CN105242270A - 车辆雷达控制 - Google Patents
车辆雷达控制 Download PDFInfo
- Publication number
- CN105242270A CN105242270A CN201510383757.8A CN201510383757A CN105242270A CN 105242270 A CN105242270 A CN 105242270A CN 201510383757 A CN201510383757 A CN 201510383757A CN 105242270 A CN105242270 A CN 105242270A
- Authority
- CN
- China
- Prior art keywords
- radar
- target
- dimensional
- vehicle
- radar 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.)
- Granted
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
- 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
- G01S13/06—Systems determining position data of a target
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
-
- 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
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
-
- 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
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- 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
- G01S7/415—Identification of targets based on measurements of movement associated with the target
-
- 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
- G01S13/06—Systems determining position data of a target
- G01S13/42—Simultaneous measurement of distance and other co-ordinates
- G01S13/426—Scanning radar, e.g. 3D radar
Abstract
本发明涉及车辆雷达控制,提供用于控制车辆的雷达系统的方法和系统。一个或更多个发射器被构造成传送雷达信号。多个接收器被构造成在被发送的雷达信号从接近车辆的目标偏转之后接收返回的雷达信号。处理器被联接到所述多个接收器并且被构造成基于返回的雷达信号产生多个特征向量并且通过使用所述多个特征向量生成目标的三维呈现。
Description
技术领域
本公开大体涉及车辆,并且更具体地涉及用于车辆的方法和雷达系统。
背景技术
现今某些车辆使用雷达系统。例如,某些车辆利用雷达系统来探测该车辆正行驶的道路上的其他车辆、行人或者其他目标。雷达系统可以以如下方式被使用,例如实现自动制动系统、适应性巡航控制和回避特征以及其他车辆特征。某些车辆雷达系统(所谓的多输入多输出(MIMO)雷达系统)具有多个发射器和接收器。虽然雷达系统通常被用于这样的车辆特征,不过在某些情况下现有的雷达系统会具有一定限制。
因此,需要提供一种用于车辆内的雷达系统性能的改良技术,例如用于通过使用MIMO雷达系统的目标分类。也希望提供利用这种技术的方法、系统和车辆。此外,结合附图和前述技术领域和背景技术,从后续具体描述和所附权利要求中将明白本发明的其他理想特征和特点。
发明内容
根据示例性实施例,提供用于控制车辆的雷达系统的方法,该雷达系统具有多个接收器。该方法包括:经由所述多个接收器中的每个接收关于目标的雷达信号;基于所述雷达信号生成多个特征向量;以及通过使用所述多个特征向量生成所述目标的三维呈现。
本发明提供下列技术方案。
技术方案1. 用于控制车辆的雷达系统的方法,该雷达系统具有多个接收器,所述方法包括步骤:
经由所述多个接收器中的每个接收关于目标的雷达信号;
基于所述雷达信号生成多个特征向量;以及
通过使用所述多个特征向量生成所述目标的三维呈现。
技术方案2. 根据技术方案1所述的方法,其中所述三维呈现的生成包括作为所述多个特征向量在三维阵列上的合并生成所述三维呈现。
技术方案3. 根据技术方案2所述的方法,进一步包括步骤:
基于所述雷达信号确定所述目标相对于所述车辆的方位角;
基于所述雷达信号确定所述目标相对于所述车辆的仰角;以及
基于所述雷达信号确定所述目标相对于所述车辆的距离;
其中所述生成三维呈现包括作为所述多个特征向量在三维阵列上的合并生成所述三维呈现,其具有基于所述方位角、所述仰角和所述距离的第一、第二和第三维度。
技术方案4. 根据技术方案2所述的方法,进一步包括步骤:
确定所述目标的位置,包括所述目标的中心;
其中所述生成三维呈现包括作为所述多个特征向量在三维阵列上的所述合并生成所述三维呈现,其具有对应于所述目标的中心的中心。
技术方案5. 根据技术方案1所述的方法,进一步包括:
基于所述三维呈现和压缩感测技术来分类所述目标。
技术方案6. 根据技术方案1所述的方法,进一步包括:
基于所述三维呈现和习得词典模型来分类所述目标。
技术方案7. 根据技术方案1所述的方法,进一步包括:
基于所述三维呈现和圆形回归模型来分类所述目标。
技术方案8. 一种用于车辆的雷达控制系统,该雷达控制系统包括:
被构造成传输雷达信号的一个或更多个发射器;
多个接收器,其被构造成在被发送的雷达信号从接近所述车辆的目标偏转之后接收返回的雷达信号;以及
处理器,其被联接到所述多个接收器并且被构造成:
基于所述返回的雷达信号生成多个特征向量;以及
通过使用所述多个特征向量生成所述目标的三维呈现。
技术方案9. 根据技术方案8所述的雷达控制系统,其中所述处理器进一步被配置成作为所述多个特征向量在三维阵列上的合并生成所述三维呈现。
技术方案10. 根据技术方案9所述的雷达控制系统,其中所述处理器进一步被配置成:
基于所述雷达信号确定所述目标相对于所述车辆的方位角;
基于所述雷达信号确定所述目标相对于所述车辆的仰角;
基于所述雷达信号确定所述目标相对于所述车辆的距离;以及
作为所述多个特征向量在三维阵列上的所述合并生成所述三维呈现,其具有基于所述方位角、所述仰角和所述距离的第一、第二和第三维度。
技术方案11. 根据技术方案9所述的雷达控制系统,其中所述处理器进一步被配置成:
确定所述目标的位置,包括所述目标的中心;以及
作为所述多个特征向量在三维阵列上的所述合并生成所述三维呈现,其具有对应于所述目标的中心的中心。
技术方案12. 根据技术方案8所述的雷达控制系统,其中所述处理器被进一步配置成基于所述三维呈现和压缩感测技术来分类所述目标。
技术方案13. 根据技术方案8所述的雷达控制系统,其中所述处理器被进一步配置成基于所述三维呈现和习得词典模型来分类所述目标。
技术方案14. 根据技术方案8所述的雷达控制系统,其中所述处理器被进一步配置成基于所述三维呈现和圆形回归模型来分类所述目标。
技术方案15. 用于车辆的雷达系统的计算机系统,该雷达系统具有多个接收器,该计算机系统包括:
存储程序的非瞬态计算机可读存储介质,该程序被配置成:
经由所述多个接收器中的每个接收关于目标的雷达信号;
基于所述返回雷达信号生成多个特征向量;以及
通过使用所述多个特征向量生成所述目标的三维呈现。
技术方案16. 根据技术方案15所述的计算机系统,其中所述程序进一步被配置成作为所述多个特征向量在三维阵列上的合并生成所述三维呈现。
技术方案17. 根据技术方案16所述的计算机系统,其中所述程序进一步被配置成:
基于所述雷达信号确定所述目标相对于所述车辆的方位角;
基于所述雷达信号确定所述目标相对于所述车辆的仰角;
基于所述雷达信号确定所述目标相对于所述车辆的距离;
确定所述目标的位置,包括所述目标的中心;以及
作为所述多个特征向量在三维阵列上的所述合并生成所述三维呈现,其具有基于所述方位角、所述仰角和所述距离的第一、第二和第三维度并且具有对应于所述目标的中心的中心。
技术方案18. 根据技术方案15所述的计算机系统,其中所述程序被进一步配置成基于所述三维呈现和压缩感测技术来分类所述目标。
技术方案19. 根据技术方案15所述的计算机系统,其中所述程序被进一步配置成基于所述三维呈现和习得词典模型来分类所述目标。
技术方案20. 根据技术方案15所述的计算机系统,其中所述程序被进一步配置成基于所述三维呈现和圆形回归模型来分类所述目标。
根据示例性实施例,提供了一种用于车辆的雷达控制系统。该雷达控制系统包括一个或更多个发射器、一个或更多个接收器和处理器。所述一个或更多个发射器被构造成传送雷达信号。所述多个接收器被构造成在被发送的雷达信号从接近车辆的目标偏转之后接收返回雷达信号。处理器被联接到所述多个接收器,并且被构造成基于雷达信号产生多个特征向量并且通过使用所述多个特征向量生成目标的三维呈现。
附图说明
下面将结合附图描述本公开,其中类似附图标记指代类似元件,并且附图中:
图1是根据示例性实施例的具有包括雷达系统的控制系统的车辆的功能框图;
图2是根据示例性实施例的包括雷达系统的图1车辆的控制系统的功能框图;
图3是根据示例性实施例的图1和图2的雷达系统的发送通道和接收通道的功能框图;
图4是根据示例性实施例的用于控制雷达系统的方法的流程图,其能够结合图1的车辆、图1和图2的控制系统以及图1-3的雷达系统使用;
图5提供对应于根据示例性实施例的结合图1-3的控制系统的图4的方法的实施方式的流程图;以及
图6A和图6B提供根据示例性实施例的相比于典型二维视频图像的通过结合图1-3的控制系统和图5的流程图使用图4的方法生成的三维呈现的示例性图释。
具体实施方式
下述的详细描述实质上仅是示例性的并且不试图限制本公开或本应用以及其用法。此外,不试图由前述背景技术或下述具体实施方式中存在的任意理论来界定。如这里所用,术语模块指的是单个地或以任意组合的任意硬件、软件、固件、电子控制部件、处理逻辑和/或处理器装置,其包括但不限于:专用集成电路(ASIC)、电子电路、执行一个或更多个软件或固件程序的处理器(共享、专用或成组)和存储器、组合逻辑电路和/或提供上述功能的其他适当部件。
图1提供根据示例性实施例的车辆10的功能框图。如下文更具体描述的,车辆10包括雷达控制系统12,该雷达控制系统12具有雷达系统103和控制器104,其通过使用雷达系统103的接收的雷达信号基于目标的单位呈现来分类目标。
在所示实施例中,车辆10也包括底盘112、车身114、四个车轮116、电子控制系统118、转向装置系统150和制动系统160。车身114被设置在底盘112上并且基本封装车辆10的其他部件。车身114和底盘112可以共同地形成车架。车轮116均在车身114的相应角部附近旋转地联接到底盘112。
在图1所示的示例性实施例中,车辆10包括致动器总成120。致动器总成120包括被安装在底盘112上来驱动车轮116的至少一个推进系统129。在所示实施例中,致动器总成120包括发动机130。在一种实施例中,发动机130包括燃烧发动机。在另一些实施例中,代替或者补充燃烧发动机,致动器总成120可以包括一个或更多个其他类型的发动机和/或马达,例如电动马达/发电机。
仍然参考图1,发动机130通过一个或更多个传动轴134被联接到至少一些车轮116。在一些实施例中,发动机130还被机械联接到变速器。在另一些实施例中,发动机130可以代替地被联接到被用于给机械联接到变速器的电动马达提供动力的发电机。
转向装置系统150被安装在底盘112上,并且控制车轮116的转向。转向装置系统150包括方向盘和转向柱(未示出)。方向盘从车辆10的驾驶员接收输入。转向柱基于来自驾驶员的输入经由传动轴134导致车轮116具有所需转向角。
制动系统160被安装在底盘112上,并且为车辆10提供制动。制动系统160经由制动踏板(未示出)从驾驶员接收输入,并且经由制动单元(也未示出)提供适当的制动。驾驶员也经由加速器踏板(未示出)提供关于车辆10的所需速度或者加速度的输入以及各种车辆装置和/或系统的各种其他输入,所述车辆装置和/或系统例如一个或更多个车辆无线电、其他娱乐或资讯系统、环境控制系统、照明单元、导航系统等(图1中未示出)。
也如图1中所示,在某些实施例中,车辆10也可以包括远程信息处理系统170。在一种这样的实施例中,远程信息处理系统170是车载装置,其通过与远离车辆10的呼叫中心(未示出)通信来提供各种服务。在各种实施例中,除其他特征外,远程信息处理系统可以包括各种未示出特征,例如电子处理装置、一种或更多种类型的电子存储器、蜂窝芯片/部件、无线调制解调器、双模天线和包含GPS芯片/部件的导航单元。在某些实施例中,某些这样的部件可以被包括在控制器104中,如下文结合图2进一步被讨论的。远程信息处理系统170可以提供各种服务,包括:结合GPS芯片/部件提供的逐向和其他导航相关的服务、结合遍布车辆的各种传感器和/或传感器接口模块提供的安全气囊展开通知和其他紧急情况或路边援助相关的服务以及/或者例如音乐、互联网网页、视频、电视节目、可视游戏和/或其他内容的资讯相关系统。
雷达控制系统12被安装在底盘112上。如上文所述,雷达控制系统12通过使用雷达系统103的接收的雷达信号基于目标的三维呈现来分类目标。在一种示例中,雷达控制系统12根据结合图4在下文进一步被描述的方法400提供这些功能。
虽然雷达控制系统12、雷达系统103和控制器104被描述为同一系统的一部分,不过将意识到在某些实施例中这些特征可以构成两个或更多个系统。此外,在各种实施例中,雷达控制系统12可以包括各种其他的车辆装置和系统的全部或一部分且/或可以被联接到各种其他的车辆装置和系统,所述各种其他的车辆装置和系统例如是致动器总成120和/或电子控制系统118等等。
参考图2,根据示例性实施例,提供图1的雷达控制系统12的功能框图。如上所述,雷达控制系统12包括图1的雷达系统103和控制器104。
如图2所示,雷达系统103包括一个或更多个发射器220、一个或更多个接收器224和处理单元226。在所示实施例中,雷达系统103包括多输入多输出(MIMO)雷达系统,其具有多个发射器(也被称为发送通道)220和多个接收器(也被称为接收通道)222。发射器220发送雷达系统103的雷达信号。在被发射的雷达信号接触到在车辆10正行驶的道路上或附近的一个或更多个目标且朝向雷达系统103被偏转/改向之后,被改向的雷达信号被雷达系统103的接收器222接收以用于处理。
参考图3,根据示例性实施例,示出发送通道220中的一个代表性通道以及图3的雷达系统的接收通道222中的相应一个通道。如图3所示,每个发送通道220包括信号发生器302、滤波器304、放大器306和天线308。也如图3所示,每个接收通道222包括天线310、放大器312、混合器314和采样器/数字化转换器316。在某些实施例中,天线308、310可以包括单个天线,而在另一些实施例中天线308、310可以包括分离的天线。类似地,在某些实施例中,放大器306、312可以包括单个放大器,而在另一些实施例中放大器306、312可以包括分离的放大器。此外,在某些实施例中,多个发送通道220可以共享一个或更多个信号发生器302、滤波器304、放大器306和/或天线308。同样地,在某些实施例中,多个接收通道222可以共享一个或更多个天线310、放大器312、混合器314和/或采样器/数字化转换器316。
雷达系统103经由信号发生器302产生传送的雷达信号。传送的雷达信号经由滤波器304被过滤、经由放大器306被放大并且经由天线308从雷达系统103(且从雷达系统103所属的车辆10,在此也被称为“主车辆”)被发射。之后,传送的雷达信号接触在主车辆10正行驶的道路上或沿途的其他车辆和/或其他目标。在接触其他车辆和/或其他目标之后,雷达信号被反射,并且从所述其他车辆和/或其他目标沿各种方向行进,包括一些信号朝向主车辆10返回。返回到主车辆10的雷达信号(在此也被称为接收的雷达信号)被天线310接收、被放大器312放大、被混合器314混合并且被采样器/数字化转换器316数字化。
参考图2,雷达系统103也包括其他可能特征,如存储器224和处理单元226等。存储器224存储被接收器222和/或处理单元226接收的信息。在某些实施例中,这样的功能可以全部地或部分地由计算机系统232的存储器242实现(下文进一步讨论)。
通过使用雷达系统103的接收的雷达信号基于目标的三维呈现,处理单元226处理接收器222获得的信息用于目标分类。所示实施例的处理单元226能够执行一个或更多个程序(即,运行软件)来实现被编码在程序内的各种任务指令。处理单元226可以包括一个或更多个微处理器、微控制器、专用集成电路(ASIC)或本领域中的技术人员意识到的其他适当装置,例如单独地或以任意组合的电子控制部件、处理逻辑和/或处理器装置,包括但不限于:专用集成电路(ASIC)、电子电路、执行一个或更多个软件或固件程序的处理器(共享、专用或成组)和存储器、组合逻辑电路和/或提供上述功能的其他适当部件。
在某些实施例中,雷达系统103可以包括多个存储器224和/或处理单元226,其一起或单独地工作,如本领域技术人员也意识到的。此外,应该注意,在某些实施例中,存储器224和/或处理单元226的功能可以全部地或部分地通过被置于雷达系统103外部的一个或更多个其他存储器、接口和/或处理器(例如在下文进一步描述的控制器104的存储器242和处理器240)实现。
如图2所示,控制器104被联接到雷达系统103。类似于上文的讨论,在某些实施例中控制器104可以被全部地或部分地置于雷达系统103内或作为其一部分。此外,在某些实施例中,控制器104也被联接到一个或更多个其他的车辆系统(例如图1的电子控制系统118)。控制器104接收并处理由雷达系统103感测或确定的信息,通过使用雷达系统103的接收的雷达信息提供对基于目标的三维呈现的探测、分类和跟踪,并且基于这个信息执行适当车辆动作。控制器104通常根据在下文结合图4-6进一步讨论的方法400执行这些功能。
如图2所示,控制器104包括计算机系统232。在某些实施例中,控制器104也可以包括雷达系统103、其一个或更多个部件和/或一个或更多个其他的系统。此外,将意识到控制器104可以不同于图2所示实施例。例如,控制器104可以被联接到或可以以其他方式利用一个或更多个远程计算机系统和/或其他控制系统,例如图1的电子控制系统118。
如图2所示,计算机系统232包括处理器240、存储器242、接口244、存储装置246和总线248。处理器240执行控制器104的计算和控制功能,并且可以包括任意类型的一个或多个处理器、例如微处理器的单个集成电路或者任意适当数量的配合来完成处理单元功能的集成电路装置和/或电路板。在一种实施例中,处理器240通过结合一个或更多个计算机视觉模型使用雷达信号光谱数据来分类目标。在操作期间,处理器240执行被包含在存储器242内的一个或更多个程序,并且这样,控制控制器104和计算机系统232的一般操作,通常是执行这里描述的过程,例如下文结合图4-6被进一步描述的方法400的过程。
存储器242能够是任何类型的适当存储器。这可以包括例如SDRAM的各种类型的动态随机存取存储器(DRAM)、各种类型的静态RAM(SRAM)和各种类型的非易失性存储器(RPOM、EPROM和闪存)。在某些示例中,存储器242位于与处理器240相同的计算机芯片上并且/或者与处理器130共同位于相同计算机芯片上。在所示实施例中,存储器242存储上面提及的程序250以及一个或更多个存储值252(例如,来自接收的雷达信号的信息和来自其的光谱)。
总线248用于在计算机系统232的各部件之间发送程序、数据、状态和其他信息或者信号。接口244允许例如从系统驱动器和/或另一计算机系统向计算机系统232通信,并且能够通过使用任何合适的方法和设备来实现。接口244能够包括一个或更多个网络接口来与其他系统或者部件通信。在一种实施例中,接口244包括收发器。接口244也可以包括与技师通信的一个或更多个网络接口和/或连接到如存储装置246的存储设备的一个或更多个存储接口。
存储装置246能够是任何合适类型的存储设备,包括直接存取存储装置,例如硬盘驱动、闪存系统、软盘驱动和光盘驱动。在一种示例性实施例中,存储装置246包括程序产品,存储器242能够从该程序产品接收程序250,该程序250执行本公开的一个或更多个过程的一个或更多个实施例,如下文结合图4-6进一步描述的方法400(和其任意子过程)。在另一示例性实施例中,程序产品可以被直接存储在存储器242和/或磁盘(例如,磁盘254)内且/或以其他方式被其访问,如下文提及的。
总线248能够是连接计算机系统和部件的任何适当的物理或逻辑器件。这包括但不限于直接硬接线连接、光纤、红外线和无线总线技术。在操作期间,程序250被存储在存储器242内且被处理器240执行。
将意识到,虽然在完整功能的计算机系统的背景下描述了示例性实施例,不过本领域技术人员将意识到本公开的机制能够被分布成一种程序产品,其具有一种或更多种类型的非瞬态计算机可读信号承载介质,该介质被用于存储程序及其指令并且执行其分布,例如非瞬态计算机可读介质承载程序并包括其内存储的计算机指令从而导致计算机处理器(例如处理器240)实现并执行程序。这样的程序产品可以采取各种形式,并且不管被用于执行该分布的计算机可读信号承载介质的具体类型如何,本公开均可被等同地应用。信号承载介质的示例包括:诸如软盘、硬盘、存储卡和光盘介质的记录介质和例如数字和模拟通信链路的传输介质。将类似地意识到,计算机系统232还可以其他方式不同于图2所示的实施例,例如计算机系统232可以被联接到或可以以其他方式利用一个或更多个远程计算机系统和/或其他控制系统。
图4是根据示例性实施例的用于控制车辆的雷达系统的方法400的流程图。根据示例性实施例,能够结合图1的车辆10和图1-3的雷达控制系统12实现方法400。在各种实施例中,方法能够被规定成基于预定事件在402处运行,且/或能够在车辆10的操作期间持续运行。
如图4所示,方法400包括在404发送多个第一雷达信号。在一种示例中,在车辆10正在道路上行驶的同时雷达信号经由图1的车辆10的雷达系统103的多个发送通道220中的每个被发送。
