CN110275167A - 一种雷达探测的控制方法、控制器及终端 - Google Patents

Abstract

本发明公开了一种雷达探测的控制方法、控制器及终端，所述控制方法包括：获取车辆实时探测到的第一环境信息；从外部数据源中获取所述车辆的第二环境信息，所述第二环境信息对应的探测范围大于所述第一环境信息对应的探测范围；将所述第一环境信息和所述第二环境信息融合生成所述车辆的环境模型；根据所述车辆的当前位置从所述环境模型中获取所述车辆的周围环境信息；根据所述车辆的周围环境信息计算所述雷达的控制参数；根据所述控制参数控制所述雷达进行探测。利用本发明提供的技术方案可以根据环境的探测需求调整雷达的探测参数，以获得更好的探测效果。

Description

一种雷达探测的控制方法、控制器及终端

技术领域

本发明涉及探测传感器的控制方法，特别涉及一种雷达探测的控制方法、控制器及终端。

背景技术

毫米波雷达、摄像头、激光雷达和超声波雷达等传感器是自动驾驶技术重要的硬件组成部分，多传感器的数据融合在解决探测问题、跟踪和识别方面不仅具有能够数倍地扩大捕捉和跟踪空间和时间覆盖范围的优势，还可以降低信息模糊度、提高可信度和改进探测性能等。

现有的探测传感器无法根据未来道路和周围环境情况进行实时调整，以适应未来道路和环境的探测需求。以毫米波雷达为例，毫米波雷达的探测距离和探测视场(FOV，Field of View)之间成负相关关系。探测距离和探测视场主要与发射电磁波的能量分布有关，其可以通过控制天线同时工作的通道数进行调整，以期待能够实现在低速、复杂的工况下，雷达能以较大的视场探测到自车周边的环境信息；在高速、简单的工况下，雷达能探测较远的距离，从而获得更多的信息处理时间。其中，探测视场也可理解为探测角度。

但是，当前的毫米波雷达探测波形形状单一，探测距离和探测角度范围之间无法根据探测需求进行平衡，不能适应复杂工况的不同需求。以致毫米波雷达不能同时应对高速远距离的探测需求或复杂城市工况的近距离广角探测需求。

发明内容

本发明提供了一种雷达探测的控制方法、控制器及终端，可以根据环境的探测需求调整雷达的探测参数，以获得更好的探测效果。

第一方面，本发明提供了一种雷达探测的控制方法，所述雷达探测的控制方法包括：

获取车辆实时探测到的第一环境信息；

从外部数据源中获取所述车辆的第二环境信息，所述第二环境信息对应的探测范围大于所述第一环境信息对应的探测范围；

将所述第一环境信息和所述第二环境信息融合生成所述车辆的环境模型；

根据所述车辆的当前位置从所述环境模型中获取所述车辆的周围环境信息；

根据所述车辆的周围环境信息计算所述雷达的控制参数；

根据所述控制参数控制所述雷达进行探测。

进一步的，所述车辆探测的传感器包括毫米波雷达、激光雷达、摄像头和/或超声波雷达。

进一步的，所述外部数据源包括地图和/或高精地图。

进一步的，所述将所述第一环境信息和所述第二环境信息融合生成所述车辆的环境模型包括：

选取所述第一环境信息中的第一道路特征和动态环境特征；

选取所述第二环境信息中与所述第一道路特征对应的第二道路特征；

根据所述第一道路特征、所述第二道路特征和所述动态环境特征融合生成所述车辆的环境模型。

进一步的，所述根据所述车辆的周围环境信息计算所述雷达的控制参数包括：

从每帧所述周围环境信息中提取环境特征；

对所述环境特征进行量化处理；

根据所述量化处理结果计算所述雷达的控制参数。

进一步的，所述环境特征包括限速信息、路况信息、拥堵状态和由传感器探测到的移动障碍物信息。

进一步的，所述根据所述量化处理结果计算所述雷达的控制参数包括：

对所述量化处理结果进行加权和归一化处理，实时得到所述雷达的发射波束开角；

根据所述发射波束开角实时计算所述雷达的工作通道数。

进一步的，所述根据所述控制参数控制所述雷达进行探测包括：

根据计算得到的所述工作通道数控制所述雷达相应个数的通道工作，以调整所述雷达的探测距离和探测视角。

第二方面，本发明还提供了一种雷达的探测控制器，所述雷达探测控制器包括：

第一环境信息获取模块，用于获取车辆实时探测到的第一环境信息；

第二环境信息获取模块，用于从外部数据源中获取所述车辆的第二环境信息，所述第二环境信息对应的探测范围大于所述第一环境信息对应的探测范围；

环境模型融合模块，用于将所述第一环境信息和所述第二环境信息融合生成所述车辆的环境模型；

周围环境信息获取模块，用于根据所述车辆的当前位置从所述环境模型中获取所述车辆的周围环境信息；

控制参数计算模块，用于根据所述车辆的周围环境信息计算所述雷达的控制参数；

控制模块，用于根据所述控制参数控制所述雷达进行探测。

第三方面，本发明还提供了一种计算机存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行如上述任一项所述的雷达探测的控制方法。

第四方面，本发明还提供了一种雷达的探测终端，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述任一项所述的雷达探测的控制方法。

采用上述技术方案，本发明具有如下有益效果：

其能够通过环境模型得知当前的地理环境和交通环境并预测接下来一定时间内的周围环境信息，并根据周围环境信息实时计算雷达的控制参数，从而根据探测需求实时调整雷达的探测参数，以获得更好的探测效果。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种雷达探测的控制方法的流程示意图；

图2为本发明实施例提供的一种获取第二环境信息的流程示意图；

图3为本发明实施例提供的一种生成环境模块的流程示意图；

图4为本发明实施例提供的一种计算雷达的控制参数的流程示意图；

图5为本发明实施例提供的一种根据量化处理结果计算雷达的控制参数的流程示意图；

图6为本发明实施例所述的四通道天线启用两通道时的波形示意图；

图7为本发明实施例所述的四通道天线启用四通道时的波形示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本发明的描述中，需要理解的是，术语“上”、“下”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含的包括一个或者更多个该特征。而且，术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。

实施例：

图1是本发明实施例提供的一种雷达探测的控制方法的流程示意图，本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或服务器产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图1所示，所述方法可以包括：

S100：获取车辆实时探测到的第一环境信息。

在一些可行的实施例中，所述车辆可以通过中远距离探测传感器探测所述第一环境信息。

进一步的，所述中远距离探测传感器包括毫米波雷达、摄像头和激光雷达。在具体实施时，可以将所述毫米波雷达、所述摄像头和所述激光雷达中任意一种的探测信息作为第一环境信息；也可以将其中任意两种的探测信息进行融合得到所述第一环境信息；还可以将所述毫米波雷达、所述摄像头和所述激光雷达各自的探测信息进行融合得到所述第一环境信息。

在另一些可行的实施例中，所述车辆可以通过中远距离探测传感器和/ 或短距离探测传感器进行探测得到第一环境信息。

进一步的，所述短距离探测传感器包括超声波雷达。由此，所述车辆可以将所述毫米波雷达、所述摄像头、所述激光雷达和所述毫米波雷达中至少一个传感器的探测信息作为所述第一环境信息；可以理解的是，当有两个或两个以上传感器的探测信息时，可以将其的探测信息进行融合得到所述第一环境信息。

依据上述内容，可以采用单个传感器的探测信息作为第一环境信息，也可以通过多个传感器同时采集周围的环境信息，进行融合后得到所述第一环境信息。通过单个传感器进行采集，能够避免当其余传感器出现故障，导致功能无法使用；通过多个传感器进行采集和融合，则可以互为备份以及互相检验，从而提高感知质量和功能安全等级。

S200：从外部数据源中获取所述车辆的第二环境信息，所述第二环境信息对应的探测范围大于所述第一环境信息对应的探测范围。

在一些可行的实施例中，所述外部数据源可以为地图和高精地图中的任一种或两种。

可以理解的是，所述地图和所述高精地图可以实时从云端等远程服务器中获取，还可以预先存储于车辆内，以便能够进行离线处理。另外，所述第一环境信息是由传感器探测到的实时的车辆行驶环境，其探测的范围受到传感器本身探测能力的限制；第二环境信息是从外部数据源中获取，比如地图、高精地图等，其对应的探测范围不受硬件的限制。

其中，高精地图的图层数量更多，图层内容更加精细，还可以具有新的地图结构划分，因此其能够包含更加丰富细致的道路信息，可以更加精准的反映道路的真实状况。它的绝对精度要求优于1m，相对精度能够达到 10～20cm，包含车道，车道边界，车道中心线，车道限制信息等。

进一步的，如图2所示，所述步骤S200可以包括以下步骤：

S210：获取所述车辆的高精定位信息。

S220：根据所述高精定位信息从所述地图和/或所述高精地图中获取所述车辆的第二环境信息。

S300：将所述第一环境信息和所述第二环境信息融合生成所述车辆的环境模型。

可以理解的是，所述第一环境信息中包含由车辆实时探测到的周围的行驶环境信息。所述第二环境信息从外部数据源中获取，其探测范围大于所述第一环境信息的探测范围。另外，从外部数据源中还能够获取车辆当前位置和前方道路位置的道路条件信息和实时的拥堵状态信息；比如，当所述外部数据源为地图、高精地图等时，可从中获取上述信息。由此，所述环境模型中融合了车辆探测到的当前环境信息以及车辆行驶一段时间后的周围环境信息，所述环境模型功能安全等级不低于雷达功能安全等级。

在一些可行的实施例中，如图3所示，所述步骤S300包括以下步骤：

S310：选取所述第一环境信息中的第一道路特征和动态环境特征；

S320：选取所述第二环境信息中与所述第一道路特征对应的第二道路特征；

S330：根据所述第一道路特征、所述第二道路特征和所述动态环境特征融合生成所述车辆的环境模型。

进一步的，所述第一道路特征和所述第二道路特征可以为道路标识、特殊路面的标志等；所述动态环境特征可以是车辆周围的运动物体等。

S400：根据所述车辆的当前位置从所述环境模型中获取所述车辆的周围环境信息。

可以理解的是，所述周围环境信息中包含了车辆当前的环境信息和车辆行驶未来一段时间内的环境信息。该环境信息可以是道路的限速信息、路况信息、拥堵状态和移动障碍物等信息。

S500：根据所述车辆的周围环境信息计算所述雷达的控制参数。

在一些可行的实施例中，如图4所示，所述S500还包括以下步骤：

S510：从每帧所述周围环境信息中提取环境特征。

进一步的，所述环境特征可以包括限速信息、路况信息、拥堵状态和由传感器探测到的移动障碍物信息等有关车辆行驶的环境信息。

可以理解的是，所述环境特征可以根据实际路况需要或者根据使用经验进行相应的调整，其目的是为了能反映车辆当前路况和未来一段时间内的路况，从而适当地调整雷达的探测距离和探测角度之间的关系，以获得更好的探测效果。

S520：对所述环境特征进行量化处理。

进一步的，以所述环境特征包括限速信息、路况信息、拥堵状态和由传感器探测到的移动障碍物信息为例，步骤S520中的量化处理可以为：

与所述限速信息中的限制车速呈正相关，限制车速的数值越大，雷达的探测距离应越远。限速信息的量化处理为x。

与所述路况信息中的道路品质程度呈正相关，道路越平直，雷达的探测距离应越远。路况信息的量化处理为y。

与拥堵状态呈负相关，道路越拥堵，雷达的探测距离应越短。拥堵状态的量化处理为z。

与移动障碍物信息中的障碍物数量呈负相关，障碍物的数量越多，雷达的探测距离应越短。移动障碍物信息的量化处理为n。

S530：根据所述量化处理结果计算所述雷达的控制参数。

可以理解的是，根据所述量化处理结果计算的雷达控制参数能够将所述环境模型中对于未来一段时间内的车辆行驶的周围环境信息考虑到雷达的控制中，以使雷达的探测能够适应前方环境的探测需求。

在一些可行的实施例中，以对毫米波雷达进行控制为例，如图5所示，所述步骤S530包括以下步骤：

S531：对所述量化处理结果进行加权和归一化处理，实时得到所述雷达的发射波束开角。

进一步的，以对所述限速信息、所述路况信息、所述拥堵状态和由传感器探测到的所述移动障碍物信息进行量化处理计算为例，所述步骤S530 可以表示为发射波束开角与环境特征之间的关系：

θ＝f(x)+f(y)+f(z)+f(n)

其中，θ为发射波束开角，f()为加权函数。

可以理解的是，各个加权值可以由实车调试得到。

S532：根据所述发射波束开角实时计算所述雷达的工作通道数。

进一步的，毫米波雷达可以通过调节电磁波发射天线的通道数，实现电磁波波形的实时控制。毫米波雷达的发射波束开角θ与同时工作的通道数N之间的关系为：

θ＝α/N

其中，α为单通道天线的波束开角。

如图6和图7所示，以四通道天线为例，同时启用四通道天线和仅启用两通道天线的对比如图所示。波束的开角越大，则探测距离越短；缩小开角，可以增加探测距离。

在另一些可行的实施例中，所述步骤S530还可以为：根据所述量化处理结果确定前方道路的类型，根据所述前方道路的类型计算得到所述雷达的控制参数。

可以理解的是，以所述环境特征包括限速信息、路况信息、拥堵状态和由传感器探测到的移动障碍物信息为例，根据所述限速信息的量化处理结果、所述路况信息的量化处理结果、所述拥堵状态的量化处理结果和所述移动障碍物信息的量化处理结果可以确定前方道路的类型。比如，前方道路可以是城市道路、乡村道路、山区道路或高速公路等类型。根据前方道路的类型结合道路实时拥堵情况再计算得到所述雷达的控制参数。

S600：根据所述控制参数控制所述雷达进行探测。

在一些可行的实施例中，根据计算得到的所述工作通道数控制所述雷达相应个数的通道工作，以调整所述雷达的探测距离和探测视角。

上述内容中，以毫米波雷达为例，对所述环境特征进行量化处理后进行加权和归一化处理，得到毫米波雷达的发射波束开角，从而控制相应个数的通道工作，以实时调节毫米波雷达探测波形。毫米波雷达能够根据未来一段时间内的车辆行驶环境的探测需要，平衡探测距离和探测角度，优化毫米波雷达的探测视野，获得更好的探测效果。

相应的，对于激光雷达、超声波雷达及其他探测传感器的探测调整，本领域技术人员能够对所述环境特征进行相应的量化处理，并根据量化处理结果计算得到适用于激光雷达或超声波雷达等探测传感器的控制参数。

本发明实施例还提供了一种雷达的探测控制器，所述雷达探测控制器包括：

第一环境信息获取模块，用于获取车辆实时探测到的第一环境信息；

第二环境信息获取模块，用于从外部数据源中获取所述车辆的第二环境信息，所述第二环境信息对应的探测范围大于所述第一环境信息对应的探测范围；

环境模型融合模块，用于将所述第一环境信息和所述第二环境信息融合生成所述车辆的环境模型；

周围环境信息获取模块，用于根据所述车辆的当前位置从所述环境模型中获取所述车辆的周围环境信息；

控制参数计算模块，用于根据所述车辆的周围环境信息计算所述雷达的控制参数；

控制模块，用于根据所述控制参数控制所述雷达进行探测。

本发明实施例还提供了一种计算机存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行如上述任意一种雷达探测的控制方法。

本发明实施例还提供了一种雷达的探测终端，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述任意一种雷达探测的控制方法。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、系统和服务器实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种雷达探测的控制方法，其特征在于，所述雷达探测的控制方法包括：

获取车辆实时探测到的第一环境信息；

从外部数据源中获取所述车辆的第二环境信息，所述第二环境信息对应的探测范围大于所述第一环境信息对应的探测范围；

将所述第一环境信息和所述第二环境信息融合生成所述车辆的环境模型；

根据所述车辆的当前位置从所述环境模型中获取所述车辆的周围环境信息；

根据所述车辆的周围环境信息计算所述雷达的控制参数；

根据所述控制参数控制所述雷达进行探测。

2.根据权利要求1所述的雷达探测的控制方法，其特征在于，所述车辆探测的传感器包括毫米波雷达、激光雷达、摄像头和/或超声波雷达。

3.根据权利要求1所述的雷达探测的控制方法，其特征在于，所述外部数据源包括地图和/或高精地图。

4.根据权利要求1所述的雷达探测的控制方法，其特征在于，所述将所述第一环境信息和所述第二环境信息融合生成所述车辆的环境模型包括：

选取所述第一环境信息中的第一道路特征和动态环境特征；

选取所述第二环境信息中与所述第一道路特征对应的第二道路特征；

根据所述第一道路特征、所述第二道路特征和所述动态环境特征融合生成所述车辆的环境模型。

5.根据权利要求1所述的雷达探测的控制方法，其特征在于，所述根据所述车辆的周围环境信息计算所述雷达的控制参数包括：

从每帧所述周围环境信息中提取环境特征；

对所述环境特征进行量化处理；

根据所述量化处理结果计算所述雷达的控制参数。

6.根据权利要求5所述的雷达探测的控制方法，其特征在于，所述环境特征包括限速信息、路况信息、拥堵状态和由传感器探测到的移动障碍物信息。

7.根据权利要求5所述的雷达探测的控制方法，其特征在于，所述根据所述量化处理结果计算所述雷达的控制参数包括：

对所述量化处理结果进行加权和归一化处理，实时得到所述雷达的发射波束开角；

根据所述发射波束开角实时计算所述雷达的工作通道数。

8.根据权利要求7所述的雷达探测的控制方法，其特征在于，所述根据所述控制参数控制所述雷达进行探测包括：

根据计算得到的所述工作通道数控制所述雷达相应个数的通道工作，以调整所述雷达的探测距离和探测视角。

9.一种雷达的探测控制器，其特征在于，所述雷达探测控制器包括：

第一环境信息获取模块，用于获取车辆实时探测到的第一环境信息；

第二环境信息获取模块，用于从外部数据源中获取所述车辆的第二环境信息，所述第二环境信息对应的探测范围大于所述第一环境信息对应的探测范围；

环境模型融合模块，用于将所述第一环境信息和所述第二环境信息融合生成所述车辆的环境模型；

周围环境信息获取模块，用于根据所述车辆的当前位置从所述环境模型中获取所述车辆的周围环境信息；

控制参数计算模块，用于根据所述车辆的周围环境信息计算所述雷达的控制参数；

控制模块，用于根据所述控制参数控制所述雷达进行探测。

10.一种雷达的探测终端，其特征在于，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至8任一项所述的雷达探测的控制方法。