DE102019111569A1

DE102019111569A1 - Dbscan-parameter als funktion der sensorsuite-konfiguration

Info

Publication number: DE102019111569A1
Application number: DE102019111569.8A
Authority: DE
Inventors: Ishai Eljarat; Gonen Barkan; Igal Bilik
Original assignee: GM Global Technology Operations LLC
Current assignee: GM Global Technology Operations LLC
Priority date: 2018-05-14
Filing date: 2019-05-03
Publication date: 2019-11-14
Also published as: CN110488295A; US20190346559A1; US11079488B2; CN110488295B

Abstract

Es sind ein Fahrzeug, ein Radarsystem und ein Verfahren zum Erfassen eines Objektes offenbart. Das Radarsystem beinhaltet eine Vielzahl von Sensoren, wobei ein Sichtfeld eines der Vielzahl von Sensoren ein Sichtfeld von mindestens einem anderen der Vielzahl von Sensoren in einem Bereich überlappt, sowie einen Prozessor. Der Prozessor empfängt von der Vielzahl von Sensoren eine Erfassung aus dem Bereich wobei die Erfassung auf ein Objekt bezogen ist, einen Überlappungswert für den Bereich bestimmt, einen Dichteparameter eines Clustering-Kriteriums basierend auf dem Überlappungswert anpasst und ein gültiges Clustering der Erfassung mit einer benachbarten Erfassung unter Verwendung des angepassten Dichteparameters bestimmt.

Description

EINLEITUNG
Der Gegenstand der Offenbarung bezieht sich auf das Erfassen eines Objekts an einem Fahrzeugradarsystem und insbesondere auf ein System und Verfahren zum Bündeln von Radarerfassungen in Bereichen, die durch die Sichtfelder mehrerer Sensoren eines Radarsystems abgedeckt sind, um das Objekt zu erfassen.
In Fahrzeugen verwendete Radarsysteme erhalten eine Vielzahl von Reflexionen von elektromagnetischen Wellen, sogenannte Erfassungen, und bestimmen aus den Erfassungen ein oder mehrere Objekte im Sichtfeld des Radarsystems. Um ein Objekt zu bestimmen, wird ein Clustering-Algorithmus auf die Erfassungen angewendet, um gültige Gruppierungen zu bestimmen, oder das Clustering von Erfassungen, die sich auf das Objekt beziehen. In Bereichen, aus denen mehrere Sensoren Erfassungen empfangen, kann ein fester Satz von Dichteparametern, die im Clustering-Algorithmus verwendet werden, dazu führen, dass einige Erfassungen fälschlicherweise als Rauschen klassifiziert werden. Dementsprechend ist es wünschenswert, einen Clustering-Algorithmus vorzusehen, der die Überschneidung zwischen den Sichtfeldern der Sensoren berücksichtigt, um die Qualität des Clustering-Algorithmus zu verbessern und so die Existenz, Lage und andere Parameter der Objekte besser zu bestimmen.
KURZDARSTELLUNG
In einer exemplarischen Ausführungsform wird ein Verfahren zum Erkennen eines Objekts offenbart. Das Verfahren beinhaltet das Erhalten von Erfassungen, die sich auf das Objekt an einer Vielzahl von Sensoren in einem Radarsystem beziehen, das Bestimmen eines Überschneidungswerts für einen Bereich, in dem sich die Erfassung befindet, für eine Erfassung, das Einstellen eines Dichteparameters eines Clustering-Kriteriums basierend auf dem Überschneidungswert und das Bestimmen eines gültigen Clustering der Erfassung mit einer benachbarten Erfassung, um das Objekt unter Verwendung des eingestellten Dichteparameters zu bestimmen.
Neben einem oder mehreren der hierin beschriebenen Merkmale beinhaltet das Verfahren das Anpassen des Dichteparameters durch Anpassen mindestens einer der Gate-Größen eines Clustering-Algorithmus und einer Mindestpunktanforderung des Clustering-Algorithmus. Das Verfahren beinhaltet ferner das Multiplizieren der Gate-Größe und der Mindestpunktanforderung für einen von einem einzelnen Sensor abgedeckten Bereich mit dem Überschneidungswert für den Bereich, in dem sich die Erfassung befindet. Das Verfahren beinhaltet ferner das Anpassen der mindestens einen von einer Gate-Größe eines Clustering-Algorithmus und einer Mindestpunktanforderung durch mindestens einen Sensorausrichtungswert. Das Verfahren beinhaltet ferner das Bestimmen eines Rauschsignals. In verschiedenen Ausführungsformen beinhaltet das Verfahren das Ausführen einer Aktion an einem Fahrzeug basierend auf der bestimmten Position des Objekts.
