间散射，径向速度或者说所测得的多普勒频率fD的区别也变的最大。因此在时频图中测量信号4在中间区域MB的末端处(在车辆3即将离开雷达锥12前)示出最大可能的谱分布。
为了示出增加的谱分布，在图2中示例性应用五个多普勒频率fD1至fD5，利用它们可以示出多个在车辆3表面上检测到的反射。测量信号4在时间上的曲线以在靠近车辆正面31的反射表面上生成的多普勒频率fD1开始，以在车辆侧面32末端的反射表面上生成的多普勒频率fD5结束。在多普勒频率fD1与fD5之间，检测到其他在车辆3的反射表面上形成的多普勒频率fD2、fD3和fD4，这些反射表面位于车辆正面31与车辆侧面32末端之间。假设在较早的测量时间点还不能检测到多普勒频率fD3至fD5，因为它们是在该测量时间点就雷达设备1而言还不能看到的车辆侧面32上形成的。在实际检测到的测量信号4中，在多普勒频率fD1至fD5之间的间隔内除了多普勒频率fD2、fD3和fD4之外还有多个其他多普勒频率fD，这些多普勒频率在图2中为了简化并没有示出。
在即将离开雷达锥12之前，车辆3在车道2上从旁运动经过雷达设备1，从而轨道速度非常强烈地增加，而径向速度非常强烈地减小。径向速度的落差在该测量时间点是最大的。一旦车辆3离开雷达锥12，那么不再能检测到反射。因而测量信号4具有结束区域EB，在该结束区域中，结束对不同多普勒频率fD1至fD5的记录。由于车辆3的长度延展，沿车辆3的长度分布的反射表面在时间方面依次离开雷达锥12，从而在结束区域EB中导致测量信号4的强烈的在时间上的扇状散开。扇状散开在时间上的延展与车辆3的长度成比例。
在第四方法步骤中，在时频图中测定测量信号4的评估区域BB，在该评估区域中，多普勒频率fD的谱分布具有最大的带宽。根据图2可以看出，评估区域BB通常在测量信号4的曲线的中间区域MB末端处，不久后车辆3开始离开雷达锥12。在评估区域BB中将至少一个测量时间点设定为评估时间点tB，在该时间点，除了所有已测定的多普勒频率fD之外还读取或者测定其他可由测量信号4推导出的信号分量。检测到的多普勒频率fD的信号振幅SA以及相对于车辆3的空间分布的反射表面(在该反射表面上生成检测到的多普勒频率fD)的径向距离RE和对象角度γ属于所述其他信号分量。信号分量紧接着被提供用于详细评估。针对其中每个信号分量分开进行评估，其方法是相应信号分量作为关于多普勒频率fD的函数分别绘制在一个频谱中并存储。仅频谱的区段(其中包含所需信息)被用于评估。这些区段先前已经根据实验被测定。频谱的剩余区段在评估中不需要进一步关注。
详细的评估原则上也可以在评估区域BB之外的更早的测量时间点进行。然而由于较高的谱密度在那里会失去信号分量的唯一性，并进而降低评估的可靠性。在评估区域BB之外的更晚的测量时间点不再能进行详细评估，这是因为在此处车辆3已经离开雷达锥12，这样就不再能提供所有多普勒频率fD用于评估。
应根据图3a至图3c所示的情况来阐释信号分量的详细评估。
为了更好的理解，图3a首先示出对理想的点反射体33的信号分量的评估。点反射体33相对于雷达设备1的布置在原理图上方的图中示出。由于缺少空间延展，点反射体33在评估时间点tB(并且在点反射体33情况下也在所有其他测量时间点)在相对于雷达设备1的唯一径向距离RE中仅具有一个反射雷达辐射11的表面。因而点反射体33也仅生成一个具有信号振幅SA，而无谱带宽的多普勒频率fD。此外，也仅可以测定一个径向距离RE和对象角度γ。因而在径向距离RE和对象角度γ的频谱中，关于多普勒频率fD也仅示出各一个测量值。
在图3b和3c中示出车辆3的信号分量的评估。该原理图示出车辆3的长方体状轮廓的俯视图，该车辆以至少近似相等的径向距离RE，但不同的车辆角度ε(仅在图1中示出)处于雷达锥12中，车辆3分别以其纵轴线(即行驶方向)与相对于雷达设备1的径向距离的方向围成该车辆角度。因而雷达设备1从不同视角观察车辆3。车辆角度ε的这些变化出现在车辆3驶过雷达锥12时。
图3b示出在评估时间点tB检测到的车辆3的信号分量，其纵轴线以平缓的车辆角度ε取向，从而雷达辐射11主要在车辆正面31(以打点线示意出)上和以仅较小份额在车辆侧面32(以短划虚线示出)上反射。通过空间延展，多个空间分布的反射表面(反射体)有助于形成测量信号4，其不同于点反射体33会导致信号分量频谱中的谱带宽。
信号振幅SA的频谱，即，信号振幅SA关于多普勒频率fD的函数示出两个表征特性的区段。在较低多普勒频率fD区段中，频率曲线的特征在于信号振幅SA几乎线性上升。这种上升可以配属于在车辆正面31上生成的反射，这是因为与在车辆侧面32上测得的径向速度相比，由于轨道速度占据较大份额，在车辆正面31上测得的径向速度更低。在车辆3指向雷达设备1的拐角和其到车辆正面31和车辆侧面32的过渡部上达到最大信号振幅SA。在此，与到雷达设备1的假想的径向连接线成直角取向的表面的份额是特别高的，从而雷达辐射11被特别好地反射。从最大开始，信号振幅SA朝向较高的多普勒频率fD再次下降。信号振幅SA的下降由(与车辆拐角相比)更少地直接指向雷达的反射体生成。而较高的径向速度会导致已经提到的较高谱带宽。
径向距离RE的频谱，即，径向距离RE关于多普勒频率fD的函数同样又示出两个表征特性的区段。在较低多普勒频率fD区段中，径向距离RE几乎不发生变化。该区段由在车辆正面31上生成的反射形成。因为车辆正面31几乎与到雷达设备1的假想的径向连接线正交定向，所以在车辆正面31上径向距离RE没有产生明显区别。在从车辆正面31到车辆侧面32过渡部中，径向距离RE与长度和与此相关的相对于所测量车辆3的对称轴13的对象角度变化相应地增大。因而在较高多普勒频率fD区段中，函数具有上升部。频谱在径向距离RE上升的区段中是更窄的，这是因为由于斜角使径向速度变化更小。信号强度(反射的雷达辐射)对宽度没有影响而仅影响高度。
对象角度γ的频谱，即，对象角度γ关于多普勒频率fD的函数的特征在于线性下降的对象角度γ。在此，下降表示车辆3长度和宽度，其从雷达设备1的透视角度来看通过相对于雷达设备1的车辆角度ε被检测到。
图3c再次示出车辆3的信号分量。区别于图3b中的图示，在此车辆3的纵轴线以陡峭的车辆角度ε取向，从而雷达辐射11以较大份额在车辆侧面32(以短划虚线示出)上反射，而以较小份额在车辆正面31(以打点线示出)上反射。
对应于来自车辆正面31和车辆侧面32有助于反射雷达辐射11的反射表面的份额，表征特性的区段在信号振幅SA和径向距离RE的频谱中的分布也发生变化。在信号曲线类似的情况下，现在车辆正面31上吸收的频谱的份额明显比在车辆侧面32上吸收的频谱份额要窄。
在对象角度γ的频谱中，频率曲线示出对象角度γ明显更陡峭地坡度。
如比较在不同的车辆角度ε下的频谱示出的那样，所评估的信号分量的曲线是车辆3的特定的取向和长度的典型特征。
在第五方法步骤中进行所测量车辆3的分类。为此，将针对车辆3所测定的频谱与先前根据模型车辆(即，其分类配属关系是已知的车辆)所测定和存储的频谱(其以比较模型VM形式存在)进行比较。
为了可以直接比较，先前已经通过雷达设备1学习了比较模型VM，该雷达设备以与雷达设备1现在被安装用于执行方法完全一样的方式布置在车道2上，并且由在比较模型VM处于相同的径向距离RE的测量时间点的测量信号推导出频谱。因而比较模型VM已经具有车辆类别的配属。当确定所测量车辆3与其中一个比较模型VM一致时，就可以将所测量车辆3分派给相应的车辆类别。因而所测量车辆3同样被分类。
