CN111352414B - 用于车辆的假目标移除装置和方法及包括该装置的车辆 - Google Patents

用于车辆的假目标移除装置和方法及包括该装置的车辆 Download PDF

Info

Publication number
CN111352414B
CN111352414B CN201910754509.8A CN201910754509A CN111352414B CN 111352414 B CN111352414 B CN 111352414B CN 201910754509 A CN201910754509 A CN 201910754509A CN 111352414 B CN111352414 B CN 111352414B
Authority
CN
China
Prior art keywords
decoy
sensor fusion
information
false
measurement information
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
CN201910754509.8A
Other languages
English (en)
Other versions
CN111352414A (zh
Inventor
柳玟均
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.)
Hyundai Motor Co
Kia Corp
Original Assignee
Hyundai Motor Co
Kia Motors Corp
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 Hyundai Motor Co, Kia Motors Corp filed Critical Hyundai Motor Co
Publication of CN111352414A publication Critical patent/CN111352414A/zh
Application granted granted Critical
Publication of CN111352414B publication Critical patent/CN111352414B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/105—Speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/107—Longitudinal acceleration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/12—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to parameters of the vehicle itself, e.g. tyre models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/0205—Diagnosing or detecting failures; Failure detection models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/029—Adapting to failures or work around with other constraints, e.g. circumvention by avoiding use of failed parts
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • 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
    • 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
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • 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
    • G01S7/40—Means for monitoring or calibrating
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/0205—Diagnosing or detecting failures; Failure detection models
    • B60W2050/0215—Sensor drifts or sensor failures
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/801—Lateral distance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/803—Relative lateral speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/804—Relative longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/806—Relative heading
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2754/00—Output or target parameters relating to objects
    • B60W2754/10—Spatial relation or speed relative to objects
    • B60W2754/40—Relative lateral speed

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)

Abstract

本申请涉及用于车辆的假目标移除装置和方法及包括该装置的车辆。该装置和方法能够确定传感器融合目标是否是假目标并移除假目标。假目标移除装置可包括：学习单元，用于接收传感器融合测量信息并基于接收的传感器融合测量信息学习一个或多个参数；虚假确定单元，用于在接收到当前传感器融合测量信息时，基于学习单元学习到的一个或多个参数，确定当前传感器融合测量信息是否为假；以及传感器融合目标生成单元，用于基于虚假确定单元的确定结果，移除假目标信息并生成传感器融合目标。

Description

用于车辆的假目标移除装置和方法及包括该装置的车辆
技术领域
本公开涉及用于车辆的假目标移除装置，并且更具体地涉及用于车辆的能够确定传感器融合目标是否是假目标并且移除假目标的假目标移除装置和方法，以及包括该装置的车辆。
背景技术
通常，车辆配备有用于保护驾驶员和乘客，辅助驾驶员以及改善乘坐舒适性的各种系统。通过利用各种传感器和信息通信技术改进和开发了这些系统。
在它们之中，用于使用基于相机的图像传感器识别车道并执行自动转向的技术已经投入实际使用。
车辆中设置的图像识别和处理装置可以检测关于车辆行驶的道路的车道的图像信息、关于后方车辆的图像信息以及关于左右车道的图像信息，并且可以通过显示装置显示检测到的图像信息，以使驾驶员能够方便地识别车道并且向驾驶员通知车辆行驶的道路的情况和关于相邻车辆的行驶的信息。
发明内容
因此，本公开涉及用于车辆的假目标移除装置、用于车辆的假目标移除方法以及包括假目标移除装置的车辆，其基本上消除了由于现有技术的限制和缺点而导致的一个或多个问题。
本公开的各方面提供了用于车辆的假目标移除装置和方法，其能够基于由学习单元学习的参数确定当前传感器融合测量信息是否为假并且移除假目标信息，由此，可以有效地防止假传感器融合目标的产生，从而提高传感器融合的可靠性，以及提供了包括假目标移除装置的车辆。如本文所述，在一些实施例中，“学习”特定信息可包括基于特定信息(或其一部分)确定、计算、生成、提取、更新或改进一个或多个参数或模型。替代地或另外地，在一些实施例中，“学习”特定信息可以包括确定、计算、生成、提取、更新或改进特定信息(或其一部分)。
设计用于解决问题的本公开的各方面及其优点不限于本文描述的那些，并且本领域技术人员基于以下对本公开的详细描述将清楚地理解其他方面和优点。
如本文所体现和描述的，在本公开的一个方面，一种用于车辆的假目标移除装置包括：学习单元，用于接收和学习传感器融合测量信息；虚假确定单元，用于在接收到当前传感器融合测量信息时，基于学习单元学习到的参数确定当前传感器融合测量信息是否为假；以及传感器融合目标生成单元，用于基于虚假确定单元的确定结果移除假目标信息并生成传感器融合目标。
在本发明的另一方面，一种用于车辆的假目标移除方法包括：接收传感器融合测量信息，学习接收的传感器融合测量信息，基于所学习的参数确定当前传感器融合测量信息是否为假，以及在确定当前传感器融合测量信息为假时，移除假目标信息并生成传感器融合目标。
在本发明的另一方面，一种包含用于执行假目标移除方法的程序的计算机可读记录介质，执行假目标移除方法中包括的处理。
在本发明的另一方面，一种车辆包括用于感测目标的传感器融合装置和通过通信连接到传感器融合装置的假目标移除装置，用于移除与目标对应的假目标信息，其中假目标移除装置包括：学习单元，用于接收和学习传感器融合测量信息；虚假确定单元，用于在接收到当前传感器融合测量信息时，基于由学习单元学习到的参数确定当前传感器融合测量信息是否为假；以及传感器融合目标生成单元，用于基于虚假确定单元的确定结果来移除假目标信息并生成传感器融合目标。
应理解，本公开的前述一般描述和以下详细描述都是示例，并且旨在提供对本公开的实施例的进一步说明。
附图说明
附图被包括以提供对本公开的进一步理解，并且被并入且构成本申请的一部分，附图示出本公开的实施例，并且与说明书一起用于解释本公开中描述的技术。在图中：
图1是示出根据本公开的实施例的用于车辆的假目标移除装置的框图；
图2是示出图1中的假目标移除处理的视图；
图3是示出图2中的学习处理的视图；
图4是示出图2中的虚假确定处理的视图；以及
图5是示出根据本公开的实施例的假目标移除方法的流程图。
具体实施方式
现在将详细参考本公开的各种实施例，其一些示例在附图中示出。通过示例给出以下实施例，以使得本领域技术人员能够完全理解本公开中描述的构思和技术。因此，本公开不限于以下实施例，并且可以以各种其他形式实现。为了清楚地描述本公开，从附图中省略了与本公开的描述无关的部分。只要有可能，在整个说明书中将使用相同的附图标记来表示相同或相似的部分。
除非另有说明，否则本文使用的术语“包含”或“包括”应该被解释为不排除其他元件，而是进一步包括这样的其他元件。另外，文中使用的术语“单元”或“模块”表示处理至少一个功能或操作的一个单元，并且可以通过硬件、软件或其组合来实现。例如，被描述为由单元或模块执行的一个或多个功能或操作可以实现为存储在非暂时性物理计算机存储器上的计算机可执行指令，其中计算机可执行指令在由一个或多个硬件处理器执行时，使一个或多个硬件处理器执行所描述的功能或操作。
近年来，已经开发了能够融合分别通过图像传感器和雷达收集的图像信息和雷达信息，以便提取和使用必要的信息传感器融合系统。
这种传感器融合系统用于提供使用相机识别车道信息并控制车辆的自动转向的自主行驶系统或者车辆的智能巡航控制功能。
然而，由于雷达的速度确定误差，传感器融合系统可以将实际静止的物体确定为移动物体，并且可以生成传感器融合目标。
由于雷达的速度确定误差，可以生成在护栏上或在道路的边界处的假传感器融合目标。
例如，当发生雷达的速度确定误差时，传感器融合系统可以将实际静止的物体识别为移动物体，并且可以生成传感器融合目标。
如上所述生成的传感器融合目标是假目标，其可能在控制或识别车辆中出现问题。
因此，需要开发一种用于车辆的能够确定传感器融合目标是否是假目标并且有效地移除假目标的假目标移除装置。
在下文中，将参照图1至图5详细描述可应用于本公开的实施例的用于车辆的假目标移除装置和方法以及包括该装置的车辆。
图1是示出根据本公开的实施例的用于车辆的假目标移除装置的框图。
如图1所示，假目标移除装置可包括：学习单元100，用于接收和学习传感器融合测量信息；虚假确定单元200，用于在接收到当前传感器融合测量信息时，基于学习单元100学习到的参数确定当前传感器融合测量信息是否为假；以及传感器融合目标生成单元300，用于基于虚假确定单元200的确定结果来移除假目标信息并生成传感器融合目标。
这里，学习单元100可以从主车辆的雷达接收传感器融合测量信息。
当学习传感器融合测量信息时，学习单元100可以学习横向相对速度信息、纵向相对速度信息、横向位置信息、纵向位置信息、绝对速度信息、纵向相对加速度信息、航向角信息和接收功率强度信息中的至少一个。
例如，传感器融合测量信息可以包括主车辆的速度信息，并且绝对速度信息可以是基于主车辆的速度信息而计算的值。
例如，传感器融合测量信息可以包括从雷达接收的横向相对速度信息和纵向相对速度信息，并且航向角信息可以是基于从雷达接收的横向相对速度信息和纵向相对速度信息而计算的值。
根据情况，当学习传感器融合测量信息时，学习单元100还可以学习假标记信息。
当学习传感器融合测量信息时，学习单元100可以基于深度神经网络(DNN)学习方法来进行学习。
当学习传感器融合测量信息时，学习单元100可以从接收的传感器融合测量信息中提取雷达的传感器值和主车辆的特征点，并且可以学习提取的特征点。
当提取特征点时，学习单元100可以提取横向相对速度、纵向相对速度、横向位置、纵向位置、绝对速度、纵向相对加速度、航向角和接收功率强度中的至少一个。
当学习提取的特征点时，学习单元100可以学习横向相对速度、纵向相对速度、横向位置、纵向位置、绝对速度、纵向相对加速度、航向角和接收功率强度中的至少一个。
根据情况，当学习提取的特征点时，学习单元100可以进一步学习假标记信息。
当学习提取的特征点时，学习单元100可以基于深度神经网络(DNN)学习方法来进行学习。
虚假确定单元200可以在接收到当前传感器融合测量信息时提取雷达的传感器值和主车辆的特征点，可以基于与提取的特征点对应的学习到的参数来确定特征点的输入值是否为假，可以基于确定的结果计算与特征点的输入值对应的假标志值，并且可以基于计算的假标志值对特征点的输入值进行排序(或分类、归类或分组)。
当提取特征点时，虚假确定单元200可以提取横向相对速度、纵向相对速度、横向位置、纵向位置、绝对速度、纵向相对加速度、航向角和接收功率强度中的至少一个。
当确定特征点的输入值是否为假时，虚假确定单元200可基于预定的确定参考值来确定特征点的输入值是否为假。例如，虚假确定单元200可以将特征点的输入值(或输入值为假的概率)与预定的确定参考值进行比较。
例如，确定参考值可以是0.5的虚假概率值。然而，本公开不限于此，并且可以使用其他虚假概率值。
当计算假标志值时，虚假确定单元200可以在确定特征点的输入值为假时将假标志值计算为1，并且可以在确定特征点的输入值非假时将假标志值计算为0。然而，本公开不限于此，并且可以使用其他假标志值。
当生成传感器融合目标时，传感器融合目标生成单元300可以检查与从虚假确定单元200接收的对应于传感器融合测量信息的假标志值，可以基于确定假标志值为假，将传感器融合测量信息识别为假目标信息，可以移除识别出的假目标信息，并且可以生成传感器融合目标。
当检查与传感器融合测量信息对应的假标志值时，传感器融合目标生成单元300可以检查与雷达的传感器值和主车辆的特征点的输入值对应的假标志值。
例如，当检查与传感器融合测量信息对应的假标志值时，传感器融合目标生成单元300可以基于确定假标志值为1将传感器融合测量信息识别为假目标信息，并且可以基于确定假标志值为0将传感器融合测量信息识别为真目标信息。
当检查从虚假确定单元200接收的与传感器融合测量信息对应的假标志值时，传感器融合目标生成单元300可以基于确定假标志值非假而将传感器融合测量信息识别为真目标信息，并且可以(例如，至少基于真目标信息)生成传感器融合目标。
当将传感器融合测量信息识别为真目标信息并生成传感器融合目标时，传感器融合目标生成单元300可以在相应假标志值非假的传感器融合测量信息被连续确定的情况下将传感器融合测量信息识别为真目标信息，并且生成传感器融合目标。
例如，在相应假标志值不为假的传感器融合测量信息被至少三次连续确定的情况下，传感器融合目标生成单元300可以将传感器融合测量信息识别为真目标信息。
在本公开中，如上所述，可以基于学习单元学习到的参数来确定当前传感器融合测量信息是否为假并且移除假目标信息，由此可以有效地防止产生假传感器融合目标，从而提高传感器融合的可靠性。
图2是示出图1中的假目标移除处理的视图，图3是示出图2中的学习处理的视图，且图4是示出图2中的虚假确定处理的视图。
如图2和图3所示，本公开的学习单元100可以接收和学习传感器融合测量信息。
例如，学习单元100可以提取雷达的传感器值和主车辆的特征点，并且可以基于深度神经网络(DNN)学习方法执行学习(110)。
例如，学习单元100可以从主车辆的雷达接收传感器融合测量信息。
当学习传感器融合测量信息时，学习单元100可以学习横向相对速度信息、纵向相对速度信息、横向位置信息、纵向位置信息、绝对速度信息、纵向相对加速度信息、航向角信息、接收功率强度信息和假标记信息中的至少一个。
这里，绝对速度信息可以是基于主车辆的速度信息而计算的值，并且，航向角信息可以是基于从雷达接收的横向相对速度信息和纵向相对速度信息而计算的值。然而，本公开不限于此。
随后，当学习传感器融合测量信息时，学习单元100可以从接收的传感器融合测量信息中提取雷达的传感器值和主车辆的特征点，并且可以学习提取的特征点。
当提取特征点时，学习单元100可以提取横向相对速度、纵向相对速度、横向位置、纵向位置、绝对速度、纵向相对加速度、航向角、接收功率强度和假标志信息中的至少一个。
当学习提取的特征点时，学习单元100可以学习横向相对速度、纵向相对速度、横向位置、纵向位置、绝对速度、纵向相对加速度、航向角和接收功率强度中的至少一个。
如上所述，学习单元100可以基于深度神经网络(DNN)学习方法进行学习以便提取学习到的参数，且然后可以构成分类器220的计算块。
如图2和图4所示，在接收到当前传感器融合测量信息时，虚假确定单元200可以基于学习单元100学习到的参数来确定当前传感器融合测量信息是否为假。
例如，在接收到当前传感器融合测量信息时，虚假确定单元200可以提取雷达的传感器值和主车辆的特征点(210)。
当提取特征点时，虚假确定单元200可以提取横向相对速度、纵向相对速度、横向位置、纵向位置、绝对速度、纵向相对加速度、航向角和接收功率强度中的至少一个。
随后，虚假确定单元200可以基于与提取的特征点相对应的学习到的参数来确定特征点的输入值是否为假(220)。
当确定特征点的输入值是否为假时，虚假确定单元200可以基于预定的确定参考值来确定特征点的输入值是否为假。例如，虚假确定单元200可以将特征点的输入值(或输入值为假的概率)与预定的确定参考值进行比较。
例如，确定参考值可以是0.5的虚假概率值。然而，本公开不限于此，并且可以使用其他虚假概率值。
随后，虚假确定单元200可以基于确定的结果，计算与特征点的输入值对应的假标志值，并且可以基于计算的假标志值对特征点的输入值进行排序(或分类、归类或分组)(230)。
当计算假标志值时，虚假确定单元200可以在确定特征点的输入值为假时将假标志值计算为1，并且可以在确定特征点的输入值非假时，可以将假标志值计算为0。然而，本公开不限于此，并且可以使用其他假标志值。
传感器融合目标生成单元300可以基于虚假确定单元200的确定结果来移除假目标信息并生成传感器融合目标。
当生成传感器融合目标时，传感器融合目标生成单元300可以检查从虚假确定单元200接收的与传感器融合测量信息对应的假标志值，可以基于确定假标志值为假，将传感器融合测量信息识别为假目标信息，可以移除识别的假目标信息，并且可以(例如，基于不包括移除的假目标信息的信息，或者不考虑移除的假目标信息)生成传感器融合目标。
当检查与传感器融合测量信息对应的假标志值时，传感器融合目标生成单元300可以检查与雷达的传感器值和主车辆的特征点的输入值对应的假标志值。
例如，当检查与传感器融合测量信息对应的假标志值时，传感器融合目标生成单元300可以基于确定假标志值是1将传感器融合测量信息识别为假目标信息，并且可以基于确定假标志值是0将传感器融合测量信息识别为真目标信息。
当检查从虚假确定单元200接收的与传感器融合测量信息对应的假标志值时，传感器融合目标生成单元300可以基于确定假标志值非假而将传感器融合测量信息识别为真目标信息，并且可以(例如，至少基于真目标信息)生成传感器融合目标。
当将传感器融合测量信息识别为真目标信息并生成传感器融合目标时，传感器融合目标生成单元300可以在连续确定传感器融合测量信息的相应假标志值不为假的情况下将传感器融合测量信息识别为真目标信息，并且生成传感器融合目标。
例如，在至少连续三次确定传感器融合测量信息的相应假标志值不为假的的情况下，传感器融合目标生成单元300可以将传感器融合测量信息识别为真目标信息。
如上所述，传感器融合目标生成单元300可以提取由分类器排序的参数，并且可以将提取的参数实时提供给传感器融合逻辑。
传感器融合目标生成单元300可以将使用提取的参数的一部分添加到传感器融合逻辑的预处理部分，以便确定实时测量的雷达目标是否是假目标。
随后，传感器融合目标生成单元300可以从传感器融合目标的生成中排除目标生成部分中的雷达目标的假标志是1的预处理结果。
这里，传感器融合目标生成单元300可以在生成目标时确定目标的连续有效性。在由于与作为真实目标而生成的部分对应的假标记，而未实现连续性的情况下，可以不生成目标。
图5是示出根据本公开的实施例的假目标移除方法的流程图。
如图5所示，可以接收传感器融合测量信息(S10)。
这里，可以从主车辆的雷达接收传感器融合测量信息。
随后，可以学习所接收的传感器融合测量信息(S20)。
这里，可以学习横向相对速度信息、纵向相对速度信息、横向位置信息、纵向位置信息、绝对速度信息、纵向相对加速度信息、航向角信息和接收功率强度信息中的至少一个。
根据情况，可以进一步学习假标记信息。
这里，绝对速度信息可以是基于主车辆的速度信息而计算的值。然而，本公开不限于此。
航向角信息可以是基于从雷达接收的横向相对速度信息和纵向相对速度信息而计算的值。然而，本公开不限于此。
另外，例如，当学习传感器融合测量信息时，可以基于深度神经网络(DNN)学习方法来进行学习。
学习传感器融合测量信息的步骤可包括：从接收的传感器融合测量信息中提取雷达的传感器值和主车辆的特征点，并学习提取的特征点。
在提取特征点的步骤中，可以提取横向相对速度、纵向相对速度、横向位置、纵向位置、绝对速度、纵向相对加速度、航向角和接收功率强度中的至少一个。
在学习所提取的特征点的步骤中，可以学习横向相对速度、纵向相对速度、横向位置、纵向位置、绝对速度、纵向相对加速度、航向角和接收功率强度中的至少一个。
在学习所提取的特征点的步骤中，可以进一步学习假标记信息。
例如，在学习提取的特征点的步骤中，可以基于深度神经网络(DNN)学习方法来进行学习。
随后，可以基于所学习到的参数来确定当前传感器融合测量信息是否为假(S30)。
当确定当前传感器融合测量信息是否为假时，根据本公开的假目标移除方法可以包括在接收到当前传感器融合测量信息时提取雷达的传感器值和主车辆的特征点，基于与提取的特征点对应的学习到的参数确定特征点的输入值是否为假，根据确定结果计算与特征点的输入值对应的假标志值，基于计算的假标志值对特征点的输入值进行排序(或分类、归类或分组)。
在提取特征点的步骤中，可以提取横向相对速度、纵向相对速度、横向位置、纵向位置、绝对速度、纵向相对加速度、航向角和接收功率强度中的至少一个。
在确定特征点的输入值是否为假的步骤中，可以基于预定的确定参考值来确定特征点的输入值是否为假。例如，虚假确定单元200可以将特征点的输入值(或输入值为假的概率)与预定的确定参考值进行比较。
例如，确定参考值可以是0.5的虚假概率值。然而，本公开不限于此，并且可以使用其他虚假概率值。
在计算假标志值的步骤中，可以在确定特征点的输入值为假时将假标志值计算为1，并且，在确定特征点的输入值不为假时，可以将假标志值计算为0。
在确定当前传感器融合测量信息为假时，可以移除假目标信息(S40)，并且可以生成传感器融合目标(S50)。
当生成传感器融合目标时，根据本公开的假目标移除方法可以包括检查与接收的传感器融合测量信息对应的假标志值，基于确定假标志值为假，将传感器融合测量信息识别为假目标信息，移除识别的假目标信息，并(例如，基于不包括移除的假目标信息的信息，或者不考虑移除的假目标信息)生成传感器融合目标。
在检查与传感器融合测量信息对应的假标志值的步骤中，可以检查与雷达的传感器值和主车辆的特征点的输入值对应的假标志值。
另外，在检查与传感器融合测量信息对应的假标志值的步骤中，可以基于确定假标志值为1将传感器融合测量信息识别为假目标信息，并且可以基于确定假标志值是0将传感器融合测量信息识别为真目标信息。
另外，在检查与传感器融合测量信息对应的假标志值的步骤中，传感器融合测量信息可以基于确定假标志值非假而被识别为真目标信息，并且可以(例如，至少基于真目标信息)生成传感器融合目标。
在将传感器融合测量信息识别为真目标信息并生成传感器融合目标的步骤中，在连续确定传感器融合测量信息的对应假标志值非假的情况下传感器融合测量信息可以被识别为真目标信息，并且可以生成传感器融合目标。
例如，在将传感器融合测量信息识别为真目标信息并生成传感器融合目标的步骤中，在至少连续三次确定传感器融合测量信息的对应假标志值非假的情况下，传感器融合测量信息可被识别为真目标信息。
另外，根据本公开的包含用于执行假目标移除方法的程序的计算机可读记录介质可以执行假目标移除方法中包括的处理。
同时，根据本公开的实施例的车辆可包括用于感测目标的传感器融合装置和通过通信连接到传感器融合装置，用于移除与目标对应的假目标信息的假目标移除装置，其中，假目标移除装置可以包括：学习单元，用于接收和学习传感器融合测量信息；虚假确定单元，用于在接收到当前传感器融合测量信息时，基于学习单元学习到的参数确定当前传感器融合测量信息是否为假，及传感器融合目标生成单元，用于基于虚假确定单元的确定结果，移除假目标信息并生成传感器融合目标。
在本公开中，如上所述，可以基于学习单元学习到的参数来确定当前传感器融合测量信息是否为假并且移除假目标信息，由此可以有效地防止产生假传感器融合目标，从而提高传感器融合的可靠性。
例如，在本公开中，可能难以分析由传感器测量的值的误差。因此，可以使用DNN来确定最终传感器融合目标是否是假目标，并且可以使用DNN结果值来执行传感器融合中的目标生成部分的逻辑，以便防止在传感器融合逻辑中生成假目标。
上述根据本公开的假目标移除方法可以实现为存储在计算机可读记录介质中的计算机可读程序。计算机可读介质可以是数据以计算机可读方式存储的任何类型的记录设备。计算机可读介质可以包括例如硬盘驱动器(HDD)、固态盘(SSD)、硅盘驱动器(SDD)、只读存储器(ROM)、随机存取存储器(RAM)、光盘只读存储器(CD-ROM)、磁带、软盘和光学数据存储设备、以及实现为载波(例如，通过因特网传输)。
从以上描述显而易见的是，根据本公开的至少一个实施例的用于车辆的假目标移除装置和方法以及包括该装置的车辆能够基于学习单元学习到的参数确定当前传感器融合测量信息是否为假并移除假目标信息，从而可以有效地防止假传感器融合目标的产生，从而提高传感器融合的可靠性。
本领域技术人员将理解，通过本公开可实现的效果不限于上文已具体描述的效果，并且从以上详细描述将更清楚地理解本公开的其他效果。
以上详细描述不应被解释为在任何方面限制本公开，而是通过示例的方式进行考虑。本公开的范围应当通过对所附权利要求的合理解释来确定，并且在不脱离本公开的范围的情况下做出的所有等同修改应当被理解为包括在以下权利要求中。

Claims (18)

1.一种用于车辆的假目标移除装置，所述假目标移除装置包括：
学习单元，被配置为接收传感器融合测量信息并且通过基于所接收的传感器融合测量信息对来自雷达的传感器值和主车辆的特征点执行深度学习来学习一个或多个参数；
虚假确定单元，被配置为在接收到当前传感器融合测量信息时，基于由所述学习单元学习到的所述一个或多个参数来确定所述当前传感器融合测量信息是否为假；以及
传感器融合目标生成单元，被配置为基于所述虚假确定单元确定的结果来移除假目标信息并生成传感器融合目标，
其中，所述假目标信息包括指示由于所述雷达的速度确定误差所导致的将实际静止的物体确定为移动物体的信息。
2.根据权利要求1所述的假目标移除装置，其中，所述学习单元进一步被配置为学习以下各项中的至少一项：横向相对速度信息、纵向相对速度信息、横向位置信息、纵向位置信息、绝对速度信息、纵向相对加速度信息、航向角信息和接收功率强度信息。
3.根据权利要求1所述的假目标移除装置，其中，所述虚假确定单元进一步被配置为在接收到所述当前传感器融合测量信息时提取所述传感器值和所述特征点，基于与所提取的特征点对应的学习到的参数来确定所述特征点的输入值是否为假，基于确定的结果计算与所述特征点的输入值对应的假标志值，并且基于所计算出的假标志值来对所述特征点的输入值进行分类。
4.根据权利要求3所述的假目标移除装置，其中，所述虚假确定单元进一步被配置为提取以下各项中的至少一项：横向相对速度、纵向相对速度、横向位置、纵向位置、绝对速度、纵向相对加速度、航向角和接收功率强度。
5.根据权利要求3所述的假目标移除装置，其中，所述虚假确定单元进一步被配置为在确定所述特征点的输入值为假时将所述假标志值计算为1，并且在确定所述特征点的输入值不为假时，将所述假标志值计算为0。
6.根据权利要求1所述的假目标移除装置，其中，所述传感器融合目标生成单元被配置为确定从所述虚假确定单元接收的与所述传感器融合测量信息对应的假标志值，基于所述假标志值为假将所述传感器融合测量信息识别为假目标信息，移除所识别的假目标信息，并且生成所述传感器融合目标。
7.根据权利要求6所述的假目标移除装置，其中，所述传感器融合目标生成单元进一步被配置为确定与雷达的传感器值和主车辆的特征点的输入值对应的假标志值。
8.根据权利要求6所述的假目标移除装置，其中，所述传感器融合目标生成单元进一步被配置为基于所述假标志值为1将所述传感器融合测量信息识别为假目标信息，并且基于所述假标志值为0将所述传感器融合测量信息识别为真目标信息。
9.根据权利要求6所述的假目标移除装置，其中，所述传感器融合目标生成单元进一步被配置为基于所述假标志值不为假，将所述传感器融合测量信息识别为真目标信息，并且生成所述传感器融合目标。
10.一种用于车辆的假目标移除方法，所述假目标移除方法包括以下步骤：
接收传感器融合测量信息；
通过基于所接收的传感器融合测量信息对来自雷达的传感器值和主车辆的特征点执行深度学习来学习一个或多个参数；
基于所学习到的一个或多个参数确定当前传感器融合测量信息是否为假；以及
在确定所述当前传感器融合测量信息为假时，移除假目标信息并且生成传感器融合目标，
其中，所述假目标信息包括指示由于所述雷达的速度确定误差所导致的将实际静止的物体确定为移动物体的信息。
11.根据权利要求10所述的假目标移除方法，其中，学习所述传感器融合测量信息的步骤包括学习以下各项中的至少一项：横向相对速度信息、纵向相对速度信息、横向位置信息、纵向位置信息、绝对速度信息、纵向相对加速度信息、航向角信息和接收功率强度信息。
12.根据权利要求10所述的假目标移除方法，其中，确定所述当前传感器融合测量信息是否为假的步骤包括：
在接收到所述当前传感器融合测量信息时，提取雷达的传感器值和主车辆的特征点；
基于与所提取的特征点对应的学习到的参数，确定所述特征点的输入值是否为假；
基于确定的结果计算与所述特征点的输入值对应的假标志值；以及
基于所计算出的假标志值对所述特征点的输入值进行分类。
13.根据权利要求12所述的假目标移除方法，其中，提取所述特征点的步骤包括提取以下各项中的至少一项：横向相对速度、纵向相对速度、横向位置、纵向位置、绝对速度、纵向相对加速度、航向角和接收功率强度。
14.根据权利要求12所述的假目标移除方法，其中，计算所述假标志值的步骤包括以下各项之一：（i）在确定所述特征点的输入值为假时，将所述假标志值计算为1，和（ii）在确定所述特征点的输入值不为假时，将所述假标志值计算为0。
15.根据权利要求10所述的假目标移除方法，其中，生成所述传感器融合目标的步骤包括：
确定与所接收的传感器融合测量信息对应的假标志值；
基于所述假标志值为假，将所述传感器融合测量信息识别为假目标信息；以及
移除所识别的假目标信息并且生成所述传感器融合目标。
16.根据权利要求15所述的假目标移除方法，其中，确定与所述传感器融合测量信息对应的所述假标志值的步骤包括：确定与雷达的传感器值和主车辆的特征点的输入值对应的假标志值。
17.根据权利要求15所述的假目标移除方法，其中，确定与所述传感器融合测量信息对应的所述假标志值的步骤包括以下各项之一：（i）基于所述假标志值为1，将所述传感器融合测量信息识别为假目标信息，以及（ii）基于所述假标志值为0，将所述传感器融合测量信息识别为真目标信息。
18.根据权利要求15所述的假目标移除方法，其中，确定与所述传感器融合测量信息对应的所述假标志值的步骤包括：基于所述假标志值不为假，将所述传感器融合测量信息识别为真目标信息，并且生成所述传感器融合目标。
CN201910754509.8A 2018-12-04 2019-08-15 用于车辆的假目标移除装置和方法及包括该装置的车辆 Active CN111352414B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020180154448A KR102545109B1 (ko) 2018-12-04 2018-12-04 차량용 허위 타겟 제거 장치 및 그의 허위 타겟 제거 방법과 그를 포함하는 차량
KR10-2018-0154448 2018-12-04

Publications (2)

Publication Number Publication Date
CN111352414A CN111352414A (zh) 2020-06-30
CN111352414B true CN111352414B (zh) 2024-09-10

Family

ID=70849128

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910754509.8A Active CN111352414B (zh) 2018-12-04 2019-08-15 用于车辆的假目标移除装置和方法及包括该装置的车辆

Country Status (3)

Country Link
US (1) US20200174488A1 (zh)
KR (1) KR102545109B1 (zh)
CN (1) CN111352414B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11431858B2 (en) * 2020-07-09 2022-08-30 Canon Solutions America, Inc. Devices, systems, and methods for forecasting device failures
WO2022241726A1 (en) * 2021-05-20 2022-11-24 Telefonaktiebolaget Lm Ericsson (Publ) Method and apparatus for determining communication parameter
CN113391305B (zh) * 2021-06-11 2022-09-30 森思泰克河北科技有限公司 多雷达融合的虚假目标抑制方法、装置及终端设备

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5407443B2 (ja) * 2009-03-11 2014-02-05 トヨタ自動車株式会社 レーダ装置
WO2011001162A1 (en) * 2009-06-29 2011-01-06 Bae Systems Plc Estimating a state of at least one target using a plurality of sensors
KR101262947B1 (ko) * 2010-12-08 2013-05-08 현대자동차주식회사 센서 퓨전 알고리즘의 검지 성능 향상 방법 및 시스템
KR101694837B1 (ko) * 2015-05-29 2017-01-11 연세대학교 산학협력단 주행 차량에서 촬영된 영상에서의 차량 정보 검출 장치 및 그 방법
KR102186137B1 (ko) * 2015-08-21 2020-12-03 현대자동차주식회사 차량 정보 기반 센서퓨전 시스템
KR102137213B1 (ko) * 2015-11-16 2020-08-13 삼성전자 주식회사 자율 주행을 위한 모델 학습 장치 및 방법과 자율 주행 장치
CN105682222B (zh) * 2016-03-01 2019-02-19 西安电子科技大学 一种基于车辆自组织网络的车辆位置定位信息融合方法
JP2017156219A (ja) * 2016-03-02 2017-09-07 沖電気工業株式会社 追尾装置、追尾方法およびプログラム
JP6223504B1 (ja) * 2016-05-18 2017-11-01 三菱電機株式会社 レーダ装置およびこれを用いたセンサフュージョン装置
US10114106B2 (en) * 2016-07-22 2018-10-30 Delphi Technologies, Inc. Automated vehicle radar system with auto-alignment for azimuth, elevation, and vehicle speed-scaling-error
CN108263389B (zh) * 2018-01-26 2019-08-30 深圳市九洲源科技有限公司 一种车辆前方虚假目标剔除装置及方法

Also Published As

Publication number Publication date
KR20200075911A (ko) 2020-06-29
CN111352414A (zh) 2020-06-30
KR102545109B1 (ko) 2023-06-20
US20200174488A1 (en) 2020-06-04

Similar Documents

Publication Publication Date Title
CN111103594B (zh) 车辆中区分虚假目标的装置和方法及包括其的车辆
CN111352414B (zh) 用于车辆的假目标移除装置和方法及包括该装置的车辆
JP2022505759A (ja) 運転者支援システムを試験するための方法及び装置
CN111267860B (zh) 用于车辆的传感器融合目标预测装置和方法、以及车辆
CN111723724B (zh) 一种路面障碍物识别方法和相关装置
US12073329B2 (en) Method for recognizing an adversarial disturbance in input data of a neural network
CN111971725B (zh) 用于确定车辆的变道说明的方法、可读存储介质以及车辆
CN108960083B (zh) 基于多传感器信息融合的自动驾驶目标分类方法及系统
CN111722249A (zh) 物体识别装置以及车辆控制系统
CN114296095A (zh) 自动驾驶车辆的有效目标提取方法、装置、车辆及介质
CN113933858A (zh) 定位传感器的异常检测方法、装置及终端设备
CN113743356A (zh) 数据的采集方法、装置和电子设备
US11654927B2 (en) Method for monitoring a vehicle system for detecting an environment of a vehicle
US11720343B2 (en) Methods and apparatus for automatically labeling data processing events in autonomous driving vehicles via machine learning
EP3944141A1 (en) Lane keeping assist system of vehicle and lane keeping method using the same
CN111144361A (zh) 一种基于二值化cgan网络的公路车道检测方法
CN113591673A (zh) 用于识别交通标志的方法和设备
JP6861911B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
CN112180913A (zh) 特种车辆识别方法
CN113447921A (zh) 用于识别车辆环境的方法
CN113353084A (zh) 用于车辆控制的方法及设备
CN111626320A (zh) 用于借助两个神经网络探测物体的方法
Ravishankaran Impact on how AI in automobile industry has affected the type approval process at RDW
JP2017072450A (ja) 自車位置認識装置
EP4145399A1 (en) Method and device for plausibilising extracted lane properties using sensor data captured by at least one sensor system installed at an automated vehicle

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