In noch einer weiteren exemplarischen Ausführungsform wird ein Radarsystem offenbart. Das Radarsystem beinhaltet eine Vielzahl von Sensoren, wobei ein Sichtfeld eines der Vielzahl von Sensoren ein Sichtfeld von mindestens einem anderen der Vielzahl von Sensoren in einem Bereich überlappt, sowie einen Prozessor. Der Prozessor ist so konfiguriert, dass er von der Vielzahl von Sensoren eine Erfassung aus dem Bereich empfängt, wobei die Erfassung auf ein Objekt bezogen ist, einen Überschneidungswert für den Bereich bestimmt, einen Dichteparameter eines Clustering-Kriteriums basierend auf dem Überschneidungswert anpasst und ein gültiges Clustering der Erfassung mit einer benachbarten Erfassung unter Verwendung des angepassten Dichteparameters bestimmt.
Neben einem oder mehreren der hierin beschriebenen Merkmale ist der Prozessor ferner konfiguriert, um den Dichteparameter durch Anpassen mindestens einer der Gate-Größen eines Clustering-Algorithmus und einer Mindestpunktanforderung des Clustering-Algorithmus anzupassen. Der Prozessor ist ferner konfiguriert, um die Gate-Größe und die Mindestpunktanforderung durch Multiplizieren der Gate-Größe und der Mindestpunktanforderung mit dem Überschneidungswert für den Bereich anzupassen. Der Prozessor ist ferner konfiguriert, um die mindestens eine von einer Gate-Größe und den Mindestpunktanforderungen durch einen Sensorausrichtungswert anzupassen. Der Prozessor ist ferner konfiguriert, um eine Anzahl von falschen Rauschsignalen aus dem Clustering-Algorithmus zu reduzieren. Der Prozessor ist ferner konfiguriert, um das Objekt aus dem gültigen Clustering zu bestimmen. In verschiedenen Ausführungsformen ist der Prozessor konfiguriert, um eine Aktion an einem Fahrzeug basierend auf dem bestimmten Objekt durchzuführen.
In noch einer weiteren exemplarischen Ausführungsform wird ein Fahrzeug offenbart. Das Fahrzeug beinhaltet eine Vielzahl von Radarsensoren, worin ein Sichtfeld eines der Vielzahl von Radarsensoren ein Sichtfeld von mindestens einem anderen der Vielzahl von Radarsensoren in einem Bereich überlappt, sowie einen Prozessor. Der Prozessor ist so konfiguriert, dass er von der Vielzahl von Radarsensoren eine Erfassung aus dem Bereich empfängt, wobei die Erfassung auf ein Objekt bezogen ist, einen Überschneidungswert für den Bereich bestimmt, einen Dichteparameter eines Clustering-Kriteriums basierend auf dem Überschneidungswert anpasst und ein gültiges Clustering der Erfassung mit einer benachbarten Erfassung unter Verwendung des angepassten Dichteparameters bestimmt.
Neben einem oder mehreren der hierin beschriebenen Merkmale ist der Prozessor ferner konfiguriert, um den Dichteparameter durch Anpassen mindestens einer der Gate-Größen eines Clustering-Algorithmus und einer Mindestpunktanforderung des Clustering-Algorithmus anzupassen. Der Prozessor ist ferner konfiguriert, um die Gate-Größe und die Mindestpunktanforderung durch Multiplizieren der Gate-Größe und der Mindestpunktanforderung mit dem Überschneidungswert für den Bereich anzupassen. Der Prozessor ist ferner konfiguriert, um die mindestens eine von einer Gate-Größe und den Mindestpunktanforderungen durch einen Sensorausrichtungswert anzupassen. Der Prozessor ist ferner konfiguriert, um eine Anzahl von falschen Rauschsignalen aus dem Clustering-Algorithmus zu reduzieren. Der Prozessor ist ferner konfiguriert, um das Objekt aus dem gültigen Clustering zu bestimmen. In verschiedenen Ausführungsformen ist der Prozessor konfiguriert, um eine Aktion am Fahrzeug basierend auf dem bestimmten Objekt durchzuführen.
Die oben genannten Eigenschaften und Vorteile sowie anderen Eigenschaften und Funktionen der vorliegenden Offenbarung gehen aus der folgenden ausführlichen Beschreibung in Verbindung mit den zugehörigen Zeichnungen ohne Weiteres hervor.
Figurenliste
Andere Eigenschaften, Vorteile und Details erscheinen, nur exemplarisch, in der folgenden ausführlichen Beschreibung der ausführlichen Beschreibung, welche sich auf die folgenden Zeichnungen bezieht:

1 zeigt ein Fahrzeug mit einem Trajektorienplanungssystem gemäß verschiedenen Ausführungsformen;
2 zeigt ein veranschaulichendes Radarerfassungsfeld, das an einem Sensor eines Radarsystems des Fahrzeugs von 1;
3 veranschaulicht die Überschneidung zwischen den Sichtfeldern mehrerer an einem Fahrzeug angeordneter Radarsensoren;
Die 4A und 4B veranschaulichen ein Sichtfeld für einen exemplarischen Sensor von Ober- bzw. Seitenansichten; und
5 zeigt ein Flussdiagramm, das ein Verfahren zum Erfassen eines Objekts in einem Sichtfeld einer Anordnung von Radarsensoren veranschaulicht.

AUSFÜHRLICHE BESCHREIBUNG
Die folgende Beschreibung ist lediglich exemplarischer Natur und nicht dazu gedacht, die vorliegende Offenbarung in ihren An- oder Verwendungen zu beschränken. Es sollte verstanden werden, dass in den Zeichnungen entsprechende Bezugszeichen gleiche oder entsprechende Teile und Merkmale bezeichnen.
Gemäß einer exemplarischen Ausführungsform zeigt 1 im Allgemeinen bei 100 ein Trajektorienplanungssystem, das gemäß verschiedenen Ausführungsformen einem Fahrzeug 10 zugeordnet ist. Im Allgemeinen bestimmt das Trajektorienplanungssystem 100 einen Trajektorienplan für das automatisierte Fahren des Fahrzeugs 10. Das Fahrzeug 10 beinhaltet im Allgemeinen ein Fahrgestell 12, eine Karosserie 14, Vorderräder 16 und Hinterräder 18. Die Karosserie 14 ist auf dem Fahrgestell 12 angeordnet und umhüllt im Wesentlichen die anderen Komponenten des Fahrzeugs 10. Die Karosserie 14 und das Chassis 12 können gemeinsam einen Rahmen bilden. Die Räder 16 und 18 sind jeweils mit dem Fahrgestell 12 in der Nähe einer jeweiligen Ecke der Karosserie 14 drehbar gekoppelt.
In verschiedenen Ausführungsformen ist das Fahrzeug 10 ein autonomes Fahrzeug und das Trajektorienplanungssystem 100 ist in das autonome Fahrzeug 10 (im Folgenden als das autonome Fahrzeug 10 bezeichnet) integriert. Das autonome Fahrzeug 10 ist beispielsweise ein Fahrzeug, das automatisch gesteuert wird, um Passagiere von einem Ort zum anderen zu befördern. Das autonome Fahrzeug 10 ist in der veranschaulichten Ausführungsform als Pkw dargestellt, es sollte jedoch beachtet werden, dass auch jedes andere Fahrzeug, einschließlich Motorräder, Lastwagen, Sportfahrzeuge (SUVs), Freizeitfahrzeuge (RVs), Wasserfahrzeuge, Luftfahrzeuge usw. verwendet werden kann. In einer exemplarischen Ausführungsform ist das autonome Fahrzeug 10 ein sogenanntes Level-Vier oder Level-Fünf Automatisierungssystem. Ein Level-Vier-System zeigt eine „hohe Automatisierung“ unter Bezugnahme auf die Fahrmodus-spezifische Leistung durch ein automatisiertes Fahrsystem aller Aspekte der dynamischen Fahraufgabe an, selbst wenn ein menschlicher Fahrer nicht angemessen auf eine Anforderung einzugreifen, reagiert. Ein Level-Fünf-System zeigt eine „Vollautomatisierung“ an und verweist auf die Vollzeitleistung eines automatisierten Fahrsystems aller Aspekte der dynamischen Fahraufgabe unter allen Fahrbahn- und Umgebungsbedingungen, die von einem menschlichen Fahrer verwaltet werden können.
Wie dargestellt, beinhaltet das autonome Fahrzeug 10 im Allgemeinen ein Antriebssystem 20, ein Übertragungssystem 22, ein Lenksystem 24, ein Bremssystem 26, ein Sensorsystem 28, ein Stellgliedsystem 30, mindestens einen Datenspeicher 32 und mindestens eine Steuerung 34. Das Antriebssystem 20 kann in verschiedenen Ausführungsformen einen Verbrennungsmotor, eine elektrische Maschine, wie beispielsweise einen Traktionsmotor und/oder ein Brennstoffzellenantriebssystem, beinhalten. Das Getriebesystem 22 ist dazu konfiguriert, Leistung vom Antriebssystem 20 auf die Fahrzeugräder 16 und 18 gemäß den wählbaren Übersetzungsverhältnissen zu übertragen. Gemäß verschiedenen Ausführungsformen kann das Getriebesystem 22 ein Stufenverhältnis-Automatikgetriebe, ein stufenlos verstellbares Getriebe oder ein anderes geeignetes Getriebe beinhalten. Das Bremssystem 26 ist dazu konfiguriert, den Fahrzeugrädern 16 und 18 ein Bremsmoment bereitzustellen. Das Bremssystem 26 kann in verschiedenen Ausführungsformen Reibungsbremsen, Brake-by-Wire, ein regeneratives Bremssystem, wie beispielsweise eine elektrische Maschine und/oder andere geeignete Bremssysteme beinhalten. Das Lenksystem 24 beeinflusst die Position der Fahrzeugräder 16 und 18. Während in einigen Ausführungsformen innerhalb des Umfangs der vorliegenden Offenbarung zur Veranschaulichung als ein Lenkrad dargestellt, kann das Lenksystem 24 kein Lenkrad beinhalten.
Das Sensorsystem 28 beinhaltet eine oder mehrere Sensorvorrichtungen 40a-40n, die beobachtbare Zustände der äußeren Umgebung und/oder der inneren Umgebung des autonomen Fahrzeugs 10 erfassen. Die Sensorvorrichtungen 40a-40n können Radargeräte, Lidare, globale Positionierungssysteme, optische Kameras, Wärmebildkameras, Ultraschallsensoren und/oder andere Sensoren beinhalten, sind aber nicht darauf beschränkt. In verschiedenen Ausführungsformen beinhaltet das Fahrzeug 10 ein Radarsystem mit einer Anordnung von Radarsensoren, wobei die Radarsensoren an verschiedenen Stellen entlang des Fahrzeugs 10 angeordnet sind. Im Betrieb sendet ein Radarsensor einen elektromagnetischen Impuls 48 aus, der am Fahrzeug 10 von einem oder mehreren Objekten 50 im Sichtfeld des Sensors reflektiert wird. Der reflektierte Impuls 52 erscheint als eine oder mehrere Erfassungen am Radarsensor. Jeder Sensor, der den Bereich abdeckt, in dem sich das Objekt 50 befindet, d. h. das Objekt in seinem Sichtfeld aufweist, kann die Reflexion 52 empfangen und somit eine Erfassung des Objekts 50 erhalten. In einer Anordnung von Sensoren kann sich das Objekt 50 im Sichtfeld von mehr als einem Sensor befinden.
Das Stellantriebssystem 30 beinhaltet ein oder mehrere Stellantriebsvorrichtungen 42a-42n, die ein oder mehrere Fahrzeugeigenschaften, wie zum Beispiel das Antriebssystem 20, das Getriebesystem 22, das Lenksystem 24 und das Bremssystem 26, steuern, sind aber nicht darauf beschränkt. In verschiedenen Ausführungsformen können die Fahrzeugmerkmale ferner Innen- und/oder Außenfahrzeugmerkmale, wie beispielsweise Türen, einen Kofferraum und Innenraummerkmale, wie z. B. Belüftung, Musik, Beleuchtung usw., beinhalten, sind jedoch nicht auf diese beschränkt (nicht nummeriert) beinhalten, sind jedoch nicht auf diese beschränkt.
Die Steuerung 34 beinhaltet mindestens einen Prozessor 44 und eine computerlesbare Speichervorrichtung oder Medien 46. Der Prozessor 44 kann eine Spezialanfertigung oder ein handelsüblicher Prozessor sein, eine Zentraleinheit (CPU), eine Grafikprozessoreinheit (GPU) unter mehreren Prozessoren verbunden mit der Steuerung 34, ein Mikroprozessor auf Halbleiterbasis (in Form eines Mikrochips oder Chip-Satzes), ein Makroprozessor, eine Kombination derselben oder allgemein jede beliebige Vorrichtung zur Ausführung von Anweisungen. Die computerlesbare Speichervorrichtung oder Medien 46 können flüchtige und nicht-flüchtige Speicher in einem Nur-Lese-Speicher (ROM), einem Speicher mit direktem Zugriff (RAM) und einem Keep-Alive-Memory (KAM) beinhalten. KAM ist ein persistenter oder nicht-flüchtiger Speicher, der verwendet werden kann, um verschiedene Betriebsvariablen zu speichern, während der Prozessor 44 ausgeschaltet ist. Die computerlesbare Speichervorrichtung oder Medien 46 können unter Verwendung einer beliebigen einer Anzahl an bekannten Speichervorrichtungen, wie beispielsweise PROMs (programmierbarer Nur-Lese-Speicher), EPROMs (elektrische PROM), EEPROMs (elektrisch löschbarer PROM), Flash-Speicher oder beliebige andere elektrischen, magnetischen, optischen oder kombinierten Speichervorrichtungen implementiert werden, die Daten speichern können, von denen einige ausführbare Anweisungen darstellen, die von der Steuerung 34 beim Steuern des autonomen Fahrzeugs 10 verwendet werden.
Die Anweisungen können ein oder mehrere separate Programme beinhalten, von denen jede eine geordnete Auflistung von ausführbaren Anweisungen zum Implementieren von logischen Funktionen umfasst. Die Anweisungen empfangen und verarbeiten, wenn diese vom Prozessor 44 ausgeführt werden, Signale vom Sensorsystem 28, führen Logik, Berechnungen, Verfahren und/oder Algorithmen zur automatischen Steuerung der Komponenten des autonomen Fahrzeugs 10 durch und erzeugen Steuersignale an das Stellgliedsystem 30, um die Komponenten des autonomen Fahrzeugs 10 basierend auf der Logik, den Berechnungen, den Verfahren und/oder Algorithmen automatisch zu steuern. Obwohl in 1 nur eine Steuerung 34 dargestellt ist, können Ausführungsformen des autonomen Fahrzeugs 10 eine beliebige Anzahl an Steuerungen 34 beinhalten, die über ein geeignetes Kommunikationsmedium oder eine Kombination von Kommunikationsmedien kommunizieren und zusammenwirken, um die Sensorsignale zu verarbeiten, Logiken, Berechnungen, Verfahren und/oder Algorithmen durchzuführen, und Steuersignale zu erzeugen, um die Funktionen des autonomen Fahrzeugs 10 automatisch zu steuern.
Das Trajektorienplanungssystem 100 navigiert das Fahrzeug 10 basierend auf einer Bestimmung des Objekts und/oder deren Standorte in der Umgebung des Fahrzeugs. In verschiedenen Ausführungsformen führt die Steuerung 34 Berechnungen durch, um das Vorhandensein und/oder die Position eines Objekts in der Umgebung des Fahrzeugs aus einer Vielzahl von Erfassungen zu bestimmen, die an einem oder mehreren Sensoren des Radarsystems des Fahrzeugs 10 empfangen werden. Nach dem Bestimmen verschiedener Parameter des Objekts, wie beispielsweise Reichweite, Azimut, Höhe, Geschwindigkeit usw. aus der Vielzahl von Erkennungen, kann die Steuerung 34 die eine oder mehrere Betätigungsvorrichtungen 42a-n, das Antriebssystem 20, das Getriebesystem 22, das Lenksystem 24 und/oder die Bremse 26 bedienen, um das Fahrzeug 10 in Bezug auf das Objekt 50 zu navigieren. In verschiedenen Ausführungsformen navigiert die Steuerung 34 das Fahrzeug 10, um den Kontakt mit dem Objekt 50 zu vermeiden.
2 zeigt ein veranschaulichendes Radarerfassungsfeld 200, das an einem Sensor des Radarsystems des Fahrzeugs 10 von 1 empfangen wird. Das Radarerfassungsfeld 200 beinhaltet eine Vielzahl von Erfassungen (angegeben durch die Punkte 202), die durch den Sensor erhalten werden. Das Radarerfassungsfeld 200 zeigt ferner einen Clustering-Algorithmus, der auf die Vielzahl von Erfassungen angewendet wird, um Cluster zwischen Erfassungen zu bilden, die sich auf ein und dasselbe Objekt beziehen. In verschiedenen Ausführungsformen ist der Clustering-Algorithmus ein DBSCAN-(Density-Based Spatial Clustering of Applications with Noise)-Algorithmus.
Der Clustering-Algorithmus gruppiert Erfassungen unter Verwendung von zwei Dichteparametern: einer Gate-Größe ε und einem Minimalpunkt minPts. Diese Parameter definieren eine minimal erforderliche Dichte von Erfassungen, um die Erfassungen als Teil eines Clusters zu qualifizieren. Die Gate-Größe ist im Allgemeinen ein Radius eines Kreises 204 oder einer Kugel, die eine ausgewählte Erfassung umgibt und bezeichnet einen Suchbereich, in dem nach benachbarten Erfassungen gesucht werden soll. Der Prozessor 34 sucht nach benachbarten Erfassungen innerhalb des Kreises 204 oder der durch die Gate-Größe angezeigten Kugel und stellt eine Anzahl der Anzahl der benachbarten Erfassungen innerhalb des Kreises oder der Kugel bereit. Der Parameter minPts zeigt einen Schwellenwert für die Anzahl an, ab dem der Algorithmus einen gültigen Cluster von Erfassungen definiert. Mit anderen Worten, wenn die Anzahl von benachbarten Erfassungen innerhalb des Kreises 204 oder der Kugel kleiner als minPts ist, betrachtet der Clustering-Algorithmus die Erfassungen als nicht relevant. Wenn die Anzahl von benachbarten Erfassungen innerhalb des Kreises 204 oder der Kugel größer ist als die minPts, gruppiert der Clustering-Algorithmus die Erfassungen als Teil desselben Clusters. In der veranschaulichenden Ausführungsform von 2 wird der Wert des Parameters minPts auf 3 gesetzt. Jedoch kann jeder geeignete Wert für minPts in alternativen Ausführungsformen verwendet werden. Als Ergebnis des Clustering-Algorithmus mit minPts = 3 wird eine Gruppe von Erfassungen oben rechts im Erfassungsfeld 200 als erster Cluster C1 und eine Gruppe von Erfassungen unten links im Erfassungsfeld 200 als zweiter Cluster C2 eingestuft. Eine Einzelerfassung in der oberen Mitte des Erfassungsfeldes 200 weist keine unmittelbaren benachbarten Erfassungen auf und wird daher als Rauschen ,N‘ eingestuft.
Die Auswahl der Gate-Größe und minPts ändert das Ergebnis der Clustering-Algorithmuserfassung. Wenn mehrere Sensoren Erfassungen vom gleichen Objekt empfangen, kann es sinnvoll sein, die Gate-Größe und minPts zu ändern, um die erhöhte Anzahl von Erfassungen zu berücksichtigen. Im Gegensatz dazu kann die Verwendung eines einzelnen festgelegten Satzes von Dichteparametern (ε, minPts) für eine Anordnung von Sensoren mit überlappenden Sichtfeldern zu einer falschen Klassifizierung von Erfassungen als Rauschen führen.
3 veranschaulicht die Überlappung der Sichtfelder mehrerer an einem Fahrzeug angeordneter Radarsensoren. Zum Zwecke der Veranschaulichung befinden sich die Radarsensoren 302, 304, 306 und 308 an einem vorderen Ende des Fahrzeugs 10. Die Radarsensoren 302, 304, 306 und 308 können jedoch in alternativen Ausführungsformen an jeder beliebigen Stelle des Fahrzeugs 10 angeordnet sein. Jeder Sensor weist ein Sichtfeld auf, das einen Bereich des von den Sensoren abgedeckten Raumes definiert. Ein Bereich des Raumes wird von einem Sensor abgedeckt, wenn ein Objekt im Bereich des Raumes vom Sensor erfasst werden kann. Das Sichtfeld für einen Sensor wird im Allgemeinen durch einen elliptischen Kegel gegeben.
Die 4A und 4B veranschaulichen ein Sichtfeld für einen exemplarischen Sensor von Ober- bzw. Seitenansichten. 4A zeigt das Sichtfeld aus einer Draufsicht auf den Sensor. Das Sichtfeld aus der Draufsicht wird durch den Bereich R_max des Sensors und eine Azimutöffnung θ_Öffnung des Sensors definiert. 4B zeigt ein Sichtfeld von einer Seitenansicht des Sensors. Das Sichtfeld aus der Seitenansicht wird durch den Bereich R_max des Sensors und eine Höhenöffnung φ_Öffnung des Sensors definiert.
Rückblickend auf 3 sind die Grenzen der Sichtfelder entlang des Azimuts für die Sensoren 302, 304, 306 und 308 dargestellt. Das Sichtfeld des Sensors 302 wird durch die linke Grenze 302L und die rechte Grenze 304R begrenzt. Das Sichtfeld des Sensors 304 wird durch die linke Grenze 304L und die rechte Grenze 304R begrenzt. Das Sichtfeld des Sensors 306 wird durch die linke Grenze 306L und die rechte Grenze 306R begrenzt. Das Sichtfeld des Sensors 308 wird durch die linke Grenze 308L und die rechte Grenze 308R begrenzt. Die Sichtfelder dieser Sensoren 302, 304, 306 und 308 überlappen sich in einigen Bereichen. Ein Raumvolumen beinhaltet beispielsweise Bereiche (gekennzeichnet mit „1“), die nur von einem einzelnen Sensor abgedeckt werden, Bereiche (gekennzeichnet mit „2“), die von zwei Sensoren abgedeckt werden, und Bereiche (gekennzeichnet mit „3“), die von drei Sensoren abgedeckt werden. Obwohl in 3 keine zusätzlichen Bereiche dargestellt sind, sind auch Bereiche möglich, die von vier oder mehr Sensoren abgedeckt werden, insbesondere in einem Radarsystem, das mehr als die vier in 3 dargestellten Sensoren beinhaltet. Die Anzahl der Radare, die einen bestimmten Punkt oder einen bestimmten Bereich im Raum abdecken, kann durch den Parameter n_Überlappung angezeigt werden. Nachdem der Parameter n_Überlappung für einen Bereich bestimmt wurde, können die Dichteparameter (d. h. Gate-Größe und minPts) des Clustering-Algorithmus angepasst werden, um die Erfassungen zu bündeln und gleichzeitig eine Fehlzählung einer Erfassung als Rauschen zu reduzieren.
Um die Dichteparameter anzupassen, wird zunächst ein Wert von n_Überlappung für einen Bereich bestimmt. Wenn Si die Menge der Punkte ist, die zum Sichtfeld des i^th Sensors zählen, dann $g_{i} (x, y, z) = {_{0, A n d e r n f alls}^{1, i f (x, y, z) \in S_{i}}}$
und $n_{Ü u b e r l a p p u n g} (x, y, z) = \sum_{i = 1}^{N_{S e n s o r e n}} g_{i} (x, y, z)$
Nachdem n_Überlappung für einen Bereich bestimmt wurde, werden die Dichteparameter entsprechend angepasst, insbesondere $ε (n_{Ü b e r l a p p u n g}) = γ_{1} n_{Ü b e r l a p p u n g} ε_{0}$
und $m i n P t s (n_{Ü b e r l a p p u n g}) = γ_{2} n_{Ü b e r l a p p u n g} m i n P t s_{0}$
wobei die Parameter ε₀ eine Gate-Größe und minPts₀ der Zählschwellenwert zum Definieren eines gültigen Clusters in einem von einem einzelnen Sensor abgedeckten Bereich ist. Die Parameter γ₁ und γ₂ beziehen sich auf eine Score_Ausrichtung durch die folgenden Gleichungen: $y_{1} \propto 1 / S c o r e_A u s r i c h t u n g$
und $y_{2} \propto S c o r e_A u s r i c h t u n g$
Die Score-Ausrichtung ist eine Zahl zwischen 0 und 1, die eine Qualität der Ausrichtung der Sensoren auf eine ausgewählte ideale Konfiguration der Sensoren anzeigt. Eine Score Ausrichtung bei 0 zeigt eine schlechte Ausrichtung der Sensoren an, während eine Score-Ausrichtung bei 1 eine gute Ausrichtung der Sensoren anzeigt. Gemäß GL. (3) nimmt bei einer guten Ausrichtung die Gate-Größe ε für eine Erfassung mit zunehmender Anzahl von Sensoren zu, die den Bereich abdecken, in dem die Erfassung erfolgt. Gemäß GL. (3) steigt auch die Anzahl der minPts mit zunehmender Anzahl der Sensoren für den entsprechenden Bereich. Der Clustering-Algorithmus wird daher mit den angepassten Dichteparametern durchgeführt, die abgeleitet werden aus den Gl. (1)-(6). In einem Bereich mit n_Überlappung = 2 wird das Clustering beispielsweise mit der Gate-Größe ε(2)= 2γ₁ε₀ und minPts(2) = 2γ₂minPts durchgeführt. Es können weitere Parameter verwendet werden, um die Werte von ε(n_Überlappung) und minPts(n_Überlappung) zu beeinflussen oder anzupassen, entweder zusätzlich zur Score-Ausrichtung oder als Alternative zur Score-Ausrichtung. Die Verwendung eines Ausrichtungswertes als Parameter für die Gl. (5) und (6) ist ein Beispiel. In einer weiteren Ausführungsform können die Funktionen der Gl. (5) und (6) andere relevante Parameter berücksichtigen
5 zeigt ein Flussdiagramm 500, das ein Verfahren zum Erfassen eines Objekts in einem Sichtfeld einer Anordnung von Radarsensoren veranschaulicht. In Feld 502 werden eine Vielzahl von Erfassungen an einem oder mehreren Sensoren eines Radarsystems erhalten. In Feld 504 wird eine Erfassung ausgewählt und ein Überlappungswert n_Überlappung für den Bereich bestimmt, in dem sich die Erfassung befindet. In Feld 506 werden die Parameter ε und minPts der Gate-Größe bestimmt und/oder für den Wert der n_Überlappung angepasst. In Feld 508 wird der Clustering-Algorithmus für die ausgewählte Erfassung unter Verwendung der Gate-Größe ε und minPts, die für den Wert der n_Überlappung für den Erfassungsbereich bestimmt wurden, ausgeführt, um einen gültigen Cluster von Erfassungen zu bestimmen. In Feld 510 identifiziert der Prozessor 34 das Objekt aus dem gültigen Cluster. In Feld 512 führt der Prozessor 34 eine geeignete Aktion am Fahrzeug in Bezug auf das Objekt basierend auf den Parametern des Objekts, wie beispielsweise seiner Position und/oder Geschwindigkeit, durch.
Während die obige Offenbarung mit Bezug auf exemplarische Ausführungsformen beschrieben wurde, werden Fachleute verstehen, dass unterschiedliche Änderungen vorgenommen und die einzelnen Teile durch entsprechende andere Teile ausgetauscht werden können, ohne vom Umfang der Offenbarung abzuweichen. Darüber hinaus können viele Modifikationen vorgenommen werden, um eine bestimmte Materialsituation an die Lehren der Offenbarung anzupassen, ohne von deren wesentlichem Umfang abzuweichen. Daher ist beabsichtigt, dass die vorliegende Offenbarung nicht auf die ermittelten offenbarten Ausführungsformen eingeschränkt ist, sondern alle Ausführungsformen beinhaltet, die in ihren Schutzumfang fallen.

Claims

Verfahren zum Erfassen eines Objekts, umfassend: Erhalten von Erfassungen, die sich auf das Objekt beziehen, an einer Vielzahl von Sensoren in einem Radarsystem; Bestimmen eines Überlappungswerts für einen Bereich, in dem sich die Erfassung befindet, für eine Erfassung; Anpassen eines Dichteparameters eines Clustering-Kriteriums basierend auf dem Überlappungswert; und Bestimmen eines gültigen Clusterings der Erfassung mit einer benachbarten Erfassung, um das Objekt unter Verwendung des angepassten Dichteparameters zu bestimmen.
Verfahren nach Anspruch 1, worin das Anpassen des Dichteparameters ferner das Anpassen mindestens einer von einer Gate-Größe eines Clustering-Algorithmus und einer Mindestpunktanforderung des Clustering-Algorithmus umfasst.
Verfahren nach Anspruch 2, ferner umfassend das Multiplizieren der Gate-Größe und der Mindestpunktanforderung für einen von einem einzelnen Sensor abgedeckten Bereich mit dem Überlappungswert für den Bereich, in dem sich die Erfassung befindet.
Verfahren nach Anspruch 2, ferner umfassend das Anpassen der mindestens einen von einer Gate-Größe eines Clustering-Algorithmus und einer Mindestpunktanforderung durch mindestens einen Sensorausrichtungswert.
Verfahren nach Anspruch 1, ferner umfassend das Bestimmen eines Rauschsignals.
Radarsystem, umfassend: eine Vielzahl von Sensoren, worin ein Sichtfeld eines der Vielzahl von Sensoren ein Sichtfeld von mindestens einem anderen der Vielzahl von Sensoren in einem Bereich überlappt; und einen Prozessor, der konfiguriert ist, zum: Empfangen einer Erfassung aus dem Bereich von einer Vielzahl von Sensoren, wobei die Erfassung auf ein Objekt bezogen ist; Bestimmen eines Überlappungswerts für den Bereich; Anpassen eines Dichteparameters eines Clustering-Kriteriums basierend auf dem Überlappungswert; und Bestimmen eines gültigen Clusterings der Erfassung mit einer benachbarten Erfassung unter Verwendung des angepassten Dichteparameters.
Radarsystem nach Anspruch 6, worin der Prozessor ferner konfiguriert ist, um den Dichteparameter durch Anpassen mindestens einer von einer Gate-Größe eines Clustering-Algorithmus und einer Mindestpunktanforderung des Clustering-Algorithmus anzupassen.
Radarsystem nach Anspruch 7, worin der Prozessor ferner konfiguriert ist, um die Gate-Größe und die Mindestpunktanforderung durch Multiplizieren der Gate-Größe und der Mindestpunktanforderung mit dem Überlappungswert für den Bereich anzupassen.
Radarsystem nach Anspruch 7, worin der Prozessor ferner konfiguriert ist, um die mindestens eine von einer Gate-Größe und den Mindestpunktanforderungen durch einen Sensorausrichtungswert anzupassen.
Radarsystem nach Anspruch 6, worin der Prozessor ferner konfiguriert ist, um eine Anzahl von falschen Rauschsignalen aus dem Clustering-Algorithmus zu reduzieren.