CN112368758B - 用于分类对象的相关性的方法 - Google Patents

用于分类对象的相关性的方法 Download PDF

Info

Publication number
CN112368758B
CN112368758B CN201980045673.XA CN201980045673A CN112368758B CN 112368758 B CN112368758 B CN 112368758B CN 201980045673 A CN201980045673 A CN 201980045673A CN 112368758 B CN112368758 B CN 112368758B
Authority
CN
China
Prior art keywords
motor vehicle
collide
uncertainty
value
measured
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
CN201980045673.XA
Other languages
English (en)
Other versions
CN112368758A (zh
Inventor
M·S·赖厄
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.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
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 Robert Bosch GmbH filed Critical Robert Bosch GmbH
Publication of CN112368758A publication Critical patent/CN112368758A/zh
Application granted granted Critical
Publication of CN112368758B publication Critical patent/CN112368758B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees

Abstract

本发明涉及一种用于分类位于包括环境传感器的机动车的环境中的对象在与机动车的碰撞方面的相关性的方法，所述方法包括以下步骤：接收测量信号，所述测量信号表示借助环境传感器测量的、对象相对于环境传感器的径向距离dr，借助环境传感器测量的、对象相对于环境传感器的径向相对速度vr，机动车的所测量的自身速度vego；接收尺寸信号，所述尺寸信号表示机动车的尺寸，基于所接收的测量信号和所接收的尺寸信号，计算机动车是否可能与对象碰撞，输出结果信号以便分类对象在与机动车的碰撞方面的相关性，所述结果信号表示机动车是否可能与对象碰撞的所述计算的结果。本发明还涉及一种设备、一种计算机程序以及一种机器可读的存储介质。

Description

用于分类对象的相关性的方法
技术领域
本发明涉及一种用于分类对象的相关性的方法。本发明还涉及一种设备，其设置用于实施用于分类对象的相关性的方法的所有步骤。本发明还涉及一种计算机程序。本发明还涉及一种机器可读的存储介质。
背景技术
对于目前的现有技术，分类静止的车辆环境的相关性对于确定类型的环境传感器(例如雷达)是一个挑战。所提及的分类的目标是，区分静止的车辆环境(例如停放的车辆)的功能相关的元素与不相关的对象，例如(可从下驶过的)标志桥或(可从上驶过的)地面对象，应对所述功能相关的元素进行调节(例如制动)，不应对所述不相关的对象进行调节。
所考虑的分类中的挑战尤其在于对假阳性(falsch-positiv)的相关性报告的足够高的抑制，同时不减少关于相关的对象的阳性报告的高性能。为此，通常在高维度的特征空间中进行复杂的分类方案，其中，各个特征通常不直接评估对象的相关性特性，而是这仅间接地借助推导参量来进行。所述推导参量取决于关于相应的对象的特性或性能的复杂假设，这限制以此为基础的分类器的稳健性。
发明内容
本发明所基于的任务可以视为，提供一种用于有效地分类位于包括环境传感器的机动车的环境中的对象在与机动车的碰撞方面的相关性的构思。
该任务借助独立权利要求的相应主题解决。本发明的有利的构型是各个从属权利要求的主题。
根据第一方面，提供一种用于分类位于包括环境传感器的机动车的环境中的对象在与机动车的碰撞方面的相关性的方法，所述方法包括以下步骤：
接收测量信号，所述测量信号表示如下：借助环境传感器测量的、对象相对于环境传感器的径向距离dr，借助环境传感器测量的、对象相对于环境传感器的径向相对速度vr，机动车的所测量的自身速度(Eigengeschwindigkeit)vego；
接收尺寸信号，所述尺寸信号表示机动车的尺寸；
基于所接收的测量信号和所接收的尺寸信号来计算机动车是否可能与对象碰撞；
输出结果信号以便分类对象在与机动车的碰撞方面的相关性，所述结果信号表示所述计算的结果：机动车是否可能与对象碰撞。
根据第二方面，提供一种设备，所述设备设置用于实施根据第一方面的方法的所有步骤。
根据第三方面，提供一种计算机程序，其包括指令，所述指令在通过计算机实施所述计算机程序时促使所述计算机实施根据第一方面的方法。
根据第四方面，提供一种机器可读的存储介质，其上存储有根据第三方面的计算机程序。
本发明基于以下知识：上述任务通过以下方式解决，为了分类对象的相关性，使用机动车的尺寸和借助常规的环境传感器能够简单、有效且准确地测量的测量值。所述测量值涉及对象相对于环境传感器(即相对于机动车，如果机动车包括环境传感器或者环境传感器布置在该机动车上)的径向距离、对象相对于环境传感器的径向相对速度。
此外，通过使用机动车的所测量的自身速度来执行分类对象的相关性，其中，同样能够简单、有效且准确地测量这种自身速度。
因此，尤其实现以下技术优点，可以通过使用易于获得的值来分类对象的相关性，所述易于获得的值在本发明中是测量信号和尺寸信号(机动车的尺寸是已知参量)。
与以上提及的现有技术相比，在高维的特征空间中不需要复杂的分类方法，使得不必做出关于对象的特性或性能的复杂的假设。
相应地，与上述的现有技术相比，根据本发明的构思有利地特别稳健。
此外，根据本发明的构思具有以下技术优点，已经可以借助简单安装的且成本有利地制造的环境传感器来测量径向距离和径向相对速度。
因此，总体实现以下技术优点，提供一种用于有效地分类位于包括环境传感器的机动车的环境中的对象在与机动车的碰撞方面的相关性的构思。
在一种实施方式中，环境传感器设置用于测量对象相对于环境传感器(即相对于机动车)的径向距离以及径向相对速度。
根据一种实施方式，环境传感器构造用于传播时间测量。这意味着，环境传感器构造用于执行传播时间测量。在这种情况下，环境传感器也可以称为传播时间测量传感器。
环境传感器例如是雷达传感器、激光雷达传感器或超声波传感器。
在一种实施方式中，环境传感器是视频传感器。
根据一种实施方式设置，机动车是否可能与对象碰撞的计算包括如下：基于所接收的测量信号来计算不确定性位置值，其中，不确定性位置值说明关于对象的可能位置的位置信息；基于所接收的尺寸信号计算阈值；将不确定性位置值与阈值进行比较，从而结果取决于所述比较。
由此例如实现以下技术优点：机动车是否可能与对象碰撞的计算能够有效地执行。在此，所述比较使得能够实现简单的、机动车是否可能与对象碰撞的是/否说明。
在一种实施方式中设置，机动车是否可能与对象碰撞的计算基于以下假设中至少之一执行：该对象是静止对象，机动车的横摆率(Gierrate)ψ的时间导数为零，机动车的俯仰率(Nickrate)的时间导数为零。尤其如果在对象的测量位置处所测量的径向速度与机动车的自身速度足够准确地一致，则对象涉及静止对象的假设不关键(unkritisch)。“足够准确”在此例如意味着，关于机动车的自身速度在小于或小于等于10％的误差容限内，例如小于或小于等于5％，例如小于或小于等于1％。根据一种实施方式，机动车的横摆率和机动车的俯仰率的时间导数由机动车的一个或多个电子稳定程序求取，例如以足够的精度进行求取。因此，同样尤其能够简单地检查是否符合假设。
由此例如实现以下技术优点，机动车是否可能与对象碰撞的计算能够有效地执行。由此尤其实现以下技术优点，在使用所述假设中的至少一个时，能够通过使用可分析求解的等式来执行所述计算。
根据一种实施方式设置，接收位置信号，其中，所述位置信号表示机动车上的环境传感器的位置，其中，机动车是否可能与对象碰撞的计算基于所接收的位置信号来执行。
由此例如实现以下技术优点，机动车是否可能与对象碰撞的计算能够有效地执行。尤其通过考虑机动车上的环境传感器的位置能够实现关于机动车是否可能与对象碰撞的更准确的说明。
在一种实施方式中设置，机动车是否可能与对象碰撞的计算基于所有假设来执行，其中，机动车的尺寸包括宽度B和高度H，其中，环境传感器的位置由距地面的高度h和至机动车纵轴的偏心距离b预给定，其中，根据计算不确定性位置值，其中，根据/> 计算阈值，其中，如果不确定性位置值小于或小于等于阈值，则计算出机动车不可能与对象碰撞作为结果，其中，如果不确定性位置值大于阈值，则计算出机动车可能与对象碰撞作为结果。
由此例如实现以下技术优点，机动车是否可能与对象碰撞的计算能够有效地执行。根据该实施方式，对象的可能的位置位于半径等于不确定性值的根的圆上，其中，该圆具有位于距环境传感器的安装位置的径向距离处的圆心。
在另一实施方式中设置，测量信号表示借助环境传感器所测量的、对象的横向偏移(Querablage)dy，其中，机动车是否可能与对象碰撞的计算基于所有假设执行，其中，机动车的尺寸包括高度H，其中，环境传感器的位置由距地面的高度h预给定，其中，根据计算不确定性位置值，其中，根据max(h2,(H-h)2)计算阈值，其中，如果不确定性位置值小于或小于等于阈值，则计算出机动车不可能与对象碰撞作为结果，其中，如果不确定性位置值大于阈值，则计算出机动车可能与对象碰撞作为结果。
由此例如实现以下技术优点，机动车是否可能与对象碰撞的计算能够有效地执行。根据该实施方式，结合以上实施方式中提及的圆降低到对象的两个可能的存在位置(Aufenthaltsort)。因此，可以以有利的方式进行对象的相关性的精细(verfeinern)估计。
在此尤其隐含地假设，通过横向位置(Lateralposition)已经求取相关性，并且仅当来自横向位置的对象已经相关并且仅须对未知的仰角(Elevation)进行判定时，才使用所述公式。
在一种实施方式中设置，测量信号表示具有误差值的所测量的仰角偏移，其中，基于所测量的仰角偏移和不确定性位置值来校正所测量的仰角偏移。
由此例如实现以下技术优点，能够有效且显著地改善仰角偏移的估计。
根据一种实施方式，环境传感器设置用于对机动车的周围环境或环境进行制图。
除了对象的(径向)距离之外，环境传感器尤其还能够测量对象的径向相对速度。因此，在测量参量(径向距离和径向相对速度)之间例如存在以下关系，其中，以下计算参照三维笛卡尔空间执行。就此而言，x，y，z坐标系定义如下：坐标系的x轴平行于机动车的纵轴延伸，坐标系的y轴横向于机动车延伸，坐标系的z轴垂直于x轴和y轴延伸，坐标系的中心位于环境传感器的中心。
因此，对象的径向相对速度vr相应于对象在笛卡尔坐标中的相对位置p(dx，dy，dz，坐标原点在传感器的位置处)与该对象在同一坐标系中的相对速度vr(vx，vy，vz)的标量积，以对象的笛卡尔(径向)距离dr进行归一化。dx以下表示对象的纵向偏移，dy以下表示对象的横向偏移，dz以下表示对象的仰角偏移。
以下假设对象是静止的对象。该假设对于相对于机动车速度可忽略地小的对象速度是合理的。
根据一种实施方式，对象是静止的对象。
如果假设对象是静止的对象(根据当前现有技术可以借助简单方法实现其辨识/过滤)，则相对速度的分量(vx，vy，vz)完全通过机动车的运动预给定或计算，其中，例如使用以下近似或者假设，其中，应注意近似值的使用仅用于以下步骤的简化表示：
因此，纵向方向(vx)上的相对速度vr对应于机动车的负的自身速度vego，其他两个速度分量(vy，vz)近似地由机动车围绕其纵轴(横摆率)以及围绕其横轴(俯仰率ω)的负旋转率得出，通过将其乘以径向距离dr将角速度换算成笛卡尔速度。在使用径向距离(dr)和纵向距离(dx)的简单转换的情况下，以下近似适用于径向相对速度：
vx≈-vego
为了进一步简化表示，以下仅考虑以下情况：机动车以近似恒定的速度、且没有明显的旋转率地运动(例如可以基于机动车的ESP传感器的信号来直接确定该状态)。因此这意味着，假设机动车的横摆率的时间导数、机动车的俯仰率的时间导数和机动车的自身速度的时间导数为零。因此尤其适用：
因此最终得到简单近似：
因此，仅由径向距离dr、径向相对速度vr和车辆自身速度vego的测量就能够推断出所测量的对象的横向偏移dy和仰角偏移dz(分别相对于环境传感器位置)的混合形式D。D2在此表示以上或以下描述的不确定性位置值。
因此，基于这种单个测量，笛卡尔空间中dy和dz的可能组合描述具有半径D和距环境传感器的安装位置的距离dr的圆(以下也称为不确定性圆)。因为不需要复杂的天线结构来确定反射信号的入射角，所以例如借助最小安装尺寸的成本有利的雷达传感器已经能够求取所需的测量参量。
此外，相对速度的值与环境传感器的可能的扭转(Verdrehung)或失调无关，这进一步提高稳健性。
基于D2的值，借助上述说明在空间中已经能够非常简单地评估对象的相关性。
在未来时刻与对象碰撞的必要条件是，该对象的横向偏移dy以及对象的仰角偏移dz均位于相应于机动车的尺寸(宽度B，高度H)的范围中。
假设环境传感器安装在机动车上的偏心距离b且距地面高度h的位置处，则仅在本车辆的D2的值小于或小于等于以下阈值时本车辆才可能与对象碰撞：
相反，如果D2的值大于上述阈值，则机动车不可能与所考虑的静止对象碰撞，因此在调节机动车的横向引导和/或纵向引导时不必考虑这一点。
因此，在环境传感器测量的级别上已经能够实现稳健地预选择相关的对象，这例如能够减少系统的后续数据处理层中的计算时间需求，并且能够实现更高的刷新率(更新率)或成本更有利的计算单元。
如果除了径向距离dr和径向相对速度vr外，环境传感器本身还能够直接确定对象的横向偏移dy(在现代雷达传感器中几乎总是这种情况)，则能够将上述近似精细化为相应的对象的(绝对)仰角偏移dz的估计。上述示例中空间中的不确定性圆现在降级为对象的两个可能的点状的存在位置。
不确定性位置值计算如下：
阈值的计算如下：
max(h2,(H-h)2)
如果不确定性位置值小于或小于等于阈值，则计算出机动车不可能与对象碰撞作为结果。如果不确定性位置值大于阈值，则计算出机动车可能与对象碰撞作为结果。
即使环境传感器不能够基于其天线结构来测量对象的仰角，借助在此描述的方法至少对于静止的对象仍能够直接估计绝对仰角偏移。类似于上述过程，基于该估计能够精细地估计所涉及的静止对象的相关性。
如果环境传感器的天线结构最终也允许测量仰角偏移，借助所描述的方法总是还能够显著改善对这些仰角的估计，因为——相比于通过雷达传感器的天线结构来直接测量仰角所允许的——通常以更高的准确度提供为此所需的参量。
根据一种实施方式设置，借助根据第二方面的设备来实施或执行根据第一方面的方法。
由相应的设备特征直接得到方法特征，反之亦然。
这尤其意味着，关于设备的技术功能性类似地由方法的相应的功能性得出，反之亦然。
附图说明
以下基于优选的实施例详细阐述本发明。在此示出：
图1示出一种用于分类对象的相关性的方法的流程图；
图2示出一种设备，所述设备设置用于实施分类对象的相关性的方法；
图3示出一种机器可读的存储介质；
图4示出一种机动车。
具体实施方式
图1示出用于分类位于包括环境传感器的机动车的环境中的对象在与机动车的碰撞方面的相关性的方法的流程图，所述方法包括以下步骤：
接收101测量信号，所述测量信号表示借助环境传感器测量的、对象相对于环境传感器的径向距离dr，借助环境传感器测量的、对象相对于环境传感器的径向相对速度vr，机动车的测量的自身速度vego；
接收103尺寸信号，所述尺寸信号表示机动车的尺寸；
基于所接收的测量信号和所接收的尺寸信号来计算105机动车是否可能与对象碰撞；
输出107结果信号以便分类对象在与机动车的碰撞方面的相关性，所述结果信号表示机动车是否可能与对象碰撞的计算的结果。
图2示出设备201，其设置用于实施用于分类对象的相关性的方法的所有步骤。
设备201例如构造用于实施在图1中示出的方法。
设备201包括输入端203，该输入端用于接收以下测量信号以及用于接收表示机动车尺寸的尺寸信号：所述测量信号表示借助环境传感器测量的、对象相对于环境传感器的径向距离dr，借助环境传感器测量的、对象相对于环境传感器的径向相对速度vr，机动车的所测量的自身速度vego。
设备201包括处理器205，该处理器用于基于所接收的测量信号以及基于所接收的尺寸信号来计算机动车是否可能与对象碰撞。
设备201还包括输出端207，该输出端用于输出结果信号以便分类对象在与机动车的碰撞方面的相关性，所述结果信号表示机动车是否可能与对象碰撞的计算的结果。
根据一种实施方式，设置多个用于计算机动车是否可能与对象碰撞的处理器。
图3示出机器可读的存储介质303，其上存储有计算机程序303，其中，计算机程序303包括指令，在通过计算机(例如通过图2的设备201)实施计算机程序时，所述指令促使所述计算机实施用于分类对象的相关性的方法的所有步骤，例如在图1中示出的方法的所有步骤。
图4示出机动车401。
机动车401包括环境传感器403。环境传感器403例如是雷达传感器或激光雷达传感器。
机动车401还包括根据图2的设备201。
环境传感器403例如检测机动车的环境。当在所检测的环境中探测到对象时，可以借助环境传感器403测量对象相对环境传感器403的径向距离以及对象相对于环境传感器的径向相对速度，即相对于机动车401，如果环境传感器403布置在机动车401上。
与所述测量相对应的测量信号发送到设备201的输入端203。输入端203接收这些测量信号并且接收表示机动车401的测量的自身速度的其他测量信号。因此，所述测量信号和所述其他测量信号是由处理器205所接收的测量信号，其表示借助环境传感器403测量的、对象相对于环境传感器403的径向距离dr，借助环境传感器403测量的、对象相对于环境传感器403的径向相对速度vr，机动车401的所测量的自身速度vego。
如上所述和/或如下所述，处理器205计算机动车是否可能与对象碰撞。
处理器205产生由计算所得的结果信号，通过输出端207输出该结果信号。
结果信号例如输出给机动车401的控制装置405。
根据一种实施方式，控制装置405构造用于基于所输出的结果信号来控制机动车401的横向引导和/或纵向引导。
总的来说，提供一种用于有效地分类位于包括环境传感器的机动车的环境中的对象在与机动车的碰撞方面的相关性的构思。此外，根据本发明的构思不基于对测量参量的时间过滤或对对象形成的假设，而且尤其直接基于环境传感器的基本测量参量，这保证关于适用性和稳健性的高的普遍性。由非常利于构型的环境传感器已经能够以有利的方式提供所使用的基本测量参量，即所测量的径向距离和所测量的径向相对速度。

Claims (8)

1.一种用于分类对象的相关性的方法，所述方法用于分类位于包括环境传感器(403)的机动车(401)的环境中的对象在与所述机动车(401)的碰撞方面的相关性，所述方法包括以下步骤：
接收(101)测量信号，所述测量信号表示如下：借助所述环境传感器(403)测量的、所述对象相对于所述环境传感器(403)的径向距离dr，借助所述环境传感器(403)测量的、所述对象相对于所述环境传感器(403)的径向相对速度vr，所述机动车(401)的测量的自身速度vego；
接收(103)尺寸信号，所述尺寸信号表示所述机动车(401)的尺寸；
基于所接收的测量信号和所接收的尺寸信号来计算(105)所述机动车(401)是否可能与所述对象碰撞；
输出(107)结果信号以便分类所述对象在与所述机动车(401)的碰撞方面的相关性，所述结果信号表示所述计算的结果：所述机动车(401)是否可能与所述对象碰撞，其特征在于，所述机动车(401)是否可能与所述对象碰撞的所述计算(105)包括如下：基于所接收的测量信号计算不确定性位置值，其中，所述不确定性位置值说明关于所述对象的可能位置的位置信息；基于所接收的尺寸信号计算阈值；将不确定性位置值与阈值进行比较，从而所述结果取决于所述比较。
2.根据权利要求1所述的方法，其中，所述机动车(401)是否可能与所述对象碰撞的所述计算(105)基于以下假设中至少之一执行：所述对象是静止对象，所述机动车(401)的横摆率ψ的时间导数为零，所述机动车(401)的俯仰率的时间导数为零，所述机动车的自身速度的时间导数为零。
3.根据权利要求1或2所述的方法，其中，接收位置信号，其中，所述位置信号表示所述机动车(401)上的所述环境传感器(403)的位置，其中，所述机动车(401)是否可能与所述对象碰撞的所述计算(105)基于所接收的位置信号来执行。
4.根据权利要求1或2所述的方法，其中，所述机动车(401)是否可能与所述对象碰撞的所述计算(105)基于所有假设来执行，其中，所述机动车(401)的尺寸包括宽度B和高度H，其中，所述环境传感器(403)的位置由距地面的高度h和至机动车纵轴的偏心距离b预给定，其中，根据计算所述不确定性位置值，其中，根据 计算所述阈值，其中，如果所述不确定性位置值小于或小于等于所述阈值，则计算出所述机动车(401)不可能与所述对象碰撞作为结果，其中，如果所述不确定性位置值大于所述阈值，则计算出所述机动车(401)可能与所述对象碰撞作为结果。
5.根据权利要求1或2所述的方法，其中，所述测量信号表示借助所述环境传感器(403)测量的、所述对象的横向偏移dy，其中，所述机动车(401)是否可能与所述对象碰撞的所述计算(105)基于所有假设来执行，其中，所述机动车(401)的尺寸包括高度H，其中，所述环境传感器(403)的位置由距地面的高度h预给定，其中，根据计算所述不确定性位置值，其中，根据max(h2,(H-h)2)计算所述阈值，其中，如果所述不确定性位置值小于或小于等于所述阈值，则计算出所述机动车(401)不可能与所述对象碰撞作为结果，其中，如果所述不确定性位置值大于所述阈值，则计算出所述机动车(401)可能与所述对象碰撞作为结果。
6.根据权利要求5所述的方法，其中，所述测量信号表示具有误差值的所测量的仰角偏移，其中，基于所测量的仰角偏移和所述不确定性位置值来校正所测量的仰角偏移。
7.一种设备(201)，所述设备设置用于实施根据权利要求1至6中任一项所述的方法的所有步骤。
8.一种机器可读的存储介质(301)，在所述机器可读的存储介质上存储有计算机程序(303)，其中，所述计算机程序(303)包括指令，所述指令在通过计算机实施所述计算机程序(303)时促使所述计算机实施根据权利要求1至6中任一项所述的方法。
CN201980045673.XA 2018-07-07 2019-06-24 用于分类对象的相关性的方法 Active CN112368758B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102018211240.1A DE102018211240A1 (de) 2018-07-07 2018-07-07 Verfahren zum Klassifizieren einer Relevanz eines Objekts
DE102018211240.1 2018-07-07
PCT/EP2019/066586 WO2020011516A1 (de) 2018-07-07 2019-06-24 Verfahren zum klassifizieren einer relevanz eines objekts

Publications (2)

Publication Number Publication Date
CN112368758A CN112368758A (zh) 2021-02-12
CN112368758B true CN112368758B (zh) 2023-10-03

Family

ID=67107411

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980045673.XA Active CN112368758B (zh) 2018-07-07 2019-06-24 用于分类对象的相关性的方法

Country Status (5)

Country Link
US (1) US11386786B2 (zh)
EP (1) EP3818511A1 (zh)
CN (1) CN112368758B (zh)
DE (1) DE102018211240A1 (zh)
WO (1) WO2020011516A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018211240A1 (de) * 2018-07-07 2020-01-09 Robert Bosch Gmbh Verfahren zum Klassifizieren einer Relevanz eines Objekts
CN115184973B (zh) * 2022-07-08 2024-04-16 中国科学院微小卫星创新研究院 基于惯性测量与激光测距的星载超远距离目标测速和定位系统及其方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5948035A (en) * 1997-09-18 1999-09-07 Toyota Jidosha Kabushiki Kaisha Method and apparatus for predicting minimum stopping distance required to brake running vehicle
GB0122398D0 (en) * 2001-09-17 2001-11-07 Manganese Bronze Holdings Plc Vehicle location
EP1475764A2 (de) * 2003-05-02 2004-11-10 IBEO Automobile Sensor GmbH Verfahren und Vorrichtung zur Ermittlung der Wahrscheinlichkeit für eine Kollision eines Fahrzeugs mit einem Gegenstand
GB201312853D0 (en) * 2012-07-30 2013-09-04 Ford Global Tech Llc Collision detection system with a plausibility module
GB201515096D0 (en) * 2015-08-25 2015-10-07 Oxford Techinical Solutions Ltd Positioning system and method
CN105761546A (zh) * 2014-12-16 2016-07-13 中国移动通信集团公司 一种车辆防碰撞的方法、装置和系统
DE102016105022A1 (de) * 2016-03-18 2017-09-21 Valeo Schalter Und Sensoren Gmbh Verfahren zum Erfassen zumindest eines Objekts in einer Umgebung eines Kraftfahrzeugs durch eine indirekte Messung mit Sensoren, Steuereinrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug
CN108072318A (zh) * 2016-11-14 2018-05-25 迈来芯电子科技有限公司 测量绝对角位置

Family Cites Families (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6611210B2 (en) * 1996-12-03 2003-08-26 Inductive Signature Technologies, Inc. Automotive vehicle classification and identification by inductive signature
DE10100413A1 (de) * 2001-01-08 2002-07-11 Bosch Gmbh Robert Verfahren und Vorrichtung zur Schätzung von Bewegungsparametern von Zielen
US6842684B1 (en) * 2003-09-17 2005-01-11 General Motors Corporation Methods and apparatus for controlling a brake system
WO2007111130A1 (ja) * 2006-03-27 2007-10-04 Murata Manufacturing Co., Ltd. レーダ装置および移動体
EP2085279B1 (en) * 2008-01-29 2011-05-25 Ford Global Technologies, LLC A system for collision course prediction
DE102008036009B4 (de) 2008-03-28 2018-03-22 Volkswagen Ag Verfahren zum Kollisionsschutz eines Kraftfahrzeugs und Parkhausassistent
AT507035B1 (de) * 2008-07-15 2020-07-15 Airbus Defence & Space Gmbh System und verfahren zur kollisionsvermeidung
DE102008046488B4 (de) 2008-09-09 2019-12-12 Volkswagen Ag Probabilistische Auslösestrategie
GB2490878B8 (en) 2011-05-12 2014-07-23 Jaguar Cars Monitoring apparatus and method
US20170242443A1 (en) * 2015-11-02 2017-08-24 Peloton Technology, Inc. Gap measurement for vehicle convoying
CN103903478A (zh) * 2012-12-29 2014-07-02 富泰华工业（深圳）有限公司 行车预警系统
US9280899B2 (en) * 2013-08-06 2016-03-08 GM Global Technology Operations LLC Dynamic safety shields for situation assessment and decision making in collision avoidance tasks
KR101644370B1 (ko) * 2014-10-23 2016-08-01 현대모비스 주식회사 물체 검출 장치 및 그 동작 방법
US9599706B2 (en) * 2015-04-06 2017-03-21 GM Global Technology Operations LLC Fusion method for cross traffic application using radars and camera
RU2629875C1 (ru) * 2016-04-04 2017-09-04 Общество С Ограниченной Ответственностью "Яндекс" Способы и системы прогнозирования условий вождения
KR101795249B1 (ko) * 2016-05-02 2017-11-07 현대자동차주식회사 차량 및 그것의 주행 안전 지원 방법
US10740658B2 (en) * 2016-09-08 2020-08-11 Mentor Graphics Corporation Object recognition and classification using multiple sensor modalities
DE102017108107A1 (de) * 2017-04-13 2018-10-18 Volkswagen Aktiengesellschaft Verfahren, vorrichtung und computerlesbares speichermedium mit instruktionen zur schätzung einer pose eines kraftfahrzeugs
US20180373980A1 (en) * 2017-06-27 2018-12-27 drive.ai Inc. Method for training and refining an artificial intelligence
JP6849575B2 (ja) * 2017-11-08 2021-03-24 株式会社デンソー 車両における制動支援装置および制動支援制御方法
US10514462B2 (en) * 2017-12-13 2019-12-24 Luminar Technologies, Inc. Training a machine learning based model of a vehicle perception component based on sensor settings
CN110352153A (zh) * 2018-02-02 2019-10-18 辉达公司 自主车辆中用于障碍物躲避的安全程序分析
US10468062B1 (en) * 2018-04-03 2019-11-05 Zoox, Inc. Detecting errors in sensor data
US20190316914A1 (en) * 2018-04-17 2019-10-17 Faraday&Future Inc. Speed-bump based localization enhancement
EP3575827A1 (en) * 2018-06-01 2019-12-04 Aptiv Technologies Limited Method for robust estimation of the velocity of a target using a host vehicle
DE102018211240A1 (de) * 2018-07-07 2020-01-09 Robert Bosch Gmbh Verfahren zum Klassifizieren einer Relevanz eines Objekts
EP3611541A1 (en) * 2018-08-16 2020-02-19 Aptiv Technologies Limited Method of determining an uncertainty estimate of an estimated velocity
US11385335B2 (en) * 2018-12-07 2022-07-12 Beijing Voyager Technology Co., Ltd Multi-threshold LIDAR detection
US20200242942A1 (en) * 2019-01-30 2020-07-30 Daniel A. Gilbert Traffic lane encroachment indicator system
US11718324B2 (en) * 2019-04-11 2023-08-08 Isee, Inc. Instance segmentation imaging system
JP7336604B2 (ja) * 2020-02-21 2023-08-31 ブルースペース エイアイ，インコーポレイテッド 自律ナビゲーションの間の物体回避の方法
US20210339741A1 (en) * 2020-04-30 2021-11-04 Zoox, Inc. Constraining vehicle operation based on uncertainty in perception and/or prediction
US11878682B2 (en) * 2020-06-08 2024-01-23 Nvidia Corporation Path planning and control to account for position uncertainty for autonomous machine applications

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5948035A (en) * 1997-09-18 1999-09-07 Toyota Jidosha Kabushiki Kaisha Method and apparatus for predicting minimum stopping distance required to brake running vehicle
GB0122398D0 (en) * 2001-09-17 2001-11-07 Manganese Bronze Holdings Plc Vehicle location
EP1475764A2 (de) * 2003-05-02 2004-11-10 IBEO Automobile Sensor GmbH Verfahren und Vorrichtung zur Ermittlung der Wahrscheinlichkeit für eine Kollision eines Fahrzeugs mit einem Gegenstand
GB201312853D0 (en) * 2012-07-30 2013-09-04 Ford Global Tech Llc Collision detection system with a plausibility module
CN105761546A (zh) * 2014-12-16 2016-07-13 中国移动通信集团公司 一种车辆防碰撞的方法、装置和系统
GB201515096D0 (en) * 2015-08-25 2015-10-07 Oxford Techinical Solutions Ltd Positioning system and method
DE102016105022A1 (de) * 2016-03-18 2017-09-21 Valeo Schalter Und Sensoren Gmbh Verfahren zum Erfassen zumindest eines Objekts in einer Umgebung eines Kraftfahrzeugs durch eine indirekte Messung mit Sensoren, Steuereinrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug
CN108072318A (zh) * 2016-11-14 2018-05-25 迈来芯电子科技有限公司 测量绝对角位置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于相对轨道要素的航天器相对运动碰撞分析;殷建丰;贺泉;韩潮;;航空学报(02);全文 *
白显宗 ; 陈磊 ; .空间目标碰撞概率计算方法研究.宇航学报.2008,(04), *
编队卫星碰撞规避方法研究;胡敏;曾国强;;上海航天(03);全文 *

Also Published As

Publication number Publication date
DE102018211240A1 (de) 2020-01-09
EP3818511A1 (de) 2021-05-12
CN112368758A (zh) 2021-02-12
WO2020011516A1 (de) 2020-01-16
US11386786B2 (en) 2022-07-12
US20210192953A1 (en) 2021-06-24

Similar Documents

Publication Publication Date Title
CN110531357B (zh) 估计移动目标在水平面中速度大小的方法和雷达检测系统
US8954260B2 (en) Method and system for collision assessment for vehicles
CN109080628B (zh) 目标确定设备和驾驶辅助系统
US11435375B2 (en) Method of determining an uncertainty estimate of an estimated velocity
US11300415B2 (en) Host vehicle position estimation device
JP6622167B2 (ja) 軸ずれ推定装置
US11954918B2 (en) Object detection device, object detection method, and storage medium
CN112368758B (zh) 用于分类对象的相关性的方法
US11408989B2 (en) Apparatus and method for determining a speed of a vehicle
CN112119330A (zh) 物体检测装置及物体检测方法
CN113330448A (zh) 用于车辆的传感器数据融合的方法和装置
CN111433629A (zh) 雷达信号处理装置、雷达装置及雷达信号处理方法
WO2020230314A1 (ja) 自己位置補正方法及び自己位置補正装置
US20190095693A1 (en) Method and device for controlling a driver assistance system by using a stereo camera system including a first and a second camera
JP6818902B6 (ja) 車両検知システム
CN113126077A (zh) 盲点区域的目标检测系统、方法及介质
JPWO2020158020A1 (ja) 計測装置、計測方法及び計測プログラム
CN111123235A (zh) 一种导航雷达的静止目标的确定方法及装置
CN112325770B (zh) 一种车端单目视觉测量相对精度置信度评估方法及系统
CN113985413A (zh) 点云数据的处理方法、装置、设备和自动驾驶车辆
CN116679276A (zh) 雷达目标动静态判别方法、装置及存储介质
JP2024034564A (ja) 自車位置測位装置及び自車位置測位方法
CN115201828A (zh) 稀疏点云的优化方法、系统、电子设备、存储介质
CN117250607A (zh) 基于车载雷达的自车速度估计方法、装置、车辆及介质
KR20230062306A (ko) 요 계산 없이 운전 행동을 감지하는 방법 및 장치

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