图4示出对车辆长度有区别的车辆3的分类。将由测量信号4作为关于多普勒频率fD的函数推导出的信号振幅SA、径向距离RE和对象角度γ(图4中在第二列示出)的频谱与比较模型VM(图4中在第三和第四列示出)进行比较。在图4中应用两个比较模型VM，一个车辆类别为轿车(打点线)一个车辆类别为载重汽车(短划虚线)。将针对在图4上半部分示出的车辆3所测定的频谱与比较模型VM的频谱进行比较得到与轿车的比较模型VM(第三列)的最大一致性。因而该车辆3可以分类为轿车。针对在图4下半部分示出的车辆3所测定的频谱与载重汽车的比较模型VM(第四列)具有最大一致性。因而该车辆3可以被分类为载重汽车。
比较模型VM优选在方法过程期间利用针对不同车辆类别分别预定的公式和当前参数(它们由雷达设备1的安装和测量信号4得到，即，径向速度、径向距离RE、车辆角度ε和对象角度γ)来计算。
在雷达设备1相对于车道2固定布置情况下，比较模型VM也可以由先前记录的测量信号4的曲线生成。为此，在先前记录的测量信号4的曲线中首先测定车辆3的长度。车辆3的长度在测量信号4的曲线的中间区域MB的末端处由测量信号4的曲线的谱分布的带宽(例如在评估时间点tB)来测定，其中，较大的车辆3具有较大的带宽，而较短的车辆3具有较小的带宽。
车辆3的长度也可以依赖于径向速度由持续时间来测定，该持续时间是车辆运动离开雷达锥12所需的时间。持续时间可以在测量信号4的曲线的末端处由结束区域EB的宽度来测定。
根据所测定的车辆3长度在考虑到概率的情况下将先前记录或者同时测定的测量信号4的曲线归入不同组中。通过(手动的)评估归入这些组中的车辆3，给这些组并且进而给归入其中的测量信号4的曲线或者说车辆3配属相应的车辆类别。
为了生成比较模型VM，对所有归入组中的经分类的测量信号4的曲线关于其整个在时间上的曲线进行加权和累加。在测量信号4的累加的曲线中测定出较大的谱带宽的区段，并在那里在评估时间点tB测定出可推导出的信号分量(信号振幅SA、径向距离RE、对象角度γ)。现在，由信号分量生成的各个频谱包括对应于车辆类别的平均频谱，并且可以用作为比较模型VM。在此，就比较模型VM而言，仅使用表征特性的区段(例如频谱的上升部或者弯折部位)并掩盖剩下的区段(如图3中在径向距离RE和对象角度γ的频谱中示出的那样)就足够了。
比较模型VM也可以由理论计算得到。为此，雷达设备1在理想的使用地点的安装条件(水平安装间距hAA、水平安装角度α、竖直安装高度vAH与竖直安装角度)作为测量信号4被检测到。形成简化的符合比例尺寸的车辆模型(例如长方体外形的表面)以表示车辆3。根据安装条件和车辆模型可以计算出理论反射响应，由这些反射响应可以创建比较模型VM。
当不能准确已知雷达设备1相对于车道2的安装条件时，原则上也可以应用该方法，这是因为在该方法中仅应用关于雷达设备1的测量信号4(多普勒频率fD、径向距离RE和对象角度γ)来将车辆3分类。因此雷达锥12可以以一定的公差范围相对于车道2取向，在该公差范围内还可以以足够的可靠性来检测所需测量信号4。然而在雷达设备1的不对应于创建比较模型VM安装条件的布置方式中，总是需要在应用该方法之前创建对应于当前安装条件的新的比较模型。
此外，不已知安装条件的雷达设备1的布置方式具有无法测定车速的缺点。因而例如取消了识别车辆3车速违章以及依赖于车辆3的分类来评估该车速违章的可能性。然而原则上安装条件也可以由雷达设备1自动获知，从而就车速而言于是又是可测量的。
附图标记列表
1 雷达设备
11 雷达辐射
12 雷达锥
13 对称轴
2 车道
3 车辆
31 车辆正面
32 车辆侧面
33 点反射体
34 行驶方向
4 测量信号
BB 评估区域
AB 初始区域
MB 中间区域
EB 结束区域
t 测量时间
tB 评估时间点
SA 信号振幅
RE 径向距离
hAA 水平安装距离
vAH 竖直安装高度
fD 多普勒频率
VM 比较模型
α 水平安装角度
γ 对象角度
ε 车辆角度

Claims (8)

1.一种用于车辆(3)分类的方法，其中，车辆(3)在驶过由雷达辐射(11)形成的雷达锥(12)时被如下这样来测量，即，所述车辆(3)被施以雷达辐射(11)的表面反射所述雷达辐射(11)，并生成具有相应于多普勒频移的频率的测量信号(4)，所述方法具有以下方法步骤：
a)以相对于车道(2)的车道表面的竖直安装高度(vAH)和相对于所述车道(2)的车道边缘的水平锐角安装角度(α)来布置角度分辨式雷达设备(1)，所述雷达设备(1)提供具有相应于多普勒频移的频率的测量信号(4)，由所述测量信号能推导出径向距离(RE)、对象角度(γ)和径向速度，
b)借助所述雷达设备(1)发送形成雷达锥(12)的雷达辐射(11)并且在测量时间(t)内的多个测量时间点检测至少一台驶过所述雷达锥(12)的车辆(3)的测量信号(4)，
c)将所测量车辆(3)的检测到的测量信号(4)的频率存储为关于所述测量时间(t)的函数，并为每台车辆(3)形成一个时频图，
d)检查时频图的具有最大频率带宽的评估区域(BB)，并在所述评估区域(BB)中设定至少一个测量时间点作为评估时间点(tB)，
e)将这些评估区域(BB)与针对各种不同车辆类别所存储的时频图的评估区域进行比较，并配属于最近似的，以便由此来将驶过的车辆(3)分类，并且
f)由在所述具有最大带宽的评估区域(BB)内至少一个评估时间点(tB)的测量信号(4)推导出对象角度(γ)，其中，将针对相关的评估时间点(tB)分别推导出的对象角度(γ)分别存储为关于频率的函数，并将所述函数的曲线与针对各种不同车辆类别所存储的比较模型进行比较，以校验所述车辆(3)的分类。
2.根据权利要求1所述的方法，其特征在于，通过将所有形成的函数与所存储的比较模型进行比较来实现车辆尺寸的建模。
3.根据权利要求1所述的方法，其特征在于，在形成每个函数时确定针对各种不同车辆尺寸的概率分布，并将这些概率在整个时间曲线中加权地累加。
4.一种用于车辆(3)分类的方法，其中，车辆(3)在驶过由雷达辐射(11)形成的雷达锥(12)时被如下这样来测量，即，所述车辆(3)被施以雷达辐射(11)的表面反射所述雷达辐射(11)，并生成具有相应于多普勒频移的频率的测量信号(4)，所述方法具有以下方法步骤：
a)以相对于车道(2)的车道表面的竖直安装高度(vAH)和相对于所述车道(2)的车道边缘的水平锐角安装角度(α)来布置角度分辨式雷达设备(1)，所述雷达设备(1)提供具有相应于多普勒频移的频率的测量信号(4)，由所述测量信号能推导出径向距离(RE)、对象角度(γ)和径向速度，
b)借助所述雷达设备(1)发送形成雷达锥(12)的雷达辐射(11)并且在测量时间(t)内的多个测量时间点检测至少一台驶过所述雷达锥(12)的车辆(3)的测量信号(4)，
c)将所测量车辆(3)的检测到的测量信号(4)的频率存储为关于所述测量时间(t)的函数，并为每台车辆(3)形成一个时频图，
d)检查时频图的具有最大频率带宽的评估区域(BB)，并在所述评估区域(BB)中设定至少一个测量时间点作为评估时间点(tB)，
e)将这些评估区域(BB)与针对各种不同车辆类别所存储的时频图的评估区域进行比较，并配属于最近似的，以便由此来将驶过的车辆(3)分类，并且
f)由在所述具有最大带宽的评估区域(BB)内至少一个评估时间点(tB)的测量信号(4)推导出径向距离(RE)，其中，将针对相关的评估时间点(tB)分别推导出的径向距离(RE)分别存储为关于频率的函数，并将所述函数的曲线与针对各种不同车辆类别所存储的比较模型进行比较，以校验所述车辆(3)的分类。
5.根据权利要求4所述的方法，其特征在于，通过将所有形成的函数与所存储的比较模型进行比较来实现车辆尺寸的建模。
6.一种用于车辆(3)分类的方法，其中，车辆(3)在驶过由雷达辐射(11)形成的雷达锥(12)时被如下这样来测量，即，所述车辆(3)被施以雷达辐射(11)的表面反射所述雷达辐射(11)，并生成具有相应于多普勒频移的频率的测量信号(4)，所述方法具有以下方法步骤：
a)以相对于车道(2)的车道表面的竖直安装高度(vAH)和相对于所述车道(2)的车道边缘的水平锐角安装角度(α)来布置角度分辨式雷达设备(1)，所述雷达设备(1)提供具有相应于多普勒频移的频率的测量信号(4)，由所述测量信号能推导出径向距离(RE)、对象角度(γ)和径向速度，
b)借助所述雷达设备(1)发送形成雷达锥(12)的雷达辐射(11)并且在测量时间(t)内的多个测量时间点检测至少一台驶过所述雷达锥(12)的车辆(3)的测量信号(4)，
c)将所测量车辆(3)的检测到的测量信号(4)的频率存储为关于所述测量时间(t)的函数，并为每台车辆(3)形成一个时频图，
d)检查时频图的具有最大频率带宽的评估区域(BB)，并在所述评估区域(BB)中设定至少一个测量时间点作为评估时间点(tB)，
e)将这些评估区域(BB)与针对各种不同车辆类别所存储的时频图的评估区域进行比较，并配属于最近似的，以便由此来将驶过的车辆(3)分类，并且
f)由所述具有最大带宽的评估区域(BB)内至少其中一个评估时间点(tB)的测量信号(4)中存储所述测量信号(4)的信号振幅(SA)，其中，将针对相关的评估时间点(tB)的测量信号(4)的信号振幅(SA)分别存储为关于频率的函数，并将所述函数的曲线与针对各种不同车辆类别所存储的比较模型进行比较，以校验所述车辆(3)的分类。
7.根据权利要求6所述的方法，其特征在于，通过将所有形成的函数与所存储的比较模型进行比较来实现车辆尺寸的建模。
8.根据权利要求6所述的方法，其特征在于，在形成每个函数时确定针对各种不同车辆尺寸的概率分布，并将这些概率在整个时间曲线中加权地累加。
CN201310354392.7A 2012-08-14 2013-08-14 用于行驶车辆分类的方法 Active CN103593980B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102012107445.3A DE102012107445B8 (de) 2012-08-14 2012-08-14 Verfahren zur Klassifizierung von fahrenden Fahrzeugen
DE102012107445.3 2012-08-14

