CN110892281A - 用于雷达系统的操作的方法 - Google Patents

用于雷达系统的操作的方法 Download PDF

Info

Publication number
CN110892281A
CN110892281A CN201780093197.XA CN201780093197A CN110892281A CN 110892281 A CN110892281 A CN 110892281A CN 201780093197 A CN201780093197 A CN 201780093197A CN 110892281 A CN110892281 A CN 110892281A
Authority
CN
China
Prior art keywords
speed
estimation
self
velocity
vehicle
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
Application number
CN201780093197.XA
Other languages
English (en)
Other versions
CN110892281B (zh
Inventor
T·菲
T·布莱德曼
R·法霍德
E·瓦西茨
C·格林姆
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.)
Hella GmbH and Co KGaA
Original Assignee
Hella GmbH and Co KGaA
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 Hella GmbH and Co KGaA filed Critical Hella GmbH and Co KGaA
Publication of CN110892281A publication Critical patent/CN110892281A/zh
Application granted granted Critical
Publication of CN110892281B publication Critical patent/CN110892281B/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
    • G01S13/02—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
    • G01S13/60—Velocity or trajectory determination systems; Sense-of-movement determination systems wherein the transmitter and receiver are mounted on the moving object, e.g. for determining ground speed, drift angle, ground track
    • 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
    • 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
    • G01S2013/932—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

Abstract

一种用于操作交通工具(2)的雷达系统(1)的方法(100)，其中雷达系统(1)具有用于检测该交通工具(2)外部的至少一个目标(5)的至少一个雷达传感器(10)，该方法包括以下步骤：‑执行对该交通工具(2)的自我速度(vEgo)的预测，从而确定预测结果，‑使用该预测结果来执行用于将至少一个检测到的目标(5)分类为静止目标(5a)的分类，从而确定分类结果，‑选择至少两种估计方法(140)之一以进行对自我速度(vEgo)的估计，其中该选择取决于对该分类结果的评估。

Description

用于雷达系统的操作的方法
具体实施方式
本发明涉及用于雷达系统的操作的方法和系统。
自我交通工具(ego-vehicle)速度(下文中也称为自我速度)的准确估计是提供实际驾驶员辅助功能(如自适应巡航控制或后方交叉交通警报)的重要要求。已知可以基于测量轮子的转速的特殊轮编码器来执行该估计。在忽略轮胎打滑的假定下，并且在知道轮胎直径的情况下，可能足够好地估计自我速度。
但是，这种所谓的里程计速度估计具有明显的缺点。例如，如果轮胎直径不是确切地已知，则估计将导致速度比例误差。而且，里程计传感器需要最小的角轮子速度以提供可靠的速度估计，从而导致在低的交通工具速度处不可观察的速度估计。
用于足够的速度估计的其它已知解决方案提供了使用雷达系统的对静止目标的检测。但是，用于将检测到的目标分类为静止或动态的雷达系统的操作在技术上是复杂的，并且常常不够可靠、鲁棒和/或精确。此外，用于将目标分类为静止的已知方法通常使用昂贵的算法。这具有另外的缺点，即，在具有低性能芯片组的硬件(如嵌入式硬件)上的集成是不可能的。
一种用于基于检测到的静止目标来估计自我运动的方法根据以下出版物是已知的：D.Kellner等人，Instantaneous Lateral Velocity Estimation of a vehicle usingDoppler radar，于2013年发表在the 16th International Conference on InformationFusion。
本发明的目的是至少部分地克服上述问题。具体地，本发明的一个目的是提供一种用于操作雷达系统(具体是用于雷达传感器的静止目标和动态目标的分类)的简化的和/或更可靠的和/或更精确的解决方案。
上述目的通过根据独立权利要求1的方法、通过根据独立权利要求11的系统以及通过根据独立权利要求12的计算机程序产品来实现。本发明的其它特征和细节由从属权利要求、说明书和附图得出。关于发明的方法所讨论的特征和细节也与发明的系统和发明的计算机程序产品相关，并且在每种情况下反之亦然。
具体地，该目的通过一种用于操作交通工具的雷达系统的方法来实现，其中该雷达系统具有用于检测交通工具外部的至少一个目标的至少一个雷达传感器，该方法包括以下步骤：
-对交通工具的自我速度进行预测，从而确定预测结果(预测步骤)，其中具体地，该预测结果包括关于预测的方差的方差信息，
-使用预测结果，例如至少所预测的自我速度和/或方差信息，以及/或者使用雷达信息(如检测到的目标的相对速度)，执行用于将至少一个检测到的目标分类为静止目标的分类，从而确定分类结果(分类步骤)，
-选择至少两种估计方法之一以进行对自我速度的估计，其中该选择取决于对分类结果的评估。
具体地，选择至少两种估计方法之一的步骤考虑了静止雷达目标(由雷达系统检测到的静止目标)的数量不足以进行准确的自我速度估计的情况。因此，发明的方法使得能够对汽车雷达系统的静止目标和动态目标进行精确且鲁棒的分类。具体地，精确在意义上是指可以实现高分类精确度，并且鲁棒在意义上是指即使在自我速度信息不准确的情况下分类质量仍然保持很高。根据选择步骤对分类结果的评估可以包括决定，其中具体地，比较被执行作为该决定(在下文中称为决定步骤)的基础。优选地，所估计的和/或(经校正的)所预测的自我速度可以用于交通工具的至少一种驾驶员辅助功能，如自适应巡航控制或后方交叉交通警报。具体地，发明的方法的步骤(各自或一起)被重复地执行，具体是迭代地执行。
可选地，交通工具被配置为乘用交通工具和/或电动交通工具和/或机动交通工具和/或陆地交通工具和/或卡车。术语“自我交通工具”也指这种交通工具，因为它的自我速度是估计的。
可以进行规定，在由雷达传感器执行的测量步骤和/或检测步骤之后，执行发明的方法的至少一个步骤，具体是预测和/或分类和/或选择和/或估计，其中在检测步骤中检测至少一个目标和/或在测量步骤中测量至少一个雷达信号。此外，在这些步骤中的至少一个步骤中，可以确定雷达信息，具体是每个检测到的目标的相对速度和/或入射角。
可选地，在预测步骤(有利地包括自我速度和/或方差的预测)之后，使用预测结果(具体是所预测的自我速度和/或所预测的方差)来执行分类。例如，所预测的自我速度和/或所预测的方差可以用于计算相对速度和/或决定检测到的目标是否是静止的。具体地，方差可以用于确定比较范围，该比较范围用于决定检测到的目标是否是静止的。此外，进一步的信息可以用于分类，具体是由雷达传感器测量的每个检测到的目标的入射角(即，对应雷达反射的入射角)和/或每个检测到的目标的相对速度(或者分别雷达反射)。随后，可以使用来自关于被分类为静止的目标的分类结果的信息来估计自我速度，被称为基于雷达的速度估计。该估计可用于校正由预测确定的自我速度(被称为“对预测的校正”)和/或校正由交通工具的里程计确定的自我速度(被称为“对里程计速度的校正”)。
具体地，里程计速度可以通过模型使用递归估计来校正。通过使用里程计速度的校正，获得经校正的里程计速度。如果分类结果不允许对自我速度的足够的估计(例如，静止目标的数量不足)，则经校正的里程计速度可用于对预测的校正。这允许获得瞬时速度估计，即使是在静止目标的数量不足的情况下。此外，如果静止目标被分类，则所估计的自我速度可以用于自适应地调节用于分类的分类器，以提高分类准确度。
具体地，本发明允许精确且鲁棒的分类，即使由交通工具接口(例如由里程计)提供的自我速度信息不正确。在下文中，由交通工具接口提供的该自我速度信息指定关于自我交通工具的自我速度的速度信息，该速度信息是独立于雷达系统而确定的，例如由交通工具制造商提供，优选地由里程计提供，具体优选地是从交通工具的CAN(控制器局域网)接口读取，并且该速度信息在下文被表示为“交通工具内(intern)速度信息”。
可以规定，发明的方法可以区分检测到的静止的和动态的雷达目标(分类)，并且然后利用相对速度和静止目标与交通工具(自我汽车)之间的角度的知识来提供对自我速度的估计。为了提供移动目标和静止目标之间的最佳可能区分，必须估计自我速度的精确知识，因为它可以直接影响静止目标观察的速度窗口(例如，参见C.Grimm和R.Farhoud和T.Fei和E.Warsitz和R.Haeb-Umbach，Hypothesis test for the detection of movingtargets in automotive radar，于2017年发表在the IEEE International Conferenceon Microwaves,Communications,Antennas and Electronic Systems)。
根据本发明的另一方面，分类可以基于至少三个参数来执行，该至少三个参数为：交通工具的自我速度(vEgo)、反射目标的入射角(phi)和反射目标的相对速度(vR)。例如，来自预测步骤的所预测的自我速度可以用作自我速度vEgo。替代地或附加地，分类可以使用在预测步骤中确定的方差信息。方差信息和/或所预测的自我速度可以是预测结果的部分。例如，方差信息可与检测到的目标的相对速度vR(直接或间接地在进一步的处理以提供比较范围之后)进行比较，以便将检测到的目标分类为静止的(或动态的)。相对速度vR可以由雷达传感器确定。将目标分类为静止和/或被分类为静止的目标的数量可以是分类结果的一部分。
具体地，基于交通工具参数(如交通工具加速度)和/或基于由对预测的校正提供的校正信息，使用回归或线性预测算法或Kalman滤波在预测步骤中确定所预测的自我速度。
后续分类可以优选地基于物理模型：
vR＝vEgo*cos(phi).
随后，可以针对vEgo求解该方程，以使用静止目标校正所确定的交通工具的自我速度，尤其是(在预测步骤中预测的)所预测的自我速度(例如，这可以在分类之后在校正步骤中执行和/或在本发明的方法的第一估计方法中执行)。换句话说，基于雷达的速度估计可以通过使用关于检测到的静止目标的分类结果和雷达信息(检测到的静止目标的相对速度和入射角)来执行，以便估计交通工具的自我速度。优选地，在对预测的该校正之后(例如在校正步骤中)，(自我)速度信息(具体是交通工具内速度信息)的另一个校正可以例如通过使用校正模型和速度的递归估计来执行。具体地，根据本发明的想法是，如果静止目标的数量不足以(例如，经由第一估计方法)适当地估计自我速度，则可以使用替代估计方法(例如，第二估计方法)。对于第二估计方法，例如，交通工具内速度信息可以用于对预测的校正和/或用于提供瞬时速度估计，从而可以维持分类的稳定性。具体地，通过使用该校正模型，可以在任何给定时间(具体是通过第一或第二估计方法)提供瞬时自我速度估计。
可以构想，对于静止雷达目标的检测，即，对于分类步骤，利用如在以下中给出的统计假设测试：C.Grimm和R.Farhoud和T.Fei和E.Warsitz和R.Haeb-Umbach，Hypothesistest for the detection of moving targets in automotive radar，于2017年发表在the IEEE International Conference on Microwaves,Communications,Antennas andElectronic Systems。相应地，下面描述的单个方法步骤(如分类步骤)可以至少部分地在上述出版物的公开中找到。
根据分类步骤，可以根据自我速度计算出静止目标的可能性。这里，例如，可以使用所预测的自我速度(根据预测步骤)或所估计的自我速度(根据估计方法)。此外，雷达测量的即将到来的反射目标的方位角和目标的相对速度(“vR”)可以用于该计算。由于变量被建模为随机变量，因此可以计算出原始目标的测量速度与预期速度之间的差e的置信区间(例如，被称为比较范围)。如果测量速度与预期之间的差超出静止原始目标的参数化区间(μE±σE·Q-1(α/2))，则它可能不是源于静止目标，由H0假设描述：
拒绝H0，如果e≤μE-σE·Q-1(α/2)
或者e≥μE+σE·Q-1(α/2).
区间的影响因素可以是：
-反射目标的入射角
Figure BDA0002367181230000061
(或“phi”)，和/或
-自我速度
Figure BDA0002367181230000065
(或“vEgo”)，和/或
-自我速度测量结果的标准差
Figure BDA0002367181230000064
和/或
-角度测量结果的标准差
Figure BDA0002367181230000062
和/或
-通过雷达的相对速度测量结果的标准差
Figure BDA0002367181230000063
具体地，该参数化区间被称为“比较范围”，并且为了获得最佳的分类准确度，必须具有尽可能最小的必要参数化区间(比较范围)。通过准确的自我速度信息可以实现对区间减小的显著的发展潜力。但是，由交通工具制造商提供的自我速度信息(以及例如从交通工具接口读取为里程计速度)并非总是无偏差的，并且由于所涉及的零件在交通工具的使用寿命内的机械磨损而可能继续增加。那么精确分类是困难的。因此，为了获得更好的分类率，有必要减小自我速度的不确定性。这里，使用基于雷达的速度估计是有益的。
可以规定，基于雷达的速度估计被用于估计方法。当检测到静止的目标并假定自我交通工具的纵向移动时，可以将运动学状态描述为相对值。优选地，目标的相对或径向速度Rvx及其入射角Rphi可以由雷达传感器测量。自我汽车的速度信息vEgo例如可以由交通工具里程计系统获得为所估计的里程计速度，并且/或者可以由预测步骤来预测和/或基于雷达测量结果来估计。换句话说，基于雷达的速度估计基于分类结果(静止目标)和基于雷达信息(例如，相对速度Rvx和/或入射角Rphi)来执行对自我速度的估计。然后，可以用于基于雷达的速度估计的速度方程可以被描述为：
Rvx＝vEgo*cos(Rphi).
例如，可以使用最大似然估计方法来估计自我速度。此外，径向测量的速度的方差
Figure BDA0002367181230000071
和角度测量结果的方差
Figure BDA0002367181230000072
可以被建模为高斯分布的，并且/或者优选地可以通过使用闭合解回归算法执行回归。具体地，可以使用正交距离回归(ODR)，它通过考虑径向速度和角度测量结果的各个方差的一批测量结果来识别回归线。回归线可以被迭代地计算，从而可以考虑所描述的方程的非线性。具体地，速度可以利用闭合解回归算法来适当地估计，而不会太多地牺牲准确度。
有利的是，可以使用没有各个方差的ODR回归。经由主成分分析(PCA)进行集成，该回归执行酉(unitary)变换，该酉变换最大化/最小化数据中的方差。如果二阶矩将由相关联(correlating)关系上的各个方差
Figure BDA0002367181230000073
和
Figure BDA0002367181230000074
主导，那么其中将出现不佳速度估计的情况发生
Figure BDA0002367181230000075
由于距离具有二次影响的事实(在机械工程中，这被称为“平行轴定理”)，距原点远的静止目标肯定会主导主轴的计算。
但是，如果雷达测量结果和/或分类结果不足，则基于里程计的速度估计可以被用于估计方法。这里，可以从交通工具的接口接收由交通工具制造商提供的里程计速度。随后，可以校正接收到的里程计速度，以提供经校正的里程计速度。基于里程计的速度估计可以具体地在不使用雷达信息的情况下执行。
优选地，可以规定，至少两种估计方法包括：
-作为第一估计方法：执行基于雷达的速度估计，该基于雷达的速度估计取决于分类为静止目标的至少一个目标和/或附加雷达信息，以及
-作为第二估计方法：执行基于里程计的速度估计，具体地，其中，基于从交通工具的接口读取的速度信息来使用经校正的里程计速度，其中，具体地，自我速度的估计被用于校正所预测的自我速度。
换句话说，该第一估计方法基于分类结果(具体是静止目标)来确定自我速度，从而只有在分类结果允许以足够的精度估计自我速度时，才应执行该基于雷达的速度估计。否则，该第二估计方法更合适，因为它可以提供里程计速度估计。为了决定是选择第一估计方法还是第二估计方法，可以执行决定步骤。此外，根据本发明的另一方面，可以通过例如基于先前的估计的结果的校正来进一步改进里程计速度。
本发明的另一方面是，选择所取决于的对分类结果的评估包括：
-将被分类为静止目标的目标的数量与静止目标的预定的最小数量进行比较，其中仅当该目标的数量大于或等于静止目标的最小数量时才执行第一估计方法，否则执行第二估计方法，并且具体地仅当所预测的自我速度高于或等于预定的最小速度时才执行第二估计方法。
可以规定，预定的最小速度在从0.5m/s至4m/s的范围内，优选地在从1m/s至3m/s的范围内，具体地是2m/s。这可以是其中不可观察到的速度区间没有效果的极限。换句话说，当速度低于最小速度时，里程计速度的使用是不合适的，这例如是由于系统误差等。在这种情况下，即，速度低于最小速度，发明的方法可以在预测步骤处直接重新开始。但是，预定的最小速度(的绝对值)可以优选地被设置为零，从而如果被分类为静止的目标的数量小于静止目标的预定的最小数量，则总是执行第二估计方法。
根据本发明的另一方面，静止目标的预定的最小数量为至少1或至少5或至少10，或者在从1至10的范围内，优选地在从2至8的范围内，具体优选地在从4至6的范围内，尤其为5。具体地，如果观察到的静止目标(检测到的被分类为静止的目标)的数量小于最小数量，例如小于5，以及/或者(所预测的)速度小于预定的最小速度，例如低于2m/s，则速度估计方法不能用作针对预测和/或Kalman滤波器的测量结果。
本发明的另一方面是，执行预测的步骤包括：通过使用Kalman滤波和/或跟踪算法，预测自我速度并确定对应的方差信息。因为速度对于对静止目标进行分类至关重要，所以经由正确的模型滤波来确保合理性是有用的。因此，可以规定，Kalman滤波器被用于预测自我速度。Kalman滤波允许假如有噪声和临时丢失状态测量则通过对交通工具的物理传输行为进行建模来对预期的自我速度进行估计和平滑。Kalman滤波器的使用改善了自我交通工具的速度估计的性能以及对静止目标和动态移动目标的区分。
根据本发明的另一方面，系统协方差矩阵Q被用于执行预测的步骤。这可以解决恒定加速度的模型假定不适用于动态驾驶员操纵的问题。加速度的误差
Figure BDA0002367181230000091
可以被假定为对于恒定加速度
Figure BDA0002367181230000092
具有方差
Figure BDA0002367181230000093
的加性的且无均值(average-free)的正态分布的随机变量。如恒定加速度一样，该随机加速度可以被投影到系统矩阵的第二列上的状态向量x中。为了获得系统的协方差矩阵，可以首先将系统形成为具有
Figure BDA0002367181230000094
作为加性高斯噪声的随机过程。
Figure BDA0002367181230000095
然后来自系统的第二中心矩的过程协方差可以被计算为随机过程：
Figure BDA0002367181230000096
因为现代交通工具可以达到大约amax＝10ms-2的最大加速度，所以可以有利地选择这些值作为加速度的最大偏差。在围绕正态分布随机变量的预期值的约三倍标准差的区间宽度中，可以涵盖所有实现的大约99.7％的概率。该概率可以是足够的，并且允许将超参数σa具体地设置为：
Figure BDA0002367181230000101
可以规定，雷达系统给Kalman滤波器馈送自我速度点估计。在预测步骤中，Kalman滤波器可以优选地估计实际的自我速度和速度方差，然后可以将实际的自我速度和速度方差用于对静止目标进行分类。随后，可以利用静止目标以估计自我速度和测量误差，之后进行Kalman滤波器的校正步骤。
有利地，可能通过Kalman滤波器来预测自我速度。具体地，如果有时尚未检测到足够的静止原始目标以便执行自我速度估计，则仍然可以经由Kalman滤波器对缺失的速度进行预测。
此外，通过使用对自我速度的估计和对方差的估计，可以关于分类精度自适应地调节用于分类的分类器。此外，如果在静止目标的数量不足的情况下使用校正模型，则分类和/或自我速度估计的稳定性可以显著增加。
还可以规定，所确定的方差信息(例如在预测步骤中确定的)被用于执行分类，具体是通过基于方差信息来确定比较范围，其中例如将每个检测到的目标的检测信息(如相对速度或入射角等)与比较范围进行比较，并且优选地，如果检测信息(如相对速度)位于比较范围内，则将至少一个检测到的目标分类为静止目标。有利地，比较范围可以是参数化的区间和/或预定(或预限定)的值范围，其对于指示静止目标的相对速度的值是特定的。比较范围可以例如取决于由(从预测步骤取得的)方差信息所指示的方差的量(例如，成比例地)而被经验性地限定和/或减小和/或增加。此外，可以取决于检测到的目标的相对速度(vR)和/或检测到的目标的入射角(phi)等来确定比较范围和/或方差信息。这允许对静止目标的可靠分类。根据另一个优点，分类可以包括将相对速度vR与受检测角度(具体是入射角)phi影响的(比较)范围进行比较的步骤，或将检测角度phi与受相对速度vR影响的(比较)范围进行比较的步骤。自然地，使用比较范围的用于分类的类似的比较步骤或分析步骤也是本发明的一部分，即使仅提到示例性的一种变型(例如，相对速度与比较范围的比较)。
还可以构想的是，第一估计方法包括：基于分类，具体是基于被分类为静止目标的目标，具体优选地通过使用回归算法，估计交通工具的瞬时自我速度。回归算法可以是迭代回归算法，例如ODR。这可以有利地归因于非线性系统模型。
可选地，第二估计方法包括：基于经校正的里程计速度，估计交通工具的瞬时自我速度，其中优选地，经校正的里程计速度是从里程计速度确定的，该里程计速度通过(例如线性)模型根据适当的系统模型进行校正。这里，可以例如通过递归最小二乘(RLS)法来调整模型参数(例如，β1和/或β2)。
还可以规定，在执行选择所选择的估计方法的步骤之后，并且在执行所选择的估计方法的步骤之后，使用所估计的自我速度来调整和/或校正预测的至少一个参数，具体地是用于Kalman滤波的至少一个参数。该调整可以取决于分类结果和/或取决于通过所选择的估计方法估计的自我速度。静止目标可以例如被用于估计自我速度和测量误差，之后进行Kalman滤波的校正步骤。该校正步骤可以包括调整用于预测的至少一个参数，从而可以改善预测。
可以构想的是，在调整预测的参数的步骤之前或之后，基于参数估计来执行里程计校正，具体是使用递归最小二乘法来执行。例如，可以校正里程计速度测量结果的系统误差。类似于Kalman滤波的校正步骤，先前的结果和/或误差信息和/或方差信息和/或回归和/或建模可以被用于改善里程计速度。
如果需要执行连续的预测步骤(例如，由于失去的静止目标)，则所预测的速度可能明显偏离真实速度，并且所预测的方差可能会迅速增加，从而动态目标可能被错误分类为静止目标。为了解决这一点，基于经校正的里程计速度vEgo，CAN来估计速度可能是有用的。但是，由于导致线性比例误差项的轮胎直径的误差，这可能被破坏。因此，根据本发明的另一方面，线性模型可用于纠正这个问题：
Figure BDA0002367181230000121
虽然轮胎直径将随着交通工具的使用寿命而变化，但可以规定例如通过使用递归最小二乘(RLS)法来随时间调整模型参数，具体是在忘记经由里程计基于速度信号来估计自我速度的情况下(例如，忘记参数可以是0.99)。(这种递归最小二乘法例如在S.Haykin，Adaptive Filter Theory,Prentice Hall,Inc.,1996中进行了描述)。
本发明的另一方面是一种用于交通工具的系统，具体是雷达系统，包括：
-用于检测交通工具外部的至少一个目标的雷达传感器，
-用于执行发明的方法的步骤的至少一个控制单元。
通过利用发明的系统执行发明的方法，发明的系统提出了与已经关于发明的方法详细讨论的优点相同的优点。
本发明的另一方面是一种存储在计算机可读介质上的用于操作雷达系统的计算机程序产品，包括以下：
-计算机可读程序装置，使计算机开始执行对交通工具的自我速度的预测，从而确定预测结果，
-计算机可读程序装置，使计算机开始使用预测结果来执行用于将至少一个目标分类为静止目标的分类，从而确定分类结果，
-计算机可读程序装置，使计算机开始选择至少两种估计方法之一以进行对自我速度的估计，其中该选择取决于对分类结果的评估。
具体地，发明的计算机程序产品可以用于使计算机开始执行发明的方法的步骤。因此，发明的计算机程序产品提出了与已经关于发明的方法和/或发明的系统详细讨论的优点相同的优点。
可以规定，计算机程序产品被配置用于在雷达传感器(具体是汽车雷达传感器，具体优选地是发明的雷达系统)视野中检测移动目标。具体地，计算机程序产品包括被配置为使计算机开始执行发明的方法的计算机可读装置。这具有计算机程序产品可以处理失真的自我速度信息的优点。根据本发明的另一方面，该计算机程序产品能够基于以前检测到的静止目标以高准确度来估计自我速度，其随后用于目标分类。
在下文中，基于支持性图描述了本发明的优选实施例。因此，在权利要求书和在说明书中描述的特征可以各自是单独的，或以对于本发明而言必要的每种组合。它以示意性方式示出：
图1是发明的方法的流程图，
图2是发明的方法的预测步骤，
图3是发明的方法的分类步骤，
图4是发明的方法的决定步骤，
图5是雷达系统的各个部分。
图1示出了用于发明的方法100的可视化的流程图。首先，初始化步骤105可以在交通工具2启动时执行，该初始化步骤105有利地包括将自我速度vEgo设置在0m/s，以及将交通工具2的自我加速度设置在0m/s2。自然地，交通工具2指代自我交通工具2。
在预测步骤110中，Kalman滤波可用于预测自我速度vEgo和可选地预测方差信息210，该预测方差信息210可以提供预测的方差(如图2中所示)。预测步骤110的该结果被称为“预测结果”。
随后，可以通过分类步骤120来确定静止目标5a(也如图3中所示)。这里，可以执行将至少一个检测到的目标5分类为静止目标5a和动态目标5b。此外，在初始化步骤105中，可以确定或限定可用于确定比较范围的至少一个初始阈值。比较范围可以例如在分类步骤120中用于通过考虑检测到的目标5的相对速度vR来使静止目标5a区分于动态目标5b。具体地，该至少一个阈值(或由该至少一个阈值得出的比较范围)与相对速度vR进行比较。有利地，如果比较的结果是检测到的目标5的相对速度vR位于比较范围内，则检测到的目标5被分类为是静止的。否则，检测到的目标5可以被分类为是动态的。预测的方差越低(由方差信息210确定)，比较范围可以越小。
随后，自我速度vEgo可以通过估计方法140之一来估计。例如，可以使用利用分类步骤120的结果和/或预测步骤110的结果(例如，方差信息210)的第一估计方法140a。这里，瞬时自我速度vEgo可以例如通过回归滤波器来估计。但是，如果先前步骤的结果(具体是分类步骤120的结果)不足以进行估计，则替代的第二估计方法140b可以被用于估计交通工具2的自我速度vEgo。例如，该第二估计方法140b包括使用交通工具2的里程计信号(具体是经校正的里程计速度)(这可以从接口3(具体是交通工具2的CAN接口)检索，以及/或者在里程计校正步骤160中校正)的估计。执行第一估计方法140a还是执行第二估计方法140b的决定可以在决定步骤130中做出(也如图4中所示)。这里，可以做出包括将分类为静止的目标5的数量与静止目标的最小数量250进行比较的第一决定130a。随后，如果第一决定130是否定的，则自我速度vEgo可与最小速度251进行比较，以进行第二决定130b。如果静止目标5a的数量大于或等于静止目标的最小数量250，则可以选择并执行第一估计方法140a。如果静止目标5a的数量小于静止目标的最小数量250，则第二决定130b可以开始。如果在第二决定130b中自我速度vEgo高于或等于最小速度251，则可以选择并执行第二估计方法140b。如果自我速度vEgo更小，则可以在没有对自我速度vEgo的估计的情况下再次执行预测步骤110。
在下一个校正步骤150中，预测步骤110的结果可以与所选择的估计方法140的结果进行组合，以便改善对自我速度vEgo的估计以及/或者自适应地调节在预测步骤110中使用(具体是用于Kalman滤波器)的参数。
随后，在里程计校正步骤160中，线性模型可以被用于校正由交通工具2的里程计给出的速度信息，即，自我速度信息。由里程计的速度信息可以例如由交通工具接口3(具体是CAN总线接口)提供，以及从交通工具接口3读取。但是，该速度信息可能被高度破坏，从而对速度信息的校正是有用的。因此，线性模型可以被用于基于先前的结果(例如，预测结果和/或分类结果和/或估计结果)来确定经校正的里程计速度。
发明的方法100可以用于操作交通工具2的雷达系统1和/或控制单元4，如图5中示意性所示。雷达系统1可以具有至少一个雷达传感器10，用于检测交通工具2外部的至少一个目标5。
实施例的以前的描述仅在示例的范围内描述了本发明。自然地，在不脱离本发明的范围的情况下，只要在技术上有意义，实施例的单个特征也可以彼此自由组合。
参考符号列表
1 雷达系统
2 交通工具
3 接口，CAN接口
4 控制单元
5 目标
5a 静止目标
5b 动态目标
10 雷达传感器
100 方法
105 初始化步骤
110 预测步骤
120 分类步骤
130 决定步骤
130a 第一决定
130b 第二决定
140 估计方法，估计步骤
140a 第一估计方法
140b 第二估计方法
150 校正步骤
160 里程计校正
210 方差信息
250 静止目标的最小数量
251 最小速度
vEgo 自我速度
vR 相对速度

Claims (13)

1.一种用于操作交通工具(2)的雷达系统(1)的方法(100)，其中所述雷达系统(1)具有用于检测所述交通工具(2)外部的至少一个目标(5)的至少一个雷达传感器(10)，所述方法包括以下步骤：
-执行对所述交通工具(2)的自我速度(vEgo)的预测，从而确定预测结果，
-使用所述预测结果来执行用于将至少一个检测到的目标(5)分类为静止目标(5a)的分类，从而确定分类结果，
-选择至少两种估计方法(140)之一以进行对所述自我速度(vEgo)的估计，其中所述选择取决于对所述分类结果的评估。
2.根据权利要求1所述的方法(100)，
其特征在于，
所述至少两种估计方法(140)包括：
-作为第一估计方法(140a)：执行基于雷达的速度估计，所述基于雷达的速度估计取决于被分类为静止目标(5a)的所述至少一个目标(5)，以及
-作为第二估计方法(140b)：执行基于里程计的速度估计，具体地，其中，基于从所述交通工具(2)的接口(3)读取的速度信息来使用经校正的里程计速度。
3.根据权利要求1或2所述的方法(100)，
其特征在于，
所述选择所取决于的对所述分类结果的所述评估包括：
-将被分类为静止目标(5a)的目标(5)的数量与静止目标的预定的最小数量(250)进行比较，其中，仅当该目标(5)的数量大于或等于静止目标的所述最小数量(250)时才执行第一估计方法(140a)，否则执行第二估计方法(140b)，并且具体地，仅当所预测的自我速度(vEgo)高于或等于预定的最小速度(251)时才执行第二估计方法(140b)。
4.根据权利要求3所述的方法(100)，
其特征在于，
所述静止目标的所述预定的最小数量(250)为至少1、或至少5、或至少10、或在从1至10的范围内，优选地在从2至8的范围内，具体优选地在从4至6的范围内，尤其为5。
5.根据前述权利要求中的任一项所述的方法(100)，
其特征在于，
执行所述预测的步骤包括：
-通过使用Kalman滤波和/或跟踪算法，预测所述自我速度(vEgo)并确定对应的方差信息(210)。
6.根据权利要求5所述的方法(100)，
其特征在于，
所确定的方差信息(210)被用于执行所述分类，具体是通过基于所述方差信息(210)来确定比较范围，其中优选地，每个检测到的目标(5)的相对速度(vR)与所述比较范围进行比较，并且如果所述相对速度(vR)位于所述比较范围内，则所述至少一个检测到的目标(5)被分类为静止目标(5a)。
7.根据前述权利要求中的任一项所述的方法(100)，
其特征在于，
第一估计方法(140a)包括：
-基于所述分类，具体是基于分类为静止目标(5a)的目标(5)，具体优选地通过使用回归算法，估计所述交通工具(2)的瞬时自我速度(vEgo)。
8.根据前述权利要求中的任一项所述的方法(100)，
其特征在于，
第二估计方法(140b)包括：
-基于经校正的里程计速度，估计所述交通工具(2)的瞬时自我速度(vEgo)，其中优选地，所述经校正的里程计速度是根据通过线性模型校正的里程计速度而确定的。
9.根据前述权利要求中的任一项所述的方法(100)，
其特征在于，
在执行选择所选择的估计方法(140)的步骤之后，并且在执行所选择的估计方法(140)的步骤之后，使用所估计的自我速度(vEgo)来调整和/或校正所述预测的至少一个参数，具体地是用于Kalman滤波的至少一个参数。
10.根据权利要求9所述的方法(100)，
其特征在于，
在调整所述预测的参数的步骤之前或之后，基于参数估计执行里程计校正，具体是使用递归最小二乘法来执行。
11.一种用于交通工具(2)的系统(1)，包括：
-雷达传感器(10)，用于检测所述交通工具(2)外部的至少一个目标(5)，
-至少一个控制单元(4)，用于执行根据前述权利要求中的任一项所述的方法(100)的步骤。
12.一种存储在计算机可读介质上的用于操作雷达系统(1)的计算机程序产品，包括以下：
-计算机可读程序装置，使计算机开始执行对交通工具(2)的自我速度(vEgo)的预测，从而确定预测结果，
-计算机可读程序装置，使计算机开始使用所述预测结果来执行用于将至少一个目标(5)分类为静止目标(5a)的分类，从而确定分类结果，
-计算机可读程序装置，使计算机开始选择至少两种估计方法(140)之一以进行对自我速度(vEgo)的估计，其中所述选择取决于对所述分类结果的评估。
13.根据权利要求12所述的计算机程序产品，其中计算机可读程序装置被提供用于使计算机开始执行根据权利要求1至10中的任一项所述的方法。
CN201780093197.XA 2017-08-28 2017-08-28 用于雷达系统的操作的方法 Active CN110892281B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/EP2017/071513 WO2019042523A1 (en) 2017-08-28 2017-08-28 METHOD FOR OPERATING A RADAR SYSTEM

Publications (2)

Publication Number Publication Date
CN110892281A true CN110892281A (zh) 2020-03-17
CN110892281B CN110892281B (zh) 2023-08-18

Family

ID=59974387

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780093197.XA Active CN110892281B (zh) 2017-08-28 2017-08-28 用于雷达系统的操作的方法

Country Status (4)

Country Link
US (1) US11415690B2 (zh)
EP (1) EP3676628A1 (zh)
CN (1) CN110892281B (zh)
WO (1) WO2019042523A1 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7181010B2 (ja) * 2018-06-11 2022-11-30 株式会社デンソーテン レーダ装置および物標検出方法
CA3120498C (en) 2018-12-14 2023-09-26 Thales Canada Inc. Vehicle odometry and motion direction determination
US11460568B2 (en) * 2019-08-29 2022-10-04 Zoox, Inc. Estimating in-plane velocity from an arbitrary radar return
DE102019128020A1 (de) * 2019-10-17 2021-04-22 Valeo Schalter Und Sensoren Gmbh Verfahren zum Schätzen einer Eigengeschwindigkeit eines Fahrzeugs
EP3907521A1 (en) * 2020-05-04 2021-11-10 Aptiv Technologies Limited Methods and systems for determining alignment parameters of a radar sensor
JP7205009B2 (ja) * 2020-10-06 2023-01-16 三菱電機株式会社 物体検知装置、レーダ装置および物体検知方法
US11914046B2 (en) 2020-11-30 2024-02-27 Qualcomm Incorporated Ego-velocity estimation using radar or LIDAR beam steering
EP4036601A1 (en) * 2021-01-29 2022-08-03 Aptiv Technologies Limited Radar data processing for vehicle ego-motion estimation
DE102021202641A1 (de) * 2021-03-18 2022-09-22 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zur Bestimmung eines Bewegungszustands eines starren Körpers

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19910501A1 (de) * 1999-03-10 2000-09-14 Bosch Gmbh Robert Verfahren und Vorrichtung zur Bestimmung einer Geschwindigkeit eines Kraftfahrzeuges
US6300896B1 (en) * 1998-12-17 2001-10-09 Daimlerchrysler Ag Use of a device in a vehicle, using which the environment of the vehicle can be identified by means of radar beams
DE10215009A1 (de) * 2002-04-05 2003-10-23 Daimler Chrysler Ag Verfahren zum Bestimmen der Geschwindigkeit eines Fahrzeugs
WO2013102507A1 (de) * 2012-01-05 2013-07-11 Robert Bosch Gmbh Verfahren und vorrichtung zur radunabhängigen geschwindigkeitsmessung bei einem fahrzeug
CN107076836A (zh) * 2014-07-29 2017-08-18 法雷奥开关和传感器有限责任公司 用于对机动车辆周围区域中的对象分类的方法、驾驶员辅助系统和机动车辆

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6459990B1 (en) * 1999-09-23 2002-10-01 American Gnc Corporation Self-contained positioning method and system thereof for water and land vehicles
GB2402502B (en) * 2003-06-02 2007-02-21 Ford Global Tech Llc Cruise control systems for vehicles
DE102005017422A1 (de) * 2005-04-15 2006-10-19 Robert Bosch Gmbh Fahrerassistenzsystem mit Einrichtung zur Erkennung von stehenden Objekten
DE102006042766A1 (de) * 2006-09-12 2008-03-27 Siemens Ag Sensorvorrichtung, Verfahren zum Durchführen einer Fahrdynamikregelung und Fahrdynamikregelungssystem
FR2916539B1 (fr) * 2007-05-24 2009-08-21 Peugeot Citroen Automobiles Sa Dispositif d'aide au stationnement de vehicule automobile
US8700324B2 (en) * 2010-08-25 2014-04-15 Caterpillar Inc. Machine navigation system having integrity checking
DE102011118249A1 (de) * 2011-11-11 2013-05-16 Audi Ag Verfahren zur Ermittlung eines Wertes, der eine Information über den Umfang eines Reifens wenigstens eines Reifenrades darstellt
US10365363B2 (en) * 2015-05-08 2019-07-30 Humatics Corporation Mobile localization using sparse time-of-flight ranges and dead reckoning
JP6899368B2 (ja) * 2015-08-03 2021-07-07 トムトム グローバル コンテント ベスローテン フエンノートシャップ ローカライゼーション基準データを生成及び使用する方法及びシステム
JP6778873B2 (ja) * 2016-08-10 2020-11-04 パナソニックＩｐマネジメント株式会社 レーダ設置角度算出装置、レーダ装置およびレーダ設置角度算出方法
EP3315998B1 (en) * 2016-10-25 2021-12-08 KNORR-BREMSE Systeme für Nutzfahrzeuge GmbH Apparatus and method for determining a speed of a vehicle
WO2019094843A1 (en) * 2017-11-10 2019-05-16 Nvidia Corporation Systems and methods for safe and reliable autonomous vehicles

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6300896B1 (en) * 1998-12-17 2001-10-09 Daimlerchrysler Ag Use of a device in a vehicle, using which the environment of the vehicle can be identified by means of radar beams
DE19910501A1 (de) * 1999-03-10 2000-09-14 Bosch Gmbh Robert Verfahren und Vorrichtung zur Bestimmung einer Geschwindigkeit eines Kraftfahrzeuges
DE10215009A1 (de) * 2002-04-05 2003-10-23 Daimler Chrysler Ag Verfahren zum Bestimmen der Geschwindigkeit eines Fahrzeugs
WO2013102507A1 (de) * 2012-01-05 2013-07-11 Robert Bosch Gmbh Verfahren und vorrichtung zur radunabhängigen geschwindigkeitsmessung bei einem fahrzeug
CN107076836A (zh) * 2014-07-29 2017-08-18 法雷奥开关和传感器有限责任公司 用于对机动车辆周围区域中的对象分类的方法、驾驶员辅助系统和机动车辆

Also Published As

Publication number Publication date
CN110892281B (zh) 2023-08-18
WO2019042523A1 (en) 2019-03-07
US20200241124A1 (en) 2020-07-30
US11415690B2 (en) 2022-08-16
EP3676628A1 (en) 2020-07-08

Similar Documents

Publication Publication Date Title
CN110892281B (zh) 用于雷达系统的操作的方法
EP3151034B1 (en) Automated vehicle radar system to determine yaw-rate of a target vehicle
CN109073748B (zh) 车辆雷达系统以及估计车辆雷达系统未对准的方法
US20150239472A1 (en) Vehicle-installed obstacle detection apparatus having function for judging motion condition of detected object
CN108089165B (zh) 用于在用于机动车的雷达传感器中进行失明识别的方法
CN114660330B (zh) 确定估计速度的不确定性估计的方法
KR20170041795A (ko) 주변 지도 생성 방법 및 운전자 보조 시스템
KR102126670B1 (ko) 검출 영역을 최적화하는 장애물 추적 장치 및 방법
US11587214B2 (en) Multipath ghost mitigation in vehicle radar system
EP3637137B1 (en) Detection system and method
US11155272B2 (en) Estimating apparatus
WO2021102676A1 (zh) 物体状态获取方法、可移动平台及存储介质
EP3754359A1 (en) Method of determination of alignment angles of radar sensors for a road vehicle radar auto-alignment controller
US11521027B2 (en) Method and device for fusion of measurements from different information sources
CN114391109A (zh) 使用不同的传感器信息确定物体位置的方法
Grimm et al. Detection of moving targets in automotive radar with distorted ego-velocity information
CN110736981A (zh) 基于雷达的对慢速移动对象的跟踪
CN110691985B (zh) 用于增强的对象追踪的系统
CN114945843A (zh) 用于在雷达系统中调整校正信息的方法
JP7412254B2 (ja) 物体認識装置および物体認識方法
US20100019951A1 (en) Method for determining a variable
JP7026734B2 (ja) 物体認識装置、物体認識方法及び車両運転支援システム
US20230168352A1 (en) Method for assessing a measuring inaccuracy of an environment detection sensor
US11921194B2 (en) Radar anti-spoofing systems for an autonomous vehicle that identify ghost vehicles
US20230004757A1 (en) Device, memory medium, computer program and computer-implemented method for validating a data-based model

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