CN104181516B - 用于在机动车的驾驶员辅助系统中评估障碍物的方法 - Google Patents

Abstract

一种用于在机动车的驾驶员辅助系统中根据雷达传感器(10)的定位数据评估障碍物的方法，其中，计算至少一个评估函数(R1、R2)，所述至少一个评估函数根据一组涉及潜在的障碍物的测量参量(Xi)说明是否能将所述潜在的障碍物评估为真实的障碍物，其特征在于，根据所述定位数据形成复杂性指标(k)，所述复杂性指标说明实际测量情况的复杂性；并且对于相同组的测量参量定义两个不同的评估函数(R1、R2)，并且根据所述复杂性指标(k)决定在所述实际测量情况中应用所述评估函数中的哪个。

Description

用于在机动车的驾驶员辅助系统中评估障碍物的方法

技术领域

本发明涉及一种用于在机动车的驾驶员辅助系统中根据雷达传感器的定位数据评估障碍物的方法，其中，计算至少一个评估函数，所述至少一个评估函数根据一组涉及潜在的障碍物的测量参量说明是否能将所述潜在的障碍物评估为真实的障碍物。

背景技术

在驾驶员辅助系统——例如碰撞警告系统中，为了定位周围环境中、特别是自身车辆的前方区域中的对象而经常采用雷达传感器，所述雷达传感器例如能够根据FMCW原理(频率调制连续波)测量所定位的对象的间距和相对速度。通过由雷达传感器测量的相对速度按照模显著小于自身车辆的自身速度可以识别以下在前面行驶的车辆：所述在前面行驶的车辆例如具有与自身车辆的速度相似的绝对速度并且因此不是一个相关的障碍物。如果与之相对地对象的所测量的相对速度是负的(接近)并且根据模等于自身速度，那么该对象是静止的对象，该静止的对象是潜在的障碍物。基于一定的角度分辨能力雷达传感器也能够确定该对象是位于车道上还是车道边缘上。然而如果定位在车道上，那么静止的对象不一定是真实的障碍物。例如相对小的对象——如位于车道上的易拉罐或者嵌入到车道路面中的通道盖也引起雷达回波，该雷达回波只是难以与扩大(ausgedehnt)的表示真实障碍物的对象的雷达回波区分开来。

然而，为了实现在真实的障碍物与伪障碍物(Scheinhindemissen)之间的区分，在已知的驾驶员辅助系统中采用一个或多个评估函数，其自变量通过测量参量形成，所述测量参量典型地在真实的障碍物的情况下具有与在伪障碍物的情况下不同的值。

这样的测量参量的一个例子是例如单个所定位的对象的信号强度。这包含以下考虑：确实可以评估为真实的障碍物的扩大的对象一般相比于小体积的对象例如位于车道上的小的物体产生更强的雷达回声，该小的物体可以无问题地被驶越。那么评估函数可以根据对象的信号强度或者采用值1——这表示将该对象视为真实的障碍物——或者采用值0，这表示将该对象评估为伪障碍物。然而，根据实施方式评估函数也可以采用在0与1之间的中间值，该中间值说明该对象是真实的障碍物的不同概率。为了最后作出明确的决定，一般将多个基于不同标准的评估函数彼此相关。

用于测量参量——所述测量参量说明对象作为障碍物的相关性——的其他例子是俯仰角以及该俯仰角在时间上的变化，由雷达传感器以该俯仰角看该对象。真实的障碍物一般至少位于与雷达传感器相同的高度上，从而俯仰角是零或正的，而位于道路上的小的对象一般具有负的俯仰角，该负的俯仰角此外在逐渐接近该对象时还进一步朝负侧移动。另一方面，在相对扩大的障碍物的情况下经常发生的是，雷达回波基于多径传播通过地面从不同的俯仰角被接收。此外，自身车辆的俯仰运动和转向运动导致信号由不同的反射目标接收，所述反射目标也具有不同的俯仰角。大幅波动的俯仰角因此表明真实的障碍物。

