CN103707887A - 斜坡预测方法及装置 - Google Patents

Abstract

本发明涉及一种斜坡预测方法及装置，利用从感应器接收到波束（Beam）中收集反向散射(Back Scattering)相关的信息和路面状态信息，事先对斜坡预测的斜坡预测方法及装置。本发明根据优选实施例的斜坡预测装置，包括：信息部，接收波束（Beam）并获取反向散射的相关信息；预测部，利用所述反向散射的相关信息预测斜坡的坡度变化。

Description

斜坡预测方法及装置

技术领域

本发明涉及的是一种斜坡预测方法及装置。更进一步地说是本发明用从感应器接收到波束（Beam）后利用从反向散射（Back Scattering）收集到的相关信息和路面状态提前对斜坡预测的斜坡预测方法及装置。

背景技术

最近在使用探测传感器功能的智能型汽车领域对智能巡航系统（SCC:Smart Cruise Control）、智能停车辅助系统（SPAS:Smart ParkingAssistance System）以及车道保持辅助系统（LKAS:Lane KeepingAssistance System）等的技术研究与开发非常活跃。

探测传感器是起到感应车辆周边的目标，维持一定的速度和距离，感知到冲突及时给予警告或躲避提醒的作用。

但是，行驶方向的路面出现斜坡的情况时，探测传感的探测可能范围受到限制，探测功能也会随之降低。因此智能型车辆引进的在行驶中使用如动力装置的动作状态最优化、SCC系统或急停再走（Stop & Go）等技术，导致发生各种系统的误启动或者给驾驶者提供错误信息，让行驶中存在事故的危险性。

在以往对车辆行驶方向路面的斜坡预测技术里需要很多传感器，比如GPS信息、加速度感应、卫星导航传感等。并且，以往的技术是在如实验室里或者固定的环境下获得的临界值（Threshold）等进行斜坡预测，但事前需要的信息量非常的大，等充分收集信息后再慢慢的进行反应，这样的方式不可能适应于多样的环境下。

并且，以往的技术接收到的信号量比较小的情况会很难判别，行驶过程中如道路发生变化将不能够及时迅速的持续应对。

并且，以往的技术随着对象目标介质或者天气的状况发生变化时，存在测定误差急增的问题。

发明内容

（要解决的技术问题）

本发明是斜坡预测方法及装置，其目的在于接收到波束（Beam）后利用收集到的反向散射（Back Scattering）相关信息和路面状态，迅速准确地对车辆行驶方向路面的斜坡进行预测。

（解决问题的手段）

为了解决所述问题，斜坡预测装置，包含：信息部，接收到波束（Beam）获得反向散射（Back Scattering）相关信息；预测部，利用所述反向散射相关信息的变化预测斜坡路的坡度变化。

可优选地，所述斜坡预测装置，还包括识别路面状态的识别部，所述预测部是利用所述识别部已掌握的路面信息对所述斜坡路的坡度变化进行预测。

可优选地，所述识别部，利用垂直-垂直极化波值除以水平-水平极化波值的值，与水平-垂直极化波值除以水平-水平极化波值得值之间的差异，以及垂直-垂直极化波值除以水平-水平极化波值的值，与垂直-水平极化波值除以水平-水平极化波值的值之间的差异，掌握地面的状态。

可优选地，所述信息部，依照数字波束形成（DBF,Digital BeamForming）包含多重波束，以获得所述反向散射相关信息。

可优选地，关于所述反向散射的信息，可包含：反向散射值、反向散射的大小、反向散射的大小变化、反向散射的入射角、反向散射的反射角及反向散射照射面积的相关信息。

为解决上述问题，斜坡预测方法包括：接收到波束（Beam）并获得反向散射（Back Scattering）相关信息的信息阶段；及利用所述反向散射信息的变化预测斜坡路的坡度的预测阶段。

