CN112740061A - 用于改善在借助LiDAR环境地图的情况下的雷达仪的物体识别的方法和设备 - Google Patents

用于改善在借助LiDAR环境地图的情况下的雷达仪的物体识别的方法和设备 Download PDF

Info

Publication number
CN112740061A
CN112740061A CN201980061119.0A CN201980061119A CN112740061A CN 112740061 A CN112740061 A CN 112740061A CN 201980061119 A CN201980061119 A CN 201980061119A CN 112740061 A CN112740061 A CN 112740061A
Authority
CN
China
Prior art keywords
object recognition
radar
environment
environment map
radar apparatus
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
CN201980061119.0A
Other languages
English (en)
Other versions
CN112740061B (zh
Inventor
T·布雷德曼
R·法霍德
T·菲
C·格林姆
E·瓦西茨
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 CN112740061A publication Critical patent/CN112740061A/zh
Application granted granted Critical
Publication of CN112740061B publication Critical patent/CN112740061B/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
    • 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
    • G01S7/4004—Means for monitoring or calibrating of parts of a radar system
    • G01S7/4021—Means for monitoring or calibrating of parts of a radar system of receivers
    • 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
    • G01S13/865—Combination of radar systems with lidar 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar 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
    • G01S7/4052—Means for monitoring or calibrating by simulation of echoes

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种用于改善机动车(2)的雷达仪(1)的物体识别的评估的方法，所述方法具有下面的步骤：‑借助LiDAR扫描器(3)生成环境的第一环境地图，‑基于生成的第一环境地图借助第一识别装置(4)实施第一物体识别，‑基于实施的第一物体识别借助第一识别装置(4)构建地面实况环境模型，‑借助雷达仪(1)生成环境的第二环境地图，‑利用备选的物体识别算法基于生成的第二环境地图借助雷达仪(1)的第二识别装置(5)重复地实施第二物体识别，‑基于重复实施的第二物体识别借助第二识别装置(5)分别构建一个雷达环境模型，‑基于雷达环境模型与地面实况环境模型的偏差借助确定装置(6)重复地确定雷达仪(1)的特定于物体识别算法的质量性能，并且‑根据质量性能的水平利用确定装置(6)认定适合的物体识别算法。此外本发明涉及一种用于改善机动车(2)的雷达仪(1)的物体识别的评估的装置(7)。

