CN114611543A - 自由空间确定设备、自由空间确定方法和自由空间确定程序 - Google Patents

自由空间确定设备、自由空间确定方法和自由空间确定程序 Download PDF

Info

Publication number
CN114611543A
CN114611543A CN202111385010.8A CN202111385010A CN114611543A CN 114611543 A CN114611543 A CN 114611543A CN 202111385010 A CN202111385010 A CN 202111385010A CN 114611543 A CN114611543 A CN 114611543A
Authority
CN
China
Prior art keywords
free space
radar
noise
data
radar data
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.)
Pending
Application number
CN202111385010.8A
Other languages
English (en)
Inventor
A·约菲
U·伊乌格尔
D·凯斯拉尔
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.)
Aptiv Technologies Ltd
Original Assignee
Aptiv Technologies Ltd
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 Aptiv Technologies Ltd filed Critical Aptiv Technologies Ltd
Publication of CN114611543A publication Critical patent/CN114611543A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/46—Indirect determination of position data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • 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
    • G01S13/06—Systems determining position data of a target
    • G01S13/42—Simultaneous measurement of distance and other co-ordinates
    • 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
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/292—Extracting wanted echo-signals
    • G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
    • G01S7/2927—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods by deriving and controlling a threshold value
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本公开涉及自由空间确定设备、自由空间确定方法和自由空间确定程序。提供了一种确定设备周围的自由空间的方法，该方法包括：获取关于一个或更多个雷达天线中的每一者的雷达数据，所获取的雷达数据包括距离数据和距离变化率数据；从所获取的雷达数据提取具有等于或低于基于噪声的阈值的值的特定雷达数据集；以及基于所提取的特定雷达数据集来确定设备周围的自由空间。

Description

自由空间确定设备、自由空间确定方法和自由空间确定程序
技术领域
本公开涉及用于直接确定设备周围的自由空间的设备、方法和计算机程序。该设备可以被设置在车辆中，使得自由空间被确定为用于车辆的自由空间。
背景技术
确定车辆周围的区域没有任何可能与车辆碰撞的障碍物是驾驶自动化的关键能力。
提供可能的半自主或自主驾驶的驾驶员辅助系统必须能够访问关于车辆的行驶环境的准确信息。尤其是，在车辆环境中，驾驶员辅助系统应该区分可通行区域、可行驶区域或开放区域(free space：自由空间)和不可通行区域。
在诸如超声传感器、摄像头传感器和激光雷达传感器之类的其它传感器中，现代车辆通常具有可以用于检测障碍物的一个或更多个雷达传感器。占用网格可以通过使用雷达传感器来获得。为此，车辆的行驶环境可以被表示为典型的二维网格结构，其中，网格结构的各个单元可以被分配占用值。占用值可以是具有值“自由”和“占用”的二进制值。同样可以使用三进制值，使得另外可能为单元分配值“未知”。
尤其是，如在Foroughi等人的“Free Space Grid for Automotive RadarSensors”,Fast-Zero Conference,Sep 2015,Gothenburg,Sweden中进一步描述的，可能有用的是单独引入概率占用网格和概率自由空间网格，其中(对于每个网格单元)，在占用网格中单元被“占用”的概率和在自由空间网格中对应单元为“自由”的概率加和不为100％，并且因此提出了具有“占用”状态、“自由”状态和“未知”状态。给定雷达测量的有限可靠性，例如，关于低反射对象，被“占用”和为“自由”的单元的技术分类因此不一定是互补信息，并且因此自由空间信息的间接推导(基于测量障碍物的实际检测)可能具有有限的可靠性。
在Li等人的“High Resolution Radar-based Occupancy Grid Mapping andFree Space Detection”，Proceedings of the 4th International Conference onVehicle Technology and Intelligent Transport Systems,pages 70-81,2018中描述了另一间接方法，其中，检测被累积在“占用网格”中，并且假设空的空间是自由的。
此外，在Aihara等人的“Free-Space Estimation for Self-Driving SystemUsing Millimeter Wave Radar and Convolutional Neural Network”2019 IEEEInternational Conference on Mechatronics(ICM),Ilmenau,Germany,2019,pp.467-470中，通过进行上述间接测量假设来估计自由空间信息，并且通过训练神经网络来“覆盖”雷达自由空间与激光雷达自由空间之间的差异。然而，神经网络的训练需要大量的努力，这些努力必须被重复或适用于新的雷达模型，并且实现方式不容易。使用利用雷达传感器的机器学习还可能需要大量带标记的数据集来证明适当的性能。
发明内容
技术问题
从雷达传感器间接推导出自由空间信息必须符合某些要求。尤其是，需要实际检测(即，来自障碍物的实际反射)来确定自由空间，该自由空间被假定为雷达与发生检测(反射)的地点之间的空间。此要求限制间接自由空间推导的准确性，因为检测(即，来自障碍物的反射)可能是稀疏的，且因为使用自由空间的间接推导的此方法通常依赖于强目标(例如，强反射能量)。
关于“强目标”的确定，还存在将检测(反射)分类为“强”(即，指示障碍物)的问题。适合可靠地检测实际(即，强或弱)目标的适当过滤方法和/或阈值的确定需要通过例如试验和误差来对设备和参数进行仔细调谐。在所有这些之后，来自目标的反射强度取决于障碍物的材料、形状和位置。该依赖性与广泛的可能障碍物的组合使得过滤方法和/或阈值的选择是困难的，并且总是需要过度检测(包括假阳性)与欠检测(包括假阴性)之间的折衷。
此外，使用指示自由空间的确定的置信度的值(例如，使用“自由”、“占用”和“未知”的状态，优选地结合概率值)涉及错误地识别自由空间、冒着与车辆发生事故的风险或错误地识别占用空间、限制车辆的移动性的问题。
因此，需要克服从雷达间接得出自由空间信息的技术限制。
解决方案
根据本申请，可以直接确定设备周围的自由空间信息，从而也可以直接确定车辆周围的自由空间信息。
根据第一方面，一种直接确定设备周围的自由空间的方法，该方法包括：获取关于一个或更多个雷达天线中的每一者的雷达数据，所获取的雷达数据包括距离数据和距离变化率数据；从所获取的雷达数据提取具有等于或低于基于噪声的阈值的特定雷达数据集；基于所提取的特定雷达数据集确定设备周围的自由空间。
根据第二方面，所获取的雷达数据由值构成，各个值是针对所述距离数据和所述距离变化率数据的组合指示雷达返回信号的幅度的检测值；并且所述特定雷达数据集由所获取的雷达数据的等于或低于所述基于噪声的阈值的检测值构成。
根据第三方面，所述基于噪声的阈值基于所述设备的测得的噪声水平。
根据第四方面，所述基于噪声的阈值基于恒定假警报率CFAR、信噪比SNR和/或峰值与平均功率比PAPR。
根据第五方面，所述基于噪声的阈值基于雷达天线的特定噪声的阈值。
根据第六方面，所述基于噪声的阈值是由机器学习算法设置的阈值。
根据第七方面，所述设备的自由空间角度θ是基于所提取的距离变化率数据来计算的，并且与所提取的距离数据组合以产生用于确定所述自由空间的坐标的极坐标。
根据第八方面，所述自由空间角度θ是基于以下表达式来计算的：
Figure BDA0003366795940000031
其中，
Figure BDA0003366795940000032
是距离变化率，vx是所述设备(100)的速度的x分量，并且vy是所述设备(100)的速度的y分量。
根据第九方面，所述确定将所确定的自由空间相对于所述设备的位置进行平移。
根据第十方面，所述方法还包括：移除旁瓣，优选地通过使用基于IAA算法或CLEAN算法的方法。
根据第十一方面，一种包含指令的计算机程序，所述指令在所述程序由计算机执行时使所述计算机执行根据第一方面至第十方面的方法。
根据第十二方面，一种用于直接确定设备周围的自由空间的设备，其中，所述设备包括：获取单元，所述获取单元被配置成获取关于一个或更多个雷达天线中的每一者的雷达数据，所获取的雷达数据包括距离数据和距离变化率数据；提取单元，所述提取单元被配置成从所获取的雷达数据提取具有等于或低于基于噪声的阈值的值的特定雷达数据集；以及确定单元，所述确定单元被配置成基于所提取的特定雷达数据集来确定所述设备周围的自由空间。
根据第十三方面，所述设备还包括所述一个或更多个雷达天线。
根据第十四方面，所述一个或更多个雷达天线被配置成发射雷达信号并检测返回信号；并且所述获取单元被配置成基于雷达返回信号来获取所获取的雷达数据。
根据第十五方面，一种具有根据第十二方面至第十四方面的设备的车辆。
更具体地，本公开涉及用于确定设备周围的自由空间的方法、程序和设备。不是检测目标，然后(间接地)从检测到的目标得出自由空间，本申请利用基于噪声的阈值来从所获取的雷达数据提取特定雷达数据集，该特定雷达数据集用于直接确定设备周围的自由空间。
该基于噪声的阈值的使用不再取决于来自目标的反射的可能强度(其直接取决于障碍物的材料、形状和位置)。相反，可以使用设备本身的不依赖于目标特性的物理特性(例如，外部和/或内部噪声)来确定基于噪声的阈值。与来自目标的反射的强度不同，该物理特性保持(相对地)恒定，从而允许更客观地确定基于噪声的阈值。因为所使用的基于噪声的阈值不再对来自不同种类的障碍物的反射的差异敏感，所以改进了检测自由空间的准确性和确定性。
附图说明
图1示出了根据本公开的实施方式的设备。
图2示出了根据本公开的优选实施方式的用于确定设备周围的自由空间的设备。
图3示出了根据优选实施方式的当确定设备周围的自由空间时的设备。
图4示出了根据优选实施方式的当确定设备周围的自由空间时的雷达数据。
图5示出了根据本公开的实施方式的方法的流程图。
图6示出了根据优选实施方式的计算机。
图7示出了根据优选实施方式的当确定设备周围的自由空间时的设备。
图8示出了根据优选实施方式的当确定设备周围的自由空间时的雷达数据。
图9示出了根据优选实施方式的当确定设备周围的自由空间时的设备。
图10示出了根据优选实施方式的当确定设备周围的自由空间时的雷达数据。
图11和图12示出了输入数据、雷达数据、特定雷达数据集以及设备周围的自由空间的确定的图形表示。
图13和图14示出了设备周围的自由空间的确定的图形表示。
具体实施方式
现在将参照附图来描述本公开的实施方式。在以下详细描述中，阐述了许多具体细节。这些具体细节仅是为了提供对各种所述实施方式的透彻理解。此外，尽管术语第一、第二等可能用于描述各种要素，但是这些要素不应受到这些术语的限制。这些术语仅用于将一个要素与另一要素区分开。
根据本公开的概念，设备周围的自由空间环境(围绕车辆)不是使用从障碍物反射的雷达信号的实际检测间接确定的，而是使用关于自由区域的信息来直接确定的。本发明人已经认识到，这是一种容易且快速的方法，该方法不需要训练神经网络并且提供对自由空间的更准确的确定。
图1示出了根据本公开的优选实施方式的用于确定设备100周围的自由空间的设备100。设备100可以被提供给车辆200，如图2所示，并且优选地，可以被安装在车辆200上，面向车辆的行驶方向。本领域技术人员应理解，不要求设备100面向行驶方向；设备100还可以面向侧方向或后向方向。设备100可以是雷达传感器、雷达模块、雷达系统的一部分等。基于自由空间的直接确定(如下详述)，可以确定车辆200周围的自由空间。
车辆200可以是通过机器动力移动的任何陆上车辆。这样的车辆200还可以关联到铁路轨道、浮动、潜水或空中。附图举例说明了作为汽车的该车辆200，其中设置了设备100。然而，本公开不限于此。因此，设备100也可以安装到例如货运汽车、卡车、农用车辆、摩托车、火车、公共汽车、飞机、无人机、汽艇、轮船等上。
设备100可以具有多个检测区域，例如被定向成使得其具有如图2中所示的前向检测区域111、左检测区域111L和/或右检测区域111R。另外，检测区域(诸如近场检测区域、远场检测区域)的范围可以不同。
如图1所示，设备100包括获取单元120、提取单元130和确定单元140，并且可以另外包括一个或更多个天线110，但是所述一个或更多个天线也可以独立于设备100设置。
所述一个或更多个天线110可以是雷达天线。在本文中，所述一个或更多个天线110可以被配置成发射雷达信号，优选地发射调制的雷达信号，例如啁啾信号(Chirp-Signal)。信号可以在一个或更多个天线110处获取或检测，并且在下面通常被称为返回信号。在本文中，返回信号可以由发射雷达信号在障碍物上的反射引起，但是还可以包括由可能由其它电子设备、电磁干扰的其它源、热噪声等造成的噪声引起的噪声信号。
所述一个或更多个天线可以被单独地或作为天线阵列提供，其中，所述一个或更多个天线110中的至少一个天线发射雷达信号，并且所述一个或更多个天线110中的至少一个天线检测返回信号。所检测或获取的返回信号表示电磁场的振幅/能量随时间的变化。
获取单元120被配置成获取关于一个或更多个雷达天线110中的每一者的雷达数据，所获取的雷达数据包括距离数据和距离变化率数据。获取单元120可以获取在一个或更多个天线处检测到的返回信号，并且可以向其应用模拟-数字(A/D)转换。获取单元120可以将发射雷达信号与检测到返回信号之间的延迟转换成距离数据。可以通过使返回信号与发射的雷达信号相关来获取延迟，从而获得距离数据。获取单元120可以根据检测到的返回信号与发射的雷达信号相比的频移或相移来计算多普勒频移或距离变化率偏移作为距离变化率数据。可以通过对返回信号进行频率转换并且将其频谱与发射的雷达信号的频率进行比较来获取频移或相移以及由此获得距离变化率数据。从在一个或更多个天线处检测到的返回信号确定距离数据和距离变化率/多普勒数据例如可以如在US7639171或US9470777或EP3454079中描述的那样执行。
图3示出了在平行于障碍物310的方向D上行驶的车辆200，障碍物310例如是在道路旁边的护栏。为简单起见，在图3中仅例示了左检测区域111L。对于左检测区域111L，针对一个或更多个天线110中的每一者，获取单元120可以获取类似于图4中所示的雷达数据。
在图4中，纵轴示意性地例示了距车辆200的距离(例如，通过使用上述延迟来确定)，并且可以以米为单位来测量。在图4中，横轴例示了相对于车辆200的距离变化率(例如，通过使用上述多普勒频移或距离变化率偏移来确定)，并且可以以米每秒为单位来测量。在图4中，虚线竖直线例示了相对于车辆200没有速度(多普勒偏移或距离变化率)。在图4中，十字113(即113a、…113g)例示了与障碍物310相关的雷达数据的信息，如沿着左检测区域111L内的图3中所示的虚线112(即112a、…112g)检测到的。在图4中，阴影区域311例示了与障碍物310相关的雷达数据的信息，并且可以基于整个雷达数据(即，不仅基于十字113)来确定。换句话说，可以(例如)在应用较高分辨率(例如，通过将区间(bin)或间隙(slot)的数量增加到高于图4中所示的交叉113的数量(导致交叉113的数量增加))时确定阴影区域。由于这种增加将导致更多的十字113，因此它们在图示中被省略，代替地由阴影区域311指示。
更具体地，关于图3和图4的示例，图4中的各个十字113例示了与关联于距离和距离变化率的区间或间隙相关联的检测。例如雷达信号可以从设备100径向传播，并且可以在一段时间之后从障碍物310(部分地)反射。雷达信号中可以沿着线112a行进的一些雷达信号可能比雷达信号中沿着线112d行进的一些雷达信号花费长的时间来返回。因此，雷达信号的沿着线112a的反射可能产生比雷达信号的沿着线112d行进的反射长的延迟。因此，从针对雷达信号的沿着线112a行进的部分的反射延迟计算的距离可能比从针对雷达信号的沿着线112d行进的部分的反射延迟得出的距离长。因此，十字113a处于比十字113d大的距离(或距离区间或距离间隙)处。因为在图3中，线112a和线112g、线112b和线112f以及线112c和线112e的距离分别接近相同，所以图4中的对应十字113a和十字113g、十字113b和十字113f以及十字113c和十字113e分别位于类似的距离。由于车辆200在方向D上的移动，沿着线112返回的反射被检测为具有彼此不同的相位和/或频率偏移。因此，沿着线112a从朝着设备200移动的障碍物310的一部分的反射导致比沿着线112g从远离设备200移动的障碍物310的一部分的反射小的距离变化率。对于沿着线112a、112b、112c、112d、112e、112f和112g传播的反射中的每一者，距离变化率是不同的。因此，对应的十字113中的每一者位于不同的距离变化率处。
尽管在图3和图4中仅示出了七个线112和七个十字113，但是其数量不限于此，而是基于返回信号的A/D转换的分辨率和包括距离数据和距离变化率数据的雷达数据的提取的分辨率。可通过利用具有较高取样速率和/或较高量化容量(例如，具有256、512、1024或2048位分辨率)的A/D转换器来改进A/D转换的分辨率。如上所述，可以通过增加在转换中使用的区间或间隙的数量来增加提取的分辨率，例如DFT、FFT(例如，测距FFT、距离截止FFT、多普勒FFT和/或形成FFT的数字波束)。
在图4中，针对阴影区域311的部分描绘了十字113，十字113例示了与障碍物310相关的雷达数据的信息。尤其是，各个十字113对应于雷达数据中提供的距离和距离变化率(即，与距离和距离变化率的各个组合相关联的区间或间隙)的特定组合。此外，距离和距离变化率的各个组合具有对应于检测值、幅度值、反射幅度、能量值等的相关数值。例如，可以通过对天线的数量求平均来确定相应的区间的检测值。在此，十字113仅例示距离和距离变化率的组合，其中，与返回信号相关联的值超过某个检测阈值，即仅例示指示障碍物的存在的阈值。在另一方面，尽管图4中的区域113*不包含十字，但是仍然为该距离和距离变化率的这种组合提供非零值或有限检测值，因为检测到的噪声信号也可能对这种距离和距离变化率(区间)的特定组合有贡献。但是对于对应于区域113*的距离(或延迟)和距离变化率(或相对速度)，在图3中由参考符号112*指示的地点处不存在障碍物。因此，对于与区域113*相对应的距离和距离变化率(即，区间或间隙)的组合，没有反射对返回信号有贡献(例如，仅检测到噪声)。由此，该区间或间隙处的值指示不存在障碍物310，并且因此指示地点112*处的自由空间。换句话说，等于或低于基于噪声的阈值的雷达数据中的任何值指示自由空间，并且任何这样的值因此可以用作车辆200中的设备100周围的自由空间的直接确定。
因此，提取单元130被配置成从所获取的雷达数据提取具有等于或低于基于噪声的阈值的(检测)值的特定雷达数据集，即，提取具有等于或低于基于噪声的阈值的值的距离数据和距离变化率数据(在对应的区间或间隙中)的组合。低于基于噪声的阈值的那些检测值对应于没有能量从雷达反射返回的值。
不同于以上检测阈值(即，指示存在表示障碍物的存在的(强)反射的阈值)，该基于噪声的阈值可以基于设备100自身的物理特性(例如，基于例如恒定假警报率(CFAR)、信噪比(SNR)和/或峰值与平均功率比(PAPR))来确定)，并且可以是天线特定噪声阈值(例如，基于天线的大小、有损元件、温度)。由此，基于噪声(即，具有等于或低于基于噪声的阈值的检测值)的距离和距离变化率的组合被提取并且被用于或存储在特定雷达数据集中。例如，如图4所示，距离值rext和距离变化率值
Figure BDA0003366795940000081
被提取，对应于具有等于或低于基于噪声的阈值的检测值的区间/间隙区域113*。然后，将提取的特定雷达数据集提供给确定单元140。
例如，可以针对雷达扫描来确定(测量)噪声水平，并且优选地单独地针对各个距离区间/量度来确定噪声水平。因此，基于噪声的阈值可以基于所测量的噪声水平来设置，并且优选地基于噪声的阈值被单独地针对相应的距离区间设置。该设置有利地不需要来自对象或障碍物的实际反射，并且可以通过在新的雷达扫描之前重新测量一个或更多个雷达天线处的当前噪声水平而被连续地重新设置。因此，适当的基于噪声的阈值可以根据设备的噪声水平而动态地调整，但是保持独立于障碍物的不同反射特性。
根据另一实施方式，基于噪声的阈值可以是由机器学习算法设置的阈值，该机器学习算法被训练来提供分类以区分噪声值与对应于来自对象或障碍物的实际反射的值。机器学习算法可以被进一步训练以针对各个距离区间/度量来设置这样的基于噪声的阈值。这样的机器学习算法可以基于输入具有不同距离的障碍物和自由空间(即，没有障碍物)的值的多个(距离、距离变化率)数据来训练。机器学习算法可以进一步基于雷达天线特定参数和/或温度值来训练，以便将设备的不同噪声源考虑在内。
确定单元140被配置成基于提取的特定雷达数据集来确定设备周围(即，在一个或更多个检测区域中)的自由空间。在本文中，确定单元140可以将对应于特定雷达数据集(即，雷达数据的自由空间信息)中的区间或间隙(例如，区间或间隙的下边界和/或上边界，或其平均值)的提取距离和距离变化率投影到设备100周围的环境的坐标上。换句话说，这些距离和距离变化率数据区间/间隙(其具有等于或低于基于噪声的阈值的检测值)用于将所提取的距离和距离变化率信息投影到设备100周围的环境的坐标上。
该投影指示设备100(并且由此也是车辆200)周围没有障碍物(诸如图3中的站点112*)的位置，并且不需要存在障碍物来提供反射(如传统的间接测量方法)以间接地假设检测/反射地点与车辆200之间的空间是自由空间。
通常，这样的投影可以基于以下表达式来执行：
Figure BDA0003366795940000091
以当存在障碍物时，将距离变化率转换成对应的角度θ。尤其是，在式(1)中，
Figure BDA0003366795940000092
是距离变化率，并且vx和vy是设备运动矢量的x分量和y分量，并且vobj,x和vobj,y是障碍物310的运动矢量的x分量和y分量(可以假定对于静止对象为零)，并且θ是设备检测角度。因为
Figure BDA0003366795940000093
是基于雷达数据的距离变化率数据，并且因为并且vx、vy、vobj,x和vobj,y是已知的，所以可以得出反射的角θ。由于距离r是基于雷达数据的距离数据，因此可以使用极坐标来确定障碍物310的导致反射的部分的位置。
现在通过在无障碍物的情况下忽略式(1)中的障碍物310的运动矢量的x分量和y分量，即，通过在vobj,x和vobj,y＝0的情况下使用式(1)，即
Figure BDA0003366795940000101
现在可以关于不发生反射的位置(诸如图3中的112*)来使用该过程，并且因此从提取的距离变化率确定对应的自由空间角度θ。即，当在提取的(距离、距离变化率)值处不发生反射时，不存在对象或障碍物。因此，众所周知，在对应于此提取的(距离、距离变化率)值的位置处不存在静止对象(否则，静止对象将在所提取的(距离、距离变化率)值处产生反射)。这样，可以将所提取的(距离、距离变化率)值转换成用于自由空间的对应(距离、角度)值。随后可以将该(距离、角度)值转换成自由空间(关于车辆)的对应(X,Y)笛卡尔坐标。
代替使用例如数字波束形成FFT(即，对于具有检测(即，由于从现有对象或障碍物返回的信号)的给定距离和距离变化率区间，使用天线维度并计算检测的角度)的经典角度查找，本方法因此可以跳过经典角度查找并仅从距离变化率计算自由空间角度θ。
图5示出了根据本公开的实施方式的方法的流程图。图5中所示的计算机实现的方法用于直接确定设备100周围的自由空间并且包括三个步骤。如上所述，第一步骤S1获取关于一个或更多个雷达天线110中的每一者的雷达数据，所获取的雷达数据包括距离数据和距离变化率数据。如上所述，第二步骤S2从获取的雷达数据提取具有等于或低于基于噪声的阈值的检测值的特定雷达数据集。第三步骤S3基于提取的特定雷达数据集确定设备100周围(即，在一个或更多个检测区域中)的自由空间。该方法可以作为计算机程序存储在计算机400的存储器410中，并且可以由计算机400的处理器420执行，如图6所示，计算机400可以是车载计算机、设备的计算机、雷达传感器、雷达系统。
虽然前述示例例示了单个障碍物310，但是设备100不限于此并且可以检测多个障碍物。基于障碍物的大小和反射特性，设备100还可以检测彼此后面的障碍物。例如图7示出了在平行于两个障碍物310、320的方向D上行驶的车辆200，两个障碍物310、320例如是在道路旁边的护栏和墙壁。图7(和图8)的其余部分相互对应于图3(且分别对应于图4)。因此，省略了描述的重复。因为雷达信号中的一些雷达信号可以在第一障碍物320(例如护栏)下方发射，所以来自第一障碍物320后面的第二障碍物310(例如墙壁)的反射也可以返回到设备100。因此，对于图7中的示例性线112中的每一者，可以由设备100检测到多个返回信号，从而产生图8中的多个十字113、114。在图8中，在较大距离处的十字113对应于远离车辆100的障碍物(即，第二障碍物310)。在图8中，在较小距离处的十字114对应于靠近车辆100的障碍物(即，第一障碍物320)。由车辆100在较小距离处经过的第一障碍物320以比由车辆200在较大距离处经过的第二障碍物310大的频率偏移或相移来反射返回信号。这是由于车辆200与两个障碍物310、320的部分之间的相对速度不同。因此，图8中对应于图7中的第一障碍物320的第一阴影区域321指示比图8中对应于图7中的第二障碍物310的第二阴影区域311大的距离变化率(或相对速度)。
图8中没有阴影的区域对应于自由空间。通过应用基于噪声的阈值并且由此滤除阴影区域311、321，可以提取特定雷达数据集，并且可以直接确定自由空间。返回信号从障碍物310、320的面向设备100的一侧反射。因此，关于障碍物310、320的深度的信息可能不可用。因此，设备还可以仅将雷达数据的位于设备100与最近的障碍物(例如，图7和图8中的第一障碍物320)之间的那些区域视为自由空间。因此，当将特定雷达数据集投影到设备100周围的环境(并且由此车辆200周围)上时，可以丢弃图8中的第一阴影区域321上方的整个区域。
图9和图10描绘了根据本公开的使用设备100检测墙壁障碍物310和圆柱体障碍物330的示例。尽管图9和图10中示出的示例仅描绘了具有使用右检测区域111R的设备100的车辆200，但是也可以提供其它/另外的检测另外进一步的检测区域。假设自由空间被检测直到最接近设备100的障碍物。因此，尽管右检测区域111R将能够在其整个距离(例如，150m)上检测自由空间，但是仅到达最接近的障碍物之前的区域(例如，平方区域)可以被检测为自由空间。右检测区域111R的剩余区域(例如，虚线区域)可以不被检测为自由空间，并且可以被认为是“未知”或“被遮挡”。因此，图9和图10中的障碍物310、330后面的区域可以被解释为“阴影”。也就是说，虽然障碍物330后面的空间不反射辐射能量，并且对应的距离、距离变化率组合也将指示低于基于噪声的阈值的检测值，但是该空间的反射的辐射能量的这种缺失可能是由于障碍物330对该空间的遮挡，并且因此该空间被认为是“未知”的。
返回信号可以由一个或更多个天线110检测，并且可以分组在如图11的(a)所示的数据立方体(DC)中。DC可以表示特定数量的天线的返回信号数据的集合。更具体地，数据可以是A/D转换的，并且可以被输入到针对一个或更多个天线110中的每一者的DC(由图11的(a)中的箭头指示)中。DC的高度可以表示发射的雷达信号的数量(例如，啁啾信号的数量)，DC的宽度可以表示由设备100使用的天线的数量(例如，#天线)，并且DC的深度可以表示每天线的各个信号的时间进展(例如，每信号的采样的数量)。
可以通过应用DFT或FFT(例如，测距FFT、距离截止FFT、多普勒FFT和/或形成FFT的数字波束)将图11的(a)中的返回信号的该表示转换为雷达数据。由此，对于一个或更多个天线110中的每一者，可以生成用于距离和距离变化率中的每一者的区间或间隙(参见图11的(b))。各个区间或间隙包含指示返回信号是否是反射和噪声的组合或者返回信号是否仅是噪声的值。沿着图11的(b)中描绘的立方体的高度和深度的切片与图4和/或图8中所描绘的图相当。然而，增加数量的天线可以实现进一步的处理以改进自由空间检测。通过将先前描述的基于噪声的阈值应用于图11的(b)中例示的雷达数据，可以生成图11的(c)中例示的特定雷达数据集。
更具体地，如果图11的(b)中的立方体中的区间或间隙的值等于或低于基于噪声的阈值，则对应的距离和距离变化率值被存储在特定雷达数据集中。对于特定雷达数据集中的各个剩余的区间或间隙，自由空间的点被投影到表示设备100的周围环境的坐标系上。图11的(d)例示了这样的投影的示例，其中，车辆200和/或设备100位于坐标(0,0)处，并且从特定雷达数据集投影的各个小圆点直接表示自由空间。图11的(d)中的虚线对象仅是用于例示性目的的障碍物的示例，但是实际上不被编码在特定雷达数据集的数据中。因为在图11的(d)中投影在图上的小圆点中的各个小圆点已经直接从特定雷达数据集中剩余的区间或间隙得出，所以设备100可以直接确定设备100周围(并且由此车辆200周围)的哪些位置是“自由”的。例如设备100不需要首先检测障碍物并推断设备100与障碍物之间的任何区域为自由的。由此，改进了准确检测自由空间的置信度或确定性。
换句话说，图11或图12中描绘的方法可以概括如下：
1)获取雷达数据，例如，雷达的DC包括各个天线的距离数据和距离变化率数据(或多普勒数据)。
2)确定各个区间的值(例如，信号能量或振幅值)(例如，距离和距离变化率的组合)。
3)将该值与基于噪声的阈值进行比较。
4)对于具有低于或等于基于噪声的阈值的值(即，被分类为“自由”)的各个区间或间隙，基于距离变化率数据来计算角度θ。
5)将所得到的极坐标(距离r、角度θ)值转换到笛卡尔坐标(X,Y)中，并且将这些特定位置确定为自由空间。
此外，通过进一步减少图12的(c)中所示的特定雷达数据集，用于计算和投影自由空间坐标的计算负荷被减少。换言之，除了通过移除值超过基于噪声的阈值的数据来滤除与障碍物相关联的数据之外，可以通过针对各个距离变化率移除与大于值超过基于噪声的阈值的数据的距离相关联的数据来进一步过滤特定雷达数据集。
值得注意的是，雷达反射将不仅为“正确的”(距离/距离变化率)区间或间隙提供高于基于噪声的能量，而且为相邻区间提供能量，例如由于FFT窗口(点扩散函数)。“不正确”检测也被称为“旁瓣”，其可以例如通过迭代自适应方法(IAA)算法或“CLEAN”算法来移除，该算法可以在应用基于噪声的阈值之前执行。这将导致对自由空间的改进确定。不移除旁瓣将导致更保守的自由空间确定/分类，这对于大多数应用可能是足够的并且可以通过进一步处理来减轻。
返回到图9和图10的示例，可分别确定如图13和图14中所示的自由空间。更具体地，从特定雷达数据集的剩余区间或间隙中，可以从距离变化率(例如，基于上面讨论的表达式)计算角度θ。然后，该角度θ可以与该距离r组合为极坐标，该极坐标指示各个区间或间隙的自由空间点。图13和图14将这些自由空间点表示为小圆点。障碍物312和332仅出于例示性目的而被包括并且不是特定雷达数据集的一部分。
换句话说，“孔”(缺失小圆点)可能由DC中的检测(反射点)(即，高于基于噪声的阈值的能量值)引起。由于假设障碍物是静止的，因此这并不意味着这是物体或障碍物的真实位置。因此，基于特定雷达数据集的距离变化率数据计算出角度θ，并与特定雷达数据集的距离数据相组合以产生用于确定(S3)自由空间的坐标的极坐标。
使用基于噪声的阈值的上述机制可以导致二进制自由空间/非自由空间决定。在另一实施方式中，描述了一种直接确定设备100周围的自由空间概率的方法。根据该另一实施方式，获取关于一个或更多个雷达天线110中的每一者的雷达数据(如上文在步骤S1中所描述的)，由此所获取的雷达数据包括距离数据和距离变化率数据。然后，从所获取的雷达数据中提取特定雷达数据集(如上文在步骤S2中所述)，由此特定雷达数据集具有等于或低于基于噪声的阈值的值。如上所述，基于噪声的阈值可以基于设备100的测量噪声水平或者是由机器学习算法设置的基于噪声的阈值。然后，当基于提取的特定雷达数据集(即，对于等于或低于基于噪声的阈值的值，如以上在步骤S3中描述的)确定设备100周围的自由空间时，该自由空间与高自由空间概率相关联，例如，为大于95％的值。尚未在步骤S2中提取的雷达数据具有高于预定阈值的值。对于这样的值，可以分配减少的自由空间概率；例如，超过基于噪声的阈值达50％的值可以与中等自由空间概率(自由空间概率为约50％)相关联，并且超过基于噪声的阈值达100％的值可以与低自由空间概率(自由空间概率小于5％)相关联。根据此实施方式中的另一步骤，因此可以应用将值-阈值差与自由空间概率相关联的函数。
因此，该另一实施方式定义了一种直接确定设备周围自由空间的概率的方法，该方法包括：获取关于一个或更多个雷达天线中的每一者的雷达数据，所获取的雷达数据包括距离数据和距离变化率数据；将自由空间的概率与所获取的雷达数据相关联，其中，具有等于或低于基于噪声的阈值的值的所获取的雷达数据与较高自由空间概率相关联，并且具有高于基于噪声的阈值的值的所获取的雷达数据与较低自由空间概率相关联。该关联优选地基于值-阈值差与自由空间概率之间的相关性或函数。
因此，该另一实施方式还定义了一种用于直接确定设备周围自由空间的概率的设备，其中，该设备包括：获取单元，该获取单元被配置成获取关于一个或更多个雷达天线中的每一者的雷达数据，所获取的雷达数据包括距离数据和距离变化率数据；关联单元，该关联单元被配置成将自由空间的概率与所获取的雷达数据相关联，其中，具有等于或低于基于噪声的阈值的值的所获取的雷达数据与较高自由空间概率相关联，并且具有高于基于噪声的阈值的值的所获取的雷达数据与较低自由空间概率相关联。该关联优选地基于值-阈值差与自由空间概率之间的相关性或函数。
对于本领域技术人员显而易见的是，在不脱离本公开的范围或精神的情况下，可以在本公开的实体和方法以及在本公开的构造中进行各种修改和变化。
已经关于特定实施方式描述了本公开，这些特定实施方式在所有方面都旨在是例示性的而非限制性的。本领域技术人员将理解，硬件、软件和/或固件的许多不同组合将适合于实践本公开。
此外，通过考虑本文所公开的本公开的说明书和实践，本公开的其它实现方式对于本领域技术人员将是显而易见的。说明书和示例旨在仅被认为是示例性的。为此，应当理解，本发明的方面不在于单个前述公开的实现方式或配置的所有特征。因此，本公开的真实范围和精神由所附权利要求指示。

Claims (15)

1.一种直接确定设备(100)周围的自由空间的方法，所述方法包括：
获取(S1)关于一个或更多个雷达天线(110)中的每一者的雷达数据，所获取的雷达数据包括距离数据和距离变化率数据；
从所获取的雷达数据提取(S2)具有等于或低于基于噪声的阈值的值的特定雷达数据集；
基于所提取的特定雷达数据集来确定(S3)所述设备(100)周围的自由空间。
2.根据权利要求1所述的方法，其中，
所获取的雷达数据由值构成，各个值是针对所述距离数据和所述距离变化率数据的组合指示雷达返回信号的幅度的检测值；并且
所述特定雷达数据集由所获取的雷达数据的等于或低于所述基于噪声的阈值的检测值构成。
3.根据权利要求1或2所述的方法，其中，所述基于噪声的阈值基于所述设备(100)的测量的噪声水平。
4.根据权利要求1至3中任一项所述的方法，其中，所述基于噪声的阈值基于恒定假警报率CFAR、信噪比SNR和/或峰值与平均功率比PAPR。
5.根据权利要求1至4中任一项所述的方法，其中，所述基于噪声的阈值是基于雷达天线特定噪声的阈值。
6.根据权利要求1或2所述的方法，其中，所述基于噪声的阈值是由机器学习算法设置的阈值。
7.根据权利要求1至6中任一项所述的方法，其中，基于所提取的距离变化率数据计算出所述设备(100)的自由空间角度θ，并且所述自由空间角度θ与所提取的距离数据组合以产生用于确定(S3)所述自由空间的坐标的极坐标。
8.根据权利要求7所述的方法，其中，所述自由空间角度θ是基于以下表达式来计算的：
Figure FDA0003366795930000011
其中，
-
Figure FDA0003366795930000012
是距离变化率；
-vx是所述设备(100)的速度的x分量；并且
-vy是所述设备(100)的所述速度的y分量。
9.根据权利要求1至8中任一项所述的方法，其中，所述确定(S3)将所确定的自由空间相对于所述设备(100)的位置进行平移。
10.根据权利要求1至9中任一项所述的方法，所述方法还包括：
移除旁瓣，优选地通过使用基于IAA算法或CLEAN算法的方法来移除旁瓣。
11.一种包含指令的计算机程序，所述指令在所述程序由计算机(400)执行时使所述计算机(400)执行根据权利要求1至10中任一项所述的方法。
12.一种用于直接确定设备(100)周围的自由空间的设备(100)，其中，所述设备(100)包括：
获取单元(120)，所述获取单元被配置成获取关于一个或更多个雷达天线(110)中的每一者的雷达数据，所获取的雷达数据包括距离数据和距离变化率数据；
提取单元(130)，所述提取单元被配置成从所获取的雷达数据提取具有等于或低于基于噪声的阈值的值的特定雷达数据集；以及
确定单元(140)，所述确定单元被配置成基于所提取的特定雷达数据集来确定所述设备(100)周围的自由空间。
13.根据权利要求12所述的设备(100)，所述设备还包括所述一个或更多个雷达天线(110)。
14.根据权利要求12或13所述的设备(100)，其中，
所述一个或更多个雷达天线(110)被配置成发射雷达信号并检测返回信号；并且
所述获取单元(120)被配置成基于雷达返回信号来获取所获取的雷达数据。
15.一种具有根据权利要求12至14中任一项所述的设备(100)的车辆(200)。
CN202111385010.8A 2020-11-23 2021-11-22 自由空间确定设备、自由空间确定方法和自由空间确定程序 Pending CN114611543A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP20209230.0 2020-11-23
EP20209230.0A EP4001962A1 (en) 2020-11-23 2020-11-23 Free space determining device, free space determining method and free space determining program

Publications (1)

Publication Number Publication Date
CN114611543A true CN114611543A (zh) 2022-06-10

Family

ID=73544053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111385010.8A Pending CN114611543A (zh) 2020-11-23 2021-11-22 自由空间确定设备、自由空间确定方法和自由空间确定程序

Country Status (3)

Country Link
US (1) US20220163653A1 (zh)
EP (1) EP4001962A1 (zh)
CN (1) CN114611543A (zh)

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4845500A (en) * 1988-03-25 1989-07-04 Sperry Marine Inc. Radar video detector and target tracker
US7639171B2 (en) 2007-09-27 2009-12-29 Delphi Technologies, Inc. Radar system and method of digital beamforming
US9470777B2 (en) 2014-09-19 2016-10-18 Delphi Technologies, Inc. Radar system for automated vehicle with phase change based target catagorization
EP3182155A1 (en) * 2015-12-17 2017-06-21 Autoliv Development AB A vehicle radar system arranged for determining an unoccupied domain
US10656248B2 (en) * 2017-05-11 2020-05-19 GM Global Technology Operations LLC Radar post processing for sidelobe suppression
EP3454079B1 (en) 2017-09-12 2023-11-01 Aptiv Technologies Limited Method to determine the suitablility of a radar target as a positional landmark
DE102017126388B4 (de) * 2017-11-10 2020-12-03 Valeo Schalter Und Sensoren Gmbh Verfahren zur Bestimmung wenigstens eines Freiraums in einem Überwachungsbereich einer Entfernungsmessvorrichtung, Entfernungsmessvorrichtung und Fahrerassistenzsystem
CN110494863B (zh) * 2018-03-15 2024-02-09 辉达公司 确定自主车辆的可驾驶自由空间
US10705220B2 (en) * 2018-04-19 2020-07-07 Faraday & Future Inc. System and method for ground and free-space detection
US11231481B1 (en) * 2019-05-08 2022-01-25 Zoox, Inc. Radar false negative analysis
US11455806B2 (en) * 2019-07-10 2022-09-27 Deka Products Limited Partnership System and method for free space estimation

Also Published As

Publication number Publication date
EP4001962A1 (en) 2022-05-25
US20220163653A1 (en) 2022-05-26

Similar Documents

Publication Publication Date Title
JP6782312B2 (ja) レーダーにおける角度分解能
Falcone et al. Two‐dimensional location of moving targets within local areas using WiFi‐based multistatic passive radar
US11340332B2 (en) Method and apparatus for processing radar data
US10761187B2 (en) Liquid detection using millimeter-wave radar sensor
CN112098990B (zh) 车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法
US20200256999A1 (en) Lidar techniques for autonomous vehicles
WO2021077287A1 (zh) 一种检测方法、检测装置以及存储介质
WO2008093092A2 (en) Adaptive radar
KR101628154B1 (ko) 수신 신호 세기를 이용한 다중 표적 추적 방법
JP2000501839A (ja) レーダシステムのための追跡方法
Eltrass et al. Automotive radar system for multiple‐vehicle detection and tracking in urban environments
US20230139751A1 (en) Clustering in automotive imaging
Bonacci et al. Robust DoA estimation in case of multipath environment for a sense and avoid airborne radar
CN112241003A (zh) 用于对象检测的方法和系统
KR20120043281A (ko) 펄스 도플러 레이더를 이용하여 이동 물체의 거리 및 속도를 측정하기 위한 장치 및 방법
CN114966589A (zh) 一种基于毫米波雷达的多目标检测方法
JP2018165654A (ja) 走行路情報推定装置および走行路情報推定方法
Gao et al. Static background removal in vehicular radar: Filtering in azimuth-elevation-doppler domain
Argüello et al. Radar classification for traffic intersection surveillance based on micro-Doppler signatures
CN112863230A (zh) 空车位检测方法及装置、车辆和计算机设备
CN114611543A (zh) 自由空间确定设备、自由空间确定方法和自由空间确定程序
CN114280612B (zh) 一种绝缘体目标的毫米波雷达恒虚警检测方法
JP2010237087A (ja) レーダ装置及びそれを用いた電波到来方向の計測方法
CN114355324A (zh) 一种航迹生成方法
CN114594466A (zh) 用于确定目标的自有速度估计值和角度估计值的方法

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
CB02 Change of applicant information
CB02 Change of applicant information

Country or region after: Luxembourg

Address after: Luxembourg

Applicant after: Aptiv Technology (2) Co.

Address before: Babado J San Michael

Applicant before: Aptiv Technologies Ltd.

Country or region before: Barbados

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240305

Address after: Luxembourg

Applicant after: Aptiv Manufacturing Management Services Co.

Country or region after: Luxembourg

Address before: Luxembourg

Applicant before: Aptiv Technology (2) Co.

Country or region before: Luxembourg

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240320

Address after: Schaffhausen

Applicant after: APTIV Technology Co.,Ltd.

Country or region after: Switzerland

Address before: Luxembourg

Applicant before: Aptiv Manufacturing Management Services Co.

Country or region before: Luxembourg