可优选地，所述斜坡预测方法，还包括识别路面状态的识别阶段，所述预测阶段是利用在所述识别阶段已掌握的路面信息状态预测所述斜坡路的斜坡变化。

可优选地，所述识别阶段，利用垂直-垂直极化波值除以水平-水平极化波值的值，与水平-垂直极化波值除以水平-水平极化波值得值之间的差异，以及垂直-垂直极化波值除以水平-水平极化波值的值，与垂直-水平极化波值除以水平-水平极化波值的值之间的差异，可以掌握地面的状态。

可优选地，所述信息阶段，根据包含多重波束的数字波束形成（DBF,Digital Beam Forming），获得所述反向散射相关信息。

可优选地，所述关于反向散射的信息，包括：反向散射值、反向散射的大小、反向散射的大小变化、反向散射的入射角、反向散射的反射角及反向散射照射面积的相关信息。

（发明效果）

根据本发明可优选的实施例，单独使用雷达传感就可以在事先预测斜坡变化，不需要多个传感器。

并且，根据本发明可优选的实施例，可以预测到更小的信号和考虑到路面状态变化，在多样的环境里做到可靠性高的斜坡预测。

并且，根据本发明可优选的实施例，为进行斜坡预测事先所需的信息量可以减少。

并且，根据本发明可优选的实施例，可以对路面斜坡迅速及早的预测。

附图说明

图1是关于根据本发明可优选实施例的斜坡预测装置的框图。

图2是路面上有斜坡的情况时，在信息部收集到关于反向散射信息的变化说明图。

图3是路面上有斜坡的情况时，在信息部收集到关于反应反向散射信息变化的示意图。

图4是信息部收集的关于反向散射的信息根据路面的状态不同发生变化的示意图。

图5是根据本发明可优选的实施例斜坡预测方法的流程图。

具体实施方式

以下参照示例图对本发明的可优选的的实施例进行详细的说明。以下的说明及参照的示例图同样的构成要素作为各个同一符号表现，所以在此省略重复说明。并且关于本发明在说明书里相关的公知功能或者构成的具体说明反而会引起重点不明确的情况，所以在此做省略说明。

谈及某构成要素“连接”或是“联接”在其他构成要素时，虽然与其他构成要素直接性的连接或者联接，但也可理解为中间存在其他构成要素。反面，谈及某构成要素“直接连接”或者“直接联接”在其他构成要素时，也可理解为中间不存在其他构成要素。

在本说明书句子中没有特别谈及单数形式，也可包括复数形式。在说明书中使用的“包括(comprises)"以及/或者“包括的(comprising)”谈及的构成要素、阶段、动作以及/或者元件，不排除一个以上的其他构成要素、阶段、动作以及/或者元件的存在或是追加。

根据本发明的可优选的实施例斜坡预测装置的车辆在行驶方向放射出波束（Beam）再利用反射回的信息，获得关于反向散射（Back Scattering）的信息和关于路面状态的信息，利用获得的信息检测车辆行驶方向的前方位置路面斜坡。

图1是关于根据本发明可优选实施例的斜坡预测装置的框图。

参照图1，斜坡预测装置100包括信息部110，识别部120及预测部130。

信息部110获得关于反向散射的信息。

信息部110向车辆行驶方向放射出波束（Beam），接收反射回的信号。信息部110可以利用雷达传感但并非限定于与此，可优选使用可以测定反向散射值的传感器。

信息部110可优选依照数字波束形成（DBF,Digital Beam Forming）后具有多重波束。

信息部110可以算出在多重波束的各方向接收到的反向散射值。行驶中斜坡不变的情况下，从信息部110接收到的波束的反向散射值可以维持在误差范围以内。但是，在斜坡变化的情况下，因入射角、反射角照射的面积、距离等的变化，接收到的关于反向散射的信息也会变化。信息部110可以算出及收集关于反向散射的强度变化信息，这样收集的信息被作为斜坡路的坡度变化预测的根据。

图2是路面上有斜坡的情况时，在信息部收集到关于反向散射信息的变化说明图。

参照图2，车辆在没有斜坡的路面行驶的情况下发生的反向散射发生面积和在有斜坡的路段发生的反向散射的发生面积会有不同。这样随着斜坡变化关于反向散射的信息也会发生变化。

行驶方向前方有斜坡的话，放出的波束反射回的入射角面积发生变化，因此在信息部110收集的反向散射的强度也发生变化。预测部130利用从信息部110收集到的反向散射的强度变化预测出车辆行驶方向前方位置的路面和现在车辆位置的路面相对的斜坡变化。

图3是路面上有斜坡的情况时，在信息部收集到关于反应反向散射信息变化的示意图。

图3（A）是现在车辆所在路面的关于反向散射信息的图示。具体的，从左到右依次是反向散射的入射角、反向散射的反射角、反向散射的面积图示。在车辆现在所在的路面关于反向散射的信息可以成为之前在信息部110收集的信息。

图3（B）是在信息部110收集到的现在车辆行驶方向的前方位置路面关于反向散射的信息。具体地说，图示从左到右分别为反向散射的入射角、反向散射的反射角、反向散射的面积示例。

比较图3（A）和图3（B），斜坡变化时，可以看出在信息部110收集到的反向散射的入射角、反向散射的反射角、反向散射的面积的变化。

具体的说信息部110利用放出的波束被反射后收到的信息计算出反向散射值，参照数学式1～4进行说明。

反向散射值σ0是平均雷达截面(Average Radar Cross Section)波束照射σ的面积除以A0后的值得出反向散射系数(BSC,Back ScatteringCoefficient)。即，σ0等于σ/A0。

平均雷达截面可与数学式1相同表现。

[数学式1]

$\mathrm{\σ}=\frac{\left(4{\mathrm{\π}}^3{R}^4{P}_r\right)}{P_t{G}^2{\mathrm{\λ}}^2}$

R是从送信端（或者车辆）到目标（路面）的距离。Pt是发送电力，Pr接收电力。G是天线增益，λ是波长。

发送电力和接收电力可与数学式2相同表现。

[数学式2]

$\frac{P_r}{P_t}=G^2{\left(\frac{\mathrm{\λ}}{4\mathrm{\πr}}\right)}^2$

r等于2R（往返距离）。

距离R照射到的面积A₀可与数学式3相同表现。

[数学式3]

$A_0={4R}^2\tan \left(\frac{{\mathrm{\θ}}_{E,3\mathrm{dB}}}{2}\right)\tan \left(\frac{{\mathrm{\θ}}_{H,3\mathrm{dB}}}{2}\right)$

在数学式3里，θ_E,3dB是在E-平面（Plane）的3dB波束宽幅，θ_H,3dB是在H-平面3dB的波束宽幅。这是根据天线形态不同会发生变化。比如说，如果是锥体喇叭天线（Pyramidal Horn Antennas），近似的θ_E,3dB可以是0.89λ/D_E，θ_H,3dB可以是1.19λ/D_H。这里的D_E和D_H各自为E方向(Direction)和H方向的喇叭天线的大小。

规范化反向散射系数（Normalized Back Scattering Coefficient）可与数学式4相同表现。

[数学式4]

${\mathrm{\σ}}_{0,\mathrm{norm}}=\left(\frac{S_{11,\mathrm{asphalt}}}{S_{11,\mathrm{metal}}}\right)\frac{\mathrm{\π}}{4\tan \left(\frac{0.455\mathrm{\λ}}{D_E}\right)\tan \left(\frac{0.59\mathrm{\λ}}{D_H}\right)}$

在数学式4里，S11.asphalt是从地沥青表面测定出的反向散射系数，S11.metal是从金属表面测定出的反向散射系数。

信息部110也可以收集关于路面和车辆的距离信息。

具体地说信息部110在车辆行驶方向放出波束。信息部110放射的波束以车辆为基准已设定的一定角度放射出的波束为可优选。放射出的波束利用前方存在的物体反射回的接收时间可以获取关于路面和车辆的距离信息。

例如，车辆在直行前进中进入到上坡路的话，在信息部110接收到波束的收信角、和路面的距离、照射的面积全部变小。

识别部120是利用从信息部110接收到的信号识别路面的状态。

图4是信息部收集的关于反向散射的信息根据路面的状态不同发生变化的示意图。

参照图4，图4（A）是在被雪覆盖的沥青路面表面的77GHz频段测定的反向散射结果。图4（B）在沥青表面的77GHz频段测定出反向散射的结果。两个结果进行比较的话，同样的条件下，被雪覆盖的路面和没有被雪覆盖的路面两种结果可以看出相异。即，根据路面状态的不同关于反向散射的信息也随之变化，所以识别部120对路面状态的识别比预测部130更加准确的预测出斜坡。

具体的说，识别部120是利用垂直-垂直极化波值除以水平-水平极化波值的值，与水平-垂直极化波值除以水平-水平极化波值得值之间的差异，以及垂直-垂直极化波值除以水平-水平极化波值的值，与垂直-水平极化波值除以水平-水平极化波值的值之间的差异，可以掌握地面的状态。例如，沥青路面状态为干燥的情况最大差异为dB，但是在被雪覆盖的沥青路面最大差异为20dB,比干燥状态的差异大。

预测部130利用信息部110和识别部120收集以及获得的信息，对车辆行驶方向前方位置路面的斜坡进行事先预测。

预测部130在路面状态不变时，从信息部110收集的反向散射的信号接收角、路面和车辆的距离、反向散射的面积信号中，反向散射的信号接收角在预测坡度所占的比重最高。根据在信息部110接收到的波束的数不同可以分析出更加精密的变化并进行斜坡预测。

本发明根据可优选实施例，斜坡预测装置100是以现行驶位置的路面为准，相对预测车辆行驶方向位置的路面斜坡。

具体地说，预测部130是从信息部110收集的反向散射强度的变化超出已设定误差范围情况时，可以判断出路面的斜坡存在变化。

已设定的误差范围是根据传感器或雷达的性能、车辆的性能、波束受光性能的不同进行设定。

预测部130反向散射强度变化即便超出已设定误差范围，根据路面的状态不同反向散射强度变化会发生变化，所以会综合考虑路面状态后预测斜坡的变化。

即，预测部130在识别部120判断出路面的状态发生急剧变化时，在信息部110收集的关于反向散射信息考虑到路面状态的变化后，分析反向散射的强度变化发生程度等进行斜坡预测。

并且，预测部130利用从信息部110获得的路面（目标）与车辆间的距离信息预测出更加准确的车辆行驶方向斜坡。

图5是根据本发明可优选的实施例斜坡预测方法的流程图。

参照图1和图5，在信息部110获取关于反向散射的信息（S510）。

预测部130利用从信息部110获得关于反向散射的信息判断反向散射强度变化是否存在（S520）。

预测部130在反向散射强度变化不存在或者变化已在已设定误差范围以内的情况时，可以预测出路面没有斜坡变化。相反，预测部130在反向散射强度存在变化或者变化不在已设定误差范围以内的情况时，可与预测出车辆行驶方向前方的路面可能有斜坡变化（S530）。

识别部120是识别掌握路面状态（S540）。

预测部130利用识别部120识别路面状态的相关信息，并更加准确地预测出路面斜坡。

更具体的，预测部130在预测行驶方向斜坡时路面状态存在突变的情况时，需对关于反向散射的信息进行综合考虑，如果路面状态不存在突发变化的情况时，可以只利用关于反向散射的信息来预测行驶方向的斜坡（S550，S570）。

信息部110可以获取关于车辆与发送波束到达的路面距离的信息（S560），预测部130可以将信息部110获得的距离相关信息与反向散射相关信息和路面状态相关信息一起利用，进行行驶方向斜坡预测（S570）。

根据本发明实施例，在预测斜坡变化时并不需要数个的感应装置，单独使用雷达感应即可。并且，根据本发明实施例，可以在多种情况下考虑到更加微弱的信号和路面的状态变化信息，完成可靠性高的斜坡预测。并且根据本发明的实施例，为进行斜坡预测可事先减少所需的信息量。并且，本发明可以及时迅速的预测路面的斜坡。

根据本发明可优选实施例，斜坡预测装置100的框图应理解为此发明的原理用具体的实施例子来阐述观点。类似于，所有的流程图可用计算机读写媒介实施完成，计算机或处理器明白地图示不论是否说明，可理解为由计算机或处理器执行多样的程序。

可提供在包含可以用处理器或与此类似的概念表示的功能块的图纸上，已图示的多样的元件，这些元件的功能不仅可以在专用的硬件上使用，也可以提供在合适的软件或相关的软件上。提供处理器时，可由所述性能单一专用处理器、单一共用处理器或多数分别的处理器，或共用其中的一部分。

并且处理器、控制或者与此相似概念用语提出时正确的使用应是具有执行软件能力的硬件不用说明引用为排他性，无限制信号处理器（DSP）为存储硬件、软件，需理解暗示的包括只读存储器（ROM）、随机存储器（RAM）以及非挥发性存储器。也可包含周知惯用的其他硬件。

上述说明的仅作为本发明的技术思想例示，本发明所属技术领域知识的人员可以在不脱离本发明的本质特征范围内可以进行多样的修正、变更以及置换。因此，本发明展开的示例及参照的图纸是为了详细说明并非限定于此，依照上述实施例及参照图纸本发明的技术思想范围不限定于此，本发明的保护范围按以下权利要求进行理解，与其同等范围内的所有技术思想包含于本发明权力范围内。

Claims (10)

1.斜坡预测装置，其特征在于，包括：

信息部，接收波束（Bleam）获得关于反向散射（Back Scattering）的信息；及

预测部，利用所述关于反向散射信息的变化预测斜坡路的坡度变化。

2.根据权利要求1所述的斜坡预测装置，其特征在于，还包括：

识别部,识别地面状态；

所述预测部利用在所述识别部掌握的路面状态，预测所述斜坡的坡度变化。

3.根据权利要求2所述的斜坡预测装置，其特征在于，

所述识别部,利用垂直-垂直极化波值除以水平-水平极化波值的值，与水平-垂直极化波值除以水平-水平极化波值的值之间的差异，以及垂直-垂直极化波值除以水平-水平极化波值的值，与垂直-水平极化波值除以水平-水平极化波值的值之间的差异，掌握地面的状态。

4.根据权利要求1所述的斜坡预测装置，其特征在于，

所述信息部根据数字波束形成（DBF，Digital Beam Forming）包含多重波束，获取所述反向散射相关信息。

5.根据权利要求1所述的斜坡预测装置，其特征在于，

所述关于反向散射的信息包括反向散射值、反向散射大小、反向散射的大小变化、反向散射的入射角、反向散射的反射角及反向散射照射的面积相关信息。

6.斜坡预测方法，其特征在于，包括：

信息阶段，接收波束（Beam）并获取关于反向散射（Back Scattering）的信息；及

预测阶段，利用关于所述反向散射相关信息的变化预测斜坡的坡度变化。

7.根据权利要求6所述的斜坡预测方法，其特征在于，还包括：

识别阶段，识别路面状态；

所述预测阶段利用从所述识别阶段掌握的路面状态，预测斜坡的坡度变化。

8.根据权利要求7所述的斜坡预测方法，其特征在于，

所述识别阶段，利用垂直-垂直极化波值除以水平-水平极化波值的值，与水平-垂直极化波值除以水平-水平极化波值得值之间的差异，以及垂直-垂直极化波值除以水平-水平极化波值的值，与垂直-水平极化波值除以水平-水平极化波值的值之间的差异，掌握地面的状态。

9.根据权利要求6所述的斜坡预测方法，其特征在于，

所述信息阶段根据数字波束形成（DBF，Digital Beam Forming）包含多重的波束，获得关于所述反向散射的信息。

10.根据权利要求6所述的斜坡预测方法，其特征在于，

关于所述反向散射信息包括反向散射值、反向散射大小、反向散射的大小变化、反向散射的入射角、反向散射的反射角及反向散射照射的面积相关信息。

Images