Publications (2)

Publication Number Publication Date
CN103593980A CN103593980A (zh) 2014-02-19
CN103593980B true CN103593980B (zh) 2017-05-17

Family

ID=48948261

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310354392.7A Active CN103593980B (zh) 2012-08-14 2013-08-14 用于行驶车辆分类的方法

Country Status (9)

Country Link
US (1) US9341707B2 (zh)
EP (1) EP2698648B1 (zh)
CN (1) CN103593980B (zh)
AU (1) AU2013216598B2 (zh)
DE (1) DE102012107445B8 (zh)
ES (1) ES2764775T3 (zh)
LT (1) LT2698648T (zh)
PL (1) PL2698648T3 (zh)
RU (1) RU2608590C2 (zh)

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013104443B4 (de) 2013-04-30 2022-03-17 Jenoptik Robot Gmbh Verkehrsüberwachungssystem zur Geschwindigkeitsmessung und Zuordnung von bewegten Fahrzeugen bei einem Mehrziel-Aufnahmemodul
DE102014003152A1 (de) 2014-03-03 2015-09-03 Jenoptik Robot Gmbh Verfahren und Vorrichtung zum Bestimmen zumindest eines Objektparameters eines Verkehrsmittels
US20170307733A1 (en) * 2014-07-03 2017-10-26 GM Global Technology Operations LLC Vehicle radar methods and systems
US9733350B2 (en) * 2014-07-03 2017-08-15 GM Global Technology Operations LLC Vehicle radar control
US9664779B2 (en) * 2014-07-03 2017-05-30 GM Global Technology Operations LLC Object classification for vehicle radar systems
EP3306340B1 (en) * 2015-05-29 2021-06-23 Mitsubishi Electric Corporation Radar signal processing device
CN105629211B (zh) * 2015-12-29 2019-03-15 大连楼兰科技股份有限公司 多目标检测的组合波形汽车变道辅助系统的信号处理方法和汽车变道辅助系统
CN105629235B (zh) * 2015-12-29 2019-03-15 大连楼兰科技股份有限公司 多目标检测的组合波形汽车变道辅助系统的信号处理装置
CN105629234A (zh) * 2015-12-29 2016-06-01 大连楼兰科技股份有限公司 汽车变道辅助系统信号处理方法
CN107134143A (zh) * 2016-02-26 2017-09-05 南京航空航天大学 一种基于连续波雷达的车流量统计与车型判别的方法
US9984704B2 (en) * 2016-08-05 2018-05-29 Electronics And Telecommunications Research Institute Vehicle classification system and method
JPWO2018047805A1 (ja) * 2016-09-09 2019-06-24 日本電気株式会社 移動音源速度推定装置、速度監視システム、移動音源速度推定方法、および移動音源速度推定用プログラム
KR101752858B1 (ko) * 2016-12-09 2017-07-19 메타빌드주식회사 레이더 기반 고 정밀 돌발상황 검지 시스템
DE102017221120A1 (de) * 2017-11-27 2019-05-29 Zf Friedrichshafen Ag Auswerteverfahren für RADAR Messdaten eines mobilen RADAR Messsystems
CN107993443B (zh) * 2017-12-25 2021-09-21 深圳市金溢科技股份有限公司 一种基于车型分类的etc车道交易方法及系统
DE102018104808A1 (de) * 2018-03-02 2019-09-05 Jenoptik Robot Gmbh Verfahren und Vorrichtung zur Schätzung der Höhe eines Reflektors eines Fahrzeugs
EP3553552B1 (en) * 2018-04-11 2022-05-25 Aptiv Technologies Limited Method for the recognition of a moving pedestrian
