CN116736243A - 使用多种假设的稳定的雷达跟踪速度初始化 - Google Patents

使用多种假设的稳定的雷达跟踪速度初始化 Download PDF

Info

Publication number
CN116736243A
CN116736243A CN202310231949.1A CN202310231949A CN116736243A CN 116736243 A CN116736243 A CN 116736243A CN 202310231949 A CN202310231949 A CN 202310231949A CN 116736243 A CN116736243 A CN 116736243A
Authority
CN
China
Prior art keywords
hypotheses
hypothesis
evidence
tracking
level
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
CN202310231949.1A
Other languages
English (en)
Inventor
刘子鑫
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.)
Anbofu Technology Co ltd
Original Assignee
Delphi Technologies Inc
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 Delphi Technologies Inc filed Critical Delphi Technologies Inc
Publication of CN116736243A publication Critical patent/CN116736243A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/583—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets
    • G01S13/584—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets adapted for simultaneous range and velocity measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/60—Velocity or trajectory determination systems; Sense-of-movement determination systems wherein the transmitter and receiver are mounted on the moving object, e.g. for determining ground speed, drift angle, ground track
    • 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
    • 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
    • G01S7/41—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
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/041—Abduction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/589—Velocity or trajectory determination systems; Sense-of-movement determination systems measuring the velocity vector
    • 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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/66—Sonar tracking 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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar 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
    • G01S17/66—Tracking systems using electromagnetic waves other than radio waves
    • 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
    • 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
    • G01S2013/9323—Alternative operation using light waves
    • 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
    • G01S2013/9324—Alternative operation using ultrasonic waves

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本文档描述了对象跟踪器，该对象跟踪器使用多种假设，对雷达跟踪执行稳定的速度初始化，包括当只有稀疏雷达点云可用时。在每次扫描仅单个点的情况下，跟踪器创建针对对象的方向和速度的多种假设。可以将最小二乘函数应用于每个假设以导出每个相应的初始速度，在假设跟踪时间段期间使用卡尔曼滤波器来跟踪这些初始速度。当在每个假设跟踪时间段上初始化和跟踪假设时，计算它们的跟踪误差分数。基于假设的跟踪误差分数，具有低证据的假设在假设跟踪时间段期间被丢弃。当假设跟踪时间段结束时，具有高证据的假设初始化跟踪的速度。并行假设评估使得跟踪器能够通过仅选择最佳假设来快速且准确地初始化速度，这可以实现更安全的驾驶。

Description

使用多种假设的稳定的雷达跟踪速度初始化
背景技术
用于交通工具的感知系统(例如，高级安全或自动驾驶系统)可以依赖于雷达跟踪器的输出。每个跟踪都表征了在多个帧上检测到的雷达回波的点云，这些点云可以被分组以表示个体对象。跟踪的初始速度可以基于点云检测使用在多个帧内测量的点的位置方差来导出。注意将跟踪速度测量初始化为尽可能准确，否则可能会发生跟踪分裂。例如，如果对象的速度被不正确地初始化，则报告的对象位置可能会偏离其真实位置。对于更远的对象，稀疏点云(例如，单个点)可能是可用于跟踪生成的所有信息，这使得速度初始化变得困难。为了解决这个问题，可以使用滤波器或高级算法，包括基于线性最小二乘的算法，如迭代最小二乘或归一化估计误差平方。然而，使用这些技术的结果可能不太稳定，以致于无法与交通工具控制一起使用，交通工具控制期望跟踪精确以确保安全。此外，即使可以从单个点返回在很远的距离处检测到对象，由于使用关于对象位置、方向或速度的错误假设而做出的错误决策也可能向下游传播到跟踪的使用者，错误决策可能导致不安全或不舒适的驾驶。现有流程至少无法提供一致或稳定的结果，从而导致了这些问题，这降低安全性，因为无法准确地跟踪对象。
发明内容
本文档描述了用于使用多种假设的稳定的雷达跟踪速度初始化的技术和系统。在一个示例中，方法包括由对象跟踪器从雷达系统获得点云传感器数据，所述点云传感器数据指示从环境中的对象反射的雷达回波；以及使用点云传感器数据建立对环境中的对象的跟踪。方法包括通过创建针对对象的预测移动的多种假设来初始化对象的速度测量；针对多种假设中的每一种假设，确定初始速度和支持该假设的初始速度的第一相关联的证据水平；通过组合多种假设生成经融合的假设，经融合的假设的初始速度和第一相关联的证据水平基于多种假设的初始速度和第一相关联的证据水平的集合；将经融合的假设包括在多种假设中；以及响应于将经融合的假设包括在多种假设中，基于多种假设的第一相关联的证据水平选择第一最佳假设以用于初始化对象的速度测量。
在一些示例中，上述方法进一步包括：对多种假设中的每一种假设的初始速度进行时间更新；针对多种假设中的每一种假设，确定支持该假设的经更新的初始速度的第二相关联的证据水平；以及从多种假设中消除多种假设中的具有不满足证据阈值的第二相关联的证据水平的值的任何假设。此外，响应于在消除多种假设中的具有不满足证据阈值的第二相关联的证据水平的值的任何假设之后确定多种假设中剩下两种以上的假设，上述方法进一步包括：针对剩余的多种假设中的每一种假设，对对象的预测移动进行测量更新；以及基于剩余的多种假设的第二相关联的证据水平，选择第二最佳假设来替换先前选择的第一最佳假设。响应于在消除多种假设中的具有不满足证据阈值的第二相关联的证据水平的值的任何假设之后确定多种假设中仅剩下两种假设，上述方法进一步包括：基于剩余的两种假设的第二相关联的证据水平，选择第三最佳假设来替换先前选择的第一最佳假设或第二最佳假设；以及为交通工具系统输出对对象的跟踪，跟踪包括被初始化为第三最佳假设的初始速度的速度参数。
通过实现由本公开构想的这些和其他示例，可以实现使用多种假设的稳定的雷达跟踪速度初始化，以比使用其他雷达跟踪技术更准确地初始化速度测量，即使在针对被跟踪对象每个帧只有单个点返回可用的情况下也是如此。本发明内容介绍了使用多种假设的稳定的雷达跟踪速度初始化的简化概念，例如，配备有雷达跟踪以支持驾驶的交通工具(例如，卡车、汽车)以及对象跟踪的其他示例，如具体实施方式和附图中进一步解释清楚的。本发明内容并非旨在标识出要求保护的主题的必要特征，也并非旨在用于确定要求保护的主题的范围。
附图说明
本文档中参考附图描述了使用多种假设的稳定的雷达跟踪速度初始化的细节，附图可以使用相同数字来引用类似特征和部件，以及使用连字符编号来指定这些类似特征和部件的变化。附图组织如下：
图1示出了用于使用多种假设的稳定的雷达跟踪速度初始化的示例环境；
图2示出了包括被配置成用于执行使用多种假设的稳定的雷达跟踪速度初始化的系统的示例交通工具；
图3-1示出了用于使用多种假设的稳定的雷达跟踪速度初始化的示例过程的流程图；
图3-2和图3-3示出了在图3-1的上下文中主交通工具初始化雷达跟踪速度测量的示例场景；以及
图4示出了在使用多种假设的稳定的雷达跟踪速度初始化的时间段期间的速度测量初始化的曲线图。
具体实施方式
引言
雷达系统测量对象上的点在径向方向上的速度，这称为距离变化率(range-rate)。需要测量的多个点(例如，雷达点云)或多个帧(例如，雷达的扫描)来提取对象的速度分布(profile)。雷达系统通常在每个帧或扫描期间提供一些对象的稀疏点云(例如，仅包括几个点)，甚至可以仅提供距离较远的单个点检测对象，即所谓的远距离对象。由于雷达点云中只有有限的点或单个点，因此很难准确地初始化跟踪的速度。一次扫描中的雷达点的数量可能不足以获得稳定的解。换句话说，速度计算可能不稳定或与对象的实际移动不一致。
用于计算速度的典型过程包括使用针对雷达点云内的不同点计算的距离变化率和方位角来解决最小二乘问题。跨雷达的两次或更多次连续扫描计算点的位置变化。然而，这些现有技术导致的速度结果的不稳定无法提供从一帧到下一帧的准确且可预测的稳定结果。例如，当来自对象的多个反射点在每次扫描时位置彼此接近时，反射点实际上可能包含几乎线性相关的信息。然而，如果反射点在每次扫描时彼此远离，则连续扫描中的这些点的位置变化可能会产生损坏的速度，因为为了简单起见，通常会忽略也由位置变化捕获的对象的范围。也就是说，考虑到道路上其他对象(尤其是交通工具)大小的限制，两点之间的位置变化似乎是不可能的。现有的算法和技术可以尝试通过检查来自连续周期的雷达点的位置信息变化的一致性以尝试在关于初始对象运动和方向的最终假设中降低不一致信息的权重来解决这个问题。
本文档描述了对象跟踪器，该对象跟踪器使用多种假设，对雷达跟踪执行稳定的速度初始化，包括当只有稀疏雷达点云可用时。在每次扫描仅单个点的情况下，跟踪器创建针对对象的预测移动的多种假设。可以将最小二乘函数应用于每个假设以导出每个相应的初始速度，在假设跟踪时间段期间使用卡尔曼滤波器来跟踪这些假设。当在假设跟踪时间段期间初始化和跟踪假设时，计算它们的跟踪误差分数。具有低证据(例如，高误差分数)的假设在假设跟踪时间段期间被丢弃。当假设跟踪时间段结束时，具有高证据(例如，低误差分数)的单个假设被用于初始化跟踪的速度。并行假设评估使得跟踪器能够通过仅选择最佳假设来快速且准确地初始化跟踪速度，这可以实现更安全的驾驶。
示例环境
图1示出了用于例如由交通工具102使用多种假设的稳定的雷达跟踪速度初始化的示例环境100。尽管示出为客车，但是交通工具102可以表示其他类型的机动交通工具(例如，汽车、摩托车、公共汽车、拖拉机、半挂车)、非机动交通工具(例如，自行车)、有轨交通工具(例如，火车)、水运工具(例如，船只)、飞行器(例如，飞机)、或航天器(例如，卫星)等。所描绘的环境100包括在道路上行驶的交通工具102。交通工具102配备有感知系统104，感知系统104用于检测存在于道路上或道路附近的对象106(或其他类似对象)，道路上或道路附近的对象106可影响交通工具102如何或是否可以继续行驶。
感知系统104用于将关于在环境100中检测到的对象(诸如交通工具102的行驶路径中的对象106)的信息中继到交通工具102的其他系统。与感知系统104相关联的感兴趣区域至少部分地围绕交通工具102。当由感知系统104监测时，该区域被称为视场108(也被称为仪器视场)。感知系统104基于点云传感器数据的输入起作用，点云传感器数据可以从单个类型的传感器或各种不同类型的传感器获得。为了便于描述，由感知系统104获得的点云传感器数据主要被描述为从交通工具102的雷达系统获得的雷达数据。感知系统104可以安装在交通工具102的任何部分上、安装到交通工具102的任何部分或与交通工具102的任何部分集成，诸如交通工具102的前部、后部、顶部、底部或侧部、保险杠、侧视镜、前照灯和/或尾灯的一部分，或期望使用点云传感器数据进行对象检测的交通工具102的任何其他内部或外部位置。仔细选择或重新定位感知系统104和/或感知系统104所连接的雷达系统的部件可以进一步使视场108具有特定的形状或大小。
感知系统104中包括处理器110和雷达接口112。处理器110执行将感知系统104配置成用于执行各种功能以促进对象跟踪的软件和/或固件。例如，从处理器110输出的信息可以采取跟踪116的形式；跟踪116中的每一个指向在视场108中检测到的不同对象。跟踪116可以包括信息字段，信息字段包括边界框尺寸、大小和位置测量、分类、以及表征交通工具、行人、交通标志或出现在由感知系统104监测的区域中的其他对象的其他数据。处理器110被配置成用于基于处理器110从雷达接口112接收的点云传感器数据114来生成跟踪116。
