CN110736981B - 基于雷达的对慢速移动对象的跟踪 - Google Patents
基于雷达的对慢速移动对象的跟踪 Download PDFInfo
- Publication number
- CN110736981B CN110736981B CN201910645349.3A CN201910645349A CN110736981B CN 110736981 B CN110736981 B CN 110736981B CN 201910645349 A CN201910645349 A CN 201910645349A CN 110736981 B CN110736981 B CN 110736981B
- Authority
- CN
- China
- Prior art keywords
- distance
- determining
- preselected
- bounding box
- change rate
- 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
Links
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000008859 change Effects 0.000 claims description 27
- 238000001514 detection method Methods 0.000 claims description 24
- 230000033001 locomotion Effects 0.000 claims description 12
- 230000005855 radiation Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
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
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
- G01S13/536—Discriminating between fixed and moving objects or between objects moving at different speeds using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves
-
- 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
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/70—Radar-tracking systems; Analogous systems for range tracking only
-
- 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
-
- 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
- G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
-
- 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
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
-
- 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
- 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
- G01S2013/932—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles using own vehicle data, e.g. ground speed, steering wheel direction
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
对被检测对象(22)进行分类的说明性示例性方法包括:检测对象(22),确定对象(22)的估计速度低于需要分类的预选门限速度,确定已经检测到对象(22)的时间,确定对象(22)在该时间内移动的第一距离,根据第一距离和和时间确定对象(22)的速率,确定被检测对象(22)的质心在该时间内移动的第二距离,并且基于第一距离与第二距离之间的关系以及估计速度与速率之间的关系将被检测对象(22)分类为慢速移动对象或静止对象。
Description
背景技术
现代车辆包括各种传感器和探测器,它们提供关于车辆周围环境或附近的信息。例如,雷达跟踪设备提供关于车辆的附近或路径中的对象的信息。这样的信息对于驾驶员辅助特征是有用的。在一些情况下,基于这样的信息可以实现自动或半自动车辆操作。例如,已知自适应巡航控制和停车辅助特征,其基于这种传感器输入来自动控制车辆的速率或移动。自驾驶的自主或自动车辆可以利用这样的信息。
虽然雷达和其他传感器装置已被证明是有用的,但是可从它们获得的信息的类型或准确性存在限制。例如,传感器在较低速率下具有限制,特别是当传感器与被跟踪对象之间几乎没有相对移动时。当对象以较低的速率移动时,来自雷达装置的检测可能是模糊的,使得对象难以归类为移动或静止的。因为这些模糊的检测,对慢速移动对象(例如,行人或慢速移动骑车)的识别可能是具有挑战性的任务。
发明内容
对被检测对象进行分类的说明性示例性方法包括:检测对象,确定对象的估计速度低于需要分类的预选门限速度,确定在其期间对象已被检测的时间,确定对象在该时间期间移动的第一距离,根据第一距离和该时间来确定对象的速率,确定被检测对象的质心在该时间期间移动的第二距离,并且基于第一距离与第二距离之间的关系以及估计速度与速率之间的关系来将被检测对象分类为慢速移动对象或静止对象。
用于跟踪慢速移动对象的说明性示例性系统包括:跟踪设备,其被配置为检测对象;以及处理器。处理器被配置为确定对象的估计速度低于需要分类的预选门限速度,确定在其期间对象已被检测的时间,确定对象在该时间期间移动的第一距离,根据第一距离和该时间来确定对象的速率,确定对象的质心在该时间期间移动的第二距离,并且基于第一距离与第二距离之间的关系以及估计速度与速率之间的关系来将对象分类为慢速移动对象或静止对象。
根据以下详细描述,至少一个公开的示例性实施例的各种特征和优点对于本领域技术人员而言将变得显而易见。伴随详细描述的附图可以简要描述如下。
附图说明
图1示意性地示出了根据本发明实施例设计的用于跟踪移动对象的系统的示例性使用。
图2示意性地示出了根据本发明的示例的系统的各种特性。
图3示意性地示出了根据本发明实施例设计的用于跟踪对象的系统的示例性实施例的选择的部分。
图4示意性地示出了移动对象的各种特性。
图5是概述对移动对象进行分类的示例性方法的流程图。
具体实施方式
图1示意性地示出了用于检测或跟踪对象22的系统20。在该示例中,系统20包括位于主车辆24上的跟踪设备40。在一些示例中,主车辆24可以是自主车辆。系统20确定了关于对象22的信息以对对象进行分类。例如,如果对象22是建筑物或标志,则对象22可以被分类为静止对象,或者如果对象22是另一车辆或骑自行车者,则对象22可以被分类为移动对象。由移动慢速的对象呈现的一个挑战是它们可能被错误分类为静止的。系统20确定关于这样的对象22的信息并且将其与若干标准进行比较以确定何时将对象22分类为慢速移动对象。在一些实例中,对象22是行人。在一些实施例中,系统20被配置为使用附加标准来将行人分类为慢速移动对象。
系统20使用已知的雷达信令,如26处示意性所示,以用于检测对象22的若干特性。在示例中,系统20包括四个短程雷达探测器和一个前视雷达探测器。系统20基于其接收的检测和任何已知信息(例如,系统20的位置和速率)来确定对象22的特性。
如图2所示,主车辆24具有其自己的主车辆坐标系(VCS)28,其定位在世界坐标系(WCS)30中。系统20的每个检测都在参考系中。系统20的雷达探测器均具有相对于车辆坐标系28已知的安装位置和视轴角(boresight angle)。通常,由系统20生成的每个检测可以由范围R、距离变化率和方位角θ表征。这些检测参数被转换为车辆坐标系28,然后可以将其转换为世界坐标系30。主车辆24的速率、其相对于世界坐标系30的朝向以及雷达探测器参考系中的参数被用于针对每次检测计算补偿距离变化率(compensated range rate)/>
补偿距离变化率是对象22的地面速度(over-the-ground velocity)的径向分量。当速度的这个分量足够大时,对象22的速度矢量被清楚地确定并且对象22可以被分类为移动对象。然而,当补偿距离变化率/>不超过门限时,一些已知系统可能将对象分类为模糊的。在这样的情况下,根据补偿距离变化率/>不清楚速度矢量本身是否小,这将指示静止对象,或者速率矢量在非径向方向上是否大,这将指示移动对象。这些模糊的检测有时导致慢速移动对象被错误分类为静止的。如以下讨论的,所公开的系统20评估附加参数以帮助实现对这样的对象22的更准确的分类。
图3示意性地示出了系统20的选择的部分。跟踪设备40包括发射器42和探测器44。发射器42在向外方向上发射辐射,并且当这种辐射从对象(例如,对象22)反射时,该反射的辐射由探测器44接收和探测。在一些示例性实施例中,发射器42和探测器44根据已知的雷达原理和技术进行操作。其他实施例包括对于激光雷达或超声波检测技术有用的的发射器和探测器配置。
跟踪设备40包括至少一个滤波器46,其被配置用于估计被跟踪对象22的动态量(dynamic quantities)。在一些示例性实施例中,滤波器46根据已知的卡尔曼滤波器原理来操作。例如,卡尔曼滤波器可以估计对象22的位置、航向角、速率、曲率、加速率和偏航率。这些量可以被称为对象的状态变量。在其他示例性实施例中,滤波器46根据已知的低通滤波器原理来操作。例如,低通滤波器可以估计速度。在另外的实施例中,设备40根据卡尔曼滤波器和低通滤波器二者的原理来操作。在这样的示例中,滤波器46用卡尔曼滤波器来估计对象的状态变量,并且使用低通滤波器来估计对象的速率,所述低通滤波器依赖于来自卡尔曼滤波器的位置估计。
系统20包括处理器50,处理器50可以是专用微处理器或车辆24上支持的另一计算装置的一部分。存储器52与处理器50相关联。在一些示例性实施例中,存储器52包括计算机可执行指令,所述计算机可执行指令使处理器50出于以下目的操作:跟踪诸如对象22之类的对象,并且确定如何对该对象进行分类。在一些示例性实施例中,存储器52至少临时包含关于被跟踪对象22的各种特征或特性的信息,例如其状态变量,以促进处理器50做出关于对象22的期望的确定。
如图4所示,使用具有质心54的边界框56来表示被跟踪对象22。在二维中跟踪允许对象22由矩形边界框56表示。存在已知跟踪技术,其用于确定与对象22的边缘相对应的边界框56并且用于将质心54定位在该边界框56内的。边界框56由长度L和宽度W参数化。维度L1、L2、W1和W2指示质心54相对于对象22的主体边缘的位置。边界框56的长度L等于L1和L2的总和,并且宽度W等于W1和W2的总和。
静止对象或慢速移动对象可以是不同尺寸的,并且其可能不适合使用大的边界框来表示它们。例如,与建筑物和长护栏相比,树木、灯柱和悬垂对象的尺寸可以非常小。使用代表这样的对象的真实尺寸的边界框可能具有挑战性。在一些实施例中,处理器50将边界框56(其是具有预选长度L和宽度W的矩形)指派给需要分类为静止或慢速移动的任何对象。大于预选长度L和宽度W的这样的对象可以由多个边界框56表示。在一个示例中,预选长度L和宽度W小于平均车辆。在另外的示例中,预选长度L和宽度W约为1米乘约1米,但是更小或更大的边界框56可以落在本公开内容的范围内。多个边界框56对更大对象的这种表示可能需要增加计算成本,但在检测或跟踪更小对象时提供了优点。例如,指派更小的边界框56可以帮助跟踪在静止对象附近移动的行人,例如在停放的汽车之间或靠近墙壁行走的行人。
质心54的位置可以预先在边界框56内确定,或者通过随着时间相对于质心位置处理对象22的雷达检测的位置在对象22的在边界框56内确定。在一个示例中,滤波器46使用已知的近协调转弯恒定加速率运动模型(Nearly Coordinated Turn ConstantAcceleration Motion Model)来提供对质心56在世界中的位置、质心54的地面速率以及质心54的航向角的估计。滤波器46还提供关于质心54的轨迹曲率和质心54的切向加速率的信息。
在该示例中,取决于检测到的特性(例如,估计的对象速度)的数量,将对象22分类为移动的或静止的。像行人或慢速移动汽车这样的慢速移动对象可能生成大多模糊的雷达探测,并且因此可能被错误分类为静止的。慢速移动对象是以低于预选的慢速移动速度门限的估计速率进行移动的对象。在一个示例中,慢速移动速度门限约为每秒3米。
在图5的流程图60中总结了将对象22分类为慢速移动或静止的方法。当系统20检测到对象22时,它尝试尽快对其进行分类。
系统20首先在62处识别对象22并且在64处指派边界框56。一旦已经将边界框56指派给被检测对象22,系统20就存储关于对象22的信息并且继续收集附加信息。系统20确定自在步骤66处对象22被检测以来的时间中由边界框56移动的第一距离和由质心54移动的第二距离。在实施例中,在66处确定的状态变量由充当卡尔曼滤波器的滤波器46估计。卡尔曼滤波器还估计速度,并且系统20在步骤68确定估计速度是否低于预选的速度门限。在一个实施例中,预选的速度门限约为每秒3米。当估计速度不低于门限时,对象22不可能被错误分类为静止的,并且在64处该方法继续周期性地更新状态变量。当估计速度低于门限时,对象22可能潜在地错误分类为静止的。为了正确地对对象22进行分类,系统20评估对象22的附加特性。
为了快速且准确地对对象22进行分类,速度估计必须是准确的。使用卡尔曼滤波器的估计需要随时间收集的足够量的信息收敛到真值。此外,卡尔曼滤波器可能由于传感器噪声而在速度估计中具有误差。在一些实例中,误差可能在每秒1米的量级上。对于慢速移动对象,这不是可靠的速度估计。在所示的示例中,在70处系统20使用充当低通滤波器的滤波器46来确定速度估计。低通滤波器依赖由卡尔曼滤波器提供的位置估计。对象速率作为对象位置相对于时间的导数被获得。来自低通滤波器的速率估计将在本文档中被称为螺栓开启速度(Bolt On Velocity)。
如果对象22正慢速移动,则由卡尔曼滤波器获得的位置估计将示出随时间的变化。因此,边界框56将在对象22已被跟踪的时间期间已经移动第一距离。类似地,如果对象22正在移动,则质心也将在对象22已被跟踪的时间期间移动第二距离。如果边界框56和质心54二者都已移动,则对象22不是静止对象。附加地,如果对象22正在移动,则来自卡尔曼滤波器的估计速度和来自低通滤波器的螺栓开启速度应该相同或足够相似。在72处处理器50比较第一距离和第二距离以及估计速度和估计速率(或螺栓开启速度)。如果第一距离与第二距离之间的关系以及估计速度与估计速率之间的关系指示对象22不是静止的时,在82处对象22被分类为慢速移动对象。
在一些情况下,可以使用附加标准来确定对象22是否是慢速移动对象。在78处可以确定关于边界框56的附加信息,并且在80处这些标准可以指示对象22慢速移动。可以评估若干标准。系统20可以仅依赖于这些标准之一、所有这些标准或任何组合来对对象22进行分类。
例如,距离变化率的方差对于在78和80处确定对象22是否是慢速移动对象是有用的。补偿距离变化率是方位角θ的函数,这意味着与具有较小尺寸的对象相比更大尺寸的对象(例如,车辆)对于单个对象而言/>值随着时间将具有更高的扩展。因此,在80处将的方差σm与预选门限进行比较。低于预选门限的方差σm指示对象小于车辆,并且更可能是慢速移动对象,例如行人。在一个示例性实施例中,方差σm的预选门限约为0.2。在82处,满足该标准的对象可以被分类为慢速移动对象。
补偿距离变化率的值取决于边界框56的位姿(pose)。对于相同的对象和相同的速率,对于不同的位姿将观察到不同的/>值。这可以通过位姿与方位角θ的扩展之间的关系来解释。对于车辆,补偿距离变化率/>的绝对值的平均值μm对于一些位姿可以是高的,而对于其他位姿则是低的。然而,对于行人而言,因为它们较小的尺寸,/>的绝对值的平均值μm将更小。在80处,将平均值μm与预选门限进行比较。低于预选门限的μm值指示慢速移动对象。在一个示例性实施例中,μm的预选门限约为2。在82处,满足该标准的对象可以被分类为慢速移动对象。
在78和80处考虑的另一示例性标准是边界框56的尺寸。由于许多慢速移动对象(例如,行人)小于车辆,用于表示它们的边界框56将小于用于车辆的边界框56。因此,如果边界框56的长度L和宽度W低于预选的门限尺寸,则对象22更可能是行人或能够移动的其他慢速移动对象。
对象22具有经验速率Se,其被定义为由边界框56移动的跟踪距离除以跟踪对象22的同时经过的时间。对于不能快速移动的对象(例如,行人),该经验速率Se应该总是小于每秒3米。满足该标准的对象可以被分类为慢速移动对象,并且所示示例包括作为在78和80处考虑的标准之一的经验速率。在82处,具有低于门限的平均值μm、低于门限的方差σm、低于门限的长度L和宽度W以及低于门限的经验速率Se的对象将被分类为慢速移动对象。
在一些示例中,附加标准在78和80处是有用的,以将对象22分类为慢速移动对象而不是静止对象。在一个实施例中,如果用于模糊检测的补偿距离变化率的绝对值超过门限,则对象可能是慢速移动的。此外,因为与行人相比车辆的较大尺寸,因此用于模糊检测的补偿距离变化率与用于移动检测的补偿距离变化率之间的差的绝对值/>将高于门限值。在一个示例中,差/>的门限值约为0.2。如果对象22满足这些附加标准,则在82处将其分类为慢速移动对象。
如果上述标准中的任何标准都没有指示对象22是慢速移动对象,则在84处对象22将被分类为静止的。
在一些实例中,在步骤78和80处评估的标准可能不足以准确地对对象22进行分类。例如,行人可能难以分类。一些行人比其他人行走得慢,并且他们可能间歇性地停下来。此外,当人行走时,他们身体的不同部分移动不同的量。特别是,他们的手臂和腿的频率可能不同。当人正快速行走时,他们的手臂和腿以相同的频率摆动,但当人慢速行走时,他们的手臂摆动速率是他们腿的两倍。在一个示例中,以大于约0.8米每秒的速率行走的人将以相同频率摆动手臂和腿,而较慢行走的人以大于腿的频率摆动手臂。对于慢速行走的人来说,该信息可以用于识别否则可能已被标记为静止对象行人。
当对象22是正慢速行走的行人时,行人的躯干将在边界框56内。在一个实施例中,慢速行走与以小于约1米每秒的速度移动相对应。由个人的手臂和腿的移动生成的检测将大多在边界框56外部。在74处,处理器50比较其从边界框56内部接收的检测和其从边界框56外部接收的检测。如果检测在一段时间期间被收集,则用于边界框56外部的每个检测的补偿距离变化率的绝对值的平均值μ1将有高概率显著高于用于该边界框56内部的每个检测的补偿距离变化率/>的绝对值的平均值μ2。因此,比率μ1/μ2可以用作将对象22分类为慢速移动的参数。μ1的值也应该足够高以将对象22分类为慢速移动。如果比率μ1/μ2和μ1的值均超过在76处确定的相应的预选门限值,则在82处对象22将被归类为慢速移动的。在一个示例中,比率μ1/μ2的预选门限值约为1.5。在示例中,μ1值的预选门限值约为0.1。在另外的示例中,μ1的值的预选门限值约为0.2。
当人走得更快以使得手臂和腿具有相同的频率时,比率μ1/μ2将是无用的。比率μ1/μ2对于不是正在行走的行人的慢速移动对象(例如,自行车)也是无用的。然而,这样的对象仍应归类为慢速移动的而非静止的。
在一些实施例中,系统20可以依赖于在确定对象22是否在慢速移动时提到的所有标准。在其他实施例中,该方法可以经历74和76,而在其他实施例中,方法经历78和80。在另外的实施例中,方法可以经历所有这些74、76、78和80以对对象22进行分类。
示例性方法可以是迭代的。系统20连续发射辐射,检测反射的辐射,并且基于那些检测来估计值。在一些实施例中,被检测对象的估计状态变量每秒被更新许多次,并且对象分类可以改变。例如,当先前静止的对象(例如,停止的汽车)开始移动时,其可以变成慢速移动对象或快速移动对象。处理器50可以在主车辆24运行时或者在一些实施例中的同时,仅当主车辆24正以低于预选的主车辆速率门限(host speed threshold)的速率行驶时,以迭代方式重复图5中表示的许多步骤。例如,如果主车辆24在高速公路上行驶,则不太可能在附近有行人或其他慢速移动对象——所有周围对象将是高速行驶的其他车辆或静止对象。预选的主车辆速率门限可以是指示高速公路行驶的速率。在一个示例性实施例中,预选的主车辆速率门限约为每秒20米。
用于将对象分类为慢速移动对象的所公开的示例性实施例以高效方式改进了对象跟踪和自动或半自动车辆控制。本发明的示例性实施例帮助车辆准确地识别被检测对象,并且因此在逻辑上确定如何处理对象。
前面的描述本质上是示例性的而不是限制性的。对于本领域技术人员而言,对所公开的示例的变型和修改可以变得显而易见,所述变型和修改不一定脱离本发明的本质。给予本发明的法律保护范围只能通过研究所附权利要求来确定。
Claims (18)
1.一种对被检测对象进行分类的方法,所述方法包括:
检测对象;
确定所述对象的估计速度低于需要分类的预选门限速度;
将边界框指派给所述对象;
确定在其期间所述对象已被检测的时间;
确定所述对象在所述时间期间移动的第一距离;
根据所述第一距离和所述时间来确定所述对象的速率;
确定所述对象的质心在所述时间期间移动的第二距离;
确定用于所述边界框内部的移动检测的补偿距离变化率的值、以及用于所述边界框内部的移动检测的所述补偿距离变化率与用于所述边界框外部的移动检测的补偿距离变化率的比率,所述补偿距离变化率是所述对象的地面速度的径向分量;以及
基于所述第一距离与所述第二距离之间的关系以及所述估计速度与所述速率之间的关系,将所述对象分类为慢速移动对象或静止对象。
2.如权利要求1所述的方法,其中,确定所述对象的所述速率包括使用低通滤波器。
3.如权利要求1所述的方法,其中,确定所述估计速度、所述时间以及所述第一距离包括使用卡尔曼滤波器。
4.如权利要求1所述的方法,包括:
当所述比率超过预选门限比率时,将所述对象分类为慢速移动对象。
5.如权利要求1所述的方法,包括:
确定所述对象的长度和宽度是否小于预选长度和预选宽度。
6.如权利要求5所述的方法,包括:
确定来自所述对象的检测的补偿距离变化率的平均值和标准偏差值是否小于预选平均值和预选标准偏差值。
7.如权利要求5所述的方法,包括:
基于所述对象的所述长度和所述宽度的值以及检测的补偿距离变化率的平均值和标准偏差值,将所述对象分类为慢速移动对象或静止对象。
8.如权利要求1所述的方法,其中,所述边界框具有预选长度(L)和预选宽度(W)。
9.一种用于跟踪慢速移动对象的系统,所述系统包括:
跟踪设备,其被配置为检测对象;以及
处理器,其被配置为:
确定所述对象的估计速度低于需要分类的预选门限速度;
将边界框指派给所述对象;
确定在其期间所述对象已被检测的时间;
确定所述对象在所述时间期间移动的第一距离;
根据所述第一距离和所述时间来确定所述对象的速率;
确定所述对象的质心在所述时间期间移动的第二距离;
确定用于所述边界框内部的移动检测的补偿距离变化率的值、以及用于所述边界框内部的移动检测的所述补偿距离变化率与用于所述边界框外部的移动检测的补偿距离变化率的比率,所述补偿距离变化率是所述对象的地面速度的径向分量;以及
基于所述第一距离与所述第二距离之间的关系以及所述估计速度与所述速率之间的关系,将所述对象分类为慢速移动对象或静止对象。
10.如权利要求9所述的系统,包括低通滤波器,所述低通滤波器被配置为确定所述对象的所述速率。
11.如权利要求9所述的系统,包括卡尔曼滤波器,所述卡尔曼滤波器被配置为确定所述估计速度、所述时间以及所述第一距离。
12.如权利要求9所述的系统,其中,所述处理器被配置为当所述比率超过预选门限比率时将所述对象分类为慢速移动对象。
13.如权利要求9所述的系统,其中,所述处理器被配置为确定所述对象的长度和宽度是否小于预选长度和预选宽度。
14.如权利要求13所述的系统,其中,所述处理器被配置为确定来自所述被检测对象的检测的补偿距离变化率的平均值和标准偏差值是否小于预选平均值和预选标准偏差值。
15.如权利要求13所述的系统,其中,所述处理器被配置为基于所述对象的所述长度和所述宽度的值以及检测的补偿距离变化率的平均值和标准偏差值来将所述对象分类为慢速移动对象或静止对象。
16.如权利要求9所述的系统,其中,所述边界框具有预选长度(L)和预选宽度(W)。
17.如权利要求9所述的系统,其中,所述跟踪设备在车辆上。
18.如权利要求17所述的系统,其中,所述车辆是自主车辆。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/039,890 US11035943B2 (en) | 2018-07-19 | 2018-07-19 | Radar based tracking of slow moving objects |
US16/039,890 | 2018-07-19 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110736981A CN110736981A (zh) | 2020-01-31 |
CN110736981B true CN110736981B (zh) | 2023-12-05 |
Family
ID=67137796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910645349.3A Active CN110736981B (zh) | 2018-07-19 | 2019-07-17 | 基于雷达的对慢速移动对象的跟踪 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11035943B2 (zh) |
EP (1) | EP3598169A1 (zh) |
CN (1) | CN110736981B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10829114B2 (en) * | 2019-02-06 | 2020-11-10 | Ford Global Technologies, Llc | Vehicle target tracking |
CN113625266A (zh) * | 2021-07-20 | 2021-11-09 | 嘉兴聚速电子技术有限公司 | 应用雷达检测低速目标的方法、装置、存储介质和设备 |
Citations (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1323051A (en) * | 1963-05-25 | 1973-07-11 | Telefunken Patent | Target location system utilizing the doppler principle |
AU6894100A (en) * | 1999-08-06 | 2001-03-05 | Roadrisk Technologies, Llc | Methods and apparatus for stationary object detection |
EP1245443A2 (en) * | 2001-03-30 | 2002-10-02 | Honda Giken Kogyo Kabushiki Kaisha | Vehicle environment monitoring system |
GB0401427D0 (en) * | 2003-03-28 | 2004-02-25 | Visteon Global Tech Inc | Stopped object filtering for side object detection system |
GB0412923D0 (en) * | 2003-07-30 | 2004-07-14 | Ford Motor Co | A method and system for performing object detection |
CN101018402A (zh) * | 2005-12-07 | 2007-08-15 | 埃卡豪股份有限公司 | 位置确定技术 |
WO2007111512A1 (en) * | 2006-03-29 | 2007-10-04 | Nederlandse Organisatie Voor Toegepast-Natuurwetenschappelijk Onderzoek Tno | Sensor for a traffic response system and traffic control system using a sensor |
CN101128337A (zh) * | 2005-02-21 | 2008-02-20 | 罗伯特·博世有限公司 | 在驾驶员辅助系统中确定对象的似然性的方法 |
CN101837782A (zh) * | 2009-01-26 | 2010-09-22 | 通用汽车环球科技运作公司 | 用于碰撞预备系统的多目标融合模块 |
CN101902598A (zh) * | 2009-04-02 | 2010-12-01 | 通用汽车环球科技运作公司 | 全挡风玻璃平视显示器上的推荐跟随距离 |
CN102004244A (zh) * | 2010-08-12 | 2011-04-06 | 中国航空无线电电子研究所 | 多普勒直接测距法 |
CN103733227A (zh) * | 2012-06-14 | 2014-04-16 | 索弗特凯耐提克软件公司 | 三维对象建模拟合与跟踪 |
CN103792523A (zh) * | 2014-03-05 | 2014-05-14 | 西安科技大学 | 基于张量积的uhf波段多通道雷达径向速度检测方法 |
CN104134354A (zh) * | 2013-04-30 | 2014-11-05 | 业纳遥控设备有限公司 | 用于在多目标记录模块中对移动车辆进行速度测量和指认的交通监测系统 |
CN104793202A (zh) * | 2014-01-16 | 2015-07-22 | 通用汽车环球科技运作有限责任公司 | 多雷达成像传感器的对象融合系统 |
CN104866823A (zh) * | 2015-05-11 | 2015-08-26 | 重庆邮电大学 | 一种基于单目视觉的车辆检测与跟踪方法 |
US9213904B1 (en) * | 2013-03-15 | 2015-12-15 | PureTech Systems Inc. | Autonomous lock-on target tracking with geospatial-aware PTZ cameras |
DE102015009382A1 (de) * | 2015-07-24 | 2016-01-21 | Daimler Ag | Verfahren zur radarbasierten Bestimmung einer Höhe eines Objekts |
US9342746B1 (en) * | 2011-03-17 | 2016-05-17 | UtopiaCompression Corporation | Maneuverless passive range estimation using monocular image sequences |
CN106597429A (zh) * | 2017-01-24 | 2017-04-26 | 成都泰格微电子研究所有限责任公司 | 一种基于雷达信号处理系统的速度跟踪子系统 |
CN106814353A (zh) * | 2017-01-24 | 2017-06-09 | 成都泰格微电子研究所有限责任公司 | 一种雷达信号处理系统 |
CN106991389A (zh) * | 2017-03-29 | 2017-07-28 | 蔚来汽车有限公司 | 确定道路边沿的装置和方法 |
CN107238834A (zh) * | 2016-01-19 | 2017-10-10 | 德尔福技术有限公司 | 用于自动车辆的使用雷达/视觉融合的目标跟踪系统 |
CN107667047A (zh) * | 2015-06-03 | 2018-02-06 | 法雷奥开关和传感器有限责任公司 | 用于将机动车辆侧向周围环境区域中细长静止物体分类的方法、驾驶员辅助系统和机动车辆 |
CN108020834A (zh) * | 2017-11-14 | 2018-05-11 | 石家庄铁道大学 | 基于改进edpca的运动目标检测方法、装置及电子设备 |
CN108292440A (zh) * | 2015-11-30 | 2018-07-17 | 德尔福技术有限责任公司 | 在校准图案的图像中的一组候选点内标识该校准图案的特征点的方法 |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7016782B2 (en) * | 2002-05-30 | 2006-03-21 | Delphi Technologies, Inc. | Collision detection system and method of estimating miss distance |
US7522091B2 (en) * | 2002-07-15 | 2009-04-21 | Automotive Systems Laboratory, Inc. | Road curvature estimation system |
DE10360889A1 (de) * | 2003-12-19 | 2005-07-14 | Robert Bosch Gmbh | System mit zwei oder mehr Sensoren |
WO2006087854A1 (ja) * | 2004-11-25 | 2006-08-24 | Sharp Kabushiki Kaisha | 情報分類装置、情報分類方法、情報分類プログラム、情報分類システム |
US7522089B2 (en) * | 2006-06-12 | 2009-04-21 | Raytheon Company | Airborne look-down doppler radar tracking of hovering helicopters using rotor features |
US8447472B2 (en) * | 2007-01-16 | 2013-05-21 | Ford Global Technologies, Llc | Method and system for impact time and velocity prediction |
GB0701869D0 (en) * | 2007-01-31 | 2007-03-14 | Cambridge Consultants | Adaptive radar |
US8605947B2 (en) * | 2008-04-24 | 2013-12-10 | GM Global Technology Operations LLC | Method for detecting a clear path of travel for a vehicle enhanced by object detection |
US8260539B2 (en) * | 2010-05-12 | 2012-09-04 | GM Global Technology Operations LLC | Object and vehicle detection and tracking using 3-D laser rangefinder |
JP5712649B2 (ja) * | 2011-02-07 | 2015-05-07 | 富士通株式会社 | レーダ装置及び目標探知方法 |
EP2527804B1 (de) * | 2011-05-27 | 2020-04-29 | VEGA Grieshaber KG | Verfahren zur Erkennung von Mehrfach- und Bodenechos |
US9170324B2 (en) * | 2013-04-04 | 2015-10-27 | Raytheon Company | Statistical movement analysis |
US10024955B2 (en) * | 2014-03-28 | 2018-07-17 | GM Global Technology Operations LLC | System and method for determining of and compensating for misalignment of a sensor |
US10539669B2 (en) * | 2014-10-08 | 2020-01-21 | Texas Instruments Incorporated | Three dimensional (3D) tracking of objects in a radar system |
US9650026B2 (en) * | 2015-08-31 | 2017-05-16 | GM Global Technology Operations LLC | Method and apparatus for rear cross traffic avoidance |
US10274593B2 (en) * | 2015-10-02 | 2019-04-30 | Panasonic Corporation | Object detection device and object detection method |
US9898677B1 (en) * | 2015-10-13 | 2018-02-20 | MotionDSP, Inc. | Object-level grouping and identification for tracking objects in a video |
EP3236286B1 (en) * | 2016-04-18 | 2023-01-25 | Otis Elevator Company | Auto commissioning system and method |
US20180096595A1 (en) * | 2016-10-04 | 2018-04-05 | Street Simplified, LLC | Traffic Control Systems and Methods |
US10332391B2 (en) * | 2016-12-06 | 2019-06-25 | Here Global B.V. | Split lane traffic jam detection and remediation |
KR101977458B1 (ko) * | 2017-03-06 | 2019-05-10 | 지엠 글로벌 테크놀러지 오퍼레이션스 엘엘씨 | 레이더 센서와 upa 센서를 이용하는 충돌 예측 알고리즘 |
US10216189B1 (en) * | 2017-08-23 | 2019-02-26 | Uber Technologies, Inc. | Systems and methods for prioritizing object prediction for autonomous vehicles |
US20190079526A1 (en) * | 2017-09-08 | 2019-03-14 | Uber Technologies, Inc. | Orientation Determination in Object Detection and Tracking for Autonomous Vehicles |
US20190179317A1 (en) * | 2017-12-13 | 2019-06-13 | Luminar Technologies, Inc. | Controlling vehicle sensors using an attention model |
US10551485B1 (en) * | 2018-08-06 | 2020-02-04 | Luminar Technologies, Inc. | Fitting points to a surface |
-
2018
- 2018-07-19 US US16/039,890 patent/US11035943B2/en active Active
-
2019
- 2019-07-01 EP EP19183555.2A patent/EP3598169A1/en active Pending
- 2019-07-17 CN CN201910645349.3A patent/CN110736981B/zh active Active
Patent Citations (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1323051A (en) * | 1963-05-25 | 1973-07-11 | Telefunken Patent | Target location system utilizing the doppler principle |
AU6894100A (en) * | 1999-08-06 | 2001-03-05 | Roadrisk Technologies, Llc | Methods and apparatus for stationary object detection |
EP1245443A2 (en) * | 2001-03-30 | 2002-10-02 | Honda Giken Kogyo Kabushiki Kaisha | Vehicle environment monitoring system |
GB0401427D0 (en) * | 2003-03-28 | 2004-02-25 | Visteon Global Tech Inc | Stopped object filtering for side object detection system |
GB0412923D0 (en) * | 2003-07-30 | 2004-07-14 | Ford Motor Co | A method and system for performing object detection |
CN101128337A (zh) * | 2005-02-21 | 2008-02-20 | 罗伯特·博世有限公司 | 在驾驶员辅助系统中确定对象的似然性的方法 |
CN101018402A (zh) * | 2005-12-07 | 2007-08-15 | 埃卡豪股份有限公司 | 位置确定技术 |
WO2007111512A1 (en) * | 2006-03-29 | 2007-10-04 | Nederlandse Organisatie Voor Toegepast-Natuurwetenschappelijk Onderzoek Tno | Sensor for a traffic response system and traffic control system using a sensor |
CN101837782A (zh) * | 2009-01-26 | 2010-09-22 | 通用汽车环球科技运作公司 | 用于碰撞预备系统的多目标融合模块 |
CN101902598A (zh) * | 2009-04-02 | 2010-12-01 | 通用汽车环球科技运作公司 | 全挡风玻璃平视显示器上的推荐跟随距离 |
CN102004244A (zh) * | 2010-08-12 | 2011-04-06 | 中国航空无线电电子研究所 | 多普勒直接测距法 |
US9342746B1 (en) * | 2011-03-17 | 2016-05-17 | UtopiaCompression Corporation | Maneuverless passive range estimation using monocular image sequences |
CN103733227A (zh) * | 2012-06-14 | 2014-04-16 | 索弗特凯耐提克软件公司 | 三维对象建模拟合与跟踪 |
US9213904B1 (en) * | 2013-03-15 | 2015-12-15 | PureTech Systems Inc. | Autonomous lock-on target tracking with geospatial-aware PTZ cameras |
CN104134354A (zh) * | 2013-04-30 | 2014-11-05 | 业纳遥控设备有限公司 | 用于在多目标记录模块中对移动车辆进行速度测量和指认的交通监测系统 |
CN104793202A (zh) * | 2014-01-16 | 2015-07-22 | 通用汽车环球科技运作有限责任公司 | 多雷达成像传感器的对象融合系统 |
CN103792523A (zh) * | 2014-03-05 | 2014-05-14 | 西安科技大学 | 基于张量积的uhf波段多通道雷达径向速度检测方法 |
CN104866823A (zh) * | 2015-05-11 | 2015-08-26 | 重庆邮电大学 | 一种基于单目视觉的车辆检测与跟踪方法 |
CN107667047A (zh) * | 2015-06-03 | 2018-02-06 | 法雷奥开关和传感器有限责任公司 | 用于将机动车辆侧向周围环境区域中细长静止物体分类的方法、驾驶员辅助系统和机动车辆 |
DE102015009382A1 (de) * | 2015-07-24 | 2016-01-21 | Daimler Ag | Verfahren zur radarbasierten Bestimmung einer Höhe eines Objekts |
CN108292440A (zh) * | 2015-11-30 | 2018-07-17 | 德尔福技术有限责任公司 | 在校准图案的图像中的一组候选点内标识该校准图案的特征点的方法 |
CN107238834A (zh) * | 2016-01-19 | 2017-10-10 | 德尔福技术有限公司 | 用于自动车辆的使用雷达/视觉融合的目标跟踪系统 |
CN106597429A (zh) * | 2017-01-24 | 2017-04-26 | 成都泰格微电子研究所有限责任公司 | 一种基于雷达信号处理系统的速度跟踪子系统 |
CN106814353A (zh) * | 2017-01-24 | 2017-06-09 | 成都泰格微电子研究所有限责任公司 | 一种雷达信号处理系统 |
CN106991389A (zh) * | 2017-03-29 | 2017-07-28 | 蔚来汽车有限公司 | 确定道路边沿的装置和方法 |
CN108020834A (zh) * | 2017-11-14 | 2018-05-11 | 石家庄铁道大学 | 基于改进edpca的运动目标检测方法、装置及电子设备 |
Non-Patent Citations (4)
Title |
---|
.J-P.R. Renno ; J. Orwell ; G.A. Jones.Evaluation of shadow classification techniques for object detection and tracking.《IEEE》.2005,第143-146页. * |
严鑫. 毫米波雷达多目标检测与参数估计算法研究.《中国优秀硕士学位论文全文数据库 信息科技辑》.2018,第I136-2522页. * |
徐琨.交通视频监控中的车辆检测与跟踪方法研究.《中国博士学位论文全文数据库 信息科技辑》.2012,第I138-91页. * |
陈玲玲 ; 朱松豪 ; 李向向 ; 刘佳伟. 融合卡尔曼滤波与TLD算法的目标跟踪.《 第27届中国控制与决策会议论文集(下册) 》.2015,第2951-2956页. * |
Also Published As
Publication number | Publication date |
---|---|
US11035943B2 (en) | 2021-06-15 |
US20200025902A1 (en) | 2020-01-23 |
EP3598169A1 (en) | 2020-01-22 |
CN110736981A (zh) | 2020-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11131766B2 (en) | Method for the recognition of an object | |
US10605896B2 (en) | Radar-installation-angle calculating device, radar apparatus, and radar-installation-angle calculating method | |
US10139833B1 (en) | Six-dimensional point cloud system for a vehicle | |
US9255988B2 (en) | Object fusion system of multiple radar imaging sensors | |
JP6856452B2 (ja) | 物標判定装置及び運転支援システム | |
US10929653B2 (en) | Method for the recognition of a moving pedestrian | |
CN107103275B (zh) | 使用雷达和视觉基于车轮进行的车辆检测和追踪 | |
WO2002021156A3 (en) | Path prediction system and method | |
Schubert et al. | Clustering of high resolution automotive radar detections and subsequent feature extraction for classification of road users | |
US10481254B2 (en) | Radar device and method for determining targets to be followed | |
US20160170020A1 (en) | On-board radar apparatus and region detection method | |
JP7147651B2 (ja) | 物体認識装置及び車両制御システム | |
CN110736981B (zh) | 基于雷达的对慢速移动对象的跟踪 | |
CN110888115B (zh) | 对雷达跟踪的潜在静止对象进行分类 | |
Lim et al. | Real-time forward collision warning system using nested Kalman filter for monocular camera | |
Otto et al. | A joint integrated probabilistic data association filter for pedestrian tracking across blind regions using monocular camera and radar | |
US20230034560A1 (en) | Method for tracking a remote target vehicle in an area surrounding a motor vehicle by means of a collision detection device | |
CN116215526A (zh) | 车辆行驶控制方法,系统及存储介质 | |
CN110678778A (zh) | 用于检测迎面车辆的车辆系统 | |
JP6906638B2 (ja) | 対向車を検出するための車両システム | |
US11113824B2 (en) | Heading angle estimation for object tracking | |
Stolz et al. | Direction of movement estimation of cyclists with a high-resolution automotive radar | |
CN113298950B (zh) | 一种物体属性的确定方法、装置、电子设备和存储介质 | |
KR102570060B1 (ko) | 자동차 및 자동차의 제어 방법 | |
JP2022545513A (ja) | オブジェクトを捕捉するための方法 |
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 |