Description

用于改善在借助LiDAR环境地图的情况下的雷达仪的物体识 别的方法和设备
技术领域
本发明涉及用于改善机动车的雷达仪的物体识别的评估的方法。此外本发明涉及用于改善机动车的雷达仪的物体识别的评估的设备。
背景技术
现代的机动车具有许多驾驶员辅助系统。驾驶员辅助系统的主任务是在机动车行驶时辅助驾驶员，以便使其例如在困难的行驶状况中减轻负担，补偿其驾驶技能的不足和/或以便对其给出可能性以更好地在机动车行驶时集中于特别的方面。驾驶员辅助系统能够基本上分成纯信息的驾驶员辅助系统以及自动干预的驾驶员辅助系统。
纯信息的驾驶员辅助系统具有如下任务，为驾驶员指示事件。用于纯信息的驾驶员辅助系统的典型的示例是行驶线路辅助工具和转弯辅助工具。这些驾驶员辅助系统分析行驶状况并且在潜在的危险的情况中警告驾驶员。例如在没有对应的闪光信号情况下行驶经过行车道标记时通过声学的信号或触觉的信号、尤其是转向盘的振动使驾驶员对此引起注意。行驶方向的校正当然是驾驶员的责任。尽管如此，也已知自动进行对应的校正的行驶线路辅助工具或转弯辅助工具。这样的驾驶员辅助系统于是算作自动干预的驾驶员辅助系统。
已知的自动干预的驾驶员辅助系统例如是制动辅助工具、停车辅助工具和远光灯辅助工具。这些驾驶员辅助系统分析行驶状况并且在需要时主动干预到机动车的控制中。远光灯辅助工具例如在使其他交通参与者目眩的危险时自动关闭远光灯，制动辅助工具制动机动车，以便避免尤其是与其他的交通参与者的可能的碰撞，并且停车辅助工具将机动车转向到停车空位中。此外自动干预的驾驶员辅助系统大多具有信号功能，以便使驾驶员注意到通过驾驶员辅助系统的自动的干预。
驾驶员辅助系统的特殊情况是自主的行驶。之前所述驾驶员辅助系统仅辅助驾驶员，而自主的驾驶员辅助系统能独立控制机动车。驾驶员仅要预定路线或目标，并且具有监控自主的驾驶员辅助系统的任务。
为了规定的作用，驾驶员辅助系统具有用于检测不同的参数、例如车辆速度、行车道标记、交通参与者等的装置。在该范围中，例如在机动车中使用雷达仪，以便识别在机动车的车辆环境中的物体并且将其报告给一个或多个驾驶员辅助系统。该物体识别的质量在每种行驶状况中要被保证。此外存在法律上的规定，其要求雷达仪的质量证明。因而在雷达仪的开发过程中，物体识别的质量以及质量的对应的记录有大的重要性。
由DE 10 2013 212 710A1已知一种用于仿真传感器测量的方法。在该范围中，构建传感器的模块化地再次可使用的传感器模型，所述传感器模型说明传感器的特性。借助所述传感器模型可实施传感器的虚拟的传感器测量。以这种方式应该给出在不同的开发领域之间的接口，以便使驾驶员辅助系统的开发变得容易。DE 10 2016 225 595A1说明用于借助确定的参考物体校准轨道车辆的传感器的方法以及布置结构，所述参考物体可由传感器检测。通过传感器的测量结果和期待的测量结果的比较校准传感器。
这些已知的设备和方法具有如下缺点，即，传感器、尤其是雷达仪的物体识别的质量只可非常耗费地被确定。这导致雷达仪的提高的开发时间以及高的开发费用。此外经常缺乏客观的准则以用于确定雷达仪的物体识别的质量，由此附加地使质量的优化变得困难。
发明内容
因此本发明的任务是，在用于改善机动车的雷达仪的物体识别的评估的方法以及设备中消除或至少部分地消除上述缺点。尤其是本发明的任务是，提供用于改善机动车的雷达仪的物体识别的评估的方法和设备，其以简单的并且低成本的方式确保物体识别的质量的自动化确定并且因此有助于降低雷达仪的开发时间和/或开发费用。
前述的任务通过各权利要求解决。因而所述任务通过具有独立权利要求1的特征的用于改善机动车的雷达仪的物体识别的评估的方法以及通过具有并列权利要求8的特征的用于改善机动车的雷达仪的物体识别的评估的设备解决。本发明其他的特征和细节由从属权利要求、说明书和附图得出。在此适用如下特征和细节，其关联按照本发明的方法被说明，当然也关联按照本发明的设备并且分别反之亦然，从而关于各个发明方面的公开总是相互参考或可相互参考。
按照本发明的第一方面，所述任务通过用于改善机动车的雷达仪的物体识别的评估的方法解决。所述方法具有下面的步骤：
-借助LiDAR扫描器生成环境的第一环境地图，
-基于生成的第一环境地图借助第一识别装置实施第一物体识别，
-基于实施的第一物体识别借助第一识别装置构建地面实况环境模型，
-借助雷达仪生成环境的第二环境地图，
-利用备选的物体识别算法基于生成的第二环境地图借助雷达仪的第二识别装置重复地实施第二物体识别，
-基于重复实施的第二物体识别借助第二识别装置分别构建一个雷达环境模型，
-基于雷达环境模型与地面实况环境模型的偏差借助确定装置重复地确定雷达仪的特定于物体识别算法的质量性能，并且
-根据质量性能的水平借助确定装置认定适合的物体识别算法。
物体识别的质量是雷达仪的物体识别如何准确或如何可靠地起作用的程度。物体识别的质量越高，则物体由雷达仪越可靠地识别。
首先借助所谓的LiDAR扫描器生成环境的第一环境地图。“LiDAR”代表“光检测与距离修正(Light Detection And Ranging)”并且是使用激光束用于扫描环境的方法。为此，发射激光束或激光脉冲并且探测从物体往回反射的激光。借助在发射激光束时已知的方向以及在激光束的发射和探测之间的持续时间，可确定与往回反射的物体的相对的距离以及物体的相对速度。LiDAR扫描器具有特别高的分辨率，从而第一环境地图优选高分辨率、至少以比雷达仪更准确的分辨率生成。
作为环境地图在这里理解的是车辆环境的几何的图像。补充于此，可以为了/已为了由几何的LiDAR环境地图对雷达参数化的辅助，通过时间上的观察参考“光学流”提取环境的详细的并且决定性的速度信息。
基于第一环境地图，进行借助第一识别装置的第一物体识别。在第一物体识别中，认定在第一环境地图中存在的物体。在该范围中可以例如标识指路牌、机动车、人、婴儿车、自行车或类似物。
由通过第一物体识别认定的物体构建地面实况环境模型。所述地面实况环境模型可以例如具有第一环境地图的全部信息，其中，标识在地面实况环境模型中的各个物体。备选地，第一环境地图的不重要的信息、例如非常小的物体、草或类似物可以从地面实况环境模型中隐没。地面实况环境模型用作为用于确定雷达仪的物体识别的质量的参考模型。
借助雷达仪生成第二环境地图。雷达仪通常出于物理原因具有比LiDAR扫描器显著较小的分辨率，从而第二环境地图当然具有比第一环境地图小的分辨率。
基于生成的第二环境地图以及可选的提取的速度信息，随后借助雷达仪的第二识别装置利用不同的物体识别算法重复实施第二物体识别。第二物体识别在本发明的范围中理解为第二环境地图的物体的认定。作为该方法步骤的结果将物体的分别至少一个识别配置给不同的物体识别算法。该方法步骤越经常地重复，则越多地生成第二物体识别和物体识别算法的配置。
由第二物体识别分别借助第二识别装置构建雷达环境模型。这例如表示，在n个使用的物体识别算法中也构建n个特定于物体识别算法的雷达环境模型。所述雷达环境模型可以例如具有第二环境地图的全部信息，其中，辨识在雷达环境模型中的各个物体。备选地可以将第二环境地图的不重要的信息、例如非常小的物体、草、噪声、通过外部的雷达仪或类似物造成的干扰从雷达环境模型中隐没。
以这种方式构建的雷达环境模型借助确定装置与地面实况环境模型比较。该比较的结果是在地面实况环境模型和各个雷达环境模型之间的差别。该差别与雷达仪的相应的物体识别算法的质量性能相互作用。
由此在下面的方法步骤中对合适的物体识别算法根据其质量性能的水平认定。在这里优选适用原则，使具有高的质量性能的物体识别算法比具有较低的质量性能的物体识别算法更可取。因此优选选择物体识别算法，其雷达环境模型具有与地面实况环境模型的最小的差别。在理想情况中，以这种方式认定具有最高的质量性能的物体识别算法以及选择该具有最高的质量性能的物体识别算法用于运行雷达仪。
用于改善机动车的雷达仪的物体识别的评估的按照本发明的方法相对于常规的方法具有优点，即，以简单的措施以及以低成本的方式和类型认定雷达仪的确保特别可靠的物体识别的物体识别算法。
按照本发明的一种优选的进一步改进可以在一种方法中设置为了，由地面实况环境模型借助确定装置以及在使用雷达仪的系统参数的情况下生成虚拟的雷达数据，其中，使用虚拟的雷达数据用于适配雷达仪，以用于生成第二环境地图。虚拟的雷达数据可以在使用雷达仪的基本的系统参数、例如带宽、采样率、采样方式、中间频率等的情况下用于适配雷达仪。这具有优点，即，为了改善物体识别的评估，雷达仪的运行以简单的措施以及低成本的方式可模拟或可模仿。
按照本发明进一步优选，借助生成统计学模型、尤其是simGAN在与雷达仪适配之前人工生成虚拟的雷达数据。通过生成统计学模型，实际的雷达仪的雷达数据的统计学的特性以可靠以及低成本的方式可模仿。不需要这些实际使用这些雷达仪。由此可以进一步减少雷达仪的开发费用以及开发时间。
进一步优选，在借助生成统计学模型人工生成虚拟的雷达数据的情况下，施加在虚拟的雷达数据中的变化，所述变化模拟统计学的噪声效果。以这种方式，以简单的措施以及低成本地实行雷达仪的特别接近现实的仿真，所述仿真考虑雷达仪的特别的特性。由此可以进一步减少雷达仪的开发费用以及开发时间。
在所述方法的一种特别优选的设计中，在借助生成统计学模型人工生成虚拟的雷达数据的情况下，施加虚拟的雷达数据中的变化，所述变化模拟机动车的行驶场景的变化。以这种方式，利用简单的措施以及低成本地实现雷达仪的特别接近现实的仿真，所述仿真考虑不同的行驶场景。因此不需要雷达仪在用于构建第二环境地图的相同的行驶场景中的实际的使用。由此可以进一步减少雷达仪的开发费用以及开发时间。
优选由行驶的机动车至少实施第一环境地图的生成和第二环境地图的生成。因而LiDAR扫描器和雷达仪优选设置在机动车上。在使用行驶的机动车的情况下的生成具有如下优点，即，因此在短的时间中可生产特别大的数据量，借助所述数据量，可认定雷达仪的具有最高的质量性能的物体识别算法。由此可以进一步改善所述方法的效率。
按照本发明的一种优选的实施形式，借助雷达仪以可改变的雷达参数重复实施环境的第二环境地图的生成，其中，根据生成的环境地图的质量性能的水平进行第二物体识别的重复的实施、雷达环境模型的构建、质量性能的重复的确定以及适合的物体识别算法的认定。通过雷达参数例如采样方式、采样率、带宽、中间频率等的变化，可以产生不同的第二环境地图。以这种方式能够以简单的措施以及低成本地认定雷达仪的雷达参数和物体识别算法，所述雷达参数和物体识别算法具有特别高的质量性能并且因此特别适合用于运行雷达仪。
按照本发明的第二方面，所述任务通过用于改善机动车的雷达仪的物体识别的评估的设备来解决。所述设备具有用于生成环境的第二环境地图的雷达仪，其中，所述雷达仪具有第二识别装置，以用于利用备选的物体识别算法基于生成的第二环境地图实施物体识别。按照本发明，所述设备具有用于生成环境的第一环境地图的LiDAR扫描器、用于基于生成的第一环境地图实施第一物体识别的第一识别装置以及用于确定雷达仪的特定于物体识别算法的质量性能并且用于根据质量性能的水平认定适合的物体识别算法、尤其是具有最高的质量性能的物体识别算法的确定装置。
在用于改善机动车的雷达仪的物体识别的评估的所述设备中产生全部如下的优点，其已经在按照本发明的第一方面的用于改善机动车的雷达仪的物体识别的评估的方法中说明。因而按照本发明的设备相对于已知的设备具有优点，即，利用简单的措施以及以低成本的方式可认定雷达仪的物体识别算法，所述物体识别算法确保特别可靠的物体识别。
优选所述设备构成用于实施按照本发明的方法。这具有优点，即，以简单的措施以及低成本的方式和类型可认定雷达仪的物体识别算法，所述物体识别算法确保特别可靠的物体识别。
优选地，所述设备设置在机动车上。所述设备在行驶的机动车上的布置结构具有优点，即，以这种方式在短的时间中可生产特别大的数据量，根据所述数据量，特别可靠地可认定雷达仪的具有最高的质量性能的物体识别算法。由此可进一步改善按照本发明的设备的效率。
附图说明
借助附图下面进一步解释本发明。在此：
图1示出按照本发明的方法的优选的信号流的图表；
图2示出按照本发明的设备的一种优选的实施形式的示意的构造；
图3以侧视图示出包括按照本发明的设备的机动车；以及
图4示出按照本发明的方法的一种优选的实施形式的流程图。
具体实施方式
具有相同的功能和作用方式的元件在图1至4中分别设有相同的附图标记。
在图1中示意性在图表中示出按照本发明的方法的优选的信号流。用于实施所述方法使用的设备7在图2中示意性从实际的行驶场景10出发进行借助LiDAR扫描器3对实际的行驶场景10的扫描。随后进行借助LiDAR扫描器3对第一环境地图15的构建。借助LiDAR扫描器3的第一识别装置4，随后进行第一物体识别20的实施以及虚拟的雷达数据25的生成。
同样从实际的行驶场景10出发进行借助雷达仪1对实际的行驶场景10的扫描。随后进行借助雷达仪1对雷达数据30的构建。例如第二环境地图的生成、借助雷达仪1的第二识别装置5实施第二物体识别以及借助第二识别装置5构建雷达环境模型可以属于此。基于以及考虑雷达数据30的构建，进行生成统计学模型35的构建。采用该生成统计学模型以用于借助所述装置1的确定装置6优化雷达物体识别40。
在图3中示意性地在侧视图中描绘包括按照本发明的设备7的机动车2。所述设备设置机动车的前部区域、尤其是散热器格栅的区域中，其中，雷达仪1和LiDAR扫描器优选沿机动车2的行驶方向定向。可以按照本发明设置为，所述设备具有多个LiDAR扫描器3和/或雷达仪1，其中，一个LiDAR扫描器3和/或一个雷达仪1例如设置在机动车2的侧面和/或尾部区域上。
图4示意性在流程图中示出按照本发明的方法的一种优选的实施形式。在第一方法步骤100中，借助LiDAR扫描器3生成环境的第一环境地图。在第二方法步骤200中，基于生成的第一环境地图借助第一识别装置4实施第一物体识别。在第三方法步骤300中，基于实施的第一物体识别借助第一识别装置4构建地面实况环境模型。在第四方法步骤400中，借助雷达仪1生成环境的第二环境地图。在第五方法步骤500中，利用备选的物体识别算法基于生成的第二环境地图借助雷达仪1的第二识别装置5进行第二物体识别的重复的实施。在第六方法步骤600中，借助第二识别装置5对于每个第二物体识别分别构建雷达环境模型。在第七方法步骤700中，借助确定装置基于雷达环境模型与地面实况环境模型的偏差进行雷达仪1的特定于物体识别算法的质量性能的重复的确定。在第八方法步骤800中，根据确定装置6利用质量性能的水平认定合适的物体识别算法。在这里优选认定具有最高的质量性能的物体识别算法并且选择其用于运行雷达仪1。
附图标记列表
1 雷达仪
2 机动车
3 LiDAR扫描器
4 第一识别装置
5 第二识别装置
6 确定装置
7 设备
10 实际的行驶场景
15 构建第一环境地图
20 实施第一物体识别
25 生成虚拟的雷达数据
30 构建雷达数据
35 构建生成统计学模型
40 优化雷达物体识别
100 第一方法步骤
200 第二方法步骤
300 第三方法步骤
400 第四方法步骤
500 第五方法步骤
600 第六方法步骤
700 第七方法步骤
800 第八方法步骤。

Claims (10)

1.用于改善机动车(2)的雷达仪(1)的物体识别的评估的方法，所述方法具有下面的步骤：
-借助LiDAR扫描器(3)生成环境的第一环境地图，
-基于生成的第一环境地图借助第一识别装置(4)实施第一物体识别，
-基于实施的第一物体识别借助第一识别装置(4)构建地面实况环境模型，
-借助雷达仪(1)生成环境的第二环境地图，
-利用备选的物体识别算法基于生成的第二环境地图借助雷达仪(1)的第二识别装置(5)重复地实施第二物体识别，
-基于重复实施的第二物体识别借助第二识别装置(5)分别构建一个雷达环境模型，
-基于雷达环境模型与地面实况环境模型的偏差借助确定装置(6)重复地确定雷达仪(1)的特定于物体识别算法的质量性能，并且
-根据质量性能的水平利用确定装置(6)认定适合的物体识别算法。
2.按照权利要求1所述的方法，其特征在于，由地面实况环境模型借助确定装置(6)以及在使用雷达仪(1)的系统参数的情况下生成虚拟的雷达数据，其中，虚拟的雷达数据为了适配雷达仪(1)被用于生成第二环境地图。
3.按照权利要求2所述的方法，其特征在于，借助生成统计学模型在与雷达仪(1)适配之前生成虚拟的雷达数据。
4.按照权利要求3所述的方法，其特征在于，在借助生成统计学模型人工生成虚拟的雷达数据时，施加在虚拟的雷达数据中的变化，所述变化模拟统计学的噪声效果。
5.按照权利要求3或4所述的方法，其特征在于，在借助生成统计学模型人工生成虚拟的雷达数据时，施加在虚拟的雷达数据中的变化，所述变化模拟机动车(2)的行驶场景的变化。
6.按照上述权利要求之一所述的方法，其特征在于，由行驶的机动车(2)至少实施第一环境地图的生成和第二环境地图的生成。
7.按照上述权利要求之一所述的方法，其特征在于，借助雷达仪(1)以可改变的雷达参数重复实施环境的第二环境地图的生成，其中，根据生成的环境地图的质量性能的水平进行第二物体识别的重复的实施、雷达环境模型的构建、质量性能的重复的确定以及适合的物体识别算法的认定。
8.用于改善机动车(2)的雷达仪(1)的物体识别的评估的设备(7)，所述设备具有用于生成环境的第二环境地图的雷达仪(1)，其中，所述雷达仪(1)具有第二识别装置(5)，以用于利用备选的物体识别算法基于生成的第二环境地图实施物体识别，其特征在于，所述设备具有用于生成环境的第一环境地图的LiDAR扫描器(3)、用于基于生成的第一环境地图实施第一物体识别的第一识别装置(4)以及用于确定雷达仪(1)的特定于物体识别算法的质量性能并且用于根据质量性能的水平认定适合的物体识别算法的确定装置。
9.按照权利要求8所述的设备(7)，其特征在于，所述设备构成用于实施按照权利要求1至7之一所述的方法。
10.按照权利要求8或9所述的设备(7)，其特征在于，所述设备(7)设置在机动车(2)上。
CN201980061119.0A 2018-09-26 2019-09-18 用于改善在借助LiDAR环境地图的情况下的雷达仪的物体识别的方法和设备 Active CN112740061B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102018123779.0 2018-09-26
DE102018123779.0A DE102018123779A1 (de) 2018-09-26 2018-09-26 Verfahren und Vorrichtung zum Verbessern einer Objekterkennung eines Radargeräts
PCT/EP2019/074966 WO2020064453A1 (de) 2018-09-26 2019-09-18 Verfahren und vorrichtung zum verbessern einer objekterkennung eines radargeräts unter zuhilfenahme einer lidar-umgebungskarte

Publications (2)

Publication Number Publication Date
CN112740061A true CN112740061A (zh) 2021-04-30
CN112740061B CN112740061B (zh) 2024-04-12

Family

ID=68051769

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980061119.0A Active CN112740061B (zh) 2018-09-26 2019-09-18 用于改善在借助LiDAR环境地图的情况下的雷达仪的物体识别的方法和设备

Country Status (4)

Country Link
US (1) US11846722B2 (zh)
CN (1) CN112740061B (zh)
DE (1) DE102018123779A1 (zh)
WO (1) WO2020064453A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020206639B4 (de) 2020-05-27 2022-12-01 Robert Bosch Gesellschaft mit beschränkter Haftung Erkennung und/oder Ortung von Objekten anhand von Radardaten
DE102020117340A1 (de) 2020-07-01 2022-01-05 Zf Cv Systems Europe Bv Verfahren zur Umgebungserfassung mit wenigstens zwei unabhängigen bildgebenden Umgebungserfassungssensoren, Vorrichtung zur Durchführung des Verfahrens, Fahrzeug sowie entsprechend ausgelegtes Computerprogramm
CN114783248B (zh) * 2022-03-01 2023-09-15 中国人民解放军空军工程大学 一种特种装备复杂作业环境下的精确停车定位方法
DE102022120577A1 (de) 2022-08-16 2024-02-22 HELLA GmbH & Co. KGaA Vorrichtung und Verfahren zur Beleuchtung eines Fahrzeugvorfeldes

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104508724A (zh) * 2012-07-27 2015-04-08 大众汽车有限公司 用于避免碰撞的方法和装置
US20170124781A1 (en) * 2015-11-04 2017-05-04 Zoox, Inc. Calibration for autonomous vehicle operation
US20170169627A1 (en) * 2015-12-09 2017-06-15 Hyundai Motor Company Apparatus and method for failure diagnosis and calibration of sensors for advanced driver assistance systems
US20180009441A1 (en) * 2015-12-16 2018-01-11 Uber Technologies, Inc. Predictive sensor array configuration system for an autonomous vehicle
US20180101720A1 (en) * 2017-11-21 2018-04-12 GM Global Technology Operations LLC Systems and methods for free space inference to break apart clustered objects in vehicle perception systems

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070182623A1 (en) * 2006-02-03 2007-08-09 Shuqing Zeng Method and apparatus for on-vehicle calibration and orientation of object-tracking systems
US7991550B2 (en) * 2006-02-03 2011-08-02 GM Global Technology Operations LLC Method and apparatus for on-vehicle calibration and orientation of object-tracking systems
DE102009018311A1 (de) * 2009-04-22 2010-10-28 Valeo Schalter Und Sensoren Gmbh Verfahren und Vorrichtung zum Betrieb eines radargestützten Umfelderkennungssystems
US20170328729A1 (en) * 2012-08-14 2017-11-16 Google Inc. System To Optimize Sensor Parameters In An Autonomous Vehicle
DE102013212710A1 (de) * 2013-05-16 2014-11-20 Siemens Aktiengesellschaft Sensorprodukt, Simulator und Verfahren zur Simulation von Sensormessungen, zur Fusion von Sensormessungen, zur Validierung eines Sensormodells und zum Entwurf eines Fahrerassistenzsystems
US20180025640A1 (en) * 2016-07-19 2018-01-25 Ford Global Technologies, Llc Using Virtual Data To Test And Train Parking Space Detection Systems
US10592805B2 (en) 2016-08-26 2020-03-17 Ford Global Technologies, Llc Physics modeling for radar and ultrasonic sensors
DE102016216795A1 (de) * 2016-09-06 2018-03-08 Audi Ag Verfahren zur Ermittlung von Ergebnisbilddaten
US10591584B2 (en) * 2016-10-25 2020-03-17 GM Global Technology Operations LLC Radar calibration with known global positioning of static objects
US10296001B2 (en) * 2016-10-27 2019-05-21 Uber Technologies, Inc. Radar multipath processing
DE102016225595A1 (de) * 2016-12-20 2018-06-21 Siemens Aktiengesellschaft Verfahren und Anordnung zur Kalibrierung mindestens eines Sensors eines Schienenfahrzeugs
DE102017102592A1 (de) * 2017-02-09 2018-08-09 Valeo Schalter Und Sensoren Gmbh Verfahren zum Betreiben eines Radarsensors eines Kraftfahrzeugs mit Speicherung eines Filterkoeffizienten, Radarsensor, Fahrerassistenzsystem sowie Kraftfahrzeug
US20190164445A1 (en) * 2017-11-27 2019-05-30 Cae Inc. Method and system for simulating a radar image

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104508724A (zh) * 2012-07-27 2015-04-08 大众汽车有限公司 用于避免碰撞的方法和装置
US20170124781A1 (en) * 2015-11-04 2017-05-04 Zoox, Inc. Calibration for autonomous vehicle operation
US20170169627A1 (en) * 2015-12-09 2017-06-15 Hyundai Motor Company Apparatus and method for failure diagnosis and calibration of sensors for advanced driver assistance systems
US20180009441A1 (en) * 2015-12-16 2018-01-11 Uber Technologies, Inc. Predictive sensor array configuration system for an autonomous vehicle
US20180101720A1 (en) * 2017-11-21 2018-04-12 GM Global Technology Operations LLC Systems and methods for free space inference to break apart clustered objects in vehicle perception systems

Also Published As

Publication number Publication date
WO2020064453A1 (de) 2020-04-02
US20210215794A1 (en) 2021-07-15
CN112740061B (zh) 2024-04-12
DE102018123779A1 (de) 2020-03-26
US11846722B2 (en) 2023-12-19

Similar Documents

Publication Publication Date Title
CN112740061B (zh) 用于改善在借助LiDAR环境地图的情况下的雷达仪的物体识别的方法和设备
US12030520B2 (en) Method and system for validating autonomous control software for a self-driving vehicle
EP3640622B1 (en) Method and apparatus for determining coping capability boundary information of an unmanned vehicle and computer program therefore
CN111795832B (zh) 一种智能驾驶车辆测试方法、装置及设备
JP6925796B2 (ja) 車両を運転する際に当該車両の運転者を支援する方法及びシステム、車両、並びにコンピュータプログラム
JP6886079B2 (ja) 交通標識認識を用いたカメラキャリブレーションシステム、方法、および、コンピュータ可読媒体
US8160811B2 (en) Method and system to estimate driving risk based on a hierarchical index of driving
CN109085829B (zh) 一种动静态目标识别方法
CN107451521A (zh) 车辆车道图估算
JP7009042B2 (ja) 車線の部分の位置を判定するように動作可能な装置
CN106485949A (zh) 针对车辆的摄像机和v2v数据的传感器融合
CN112819968B (zh) 基于混合现实的自动驾驶车辆的测试方法和装置
JP2011065527A (ja) 運転評価システム、車載機及び情報処理センター
US9725092B2 (en) Method, host vehicle and following space management unit for managing following space
US10913455B2 (en) Method for the improved detection of objects by a driver assistance system
JP2020053046A (ja) 交通情報を表示するための運転者支援システム及び方法
CN111094095A (zh) 自动地接收行驶信号
JP2020112417A (ja) 走行車線推定装置、走行車線推定方法、及び制御プログラム
JP2018180641A (ja) 車両識別装置
CN116901963A (zh) 自动驾驶车辆的制动控制方法、装置、车辆和介质
CN115140029A (zh) 一种自动驾驶汽车的安全能力检测方法和装置
US20240043022A1 (en) Method, system, and computer program product for objective assessment of the performance of an adas/ads system
Zhang et al. Autonomous Vehicles as a Sensor: Simulating Data Collection Process
EP4372566A1 (en) Ads driving scenario generation
KR102255595B1 (ko) 사용자 관점의 자율주행 정보 제공 장치 및 방법

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
CB03 Change of inventor or designer information

Inventor after: T. Bredemann

Inventor after: R, David

Inventor after: Fei Tai

Inventor after: C. Grimm

Inventor after: E Waxici

Inventor before: T. Bredemann

Inventor before: R, David

Inventor before: T. phenanthrene

Inventor before: C. Grimm

Inventor before: E Waxici

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant