DE102016106299A1 - Raderfassung und ihre Applikation bei Objektverfolgung und Sensorregistrierung - Google Patents

Raderfassung und ihre Applikation bei Objektverfolgung und Sensorregistrierung Download PDF

Info

Publication number
DE102016106299A1
DE102016106299A1 DE102016106299.5A DE102016106299A DE102016106299A1 DE 102016106299 A1 DE102016106299 A1 DE 102016106299A1 DE 102016106299 A DE102016106299 A DE 102016106299A DE 102016106299 A1 DE102016106299 A1 DE 102016106299A1
Authority
DE
Germany
Prior art keywords
remote vehicle
radar
vehicle
wheel
points
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
DE102016106299.5A
Other languages
English (en)
Other versions
DE102016106299B4 (de
Inventor
Shuqing Zeng
Xiaofeng F. Song
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.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
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 GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of DE102016106299A1 publication Critical patent/DE102016106299A1/de
Application granted granted Critical
Publication of DE102016106299B4 publication Critical patent/DE102016106299B4/de
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
    • G01S13/66—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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • 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
    • G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
    • G01S13/878—Combination of several spaced transmitters or receivers of known location for determining the position of a transponder or a reflector
    • 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
    • G01S7/40—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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40—Means for monitoring or calibrating
    • G01S7/4004—Means for monitoring or calibrating of parts of a radar system
    • 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
    • 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
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • 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
    • G01S2013/9318—Controlling the steering
    • 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
    • G01S2013/93185—Controlling the brakes

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)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

Ein Verfahren und System werden offenbart zum Verfolgen eines entfernten Fahrzeugs, welches in einer lateralen Position relativ zu einem Host-Fahrzeug fährt. Zieldaten von zwei Radarsensoren werden bereitgestellt, um sie einem Objekterfassungsfusionssystem bereitzustellen. Die Räder an dem entfernten Fahrzeug werden als Gruppierung von Radarpunkten, welche im Wesentlichen den gleichen Ort, aber im Wesentlichen verschiedene Doppler-Abstandsänderungswerte aufweisen, identifiziert. Falls beide Räder auf der nahen Seite des entfernten Fahrzeugs identifiziert werden können, wird unter Verwenden der Radpositionen, welche durch beide Radarsensoren gemessen werden, eine Fusionsberechnung durchgeführt, welche eine genaue Abschätzung der Position, Ausrichtung und Geschwindigkeit des entfernten Fahrzeugs ergibt. Die Position, Ausrichtung und Geschwindigkeit des entfernten Fahrzeugs werden verwendet, um Warnungen oder Ausweichmanöver in einem System zur lateralen Kollisionsverhinderungssystem (LCP-System) auszulösen. Eine Radarsensorausrichtung kann auch mit einer zusätzlichen Fusionsberechnung basierend auf den gleichen Radmessdaten kalibriert werden.

Description

  • Hintergrund der Erfindung
  • Gebiet der Erfindung
  • Diese Erfindung bezieht sich im Allgemeinen auf ein laterales Fahrzeug-Objekterfassungssystem und insbesondere auf ein Objekterfassungssystem, welches die einzigartige Bewegungscharakteristik von Rädern in Radarpunktdaten bestimmt, um Räder eines entfernten Fahrzeugs zu lokalisieren und die entfernten Fahrzeugradpositionen zum genauen Bestimmen der Position, Ausrichtung und Geschwindigkeit des entfernten Fahrzeugs zu verwenden und gleichzeitig eine Radarsensorausrichtung zu kalibrieren.
  • Erörterung der relevanten Technik
  • Objekterfassungssysteme, welche auch als Objekterfassungssysteme bekannt sind, werden zunehmend in modernen Fahrzeugen üblich. Objekterfassungssysteme können eine Warnung an einen Fahrer vor einem Objekt in der Fahrspur des Fahrzeugs bereitstellen. Objekterfassungssysteme können auch Eingaben für aktive Fahrzeugsysteme bereitstellen – wie einer adaptiven Geschwindigkeitsregelung, welche die Fahrzeuggeschwindigkeit derart steuert, dass einen angepassten Längsabstand von einem führenden Fahrzeug beigehalten wird, und Systemen zur Vermeidung einer Kollision mit rückwärtigem Querverkehr (RCTA-Systemen), welche sowohl Warnungen als auch ein automatisches Bremsen bereitstellen, um eine Kollision mit einem Objekt hinter einem Host-Fahrzeug zu vermeiden, wenn das Host-Fahrzeug zurücksetzt.
  • Objekterfassungssysteme verwenden ein oder mehrere Sensoren, welche Radar-, Lidar-, Kamera- oder andere Technologien sein können, um die Anwesenheit von einem Objekt nahe der Fahrspur des Host-Fahrzeugs zu erfassen. Eine Software wird verwendet, um die relative Bewegung der Objekte über der Zeit zu verfolgen und zu bestimmen, ob die Objekte sich bewegen oder stationär sind, zu bestimmen was jedes Objekt sein könnte (ein anderes Fahrzeug, ein Fußgänger, ein Baum usw.) und zu bestimmen, ob jedes Objekt eine Kollisionsgefahr für das Hostfahrzeug darstellen kann.
  • Selbst mit mehrfachen Objekterfassungseingaben, wie Radar und Kamera, ist es jedoch nicht immer möglich, die Richtung eines entfernten Fahrzeugs oder Objekts genau abzuschätzen, insbesondere wenn sich das entfernte Fahrzeug oder Objekt in einer hauptsächlich lateralen oder tangentialen Richtung relativ zu dem Host-Fahrzeug bewegt. Darüber hinaus ist es in einigen Situationen schwierig, die Radarpunkdaten genau mit den Kamerabilddaten zu korrelieren. Fusionsverfahren werden benötigt, welche eine genaue zweidimensionale Geschwindigkeit der entfernten Fahrzeuge und Objekte, unter Verwenden von Objektdaten von einer Kamera und zwei Radarsensoren bereitstellen.
  • Zusammenfassung der Erfindung
  • Gemäß der Lehren der vorliegenden Erfindung werden Verfahren und Systeme zum Verfolgen eines entfernten Fahrzeugs offenbart, welches in einer lateralen Position relativ zu dem Hostfahrzeug fährt. Zieldaten von zwei Radarsensoren werden für ein Objekterfassungsfusionssystem bereitgestellt. Räder an dem entfernten Fahrzeug werden als Gruppierungen von Radarpunkte identifiziert, welche im Wesentlichen den gleichen Ort, aber im Wesentlichen variierende Doppler-Abstandsänderungswerte aufweisen. Wenn beide Räder auf der nahen Seite des entfernten Fahrzeugs identifiziert werden können, wird unter Verwenden der Räderorte, welche durch beide Radarsensoren gemessen werden, eine Fusionskalkulation ausgeführt, so dass sich eine genaue Abschätzung der Position, Ausrichtung und Geschwindigkeit des entfernten Fahrzeugs ergibt. Die Position, Ausrichtung und Geschwindigkeit des entfernten Fahrzeugs werden verwendet, um Warnungen oder Ausweichmanöver in einem lateralen Kollisionsverhinderungssystem (LCP-System) auszulösen. Eine Radarsensorausrichtung kann auch mit einer zusätzlichen Fusionskalkulation, basierend auf den gleichen Radmesswertdaten berechnet werden.
  • Zusätzliche Merkmale der vorliegenden Erfindung werden aus der nachfolgenden Beschreibung und den anhängenden Ansprüchen in Verbindung mit den begleitenden Zeichnungen genommen deutlich.
  • Kurze Beschreibung der Zeichnungen
  • 1 ist ein schematisches Diagramm eines Host-Fahrzeugs, welches eine Mehrzahl von Objekterfassungssensoren einschließt;
  • 2 ist eine Darstellung eines Host-Fahrzeugs der 1, zusammen mit einem entfernten Fahrzeug, welches zeigt, wie sich der Geschwindigkeitsvektor des entfernten Fahrzeugs auf sein Eindringen in eine Warnzone oder eine Bremsumgrenzungslinie des Host-Fahrzeugs auswirkt;
  • 3 ist eine Darstellung des Host-Fahrzeugs und des entfernten Fahrzeugs der 2, welche weiterhin die Schwierigkeit darstellt, eine genaue 2-D Geschwindigkeit des entfernten Fahrzeugs zu erhalten;
  • 4 ist eine andere Darstellung des Host-Fahrzeugs und des entfernten Fahrzeugs, welche visuell auffällige Punkte und Radarpunkte, welche durch ein Objekterfassungsfusionssystem auf dem Host-Fahrzeug zum Bestimmen der Geschwindigkeit des entfernten Fahrzeugs verwendet werden, zeigt;
  • 5 ist ein Flussdiagramm eines Verfahrens zum Berechnen einer Geschwindigkeit eines entfernten Objekts, relativ zu einem Host-Fahrzeug, unter Verwenden einer Fusion der visuell auffälligen Punkte mit Radarpunkten;
  • 6 ist ein Flussdiagramm eines Verfahrens zum Verfolgen visuell auffälliger Punkte an einem entfernten Objekt durch Kameraabbildungen;
  • 7 ist ein Flussdiagramm eines Verfahrens zum Assoziieren visuell auffälliger Punkte mit Radarpunkten in einem Objektverfolgungssystem;
  • 8 ist ein schematisches Diagramm eines Host-Fahrzeugs, einschließlich mehrfacher Objekterfassungssensoren in einer Seitenansichtskonfiguration;
  • 9 ist eine Darstellung des Host-Fahrzeugs, wie in 8 gezeigt, entlang einem entfernten Fahrzeug, wobei das entfernte Fahrzeug allgemein längsseits von dem Host-Fahrzeug gefahren wird;
  • 10 ist eine Seitenansichtsdarstellung eines Reifens und eines Rades, welches auf dem Untergrund abrollt, welches die Basisbewegungseigenschaften zeigt, welche verwendet werden können, um Räder in Radarsensordaten zu bestimmen;
  • 11 und 12 sind Draufsichtdiagramme des Host-Fahrzeugs und des entfernten Fahrzeugs der 9, welche die Prinzipien und geometrischen Relationen, auf denen Raderfassung, entfernte Fahrzeugverfolgung und Radarsensor-Kalibrierung basieren, darstellen;
  • 13 ist ein Flussdiagramm eines Verfahrens zum Erfassen der Räder eines entfernten Fahrzeugs basierend auf dem Messverfahren, welches in den 11 und 12 beschrieben und gezeigt wird; und
  • 14 ist Flussdiagramm eines Verfahrens für ein gleichzeitiges Verfolgen des entfernten Fahrzeugs und Kalibrieren der Ausrichtungswinkel der Radarsensoren unter Verwenden der entfernten Fahrzeugraderfassung.
  • Detaillierte Beschreibung der Ausführungsformen
  • Die folgende Erörterung der Ausführungsformen der Erfindung, welche sich auf ein Verfahren und eine Vorrichtung zum Verfolgen eines entfernten Fahrzeugs durch Erfassen seiner Räder in Radarsensorpunktdaten richtet, ist nur beispielhafter Natur und es ist keineswegs beabsichtigt, die Erfindung oder ihre Anwendungen oder ihren Gebrauch zu begrenzen.
  • Viele moderne Fahrzeuge umfassen ein Objekterfassungssystem zum Erfassen von Objekten in der Fahrspur des Fahrzeugs. Das Objekterfassungssystem kann ein Warnen eines Fahrers bereitstellen oder selbst andere Systeme zum Ausführen einer Aktion veranlassen, um eine Fahrzeugkollision zu vermeiden. Einige Fahrzeuge umfassen auch ein Objekterfassungsfusionssystem, welches numerisch die Daten von zwei und mehr Erfassungssensoren ”fusionieren” und dann ihre Objektdatenerfassungslogik auf den fusionierten Objektdaten basiert. Ein derartiges Fusionssystem wird in dem US Patent Nr. 7,460,951 , mit dem Titel ”System and method of target tracking using sensor fusion” beschrieben, welches dem Anmelder der vorliegenden Anmeldung zugeordnet ist und welches hierin durch Bezugnahme in seiner Vollständigkeit übernommen wird.
  • 1 ist ein schematisches Diagramm eines Host-Fahrzeugs 10, welches mehrfache Objekterfassungssensoren einschließt. Das Host-Fahrzeug 10 schließt ein Objekterfassungsfusionssystem 12 ein, welches Daten von einer Kamera 20 und einem Paar von Radarsensoren 32 und 34 empfängt. Das Fusionssystem 12 umfasst ein Gerät, welches einen Mikroprozessor und ein Speichermodul aufweist, wobei das Gerät mit Software konfiguriert ist, um eine Objekterfassungsfusion – wie sie im Detail unten beschrieben wird – auszuführen. Andere Anwendungen, neben der Objekterfassungsfusion, können auch auf dem gleichen Mikroprozessor wie das Fusionssystem 12 laufen.
  • Die Kamera 20 stellt dem Fusionssystem 12 (oder einem gekennzeichneten visuellen System, welches nicht separat gezeigt ist) Bilder zur Verfügung, wobei die Bilder verarbeitet werden, um Objekte zu erfassen, zu bestimmen und zu verfolgen. Auf ähnliche Weise stellen Radarsensoren 32/34 ihre Radarreflexionsdaten dem Fusionssystem 12 (oder einem gekennzeichneten visuellen System, welches nicht separat gezeigt ist) zur Verfügung, wobei die Radarpunkte verarbeitet werden, um entfernte Objekte zu erfassen, zu bestimmen und zu verfolgen. Die Kamera 20 und die Radarsensoren 32/34 kommunizieren typischerweise mit dem Fusionssystem 12 und stellen ihre Daten dem Fusionssystem 12 durch verdrahtete Verbindungen oder einen Fahrzeug-Bus zur Verfügung, aber diese Kommunikation könnte auch drahtlos sein.
  • Die Kamera 20 weist ein Sichtfeld 22 auf. Die Radarsensoren 32/34 weisen Abdeckungsbereiche 36 beziehungsweise 38 auf. In der Darstellung der 1 sind die Kamera 20 und die Radarsensoren 32/34 in eine rückwärtige Richtung orientiert und die folgende Erörterung ist auf eine rückwärtige Querverkehrserfassungsapplikation ausgerichtet. Die Verfahren könnten jedoch auch für vorwärts oder seitwärts gerichtete Ausrichtungen und Applikationen angewendet werden. Es ist anzumerken, dass nur entfernte Fahrzeuge oder Objekte für eine Objektfusion verwendet werden können, welche an Orten existieren, an denen das Kamerasichtfeld 22 die Radarabdeckungsbereiche 36 oder 38 überlappt. Dieser überlappende Abdeckungsbereich, in dem sowohl die Kamera 20 als auch einer der Radarsensoren 32/34 ein Ziel erfassen können, wird in 1 durch ein Oval 40 gezeigt. Die Größen und Formen des Sichtfeldes 22, der Radarabdeckungsbereiche 36/38 und des überlappenden Abdeckungsovals 40 werden konzeptionell alle in 1, wie es von dem Fachmann der Technik verstanden wird, gezeigt.
  • Selbst mit zwei oder mehr Objektsensoren kann es jedoch für ein traditionelles Objekterfassungsfusionssystem schwierig sein, die zweidimensionale (2-D) Geschwindigkeit eines entfernten Fahrzeugs oder Objekts genau zu bestimmen, insbesondere wenn sich das entfernte Fahrzeug oder Objekt in einer hauptsächlich lateralen (oder tangentialen) Richtung relativ zu dem Host-Fahrzeug bewegt. Die Natur dieses Problems wird in den 2 und 3 dargestellt.
  • 2 ist eine Darstellung des Host-Fahrzeugs 10 der 1, zusammen mit einem entfernten Fahrzeug 50. 2 zeigt eine typische Parkplatzszene, in der das Host-Fahrzeug 10 zurücksetzt, wie es durch den Geschwindigkeitspfeil 18 gezeigt wird, und das entfernte Fahrzeug 50 vorwärts fährt in einer Position hinter dem Host-Fahrzeug 10, was einen Konflikt verursachen kann. In den Systemen zur Vermeidung einer Kollision mit rückwärtigem Querverkehr (RCTA-Systemen) kann das Host-Fahrzeug 10 eine Bremsumgrenzungslinie 14, welche um es herum definiert ist, aufweisen, wobei die Bremsen des Host-Fahrzeugs 10 automatisch genutzt werden können, wenn das Host-Fahrzeug 10 bewegt wird und ein Objekt in die Bremsumgrenzungslinie 14 eindringt. Das Host-Fahrzeug 10 kann auch eine Warnzone definiert haben, wobei ein hörbares und/oder sichtbares Warnen an den Fahrer des Host-Fahrzeugs 10 ausgegeben wird, wenn ein Objekt in die Warnzone 16 eintritt.
  • Die Geschwindigkeit des entfernten Fahrzeugs 50 ist ein wichtiger Parameter, welcher dem RCTA-System bekannt sein sollte. Dies ist nötig, weil das RCTA-System die Geschwindigkeit des entfernten Fahrzeugs 50 benötigt, um eine geschätzte ”Eintrittszeit” in die Warnzone 16 und/oder Bremsumgrenzungslinie 14 zu bestimmen. Zusätzlich kann die Position der Warnzone 16 auf der Geschwindigkeit des entfernten Fahrzeugs 50 basieren. Es kann deutlich in 2 gesehen werden, dass das Warnen und die Aktionen, welche durch das RCTA-System getätigt werden, sehr unterschiedlich sein würden, wenn das entfernte Fahrzeug 50 eine erste Geschwindigkeit 52 aufweist, als wenn das entfernte Fahrzeug 50 eine zweite Geschwindigkeit 54 aufweist. Somit wird deutlich, dass eine genaue 2-D Geschwindigkeit des entfernten Fahrzeugs 50 benötigt wird.
  • 3 ist eine Darstellung des Host-Fahrzeugs 10 und des entfernten Fahrzeugs 50, welches weiter die Schwierigkeit beim Erhalten einer genauen 2-D Geschwindigkeit des entfernten Fahrzeugs 50 darstellt. In 3 weist das entfernte Fahrzeug 50 eine tatsächliche Geschwindigkeit V auf, welche durch den Pfeil 60 gekennzeichnet ist. Die tatsächliche Geschwindigkeit ν kann als zusammengesetzt aus zwei orthogonalen Komponenten – einer radialen Geschwindigkeit, gekennzeichnet durch den Pfeil 62, und einer tangentialen Geschwindigkeit, gekennzeichnet durch den Pfeil 64 – betrachtet werden. Die Radarsensoren 32/34 umfassen typischerweise Doppler-Fähigkeiten, wobei die Radarreflexion nicht nur den Ort eines Objektpunktes anzeigt, sondern auch die radiale Geschwindigkeit ṙ des Punktes. Somit kann die radiale Geschwindigkeit ṙ der Punkte an dem entfernten Fahrzeug 50 aus den Radarsensordaten genau bestimmt werden. Es ist jedoch schwierig, die tangentiale Geschwindigkeit durch konventionelle Zielverfolgung abzuschätzen. Dies liegt daran, dass das entfernte Fahrzeug 50 ein großes Objekt ist und nicht als Punktziel betrachtet werden kann. Da die Radarsensoren 32/34 viele Radarreflexionspunkte von dem entfernten Fahrzeug erfassen werden und jede Abtastung verschiedene Punkte reflektiert, ist eine Azimut-Winkel-Messung unsicher. Dies führt umgekehrt zu einer Ungewissheit der tangentialen Geschwindigkeit.
  • Bildbasierte Objekterfassungssysteme sind durch Berechnen der Bewegung des Ziels in der Bildebene über eine Zeitspanne besser zum Schätzen der tangentialen Geschwindigkeit eines Ziels geeignet. In dem Fall eines Fahrzeugs wie dem entfernten Fahrzeug 50 sind jedoch die traditionellen Verfahren, um dies auszuführen, oft nicht zufriedenstellend, weil die auftretende laterale Bewegung des Ziels in der Bildebene durch die radiale Geschwindigkeit beeinflusst werden kann (was verursacht, dass das Ziel in nachfolgenden Einzelbildern größer oder kleiner erscheint) oder durch Unterschiede von Einzelbild zu Einzelbild beim Abschneiden der Fahrzeugkontur.
  • Aus der obigen Erörterung wird deutlich, dass ein verbessertes Fusions/Verfolgungsverfahren notwendig ist, welches die 2-D Geschwindigkeit des entfernten Fahrzeugs 50 genau abschätzen kann. Ein derartiges Verfahren kann durch Fusion der Kamerabilddaten (nämlich visuellen Daten) mit den Radarreflexionsdaten realisiert werden. In dem Fusionsverfahren, welches unten erörtert wird, stellen die Radarreflexionsdaten eine genaue radiale Geschwindigkeit, wie oben beschrieben, bereit. Zur gleichen Zeit können auffällige Punkte (nämlich hervorragende oder auffallende Punkte) in den Kamerabilddaten eine genaue laterale oder tangentiale Geschwindigkeit bereitstellen. Das liegt daran, dass anstelle eines lediglich Behandelns des entfernten Fahrzeugs 50 als ein einzelnes Objekt für Verfolgungszwecke, mehrfache Merkmale von dem entfernten Objekt 50 individuell in den Bildern verfolgt werden. Um die Qualität und Zuverlässigkeit der Ergebnisse zu verbessern, können visuell auffällige Punkte mit den Radarpunkten assoziiert werden, unter Verwenden einer Positionsnäherung in der Bildebene und unter Verwenden vorher geschätzter Objektgeschwindigkeiten als hinweisend. Visuell auffällige Punkte mit unterschiedlicher lateraler Geschwindigkeit als erwartet, basierend auf laufenden und vorherigen Messungen, können aus der Berechnung entfernt werden.
  • In dem Verfahren, welches hier offenbart wird, können die visuell auffälligen Punkte an dem entfernten Fahrzeug 50 Harris-Ecken (Orte von lokaler maximaler Intensitätsvariation, wie eine Fahrzeug-A-Säule, welche auf eine Abdecklinie/Türlinie stößt), Räder, Frontlichter, Hecklichter, Türgriffe, Außenspiegel und eine beliebige maximal stabile extreme Region (MSER, Maximally Stable Extremal Region) oder andere auffällige Merkmale einschließen. Vergrößerungsinvariante Merkmalstransformations-(SIFT, Scale Invariant Feature Transform)Verfahren können auch verwendet werden, um visuell auffällige Punkte in den Bildern zu erfassen und zu beschreiben. Merkmale von beschleunigten Segmenttests (FAST, Features from Accelerated Segment Test), eines Eckenerfassungsverfahrens, könnten verwendet werden, um auffällige Punkte zu extrahieren, um sie später zum Verfolgen und zur Geschwindigkeitsabschätzung zu verwenden. Binäre robuste unabhängige elementare Merkmale (BRIEF, Binary Robust Independent Elementary Features) und orientierte FAST und rotierte BRIEF (ORB) können zum Erfassen der Merkmalspunkte für Objekte verwendet werden.
  • 4 ist eine andere Darstellung des Host-Fahrzeugs 10 und des entfernten Fahrzeugs 50, welche visuell auffällige Punkte und Radarpunkte zeigt, welche in der hierauf folgenden Erörterung verwendet werden. In 4 weist das entfernte Fahrzeug 50 wieder eine Geschwindigkeit ν auf, welche durch den Pfeil 60 repräsentiert wird. Die Radarsensoren 32/34 an Bord des Host-Fahrzeugs 10 erfassen eine Anzahl von Radarpunkten, welche als Kreise 80 gezeigt werden, und die Kamera 20 erfasst eine Anzahl von visuell auffälligen Punkten, welche als Quadrate 90 gezeigt werden. Wie durch die kurzen Pfeile gezeigt wird, werden die Radarpunkte Doppler-Daten der radialen Geschwindigkeit (ṙ) einschließen und die visuell auffälligen Punkte werden einen offensichtlichen Bewegungsfluss über die Bildebene aufweisen, welcher mit der lateralen Geschwindigkeit korreliert. Ein Verfahren zum Assoziieren der visuell auffälligen Punkte und der Radarpunkte und ein Fusionieren der Daten, um eine genaue Abschätzung der Geschwindigkeit ν zu erzeugen, wird im Detail unten erörtert.
  • 5 ist ein Flussdiagramm 100 eines Gesamtverfahrens zur Berechnung einer Geschwindigkeit eines entfernten Objekts, relativ zu einem Host-Fahrzeug, unter Verwenden einer Fusion von visuell auffälligen Punkten mit Radarpunkten. Bei Block 102 werden Daten durch die Kamera 20 und durch die Sensoren 32/24 bereitgestellt. Zum Zweck dieser Erörterung werden die Daten des Blocks 102 auch dem Fusionssystem 12 bereitgestellt und alle nachfolgenden Berechnungen werden auf dem Fusionssystem 12 – welches einen Mikroprozessor und ein Speichermodul einschließt, wie es vorhergehend erörtert wurde – ausgeführt. In der tatsächlichen Ausführung in einem Fahrzeug könnten die Berechnungen durch ein beliebiges geeignetes Steuergerät oder einen Prozessor ausgeführt werden oder könnten über mehr als einen Prozessor verteilt werden.
  • Beim Block 104 werden die Radardaten zum Hinweisen oder Triggern der nachfolgenden Berechnungen verwendet. Das bedeutet, wenn ein Objekt durch die Radarsensoren 32/34 in einem Bereich von Interesse (ROI, region of interest) hinter dem Host-Fahrzeug 10 erfasst wird, wird dies für den Prozess den Hinweis geben mit der Geschwindigkeitsfusionsberechnung fortzusetzen. Beim Block 106 werden visuell auffällige Punkte identifiziert und unter Verwenden der Kamerabilddaten verfolgt. 6 ist ein Flussdiagramm 140 eines Verfahrens zum Verfolgen der auffälligen Punkte auf einem entfernten Objekt durch die Kamerabilder. Das Verfahren der 6 wird bei dem Block 106 der 5 ausgeführt. Beim Block 142 werden visuell auffällige Punkte in dem Bereich von Interesse von dem Einzelbild erfasst. Wie oben erörtert, sind die visuell auffälligen Punkte bedeutende Merkmale des Objekts (in diesem Fall des entfernten Fahrzeugs 50) – wie Säulenenden, Räder, Frontlichter usw.
  • Beim Block 144 wird eine Korrespondenz zwischen zwei zeitlich aufeinander folgenden Einzelbildern gebildet. Das bedeutet, visuell auffällige Punkte, welche in einem ersten Einzelbild identifiziert werden können, werden in dem nächsten Einzelbild vermerkt. Natürlich werden sich die auffälligen Punkte in der Bildebene von einem Bild zu dem nächsten bewegt haben und sie werden aus vielen Gründen – einschließlich einer Änderung der Perspektive, einer Änderung der Beleuchtung/Reflexion usw. – nicht identisch (Pixel für Pixel) erscheinen. Beim Block 146 werden die visuell auffälligen Punkte, welche quer über die Einzelbilder stabil sind (das bedeutet, sie werden in einer vorhersehbaren Weise bewegt), erfasst. Ein Verfahren zum Erfassen räumlich temporär stabiler visuell auffälliger Punkte unter Verwenden eines Flussnetzwerks mit minimalem Aufwand werden in der U.S. Patentanmeldung, Seriennr. 13/535,538 (Anwaltsaktennr. P019555-RD-SDJ), mit dem Titel ”Wide baseline binocular object matching method using minimal cost flow network”, eingereicht am 28. Juni 2012, beschrieben, welches dem Anmelder der vorliegenden Anmeldung zugeordnet ist und welches hierin durch Bezugnahme eingeschlossen wird.
  • Beim Block 148 wird der Bewegungsfluss für jeden stabilen auffälligen Punkt festgelegt. Der Bewegungsfluss ist keine tatsächliche Geschwindigkeit; vielmehr ist er eine Bewegung des auffälligen Punktes in der Bildebene der Kamera 20 von einem Einzelbild zu dem nächsten. Die Ablaufzeit zwischen Einzelbildern kennend, kann der Bewegungsfluss somit beispielsweise in Pixeln pro Sekunde identifiziert werden. Für die folgende Erörterung kann der Bewegungsfluss der auffälligen Punkte transformiert werden und in einer Fusionsberechnung verwendet werden, welche die Geschwindigkeit des erfassten Objekts ergibt.
  • Zu 5 zurückkehrend, sind die Bewegungsflussdaten des auffälligen Punktes aus dem Flussdiagramm 140 nun im Block 106 verfügbar. Beim Block 108 werden die visuell auffälligen Punkte von dem Block 106 mit Radarpunkten assoziiert. 7 ist ein Flussdiagramm 180 eines Verfahrens zum Assoziieren visuell auffälliger Punkte mit Radarpunkten in einem Objektverfolgungssystem. Das Verfahren der 7 wird bei dem Block 108 der 5 ausgeführt. Beim Block 182 wird jeder Radarpunkt pi auf die Bildebene projiziert. Das bedeutet ũi = H(pi), wobei H die homografische Transformation von dem x-y Rahmen auf der Bildebene ist und ũi der projizierte Radarpunkt ist, unter der Annahme, dass diese Radarpunkte auf der Grundebene liegen. Beim Block 184 wird eine vorhergesagte Objektgeschwindigkeit ν (von einem vorhergehenden Zeitschritt) in die Bildebene als Bewegungsfluss F projiziert. Das bedeutet F = ∂H|pν, wenn sich das Objekt an einem Ort p in dem x-y-Rahmen befindet, wobei ∂H|p die Jacobinische Matrix der Transformation H, berechnet als Ort p, ist. Beim Block 186 werden die visuell auffälligen Punkte mit einem Bewegungsfluss, welcher sich von dem Erwarteten unterscheidet, gelöscht oder aus den nachfolgenden Berechnungen entfernt. Das bedeutet ein j-ter visueller Punkt wird aus den Berechnungen entfernt, wenn ||fj – F|| > T ist, wobei fj der geschätzte Bewegungsfluss des j-ten visuellen Punktes ist und T eine Schwellwertbewegungsflussdifferenz ist, wobei T entweder ein fester Wert oder ein prozentualer Wert von F sein kann.
  • Beim Block 188 wird jeder der verbliebenen auffälligen visuellen Punkte uj (solche, welche nicht bei dem Block 186 entfernt wurden) seinem nächsten Radarpunkt (der auf die Bildebene übertragen ist) ũi zugeordnet, wobei die Entfernung (zum Bestimmen des Nächstliegenden) in Bildpixelstreifen gemessen wird. Als ein Ergebnis dieser Zuordnung ist qj = pi in dem x-y-Rahmen, wobei qj die Projektion des visuellen Punktes uj von der Bildebene auf den x-y-Rahmen, unter Verwenden der homografischen Transformation H ist, und pi der nächstliegende Radarpunkt ist.
  • Zu 5 zurückkehrend, sind die visuell auffälligen Punkte (Nummerierung M) nun zu den Radarpunkten (Nummerierung N) bei dem Block 108 zugeordnet worden. Beim Block 110 – mit den auffälligen Punkten und ihrem Bewegungsfluss (uj, fj) und den Radarpunkten und ihrer radialen Geschwindigkeit (pi, ṙi), welche wie oben beschrieben identifiziert und assoziiert sind – kann die Geschwindigkeit ν des entfernten Fahrzeugs 50 (das Objekt, welches durch die visuell auffälligen Punkte und die Radarpunkte gemessen wurde) durch Minimieren des wie folgt bestimmt werden:
    Figure DE102016106299A1_0002
  • Wobei alle Variablen in der Gleichung (1) oben definiert und erörtert wurden.
  • Beim Block 112 wird die Geschwindigkeit ν des entfernten Fahrzeugs 50 in einer Fahrerassistenzapplikation wie einem System zur Vermeidung einer Kollision mit rückwärtigem Querverkehr (RCTA-System) verwendet. Wie vorhergehend erörtert, kann die Geschwindigkeit ν des entfernten Fahrzeugs 50 verwendet werden, um eine ”Eintrittszeit” in die Warnzone 16 und/oder in die Bremsumgrenzungslinie 14 zu berechnen, und die Position der Warnzone 16 kann auf der Geschwindigkeit ν des entfernten Fahrzeugs 50 basieren. Der Prozess des Flussdiagramms 100 wird fortgesetzt und die Geschwindigkeit des entfernten Fahrzeugs 50 wird kontinuierlich unter Verwenden der Fusionsberechnung der Gleichung (1) aktualisiert, solange bis ein Objekt in dem Bereich von Interesse hinter dem Host-Fahrzeug 10 erfasst wird.
  • Die Geschwindigkeitsberechnung, welche eine Fusion von visuell auffälligen Punkten und Radarpunkten verwendet – wie oben beschrieben – stellt eine genauere Abschätzung der Geschwindigkeit des entfernten Fahrzeugs zur Verfügung als traditionelle Objekterfassungsverfahren. Die genaue Geschwindigkeit des entfernten Fahrzeugs kann vorteilhaft in einem rückwärtigen Querverkehr-Vermeidungs-(RCTA) System verwendet werden. Dieses gleiche Fusionsverfahren kann auch verwendet werden, um andere Arten von Objekten – wie Fahrräder und Einkaufswagen – zu verfolgen und um Objekte in Frontansicht- oder Seitenansicht-Applikationen zu verfolgen, wo auch immer sich ein Kamerasichtfeld mit einem Radarabdeckungsbereich überlappt. Alle diese Fähigkeiten sind ohne die Notwendigkeit für ein langwieriges Training von Objekt-Klassifikatoren möglich.
  • Während das Verfahren, welches oben beschrieben wird, sehr wirkungsvoll für ein Erfassen und Verfolgen von einem beliebigen allgemeinen Objekt in der Nähe des Host-Fahrzeugs ist, insbesondere in einer rückwärtigen Verkehrsvermeidungsapplikation, können andere Verfahren zum Verfolgen weiter Fahrzeuge in spezifischer Weise angewendet werden. Ein derartiges Verfahren nutzt den Vorteil der einzigartigen Bewegungssignatur der Räder eines entfernten Fahrzeugs und stellt eine verbesserte Berechnung der entfernten Fahrzeugposition, Geschwindigkeit und Fahrtrichtung bereit.
  • 8 ist ein schematisches Diagramm eines Fahrzeugs 300, welches mehrere Objekterfassungssensoren in einer Seitenansichtskonfiguration aufweist. Das Host-Fahrzeug 300 umfasst ein Objekterfassungsfusionssystem 302, welches Daten von einer Kamera 304 und einem Paar Radarsensoren 306 und 308 empfängt. Das Fusionssystem 302 umfasst ein Gerät, einschließlich eines Mikroprozessors und eines Speichermoduls, wobei die Geräte mit Software konfiguriert sind, um eine Objekterfassungsfusion auszuführen, wie sie im Detail unten beschrieben wird. Andere Applikationen, neben der Objekterfassungsfusion, können auf dem gleichen Mikroprozessor wie das Fusionssystem 302 laufen.
  • Die Kamera 304 und die Radarsensoren 306/308 weisen überlappende Abdeckungsbereiche auf und stellen ihre Daten dem Fusionssystem 302, in einer ähnlichen Weise zur Verfügung wie jene, welche vorhergehend mit Bezug auf das Host-Fahrzeug 10 der 1 erörtert wurden. Wie im Fall der 1, werden die Größen und Formen eines Kamerasichtfeldes 314, die Radarabdeckungsbereiche 316/318 und ein überlappendes Abdeckungsoval 320 (innerhalb welches ein entferntes Fahrzeug durch die Kamera 304 und wenigstens einen der Radarsensoren 306/308 erfasst werden kann) alle konzeptionell in 8 gezeigt, wie es für einen Fachmann des Standes der Technik verständlich ist.
  • Wie vorhergehend erörtert, kann es selbst mit zwei oder mehr Objektsensoren für ein traditionelles Objekterfassungsfusionssystem schwierig sein, genau die zweidimensionale (2-D) Geschwindigkeit eines entfernten Fahrzeugs zu bestimmen, insbesondere wenn sich das entfernte Fahrzeug hauptsächlich in einer lateralen (oder tangentialen) Richtung, relative zu dem Host-Fahrzeug 300, bewegt. Die Natur dieses Problems, wie es sich in einer Seitenansicht oder einer lateralen Kollisionsvermeidungssituation manifestiert, wird in 9 dargestellt.
  • 9 ist eine Darstellung des Host-Fahrzeugs 300, wie in 8 gezeigt, zusammen mit einem entfernten Fahrzeug 400. 9 stellt eine typische Mehrspurstraßen-Fahrtszene dar, auf der das Host-Fahrzeug 300 fährt, wie es durch den Geschwindigkeitspfeil 330 angezeigt wird, und das entfernte Fahrzeug 400 fährt im allgemeinen Längsseits von dem Host-Fahrzeug 300, driftet aber potentiell in eine Richtung zu dem Host-Fahrzeug 300, welche einen Konflikt verursachen kann. In lateralen Kollisionsverhinderungssystem (LCP-System)en kann das Host-Fahrzeug 300 eine Warnung an den Fahrer ausgeben, ob das entfernte Fahrzeug 400 in eine Warnzone eindringt oder kann eine verhindernde Aktion (Bremsen und/oder Lenken) tätigen, wenn bestimmt wird, dass sich das entfernte Fahrzeug 400 in eine unmittelbar bevorstehende Kollisionsgefahr begibt.
  • Die Geschwindigkeit des entfernten Fahrzeugs 400 ist ein wichtiger Parameter, welcher durch das LCP-System bekannt sein sollte. Es kann deutlich in 9 gesehen werden, dass die Warnung und/oder Aktionen, welche durch das LCP-System zu tätigen sind, sehr unterschiedlich sein würden, wenn das entfernte Fahrzeug 400 eine erste Geschwindigkeit 402 aufweist, als wenn das entfernte Fahrzeug 400 eine zweite Geschwindigkeit 404 aufweist. Somit wird es deutlich, dass eine genaue 2-D Geschwindigkeit des entfernten Fahrzeugs 400 benötigt wird. Im Fall eines lateral positionierten entfernten Fahrzeugs ist es möglich, die entfernten Fahrzeugräder genau zu bestimmen und die entfernten Fahrzeugrädermessungen zu verwenden, um die 2-D Geschwindigkeit des entfernten Fahrzeugs zu bestimmen und simultan den zielenden Winkel des Radarsensors zu kalibrieren.
  • 10 ist eine Seitenansichtsdarstellung eines Reifens eines Rades, welcher auf dem Untergrund abrollt, welche die grundlegenden Bewegungseigenschaften zeigt, welche verwendet werden können, um die Radarsensordaten der Räder zu bestimmen. In 10, rollen ein Reifen 260 mit einem Rad 270 auf dem Untergrund. Das Rad 270 hat einen Radius r 272 und der Reifen 260 hat eine Dicke H 262. Ein Außenradius des Reifens, R, wird definiert als r + H. Eine Analyse von drei Punkten auf dem Rad 270 – einem unteren Punkt des Rades 274, einem Radzentrumspunkt 276 und einem oberen Punkt des Rades 278 – stellt dar, wie das Rad durch die Radarreflexionsdaten genau identifiziert werden kann. Zur Visualisierung, relativ zu 9, wird angenommen, dass der Reifen 260 und das Rad 270 auf der rechten Seite des entfernten Fahrzeugs 400 sind.
  • Der Radzentrumspunkt 276 bewegt sich natürlich mit der gleichen Geschwindigkeit ν (gekennzeichnet durch den Pfeil 286) wie das entfernte Fahrzeug 400. Der obere Punkt des Rades 278 bewegt sich aufgrund der Radrotation mit einer Geschwindigkeit: ν278 = (1 + R – H / R)ν (2)
  • Oder mit anderen Worten bewegt sich der obere Punkt des Rades 278 mit einer Geschwindigkeit (gekennzeichnet durch den Pfeil 288), welche ungefähr das Zweifache der Geschwindigkeit des entfernten Fahrzeugs ν beträgt.
  • Auf ähnliche Weise bewegt sich der untere Punkt des Rades 274, aufgrund der Radrotation, mit einer Geschwindigkeit: ν274 = [1 – R – H / R)ν (3)
  • Oder, mit anderen Worten, bewegt sich der untere Punkt des Rades 274 mit einer absoluten Geschwindigkeit (gekennzeichnet durch den Pfeil 284), welche ein wenig größer als Null ist.
  • Räder sind gute Radarreflektoren, somit können viele Radarpunkte wahrscheinlich von dem Rad 270 reflektiert werden. Angenommen, dass das Rad 270 nicht perfekt senkrecht zu der Sichtlinie des Radarsensors 306/308 angeordnet ist, werden verschiedene Geschwindigkeiten der Punkte auf dem Rad – wie durch die Punkte 274/276/278 dargestellt – unterschiedliche Doppler-Abstandsänderungsmessungen durch die Radarsensoren 306/308 ergeben. Somit können, wenn die Sensoren 306/308 vielfache Radarpunkte für im Wesentlichen den gleichen Ort erfassen, mit dramatisch unterschiedlichen Abstandsänderungswerten, diese Gruppierungen von Punkten betrachtet werden, als wären sie ein Rad an dem entfernten Fahrzeug 400.
  • Um entfernte Fahrzeugradpositionen zu verwenden, um das entfernte Fahrzeug 400 zu verfolgen und die Radarsensor ausgerichteten Winkel zu kalibrieren, müssen die Orte auf den Rädern der entfernten Fahrzeuge 400 zuerst durch die Radardaten identifiziert werden. Die 11 und 12 sind Draufsichtdiagramme des Host-Fahrzeugs 300 und des entfernten Fahrzeugs 400, welche die Prinzipien und die Geometrieverhältnisse darstellen, auf denen die folgenden Diskussion und die Berechnungen – welche die Raderfassung, entfernte Fahrzeugverfolgung und Radarsensor-Kalibrierung beschreiben – basieren.
  • Das Host-Fahrzeug 300 weist einen Flächenschwerpunktradius 332 auf, welcher als Ursprung von einem X-Y-Koordinatenrahmen wie gezeigt dient. Die Radarsensoren 306 und 308 sind jeweils an einer Position pl in dem Host-Fahrzeugrahmen positioniert, wobei l = 0,1 ist. Somit kann der Radarsensor 306 als R0 bezeichnet werden, welcher an der Position p0 (gekennzeichnet durch den Vektor 342) angeordnet ist und der Radarsensor 308 kann als R1 bezeichnet werden, welcher an der Position p1 (gekennzeichnet durch den Vektor 352) angeordnet ist. Auf ähnliche Weise hat der Radarsensor 306 (R0) eine Sichtlinie 344, welche in einem Winkel φ0 (Winkelmessung 346) von der geradeaus (X) Richtung des Host-Fahrzeugs 300 angeordnet ist, und der Radarsensor 308 (R1) hat eine Sichtlinie 354, welche in einem Winkel φ1 (Winkelmessung 356) von der geradeaus (X) Richtung des Host-Fahrzeugs 300 angeordnet ist.
  • Das entfernte Fahrzeug 400 hat einen Flächenschwerpunktradius 406 und bewegt sich mit einer Geschwindigkeit ν entlang dem Vektor 402, welcher in einem Winkel θ (Winkelmessung 408) von der geradeaus (X) Richtung des Host-Fahrzeugs 300 liegt. Das entfernte Fahrzeug 400 hat rechtsseitige Räder 410 und 412. Für den Zweck dieser Diskussion ist das entfernte Fahrzeug 400 ein Auto oder ein Lastwagen mit vier Rädern (zwei auf jeder Seite); das Raderfassungsverfahren ist jedoch genauso anwendbar für ein entferntes Fahrzeug mit zwei Rädern (Motorrädern) und entfernte Fahrzeuge mit mehr als vier Rädern (Lastwagen und Busse). Jedes der Räder des entfernten Fahrzeugs 400 ist in einer Position qk (gekennzeichnet durch Vektor 414) in dem entfernten Fahrzeugrahmen angeordnet, wobei k = 0, ..., 3. ist.
  • Wie oben erörtert, ist die erste Aufgabe, die Räder 410 und 412 an dem entfernten Fahrzeug 400 zu erfassen, welches durch Bestimmen der Gruppierung von Radarpunkten an dem gleichen Ort mit Doppler-Abstands-(Abstandsänderungs-)Messungen gemacht wird. Für das Rad 270 der 10 kann die relative Geschwindigkeit ν → des oberen Punktes des Rades 278 mit Bezug auf das Host-Fahrzeug 300, bei einer Komponente davon, welche gleich der Abstandsänderung des Punktes 278 ist, welcher durch die Radarsensoren 306/308 erfasst wird, definiert werden als:
    Figure DE102016106299A1_0003
  • Wobei r der Radradius ist, R der Reifenradius ist, ν die Geschwindigkeit des entfernten Fahrzeugs 400 ist, θ der Fahrtrichtungswinkel des entfernten Fahrzeugs 400 ist und νH die Geschwindigkeit des Host-Fahrzeugs 300 ist.
  • Auf ähnliche Weise bewegt sich der untere Punkt des Rades 274 bei einer relativen Geschwindigkeit mit Bezug auf das Host-Fahrzeugs 300, welches durch Verwenden einer Variation der Gleichung (4) erhalten werden kann, wobei der (1 + r/R) Faktor durch (1 – r/R) ersetzt wird. In den meisten Umständen wird sich der untere Punkt des Rades 274 weg von dem Host-Fahrzeug 300 bewegen.
  • Für den Radarsensor 306 (R0), welcher eines der Räder des entfernten Fahrzeugs 400 misst, wie in den 11 und 12 gezeigt, kann ein radialer Einheitsvektor n → definiert werden als: n → = [cos(φ + φ0)sin(φ + φ0)]T (5)
  • Wobei φ, wie in 12 gezeigt, der Azimut-Messungswinkel des entfernten Fahrzeugrades relativ zu der Sichtlinie 344 des Radarsensors ist (gekennzeichnet durch Winkelmessung 360 und gezeigt als –φ, weil er im Uhrzeigersinn von der Sichtlinie 344 aus gemessen wird, während φ0 entgegen dem Uhrzeigersinn gemessen wird).
  • Die relative Geschwindigkeit ν → eines Punktes eines entfernten Fahrzeugrades (aus der Gleichung 4) und dem Radialstrahl-Einheitsvektor n → von dem Radarsensor zu dem Rad (aus der Gleichung 5) kennend, kann die erwartete Doppler-Messung D des Punktes auf dem Rad des entfernten Fahrzeugs bestimmt werden als: D = ν →·n → (6)
  • 13 ist ein Flussdiagramm 500 eines Verfahrens zum Erfassen von Rädern eines entfernten Fahrzeugs basierend auf der oben erörterten Messtechnik. Beim Block 502 werden Sensorpunkte für die Radarsensoren 306 und 308 gewonnen. Jeder Sensorpunkt i weist einen Abstand, eines Doppler- und eines Azimut-Winkels auf. Das bedeutet, jeder Sensorpunkt umfasst (ri, Di, αi) für i = 1, ..., N. Beim Block 504 werden Radarpunkte in Gruppen gruppiert basierend auf positioneller Näherung (Bereich r und Azimuth-Winkel α).
  • Ein Verfahren zum Zusammenfassen von Radarpunkten in Gruppen, um Punkte i und j zuzuordnen, erfolgt falls und nur falls:
    Figure DE102016106299A1_0004
    ist.
  • Wobei σr und σα anpassbare Kalibrierungswerte sind und der Abstand r und der Winkel α wurden oben beschrieben.
  • Beim Block 506 wird der Doppler-Wert von allen Radarpunkten in jeder der Gruppierungen, welche in der Gleichung (7) identifiziert wurden, bewertet. Wenn eine Gruppierung von Punkten Doppler-Werte in einem Bereich, wie er durch die Gleichungen (4)–(6) beschrieben wird (einschließlich einigen Punkten, welche sich in Richtung des Host-Fahrzeugs 300 bewegen, und einigen Punkten, welche sich von dem Host-Fahrzeug 300 wegbewegen), aufweist, dann wird die Gruppierung als ein Rad an dem entfernten Fahrzeug 400 identifiziert. Beim Block 508 wird eine Radbasis W des entfernten Fahrzeugs 400 berechnet, wenn zwei Räder des entfernten Fahrzeugs 400 erfasst werden, höchstwahrscheinlich die beiden Räder auf der Seite, welche am nächsten zu dem Host-Fahrzeug 300 liegen. Die Radbasis W wird als der Abstand zwischen den Zentren der zwei erfassen Räder berechnet. Die Zentren der Räder können als Radarpunkte identifiziert werden, welche am nächsten am geometrischen Zentrum der Punkte, welche in der Radgruppierung enthalten sind, liegen. Die Orte der Radzentrumspunkte aus dem Abstand r und den Azimuth-Winkel α kennend, ist ein Berechnen eines Abstands zwischen den zwei Punkten unkompliziert. Beim Block 510 wird der Ausrichtungswinkel θ des entfernten Fahrzeugs 400 (Winkelmessung 408) berechnet, wenn zwei Räder an dem entfernten Fahrzeug 400 erfasst werden. Die Berechnung des Ausrichtungswinkels θ ist auch unkompliziert, bei angegebenen Orten der zwei Radzentrumspunkte.
  • 14 ist ein Flussdiagramm 540 eines Verfahrens, um gleichzeitig das entfernte Fahrzeug 400 zu verfolgen und die Ausrichtungswinkel der Radarsensoren 306/308 unter Verwenden der Erfassung der entfernten Fahrzeugräder zu berechnen. Die Verfahrensschritte des Flussdiagramms 540 können durch das Objekterfassungsfusionssystem 302 auf dem Host-Fahrzeug 300 ausgeführt werden. Beim Block 542 werden durch die Radarsensoren 306/308 Radarpunktdaten bereitgestellt. Zum Zweck dieser Erörterung, werden die Daten vom Block 542 dem Objekterfassungsfusionssystem 302 – welches einen Mikroprozessor und ein Speichermodul, wie vorhergehend erörtert, umfasst – bereitgestellt und alle folgenden Berechnungen werden darauf ausgeführt. Beim Block 544 werden die Räder an dem entfernten Fahrzeug 400 in den Radarpunktdaten der Sensoren 306/308 identifiziert. Wenn zwei Räder identifiziert werden, wird der Ausrichtungswinkel θ ebenfalls bei dem Block 544 berechnet. Details der Schritte, welche am Bestimmen der Räder des entfernten Fahrzeugs 400 und am Berechnen des Ausrichtungswinkels θ beteiligt sind, werden in 13, wie oben erörtert, bereitgestellt.
  • Beim Block 546 werden die Position, Ausrichtung und Geschwindigkeit des entfernten Fahrzeugs 400 unter Verwenden der Räder, welche durch die Radarsensoren 306 und 308 erfasst werden, verfolgt. Der Zustand des entfernten Fahrzeugs 400 wird modelliert als s = (x, y, νx, νy), welcher die Zentrumsposition r = (x, y)T und Geschwindigkeit über Grund ν = (νx, νy)T des entfernten Fahrzeugs 400 darstellt. Der Fahrtrichtungs- oder Ausrichtungswinkel θ des entfernten Fahrzeugs 400 wird auf die x und y Geschwindigkeiten durch θ = tan–1(νy, νx) bezogen.
  • Wie oben in der Erörterung der 11 und 12 beschrieben, können die Räder des entfernten Fahrzeugs 400 durch eine Anzahl k = 0, ..., 3 identifiziert werden, wobei jedes Rad an einer Position qk in dem entfernten Fahrzeugrahmen angeordnet ist. Wie ebenfalls oben beschrieben, können die Radarsensoren 306/308 an dem Host-Fahrzeug 300 durch eine Zahl l = 0,1, identifiziert werden, wobei jeder Sensor an einer Position pl in dem Host-Fahrzeugbezugsrahmen liegt und einen Blicklinienwinkel φl von der gradlinigen (X) Richtung des Host-Fahrzeugs 300 aufweist.
  • Gemäß dem oben Vorgegebenen, kann eine allgemeine Bezeichnung definiert werden, wo die Position des k-ten Rades, welches durch den l-ten Radarsensor gemessen wurde, als mlk bekannt ist.
  • Als nächstes wird eine Rotationsmatrix Rot definiert, wobei Rot verwendet wird, um Rotationspunktkoordinaten zu verwenden, wie es basierend auf den Winkeln θ und φ notwendig ist. Die Matrix Rot wird definiert als:
    Figure DE102016106299A1_0005
  • Die Messgleichung für das k-te Rad, welches durch den l-ten Radarsensor gemessen wird (für k = 0, ..., 3 und l = 0,1) basierend auf dem Zustand s des entfernten Fahrzeugs 400 wird dann definiert als: hlk(s) ≡ Rot(–φl)(r + Rot(θ)qk – pl) = mlk (9)
  • Wobei hlk eine Funktion des entfernten Fahrzeugzustands s ist und die anderen Variablen in der obigen Erörterung beschrieben wurden. Gleichung (9) kann rekursiv gelöst werden, um optimal den Zustand s basierend auf jeder neuen Radpositionsmessung mlk zu schätzen. In eine nichtbegrenzenden Ausführungsform wird die Gleichung (9) in einer Kalman Filter-Routine programmiert, um den Zustand s zu lösen.
  • Durch kontinuierliches Lösen der Gleichung (9) unter Verwenden aller verfügbaren Radmessungen, kann der Zustand des entfernten Fahrzeugs 400 (x, y, νx, νy, θ) durch das Host-Fahrzeug 300 beim Block 546 solange verfolgt werden, wie das entfernte Fahrzeug 400 innerhalb des Bereichs von Interesse bleibt.
  • Beim Block 548 werden die Ausrichtungswinkel der Radarsensoren 306/308 basierend auf den identifizierten Orten der Räder des entfernten Fahrzeugs 400 kalibriert. Wie in den 11 und 12 gezeigt, kann das Rad 410 an dem entfernten Fahrzeug 400 sowohl durch den Radarsensor 306 als auch durch den Radarsensor 308 erfasst werden, somit werden redundante Messdaten bereitgestellt. Das gleiche trifft auf das Rad 412 zu. Diese redundanten Messdaten können vorteilhaft für eine Sensorausrichtungskalibrierung verwendet werden.
  • Wenn die bekannten Positionen der Radarsensoren 306 und 308 (p0 beziehungsweise p1) und ihre entsprechenden Blicklinienwinkel (φ0 und φ1) bekannt sind, sollte die Gleichung (9) den gleichen Ort q für das Rad 410 ergeben, ob durch den Radarsensor 306 oder den Radarsensor 308 gemessen. In Wirklichkeit können die redundanten Messungen des Rades 410 jedoch nicht übereinstimmen und irgendeine Differenz kann auf eine Sensorfehlausrichtung zurückzuführen sein. Wenn zum Beispiel angenommen wird, dass der Ausrichtungswinkel φ0 des Sensors 306 korrekt ist, dann kann der Ausrichtungswinkel φ1 des Sensors 308 basierend auf den Messdaten kalibriert werden, um der Position r und Ausrichtung θ des entfernten Fahrzeugs 400 und den Ort q des Rades 410 genauer anzupassen.
  • Unter Extrahieren des zweiten Faktors von Gleich (9) oben, kann ein berechneter Ausdruck βt definiert werden als: βt = (rt + Rot(θt)qk – p1) (10)
  • Wobei t ein Zeitfolgeidentifikator, t = 1, ..., N ist und die N letzten Werte des berechneten Ausdrucks βt und die Radarmessungen mt in einem Puffer gespeichert werden.
  • Eine Rotationsausrichtungsmatrix R kann definiert werden als R ≡ Rot(–φ1) und kann durch Minimieren der folgenden Funktion der kleinsten Fehlerquadrate gelöst werden:
    Figure DE102016106299A1_0006
  • Das folgende Verfahren kann verwendet werden, um die Gleichung (11) zu lösen. Lasse die Matrizen P = [β1, ..., βN] und M = [m1, ..., mN] sein. Die Matrix U, V und S werden durch eine einzige Wertezerlegung von PMT erhalten. Das bedeutet USVT = svd(PMT). Die Lösung der Gleichung (11) der kleinsten Fehlerquadrate ist R = UCVT, wobei
    Figure DE102016106299A1_0007
    und det der Determinanten-Operator ist.
  • Mit der Matrix R, welche oben gelöst wird, ist der geschätzte Ausrichtungswinkel für den Radarsensor 308 φ1 = tan–1(R12, R11). Der Ausrichtungswinkel für die Radarsensoren 306 oder 308 kann kontinuierlich beim Block 548 der 14 kalibriert werden. Der Ausrichtungswinkel kann, um zukünftige Messwerte von den Radarsensoren 306 oder 308 anzupassen verwendet werden. Das Verfolgen des entfernten Fahrzeugs 400 und der gleichzeitigen Kalibrierung der Radarsensorausrichtung wird durch die redundante und wiederholte Messung der Räder des entfernten Fahrzeugs 400 durch die Radarsensoren 306/308 an dem Host-Fahrzeug 300 und durch die oben erörterten Fusionsberechnungen möglich.
  • Das Objekterfassungssystem 302 kann auch visuelle Daten von der Kamera 304 in den Fusionsberechnungen, welche oben erörtert werden, umfassen, um weiter die Verfolgung des entfernten Fahrzeugs 400 und die gleichzeitige Kalibrierung der Radarsensorausrichtung zu verfeinern. Das kann durch Bestimmen der Räder als auffällige Punkte in den visuellen Daten und dem Fusionieren der auffälligen visuellen Punkten mit entsprechenden Radarpunkten vorgenommen werden, wie es oben mit Bezug auf die rückwärtige Querverkehr-Vermeidung-(RCTA)Applikation erörtert wurde.
  • Die entfernte Fahrzeugverfolgungsberechnung, welche eine Radar-Raderfassung – wie oben beschrieben – verwendet, stellt eine genauere Abschätzung der entfernten Fahrzeugposition, Ausrichtung und Geschwindigkeit bereit als traditionelle Objekterfassungsverfahren. Die genaue entfernte Verfolgung kann vorteilhaft in einem lateralen Kollisionsverhinderungs-(LCP)System verwendet werden, bei dem ein genaues Wissen der 2-D Geschwindigkeit des entfernten Fahrzeugs kritisch ist. Beim Verwenden dieses gleichen Fusionsverfahrens stellt das virtuelle Kalibrieren der Radarsensorausrichtung zusätzliche Vorteile sowohl für den Fahrzeughersteller als auch für den Fahrzeugeigentümer/Fahrer zur Verfügung.
  • Die vorhergehende Erörterung offenbart und beschreibt nur beispielhafte Ausführungsformen der vorliegenden Erfindung. Ein Fachmann der Technik erkennt bereits aus dieser Erörterung und aus den begleitenden Zeichnungen und Ansprüchen, dass verschiedene Änderungen, Modifikationen und Variationen darin ausgeführt werden können, ohne von dem Geist und dem Rahmen der Erfindung, wie er in den folgenden Ansprüchen definiert ist, abzuweichen.
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • US 7460951 [0021]

Claims (10)

  1. Ein Verfahren zum Verfolgen eines entfernten Fahrzeugs, welches sich in einem Bereich von Interesse in der Nähe eines Host-Fahrzeugs bewegt, wobei das Verfahren umfasst: – Bereitstellen von Daten von zwei Radarsensoren an Bord des Host-Fahrzeugs, wobei die Radarsensoren Abdeckungsbereiche aufweisen, welche sich derart überlappen, dass wenigstens ein Teil des entfernten Fahrzeugs durch beide Radarsensoren erfasst wird, wenn sich das entfernte Fahrzeug in dem Bereich von Interesse befindet, und wobei die Daten von den Radarsensoren Radarpunkte einschließen, welche eine Position und eine Doppler-Abstandsänderung von Punkten an dem entfernten Fahrzeug bestimmen; – Bestimmen von zwei oder mehr Rädern an dem entfernten Fahrzeug aus den Radarpunkten; – Bereitstellen von Radpositionsmessungen für die zwei oder mehr Räder von den zwei Radarsensoren, wobei die Radpositionsmessungen einen Abstand und einen Azimut-Winkel eines Zentrums von jedem der Räder relativ zu jedem der Radarsensoren bestimmen; – Berechnen, unter Verwenden eines Mikroprozessors, einer Position, einer Ausrichtung und einer Geschwindigkeit des entfernten Fahrzeugs relativ zu dem Host-Fahrzeug unter Verwenden einer Fusionsberechnung, einschließlich der Radpositionsmessungen; und – Berechnen eines Ausrichtungskalibrierungswinkels für einen der Radarsensoren unter Verwenden einer Fusionsberechnung, einschließlich der Radpositionsmessungen.
  2. Das Verfahren nach Anspruch 1, wobei das Bestimmen von zwei oder mehr Rädern an dem entfernten Fahrzeug eine Zusammenfassen der Radarpunkte in Gruppen basierend auf einer positionellen Nähe und ein Bestimmen irgendeiner der Gruppen, welche sehr unterschiedliche Doppler-Abstandsänderungsmessungen einschließen, als ein Rad, einschließt.
  3. Das Verfahren nach Anspruch 2, wobei das Zusammenfassen der Radarpunkte in Gruppen, basierend auf einer positionellen Nähe, ein Berechnen einer normalisierten Funktion unter Verwenden einer Differenz in den Abstandswerten und einer Differenz in den Azimut-Winkelwerten für zwei Punkte einschließt, wobei die zwei Punkte nur in eine Gruppe eingeschlossen werden, wenn die normalisierte Funktion einen Wert aufweist, welcher eins nicht überschreitet.
  4. Das Verfahren nach Anspruch 2 oder Anspruch 3, wobei das Bestimmen von einer der Gruppen, welche sehr unterschiedliche Doppler-Abstandsänderungsmessungen einschließen, als Rad, ein Berechnen von erwarteten relativen radialen Geschwindigkeiten eines oberen Punktes eines Rades und eines unteren Punktes des Rades an dem entfernten Fahrzeug in Bezug auf das Hostfahrzeug einschließt, und ein Bestimmen irgendeiner der Gruppen, welche Doppler-Abstandsänderungsmessungen umfassen, welche im Wesentlichen an die erwarteten relativen radialen Geschwindigkeiten des oberen Punktes des Rades und des unteren Punktes des Rades angepasst sind, als Rad.
  5. Das Verfahren nach einem der Ansprüche 1 bis 4, wobei das Berechnen einer Position, Ausrichtung und Geschwindigkeit des entfernten Fahrzeugs relativ zu dem Host-Fahrzeug, ein Berechnen der Ausrichtung des entfernten Fahrzeugs basierend auf den Radpositionsmessungen für zwei Räder auf einer Seite des entfernten Fahrzeugs einschließt, welche dem Host-Fahrzeug am nächsten liegt.
  6. Das Verfahren nach einem der Ansprüche 1 bis 5, wobei das Berechnen einer Position, Ausrichtung und Geschwindigkeit des entfernten Fahrzeugs relativ zu dem Host-Fahrzeug, ein Verwenden eines Algorithmus einschließt, welcher rekursiv einen Zustand des entfernten Fahrzeugs vorhersagt, welcher mit den Radmessungsorten korreliert, wobei der Zustand des entfernten Fahrzeugs eine zweidimensionale Position und eine zweidimensionale Geschwindigkeit einschließt.
  7. Das Verfahren nach Anspruch 6, wobei der Algorithmus ein Kalman-Filter-Algorithmus ist.
  8. Das Verfahren nach einem der Ansprüche 1 bis 7, welches weiter ein Verwenden der Position, Ausrichtung und Geschwindigkeit des entfernten Fahrzeugs in einem System zur lateralen Kollisionsverhinderung (LCP-System) umfasst, wobei der Bereich von Interesse auf einer Seite des Host-Fahrzeugs angeordnet ist, und das LCP-System eine Warnung ausgibt, falls das entfernte Fahrzeug in eine Warnzone eindringt, und es die Bremsen und/oder ein Lenkung des Host-Fahrzeugs einsetzt, falls das entfernte Fahrzeug in eine Umgrenzungslinie eindringt, welche eine unmittelbar bevorstehende Kollision anzeigt.
  9. Das Verfahren nach einem der Ansprüche 1 bis 8, weiter umfassend, ein Bereitstellen von Bildern von einer Kamera an Bord des Host-Fahrzeugs, wobei die Bilder ein Sichtfeld abdecken, welches die Abdeckungsbereiche der Radarsensoren überlappt, so dass das entfernte Fahrzeug durch die Kamera und wenigstens einen der Radarsensoren erfasst wird, und ein Durchführen einer Funsionsberechnung unter Verwenden der Bilder und der Radarpunkte, um die Position, Ausrichtung und Geschwindigkeit des entfernten Fahrzeugs zu bestimmen.
  10. Ein Objekterfassungssystem für ein Host-Fahrzeug, wobei das System umfasst: – zwei Radarsensoren an Bord des Host-Fahrzeugs, wobei die Radarsensoren Abdeckungsbereiche aufweisen, welche sich derart überlappen, dass wenigstens ein Teil des entfernten Fahrzeugs von beiden der Radarsensoren erfasst wird, wenn das entfernte Fahrzeug in den Bereich von Interesse eindringt, und wobei die Daten von den Radarsensoren Radarpunkte einschließen, welche die Position und Doppler-Abstandsänderung von Punkten des entfernten Fahrzeugs einschließen; und – ein Objekterfassungsprozessor, welcher einen Mikroprozessor und ein Speichermodul umfasst, wobei der Prozessor programmiert ist zum: – Bestimmen von zwei oder mehr Rädern an einem entfernten Fahrzeug aus den Radarpunkten, einschließlich Zusammenfassen der Radarpunkte in Gruppen basierend auf einer positionellen Nähe, und Bestimmen als Rad irgendeiner der Gruppen, welche sehr unterschiedliche Doppler-Abstandsänderungsmessungen einschließen; – Bereitstellen von Radpositionsmessungen für die zwei oder mehr Räder von den zwei Radarsensoren, wobei die Radpositionsmessungen einen Abstand und einen Azimut-Winkel eines Zentrums von jedem der Räder, relativ zu jedem der Radarsensoren bestimmen; – Berechnen einer Position, Ausrichtung und Geschwindigkeit des entfernten Fahrzeugs relativ zu dem Host-Fahrzeug unter Verwenden einer Fusionsberechnung, einschließlich der Radpositionsmessungen; und – Berechnen eines Ausrichtungskalibrierungswinkels für einen der Radarsensoren unter Verwenden einer Fusionsberechnung, einschließlich der Radpositionsmessungen.
DE102016106299.5A 2015-04-06 2016-04-06 Raderfassung und ihre Applikation bei Objektverfolgung und Sensorregistrierung Active DE102016106299B4 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/679,998 US9784829B2 (en) 2015-04-06 2015-04-06 Wheel detection and its application in object tracking and sensor registration
US14/679,998 2015-04-06

Publications (2)

Publication Number Publication Date
DE102016106299A1 true DE102016106299A1 (de) 2016-10-06
DE102016106299B4 DE102016106299B4 (de) 2024-03-21

Family

ID=56937315

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102016106299.5A Active DE102016106299B4 (de) 2015-04-06 2016-04-06 Raderfassung und ihre Applikation bei Objektverfolgung und Sensorregistrierung

Country Status (3)

Country Link
US (1) US9784829B2 (de)
CN (1) CN106054191B (de)
DE (1) DE102016106299B4 (de)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109343049A (zh) * 2017-11-10 2019-02-15 长城汽车股份有限公司 跟踪可移动目标的方法和装置
DE102018206500A1 (de) * 2018-04-26 2019-10-31 Continental Automotive Gmbh Verfahren zum Ermitteln einer Anzahl von Daten eines entfernten Fahrzeugs
EP3757611A1 (de) * 2019-06-27 2020-12-30 Aptiv Technologies Limited Schätzung vertikaler strassenprofile
DE102019216805A1 (de) * 2019-10-31 2021-05-06 Continental Automotive Gmbh Verfahren zum Verfolgen eines entfernten Zielfahrzeugs in einem Umgebungsbereich eines Kraftfahrzeugs mittels einer Kollisionserkennungsvorrichtung
DE102020007599A1 (de) 2020-12-11 2022-06-15 Daimler Truck AG Verfahren zur Validierung von Umgebungserfassungssensoren eines Fahrzeugs und zur Validierung von Umgebungserfassungssensoren eingerichtetes Fahrzeug
DE102021102480A1 (de) 2021-02-03 2022-08-04 Valeo Schalter Und Sensoren Gmbh Verfahren zum bestimmen einer ersten montageposition zumindest einer ersten sensorvorrichtung eines assistenzsystems eines kraftfahrzeugs sowie assistenzsystem

Families Citing this family (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10042047B2 (en) * 2014-09-19 2018-08-07 GM Global Technology Operations LLC Doppler-based segmentation and optical flow in radar images
US10215851B2 (en) 2014-09-19 2019-02-26 GM Global Technology Operations LLC Doppler-based segmentation and optical flow in radar images
KR102256676B1 (ko) * 2015-02-06 2021-05-26 삼성전자주식회사 전파 기반 센서 모듈을 이용하는 센싱 장치 및 이동 단말을 포함하는 다목적 디바이스
EP3136288A1 (de) * 2015-08-28 2017-03-01 Autoliv Development AB Sichtsystem und -verfahren für ein kraftfahrzeug
US10317200B1 (en) * 2015-09-30 2019-06-11 Apple Inc. Multi-mode sensor for surface orientation
US10274593B2 (en) * 2015-10-02 2019-04-30 Panasonic Corporation Object detection device and object detection method
EP3176603B1 (de) * 2015-12-01 2020-04-29 Veoneer Sweden AB Fahrzeugradarsystem
US10259454B2 (en) * 2016-11-16 2019-04-16 Nio Usa, Inc. System for controlling a vehicle based on wheel angle tracking
US10989791B2 (en) * 2016-12-05 2021-04-27 Trackman A/S Device, system, and method for tracking an object using radar data and imager data
US10077047B2 (en) 2017-02-10 2018-09-18 Waymo Llc Using wheel orientation to determine future heading
US10509120B2 (en) * 2017-02-16 2019-12-17 GM Global Technology Operations LLC Lidar-radar relative pose calibration
US10452067B2 (en) * 2017-02-23 2019-10-22 GM Global Technology Operations LLC System and method for detecting improper sensor installation within a vehicle to mitigate hazards associated with object detection
CN106934360A (zh) * 2017-03-06 2017-07-07 广州英卓电子科技有限公司 一种基于高速图像识别的车辆精确位移测量方法
US10473759B2 (en) * 2017-03-28 2019-11-12 GM Global Technology Operations LLC Tool for automatic multiple radar calibration
CN208016344U (zh) * 2017-08-30 2018-10-30 苏州宝时得电动工具有限公司 自动行走设备
JP6989766B2 (ja) * 2017-09-29 2022-01-12 ミツミ電機株式会社 レーダー装置及び物標検出方法
EP3499265B1 (de) * 2017-12-12 2020-08-19 Veoneer Sweden AB Bestimmung des objektbewegungs- und -beschleunigungsvektors in einem fahrzeugradarsystem
US20190187267A1 (en) * 2017-12-20 2019-06-20 Nxp B.V. True velocity vector estimation
CN111937053B (zh) * 2018-04-02 2023-09-29 三菱电机株式会社 客户端装置、数据发送方法和数据收集系统
EP3575829B1 (de) * 2018-05-30 2020-11-18 Axis AB Verfahren zur bestimmung einer transformationsmatrix
FR3082811B1 (fr) * 2018-06-20 2020-07-31 Psa Automobiles Sa Vehicule automobile equipe de capteurs anticollisions
CN110658518B (zh) * 2018-06-29 2022-01-21 杭州海康威视数字技术股份有限公司 一种目标入侵检测方法及装置
GB2576308B (en) * 2018-08-10 2020-12-30 Jaguar Land Rover Ltd An apparatus and method for providing driver assistance of a vehicle
US20200049796A1 (en) * 2018-08-10 2020-02-13 GM Global Technology Operations LLC Efficient near field radar match filter processing
US11899099B2 (en) * 2018-11-30 2024-02-13 Qualcomm Incorporated Early fusion of camera and radar frames
CN109541578A (zh) * 2018-12-17 2019-03-29 何英明 一种车载双波道路定位雷达装置及其实现方法
US20200217948A1 (en) * 2019-01-07 2020-07-09 Ainstein AI, Inc Radar-camera detection system and methods
DE102019102923B4 (de) * 2019-02-06 2022-12-01 Bayerische Motoren Werke Aktiengesellschaft Verfahren und eine Vorrichtung zur Sensordatenfusion für ein Fahrzeug
US11077846B2 (en) * 2019-03-31 2021-08-03 Gm Cruise Holdings Llc Controlling an autonomous vehicle based upon a predicted imminent lane change
CN110065494B (zh) * 2019-04-09 2020-07-31 魔视智能科技(上海)有限公司 一种基于车轮检测的车辆防碰撞方法
CN110208759B (zh) * 2019-04-19 2021-07-30 森思泰克河北科技有限公司 雷达自动化标定装置及雷达检测设备
CN112529935B (zh) * 2019-09-18 2023-05-16 上海高德威智能交通系统有限公司 目标车辆运动状态识别方法及装置
KR20210057312A (ko) * 2019-11-12 2021-05-21 현대자동차주식회사 근거리 컷인 타겟 판단 장치 및 그의 판단 방법
CN110967040B (zh) * 2019-12-17 2021-11-23 北京经纬恒润科技股份有限公司 一种传感器水平偏差角度的识别方法及系统
CN111007880B (zh) * 2019-12-24 2022-09-02 桂林电子科技大学 一种基于汽车雷达的扩展目标跟踪方法
CN110940358B (zh) * 2019-12-31 2023-07-25 徐州治鼎环境科技有限公司 一种激光雷达和惯导联合标定的装置及标定方法
JP7338497B2 (ja) 2020-02-06 2023-09-05 株式会社デンソー 信号処理装置
KR102503388B1 (ko) * 2020-02-21 2023-03-02 블루스페이스 에이아이, 아이엔씨. 자율 주행 내비게이션 동안의 객체 회피 방법
CN111289969B (zh) * 2020-03-27 2022-03-04 北京润科通用技术有限公司 一种车载雷达运动目标融合方法及装置
JP7338559B2 (ja) * 2020-05-26 2023-09-05 株式会社デンソー 信号処理装置
CN114384496B (zh) * 2020-10-22 2023-03-21 北京一径科技有限公司 激光雷达角度的标定方法和系统
US11529977B1 (en) 2021-10-12 2022-12-20 Diane Albert Radar enabled determination of presence, axle count, speed, and direction of a rail car
EP4358065A1 (de) * 2022-10-19 2024-04-24 Continental Autonomous Mobility Germany GmbH Fahrzeugobjekterkennungssystem und verfahren zum erkennen eines zielobjekts in einem hinter und seitlich eines probandenfahrzeugs angeordneten erfassungsbereich

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7460951B2 (en) 2005-09-26 2008-12-02 Gm Global Technology Operations, Inc. System and method of target tracking using sensor fusion

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4308536A (en) * 1979-02-26 1981-12-29 Collision Avoidance Systems Anti-collision vehicular radar system
JPS61278775A (ja) * 1985-06-03 1986-12-09 Nissan Motor Co Ltd 先行車検出装置
FR2690755B1 (fr) * 1992-04-30 1994-08-26 Thomson Csf Procédé et système de détection d'un ou plusieurs objets dans une zone angulaire, et applications.
JP3302849B2 (ja) * 1994-11-28 2002-07-15 本田技研工業株式会社 車載用レーダーモジュール
US5684490A (en) * 1995-03-01 1997-11-04 The Ohio State University Highway vehicle guidance system
JP3012805B2 (ja) * 1996-05-09 2000-02-28 本田技研工業株式会社 Ｆｍレーダ装置
DE19648203C2 (de) * 1996-11-21 1999-06-10 Bosch Gmbh Robert Mehrstrahliges Kraftfahrzeug-Radarsystem
DE19714570B4 (de) * 1997-04-09 2006-08-31 Robert Bosch Gmbh Mehrstrahliges Radarsystem
US5964822A (en) * 1997-08-27 1999-10-12 Delco Electronics Corp. Automatic sensor azimuth alignment
JP4045041B2 (ja) * 1999-02-05 2008-02-13 本田技研工業株式会社 レーダ装置及びレーダ装置の異常検出方法
GB0002294D0 (en) * 2000-02-02 2000-03-22 Jaguar Cars Automotive radar elevation alignment
DE60212468T2 (de) * 2001-02-08 2007-06-14 Fujitsu Ten Ltd., Kobe Verfahren und Vorrichtung zum Justieren einer Einbauanordnung für Radar, sowie Radar justiert von diesem Verfahren oder dieser Vorrichtung
US6714156B1 (en) * 2002-11-22 2004-03-30 Visteon Global Technologies, Inc. Method for correcting radar misalignment
JP4665903B2 (ja) * 2004-11-12 2011-04-06 三菱電機株式会社 軸ずれ角推定方法及びその装置
US8232872B2 (en) 2009-12-03 2012-07-31 GM Global Technology Operations LLC Cross traffic collision alert system
DE102011012843A1 (de) 2011-03-03 2012-09-06 Valeo Schalter Und Sensoren Gmbh Fahrerassistenzeinrichtung für ein Fahrzeug und Verfahren zum Betreiben eines Radargeräts
JP5494567B2 (ja) * 2011-05-17 2014-05-14 株式会社デンソー レーダ装置、検査システム、及び検査方法
EP2538239B1 (de) 2011-06-21 2013-11-13 Kapsch TrafficCom AG Verfahren und Vorrichtung zur Detektion von Rädern
EP2743723B1 (de) 2012-12-14 2017-04-05 Kapsch TrafficCom AG Verfahren zur Detektion eines Rades eines Fahrzeugs
DE102012021461A1 (de) 2012-10-31 2013-05-08 Daimler Ag Verfahren und Vorrichtung zur Klassifikation von Fahrzeugen

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7460951B2 (en) 2005-09-26 2008-12-02 Gm Global Technology Operations, Inc. System and method of target tracking using sensor fusion

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109343049A (zh) * 2017-11-10 2019-02-15 长城汽车股份有限公司 跟踪可移动目标的方法和装置
DE102018206500A1 (de) * 2018-04-26 2019-10-31 Continental Automotive Gmbh Verfahren zum Ermitteln einer Anzahl von Daten eines entfernten Fahrzeugs
EP3757611A1 (de) * 2019-06-27 2020-12-30 Aptiv Technologies Limited Schätzung vertikaler strassenprofile
US11454718B2 (en) 2019-06-27 2022-09-27 Aptiv Technologies Limited Vertical road profile estimation
DE102019216805A1 (de) * 2019-10-31 2021-05-06 Continental Automotive Gmbh Verfahren zum Verfolgen eines entfernten Zielfahrzeugs in einem Umgebungsbereich eines Kraftfahrzeugs mittels einer Kollisionserkennungsvorrichtung
DE102020007599A1 (de) 2020-12-11 2022-06-15 Daimler Truck AG Verfahren zur Validierung von Umgebungserfassungssensoren eines Fahrzeugs und zur Validierung von Umgebungserfassungssensoren eingerichtetes Fahrzeug
DE102021102480A1 (de) 2021-02-03 2022-08-04 Valeo Schalter Und Sensoren Gmbh Verfahren zum bestimmen einer ersten montageposition zumindest einer ersten sensorvorrichtung eines assistenzsystems eines kraftfahrzeugs sowie assistenzsystem

Also Published As

Publication number Publication date
DE102016106299B4 (de) 2024-03-21
CN106054191A (zh) 2016-10-26
CN106054191B (zh) 2019-01-22
US9784829B2 (en) 2017-10-10
US20160291145A1 (en) 2016-10-06

Similar Documents

Publication Publication Date Title
DE102016106299B4 (de) Raderfassung und ihre Applikation bei Objektverfolgung und Sensorregistrierung
DE102016106298B4 (de) Fusionsverfahren für eine Querverkehr-Applikation unter Verwenden von Radargeräten und einer Kamera
DE102015105248B4 (de) Verfahren und System zum Erzeugen eines Bildes der Umgebung eines Gelenkfahrzeugs
DE60213235T2 (de) Überwachungsvorrichtung für fahrzeuge
DE102004035842B4 (de) Duales ungleichartiges erfassendes Objektdetektions- und Zielerfassungssystem
DE102017113572A1 (de) Spurerkennungssysteme und -verfahren
DE102017102506B4 (de) Verfahren zum erfassen anderer fahrzeuge relativ zu einem trägerfahrzeug mittels raderfassung
DE112015004833T5 (de) Vorrichtung zum überwachen benachbarter spuren
DE102012216386A1 (de) Verfahren zum Betreiben eines Fahrerassistenzsystems eines Fahrzeugs
DE112015004478B4 (de) Fahrunterstützungsvorrichtung
DE102017108254B4 (de) Rundumsichtkamerasystem zur Objekterkennung und -verfolgung und Verfahren zum Ausstatten eines Fahrzeugs mit einem Rundumsichtkamerasystem
DE102017218366A1 (de) Verfahren und system zur fussgängererfassung in einem fahrzeug
DE112015004817T5 (de) Hinderniswarnvorrichtung
DE102020203756A1 (de) Autobahnausfahrt-erfassung und linienspiegelung zur fahrzeugtrajektorien-bestimmung
DE102013108000A1 (de) Kollisionserkennungssystem mit Plausibilitätsmodul
EP3477249B1 (de) Verfahren zur formerkennung eines objekts in einem aussenbereich eines kraftfahrzeugs sowie kraftfahrzeug
EP2200881A1 (de) Verfahren zur schätzung der relativbewegung von video-objekten und fahrerassistenzsystem für kraftfahrzeuge
DE102016115405A1 (de) Steuerungsvorrichtung für die fahrt eines fahrzeugs
DE102021213021A1 (de) Einparkassistenzsystem mit verbesserter ausweichlenksteuerung und verfahren dafür
DE60023339T2 (de) System zur detektion von hindernissen bei einer fahrzeugbewegung
WO2015090691A1 (de) Verfahren zum erzeugen eines umgebungsmodells eines kraftfahrzeugs, fahrerassistenzsystem und kraftfahrzeug
DE112020002753T5 (de) Fahrzeugsteuerverfahren, fahrzeugsteuervorrichtung und fahrzeugsteuersystem diese enthaltend
DE102014218351A1 (de) Verfahren und System zur Positionsbestimmung
DE102017205245A1 (de) Freibereichsfusion für Fahrerassistenzsysteme
EP3409541B1 (de) Vorrichtung zur fahrschlauchabsicherung

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R079 Amendment of ipc main class

Free format text: PREVIOUS MAIN CLASS: G01S0013520000

Ipc: G01S0007410000

R082 Change of representative

Representative=s name: SCHWEIGER, MARTIN, DIPL.-ING. UNIV., DE

R016 Response to examination communication
R018 Grant decision by examination section/examining division