CN109615903B (zh) * 2018-11-12 2021-08-17 合肥晟泰克汽车电子股份有限公司 车位识别方法
DE102018222672A1 (de) * 2018-12-20 2020-06-25 Robert Bosch Gmbh Bestimmung der Orientierung von Objekten mit Radar und anderer elektromagnetischer Abfragestrahlung
CN111727380B (zh) * 2018-12-26 2024-06-21 深圳市卓驭科技有限公司 目标检测方法、系统及计算机可读存储介质
CN111751814A (zh) * 2019-03-29 2020-10-09 富士通株式会社 基于无线信号的运动状态检测装置、方法及系统
CN110007279B (zh) * 2019-04-04 2020-01-21 吉林大学 一种基于毫米波雷达模型的目标可见性判断方法
CN110796872B (zh) * 2019-11-13 2020-11-06 佛山科学技术学院 一种用于车道收集车辆型号的采集系统
CN111047868B (zh) * 2020-01-17 2020-12-11 深圳市戴升智能科技有限公司 道路车辆流量检测方法、装置、计算机设备及存储介质
US11393332B2 (en) * 2020-02-27 2022-07-19 Pixart Imaging Inc. Detection device and indoor navigation system
CN111815962A (zh) * 2020-07-08 2020-10-23 支付宝(杭州)信息技术有限公司 车辆身份的识别方法、装置、主设备和从设备
US20220390594A1 (en) * 2021-06-03 2022-12-08 Daniel Jamison Vehicle identification using surface-penetrating radar
KR102475219B1 (ko) * 2022-09-21 2022-12-07 국방과학연구소 비디오 형태의 데이터 증강에 기반한 합성 개구면 레이다의 표적 분류 장치, 방법, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3810357A1 (de) * 1988-03-26 1989-10-05 Licentia Gmbh Verfahren zur lokalen verkehrsdatenerfassung und -auswertung und vorrichtung zum durchfuehren des verfahrens
CN1894595A (zh) * 2003-12-16 2007-01-10 株式会社村田制作所 雷达
WO2007111512A1 (en) * 2006-03-29 2007-10-04 Nederlandse Organisatie Voor Toegepast-Natuurwetenschappelijk Onderzoek Tno Sensor for a traffic response system and traffic control system using a sensor
CN101136141A (zh) * 2007-10-12 2008-03-05 清华大学 基于单频连续波雷达的车型分类方法
CN102360528A (zh) * 2011-07-01 2012-02-22 上海慧昌智能交通系统有限公司 基于多普勒交通雷达进行车型识别的方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE59506752D1 (de) * 1994-03-17 1999-10-14 Siemens Ag Verfahren und Vorrichtung zur Klassifizierung von Fahrzeugen mittels eines Verkehrsradargerätes
JP2930236B1 (ja) * 1998-01-26 1999-08-03 本田技研工業株式会社 レーダ装置
DE102004040015B4 (de) 2004-08-16 2006-12-07 S.M.S., Smart Microwave Sensors Gmbh Verfahren und Vorrichtung zur Detektion eines von einer Sendeantenne ausgesandten elektromagnetischen Signals
NL1027018C2 (nl) * 2004-09-10 2006-03-13 Gatsometer Bv Werkwijze en systeem voor het met radar waarnemen van het passeren van een te bewaken punt op een weg door een voertuig.
CN101162507B (zh) * 2006-10-13 2010-05-12 同方威视技术股份有限公司 一种对移动车辆进行车型识别的方法
DE102007022372A1 (de) * 2007-05-07 2008-11-13 Robot Visual Systems Gmbh Verfahren und Vorrichtung zur Ermittlung der Fahrzeugklasse von Fahrzeugen

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3810357A1 (de) * 1988-03-26 1989-10-05 Licentia Gmbh Verfahren zur lokalen verkehrsdatenerfassung und -auswertung und vorrichtung zum durchfuehren des verfahrens
CN1894595A (zh) * 2003-12-16 2007-01-10 株式会社村田制作所 雷达
WO2007111512A1 (en) * 2006-03-29 2007-10-04 Nederlandse Organisatie Voor Toegepast-Natuurwetenschappelijk Onderzoek Tno Sensor for a traffic response system and traffic control system using a sensor
CN101136141A (zh) * 2007-10-12 2008-03-05 清华大学 基于单频连续波雷达的车型分类方法
CN102360528A (zh) * 2011-07-01 2012-02-22 上海慧昌智能交通系统有限公司 基于多普勒交通雷达进行车型识别的方法

Also Published As

Publication number Publication date
PL2698648T3 (pl) 2020-05-18
US9341707B2 (en) 2016-05-17
ES2764775T3 (es) 2020-06-04
RU2013137825A (ru) 2015-02-20
CN103593980A (zh) 2014-02-19
EP2698648B1 (de) 2019-10-30
AU2013216598A1 (en) 2014-03-06
LT2698648T (lt) 2020-02-10
US20140049420A1 (en) 2014-02-20
EP2698648A1 (de) 2014-02-19
AU2013216598B2 (en) 2017-03-09
DE102012107445B8 (de) 2016-04-28
RU2608590C2 (ru) 2017-01-23
DE102012107445B4 (de) 2016-03-03
DE102012107445A1 (de) 2014-05-15

Similar Documents

Publication Publication Date Title
CN103593980B (zh) 用于行驶车辆分类的方法
AU2013216597B2 (en) Method for classifying moving vehicles by tracking a position value of the vehicle
US9470777B2 (en) Radar system for automated vehicle with phase change based target catagorization
US8077075B2 (en) Object verification method for use in radar systems for motor vehicles
US9784820B2 (en) Radar system with phase based multi-target detection
CN100520853C (zh) 基于单频连续波雷达的车型分类方法
US9488725B2 (en) Method and device for detecting objects in the surroundings of a vehicle
US7450738B2 (en) Method and computer program for the detection of the contour of an obstacle in the surroundings of a vehicle
CN109219760B (zh) 用于识别用于车辆的至少一个泊车空位的方法
JP7138970B2 (ja) 物体の少なくとも１つのパラメータを決定する方法および装置
Diewald et al. Radar-interference-based bridge identification for collision avoidance systems
JP2018100899A (ja) 物体検出装置、物体検出プログラム、および記録媒体
CN107667047B (zh) 用于将机动车辆侧向周围环境区域中细长静止物体分类的方法、驾驶员辅助系统和机动车辆
CN108089165A (zh) 用于在用于机动车的雷达传感器中进行失明识别的方法
CN101876705A (zh) 基于单频连续波雷达的频域车辆检测方法
KR102013224B1 (ko) 긴급 제동 시스템 및 그 제어방법
EP3144696A1 (en) Radar system for automated vehicle with phase change based target categorization
EP3349038A1 (en) Method to classify objects in a vehicle environment based on radar detections
US11320518B2 (en) Method for detecting road users
CN111899562A (zh) 一种用于弯道盲区的会车提示方法
JP6211857B2 (ja) 天気判別システム
CN108291965A (zh) 车辆雷达系统
DE102012207164A1 (de) Verfahren zum Betreiben eines Abstandssensors zur Umfelderkennung
CN114207469A (zh) 用于对车辆周围环境中的对象进行分类的方法及驾驶员辅助系统
Oh et al. Recognition of the upper structure using the RCS characteristic of the automotive radar

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant