CN113227821A - 对机动车的环境传感器的定位测量的分析评价 - Google Patents

对机动车的环境传感器的定位测量的分析评价 Download PDF

Info

Publication number
CN113227821A
CN113227821A CN201980085237.5A CN201980085237A CN113227821A CN 113227821 A CN113227821 A CN 113227821A CN 201980085237 A CN201980085237 A CN 201980085237A CN 113227821 A CN113227821 A CN 113227821A
Authority
CN
China
Prior art keywords
estimated
positioning
measurement
state
uncertainty
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
CN201980085237.5A
Other languages
English (en)
Other versions
CN113227821B (zh
Inventor
T·格斯内尔
S·朗
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 CN113227821A publication Critical patent/CN113227821A/zh
Application granted granted Critical
Publication of CN113227821B publication Critical patent/CN113227821B/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
    • G01S13/88—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
    • 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
    • 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
    • B60W40/08—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 drivers or passengers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • 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
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G01S7/354—Extracting wanted echo-signals
    • 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
    • G01S7/411—Identification of targets based on measurements of radar reflectivity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4049—Relationship among other objects, e.g. converging dynamic objects
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Electromagnetism (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

一种用于对机动车周围环境传感器的定位测量进行分析评价的方法，该方法具有以下步骤：将定位测量(10)与通过所估计的对象状态来描述的对象(14)相关联，其中，针对所述定位测量(10)分别确定所述定位测量(10)与对象(14)的所述关联的关联概率(p)；估计对象(14)的当前状态参数(P)，该估计包括将该状态参数适配于与对象(14)的关联的定位测量(10)，其中，在该适配中考虑与对象(14)相关联的定位测量(10)的加权，其中，针对所述定位测量(10)，加权分别取决于相关定位测量(10)与对象(14)的关联的确定的关联概率(p)；将对象(14)的所估计的当前状态参数(P)移交给状态估计器(30)，用于更新对象(14)的所估计的对象状态；以及一种用于实施该方法的传感器系统。

Description

对机动车的环境传感器的定位测量的分析评价
技术领域
本发明涉及一种用于分析评价用于机动车的环境传感器的定位测量的方法，在所述方法中，由环境传感器得到定位测量和所述定位测量的对应的测量不确定性。
背景技术
在机动车的驾驶员辅助系统中，例如在用于自动间距调节的系统中，或者在碰撞警告系统中，通常使用雷达传感器以感测交通环境。
近年来，对于具有越来越高的角度分辨率和角度分离能力的雷达传感器存在越来越多的需求，所述雷达传感器能够在对象较宽的情况下，视大小和间距而定地探测非常多的雷达反射。
在Roos等人的“Reliable Orientation Estimation of Vehicles in High-Resolution Radar Images”，IEEE Transactions on Microwave Theory andTechniques，64.9(2016)，2986-2993中说明了一种聚类算法，该聚类算法在将雷达测量配属给对象时与关于该对象的现有知识无关地运行。但这可能引起对象参数，例如取向或者延伸尺度中的突变。
相反地，每个与对象相关联的单个测量关于详细的对象模型的相应点的配属会以关于对象类型和对象延伸尺度的高精度模型知识为前提，但这并不总可靠地存在。
发明内容
本发明的任务在于，说明一种用于分析评价用于机动车的环境传感器的定位测量的方法，该方法使得能以更有效的方式改进对象的状态估计。
根据本发明，该任务以独立权利要求中所说明的特征来解决。本发明的有利扩展方案和构型在从属权利要求中说明。环境传感器例如可以是雷达传感器。
尤其，可以通过使状态参数适配于与对象相关联的定位测量来进行对对象的当前状态参数的估计。在考虑加权的情况下的当前状态参数估计也可以被称为加权估计、加权适配或者加权拟合(英语：weighted fitting)。
解决方案构思的核心在于，为与已创建的对象相关联的新测量确定对应的关联概率，并且将该关联概率考虑到对象的模型参数(状态参数)的加权拟合的加权中。例如，可以针对描述对象棱边的直线段、针对状态参数，即地点、取向和有效范围的最小值和最大值(直线段的端点)进行该拟合，并因此重新估计该直线段。
通过将多个测量考虑到对对象的状态参数的参数估计中，能够减小对象的数据规模并且能够实现对大量对象的稳健描述。在此，同时能够通过状态估计器进行对象的对象状态的迭代调整。因此，相对于单个测量与模型的限定点的传统配属实现了更大的稳健性。
尤其，能够通过对状态参数的参数适配的加权在定位测量与模型之间的、未包含在模型中的系统偏差方面提高该方法的稳健性。这种系统偏差的示例为，例如由转动车轮处的反射得出的径向速度中的系统偏差，或者例如真实的对象棱边走向与呈直线形式的建模的偏差。
例如，定位测量可以包括对间距r、径向速度vr，和/或对象角度phi、例如方位角的测量。在环境传感器呈雷达传感器形式的情况下，定位测量相当于对象处的雷达反射。
例如，对象状态可以包括环境传感器的周围环境中的矩形盒(Box)的或者棱边的状态参数，例如在笛卡尔坐标中的笛卡尔位置、延伸尺度和/或速度。
“根据一个参量确定或计算”在这里意味着，该参量是该确定或者计算的输入参量，并且该确定或者计算的结果与该参量有关。尤其，计算的输入参量包括多个不同的值，针对这些值得到不同的结果。
关联概率尤其可以代表定位测量是所估计的对象状态所涉及的真实对象的精确定位的概率。关联概率例如可以指明关于以下内容的概率：相关的定位测量属于通过所估计的对象状态来描述的对象。换句话说，关联概率可以指明关于以下内容的概率：已得到通过所估计的对象状态所描述的实际对象的定位测量。
在确定关联概率时，例如可以考虑所估计的对象状态，其中，随定位测量的所测量的地点与所估计的对象状态的空间一致性的增大，确定到增大的关联概率，和/或，其中，随定位测量的所测量的速度与所估计的对象状态的一致性的增大，确定到增大的关联概率。
优选，通过不同的加权(权重)考虑不同的关联概率。关联概率被确定为多个值中的一个值，所述多个值包括下限(例如零)与上限(例如一)之间的多个中间值。例如，可以从离散值的集合中或者从值域中确定关联概率。
在将状态参数适配于与对象相关联的定位测量时，针对这些定位测量，加权分别取决于针对相关定位测量与对象的关联的确定关联概率。例如，可以尤其针对增大的关联概率使用增大的加权。例如，在将状态参数适配于与对象相关联的定位测量时，将关联概率用作这些定位测量的加权。
在一种或者多种实施方式中，在针对定位测量与对象的关联确定关联概率时，在考虑定位测量的测量不确定性的情况下确定该关联概率。例如可以通过减小相关关联概率来考虑定位测量的测量不确定性，其中，随测量不确定性增大可能出现更大的减小。
在一种或者多种实施方式中，在针对定位测量与对象的关联确定关联概率时，在考虑对象的所估计的对象状态的不确定性的情况下确定该关联概率。例如，可以通过减小相关关联概率来考虑对象的所估计的对象状态的不确定性，其中，随对象的所估计的对象状态的不确定性增大可能出现更大的减小。
在一种或者多种实施方式中，在针对定位测量与对象的关联确定关联概率时，在考虑对象的所估计的对象状态的模型不确定性的情况下确定该关联概率。例如，模型不确定性可以相应于真实对象与该对象所基于的模型的预计偏差。尤其，模型不确定性例如可以包括形状不确定性。例如，在对象基于几何模型的情况下，模型不确定性可以描述该模型的通过乘用车和载重车的偏离于几何模型的真实形状所预计的偏差。例如，在对象基于矩形盒(或者直线棱边)的模型的情况下，模型不确定性描述该模型的通过乘用车和载重车的偏离于该矩形盒体(或者直线棱边)的真实形状所预计的偏差。
优选，在将所得到的定位测量与通过所估计的对象状态来描述的对象相关联的步骤中，仅当针对该关联的关联概率达到最小值时，才将定位测量与通过所估计的对象状态所描述的对象相关联。这也被称为门控(Gating)。因此，将估计对象当前状态参数所基于的定位测量以对应的加权考虑到该估计中，其中，对应的加权取决于所确定的关联概率。在此，通过不同的加权来考虑高于最小值的不同的关联概率。因此，不仅剔除一些定位测量而且等值地考虑其余定位测量。
所得到的定位测量与由所估计的对象状态来描述的对象的关联可以包括所得到的定位测量与对象的一个或者多个通过所估计的对象状态所描述的部分对象的关联。与对象的部分对象的关联也是与该对象的关联。
例如，在估计对象的当前状态参数的步骤中所估计的当前状态参数可以是对象的一个或者多个部分对象的状态参数。因此，例如可以基于与矩形盒的侧棱边相关联的定位测量来估计该侧棱边的状态参数。
该方法优选包括：基于对象的先前所估计的对象状态并且基于对象的所估计的当前状态参数，通过状态估计器来更新对象的所估计的对象状态。因此，该更新可以是迭代更新。特别优选，该方法包括：通过状态估计器根据先前所估计的对象状态来产生对新对象状态的预测(预言)；并且通过状态估计器根据对象的所估计的当前状态参数来校正对新对象状态的预测。
此外，对于对象的所估计的对象状态的迭代更新可以考虑对象的所估计的当前状态参数的不确定性，该不确定性根据测量的测量不确定性来估计。
状态估计器优选设置为用于，基于对象的所估计的当前状态参数来更新对象的所估计的对象状态。换句话说，状态估计器设置为用于，基于先前所估计的对象状态并且基于对象的所估计的当前状态参数来确定对象的新对象状态。状态估计器特别优选设置为用于，根据对象的先前估计的对象状态来产生对新对象状态的预测(预言)，并且根据对象的所估计的当前状态参数来校正该预测，以更新对象状态。例如，可以涉及卡尔曼滤波器、扩展卡尔曼滤波器、无损卡尔曼滤波器，或者其他已知的状态估计器。
该方法优选具有以下步骤：
-由环境传感器得到定位测量的测量不确定性；和
-基于与对象相关联的定位测量的所得到的测量不确定性来估计对象的所估计的当前状态参数的不确定性，
其中，将对象的所估计的当前状态参数和所估计的不确定性移交给状态估计器，用以对象的所估计的对象状态的更新。
例如，该方法还可以包括：通过状态估计器来更新对象的所估计的对象状态的所估计的不确定性。
根据本发明的一种扩展方案，借助于无损变换(英语：unscented transform，UT)来确定经拟合的模型参数的不确定性。
例如，借助无损变换可以估计对象的所估计的当前状态参数的不确定性，包括以下步骤：
-计算无损变换的西格玛点，其中，将包括与对象相关联的定位测量在内的矢量用作对待计算的西格玛点的分布的均值估计，并且其中，将包括与对象相关联的定位测量的测量不确定性在内的矩阵用作待计算的西格玛点的分布的协方差矩阵；
-针对无损变换的每个西格玛点，估计对象的当前状态参数，该估计包括将状态参数适配于对应的西格玛点；
-将对象的针对这些西格玛点所估计的当前状态参数的分布的方差确定为对象的所估计的当前对象状态参数的不确定性的估计。
因此，给出已与对象相关联的定位测量的矢量作为无损变换的输入参量，并且针对所述定位测量可以通过这些定位测量的测量不确定性并且必要时也通过这些定位测量的协方差来指明不确定性。根据无损变换的方法这样选择西格玛点，使得西格玛点的分布具有相应于以与对象相关联的定位测量的矢量形式给定的平均值和相应于以矩阵形式给定的协方差，该矩阵包括与对象相关联的定位测量的测量不确定性。因此，西格玛点的分布及其协方差代表与对象相关联的定位测量及这些定位测量的测量不确定性。
对西格玛点进行变换，其方式是，针对每个西格玛点实施当前状态参数的估计。因此，对应的西格玛点变换为对象的所估计的当前状态参数。
然后，经变换的西格玛点的(协)方差指明对象的所估计的当前状态参数的所估计的不确定性。
因此，无损变换能够实现，通过将西格玛点变换到对象的当前状态参数的对应估计中得到所估计的当前状态参数的不确定性的估计。
因此，无损变换能够完成，提供对对象的所估计的当前状态参数的不确定性的估计。这特别有利，因为参数适配(也被称为拟合)通常是非线性映射，而测量不确定性会由于非线性映射而失真或者会带有偏差地被映射。已在定位测量的径向坐标到对象的笛卡尔模型坐标的变换中，通过借助无损变换来确定不确定性得到经改进的不确定性估计。
优选地，在将状态参数适配于对应的西格玛点时，考虑该西格玛点的加权，所述加权取决于协方差矩阵。
例如，在将状态参数适配于对应的西格玛点时，使用与在将该状态参数适配于与该对象相关联的定位测量(在估计对象的当前状态参数的步骤中)时相同的加权。
本发明的主题还是一种具有用于机动车的环境传感器的传感器系统，在该传感器系统中实现上述方法中的一种方法。
附图说明
下面，参照附图详细阐述实施例，附图示出：
图1示出机动车的周围环境的示意图；
图2示出具有环境传感器的用于机动车的传感器系统的原理图；和
图3示出用于确定对象的所估计的当前状态参数的不确定性的无损变换的示意性流程图。
具体实施方式
图1示意性地示出机动车的环境传感器的周围环境，该周围环境具有在环境传感器的感测区域中所探测的多个定位，下面将这些定位称为定位测量10或12。此外示出对象14，该对象代表呈机动车形式的真实对象并且以矩形盒的形式建模。每个对象在模型中配属有笛卡尔坐标X、Y的位置、延伸尺度、取向和呈速度矢量16形式的速度。例如，各个定位测量10、12包括径向间距r、径向相对速度vr以及呈方位角形式的方向角phi，分别关于环境传感器或者本车辆在x＝0、y＝0处的自身位置而言。
在图1中，以填充的符号示出已与对象14相关联的定位测量10。通过空的符号示出未与对象14相关联的定位测量12。
图2示意性示出传感器系统，该传感器系统具有呈具有天线系统22的雷达传感器形式的环境传感器20。此外，示意性地示出相应于已定位的雷达反射的定位测量10。
传感器系统的分析评价单元包括用于将定位测量10与对象14相关联的关联单元24、用于实施拟以便将状态参数适配于与对象14所关联的定位测量10的适配单元26、用于估计经适配的当前状态参数的不确定性的无损变换单元28，以及用于对对象14的所估计的对象状态进行迭代更新的状态估计器30。
关联单元24包括用于计算关联概率的第一单元32以及用于关于对象14选择和关联定位测量10的第二单元34。
由环境传感器20得到具有例如参数r、vr、phi以及所属的测量不确定性Δr、Δvr、Δphi的定位测量10、12。
起初，以本身已知的方式通过独立机制将对象14初始化，例如将至今未与对象14相关联的定位测量10、12进行聚类并且对新产生的对象14的对象状态进行相应的初始化。
第一单元32针对各个对象14计算将对应的定位测量10、12与有关的对象14相关联的关联概率p。第二单元34针对每个对象14选择基于该对象的关联概率p待与对象14关联的定位测量10并且将该定位测量与有关的对象14相关联。将仅以低于最小值pmin的小关联概率会与对象14关联的定位测量12剔除，即，这些定位测量不被关联。这也被称为门控。在图1中所示出的图示中，将与各个对象14所关联的定位测量10以填充符号表示。
在图2的所示出的示例中，示例性示出于与对象14的呈对象14的前棱边形式的部分对象36的关联。
例如，可以在考虑以下内容的情况下确定定位测量10与对象14(或部分对象36)的关联的关联概率p：
例如呈测量参数空间中的协方差形式的测量不确定性Δr、Δvr、Δphi；
对象14在对象14的预测对象状态参数例如位置、速度、延伸尺度、取向方面的预测不确定性；和/或
模型不确定性，例如呈对象14的形状不确定性形式的模型不确定性。
例如，可以将单个定位测量10与部分对象36的模型的棱边的精确直线走向的、在+/-30cm的范围内的偏差考虑为该部分对象36的呈对象14的棱边或者侧棱边形式的形状不确定性。
然后，基于所确定的关联概率p，以部分对象36或对象14的加权模型拟合的形式实施参数估计。例如，适配单元26以加权最小二乘直线拟合方式或以加权主成分分析方式实施加权直线拟合。拟合的输入参量在该情况中是定位测量10的位置。也可以相应于部分对象36的延伸尺度地估计经适配的直线的有效范围。为了估计对象14的呈速度vx、vy形式的当前状态参数，也可以实施加权最小二乘模型拟合。例如，在对象14的横摆速率假定为零的情况下，适配单元26可以以模型：
vr＝vx*cos(phi)+vy*sin(phi)
来估计当前状态参数vx和vy。
将对象14(或者该对象的部分对象36)的由适配单元26所估计的当前状态参数移交给状态估计器30。
为了提供属于状态估计器30的、关于对象14的所估计的当前状态参数的不确定性，如下估计所述不确定性，其方式是，实施无损变换。不但在直线拟合的情况下而且在使用速度方程vr＝vx*cos(phi)+vy*sin(phi)来拟合的情况下都涉及非线性关系，所以使用无损变换。
将所有与对象14相关联的定位测量10合并在共同的矢量Y中。为此，将各定位测量10合并成长度为N＝n*I的矢量，所述定位测量分别具有测量矢量维度n并且在所述定位测量中存在I个定位测量10。产生经合并的测量矢量Y的协方差矩阵K，其方式例如是，各定位测量10的协方差组合在分块对角线矩阵中。该协方差矩阵具有N×N的大小。如果已知这些定位测量之间的协方差，则这些协方差可以被记录在副分块对角线(Neben-Block-Diagonalen)中。
在图3中，以示意性流程图的形式示出无损变换(UT)的实施。在步骤S10中，如对于无损变换来说本身已知的那样，基于经合并的测量矢量Y和该测量矢量的经合并的协方差K来计算西格玛点。在总测量矢量Y的维度为N的情况下，在此，计算2N+1个西格玛点。对于每个西格玛点，实施加权模型拟合(步骤S12)。这分别相应于由适配单元26进行的适配。适配所合成的2N+1个结果体现如下分布：该分布的方差(协方差矩阵)体现对对象14的由适配单元26所估计的当前状态参数的不确定性的估计。与此相应地，从2N+1个结果的分布中算出方差(协方差矩阵)(步骤S14)。该方差连同所估计的当前状态参数一起移交给状态估计器30。
状态估计器30根据由适配单元26所移交的所估计的当前状态参数和对应的、由无损变换单元28所移交的对对象14的所估计的当前状态参数的不确定性的估计，迭代地更新对象14的所估计的对象状态。
对象的所估计的当前状态参数是伪测量P。以方差ΔP的形式将对对象的所估计的当前状态参数的不确定性的估计、即对伪测量P的不确定性的估计移交给状态估计器30。因此，考虑伪测量P的测量不确定性ΔP使得能够提高通过状态估计器30来更新所估计的对象状态的可靠性。
此外，状态估计器30可以借助于对象14(或该对象的部分对象36)的所估计的当前状态参数来估计和更新对象14的延伸尺度。由此，例如逐步地也可以完整地在对象的延伸尺度方面感测非常大的对象，例如载重车。然后，对对象14的延伸尺度的更精确的估计又可以在下一个迭代(相应于下一测量周期)中引起通过关联单元24对新的定位测量10的更好的关联。相应地，也可以更新对象14的取向。
所说明的步骤可以分别针对所有对象14和与这些对象相关联的定位测量10相应地实施。

Claims (9)

1.一种用于分析评价机动车的环境传感器的定位测量的方法，所述方法具有以下步骤：
-从所述环境传感器(20)得到定位测量(10)；
-将所得到的定位测量(10)与通过所估计的对象状态所描述的对象(14)相关联，其中，在考虑所述对象(14)的所估计的对象状态的情况下，针对所述定位测量(10)分别确定所述定位测量(10)与所述对象(14)的所述关联的关联概率(p)；
-估计所述对象(14)的当前状态参数(P)，所述估计包括将所述状态参数适配于与所述对象(14)相关联的定位测量(10)，其中，在所述适配中考虑与所述对象(14)相关联的定位测量(10)的加权，其中，针对所述定位测量(10)，所述加权分别取决于相关的定位测量(10)与所述对象(14)的关联的确定的关联概率(p)；
-将所述对象(14)的所估计的当前状态参数(P)移交给状态估计器(30)，用于更新所述对象(14)的所估计的对象状态。
2.根据权利要求1所述的方法，其中，在确定所述定位测量(10)与所述对象(14)的所述关联的关联概率(p)时，所述关联概率(p)代表所述定位测量(10)表示所估计的对象状态所涉及的真实对象的精确定位的概率。
3.根据权利要求1或2所述的方法，其中，在确定所述定位测量与所述对象(14)的所述关联的所述关联概率(p)时，在考虑所述定位测量(10)的测量不确定性的情况下确定所述关联概率(p)。
4.根据上述权利要求中任一项所述的方法，其中，在确定定位测量(10)与所述对象(14)的所述关联的所述关联概率(p)时，在考虑所述对象(14)的所估计的对象状态的不确定性的情况下确定所述关联概率(p)。
5.根据上述权利要求中任一项所述的方法，其中，在确定所述定位测量(10)与所述对象(14)的所述关联的所述关联概率(p)时，在考虑所述对象(14)的所估计的对象状态的模型不确定性的情况下确定所述关联概率(p)。
6.根据上述权利要求中任一项所述的方法，其中，所述方法具有以下步骤：
-由所述环境传感器(20)得到所述定位测量(10)的测量不确定性；和
-基于与所述对象(14)相关联的定位测量(10)的所得到的测量不确定性来估计所述对象(14)的所估计的当前状态参数(P)的不确定性(ΔP)，
其中，将所述对象(14)的所估计的当前状态参数(P)和所估计的不确定性(ΔP)移交给所述状态估计器(30)，用于更新所述对象(14)的所估计的对象状态。
7.根据权利要求6所述的方法，其中，借助无损变换来估计所述对象(14)的所估计的当前状态参数的不确定性(ΔP)，
其中，将与所述对象(14)相关联的定位测量(10)和与所述对象(14)相关联的定位测量(10)的所得到的测量不确定性用作所述无损变换的输入参量。
8.根据权利要求6或7所述的方法，其中，借助无损变换来估计所述对象(14)的所估计的当前状态参数(P)的不确定性(ΔP)，所述估计包括以下步骤：
-计算(S10)所述无损变换的西格玛点，其中，将包括与所述对象(14)相关联的定位测量(10)在内的矢量(Y)用作对待计算的西格玛点的分布的均值估计，并且其中，将包括与所述对象(14)相关联的定位测量(10)的测量不确定性在内的矩阵用作待计算的西格玛点的分布的协方差矩阵(K)；
对于所述无损变换的每个西格玛点，估计(S12)所述对象(14)的当前状态参数，所述估计包括将所述状态参数适配于对应的西格玛点；
-确定(S14)所述对象(14)的针对所述西格玛点所估计的当前状态参数的分布的方差，作为所述对象(14)的所估计的当前状态参数(P)的不确定性(ΔP)的估计。
9.一种用于机动车的传感器系统，所述传感器系统具有环境传感器(20)和分析评价单元(24，26，28，30)，所述分析评价单元用于分析评价所述环境传感器(20)的定位测量，其中，所述分析评价单元(24，26，28，30)包括用于迭代地更新对应的对象(14)的所估计的对象状态的状态估计器(30)，其中，所述分析评价单元(24，26，28，30)设置为用于，实施根据上述权利要求中任一项所述的方法。
CN201980085237.5A 2018-12-20 2019-10-01 对机动车的环境传感器的定位测量的分析评价 Active CN113227821B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102018222686.5A DE102018222686A1 (de) 2018-12-20 2018-12-20 Auswerten von Ortungsmessungen eines Umfeldsensors für ein Kraftfahrzeug
DE102018222686.5 2018-12-20
PCT/EP2019/076565 WO2020126142A1 (de) 2018-12-20 2019-10-01 Auswerten von ortungsmessungen eines umfeldsensors für ein kraftfahrzeug

Publications (2)

Publication Number Publication Date
CN113227821A true CN113227821A (zh) 2021-08-06
CN113227821B CN113227821B (zh) 2024-05-31

Family

ID=68136405

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980085237.5A Active CN113227821B (zh) 2018-12-20 2019-10-01 对机动车的环境传感器的定位测量的分析评价

Country Status (6)

Country Link
US (1) US12024178B2 (zh)
EP (1) EP3899569A1 (zh)
KR (1) KR20210104810A (zh)
CN (1) CN113227821B (zh)
DE (1) DE102018222686A1 (zh)
WO (1) WO2020126142A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020206659A1 (de) * 2019-05-30 2020-12-03 Robert Bosch Gesellschaft mit beschränkter Haftung Multi-hypothesen-objektverfologung für automatisierte fahrsysteme
DE102020123527A1 (de) * 2020-09-09 2022-03-10 Bayerische Motoren Werke Aktiengesellschaft Verfahren und System für eine Verfolgung ausgedehnter Objekte

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006019474A1 (de) * 2006-04-26 2007-10-31 Siemens Ag Elektrisches System
CN201732163U (zh) * 2010-05-28 2011-02-02 四川海讯电子开发有限公司 汽车防撞警示雷达
DE102011017323A1 (de) * 2011-04-16 2011-10-20 Daimler Ag Verfahren und Vorrichtung zur fahrzeuginternen Ermittlung einer Kollisionswahrscheinlichkeit eines Fahrzeugs mit einem Objekt
US20140072233A1 (en) * 2012-09-12 2014-03-13 Numerica Corporation Methods and systems for updating a predicted location of an object in a multi-dimensional space
CN107688179A (zh) * 2017-08-07 2018-02-13 上海无线电设备研究所 基于多普勒信息辅助的综合概率数据互联方法
CN108226920A (zh) * 2018-01-09 2018-06-29 电子科技大学 一种基于预测值处理多普勒量测的机动目标跟踪系统及方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2799902A1 (en) * 2013-04-30 2014-11-05 Baselabs GmbH Method and apparatus for the tracking of multiple objects
CA3042647C (en) 2016-11-02 2019-11-26 Peloton Technology, Inc. Gap measurement for vehicle convoying

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006019474A1 (de) * 2006-04-26 2007-10-31 Siemens Ag Elektrisches System
CN201732163U (zh) * 2010-05-28 2011-02-02 四川海讯电子开发有限公司 汽车防撞警示雷达
DE102011017323A1 (de) * 2011-04-16 2011-10-20 Daimler Ag Verfahren und Vorrichtung zur fahrzeuginternen Ermittlung einer Kollisionswahrscheinlichkeit eines Fahrzeugs mit einem Objekt
US20140072233A1 (en) * 2012-09-12 2014-03-13 Numerica Corporation Methods and systems for updating a predicted location of an object in a multi-dimensional space
CN107688179A (zh) * 2017-08-07 2018-02-13 上海无线电设备研究所 基于多普勒信息辅助的综合概率数据互联方法
CN108226920A (zh) * 2018-01-09 2018-06-29 电子科技大学 一种基于预测值处理多普勒量测的机动目标跟踪系统及方法

Also Published As

Publication number Publication date
US20210403005A1 (en) 2021-12-30
US12024178B2 (en) 2024-07-02
CN113227821B (zh) 2024-05-31
WO2020126142A1 (de) 2020-06-25
DE102018222686A1 (de) 2020-06-25
KR20210104810A (ko) 2021-08-25
EP3899569A1 (de) 2021-10-27

Similar Documents

Publication Publication Date Title
US11988781B2 (en) Extrinsic calibration method of multiple 3D LiDAR sensors for autonomous navigation system
US20200216076A1 (en) Method for determining the location of an ego-vehicle
WO2018181974A1 (ja) 判定装置、判定方法、及び、プログラム
EP1057141B1 (en) Road profile detection
US8055445B2 (en) Probabilistic lane assignment method
CN114660330B (zh) 确定估计速度的不确定性估计的方法
CN110554388B (zh) 利用主车辆对目标的速度进行鲁棒估计的方法
EP3654064B1 (en) Apparatus and method for characterizing an object based on measurement samples from one or more location sensors
EP2052208B1 (en) Determining the location of a vehicle on a map
EP1164356B1 (en) System and method for estimating sensor errors
CN114035187B (zh) 一种自动驾驶系统的感知融合方法
CN113227821B (zh) 对机动车的环境传感器的定位测量的分析评价
CN110637209B (zh) 估计机动车的姿势的方法、设备和具有指令的计算机可读存储介质
KR20170111582A (ko) 도플러 비컨을 이용한 수중 이동체의 위치 및 속도 추정 방법 및 시스템
CN115436917A (zh) Lidar视轴对准误差和主车辆定位误差的协同估计和校正
US7928898B2 (en) Method for determining the kinematic state of an object, by evaluating sensor measured values
CN118129733A (zh) 一种典型激光雷达退化场景下的移动机器人定位方法
CN108507587B (zh) 一种基于坐标变换的三维车载定位导航方法
KR20120054347A (ko) Ｓａｒ 영상 형성을 위한 도플러 중심 주파수 정보 추정방법 및 그를 실행시키기 위한 프로그램을 기록한 컴퓨터 판독가능한 매체
CN112147614B (zh) 使用占据栅格来映射物理环境的方法和系统
CN112665593B (zh) 一种车辆定位方法及装置
US11613272B2 (en) Lane uncertainty modeling and tracking in a vehicle
Choi et al. Doppler coherent focusing DOA method for efficient radar map generation
EP3654065B1 (en) Apparatus and method for characterizing an object based on measurement samples from one or more location sensors
Beckman et al. AUV positioning using bathymetry matching

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