CN110361736B - 识别物体的方法 - Google Patents

识别物体的方法 Download PDF

Info

Publication number
CN110361736B
CN110361736B CN201910270276.4A CN201910270276A CN110361736B CN 110361736 B CN110361736 B CN 110361736B CN 201910270276 A CN201910270276 A CN 201910270276A CN 110361736 B CN110361736 B CN 110361736B
Authority
CN
China
Prior art keywords
steps
micro
method comprises
doppler
periodic
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
CN201910270276.4A
Other languages
English (en)
Other versions
CN110361736A (zh
Inventor
闫鸿慧
张韬
W·多尔
亚历山大·伊奥澳夫
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.)
Anbofu Technology 2 Co ltd
Original Assignee
Aptiv Technologies Ltd
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 Aptiv Technologies Ltd filed Critical Aptiv Technologies Ltd
Publication of CN110361736A publication Critical patent/CN110361736A/zh
Application granted granted Critical
Publication of CN110361736B publication Critical patent/CN110361736B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021—SAR image post-processing techniques
    • G01S13/9027—Pattern recognition for feature extraction
    • 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
    • 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
    • G01S13/505—Systems of measurement based on relative movement of target using Doppler effect for determining closest range to a target or corresponding time, e.g. miss-distance indicator
    • 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
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/589—Velocity or trajectory determination systems; Sense-of-movement determination systems measuring the velocity vector
    • 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
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/62—Sense-of-movement determination
    • 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
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9004—SAR image acquisition techniques
    • G01S13/9017—SAR image acquisition techniques with time domain processing of the SAR signals in azimuth
    • 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
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021—SAR image post-processing techniques
    • G01S13/9029—SAR image post-processing techniques specially adapted for moving target detection within a single SAR image or within multiple SAR images taken at the same time
    • 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
    • G01S13/88—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
    • G01S2013/9327—Sensor installation details
    • G01S2013/93271—Sensor installation details in the front of the vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G06F2218/14—Classification; Matching by matching peak patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

识别物体的方法。在一种借助雷达传感器系统识别物体的方法中，将一次雷达信号发送到观察空间中，接收被物体反射的二次雷达信号，生成二次雷达信号的微多普勒谱图，并且基于微多普勒谱图确定与物体的一部分的至少基本周期性的运动相关的至少一个周期量。确定至少一个周期量包括以下步骤:(i)确定对应于所述微多普勒谱图的至少基本周期性的图案的至少一个周期性信号分量的路线，(ii)将平滑曲线拟合到所述周期性信号分量，(iii)确定所述平滑曲线的多个峰和/或谷的位置，以及(iv)基于所确定的峰和/或谷的位置确定周期量。

Description

识别物体的方法
技术领域
本发明涉及一种借助雷达传感器系统识别物体的方法，其中，将一次雷达信号发送到观察空间中，接收被物体反射的二次雷达信号，生成二次雷达信号的微多普勒谱图，并且基于该微多普勒谱图确定与物体的一部分的至少基本周期性的运动相关的至少一个周期量。
背景技术
雷达传感器系统被广泛应用。例如，现代机动车辆通常配备有雷达传感器系统，以检测其它车辆、障碍物或诸如行人或骑车人的交通弱势群体。对于各种高级驾驶辅助系统(ADAS)(例如先进紧急制动(AEB)系统、自适应巡航控制(ACC)系统和自主驾驶系统)，尤其需要对主车辆的交通空间中的物体进行检测和分类。
通常，已知的多普勒效应用于收集与运动物体相关的信息。多普勒效应或多普勒频移是当波源相对于接收器移动时所观察到的频率变化。多普勒频移主要是由于被观察物体的整体运动(即在从行人身躯的运动观察到行人的情况下以及在从自行车车架的运动观察到骑车人的情况下)引起的。除了由主体运动引起的这种频移之外，通常还有与物体的运动部位相关的边带。例如，行人的摆动的臂或腿以及自行车的旋转的车轮或踏板会导致额外的多普勒频移。这种额外的频移在微多普勒谱图中是可辨别的。通常，二次雷达信号的微多普勒谱图是在被称为“观察周期”的预定时间段内生成的。微多普勒谱图的生成在例如Chen V.C.的"The Micro-Doppler Effect in Radar"一书(Artech House，2011年)或Yan等人的论文"Micro-Doppler Based Classifying Features for Automotive Radar VRUTarget Classification"(第25届增强车辆安全(ESV)国际技术会议，2017年6月5-8日，美国密歇根州底特律)中被公开。
各个分量的多普勒频移的叠加被称为“微多普勒特征”。可以分析微多普勒特征来对所检测到的物体进行分类。例如，在Gürbüz S.Z.等人的论文"Detection andIdentification of Human Targets in Radar Data"(SPIE 6567，信号处理、传感器融合和目标识别XVI(Signal Processing,Sensor Fusion and Target Recognition XVI)，65670I，2007年5月)中公开了使用多普勒谱图来区分行人。
由于上述臂、腿、车轮或其它单个部件的运动通常是基本周期性的，因此它们在微多普勒谱图中产生至少基本周期性的图案。通过确定与这种图案相关的周期量，可以区分不同类型的物体，例如区分人与车辆或区分人与动物。至少一个周期量可以是平均周期持续时间、平均重复频率或与图案的一个周期相关的多个时间仓(time bin)。对于行人，周期量是行人步态周期的特征。一个步态周期通常对应于两个脚步。
为了确定微多普勒谱图中图案的重复频率，可以对谱图进行傅立叶分析。然而，该方法需要相对较长的观察时间，这在现实世界场景中通常是不可实现的，特别是汽车应用需要相当短的观察时间。
此外，傅立叶分析通常依赖于被观察物体的速度恒定的假设。然而，这一假设在许多情况下被违反，例如，行人可能会突然减速甚至停下来。傅立叶分析不适用于这些情况。
还应注意，傅里叶分析不便于分段过程(即不便于发现图案的开始位置和结束位置)。然而，在许多应用中需要可靠的分段过程。
由于上述原因，实际上难以通过微多普勒分析来正确识别物体。
发明内容
本发明的目的是即使在不利的环境下也能通过雷达传感器系统可靠地识别物体。
根据本发明，确定至少一个周期量包括以下步骤：
(i)确定对应于微多普勒谱图的至少基本周期性的图案的至少一个周期性信号分量的路线，
(ii)将平滑曲线拟合到周期性信号分量，
(iii)确定平滑曲线的多个峰和/或谷的位置，
(iv)基于所确定的峰和/或谷的位置确定周期量。
通过根据本发明的方法，即使在物体的速度变化的情况下，也可以可靠地识别被观察物体的周期性运动分量。不需要很长的观察时间。
如果平滑曲线的峰和/或谷的位置是已知的，则较为容易估计重复频率、周期或类似的量。例如，周期可以确定为两个连续峰或谷之间的距离。
微多普勒谱图中的周期性图案是一系列相互间隔开的相似特征。在本公开的上下文中，周期性图案是具有基本周期性外观的谱图结构，因此包含周期性信息。然而，在严格的数学意义上，周期性图案不一定是周期性的。
因此，在严格的数学意义上，与微多普勒谱图的周期性图案相对应的信号分量同样不是周期性的。相反，这种信号分量包含周期性信息，但是具有强烈波动的路线，表现出许多局部峰和谷。因此，难以在从谱图中提取的原始信号分量的路线中直接获得周期性信息。然而，通过将平滑曲线拟合到信号分量，可以估计真实的最大值和最小值。
本发明的有利实施方式可以从从属权利要求、以下描述和附图中得出。
在步骤(ii)中，可以借助自适应曲线拟合过程将平滑曲线拟合到周期性信号分量。这种过程能够适应不同的条件。对应的曲线拟合过程特别稳健。
根据本发明的实施方式，自适应曲线拟合过程的至少一个过程参数在曲线拟合过程期间被连续地调整。因此，可以补偿过程动力学的变化。
优选地，基于所确定的物体速度变化来调整过程参数。因此，可以处理物体突然停止或快速加速的情况。物体的速度可以被捕获或测量，优选地通过雷达传感器系统进行捕获或测量。或者，可以基于先验信息来确定速度。
在步骤(i)中，微多普勒谱图的上包络、下包络和/或上包络与下包络之间的差的路线可以被确定为至少一个周期性信号分量。这些信号分量相对容易从谱图中提取出来。原则上，强雷达反射分量(例如行人身躯信号或骑车人踏板或车轮信号)可以被确定为周期性信号分量。
在步骤(ii)中，将平滑曲线拟合到周期性信号分量的步骤可以利用窗口函数来执行，特别是利用三角形核、多项式核或Savitzky-Golay核来执行。优选地，利用高阶核。窗口函数是在预定义的区间外为零值的数学函数。通过将窗口函数应用于强烈波动的输入函数，可以实现输入函数的有效平滑。原则上，步骤(ii)可以包括对周期性信号分量应用移动平均滤波器。
根据本发明的实施方式，在将平滑曲线拟合到周期性信号分量期间，窗口函数的窗口大小被连续地调整。事实证明，这样提供了特别稳健的结果。优选地，窗口大小根据物体的速度和/或物体的速度变化来调整。根据应用，可以利用所观察到的速度或实际速度。
微多普勒谱图可以借助时频分析生成，特别是借助短时傅立叶变换(Short-Time-Fourier-Transform，STFT)或维格纳维尔分布技术(Wigner-Ville-Distribution，WVD技术)生成。根据应用，可以对二次雷达信号或从二次雷达信号获得的信号进行时频分析。二次雷达信号本身或从二次雷达信号获得的信号都可以进行时频分析。
步骤(iii)可以包括分段过程，其中，一系列峰中的第一个峰被定义为分段的开始位置且/或一系列峰中的最后一个峰被定义为分段的结束位置。如果各个图案分段的边界已知，则可以更可靠地对物体进行分类。
在步骤(iv)中，周期量可以借助递归状态估计器(特别是卡尔曼(Kalman)滤波器)来估计。借助递归状态估计器，可以获得特别可靠的结果。递归状态估计器可以利用包括物体速度和运动周期长度的状态向量。
根据本发明的另一个实施方式，步骤(i)包括确定微多普勒谱图的扩展度量。优选的扩展度量是微多普勒谱图的上包络与下包络之间的差。
可以借助基于百分位的方法或曲线拟合方法来确定周期性信号分量。具体地，可以计算各时间片段的累积幅值分布，并且确定上包络对应于累积幅值分布函数的大约95％的百分位，和/或确定下包络对应于累积幅值分布函数的大约5％的百分位。还可以计算各时间片段的累积幅值分布，并且确定所观察到的物体速度对应于累积幅值分布函数的大约50％的百分位。根据本发明的一个实施方式，Gürbüz S.Z.等人的论文"Operationalassessment and adaptive selection of micro-Doppler features"(IET Radar SonarNavig.，第9卷，第9期，1196–1204页，2015)中所公开的基于百分位的方法或曲线拟合方法可用于确定所观察到的物体速度。
本发明还涉及一种用于识别物体的系统，该系统包括雷达传感器系统和电子处理装置，该雷达传感器系统用于将一次雷达信号发送到观察空间中并且接收被物体反射的二次雷达信号，该电子处理装置用于处理二次雷达信号。
根据本发明，电子处理装置被配置为执行如上所述的方法。
根据应用，电子处理装置可以与雷达传感器系统结合或配置为单独的单元。电子处理装置可以包括计算机。
优选地，雷达传感器系统被配置为安装在机动车辆上或机动车辆中。
本发明还涉及一种计算机程序产品，其包括可执行程序代码，当执行可执行程序代码时，可执行程序代码执行如上所述的方法。
参照本发明的方法的公开内容也适用于本发明的系统和本发明的计算机程序产品。
附图说明
接下来参照附图基于示例性实施方式来更详细地解释本发明，在附图中：
图1以俯视图示出了机动车辆、安装在机动车辆上的雷达传感器系统和将由雷达传感器系统检测的行人；
图2示出了由如图1所示的雷达传感器系统生成的微多普勒谱图；
图3是示出根据本发明实施方式的方法的不同步骤的流程图；
图4示出了微多普勒谱图的放大部分；
图5示出了对应于微多普勒谱图的至少基本周期性的图案的周期性信号分量的路线以及拟合到该路线的平滑曲线。
具体实施方式
在图1中示出了机动车辆11和安装在机动车辆11的前部的雷达传感器系统13。雷达传感器系统13优选基于毫米波雷达传感器。可以提供单通道雷达传感器以最小化生产成本，同时可以提供多通道雷达传感器以增强检测性能。雷达传感器系统13可以连接到电子处理装置(未示出)，例如高级紧急制动系统、行人防碰撞系统或自主驾驶系统。虽然示出的是将雷达传感器系统13安装在中央，但是同样可以将其安装到机动车辆11的角部、侧部或后部。
在操作中，机动车辆11在车道17上沿行驶方向15移动。形式为穿过车道17的行人的物体19存在于机动车辆11前方的交通空间23中。物体19在移动方向21上移动。雷达传感器系统13所要观察的物体的其它示例是骑车人和车辆。
雷达传感器系统13被配置为将一次雷达信号发送到交通空间23中，并且基于被物体19反射的二次雷达信号来检测交通空间23中存在的物体19。从物体19延伸到雷达传感器系统13的活动区的线25被称为“视线”。可以利用多普勒效应以已知的方式确定物体19的所观察到的体积速度vob(即与物体19的主体27相关并且沿着视线25定向的速度分量)。具体地，已知物体19在移动方向21上所观察到的体积速度vob和速度v之间的关系给定为：
v ＝ vob / cos(θ) (1)
其中，θ是照明角度，即移动方向21与视线25之间的角度。
图2中示出了移动的骑车人的示例性微多普勒谱图30。横轴是时间轴，而纵轴是多普勒频移轴或径向速度轴。微多普勒谱图30的生成可以借助短时傅立叶变换(STFT)或维格纳维尔分布技术(WVD技术)来实现。在图2的左侧部分，示出了对应于车轮旋转周期的第一微多普勒图案31。在第一微多普勒图案31的右侧，有几个对应于踏板旋转周期的另外的微多普勒图案32。行人、机动车辆或直升机的微多普勒谱图包括分别对应于行人步态周期、机动车辆车轮旋转或直升机旋翼桨叶运动的类似的微多普勒图案。
由于被观察物体19的各个部分如臂、腿、车轮、踏板或旋翼桨叶的运动通常是基本周期性的，因此由这些运动产生的微多普勒图案31、32至少是基本周期性的。通过确定与微多普勒图案31、32相关的周期量，可以区分不同类型的物体19，例如区分行人与骑车人，或区分成人与儿童。周期量可以是平均周期持续时间、平均重复频率或与对应图案的一个周期相关的时间仓的数量。对于行人，周期量是行人的步态周期的特征。
根据本发明，借助电子处理装置，基于微多普勒谱图分析来确定与物体19的一部分的至少基本周期性的运动相关的周期量，这将在下面更详细地解释。
如图3所示，生成微多普勒谱图30，作为后续步骤的输入。在步骤41中，确定对应于微多普勒图案31、32的周期性信号分量的路线。在步骤42中，估计信号分量的扩展度量。在步骤43中，借助自适应曲线拟合过程将平滑曲线拟合到周期性信号分量。在步骤44中，确定平滑曲线的峰和/或谷的位置。在步骤45中，基于所确定的峰和谷的位置来确定周期量。
图4以放大视图示出了行人的示例性微多普勒谱图30’。在微多普勒谱图30’中示出了对应于不同运动分量的路线的三条曲线。具体而言，所观察到的体积速度vob的路线50示出为实心黑线，而微多普勒谱图30’的上包络51和微多普勒谱图30’的下包络52示出为虚线。
为了确定所观察到的体积速度vob、上包络51和下包络52的路线50，针对各时间片段确定累积幅值分布函数。所观察到的体积速度vob的路线50被指定到累积幅值分布函数的大约50％的百分位。上包络51被指定到累积幅值分布函数的大约95％的百分位，而下包络52被指定到累积幅值分布函数的大约5％的百分位。
通过确定包络差Ediff(即上包络51与下包络52的差的绝对值)来估计微多普勒谱图30’的扩展：
Ediff＝│Eupper-Elower│
图5中示出了Ediff随时间变化的示例性路线54。同样示出了在步骤43(图3)中拟合到该路线54的平滑曲线55。自适应曲线拟合过程中使用的窗口大小适应于所观察到的体积速度vob的变化。根据本发明的实施方式，时间tn处的窗口大小Nn win给定为：
Figure GDA0004092731840000071
其中，下标n、n-1分别表示当前状态和先前状态，并且函数round(·)返回输入的最近整数值。
窗口大小的初始值可以设置为：
Figure GDA0004092731840000072
其中Δt是微多普勒谱图30、30’的时间仓分辨率，L0 cycle是相关的周期性运动周期的平均长度，并且V0是物体19的平均速度。在行人识别背景下，L0 cycle的优选值为1.4m，因为行人的典型步态周期约为1.2m-1.6m，而V0的优选值为1.5m/s。
步骤43(图3)中的自适应曲线拟合过程借助核函数进行。优选地，选择核函数以平滑原始信号从而去除高频分量，同时保持峰值水平。优选的核函数是高阶最小二乘多项式核和高阶Savitzky-Golay核。根据特定实施方式，选择二阶或三阶核。
在步骤44(图3)中，执行峰发现过程以发现平滑曲线55的峰57。尤其是，峰57被确定为满足以下条件：
-其为局部峰，并且
-每两个连续的峰之间的最小距离大于k·Nn win，其中，k是比例因子。k的典型值范围为0.5到1，优选为0.7到0.9。
最后提到的条件增加了峰发现过程的鲁棒性。代替峰57或除了峰57之外，平滑曲线55的谷58可以用类似的方式发现。
假设Nn cycle是时间片段tn附近的微多普勒图案31、32的一个周期包含的样本的数量，则周期持续时间或周期Tn cycle可以表示为：
Figure GDA0004092731840000081
微多普勒图案31、32的重复频率fn cycle是周期Tn cycle的倒数：
Figure GDA0004092731840000082
一旦确定了Nn cycle，就可以确定对应的微多普勒图案31、32的周期Tn cycle和重复频率fn cycle。
假设Dn是在时间片段tn附近的两个连续的峰57之间存在的样本的数量，则Dn和Nn cycle之间的关系对于行人为Nn cycle＝2·Dn，对于具有旋转部件的物体(例如自行车、机动车辆或直升机)为Nn cycle＝Dn。
对于行人来说，两个连续的峰57或谷58之间的持续时间是一个脚步周期的持续时间。步态周期包括两个脚步。
为了进一步提高根据本发明的方法的鲁棒性，可以使用递归状态估计器，尤其是卡尔曼滤波器。在基于卡尔曼滤波器的算法中，状态空间模型和测量模型可以给定为：
Figure GDA0004092731840000083
Figure GDA0004092731840000084
其中，随机变量wn-1和qn代表过程噪声和测量噪声。下标n、n-1分别表示当前状态和先前状态。圆点表示V的导数。
在峰发现过程中发现的峰57可以用于分段过程，其中确定对应的微多普勒图案31、32的起点和终点。例如，峰57序列的第一个峰57可以定义为分段的开始位置，而峰57序列的最后一个峰57定义为分段的结束位置。
本发明能够借助雷达传感器系统13可靠地识别运动物体19，即使在可用的观察时间相当短的情况下也是如此。
附图标记列表：
11 机动车辆
13 雷达传感器系统
15 行驶方向
17 车道
19 物体
21 移动方向
23 交通空间
25 视线
27 主体
30、30' 微多普勒谱图
31 第一微多普勒图案
32 另外的微多普勒图案
41 确定周期性信号分量的路线的步骤
42 估计信号分量的扩展度量的步骤
43 将平滑曲线拟合到信号分量的步骤
44 确定峰和/或谷的位置的步骤
45 确定周期量的步骤
50 所观察到的体积速度的路线
51 上包络
52 下包络
54 包络差的路线
55 平滑曲线
57 峰
58 谷。

Claims (16)

1.一种借助雷达传感器系统（13）识别物体（19）的方法，其中
将一次雷达信号发送到观察空间（23）中，
接收被所述物体（19）反射的二次雷达信号，
生成所述二次雷达信号的微多普勒谱图（30、30’），并且基于所述微多普勒谱图（30、30’）确定与所述物体（19）的一部分的至少基本周期性的运动相关的至少一个周期量，
其中，确定所述至少一个周期量的处理包括以下步骤：
（i）确定与所述微多普勒谱图（30、30’）的至少基本周期性的图案（31、32）相对应的至少一个周期性信号分量（50、51、52、54）的路线，
（ii）将平滑曲线（55）拟合到所述周期性信号分量（50、51、52、54），
（iii）确定所述平滑曲线（55）的多个峰（57）和/或谷（58）的位置，以及
（iv）基于所确定的峰（57）和/或谷（58）的位置确定所述周期量，
其中，在步骤（i）中，确定所述微多普勒谱图（30、30’）的上包络（51）、下包络（52）和/或上包络（51）与下包络（52）的差（54）的路线作为所述至少一个周期性信号分量。
2.根据权利要求1所述的方法，
其特征在于，
在步骤（ii）中，借助自适应曲线拟合过程将所述平滑曲线（55）拟合到所述周期性信号分量（50、51、52、54）。
3.根据权利要求2所述的方法，
其特征在于，
在所述曲线拟合过程中，对所述自适应曲线拟合过程的至少一个过程参数进行连续调整。
4.根据权利要求3所述的方法，
其特征在于，
基于所确定的所述物体（19）的速度变化来调整所述过程参数。
5.根据权利要求1至4中任一项所述的方法，
其特征在于，
在步骤（ii）中，将所述平滑曲线（55）拟合到所述周期性信号分量（50、51、52、54）的步骤利用窗口函数来执行。
6.根据权利要求5所述的方法，
其特征在于，
在步骤（ii）中，将所述平滑曲线（55）拟合到所述周期性信号分量（50、51、52、54）的步骤利用三角核、多项式核或Savitzky-Golay核来执行。
7.根据权利要求5所述的方法，
其特征在于，
在将所述平滑曲线（55）拟合到所述周期性信号分量（50、51、52、54）的过程中，对所述窗口函数的窗口大小进行连续调整。
8.根据权利要求1所述的方法，
其特征在于，
所述微多普勒谱图（30、30’）借助时频分析来生成。
9.根据权利要求8所述的方法，
其特征在于，
所述微多普勒谱图（30、30’）借助短时傅立叶变换或维格纳维尔分布技术来生成。
10.根据权利要求1所述的方法，
其特征在于，
步骤（iii）包括分段过程，其中，一系列峰（57）中的第一个峰（57）被定义为分段的开始位置，且/或一系列峰（57）中的最后一个峰（57）被定义为分段的结束位置。
11.根据权利要求1所述的方法，
其特征在于，
在步骤（iv）中，借助递归状态估计器来估计所述周期量。
12.根据权利要求11所述的方法，
其特征在于，
在步骤（iv）中，借助卡尔曼滤波器来估计所述周期量。
13.根据权利要求1所述的方法，
其特征在于，
步骤（i）包括确定所述微多普勒谱图（30、30’）的扩展度量。
14.根据权利要求1所述的方法，
其特征在于，
借助基于百分位的方法或曲线拟合法来确定所述周期性信号分量（50、51、52、54）。
15. 一种用于识别物体（19）的系统，该系统包括：
雷达传感器系统（13），所述雷达传感器系统（13）用于将一次雷达信号发送到观察空间（23）中，并且接收被所述物体（19）反射的二次雷达信号，以及
电子处理装置，所述电子处理装置用于处理所述二次雷达信号，
其特征在于，
所述电子处理装置被配置为执行根据权利要求1至14中任一项所述的方法。
16.根据权利要求15所述的系统，
其特征在于，
所述雷达传感器系统（13）被配置为安装在机动车辆（11）上或机动车辆（11）中。
CN201910270276.4A 2018-04-10 2019-04-04 识别物体的方法 Active CN110361736B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP18166530.8 2018-04-10
EP18166530.8A EP3553551B1 (en) 2018-04-10 2018-04-10 Method for the recognition of an object

Publications (2)

Publication Number Publication Date
CN110361736A CN110361736A (zh) 2019-10-22
CN110361736B true CN110361736B (zh) 2023-06-06

Family

ID=61965770

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910270276.4A Active CN110361736B (zh) 2018-04-10 2019-04-04 识别物体的方法

Country Status (3)

Country Link
US (1) US11131766B2 (zh)
EP (1) EP3553551B1 (zh)
CN (1) CN110361736B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3553559B1 (en) 2018-04-11 2022-06-01 Aptiv Technologies Limited Method for the recognition of objects
EP3553552B1 (en) * 2018-04-11 2022-05-25 Aptiv Technologies Limited Method for the recognition of a moving pedestrian
TWI734252B (zh) * 2019-11-08 2021-07-21 立積電子股份有限公司 雷達及雷達回波訊號的背景成分更新方法
DE102019220526A1 (de) * 2019-12-23 2021-06-24 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Bestimmen von mindestens einem Knickwinkel eines Fahrzeuggespanns
CN111803045A (zh) * 2020-01-17 2020-10-23 南京邮电大学 一种基于lfmcw毫米波的生命体征检测系统
CN113341405B (zh) * 2020-02-18 2023-10-13 南京大学 一种消除近距离处车轮微多普勒影响的雷达跟踪方法
DE102020206639B4 (de) 2020-05-27 2022-12-01 Robert Bosch Gesellschaft mit beschränkter Haftung Erkennung und/oder Ortung von Objekten anhand von Radardaten
TWI756728B (zh) * 2020-07-01 2022-03-01 立積電子股份有限公司 物體辨識方法及物體辨識裝置
CN111830483B (zh) * 2020-09-16 2020-12-22 福瑞泰克智能系统有限公司 一种具有微动效应的目标的确定方法、装置、电子设备及存储介质
CN112462342B (zh) * 2020-11-06 2021-11-02 中国人民解放军空军预警学院雷达士官学校 一种高机动弱目标的阶段离散化维格纳霍夫变换时频形态自重构检测方法
CN113344033B (zh) * 2021-05-17 2022-05-17 电子科技大学 一种旋翼无人机与飞鸟目标分类中的判别特征提取方法
CN114002658B (zh) * 2021-12-28 2022-05-24 中南大学 基于点迹曲线关联曲线分离的雷达目标微动特征提取方法
WO2023220912A1 (en) * 2022-05-17 2023-11-23 Qualcomm Incorporated Target identification using micro-doppler signature

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4079377A (en) * 1975-04-04 1978-03-14 International Standard Electric Corporation FM-CW radar for range and relative speed determination

Family Cites Families (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2413668A1 (fr) * 1978-01-03 1979-07-27 Thomson Csf Radar a correlation assurant une detection proche a basse altitude et systeme comportant un tel radar
FR2571150B1 (fr) * 1984-09-28 1986-11-21 Thomson Csf Circuit d'elimination d'echos de mobiles lents pour radar doppler
US4958638A (en) * 1988-06-30 1990-09-25 Georgia Tech Research Corporation Non-contact vital signs monitor
US5689286A (en) 1995-05-23 1997-11-18 Ast Research, Inc. Component-based icon construction and customization system
US5689268A (en) * 1996-08-02 1997-11-18 Boeing North American, Inc. Radar detection and classification of helicopters
US6653971B1 (en) * 1999-05-14 2003-11-25 David L. Guice Airborne biota monitoring and control system
US6121916A (en) 1999-07-16 2000-09-19 Eaton-Vorad Technologies, L.L.C. Method and apparatus for recognizing stationary objects with a moving side-looking radar
WO2001073680A1 (en) 2000-03-27 2001-10-04 Massachusetts General Hospital Methods and systems for distinguishing individuals utilizing anatomy and gait parameters
US7016782B2 (en) 2002-05-30 2006-03-21 Delphi Technologies, Inc. Collision detection system and method of estimating miss distance
US6674394B1 (en) 2003-03-28 2004-01-06 Visteon Global Technologies, Inc. Method for determining object location from side-looking sensor data
US7647049B2 (en) * 2006-07-12 2010-01-12 Telefonaktiebolaget L M Ericsson (Publ) Detection of high velocity movement in a telecommunication system
US20100074379A1 (en) * 2008-04-01 2010-03-25 Ming-Chiang Li Tuning replica generation methods and apparatus for their most optimum performance in processing transient signals
US20100286543A1 (en) * 2009-05-05 2010-11-11 Siemens Medical Solutions Usa, Inc. Automated Cardiac Status Determination System
US8529458B2 (en) * 2009-09-28 2013-09-10 State Of Oregon By And Through The State Board Of Higher Education On Behalf Of Portland State University Method and apparatus for assessment of fluid responsiveness
TR201205754T1 (tr) * 2009-11-03 2012-09-21 Vawd Applied Science & Technology Corporation Emniyet mesafeli, engele rağmen algılayan radar sistemi.
US8854251B2 (en) 2010-06-16 2014-10-07 Toyota Jidosha Kabushiki Kaisha Object identification device and method
DE102010062235A1 (de) 2010-12-01 2012-06-06 Robert Bosch Gmbh Fahrerassistenzsystem zur Detektion eines Objekts in einer Fahrzeugumgebung
EP2589979A1 (en) 2011-11-03 2013-05-08 Thales Nederland B.V. System for characterizing motion of an individual, notably a human individual
US20200064444A1 (en) 2015-07-17 2020-02-27 Origin Wireless, Inc. Method, apparatus, and system for human identification based on human radio biometric information
CN103529436A (zh) * 2013-10-12 2014-01-22 南京信息工程大学 基于hht的无接触生命探测中呼吸和心跳信号的分离及时频分析方法
WO2015144741A1 (en) * 2014-03-27 2015-10-01 Sony Corporation Camera with radar system
US10809365B2 (en) * 2014-08-25 2020-10-20 Texas Instruments Incorporated Vibration parameters monitoring using FMCW radar
US10185030B2 (en) 2014-09-05 2019-01-22 GM Global Technology Operations LLC Object boundary detection for automotive radar imaging
DE102014218092A1 (de) 2014-09-10 2016-03-10 Volkswagen Aktiengesellschaft Erstellen eines Abbilds der Umgebung eines Kraftfahrzeugs und Bestimmen der relativen Geschwindigkeit zwischen dem Kraftfahrzeug und Objekten in der Umgebung
CN104360336B (zh) * 2014-11-24 2017-02-08 电子科技大学 一种自适应提取雷达目标微动周期的新方法
US10168785B2 (en) * 2015-03-03 2019-01-01 Nvidia Corporation Multi-sensor based user interface
KR102002112B1 (ko) * 2015-04-30 2019-07-19 구글 엘엘씨 제스처 추적 및 인식을 위한 rf―기반 마이크로―모션 추적
DE102015007040B4 (de) * 2015-05-30 2020-09-24 Audi Ag Verfahren zur Detektion und Klassifikation von Fußgängern in einer Umgebung eines Kraftfahrzeugs und Kraftfahrzeug
US9604639B2 (en) * 2015-08-28 2017-03-28 Delphi Technologies, Inc. Pedestrian-intent-detection for automated vehicles
US10054672B2 (en) 2015-08-31 2018-08-21 Veoneer Us, Inc. Apparatus and method for detecting and correcting for blockage of an automotive radar sensor
US10817065B1 (en) * 2015-10-06 2020-10-27 Google Llc Gesture recognition using multiple antenna
US10571562B2 (en) * 2016-03-25 2020-02-25 Magna Electronics Inc. Vehicle short range sensing system using RF sensors
JP2019517073A (ja) * 2016-05-18 2019-06-20 オークランド ユニサービシズ リミテッドＡｕｃｋｌａｎｄ Ｕｎｉｓｅｒｖｉｃｅｓ Ｌｉｍｉｔｅｄ 画像レジストレーション方法
JP2017223461A (ja) 2016-06-13 2017-12-21 パナソニックＩｐマネジメント株式会社 レーダ装置および検出方法
DE102016213007A1 (de) 2016-07-15 2018-01-18 Robert Bosch Gmbh Verfahren und System zur Abtastung eines Objekts
DE102016213254B3 (de) * 2016-07-20 2017-07-13 Volkswagen Aktiengesellschaft Verfahren zum Erfassen einer Objektbewegung eines Objekts in einer Umgebung eines Kraftfahrzeugs, Steuervorrichtung und Kraftfahrzeugs
DE102016215102A1 (de) * 2016-08-12 2017-12-07 Conti Temic Microelectronic Gmbh Fußgängererkennung mittels Radar
CN106483514B (zh) * 2016-09-23 2020-01-14 电子科技大学 一种基于eemd和支持向量机的飞机运动模式识别方法
US11467278B2 (en) * 2017-06-29 2022-10-11 Sensing Management Pty Limited System and method of detecting objects
WO2019006473A1 (en) 2017-06-30 2019-01-03 The Johns Hopkins University ACTION RECOGNITION SYSTEMS AND METHOD USING MICRO-DOPPLER SIGNATURES AND RECURRING NEURAL NETWORKS
DE102017211432A1 (de) * 2017-07-05 2019-01-10 Robert Bosch Gmbh System zum Detektieren eines bewegten Objekts
EP3553552B1 (en) 2018-04-11 2022-05-25 Aptiv Technologies Limited Method for the recognition of a moving pedestrian

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4079377A (en) * 1975-04-04 1978-03-14 International Standard Electric Corporation FM-CW radar for range and relative speed determination

Also Published As

Publication number Publication date
US20190310362A1 (en) 2019-10-10
CN110361736A (zh) 2019-10-22
EP3553551B1 (en) 2022-06-01
EP3553551A1 (en) 2019-10-16
US11131766B2 (en) 2021-09-28

Similar Documents

Publication Publication Date Title
CN110361736B (zh) 识别物体的方法
CN110361737B (zh) 识别移动的行人的方法
JP7394582B2 (ja) レーダーデータを処理する装置及び方法
KR101954005B1 (ko) 자동차의 주위 영역 내의 물체를 분류하기 위한 방법, 운전자 보조 시스템 및 자동차
KR102490991B1 (ko) 움직이는 물체를 검출하기 위한 시스템
CN107103275B (zh) 使用雷达和视觉基于车轮进行的车辆检测和追踪
CN110431436B (zh) 求取至少一个目标的径向相对加速度的方法和雷达设备
JP6993136B2 (ja) レーダ装置および物標検知方法
CN105015469A (zh) 物体检测装置以及物体检测方法
CN115201774A (zh) 使用用于静止对象检测的机器学习模型的雷达系统
CN110678776B (zh) 用于增强的对象跟踪的系统
KR101938898B1 (ko) 레이더 배열 안테나 빔 감지 장치 및 방법
CN110736981B (zh) 基于雷达的对慢速移动对象的跟踪
Rippl et al. Classification of vulnerable road users based on spectrogram autocorrelation features
JP2001141812A (ja) Ｆｍ−ｃｗレーダ装置
JP7338497B2 (ja) 信号処理装置
JP7167871B2 (ja) 物標検出装置
KR102662229B1 (ko) 타켓 물체 감지 방법 및 그 장치
JP7274271B2 (ja) レーダ装置および物標判別方法
CN114089328A (zh) 确定行人移动速度的方法及行人定位方法、车载雷达
JP2017167839A (ja) 車載装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20240802

Address after: Luxembourg

Patentee after: Anbofu Technology (2) Co.,Ltd.

Country or region after: Luxembourg

Address before: Babado J San Michael

Patentee before: Aptiv Technologies Ltd.

Country or region before: Barbados

TR01 Transfer of patent right