即使多个标准、亦即多个评估函数相互组合，在实际中不可能的是，准确地评估所有出现的对象。因此必须如此定义评估函数，使得在高的命中率——也就是高比重的真实的障碍物，所述真实的障碍物也真实地被识别为障碍物——与较小的错误警告率——也就是尽可能低的比重的伪障碍物，所述伪障碍物被错误地评估为真实的障碍物——之间找到有意义的折衷。为此，必须适合地选择确定评估函数的属性的参数。在最简单的情况下，评估函数是阈值函数，其在超过确定的阈值的情况下从0跳跃到1。在这种情况下，阈值是一个必须适合地选择的参数。在复杂的评估函数的情况下，参数可以是多个阈值的组或者是多项式系数等等。

在所述参数的确定中，错误警告的避免一般具有最高优先级，因为经常的错误警告显著降低系统的可接受性并且在驾驶员辅助系统中甚至可以表示危险源，所述驾驶员辅助系统在严重碰撞危险时主动干预车辆的制动系统。然而，如果为了避免这样的错误警告而太“保守”地选择参数，那么也不可避免地不识别较高比重的真实障碍物，从而降低系统的利用。

发明内容

本发明的任务在于，说明一种方法，该方法在小的错误警告频率的情况下实现了驾驶员辅助系统的利用的提高。

按照本发明通过以下方式解决所述任务：根据定位数据形成复杂性指标，所述复杂性指标说明实际测量情况的复杂性，并且对于同一组测量参量定义至少两个不同的评估函数，并且根据所述复杂性指标决定在所述实际测量情况中应用所述评估函数中的哪个。

本发明基于以下考虑：雷达传感器在一个给定的时刻接收的信号的全部从情况到情况在其复杂性上可以大幅地不同。在最简单的情况下仅仅接收近似点状的对象的唯一的雷达回波，该信号具有很少的噪声并且相应于不仅用于间距和相对速度而且用于方位角和俯仰角的清晰定义的值。在这种情况下，能够实现在真实的障碍物与伪障碍物之间的相对可靠的区别，从而错误警告的危险小，并且有意义的是，对评估函数在尽可能高的利用方面进行参数化。在更复杂的情况下，例如如果同时定位多个对象，所述多个对象的雷达回波部分叠加或相互干扰，则在评估时的错误概率与之相对地显著更大，从而有意义的是，关于错误警告的避免设置参数并且为此容忍更大的利用损失。按照本发明，现在不是对于所有考虑的测量情况不可变地规定参数化，而是根据情况、特殊地根据复杂性变化。由此可能的是，至少在具有小的复杂性的情况下实现更高的利用，由此那么在统计上也在多种不同复杂情况上的求平均中改善总体利用。

附图说明

在从属权利要求中给出本发明的有利的构型和扩展方案。

在下文中根据附图进一步阐明各实施例。

其中：

图1：驾驶员辅助系统的方框图，在该驾驶员辅助系统中实施按照本发明的方法；

图2和3：用于评估函数的不同参数化的例子；

图4：用于根据图2和3的评估函数的ROC(Receiver Operating Characteristic：接收器操作特征)图形；

图5和6：用于具有不同复杂性的测量情况的ROC图形；

图7：用于评估函数的与情况无关的和与情况有关的参数化的ROC图形的比较；

图8：用于在FMCW雷达中的中间频率信号的频谱的例子；

图9：用于阐明在角度分辨的雷达传感器中的角度测量的图形；

图10：用于说明用于借助多个评估函数的障碍物评估的过程的图形；

图11：用于说明用于产生复杂性指标的层次的过程的图形。

具体实施方式

在图1中表示为方框图的驾驶员辅助系统是例如碰撞警告系统。这个系统的基本元件是雷达传感器10(FMCW雷达)、预处理级12以及评估模块14。在预处理级12中分析处理由雷达传感器10提供的信号，并且形成多个测量参量Xi，所述多个测量参量表征雷达传感器10的实际测量情况。典型地，测量参量Xi也包括一个或多个对象的定位数据，所述一个或多个对象当前由雷达传感器10定位。

在评估模块14中进一步分析处理测量参量Xi，以便对所定位的对象(至少静止的对象)关于其作为障碍物的相关性进行评估，从而可以决定已有的对象是否是真实的障碍物。

碰撞警告系统的在此未示出的另外的元件用于根据用于评估为真实的障碍物的障碍物的定位数据并且根据自身车辆的动态数据计算碰撞概率，并且必要时输出听觉上的或触觉上的碰撞警告到驾驶员和/或主动干预车辆的制动系统并且触发紧急制动。

雷达传感器10在示出的例子中具有两个发射天线16、18和四个接收天线20。接收天线以确定的间距在水平线上设置，从而通过由不同天线接收的信号的幅度和相位的比较可以确定所定位的雷达目标的方位角。发射天线16、18具有俯仰依赖性并且经由切换网络22与本地振荡器24连接，通过在发射天线16和18之间的切换和对于不同的切换状态所接收的信号的比较也可以至少粗略地确定所定位的对象的俯仰角。发射天线和接收天线16、18、20可以大致设置在形成射束的雷达透镜的焦平面中，从而通过天线相对于雷达透镜的光学轴线的或大或小的偏差实现一定的方向选择性。然而也可以考虑以下实施方式：在所述实施方式中，发射天线和接收天线实施为平面的群天线。同样也可以考虑具有单基地的(monostatisch)天线方案的实施方式。

根据FMCW雷达的功能原理斜坡形地调制由本地振荡器24提供的高频信号的频率。将由四个接收天线接收的雷达回波在混频器26中的四个并行通道中与由振荡器24提供的发射信号进行混频，从而得到四个中间频率信号S_1-4，该频率等于所接收的雷达回波的频率与在接收时刻发射的雷达信号频率之间的差。中间频率信号的频率因此一方面依赖于从发射天线至对象并返回到接收天线的信号传播时间以及调制斜坡的斜率，而另一方面——根据多普勒效应——依赖于所定位的对象的相对速度。

基于从对象到各个接收天线20的不同路径长度以及必要时接收天线的方向选择性，在四个通道中接收的中间频率信号此外也具有在其(复杂的)幅度方面的独特区别，所述独特区别依赖于对象的方位角。

在预处理级12中首先在模拟/数字转换器级28中对中间频率信号S_1-4进行数字化并且逐个通道地分别在一个频率调制斜坡的持续时间上对其进行记录。如此获得的时间信号随后在变换级30中通过快速傅里叶变换转换为相应的频谱。在这些频谱中的每一个中，所定位的对象在以下频率处以峰值的形式呈现：所述频率依赖于该对象的间距和相对速度。那么，在一个连接在后面的分析处理模块32中由两个峰值的频率确定对象的间距D和相对速度V，所述两个峰值属于同一对象但在具有不同斜率的频率斜坡——例如上升的斜坡和下降的斜坡上获得。

然而，只要同时定位了两个以上的对象，就保留一定的多义性，因为那么不容易清楚的是：哪个峰值属于哪个对象。然而可以消除多义性，其方式是，考虑至少一个另外的频谱，所述至少一个另外的频谱在具有另一斜坡斜率的另一调制斜坡上所获得。每个单个的峰值的频率位置表示在所所涉及的对象的间距与相对速度之间的线性关系。可以将该关系在D-V空间中表示为直线。对于在多个频谱中的多个峰值如此获得直线族，其中，属于同一对象但是源自不同调制斜坡的至少三个直线全部在一个点相交，该点那么说明该对象的真实的间距和真实的相对速度。

在一个角度评估模块34中，将在四个通道中接收的中间频率信号的幅度(模和相位)逐个对象地(也就是对于每个峰值分开地)相互进行比较，以便确定所定位的对象的方位角

此外，控制模块36集成到预处理级12中，该控制模块一方面控制振荡器24并且确定频率调制，而另一方面控制切换网络22，以便在发射天线16和18之间进行切换。例如以发射天线16发射频率调制斜坡并且随后再一次以发射天线18发射相同的斜坡。在角度评估模块34中也相互比较通过这种方式获得的幅度，以便确定对象的俯仰角θ。

通过这种方式对于每个所定位的对象获得的变量D、V、θ形成测量参量Xi的一部分。除此之外，在预处理级12中还形成几个另外的测量参量，所述几个另外的测量参量还进一步表示所定位的对象以及整个测量情况。随后将进一步阐明这样的测量参量的例子。

评估模块14包含复杂性模块38，其中，根据测量参量Xi形成至少一个复杂性指标k，所述至少一个复杂性指标表示当前测量情况的复杂性。

此外，评估模块14包含函数块40，在所述函数块中存储至少两个评估函数R1、R2，这两者依赖于测量参量Xi的同一选择并且提供用于对象作为障碍物的相关性R的不同值。在此，复杂性指标k确定两个函数R1、R2中的哪个根据测量变量被应用，这在图1中通过开关表征，该开关在函数R1和R2之间进行切换。在小的复杂性的情况下选择函数R1，在较高的复杂性的情况下与之相对地选择函数R2。这些函数如此定义，使得在测量参量Xi的统计分布的值的情况下函数R1相比于函数R2更经常地提供以下结果：即障碍物是相关的(真实的)。

在图2和3中示出了用于评估函数R1和R2的两个简单的例子。这两个评估函数在以下意义上属于一个共同的类：即所述两个评估函数依赖于相同的独立变量。该独立变量在此例如是测量参量X1，该测量参量是用于由所定位的对象接收的总功率的度量。该测量参量可以在预处理级12中例如根据下述方式计算。

图8示出用于在一个调制斜坡上记录的频谱的一个例子，亦即一个函数，该函数说明根据频率f的“复杂的”幅度A(在此仅仅示出幅度的模)。该频谱包含多个峰值42、44、46、48，所述多个峰值中假设它们分别属于一个所定位的对象。在此要将峰值42视为一个例子。那么，由相应对象接收的总功率是幅度平方A²在峰值上的积分。作为积分边界可以例如采用频率f-和f+，在所处频率处幅度A已经下降到顶点值(在f0处)的一半。那么，测量参量X1相应于在图8中用阴影表示的面积。

因为所接收的功率与对象的四次方D⁴成反比，所以一般符合目的的是，将测量参量X1归一化到一个标准间距，其方式是，将积分的值与一个系数相乘，该系数与对于该对象所测量的间距D的四次方D⁴成正比。

一个静止的对象，其表示一个真实的障碍物，例如一个位于车道上的车辆，导致相对突出的峰值，从而测量参量X1相应地大。一个不相关的伪障碍物——例如在车道中的通道盖，与之相对地引起非常弱地构成的峰值，例如在图8中的峰值48，该峰值具有测量参量X1的相应低的值。该对象是否是一个真实的障碍物的决定标准因此可以在于，检查对于该对象的总功率是位于确定的阈值之上还是之下。

相应地，评估函数R1在图2中是阶梯形的函数，该阶梯形的函数对于X1的低值具有值0并且在阈值T1＝0.4时跳跃性地升高到值1。评估函数R1＝1意味着，所属的对象被视为真实的障碍物。

在图3中示出的评估函数R2与评估函数R1的不同之处仅仅在于，利用另一阈值T2＝0.8。

如果根据测量参量X1应用评估函数R1，那么统计上看将相对大的比重的总体上所定位的静止的对象——即测量参量X1为至少0.4的所有对象——评估为真实的障碍物。然而这包含以下危险：经常出现错误警告，因为也将实际上不相关的对象错误地评估为真实的障碍物。

如果与之相对地应用评估函数R2，所述危险较小，因为仅仅将X1为至少0.8的对象评估为真实的障碍物。然而，在这种情况下存在的增加的危险在于，也没有将真实的障碍物评估为真实的(R2＝1)，因为其总功率还在0.8之下。因此，在这种情况下不发生给驾驶员的原本恰当的碰撞警告，从而可能损害该系统的利用。

对于一类函数——其依赖于相同的独立变量并且具有相同的函数规则(Funktionsvorschrift)，仅仅具有不同的参数(在该例子中阈值T1、T2)——图4示出了所谓的ROC曲线50(接收器操作特征)。该曲线对于参数的不同的值在错误警告的相对频率Nf与正确的命中的相对频率Nw——也就是说将该对象正确地识别为真实的障碍物的这种情况的数量——之间建立关系。对于给定的雷达传感器和给定类的评估函数R1、R2可以根据经验来确定该曲线，其方式是，对于多个测量情况计算评估函数，这些测量情况覆盖在日常道路交通中发生的测量情况的整个带宽，更确切地说，具有尽可能与真实性类似的频率分布。例如可以出于该目的实施测量行驶，其中，该车辆在高速公路上行驶一定的时间，在乡村道路上行驶一定的时间，在城市交通中行驶一定的时间，偶尔也在隧道中，等等，其中，相应时间的长度例如如在机动车的典型的“生活经历”中那样表现。那么，根据参数——在此，阈值T1或T2——的选择得到其他值对(Nf、Nw)。在图4中沿着曲线给出参数(阈值0.8；0.6；…)。阈值越高，错误警告的频率Nf越小，然而，真实的命中的频率Nw也越小。随着下降的阈值，错误警告的频率Nf升高，而真实的命中的频率Nw接近最大值100％。

如果对于给定类的评估函数对于所有所考虑的测量情况的全部记录ROC曲线，那么在系统的设计中唯一的设计自由空间还在于，对于函数类的决定性的参数——在该例子中也就是对于阈值——选择有意义的值，其中，必须在目标“Nf尽可能小”与“Nw尽可能大”之间找到折衷。

图5和6示出了用于ROC曲线52、54的例子，所述ROC曲线是对于测量情况的不同选择所记录的。在图5中仅仅考虑以下测量情况：其中，交通环境相对清晰并且构造清楚，也就是说，同时定位的对象的数量是少的，并且由每个对象接收的信号具有很少的噪声并且相对明确，从而能够实现以相对紧密的容许公差明确地确定相应的定位数据(间距、相对速度、方位角、俯仰角)。在该情况下即使选择相对低的阈值，错误警告的数量Nf是小的，从而对于错误警告的还视为可接受的频率Nfmax实现正确命中的相对大的频率Nw1并且因此实现相应高的利用。

在图6中与之相对地仅仅考虑以下测量情况：在所述测量情况中交通环境是相对不清晰的(多个对象同时定位，信号具有强的噪声和受强的干扰)。在这些情况下错误频率自然更大，从而ROC曲线54更平并且在阈值0.8——其提供错误警告的相同频率Nfmax——处仅仅实现真实命中的显著更小的频率Nw2。

本发明的基本构思在于，在驾驶员辅助系统的实际应用中也区分具有低复杂性的测量情况与具有高复杂性的这样的测量情况，并且根据复杂性选择不同的阈值或者在一般情况下选择不同组的用于评估函数的决定性的参数。

在图7中示出了ROC曲线56，如果在选择阈值时区分不同的复杂性等级，就可以得到该ROC曲线，其方式是，例如对于在图5中考虑的测量情况选择低阈值0.4，而对于在图6中考虑的测量情况选择更高的阈值0.8。为了进行比较，图7此外示出了对于以下情况的ROC曲线58：不区分复杂性等级并且对于所有测量情况选择统一的阈值，该阈值在所有测量情况上平均来产生错误警告的相同的相对频率Nfmax。看得出，在这种情况下仅仅实现了正确的命中的更小的相对频率，并且由此通过本发明(ROC曲线56)提高了系统的利用。

在实践中人们大多对于静止对象的评估不是考虑仅仅一类唯一的评估函数，而是考虑多类依赖于不同组的独立变量的评估函数，并且随后将各个评估函数的结果通过逻辑方式或算术方式相互关联。

例如可以定义一类评估函数，其中，该组独立变量包括仅仅一个唯一的测量参量X2，该测量参量说明对于所涉及的对象所测量的俯仰角。评估函数那么可以类似于在图2和3中那样在于分别与其他阈值的阈值比较。其俯仰角是正的或略微负的对象那么评估为真实的障碍物，而俯仰角是负的并且按照模是大的对象评定为伪障碍物，因为这些对象不很高地超出车道表面并且因此可以由自身车辆驶越。

对于评估函数的另外的例子是评估俯仰角的时间上的变化——例如波动——的函数和/或作为时间的或对象间距的函数的俯仰角的变化方面的确定的趋势。

在所有这些情况下，评估函数也可以是多值函数，其不仅仅在0和1之间变化而且可以采用中间值。如果以多类评估函数处理，那么可以根据加权的和或者根据各个评估函数的结果的任意一个其他的函数作出该对象是否相关的最终决定。各个评估函数可以是例如具有多个级和相应地具有作为参数的多个阈值的多值函数。在另一实施方式中，评估函数也可以是一个或多个测量参量的连续函数，例如多项式，其中，多项式系数是参数，所述参数对同类的各个评估函数进行相互区分并且根据复杂性变化。一般地，在此根据复杂性如此选择参数，使得从统计上看将对象评估为真实的障碍物的情况的数量在低复杂性的情况下大于在高复杂性的情况下。

下面，应该提出用于复杂性指标的适合的定义的几个例子。在此原则上可以区分涉及作为整体的测量情况的全局复杂性指标以及涉及单个所定位的对象或一组所定位的对象的局部复杂性指标。

用于全局复杂性指标的例子是在给定时刻定位的对象的总数。例如在图8中示出的频谱中可以看出四个峰值42、44、46、48，从而所定位的对象的总数为四。因为在实践中在每个测量周期中经过多个调制斜坡，所以在每个周期中得到多个频谱，其中，由于干扰，所定位的对象的数量可能是不同的。因此符合目的的是，将所有在一个测量周期中记录的所有频谱的峰值相加并且相对于足够高地设置的最大值进行归一化，从而得到复杂性指标k，其在0与1之间变化。

用于全局复杂性指标的另一例子是在所有定位的对象上求平均的角度品质。与此相关地，在图9中说明方位角的估计的原理。示出四个曲线60、62、64、66，其中，每一个用于四个接收天线20中的每一个接收天线，所述曲线对于一个标准对象——所述标准对象借助于标准信号强度以一个方位角定位——说明幅度A(又仅仅示出幅度的模，但是基于相位的角度评估方法也是可能的)与方位角的依赖性。由于接收天线的不同的方向选择性，各曲线分别在不同的方位角处具有其最大值。在四个接收通道中对于一个给定的对象(在峰值的顶点上的频率)所测量的幅度在图9中通过圆70、72、74、76表示，其中，圆70属于与曲线60相同的接收通道，圆72属于与曲线62相同的通道，等等。圆70-76在一个垂直的直线上在以下角位置上示出：在所述角位置上存在在所测量的幅度(通过圆表征)与基于曲线60-66可预期的幅度之间的最好的一致性。在示出的例子中在方位角的情况下存在最好的一致性，该方位角由此表示用于所涉及的对象的角度评估值。然而，由于不可避免的干扰，在所测量的值与理论值之间的一致性是不精确的。在所测量的值与通过曲线给出的值之间的偏差(例如均方差)是用于角度品质、也就是用于角度测量的质量的度量。对于一个给定的对象，角度品质越高，角度估计越可靠。然而，角度品质同时也是用于以下的度量：即所涉及的对象的雷达回波有多强的噪声或受多强的干扰。

如果现在在所有所定位的对象上对角度品质求平均，那么得到一个全局的指标，可以将该全局的指标视为用于在给定时刻的定位数据的一般的质量和可靠性的度量。

符合目的的是，形成全局复杂性指标，其是依赖于对象数量的复杂性指标k_a和依赖于全局角度品质的复杂性指标k_w的加权的和。

k＝a·k_a+b·k_w

其中，k_a和k_w分别可以在区间[0,1]之间变化，并且正系数a和b如此选择，使得和也在区间[0,1]之间变化。

相比于全局复杂性指标，局部复杂性指标仅仅涉及单个对象或一组邻近的对象。用于局部复杂性指标的例子例如是在一个频谱中属于所涉及的对象的峰值的宽度或者是在多个频谱中峰值的宽度，所述多个频谱在相同的测量周期中在不同斜坡上获得。作为用于峰值的宽度的度量可以例如采用在图8中在f-和f+之间的间距，优选根据峰值的总功率进行归一化。窄的峰值指标表明具有良好地定义的间距的和良好地定义的相对速度的不具有噪声的对象，而较宽的峰值可以归因于信号具有较强的噪声和受较强的干扰或者多个反射中心的峰值叠加。因此给一个更宽的峰值分配一个更高的复杂性指标。

还已知以下方法：该方法特别是目的在于识别频谱中的峰值叠加。例子在文献EP2182 380 B1中描述。如果对于属于所考虑的对象的峰值识别到这样的峰值叠加，那么给该对象分配一个高的局部复杂性指标。

对于局部复杂性指标的另一例子是频谱中的峰值密度，也就是在确定的频率间隔中在属于所涉及的对象的峰值的周围环境中找到的峰值的数量。在该情况下，较高的峰值密度也表示较高的复杂性。所应用的复杂性指标是D-V空间中的定位密度，例如以下所定位的对象的数量：所定位的对象的间距与对于所考虑的对象所测量的间距的偏差小于例如5米并且其相对速度V与所考虑的对象的相对速度的偏差小于例如1米/秒。与上面讨论的峰值密度不同，在此仅仅考虑可以明确地被分配给一个真实的对象的定位，也就是以下定位：在所述定位中在DV图形中的直线基本上在一个点上相交。

另一组局部复杂性指标涉及在方位和/或在俯仰方面的角度测量的质量。在此，在以下意义上——即在确定峰值叠加的情况下角度测量通常是不需要的——在峰值叠加与角度测量的质量之间存在一定的相互关系(Korrelation)。因此，如果没有确定峰值叠加，那么因此应优选仅仅应用涉及角度测量的复杂性指标。

如果对于所涉及的对象在确定方位角时根据在图9中说明的方法确定高的角度品质，那么给该对象分配一个低的复杂性指标，并且在越来越差的角度品质的情况下复杂性指标变大。相应地也可以形成这样的复杂性指标，该复杂性指标依赖于俯仰角测量的质量。

因为为了测量俯仰角而利用两个斜坡，其中，一次借助发射天线16发射而一次借助发射天线18(图1)发射，所以还存在以下可能性：在两个斜坡上实施方位角的测量，从而对于同一对象得到两个分别具有其自身角度品质的方位角测量。在该情况下，为了形成复杂性指标可以一方面将用于方位的两个角度品质相互组合并且将其附加地与俯仰角测量的质量组合。此外，方位角(借助于天线16和18)的两个测量之间的差异可以导致复杂性指标的附加的提高。

可以将全局复杂性指标和局部复杂性指标最后组合成一个总复杂性指标，其确定用于评估函数的参数的选择。然而也可能的是，对于每类评估函数定义自身的复杂性指标，其主要依赖于以下参量：所述参量对评估函数中的独立变量进行分类。

在图10中示出了三组评估函数R_k1(X1)、R_k2(X2)以及R_k3(X3)，所述三组评估函数分别具有不同的测量参量X1、X2或X3作为独立变量(其中，符号X1、X2和X3必要时也可以分别代表由多个测量参量组成的组)。每类评估函数包括多个函数，所述多个函数在参数的选择方面不同。参数的选择依赖于相应的复杂性指标k1、k2或k3，其中，对于每类评估函数可以利用不同地定义的复杂性指标。那么，例如在图10中的符号R_k1代表不同的评估函数，所述不同的评估函数对于复杂性指标k1的每个值通过不同组的参数定义。

在该例子中由此首先得到三个不同的结果，其或者以是/否陈述的形式或者以概率的形式说明是否所涉及的对象是真实的障碍物。那么，为了作出最终决定，计算函数R(R_k1、R_k2、R_k3)，该函数依赖于这些函数R_k1(X1)、R_k2(X2)以及R_k3(X3)的值并且具有或者值1(相关的障碍物)或者值0(非相关的障碍物)。

也可以在一个层次结构中相互组合复杂性指标，以便形成一个总复杂性指标，或者对于所有评估函数共同地或者分别仅仅对于一个单个的评估函数形成一个总复杂性指标。作为例子图11示出了用于在图10中的评估函数R_k1的总复杂性指标k1的形成。在该例子中首先形成五个中间指标Z1-Z5，它们可以分别依赖于可达五个的独立变量X_k1、X_k2、X_k3、X_k4、X_k5，所述五个独立的变量由在相应测量周期中的定位数据推导出(指数k在此仅仅象征，所涉及的变量用于复杂性指标的计算并且不用于评估函数的计算)。这些变量X_k1-X_k5可以是测量参量(Xi)的选择，所述测量参量在上面与用于复杂性指标的不同例子相关联地命名，也就是例如对象(对于一个全局复杂性指标)的数量、在所有对象上取平均的总角度品质，以及流入到局部复杂性指标中的变量，即例如峰值密度、峰值宽度、方位方面的角度品质、俯仰方面的角度品质以及在两个方位角测量之间的差异。中间指标Z1-Z5中的每一个依赖于这些变量中的至少一个，然而也可以依赖于这些变量中的多个。中间指标Z1-Z5中的每一个在此可以是加权的和或者是这些变量X_ki(i＝1-5)的多项式并且如此定义，使得中间指标的值分别位于间距[0,1]中。那么，由如此获得的中间指标Z1-Z5通过另一函数规则——例如用于加权的和或者用于多项式——形成最终的复杂性指标k1。相应地也分别以其他函数规则和独立变量的其他选择形成用于评估函数R_k2、R_k3的复杂性指标k2、k3。

Claims (12)

1.一种用于在机动车的驾驶员辅助系统中根据雷达传感器(10)的定位数据评估障碍物的方法，其中，计算至少一个评估函数(R1、R2；R_k1、R_k2、R_k3)，所述至少一个评估函数根据一组涉及潜在的障碍物的测量参量(X1、X2、X3)说明是否能将所述潜在的障碍物评估为真实的障碍物，其特征在于，根据所述定位数据形成复杂性指标，所述复杂性指标说明实际测量情况的复杂性；并且对于同一组测量参量(X1；X2；X3)定义至少两个不同的评估函数(R1、R2；R_k1、R_k2、R_k3)，并且根据所述复杂性指标决定在所述实际测量情况中应用所述评估函数中的哪个。

2.根据权利要求1所述的方法，其中，定义多类评估函数(R_k1、R_k2、R_k3)，在每种测量情况下根据所述复杂性指标的值分别从所述多类评估函数中选择一个评估函数，并且随后将所选择的评估函数的结果组合成一个总结果。

3.根据权利要求2所述的方法，其中，对于每类评估函数定义一个自身的复杂性指标。

4.根据以上权利要求中任一项所述的方法，其中，多个评估函数依赖于说明由所定位的对象接收的雷达回波的信号强度的测量参量(X1)。

5.根据权利要求1或2所述的方法，其中，多个评估函数依赖于说明所定位的对象的俯仰角的测量参量(X2)。

6.根据权利要求1或2所述的方法，其中，多个评估函数依赖于说明对于所定位的对象测量的俯仰角的变化的测量参量(X3)。

7.根据权利要求1或2所述的方法，其中，形成全局复杂性指标，所述全局复杂性指标依赖于在实际测量情况中所定位的对象的数量和/或依赖于对于所有在所述测量情况中所定位的对象的角度测量的平均质量。

8.根据权利要求1或2所述的方法，其中，形成至少一个局部复杂性指标，所述至少一个局部复杂性指标涉及单个所定位的对象并且依赖于所述对象的环境中的对象密度。

9.根据权利要求1或2所述的方法，对于FMCW雷达传感器，其中，形成至少一个局部复杂性指标，所述至少一个局部复杂性指标涉及单个所定位的对象并且说明是否在所接收的信号的频谱中在给所述对象分配的位置上能够确定源自不同对象的雷达回波的叠加。

10.根据权利要求1或2所述的方法，对于角度分辨的雷达传感器，其中，形成至少一个局部复杂性指标，所述至少一个局部复杂性指标涉及单个所定位的对象并且说明对于所述对象而言的角度测量的质量。

11.根据权利要求1或2所述的方法，其中，形成至少一个复杂性指标，所述至少一个复杂性指标依赖于多个中间指标(Z1-Z5)，所述多个中间指标在其方面以不同方式分别依赖于从定位数据推导出的变量(X_k1、X_k2、X_k3、X_k4、X_k5)的一个选择。

12.一种用于机动车的驾驶员辅助系统，在所述驾驶员辅助系统中实现根据以上权利要求中任一项所述的方法。