雷达接口112可以包括硬件和在其上或在处理器110上执行的软件的组合。雷达接口112可操作地将感知系统104的处理器110连接到基于雷达的传感器源(包括交通工具102的雷达系统和/或外部雷达源)的输出。雷达接口112可以使用交通工具对交通工具通信从其他交通工具的雷达系统获得点云传感器数据，例如，用于改善视场108的大小或分辨率。雷达接口112可以以压缩或未压缩的形式或者以适合用于对象跟踪的任何其他格式提供点云传感器数据。在雷达接口112和雷达系统之间共享通信通道。通信通道可以包括应用编程接口(API)或由处理器110执行的其他功能。雷达接口112是一个示例传感器接口。感知系统104还可以使用到另一种类型的传感器(例如，激光雷达、相机)的另一接口来获得不同传感器类型的附加点云传感器数据。
包括初始化器120的对象跟踪器118是感知系统104的可以至少部分地以可执行代码实现的示例部件，该可执行代码在被执行时，将处理器110配置成用于生成对视场108中的对象的跟踪116。跟踪116从对象跟踪器118输出到交通工具102的其他系统，这些系统依赖于跟踪116来获得对潜在障碍物的态势感知。初始化器120在被执行时将处理器110配置成用于通过使用多种假设以稳定的方式初始化跟踪116中的每一个跟踪116的相应速度。
依赖于初始化器120，对象跟踪器118被配置成用于使用多种假设(包括当仅稀疏雷达点云可用时)来执行跟踪116的稳定的速度初始化。在每次扫描仅单个点的情况下，初始化器120创建针对对象的方向和速度的多种假设。例如，对象跟踪器118从雷达接口112获得点云传感器数据114，点云传感器数据114指示从环境100中的对象反射的雷达回波。对象跟踪器118执行对象跟踪技术。使用点云传感器数据114，对对象106的跟踪被添加到跟踪116。然而，不是使用其他技术来初始化对象106的速度测量，而是初始化器120被配置成用于更准确地并且以稳定的方式初始化速度测量。初始化器120被配置成用于创建针对对象106的预测移动的至少两种假设。针对至少两种假设中的每一种假设，确定初始速度和支持该假设的初始速度的第一相关联的证据水平。初始化器120接下来通过组合至少两种假设来生成经融合的假设。更具体地，经融合的假设包括基于至少两种假设的初始速度和第一相关联的证据水平的集合的经融合的假设的初始速度和第一相关联的证据水平。初始化器120将经融合的假设包括在至少两种假设中。初始化器120可以将最小二乘函数应用于每个假设，以导出每个相应的初始速度。
响应于将经融合的假设包括在至少两种假设中，初始化器120被配置成用于基于至少两种假设的第一相关联的证据水平选择用于初始化对象106的速度测量的单个最佳假设。例如，初始化器120在假设跟踪时间段期间使用卡尔曼滤波器(Kalman Filter)来更新假设。在假设跟踪时间段期间，假设中的每一种假设由初始化器120初始化并跟踪，这包括初始化器120计算它们的跟踪误差分数。具有低证据(例如，高误差分数)的假设可以在假设跟踪时间段期间被丢弃。当假设跟踪时间段结束时，具有高证据(例如，低误差分数)的单个假设初始化跟踪的速度。由初始化器120以这种方式执行的并行假设评估使对象跟踪器118能够仅通过选择最佳假设来快速初始化跟踪的速度，这最终能够实现更安全的驾驶，因为由交通工具102的其他系统用于控制或安全功能的跟踪116包括更准确的信息，但与以其他方式初始化一样快或几乎一样快。
示例交通工具配置
图2示出了包括被配置成用于执行使用多种假设的稳定的雷达跟踪速度初始化的系统104-1的示例交通工具102-1。交通工具102-1是交通工具102的示例。
交通工具102-1中包括感知系统104-1，感知系统104-1是感知系统104更详细地示出的示例。交通工具102-1还包括基于交通工具的系统210，基于交通工具的系统210操作地和/或通信地经由链路202耦合到感知系统104-1，链路202可以是一个或多个有线和/或无线链路，包括用于与交通工具102-1的部件互联的基于交通工具的网络通信。在一些示例中，链路202是交通工具通信总线。
基于交通工具的系统210使用交通工具数据(包括链路202上由感知系统104-1提供的对象跟踪数据)来执行基于交通工具的功能，所述基于交通工具的功能除了其他功能之外可以包括用于交通工具控制的功能。基于交通工具的系统210可以包括使用雷达数据来代表交通工具102-1采取动作的任何可构想的设备、装置、组件、模块、部件、子系统、例程、电路、处理器、控制器等。作为一些非限制性示例，基于交通工具的系统210可以包括用于自主控制的系统、用于安全性的系统、用于定位的系统、用于交通工具对交通工具通信的系统、用于作为乘员接口的系统、以及用于作为多传感器跟踪器的系统。在接收到对象跟踪数据(例如，跟踪116)后，由基于交通工具的系统210提供的功能使用对象跟踪数据的部分(包括在视场108中检测到的对象的速度测量)来将交通工具102-1配置成用于安全地驾驶而不与检测到的对象碰撞。
跟踪116是链路202上输出到基于交通工具的系统210的对象跟踪数据的示例。跟踪116中的一个可以包括关于对象106的移动的信息，诸如速度、位置等，以使得基于交通工具的系统210能够控制或协助制动、转向和/或加速交通工具102-1，以避免与对象106发生碰撞。用于自主控制的系统可以使用经由链路202接收到的跟踪116，以自主或半自主地在道路上安全地驾驶交通工具102-1。用于作为乘员接口的系统可以使用跟踪116中的信息允许操作者或乘客具有态势感知以做出驾驶决策或将操作者输入提供给控制器，以用于提供更多缓冲来避开对象。可以使用用于交通工具对交通工具的通信的系统将跟踪116或其中包含的信息提供给其他交通工具，以允许其他交通工具的操作者、乘客或控制器也可以避开被跟踪到的对象，或对交通工具102-1基于接收跟踪116而知道它们的存在有信心。通过改善交通工具102-1和环境100中的其他交通工具的态势感知，交通工具102-1可以在手动、自主或半自主控制下以更安全地方式驾驶。
感知系统104-1包括作为处理器110的示例的处理器110-1、雷达系统206、以及计算机可读介质(CRM)208。雷达系统206可以包括任何数量的雷达设备、天线和其他部件，以提供覆盖视场108的点云传感器数据114。雷达系统206可以包括雷达芯片、天线或天线阵列，诸如多输入多输出(MIMO)。雷达系统206可以包括各种发射器/接收器元件、定时/控制元件、以及模数转换器。如已经提到的，虽然主要在雷达的上下文中描述，但是感知系统104-1可以采用其他传感器系统来执行基于点云的对象跟踪。
处理器110-1的一些示例包括控制器、控制电路、微处理器、芯片、系统、片上系统、设备、处理单元、数字信号处理单元、图形处理单元、以及中央处理单元。处理器110-1可以包括多个处理器、一个或多个核心、存储软件或固件的嵌入式存储器、高速缓存或使处理器110-1能够执行用于生成跟踪116的机器可读指令的任何其他计算机元件。
由处理器110-1执行的机器可读指令可以由CRM 208存储。CRM208还可以用于存储在指令执行期间由处理器110-1管理的数据。在一些示例中，CRM 208和处理器110-1是单个部件，诸如包括被配置为处理器110-1的专用存储的CRM 208的片上系统。在一些示例中，对CRM 208的访问由感知系统104-1(例如，雷达系统206)的连接到CRM 208的其他部件共享。处理器110-1从CRM 208获得指令；指令的执行将处理器110-1配置成用于执行对象跟踪操作(诸如基于雷达的对象跟踪)，该对象跟踪操作导致通过链路202将跟踪116传输到基于交通工具的系统210和交通工具102-1的其他部件。
在该示例中，CRM 208包括用于将处理器110-1配置成用于提供雷达接口112-1的指令，雷达接口112-1是雷达接口112的示例。此外，CRM 208包括用于执行对象跟踪器118-1(包括初始化器120-1)的指令，对象跟踪器118-1和初始化器120-1分别是图1中的对象跟踪器118和初始化器120的示例。
在操作中，对象跟踪器118-1被配置成用于从雷达接口112-1获得由雷达系统206生成的点云传感器数据114。点云传感器数据114传送关于从环境100中的对象检测到的雷达回波的信息。对象跟踪器118-1被配置成用于处理点云传感器数据114以建立跟踪116；跟踪116中的每一个跟踪116与环境100中的特定对象相对应。当对象跟踪器118-1生成跟踪116时，跟踪116被报告给基于交通工具的系统210。在建立跟踪116中的每一个跟踪时，对象跟踪器118-1调用初始化器120-1以在该跟踪被引入到跟踪116中之前初始化每个跟踪的速度测量。
为了初始化跟踪116中的一个跟踪116的速度测量，初始化器120-1生成并维护假设212，假设212部分地基于最小线性二乘(LLS)问题的解。解决LLS问题通过基于加权的最小二乘原理来简化。假设212最初包括与不同LLS问题的解相对应的至少两种假设，以及通过将所有不同的LLS问题的解融合为一个而导出的另一种假设。例如，假设212可以从解决七个不同的LLS问题以可能从点云传感器数据114中捕获七个不同的潜在雷达点分布来导出。七个LLS问题产生七个解，这七个解对应于假设212中的七种假设。第八种假设被添加到假设212，并且如下面更详细的描述的，第八种假设通过融合七个解来形成。然后，通过在短时间内跟踪假设212以选择最佳假设来实现高度准确度。
在初始化器120-1建立假设212之后，跟踪116的速度测量仍然没有被立即初始化。相反，所有假设212都针对雷达系统206的几个帧或几次扫描(例如，少于或等于八次扫描)使用运动模型(例如，简单恒定运动模型)来被跟踪。在跟踪假设212时被扫描的帧的数量可以针对雷达系统206、感知系统104-1和/或交通工具102-1的不同模式或特性进行调整或调节。在该假设跟踪时间段的每次扫描期间，跟踪误差分数被计算并分配给假设212中的每一种假设。
跟踪误差分数基于假设212中的每一种假设和与最佳假设相关联的速度测量之间的累积误差来计算。跟踪误差分数由初始化器120-1用于选择最佳假设，以用于初始化跟踪116中的一个的速度测量。与考虑每个假设和每次扫描时的所有测量之间的关联的其他假设跟踪技术不同，速度初始化的复杂度被降低。不是在每次扫描时考虑每个关联，而是初始化器120-1被配置成用于每次扫描仅考虑单个最佳关联。跟踪误差分数使初始化器120-1能够通过在假设跟踪时间段的每次扫描之后从假设212中消除每一个不太可能的假设直到得到一个假设，来更快地得到单个最佳假设。
在初始化器120-1确定新跟踪的速度测量之后，该新的跟踪被添加到跟踪116。跟踪116可以针对当前的跟踪报告时间段进行测量更新。通过使用来自初始化器120-1的速度测量，可以以高准确度和低延迟输出跟踪116。这可以使得在链路202上接收跟踪的基于交通工具的系统210能够以增加的安全性和更高的精度执行交通工具102-1的功能。
使用多种假设的稳定的雷达跟踪速度初始化的过程
图3-1示出了用于使用多种假设的稳定的雷达跟踪速度初始化的示例过程300的流程图。为了便于描述，过程300主要在由感知系统104和104-1执行的上下文中被描述。过程300的操作(也称为步骤)被编号，然而，该编号不一定意味着操作的特定顺序。过程300的步骤可以以与图3-1的图中所示的特定方式不同的方式重新布置、跳过、重复或执行。图3-2和图3-3示出了在图3-1的上下文中主交通工具初始化雷达跟踪速度测量的示例场景330-1和330-2。在每个示例中，假设在雷达系统206的四次连续扫描或帧之后，仅来自点云传感器数据114的单个点与每个可检测对象相关联。本领域的普通技术人员可以容易地概括该示例，并且例如，通过计算点云传感器数据114内与可检测对象相关联的所有点的平均位置，将过程300应用于点云传感器数据114中的多于一个点与每个可检测对象相关联的不同场景。
假设初始化时间段(例如，步骤302至308)
在操作中，感知系统104从雷达系统206获得点云传感器数据114，点云传感器数据114指示从环境100中的对象反射的雷达回波。使用点云传感器数据114，感知系统104建立对环境中的对象106的跟踪，包括初始化对象106的速度测量。感知系统104可以在执行对象跟踪器118时执行初始化器120。当初始化器120由对象跟踪器118调用时，初始化器120执行过程300以初始化对象106的速度测量。
在302处，创建针对点云传感器数据的至少两种不同分布的假设。例如，初始化器120创建针对对象106的预测移动的多种假设。有两种信息可以用于求解初始速度，如用于定义距离变化率和方位角信息的等式1和用于定义位置变化的等式2所定义：
ΔTivx＝xi-xi-1,ΔTivy＝yi-yi-1,
等式2在这些等式1和2中的每一个中，下标i指示每次不同的扫描，并且在称为扫描时间段的多次扫描(例如，四次扫描)内假定恒定速度。
考虑图3-2，针对场景330-1产生的跟踪116指向交通工具102的视场108中的四个不同对象。跟踪116中的每一个包括不同对象的边界框尺寸。边界框基于在扫描时间段(在此情况下，是四次扫描)内从点云传感器数据114中的单点观测推断的信息。例如，基于连续点334-1为第一对象导出边界框332-1，并且使用连续点334-2为第二对象导出另一个边界框332-2。分别对于视场108中的第三对象和第四对象，可以从连续点334-3导出第三边界框332-3，并且可以从连续点334-4导出第四边界框332-4。
在该场景中，当基于扫描时间段内观察到的连续、单个点确定对象中的每一个对象的速度测量时，需要考虑各种因素。例如，跟踪116中的一个与边界框332-1相对应；该跟踪的纵向位置的变化(例如，如X轴所指示)在估计方向或速度方面可能不是特别有用，但是横向位置的变化(例如，如Y轴所指示)可能是有用的。对于跟踪116中的不同的一个，情况可能相反；跟踪116中的一个与边界框332-2相对应，并且该跟踪的横向位置的变化可能对于确定速度不是有用的，但是，纵向位置的变化对于这样的估计可能是有用的。对于与边界框332-3相关联的第三对象，两个方向上的位置变化(例如，横向和纵向位置的看似同时发生的变化)对于导出跟踪116中的第三跟踪的初始速度估计可能是有用的。相反，对于与边界框332-4相关联的第四对象，两个方向上的位置变化对于导出跟踪116中的第四跟踪的初始速度估计不是有用的。
这表明，如果用于导出特定边界框的连续点之间的角分离量θi太小(例如，角分离量θi小于分离阈值)，则该边界框的连续点对于确定速度可能不可靠。同样，在某些情况下，即使角分离量θi足够大，连续点对于估计速度也不是有用的。对象的速度(vx，vy)可以基于等式1从连续点导出，其中vx是对象的纵向速度，vy是对象的横向速度，是到对象的径向距离变化率，该径向距离变化率补偿了主速度。随着角分离量θi趋近于零，求解速度(vx，vy)很困难。即使连续点之间角分离量θi足够大，某些点的位置变化不一致(例如，当一些点跨越对象的第一边缘，而其他连续点跨越与第一边缘正交的第二边缘时)导致速度(vx，vy)也不可靠。
当初始化器120在302处由处理器110执行时，对象跟踪器118的初始化器120可以生成以下七种假设，被称为假设1至假设7：
1.ΔTivx＝xi-xi-1，ΔTivy＝yi-yi-1；
2.ΔTivx＝xi-xi-1；
3.ΔTivy＝yi-yi-1；
4.ΔTivx＝xi-xi-1，ΔTivy＝yi-yi-1；
5.假设与交通工具102和被跟踪对象相同的运动(例如，曲率)，ΔTivx＝xi-xi-1，ΔTivy＝yi-yi-1；
6.假设如交通工具102和被跟踪对象的某一径向运动(例如，对象的速度矢量指向交通工具102的前保险杠的中心)， ΔTivx＝xi-xi-1，ΔTivy＝yi-yi-1。
7.假设交通工具102和被跟踪对象之间的某一交叉径向运动(例如，对象的速度矢量指向垂直于径向方向)，ΔTivx＝xi-xi-1，ΔTivy＝yi-yi-1。
上面列出的假设5中的假设是对象在与交通工具102相同的道路上移动，因此它们以相同的运动或曲率移动。图3-3示出了场景330-2，其中交通工具102具有圆形运动并且在视场中检测到对象336。主交通工具102的运动方向或曲率可以从交通工具状态估计器(VSE)(例如，由交通工具102的控制器执行)获得。基于交通工具102的VSE，对象336的运动方向α可以容易地基于几何形状计算出来(例如，α＝γ＝arcsin[xi*curvature])。
在304处，确定假设中的每一种假设的初始速度。例如，初始化器120针对多种假设212中的每一种假设确定该假设的初始速度。如下所示，基于等式3和4，将LLS问题作为加权的LLS分配给每种假设，并且其中diag[·]指对应的对角矩阵：
等式3的项(vx1,vy1)假设跟踪具有与交通工具102相同的运动(曲率)。基于跟踪沿径向方向移动的假设计算出的速度为(vx2,vy2)。基于跟踪沿交叉径向方向移动的假设计算出的速度为(vx3,vy3)。项(vx1,vy1)、(vx2,vy2)和(vx3,vy3)仅用作正则化。在实践中，在与其他信息相比时，这些项可以具有较小的权重。这些权重的实际值w3n-1、w3n、w3n+1、w3n+2、w3n+3、w3n+4大约是任何其他信息的最小权重的十分之一。
等式4示出了来自两个连续周期的数据。权重是方差的倒数并且可以从传感器规格或数据挖掘中获得。等式4表明，求解不同的假设相当于将不同的权重设置为零，同时保持其余的权重。例如，上面列出的假设2相当于将等式4中的项w5、w6、w7、w8、w9和w10归零，同时将项w1、w2设置为距离变化率方差的倒数，并且同时基于距离和方位角方差计算项w3、w4。对于其中/>是来自传感器规格的距离变化率方差。对于w3和与纵向位置变化相关的所有权重，可以通过两次连续扫描的纵向位置方差之和的倒数来计算。对于 其中/>是来自传感器规格的方位角方差，/>是来自传感器规格的速率方差，/>是表示雷达点云的散射中心的不确定度的可调常数。同样，对于w4和与横向位置变化相关的所有权重，可以通过两次连续扫描的横向位置方差之和的倒数来计算。对于/>
每种假设的速度可以通过求解等式3来获得。位置还可以使用从等式3求解的速度以及等式5和6来估计，等式5和6假设在扫描时间段(例如，每个假设的四个或更多个连续周期)期间的速度几乎恒定。
在306处，确定与假设中的每一种假设相关联的跟踪误差。例如，初始化器120针对多种假设212中的每一种假设，确定支持该假设的初始速度的第一相关联的证据水平。证据水平基于跟踪误差分数，该跟踪误差分数被计算为利用来自与跟踪116中的一个跟踪相关联的点云传感器数据114的一个或多个点的累积的位置和距离变化率误差。跟踪误差分数可以根据等式7确定。在等式7中，Δxr是距离方向上的位置误差(例如，方位角)，Δxo是垂直于距离方向的方向上的位置误差，是假设和来自点云传感器数据114的一个或多个相关点之间的距离变化率误差。如果来自点云传感器数据114的多个点与跟踪相关，则可以使用平均位置和距离变化率。βr、βo、βrr是差分误差的权重。
在该步骤处，跟踪误差分数使用最新的雷达点云来计算。
在308处，通过将最初创建的所有假设融合为一个经融合的假设来将另一种假设与各假设相关联。例如，初始化器120通过将多种假设212组合成一个假设来生成经融合的假设。经融合的假设的初始速度和第一相关联的证据水平可以基于多种假设的初始速度和第一相关联的证据水平的集合。初始化器120然后将经融合的假设包括在多种假设212中。
例如，假设1至7中的所有7种假设可以被融合以创建新的假设，该新的假设被称为假设8。根据等式8和9，假设8被确定。在等式8中，项是在302处生成的第i个假设，并且在等式9中，该假设的权重被计算为证据E。等式8中的项XF是由对加权假设求和得到的经融合的假设(例如，假设8)。
在步骤308之后，假设初始化时间段结束，并且用初始位置、初始速度和初始跟踪误差分数生成所有八种假设。
假设跟踪时间段(例如，步骤310至324)
假设跟踪时间段包括步骤310至324，并且根据定义，假设跟踪时间段是假设初始化时间段之后并且跟踪被设置为成熟状态并被最终初始化之前的时间段。在最终初始化并输出成熟的跟踪116中的新跟踪之前，新跟踪被类似地跟踪，但不在跟踪116中被报告，直到新跟踪稳定并准备好用于报告。
在310处，从假设中选择最佳假设以估计跟踪的速度测量。可以将在此时间期间实现跟踪的新跟踪的临时跟踪状态设置为迄今为止的最佳跟踪(例如，具有最低跟踪误差分数的假设)。例如，为了实现跟踪直到成熟，初始化器120在每个新跟踪可以进入该跟踪的假设跟踪时间段之前初始化每个新跟踪的速度测量。响应于将经融合的假设包括在多种假设212中，初始化器120基于多种假设212的第一相关联的证据水平选择第一最佳假设。
在312处，对假设进行时间更新。在假设跟踪时间段期间，可以使用具有恒定速度运动模型的卡尔曼滤波器来跟踪每个假设，这使得初始化器120能够针对假设跟踪时间段的当前周期时间来求解每种假设。初始化器120对多种假设212中的每一种假设的初始速度进行时间更新。
在314处，更新与假设中的每一种假设相关联的跟踪分数。在假设跟踪时间段期间，对跟踪执行数据关联以确定假设的跟踪误差分数。例如，在累积每种假设的跟踪误差分数之前，可以使用跟踪和来自点云传感器数据114的一个或多个相关联的点之间的数据关联来使用等式7计算每种假设的跟踪误差分数。例如，初始化器120针对多种假设212中的每一种假设，确定支持该假设的经更新的初始速度的第二相关联的证据水平。
在316处，终止假设中不满足证据阈值的任何假设。例如，初始化器120从多种假设212中消除具有不满足证据阈值的第二相关联的证据水平的值的任何假设。证据阈值包括针对多种假设中的每一种假设计算的证据比率。针对多种假设中的每一种假设计算的证据比率可以是所有多种假设中唯一的证据比率。每种假设的证据比率可以根据等式10来确定：
如果假设的证据比率ρEi小于证据阈值，则初始化器120终止该假设。证据阈值可以使用等式(11)来确定：
在等式11中，N有效表示在假设跟踪时间段的当前周期时间期间仍然有效(即，未被终止)的假设的数量。如果没有假设具有小于证据阈值ρth的证据比率，则初始化器120可以尝试终止具有最小证据比率的单个假设，然而，这可以以其证据比率小于2*ρth为条件。如果终止具有最小证据比率的假设是不适当的，则在假设跟踪时间段的当前周期时间中没有假设被终止。
在318处，确定是否存在来自假设的足够证据来初始化跟踪。换句话说，初始化器120检查是否存在足够的证据以使用假设中的一种假设来最终初始化跟踪。初始化器120可以使用一个或多个标准来检查任何假设的证据是否足以完成速度测量初始化。一个标准可以是假设跟踪时间段结束。假设跟踪时间段的持续时间可以取决于特定应用，然而，由于该时间段增加了跟踪初始化中的延迟，因此合适的持续时间可能因交通工具或实现而异。例如，持续时间相当于二十赫兹系统中的八次雷达扫描。另一个标准可以是：只有两种假设仍然有效；到目前为止，除两个假设外，所有假设都被终止。第三标准可以是，只有三个假设存在，并且三个假设中的所有假设都具有大于0.3的证据比率ρEi，这指示所有三种假设产生类似的结果。当在318处确定存在足够的证据(例如，至少一个标准被满足)时，过程300到达324处，当在318处确定存在不足的证据时，过程300进行到320。
在320处，对剩余的假设进行测量更新。例如，响应于在消除具有不满足证据阈值的第二相关联的证据水平的值的任何假设之后确定多种假设212中剩余两种以上的假设，初始化器120针对剩余的多种假设212中的每一种假设对对象的预测移动进行测量更新。
如上文在312处所指示的，在假设跟踪时间段期间，可以使用具有恒定速度运动模型的卡尔曼滤波器来跟踪每个假设，这使得初始化器120能够针对假设跟踪时间段的当前周期时间来求解每种假设。在320处，使用从与跟踪相关联的点云传感器数据114导出的信息对每种假设进行测量更新。
在322处，其类似于步骤310，从假设中选择最佳假设以用作新跟踪的跟踪状态，以在假设跟踪时间段期间进一步实现跟踪。该临时跟踪状态使数据关联能够在假设跟踪时间段期间发生。例如，响应于在消除具有不满足证据阈值的第二相关联的证据水平的值的任何假设之后确定多种假设212中剩余两种以上的假设，初始化器120基于剩余的多种假设212的第二相关联的证据水平选择第二最佳假设来替换先前选择的第一最佳假设。
在324处，最佳假设被用于初始化跟踪的速度测量。如果318处的条件指示证据是足够的，则将使用最佳假设来初始化跟踪状态。例如，响应于在消除具有不满足证据阈值的第二相关联的证据水平的值的任何假设之后确定多种假设212中只剩下两种假设，初始化器120基于剩余的两种假设的第二相关联的证据水平选择第三最佳假设来替换先前选择的第一或第二最佳假设。
在假设跟踪时间段期间，新跟踪被测量更新并且跟踪误差被重新计算，直到新跟踪达到成熟，此时新跟踪随后在跟踪116中被报告。标记可以防止新跟踪被包括和输出在跟踪116中。当标志指示新跟踪被初始化并且以其他方式准备好包含在感知系统104的输出中时，新跟踪被添加到跟踪116。在324处，对象跟踪器118和/或初始化器120可以改变标志以指示新跟踪成熟，并且准备好包含在跟踪116中。例如，对象跟踪器118可以使感知系统104为基于交通工具的系统210输出对对象的跟踪(包括被初始化为第三最佳假设的初始速度的速度参数)。
示例结果
图4示出了在使用多种假设的稳定的雷达跟踪速度初始化的时间段期间的速度测量初始化的曲线图400。曲线图400的结果来自对感知系统(诸如感知系统104)的性能测试，因为对象跨主交通工具行驶路径形成直线交叉路径。在曲线图400中，线402和404分别示出了全球定位系统(GPS)报告的纵向和横向速度。线402和404表示对象的真实速度。当使用先前的跟踪速度初始化技术(即，旧方式，不使用多种假设)进行初始化时，线410和412分别跟踪纵向和横向速度。相比之下，线406和408示出了使用多种假设来初始化速度测量(即，新方式)的明显优势。线406和408示出了使用多种假设来跟踪的纵向和横向速度，这允许跟踪速度在更短的时间和/或以更小的方差稳定到更接近真实速度的值(例如，线402和404)，这导致结果比线410和412更稳定。当对象稍微垂直于主交通工具的行驶路径行驶时，将线406和408相对于线410和412进行比较表明示例感知系统能够实现与其他速度初始化技术一样快或几乎一样快的速度跟踪初始化，但是具有相对于线402和404的更高得多的准确度。
进一步的示例
鉴于上述技术的一些进一步的示例包括：
示例1.一种系统，系统包括处理器，处理器被配置成用于：获得点云传感器数据，点云传感器数据指示从环境中的对象反射的信号返回；以及使用点云传感器数据建立对环境中的对象的跟踪，包括通过以下方式初始化对象的速度测量：创建针对对象的预测移动的多种假设；针对多种假设中的每一种假设，确定初始速度和支持该假设的初始速度的第一相关联的证据水平；通过组合多种假设生成经融合的假设，经融合的假设的初始速度和第一相关联的证据水平基于多种假设的初始速度和第一相关联的证据水平的集合；将经融合的假设包括在多种假设中；以及响应于将经融合的假设包括在多种假设中，基于多种假设的第一相关联的证据水平选择第一最佳假设；对多种假设中的每一种假设的初始速度进行时间更新；针对多种假设中的每一种假设，确定支持该假设的经更新的初始速度的第二相关联的证据水平；从多种假设中消除多种假设中的具有不满足证据阈值的第二相关联的证据水平的值的任何假设；响应于在消除多种假设中的具有不满足证据阈值的第二相关联的证据水平的值的任何假设之后确定多种假设中剩下两种以上的假设：针对剩余的多种假设中的每一种假设，对对象的预测移动进行测量更新；以及基于剩余的多种假设的第二相关联的证据水平，选择第二最佳假设来替换先前选择的第一最佳假设；以及响应于在消除多种假设中的具有不满足证据阈值的第二相关联的证据水平的值的任何假设之后确定多种假设中仅剩下两种假设：基于剩余的两种假设的第二相关联的证据水平，选择第三最佳假设来替换先前选择的第一最佳假设或第二最佳假设；以及为交通工具系统输出对对象的跟踪，跟踪包括被初始化为第三最佳假设的初始速度的速度参数。
示例2.任何其他示例的系统，其中，处理器被进一步配置成用于，在仅剩下两种假设之前：对多种假设中的每一种假设的初始速度进行时间更新；针对多种假设中的每一种假设，确定支持该假设的经更新的初始速度的第二相关联的证据水平；以及从多种假设中消除多种假设中的具有不满足证据阈值的第二相关联的证据水平的值的任何假设。
示例3.任何其他示例的系统，其中，进一步响应于确定假设跟踪时间段结束，选择用于替换先前选择的第一最佳假设的第二最佳假设。
示例4.任何其他示例的系统，其中，假设跟踪时间段包括从其获得点云传感器数据的雷达系统的多个帧。
示例5.任何其他示例的系统，其中，假设跟踪时间段包括雷达系统的大约十五帧。
示例6.任何其他示例的系统，其中，处理器被配置成用于针对多种假设中的每一种假设，通过确定点云传感器数据的一个或多个点的累积的位置和距离变化率误差来确定支持该假设的初始速度的第一相关联的证据水平。
示例7.任何其他示例的系统，其中，处理器被配置成用于使用恒定运动模型来对多种假设进行时间更新或测量更新。
示例8.任何其他示例的系统，其中，证据阈值包括针对多种假设中的每一种假设计算的证据比率。
示例9.任何其他示例的系统，其中，针对多种假设中的每一种假设计算的证据比率包括所有多种假设中的唯一证据比率。
示例10.任何其他示例的系统，其中，点云传感器数据包括点云雷达数据。
示例11.一种方法，方法包括：由对象跟踪器从雷达系统获得点云传感器数据，点云传感器数据指示从环境中的对象反射的雷达回波；以及使用点云传感器数据建立对环境中的对象的跟踪，包括通过以下方式初始化对象的速度测量：创建针对对象的预测移动的多种假设；针对多种假设中的每一种假设，确定初始速度和支持该假设的初始速度的第一相关联的证据水平；通过组合多种假设生成经融合的假设，经融合的假设的初始速度和第一相关联的证据水平基于多种假设的初始速度和第一相关联的证据水平的集合；将经融合的假设包括在多种假设中；以及响应于将经融合的假设包括在多种假设中，基于多种假设的第一相关联的证据水平选择第一最佳假设，以用于初始化对象的速度测量。
示例12.任何其他示例的方法，进一步包括对多种假设中的每一种假设的初始速度进行时间更新；针对多种假设中的每一种假设，确定支持该假设的经更新的初始速度的第二相关联的证据水平；从多种假设中消除多种假设中的具有不满足证据阈值的第二相关联的证据水平的值的任何假设；响应于在消除多种假设中的具有不满足证据阈值的第二相关联的证据水平的值的任何假设之后确定多种假设中剩下两种以上的假设：针对剩余的多种假设中的每一种假设，对对象的预测移动进行测量更新；以及基于剩余的多种假设的第二相关联的证据水平，选择第二最佳假设来替换先前选择的第一最佳假设；
示例13.任何其他示例的方法，进一步包括对多种假设中的每一种假设的初始速度进行时间更新；针对多种假设中的每一种假设，确定支持该假设的经更新的初始速度的第二相关联的证据水平；从多种假设中消除多种假设中的具有不满足证据阈值的第二相关联的证据水平的值的任何假设；响应于在消除多种假设中的具有不满足证据阈值的第二相关联的证据水平的值的任何假设之后确定多种假设中仅剩下两种假设：基于剩余的两种假设的第二相关联的证据水平，选择第三最佳假设来替换先前选择的第一最佳假设或第二最佳假设；以及为交通工具系统输出对对象的跟踪，跟踪包括被初始化为第三最佳假设的初始速度的速度参数。
示例14.任何其他示例的方法，进一步包括对多种假设中的每一种假设的初始速度进行时间更新；针对多种假设中的每一种假设，确定支持该假设的经更新的初始速度的第二相关联的证据水平；从多种假设中消除多种假设中的具有不满足证据阈值的第二相关联的证据水平的值的任何假设；响应于在消除多种假设中的具有不满足证据阈值的第二相关联的证据水平的值的任何假设之后确定多种假设中剩下两种以上的假设：针对剩余的多种假设中的每一种假设，对对象的预测移动进行测量更新；以及基于剩余的多种假设的第二相关联的证据水平，选择第二最佳假设来替换先前选择的第一最佳假设；以及响应于在消除多种假设中的具有不满足证据阈值的第二相关联的证据水平的值的任何假设之后确定多种假设中仅剩下两种假设：基于剩余的两种假设的第二相关联的证据水平，选择第三最佳假设来替换先前选择的第一最佳假设或第二最佳假设；以及为交通工具系统输出对对象的跟踪，跟踪包括被初始化为第三最佳假设的初始速度的速度参数。
示例15.任何其他示例的方法，其中，进一步响应于确定假设跟踪时间段期满，选择用于替换先前选择的第一最佳假设的第二最佳假设。
示例16.任何其他示例的方法，其中，假设跟踪时间段包括雷达系统的多个帧。
示例17.任何其他示例的方法，其中，证据阈值包括针对多种假设中的每一种假设计算的唯一证据比率。
示例18.任何其他示例的方法，其中，对象跟踪器被配置成用于针对多种假设中的每一种假设，通过确定点云传感器数据的相关联部分的累积的位置和距离变化率误差来确定支持该假设的初始速度的第一相关联的证据水平。
示例19.任何其他示例的方法，其中，对象跟踪器被配置成用于使用恒定运动模型来对多种假设进行时间更新或测量更新。
示例20.一种计算机可读存储介质，计算机可读存储介质包括指令，指令在被执行时，使处理器用于执行对象跟踪器，对象跟踪器被配置成用于：从雷达系统获得点云传感器数据，点云传感器数据指示从环境中的对象反射的雷达回波；以及使用点云传感器数据建立对环境中的对象的跟踪，包括通过以下方式初始化对象的速度测量：创建针对对象的预测移动的至少两种假设；针对至少两种假设中的每一种假设，确定初始速度和支持该假设的初始速度的第一相关联的证据水平；通过组合至少两种假设生成经融合的假设，经融合的假设的初始速度和第一相关联的证据水平基于至少两种假设的初始速度和第一相关联的证据水平的集合；将经融合的假设包括在至少两种假设中；以及响应于将经融合的假设包括在至少两种假设中，基于至少两种假设的第一相关联的证据水平选择单个最佳假设，以用于初始化对象的速度测量。
示例21.一种系统，系统包括用于执行任一前述示例的方法的装置。
示例22.一种系统，包括处理器，处理器被配置成用于执行任一前述示例的方法。
示例23.一种计算机可读介质，计算机可读介质包括指令，指令在被执行时使得处理器执行任一前述示例的方法。
结语
虽然在前述描述中描述并且在附图中示出了本公开的各种实施例，但应当理解，本公开不限于此，而是可以在接下来的权利要求的范围内以各种方式实施为实践。根据前述描述，将显而易见的是，可以做出各种更改而不偏离由接下来的权利要求所限定的本公开的范围。除了雷达系统之外，与稳定的雷达跟踪速度初始化相关联的问题可出现在标识和处理来自各种传感器的跟踪的其他系统(例如，图像系统、激光雷达系统、超声波系统)中。因此，尽管被描述为改善雷达跟踪，但是前述描述的技术可以适配和应用于其他问题，以使用其他类型的对象跟踪器在场景中有效地检测和跟踪的对象。
除非上下文另有明确规定，否则“或”和语法上相关的术语的使用表示无限制的非排他性替代方案。如本文所使用的，引述一列项目中的“至少一者”的短语是指这些项目的任何组合，包括单个成员。作为示例，“a、b或c中的至少一者”旨在涵盖：a、b、c、a-b、a-c、b-c、和a-b-c，以及具有多个相同元素的任何组合(例如，a-a、a-a-a、a-a-b、a-a-c、a-b-b、a-c-c、b-b、b-b-b、b-b-c、c-c、和c-c-c，或者a、b和c的任何其他排序)。

Claims (21)

1.一种系统，所述系统包括处理器，所述处理器被配置成用于：
获得点云传感器数据，所述点云传感器数据指示从环境中的对象反射的信号返回；以及
使用所述点云传感器数据建立对所述环境中的对象的跟踪，包括通过以下方式初始化所述对象的速度测量：
创建针对所述对象的预测移动的多种假设；
针对所述多种假设中的每一种假设，确定初始速度和支持该假设的所述初始速度的第一相关联的证据水平；
通过组合所述多种假设生成经融合的假设，所述经融合的假设的初始速度和第一相关联的证据水平基于所述多种假设的初始速度和第一相关联的证据水平的集合；
将所述经融合的假设包括在所述多种假设中；以及
响应于将所述经融合的假设包括在所述多种假设中，基于所述多种假设的第一相关联的证据水平选择第一最佳假设；
对所述多种假设中的每一种假设的初始速度进行时间更新；
针对所述多种假设中的每一种假设，确定支持该假设的经更新的初始速度的第二相关联的证据水平；
从所述多种假设中消除所述多种假设中的具有不满足证据阈值的第二相关联的证据水平的值的任何假设；
响应于在消除所述多种假设中的具有不满足所述证据阈值的第二相关联的证据水平的值的任何假设之后确定所述多种假设中剩下两种以上的假设：
针对剩余的多种假设中的每一种假设，对所述对象的所述预测移动进行测量更新；以及
基于所述剩余的多种假设的第二相关联的证据水平，选择第二最佳假设来替换先前选择的所述第一最佳假设；以及
响应于在消除所述多种假设中的具有不满足所述证据阈值的第二相关联的证据水平的值的任何假设之后确定所述多种假设中仅剩下两种假设：
基于剩余的所述两种假设的第二相关联的证据水平，选择第三最佳假设来替换先前选择的所述第一最佳假设或第二最佳假设；以及
为交通工具系统输出对所述对象的所述跟踪，所述跟踪包括被初始化为所述第三最佳假设的初始速度的速度参数。
2.如权利要求1所述的系统，其特征在于，所述处理器被进一步配置成用于，在仅剩下两种假设之前：
对所述多种假设中的每一种假设的初始速度进行时间更新；
针对所述多种假设中的每一种假设，确定支持该假设的经更新的初始速度的第二相关联的证据水平；以及
从所述多种假设中消除所述多种假设中的具有不满足所述证据阈值的第二相关联的证据水平的值的任何假设。
3.如权利要求1所述的系统，其特征在于，进一步响应于确定假设跟踪时间段结束，选择用于替换先前选择的所述第一最佳假设的所述第二最佳假设。
4.如权利要求3所述的系统，其特征在于，所述假设跟踪时间段包括从其获得所述点云传感器数据的雷达系统的多个帧。
5.如权利要求4所述的系统，其特征在于，所述假设跟踪时间段包括所述雷达系统的大约十五帧。
6.如权利要求1所述的系统，其特征在于，所述处理器被配置成用于针对所述多种假设中的每一种假设，通过确定所述点云传感器数据的一个或多个点的累积的位置和距离变化率误差来确定支持该假设的初始速度的第一相关联的证据水平。
7.如权利要求1所述的系统，其特征在于，所述处理器被配置成用于使用恒定运动模型来对所述多种假设进行时间更新或测量更新。
8.如权利要求1所述的系统，其特征在于，所述证据阈值包括针对所述多种假设中的每一种假设计算的证据比率。
9.如权利要求8所述的系统，其特征在于，针对所述多种假设中的每一种假设计算的所述证据比率包括所有所述多种假设中的唯一证据比率。
10.如权利要求1所述的系统，其特征在于，所述点云传感器数据包括点云雷达数据。
11.一种方法，所述方法包括：
由对象跟踪器从雷达系统获得点云传感器数据，所述点云传感器数据指示从环境中的对象反射的雷达回波；以及
使用所述点云传感器数据建立对所述环境中的对象的跟踪，包括通过以下方式初始化所述对象的速度测量：
创建针对所述对象的预测移动的多种假设；
针对所述多种假设中的每一种假设，确定初始速度和支持该假设的所述初始速度的第一相关联的证据水平；
通过组合所述多种假设生成经融合的假设，所述经融合的假设的初始速度和第一相关联的证据水平基于所述多种假设的初始速度和第一相关联的证据水平的集合；
将所述经融合的假设包括在所述多种假设中；以及
响应于将所述经融合的假设包括在所述多种假设中，基于所述多种假设的第一相关联的证据水平选择第一最佳假设，以用于初始化所述对象的所述速度测量。
12.如权利要求11所述的方法，进一步包括：
对所述多种假设中的每一种假设的初始速度进行时间更新；
针对所述多种假设中的每一种假设，确定支持该假设的经更新的初始速度的第二相关联的证据水平；
从所述多种假设中消除所述多种假设中的具有不满足证据阈值的第二相关联的证据水平的值的任何假设；
响应于在消除所述多种假设中的具有不满足所述证据阈值的第二相关联的证据水平的值的任何假设之后确定所述多种假设中剩下两种以上的假设：
针对剩余的多种假设中的每一种假设，对所述对象的所述预测移动进行测量更新；以及
基于所述剩余的多种假设的第二相关联的证据水平，选择第二最佳假设来替换先前选择的所述第一最佳假设。
13.如权利要求11所述的方法，进一步包括：
对所述多种假设中的每一种假设的初始速度进行时间更新；
针对所述多种假设中的每一种假设，确定支持该假设的经更新的初始速度的第二相关联的证据水平；
从所述多种假设中消除所述多种假设中的具有不满足证据阈值的第二相关联的证据水平的值的任何假设；
响应于在消除所述多种假设中的具有不满足所述证据阈值的第二相关联的证据水平的值的任何假设之后确定所述多种假设中仅剩下两种假设：
基于剩余的所述两种假设的第二相关联的证据水平，选择第三最佳假设来替换先前选择的所述第一最佳假设或第二最佳假设；以及
为交通工具系统输出对所述对象的所述跟踪，所述跟踪包括被初始化为所述第三最佳假设的初始速度的速度参数。
14.如权利要求11所述的方法，进一步包括：
对所述多种假设中的每一种假设的初始速度进行时间更新；
针对所述多种假设中的每一种假设，确定支持该假设的经更新的初始速度的第二相关联的证据水平；
从所述多种假设中消除所述多种假设中的具有不满足证据阈值的第二相关联的证据水平的值的任何假设；
响应于在消除所述多种假设中的具有不满足所述证据阈值的第二相关联的证据水平的值的任何假设之后确定所述多种假设中剩下两种以上的假设：
针对剩余的多种假设中的每一种假设，对所述对象的所述预测移动进行测量更新；以及
基于所述剩余的多种假设的第二相关联的证据水平，选择第二最佳假设来替换先前选择的所述第一最佳假设；以及
响应于在消除所述多种假设中的具有不满足所述证据阈值的第二相关联的证据水平的值的任何假设之后确定所述多种假设中仅剩下两种假设：
基于剩余的所述两种假设的第二相关联的证据水平，选择第三最佳假设来替换先前选择的所述第一最佳假设或第二最佳假设；以及
为交通工具系统输出对所述对象的所述跟踪，所述跟踪包括被初始化为所述第三最佳假设的初始速度的速度参数。
15.如权利要求14所述的方法，其特征在于，进一步响应于确定假设跟踪时间段期满，选择用于替换先前选择的所述第一最佳假设的所述第二最佳假设。
16.如权利要求15所述的方法，其特征在于，所述假设跟踪时间段包括所述雷达系统的多个帧。
17.如权利要求14所述的方法，其特征在于，所述证据阈值包括针对所述多种假设中的每一种假设计算的唯一证据比率。
18.如权利要求11所述的方法，其特征在于，所述对象跟踪器被配置成用于针对所述多种假设中的每一种假设，通过确定所述点云传感器数据的相关联部分的累积的位置和距离变化率误差来确定支持该假设的初始速度的第一相关联的证据水平。
19.如权利要求11所述的方法，其特征在于，所述对象跟踪器被配置成用于使用恒定运动模型来对所述多种假设进行时间更新或测量更新。
20.一种计算机可读存储介质，所述计算机可读存储介质包括指令，所述指令在被执行时，使雷达系统的处理器用于执行对象跟踪器，所述对象跟踪器被配置成用于执行权利要求11-19中任一项所述的方法。
21.一种雷达系统，所述雷达系统包括权利要求1-10中任一项所述的系统，其中，所述雷达系统被配置成用于利用所述系统的所述处理器执行权利要求11-19中任一项所述的方法。
CN202310231949.1A 2022-03-11 2023-03-10 使用多种假设的稳定的雷达跟踪速度初始化 Pending CN116736243A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/654,573 2022-03-11
US17/654,573 US20230288556A1 (en) 2022-03-11 2022-03-11 Stable Radar Track Velocity Initialization Using Multiple Hypotheses

Publications (1)

Publication Number Publication Date
CN116736243A true CN116736243A (zh) 2023-09-12

Family

ID=85415145

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310231949.1A Pending CN116736243A (zh) 2022-03-11 2023-03-10 使用多种假设的稳定的雷达跟踪速度初始化

Country Status (3)

Country Link
US (1) US20230288556A1 (zh)
EP (1) EP4242687A1 (zh)
CN (1) CN116736243A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230003868A1 (en) * 2021-07-02 2023-01-05 Viettel Group System and method for evaluation centroid range-bearing processing in high resolution coastal surveillance radar

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5202691A (en) * 1992-04-28 1993-04-13 The United States Of America As Represented By The Secretary Of The Air Force Hick's probabilistic data association method
US5325098A (en) * 1993-06-01 1994-06-28 The United States Of America As Represented By The Secretary Of The Navy Interacting multiple bias model filter system for tracking maneuvering targets
US5414643A (en) * 1993-06-14 1995-05-09 Hughes Aircraft Company Method and apparatus for continuous time representation of multiple hypothesis tracking data
US5379044A (en) * 1993-12-23 1995-01-03 Hughes Aircraft Company Efficient multi-target tracking method
US5506586A (en) * 1994-03-22 1996-04-09 The Boeing Company Multiple-hypothesis, multiple-matched filter system
US5963653A (en) * 1997-06-19 1999-10-05 Raytheon Company Hierarchical information fusion object recognition system and method
US7473876B1 (en) * 2006-05-09 2009-01-06 Lockheed Martin Corporation Boost phase intercept missile fire control system architecture
US7394047B1 (en) * 2006-05-09 2008-07-01 Lockheed Martin Corporation Interceptor guidance for boost-phase missile defense
US7511252B1 (en) * 2006-05-09 2009-03-31 Lockheed Martin Corporation Multihypothesis threat missile propagator for boost-phase missile defense
EP2558878A4 (en) * 2010-04-15 2015-10-21 Ats Group Ip Holdings Ltd SYSTEM AND METHOD FOR TRACKING MULTIPLE OBJECTIVES
US9529087B2 (en) * 2014-07-24 2016-12-27 GM Global Technology Operations LLC Curb detection using lidar with sparse measurements
DE112018007810T5 (de) * 2018-07-06 2021-04-08 Bayerische Motoren Werke Aktiengesellschaft Objektverfolgung auf Grundlage von mehreren Messhypothesen

Also Published As

Publication number Publication date
US20230288556A1 (en) 2023-09-14
EP4242687A1 (en) 2023-09-13

Similar Documents

Publication Publication Date Title
US10534079B2 (en) Vehicle and controlling method thereof integrating radar and lidar
US8594920B2 (en) Vehicle relative position estimation apparatus and vehicle relative position estimation method
US10317522B2 (en) Detecting long objects by sensor fusion
EP3151034A1 (en) Automated vehicle radar system to determine yaw-rate of a target vehicle
JP2023073257A (ja) 出力装置、制御方法、プログラム及び記憶媒体
US20190347808A1 (en) Monocular Visual Odometry: Speed And Yaw Rate Of Vehicle From Rear-View Camera
JP2018200267A (ja) 上方構造物判定装置及び運転支援システム
US20180095103A1 (en) State calculation apparatus, state calculation method, and recording medium storing program for moving object
CN112154455A (zh) 数据处理方法、设备和可移动平台
KR101470155B1 (ko) 충돌 경고 방법 및 장치
JP7155284B2 (ja) 計測精度算出装置、自己位置推定装置、制御方法、プログラム及び記憶媒体
US20220075074A1 (en) Obstacle detection device and obstacle detection method
US20150217688A1 (en) Method and devices for detecting and rectifying problems in connection with a vehicle load
GB2576206A (en) Sensor degradation
KR20150097712A (ko) 필터링된 gnss 신호를 제공하기 위한 방법
US11420632B2 (en) Output device, control method, program and storage medium
EP4242687A1 (en) Stable radar track velocity initialization using multiple hypotheses
CN114518574A (zh) 用于传感器融合系统的基于峰度的修剪
CN114624460B (zh) 用于映射载具环境的系统和方法
US20220137207A1 (en) Systems and methods for radar false track mitigation with camera
US20200369296A1 (en) Autonomous driving apparatus and method
KR20220040547A (ko) 정밀지도를 이용한 유턴주행 제어방법
CN116209920A (zh) 借助激光雷达传感器的测量和计算设备来估计车辆自身运动的方法
CN110691985B (zh) 用于增强的对象追踪的系统
CN116893391A (zh) 至少部分地基于低置信度检测的跟踪关联

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

Effective date of registration: 20240401

Address after: Jiraum, Luxembourg, Luxembourg J. 12C Kroll Street

Applicant after: Anbofu Manufacturing Management Services Co.,Ltd.

Country or region after: Luxembourg

Address before: Babado J San Michaele

Applicant before: Delphi Technologies, Inc.

Country or region before: Barbados

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

Effective date of registration: 20240425

Address after: 2 Pestaroz Street, Schaffhausen, Switzerland

Applicant after: Anbofu Technology Co.,Ltd.

Country or region after: Switzerland

Address before: Jiraum, Luxembourg, Luxembourg J. 12C Kroll Street

Applicant before: Anbofu Manufacturing Management Services Co.,Ltd.

Country or region before: Luxembourg