在从道路上或周围的目标反射雷达信号之后,在图4的406处返回的雷达信号被雷达系统103接收。在一种示例中,在从道路上的或以其他方式接近车辆10(车辆10在此也被称为“主车辆”)的一个或更多个目标(例如其他车辆、行人、树、石头、碎片、护轨或其他道路部件等)偏转之后,接收的雷达信号经由车辆10(如参考图1-3)的雷达系统103的每个接收通道222被接收。
被接收的雷达信号在408被过滤。在一种实施例中,406的被接收的雷达信号被传递通过被存储在图1的存储器242(和/或图1的存储器224)内的滤波器组作为其内的存储值252。同样在一种实施例中,滤波器由处理器(例如图1的处理单元226和/或处理器240)提供。
在410识别接近车辆的目标。类似于上文的讨论,如本申请中所使用的,除其他可能示例之外,目标还可以包括接近主车辆10的另一车辆、行人、树、岩石、碎片、护轨或者另一路部件等等。在一种实施例中,通过处理器(例如图1的处理单元226和/或处理器240)基于406的接收的雷达信号来识别目标。例如如果目标在主车辆10正行驶的道路上或周围,则可以这种方式识别目标。
在412确定410的目标的位置。此外,在414确定目标相对于主车辆10的方位角,在416确定目标相对于主车辆10的仰角,并且在418确定目标相对于主车辆10的距离。在一种实施例中,通过处理器(例如图1的处理单元226和/或处理器240)基于406的接收的雷达信号确定410-418的位置、方位角、仰角和距离。
在420处理空间分布的雷达信号。在一种实施例中,在420雷达信号关联于三维(3D)阵列。在一种实施例中,三维呈现包括420的多个特征向量(或块)在三维阵列上的合并。同样在一种实施例中,422的阵列被构造成使得阵列具有基于414的方位角的第一维度、基于416的仰角的第二维度、基于418的距离的第三维度以及基于412的目标位置的中心。在另一些实施例中,雷达信号可以关联于二维(2D)阵列。在又一实施例中,雷达信号可以被关联于不同空间位置。在一种实施例中,420由处理器(例如图1的处理单元226和/或处理器240)执行。
在422处执行压缩感测特征提取。在一种实施例中,在420期间通过使用压缩感测技术从接收的雷达信号提取特征。如本申请所使用的,压缩感测技术包括用于发现其中紧凑地表达信号的雷达信号分解词典的技术,例如用于智能特征提取的技术。在一种实施例中,422包括用于通过发现对未确定线性系统的解来有效地获取和重构雷达信号的信号处理技术。在一种这样的实施例中,可以利用最小二乘方数值解。在一种实施例中,通过使用压缩感测技术基于接收的雷达信号在422生成多个特征向量。在一种这样的实施例中,通过使用压缩感测技术针对从图2的多个接收器222中每个接收器接收的雷达信号生成单独的特征向量。同样地在一种实施例中,特征向量包括基于在408的过滤之后在406接收的雷达信号的信息通过使用压缩感测技术由具体接收器222在一定时间段接收的信号的频率值。在一种实施例中,在420通过使用压缩感测技术针对雷达信号生成能量印记(energy
signature)。在一种这样的实施例中,所述多个特征被比较为关联于特定空间位置。在一种实施例中,422由处理器(例如图1的处理单元226和/或处理器240)执行。
在424分类目标。在一种实施例中,在424基于420的三维呈现和422的压缩感测特征提取分类目标。在一种实施例中,分类包括预定类别或类型的目标(例如,行人、另一车辆、墙等等)。在另一实施例中,分类涉及目标是否被关注(例如针对可能的影响)。在某些实施例中,形状识别可以作为424的一部分被执行。此外,在一种实施例中,在424处的目标分类由处理器(例如图1的处理单元226和/或处理器240)执行。
在一种实施例中,424的分类由训练阶段(例如,先于当前车辆点火循环)和之后的实时分类(例如,在当前车辆点火循环期间)构成。在一种实施例中,在训练阶段期间,针对每个目标(种类)类别构建智能词典,且之后每个种类词典被合并。随后,每个信号在新的被合并词典中被分解并且能量印记被构建成具有是每个特定“目标”词典的绝对分解系数之和的分量。习得的词典被存储在存储器(例如图2的存储器224和/或存储器244)中。
在一种实施例中,基于捕获相对于从目标(在此也被称为“对象”)偏转的雷达信号的多普勒频移的时间梯度来使用稀疏词典学习。在一种实施例中,相对小的时间间隔,多普勒频移与目标位置的相对变化成比例。基于稀疏词典学习的特征提取将数据维数减少到较小数量C的基本对象运动方向,其组合被用于代表所有其他可能方向。因此能够以两个阶段呈现提出的运动方向估计过程。在第一阶段,从训练数据习得C稀疏词典的集合。在第二阶段,强烈取决于对象运动方向的任意雷达测量在这些词典中被分解。这两个阶段在下文中被更具体地描述。
首先,在词典学习阶段,使得Λ = {(X1, θ1), (X2,
θ2), . . . , (XC,
θC)}是词典训练数据集合,其中X×N矩阵Xc = [x1(θc), x2(θc), . . . , xN(θc)], c = 1, . . . ,C是当观察以方向θc运动的对象时从来自N个空间单元的雷达控制系统所接收的X×1慢时间雷达回波的总和。Xc的每列被分裂成大小K的U重叠帧,从而形成K×U数据样品矩阵Yc i
, i= 1, . . . ,N。词典c的训练数据包含从所有感兴趣空间单元(包含对象的单元)获得的雷达回波并且具有下列形式:
Yc 2KN × U =
[R{Yc 1}; I{Yc 1};R{Yc 2};
I{Yc 2}; . . . ,R{Yc N}; I{Yc N}](等式1),
其中R{·}和I{·}表示幅角(argument)的真实和虚构部分。矩阵Yc的每列向量yc m, ∀m =1, . . . ,U(词典c的第m个训练样品)由当观察以第c个基础方向运动的对象时从N个感兴趣的空间单元接收的雷达回波构成,从而将关于被观察的扩展对象的空间信息添加到训练数据。
能够通过使用下述线性模型表示在Yc中的列向量:
yc m = Dcαc m + nc m(等式2),
其中nc m是具有有限能量的2KN×1添加噪声向量,||nc m||2 2<ε,其建模了添加噪声和从模型的偏离,Dc是带有J个原子的2KN ×J可能过完备(J>2KN)词典,并且αc m是表明Dc原子的J ×1系数稀疏向量,其代表数据向量yc m。词典Dc和稀疏系数的对应向量αc m, m =
1, . . . ,U能够通过求解下面优化问题从训练数据习得:
(Ďc, Ăc)=
argminDc,Ac ½ ||ĎcĂc− Yc|| 2F + ξ ΣU m=1|| αc m|| 1(等式3),
其中||.||是矩阵Frobenious范数,并且J × U矩阵Ac = [αc 1,αc 2, . . . , αc u]包含训练数据矩阵Yc的列的稀疏分解系数。等式3中第一被加数的最小化减少了原始数据和其呈现之间的误差,而第二被加数的最小化保存了获得的解的稀疏度。系数ξ控制在重构误差和稀疏度之间的权衡。能够通过现代凸面优化技术,例如稀疏建模软件(SPAMS)工具箱来数字求解等式3的优化问题。
因为不同对象的运动方向的微多普勒签名会具有类似性,所以在一种实施例中,非专门类别的词典被构建,其包括C基础方向的特性:
D2KN×JC = [D1,D2,
. . . ,DC](等式4)
在这种示例中,每个测量被表现成选定的基础运动方向的组合,而对应的分解系数被用作分类或回归的特征。因此,在一种实施例中,习得的词典被用于表示尽可能多的数据变量。
在上面提及的这种示例的第二阶段中,通过使用词典D来生成印记向量来进行特征提取。在一种实施例中,使得Λt =
{(X1 1, θ1), .
. . , (X1 Ft, θ1), .
. . , (XCt 1, θCt), .
. . , (XCt Ft, θCt)}是回归训练数据集合,其中Ft数据块中的每一个Xct f
, f = 1, . . . , Ft是包含从N个空间单位接收的慢时间雷达回波(其同时观察以方向θct运动的对象)的Xt×N矩阵。
同样在这种示例中,TF定义关于对象运动方向的判定所需的对象观察时间段。对于脉冲重复时间段Tr,对象观察时间TF和回归训练数据向量Xt的维数以如下方式相关:Xt=TF/Tr。为了表示回归训练数据中的更多运动方向而不增加词典C的数量,我们假定_t包含来自比Λt更多数量的不同方向的雷达数据(即Λt∈Λt)。
Xct f中的N列中的每列被分裂成大小K的Ut重叠帧来形成K × Ut 矩阵Yct fi,i=
1, . . . ,N。类似于上面的等式1,这些矩阵被组合成2KN×Ut样本矩阵Yct f。Yct f的列能够通过求解下述凸面优化问题而由词典D表示:
Ăct f =
argminActf1/2 ||DAct f− Yct f||2 F
+ ξΣUt j=1 ||αct fj||1(等式5),
其中Act f = [αct f1,αct f2, . . .αct fUt]是对应稀疏分解的JC × Ut矩阵。JC × 1向量αc fj = [(αct fj)1, . . . , (αct fj)J , . . . , (αct fj)JC]T,其是来自合并词典D中的Yct f的第j个数据的样本稀疏呈现,包含由C基础方向构成的第ct对象的方向的分解系数。第c个基础方向对数据矩阵Yct f 的分解的贡献能够通过求和对应于Ut数据样本上的基础方向(C)的所有分解系数的绝对值的求和来获得:
(βct f )c =ΣUt j=1ΣcJ i=(c − 1)J+1|(αct fj)i|2(等式6)
向量βct f= [(βct f )1, (βct f )2, . . . , (βct f )C]T能够被看作是数据样本Yct f的能量印记,其中βct f的每个入口代表由对应的基础运动方向贡献的能量。通过使用印记向量作为特征将来自Xt的数据的维度减少到基础方向C的数量。此外,印记向量捕捉关于不同运动方向之间关系的信息。在一种实施例,预期等式6针对Yct f中的相对少量样本Ut的求和提供明显较稳健的能量印记。在针对Ct不同方向中的每个从Ft训练数据块提取了印记向量之后,下述回归训练数据集合能够被构造成:Гt =
{(B1, θ1), (B2,
θ2), . . . , (BCt,
θCt)}, 其中Bct = [βct 1,βct 2, . . . , βct Ft], ct
= 1, . . . ,Ct。在一种实施例中,从雷达微多普勒数据和能量印记的基于稀疏学习特征提取能够被用于各种类型的目标分类,例如目标运动方向估计、行人活动分类和地面运动对象识别。
在各种其他实施例中,也可以使用其他分类技术。例如,在一种实施例中410的目标在424处基于422的三维呈现和圆形回归模型被分类。例如,在一种这样的实施例中,来自三维呈现的特征向量的数据被定义在圆上(相对于正弦和余弦函数),并且圆形回归模型被应用来克服任意不连续问题。在各种实施例中,目标可以在424处通过使用422的能量印记通过使用任意数量的不同技术被分类,所述技术例如支持向量机(SVM)、数学关联对(mathematical linked pair,MLP)和其他技术,例如上文讨论的。
在426,目标可以随时间被跟踪,例如通过使用406的接收的雷达信号、412确定的位置和424的分类,跟踪目标的运动和/或位置变化。此外,在一种实施例中,在426处的目标跟踪由处理器(例如图1的处理单元226和/或处理器240)执行。
基于分类和/或跟踪,在428可以发起正确的车辆动作。此外,在一种实施例中,428的动作由处理器(例如图1的处理单元226和/或处理器240)执行。在一种示例中,在一种实施例中,如果目标被分类为关心的目标(例如,行人、自行车、其他车辆和/或其他大目标)并且车辆10和被跟踪目标之间的距离小于预定阈值(或者在其当前相应轨迹下车辆10和被跟踪目标之间的估计接触时间小于预定阈值),则在428可以提供警告(例如,视觉或声音警告至驾驶员)且/或可以发起自动车辆控制动作(例如,自动制动和/或自动转向),例如通过处理器输出用于图1的转向装置系统150和/或制动系统160的一个或更多个控制信号。
借助于进一步示例,在一种实施例中,如果主车辆10被确定要接触(或者不久之后将接触)目标,则在428的动作可以进一步取决于关于目标类型的424的分类。例如,如果目标在424被分类为行人,则可以在428处采取第一组动作以便减少主车辆10的刚性,例如通过打开主车辆10的蓬盖以便保护行人。相反地,如果目标在424处被分类为砖墙,则可以替代地在428处采取第二组动作以便增加主车辆10的刚性以便保护主车辆10的乘客。
在各种实施例中,当动作完成或者当不再需要进一步使用雷达系统和/或方法400时(例如当点火被关断和/或当前车辆驱动和/或点火循环终止时),方法400可以终止于430。
参考图5,提供根据示例性实施例的关于图4的方法400的某些步骤的实施方式的流程图,其能够结合图1-3的控制系统12和/或其部件被实现。如图5所示,在一种实施例中,在502,各个单元504的雷达信号(其原始地由图2的发射器 220发射)从目标506(行人,如图5的示例性实施例所示)被偏转。在一种实施例中,雷达信号在504(对应于图4的406)处被图2的接收器222接收,并且在506(对应于图4的408)处被过滤,例如通过使用被存储在图2的存储器242内的作为其存储值252的滤波器组。之后针对雷达信号在508(对应于图4的4204)生成特征向量。
图6A和图6B提供根据示例性实施例的相比于二维视频图像的通过结合图1-3的控制系统和图5的流程图使用图4的方法400生成的三维呈现600的示例性图释。具体地,如图6A所示,针对目标506(在这种示例,行人)提供三维呈现600(对应于图4的422)。三维呈现600被描绘在三维阵列上,其中第一方向602对应于目标506相对于主车辆10(对应于图4的414)的方位角,第二方向604对应于目标506相对于主车辆10(对应于图4的416)的仰角,并且第三方向606对应于目标506相对于主车辆10(对应于图4的418)的距离。
在图6A中为了比较目的提供了同一目标506(在这种示例,行人)的二维呈现620。二维呈现620例如将由典型的视频摄照机产生。如图6A和图6B所示,图6B的三维呈现600能够潜在地提供明显更多的细节,从而潜在地改善图4的分类424(和426的相关跟踪和428的动作)的时延和准确性。
在此提供用于分类车辆的雷达系统的目标的方法和系统。公开的系统和方法提供了通过使用雷达系统103的接收雷达信号基于目标的三维呈现的目标分类。
将意识到,公开的方法、系统和车辆会不同于附图中所示和这里描述的那些。例如,车辆10、雷达控制系统12、雷达系统103、控制器104和/或其各种部件可以不同于图1-3中所示和结合其被描述的那些。此外,将意识到,方法400的某些步骤可以不同于图4-6中所示且/或与其结合在上文被描述的那些。类似地,将意识到上文描述的方法的某些步骤可以同时地发生或者以不同于图4-6中所示且在上文所述的次序发生。
虽然在前述详细描述中已经提出了至少一种示例性实施例,不过应该意识到存在大量变型。还应该意识到一种或更多种示例性实施例仅是示例,并且不试图以任何方式限制本公开的范围、适用性或构造。而是,上述具体实施方式将向本领域技术人员提供实施一种或更多种示例性实施例的便捷方式。应该理解的是,在不背离所附权利要求及其法律等价物的情况下能够在元件的功能和设置方面进行各种修改。
Claims (10)
1.用于控制车辆的雷达系统的方法,该雷达系统具有多个接收器,所述方法包括步骤:
经由所述多个接收器中的每个接收关于目标的雷达信号;
基于所述雷达信号生成多个特征向量;以及
通过使用所述多个特征向量生成所述目标的三维呈现。
2.根据权利要求1所述的方法,其中所述三维呈现的生成包括作为所述多个特征向量在三维阵列上的合并生成所述三维呈现。
3.根据权利要求2所述的方法,进一步包括步骤:
基于所述雷达信号确定所述目标相对于所述车辆的方位角;
基于所述雷达信号确定所述目标相对于所述车辆的仰角;以及
基于所述雷达信号确定所述目标相对于所述车辆的距离;
其中所述生成三维呈现包括作为所述多个特征向量在三维阵列上的合并生成所述三维呈现,其具有基于所述方位角、所述仰角和所述距离的第一、第二和第三维度。
4.根据权利要求2所述的方法,进一步包括步骤:
确定所述目标的位置,包括所述目标的中心;
其中所述生成三维呈现包括作为所述多个特征向量在三维阵列上的所述合并生成所述三维呈现,其具有对应于所述目标的中心的中心。
5.根据权利要求1所述的方法,进一步包括:
基于所述三维呈现和压缩感测技术来分类所述目标。
6.根据权利要求1所述的方法,进一步包括:
基于所述三维呈现和习得词典模型来分类所述目标。
7.根据权利要求1所述的方法,进一步包括:
基于所述三维呈现和圆形回归模型来分类所述目标。
8.一种用于车辆的雷达控制系统,该雷达控制系统包括:
被构造成传输雷达信号的一个或更多个发射器;
多个接收器,其被构造成在被发送的雷达信号从接近所述车辆的目标偏转之后接收返回的雷达信号;以及
处理器,其被联接到所述多个接收器并且被构造成:
基于所述返回的雷达信号生成多个特征向量;以及
通过使用所述多个特征向量生成所述目标的三维呈现。
9.根据权利要求8所述的雷达控制系统,其中所述处理器进一步被配置成作为所述多个特征向量在三维阵列上的合并生成所述三维呈现。
10.用于车辆的雷达系统的计算机系统,该雷达系统具有多个接收器,该计算机系统包括:
存储程序的非瞬态计算机可读存储介质,该程序被配置成:
经由所述多个接收器中的每个接收关于目标的雷达信号;
基于所述返回雷达信号生成多个特征向量;以及
通过使用所述多个特征向量生成所述目标的三维呈现。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/323387 | 2014-07-03 | ||
US14/323,387 US9733350B2 (en) | 2014-07-03 | 2014-07-03 | Vehicle radar control |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105242270A true CN105242270A (zh) | 2016-01-13 |
CN105242270B CN105242270B (zh) | 2018-05-22 |
Family
ID=54866324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510383757.8A Active CN105242270B (zh) | 2014-07-03 | 2015-07-03 | 车辆雷达控制 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9733350B2 (zh) |
CN (1) | CN105242270B (zh) |
DE (1) | DE102015109759A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416321A (zh) * | 2018-03-23 | 2018-08-17 | 北京市商汤科技开发有限公司 | 用于预测目标对象运动朝向的方法、车辆控制方法及装置 |
CN108572663A (zh) * | 2017-03-08 | 2018-09-25 | 通用汽车环球科技运作有限责任公司 | 目标跟踪 |
CN109565304A (zh) * | 2016-07-08 | 2019-04-02 | 马格纳电子系统公司 | 用于车辆的2d mimo雷达系统 |
CN109799504A (zh) * | 2017-11-16 | 2019-05-24 | 通用汽车环球科技运作有限责任公司 | 车辆雷达控制 |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9664779B2 (en) * | 2014-07-03 | 2017-05-30 | GM Global Technology Operations LLC | Object classification for vehicle radar systems |
JP6260483B2 (ja) * | 2014-07-16 | 2018-01-17 | 株式会社デンソー | 物標検出装置 |
EP3211445B1 (en) | 2016-02-29 | 2019-06-12 | Nxp B.V. | Radar system |
EP3211444B1 (en) | 2016-02-29 | 2019-06-12 | Nxp B.V. | Radar system |
US9846228B2 (en) * | 2016-04-07 | 2017-12-19 | Uhnder, Inc. | Software defined automotive radar systems |
US10261179B2 (en) | 2016-04-07 | 2019-04-16 | Uhnder, Inc. | Software defined automotive radar |
US9689967B1 (en) | 2016-04-07 | 2017-06-27 | Uhnder, Inc. | Adaptive transmission and interference cancellation for MIMO radar |
CN109073741B (zh) | 2016-04-25 | 2019-07-02 | 乌恩德股份有限公司 | 用于车辆的雷达感测系统及缓解其干扰的方法 |
WO2017187299A2 (en) | 2016-04-25 | 2017-11-02 | Uhnder, Inc. | Successive signal interference mitigation |
US9791564B1 (en) | 2016-04-25 | 2017-10-17 | Uhnder, Inc. | Adaptive filtering for FMCW interference mitigation in PMCW radar systems |
US9791551B1 (en) | 2016-04-25 | 2017-10-17 | Uhnder, Inc. | Vehicular radar system with self-interference cancellation |
US9599702B1 (en) | 2016-04-25 | 2017-03-21 | Uhnder, Inc. | On-demand multi-scan micro doppler for vehicle |
WO2017187304A2 (en) | 2016-04-25 | 2017-11-02 | Uhnder, Inc. | Digital frequency modulated continuous wave radar using handcrafted constant envelope modulation |
US10573959B2 (en) | 2016-04-25 | 2020-02-25 | Uhnder, Inc. | Vehicle radar system using shaped antenna patterns |
WO2017187243A1 (en) | 2016-04-25 | 2017-11-02 | Uhnder, Inc. | Vehicular radar sensing system utilizing high rate true random number generator |
EP3449272B1 (en) | 2016-04-25 | 2022-11-02 | Uhnder, Inc. | Vehicle radar system with a shared radar and communication system, and method for managing such a system in a vehicle |
US9753121B1 (en) | 2016-06-20 | 2017-09-05 | Uhnder, Inc. | Power control for improved near-far performance of radar systems |
DE102016212794B4 (de) | 2016-07-13 | 2022-03-10 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung zur Erfassung von Objekten im Umfeld eines Kraftfahrzeugs |
DE102016213007A1 (de) * | 2016-07-15 | 2018-01-18 | Robert Bosch Gmbh | Verfahren und System zur Abtastung eines Objekts |
WO2018051288A1 (en) | 2016-09-16 | 2018-03-22 | Uhnder, Inc. | Virtual radar configuration for 2d array |
US11454697B2 (en) | 2017-02-10 | 2022-09-27 | Uhnder, Inc. | Increasing performance of a receive pipeline of a radar with memory optimization |
US10866306B2 (en) | 2017-02-10 | 2020-12-15 | Uhnder, Inc. | Increasing performance of a receive pipeline of a radar with memory optimization |
US10908272B2 (en) | 2017-02-10 | 2021-02-02 | Uhnder, Inc. | Reduced complexity FFT-based correlation for automotive radar |
DE102017211432A1 (de) | 2017-07-05 | 2019-01-10 | Robert Bosch Gmbh | System zum Detektieren eines bewegten Objekts |
US11105890B2 (en) | 2017-12-14 | 2021-08-31 | Uhnder, Inc. | Frequency modulated signal cancellation in variable power mode for radar applications |
US10754008B2 (en) | 2018-02-15 | 2020-08-25 | GM Global Technology Operations LLC | Vehicle radar system that addresses doppler frequency shift and method of using the same |
CN108802695B (zh) * | 2018-06-13 | 2020-09-01 | 中国电子科技集团公司第十三研究所 | 毫米波3d雷达系统及信号处理流程 |
US11372100B2 (en) * | 2018-10-23 | 2022-06-28 | Baidu Usa Llc | Radar object classification and communication using smart targets |
US11474225B2 (en) | 2018-11-09 | 2022-10-18 | Uhnder, Inc. | Pulse digital mimo radar system |
WO2020183392A1 (en) | 2019-03-12 | 2020-09-17 | Uhnder, Inc. | Method and apparatus for mitigation of low frequency noise in radar systems |
WO2021036286A1 (zh) * | 2019-08-30 | 2021-03-04 | 华为技术有限公司 | 一种目标行为识别的方法、装置和雷达系统 |
US10812154B1 (en) | 2019-10-22 | 2020-10-20 | Semiconductor Components Industries, Llc | MIMO radar with receive antenna multiplexing |
WO2021144711A2 (en) | 2020-01-13 | 2021-07-22 | Uhnder, Inc. | Method and system for intefrence management for digital radars |
CN113075633A (zh) * | 2021-03-26 | 2021-07-06 | 西北工业大学 | 一种基于距离-俯仰联合字典的目标定位方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090040501A1 (en) * | 2007-08-09 | 2009-02-12 | Honda Motor Co., Ltd. | Object-detection device for vehicle |
CN101581780A (zh) * | 2008-05-14 | 2009-11-18 | 中国科学院电子学研究所 | 一种用于侧视层析合成孔径雷达的三维聚焦成像方法 |
US20100109938A1 (en) * | 2007-01-31 | 2010-05-06 | Gordon Kenneth Andrew Oswald | Adaptive radar |
CN102879777A (zh) * | 2012-09-17 | 2013-01-16 | 西安电子科技大学 | 基于调频率-压缩感知的稀疏isar成像方法 |
CN102944876A (zh) * | 2012-11-23 | 2013-02-27 | 北京航空航天大学 | 一种高效的宽带单脉冲雷达三维成像方法 |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4833469A (en) * | 1987-08-03 | 1989-05-23 | David Constant V | Obstacle proximity detector for moving vehicles and method for use thereof |
US5467072A (en) * | 1994-03-11 | 1995-11-14 | Piccard Enterprises, Inc. | Phased array based radar system for vehicular collision avoidance |
US5767793A (en) * | 1995-04-21 | 1998-06-16 | Trw Inc. | Compact vehicle based rear and side obstacle detection system including multiple antennae |
US5610620A (en) | 1995-05-19 | 1997-03-11 | Comant Industries, Inc. | Combination antenna |
JP3460453B2 (ja) * | 1995-12-11 | 2003-10-27 | 株式会社デンソー | Fmcwレーダ装置 |
DE19740254A1 (de) | 1996-10-16 | 1998-04-23 | Lindenmeier Heinz | Funkantennen-Anordnung und Patchantenne auf der Fensterscheibe eines Kraftfahrzeuges |
US7068211B2 (en) * | 2000-02-08 | 2006-06-27 | Cambridge Consultants Limited | Methods and apparatus for obtaining positional information |
US6927699B2 (en) * | 2002-12-05 | 2005-08-09 | Denso Corporation | Object recognition apparatus for vehicle, and inter-vehicle distance control unit |
US7053845B1 (en) | 2003-01-10 | 2006-05-30 | Comant Industries, Inc. | Combination aircraft antenna assemblies |
US6674394B1 (en) * | 2003-03-28 | 2004-01-06 | Visteon Global Technologies, Inc. | Method for determining object location from side-looking sensor data |
US6680689B1 (en) * | 2003-03-28 | 2004-01-20 | Visteon Global Technologies, Inc. | Method for determining object classification from side-looking sensor data |
JP3915776B2 (ja) * | 2003-12-09 | 2007-05-16 | 日産自動車株式会社 | 先行車両検出装置、自車両制御装置及び先行車両検出方法 |
US20060262007A1 (en) * | 2004-01-16 | 2006-11-23 | Clariant Technologies, Corp. | Methods and apparatus for automotive radar sensors |
WO2007133085A1 (en) * | 2006-05-15 | 2007-11-22 | Telefonaktiebolaget Lm Ericsson (Publ) | A method and system for automatic classification of objects |
US8081209B2 (en) * | 2008-06-26 | 2011-12-20 | Toyota Motor Engineering & Manufacturing North America, Inc. | Method and system of sparse code based object classification with sensor fusion |
US7868817B2 (en) * | 2008-10-03 | 2011-01-11 | Honeywell International Inc. | Radar system for obstacle avoidance |
JP5210233B2 (ja) * | 2009-04-14 | 2013-06-12 | 日立オートモティブシステムズ株式会社 | 車両用外界認識装置及びそれを用いた車両システム |
CN101999084A (zh) * | 2009-05-25 | 2011-03-30 | 株式会社东芝 | 雷达装置 |
US9291711B2 (en) * | 2010-02-25 | 2016-03-22 | University Of Maryland, College Park | Compressive radar imaging technology |
US20120194377A1 (en) * | 2011-01-31 | 2012-08-02 | Denso Corporation | Antenna apparatus, radar apparatus and on-vehicle radar system |
US8970425B2 (en) * | 2011-06-09 | 2015-03-03 | Sony Corporation | Radar apparatus and method |
US9389306B2 (en) * | 2012-07-18 | 2016-07-12 | Sony Corporation | Radar apparatus and method |
DE102012107445B8 (de) * | 2012-08-14 | 2016-04-28 | Jenoptik Robot Gmbh | Verfahren zur Klassifizierung von fahrenden Fahrzeugen |
DE102012113009A1 (de) * | 2012-12-21 | 2014-06-26 | Jenoptik Robot Gmbh | Verfahren zum automatischen Klassifizieren von sich bewegenden Fahrzeugen |
US9255988B2 (en) * | 2014-01-16 | 2016-02-09 | GM Global Technology Operations LLC | Object fusion system of multiple radar imaging sensors |
-
2014
- 2014-07-03 US US14/323,387 patent/US9733350B2/en active Active
-
2015
- 2015-06-18 DE DE102015109759.1A patent/DE102015109759A1/de active Pending
- 2015-07-03 CN CN201510383757.8A patent/CN105242270B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100109938A1 (en) * | 2007-01-31 | 2010-05-06 | Gordon Kenneth Andrew Oswald | Adaptive radar |
US20090040501A1 (en) * | 2007-08-09 | 2009-02-12 | Honda Motor Co., Ltd. | Object-detection device for vehicle |
CN101581780A (zh) * | 2008-05-14 | 2009-11-18 | 中国科学院电子学研究所 | 一种用于侧视层析合成孔径雷达的三维聚焦成像方法 |
CN102879777A (zh) * | 2012-09-17 | 2013-01-16 | 西安电子科技大学 | 基于调频率-压缩感知的稀疏isar成像方法 |
CN102944876A (zh) * | 2012-11-23 | 2013-02-27 | 北京航空航天大学 | 一种高效的宽带单脉冲雷达三维成像方法 |
Non-Patent Citations (2)
Title |
---|
AMIT KUMAR MISHRA,ET AL: "Information sensing for radar target classification using compressive sensing", 《IRS 2012, 19TH INTERNATIONAL RADAR SYMPOSIUM》 * |
薛明华等: "雷达目标三维成像算法研究", 《雷达科学与技术》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109565304A (zh) * | 2016-07-08 | 2019-04-02 | 马格纳电子系统公司 | 用于车辆的2d mimo雷达系统 |
CN108572663A (zh) * | 2017-03-08 | 2018-09-25 | 通用汽车环球科技运作有限责任公司 | 目标跟踪 |
CN108572663B (zh) * | 2017-03-08 | 2021-12-21 | 通用汽车环球科技运作有限责任公司 | 目标跟踪 |
CN109799504A (zh) * | 2017-11-16 | 2019-05-24 | 通用汽车环球科技运作有限责任公司 | 车辆雷达控制 |
CN108416321A (zh) * | 2018-03-23 | 2018-08-17 | 北京市商汤科技开发有限公司 | 用于预测目标对象运动朝向的方法、车辆控制方法及装置 |
US11710243B2 (en) | 2018-03-23 | 2023-07-25 | Sensetime Group Limited | Method for predicting direction of movement of target object, vehicle control method, and device |
Also Published As
Publication number | Publication date |
---|---|
US20160003939A1 (en) | 2016-01-07 |
DE102015109759A1 (de) | 2016-01-07 |
US9733350B2 (en) | 2017-08-15 |
CN105242270B (zh) | 2018-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105242270A (zh) | 车辆雷达控制 | |
CN105242271B (zh) | 用于车辆雷达系统的目标分类 | |
US10168425B2 (en) | Centralized vehicle radar methods and systems | |
CN107004360B (zh) | 车辆雷达方法和系统 | |
CN107209993B (zh) | 车辆认知雷达方法和系统 | |
CN104029676A (zh) | 车辆车道确定 | |
US10338208B2 (en) | Object detection in multiple radars | |
US20170307733A1 (en) | Vehicle radar methods and systems | |
US20180128917A1 (en) | Object detection in multiple radars | |
CN108008390A (zh) | 车辆雷达控制 | |
CN114212045A (zh) | 一种车内乘员检测方法及系统 | |
DE102019202634B3 (de) | Verfahren, Steuergerät für ein automatisiert betreibbares Straßenfahrzeug, Computerprogrammprodukt zum Erkennen von Objekten im Straßenverkehr und automatisiert betreibbares Straßenfahrzeug für Mobilitätsdienstleistungen | |
DE102018129323A1 (de) | Verfahren und Vorrichtung zur verbesserten Radarzielverfolgung mit Leistungsinformationen | |
US11657635B2 (en) | Measuring confidence in deep neural networks | |
CN113064153A (zh) | 一种确定目标对象跟踪门限的方法、装置 | |
CN117546047A (zh) | 雷达跟踪的装置、系统和方法 | |
CN109799504A (zh) | 车辆雷达控制 | |
US11620475B2 (en) | Domain translation network for performing image translation | |
CN112668692A (zh) | 利用gan对模拟数据的真实感进行量化 | |
US20220172062A1 (en) | Measuring confidence in deep neural networks | |
DE102023115423A1 (de) | Automatisches generieren von trainingsdaten für maschinelles lernen |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |