DE102019114511A1 - Radar-odometrie für ein fahrzeug - Google Patents

Abstract

Diese Offenbarung stellt Radar-Odometrie für ein Fahrzeug bereit. Es werden Techniken und Beispiele im Zusammenhang mit Fahrzeug-Odometrie unter Verwendung von einem oder mehreren Radaren, die an dem Fahrzeug angeordnet sind, beschrieben. Ein Verfahren zur Radar-Odometrie kann das Empfangen von Messdaten von stationären Objekten und sich bewegenden Objekten, die sich in einer Umgebung befinden, die ein Fahrzeug durchquert, durch einen Prozessor von den Radaren beinhalten. Das Verfahren kann auch das Durchführen, durch den Prozessor, einer Stichprobenkonsens-(random sample consensus - RANSAC-)Berechnung beinhalten, um die Messdaten der stationären Objekte auszuwählen und die Messdaten der sich bewegenden Objekte zu ignorieren. Das Verfahren kann auch das Berechnen, durch den Prozessor, von einer oder mehreren dynamischen Variablen des Fahrzeugs auf Grundlage der Messdaten der stationären Objekte beinhalten. Das vorgeschlagene Verfahren verarbeitet die Messdaten der stationären Objekte mit einer einzelnen RANSAC-Berechnung und der Lösung eines Problems der kleinsten Quadrate, wodurch Berechnungskosten und Zeit sowie Latenz beim Betrieb für die Bereitstellung der Fahrzeug-Odometrie stark reduziert werden.

Description

• TECHNISCHES GEBIET
• Die vorliegende Offenbarung betrifft im Allgemeinen Kraftfahrzeuge und insbesondere Verfahren und Vorrichtungen zum Bestimmen von Odometrie eines sich bewegenden Fahrzeugs unter Anwendung von Radio-Detection-and-Ranging-(„RADAR-“ oder „Radar-“)Echtzeitmessung von stationären Objekten rund um das sich bewegende Fahrzeug.
• ALLGEMEINER STAND DER TECHNIK
• Odometrie ist die Verwendung von Daten, die typischerweise durch verschiedene Sensoren, mit denen ein Fahrzeug ausgestattet ist, erworben oder anderweitig erfasst werden, um eine Änderung der Position des Fahrzeugs im Zeitverlauf zu schätzen, insbesondere, wenn sich das Fahrzeug bewegt. Insbesondere sind für die Schätzung der Änderung der Position des Fahrzeugs einige dynamische Variablen des Fahrzeugs erforderlich, wie zum Beispiel lineare Geschwindigkeiten und Winkelgeschwindigkeiten des Fahrzeugs. Je näher die Schätzung an einer tatsächlichen Position des Fahrzeugs ist, desto genauer ist die Odometrie. Die genaue Odometrie spielt eine wichtige Rolle beim Charakterisieren der verschiedenen dynamischen Eigenschaften des Fahrzeugs, darunter kritischen Daten zum Steuern oder anderweitigen Navigieren des Fahrzeugs, insbesondere, wenn das Fahrzeug unbemannt ist oder autonom betrieben wird. Zum Beispiel kann genaue Odometrie für ein Fahrzeug wie etwa ein autonomes Fahrzeug, einen mobilen Roboter oder eine luftgetragene Drohne präzise Informationen über die Position, Ausrichtung, linearen Geschwindigkeiten und Winkelgeschwindigkeiten des Fahrzeugs in Bezug auf seine umliegende zweidimensionale (2D) oder dreidimensionale (3D) Umgebung bereitstellen. Die dynamischen Informationen sind in Anwendungen wie etwa Stabilitätskontrolle und genauer Navigation des Fahrzeugs von entscheidender Bedeutung. Herkömmlicherweise kann für Kraftfahrzeuge Odometrie unter Verwendung von Rad-Odometrie zum Schätzen von linearen Geschwindigkeiten und durch eine in das Fahrzeug eingebettete Trägheitsmesseinheit (inertial measurement unit - IMU) zum Messen von Winkelgeschwindigkeiten erreicht werden. Die Rad-Odometrie weist jedoch aufgrund von Faktoren wie zum Beispiel Unsicherheiten bei der Reifengröße (z. B. Benutzermodifikation von Reifen oder unzureichender Reifendruck) und einer geringen Auflösung von Raddrehgebern beschränkte Genauigkeit auf. Die IMU leidet auch insbesondere bei Manövern mit geringer Geschwindigkeit an Messfehlern. Mobile Roboter und Drohnen verwenden herkömmlicherweise visuelle Odometrie (über Kameras, mit denen das Fahrzeug ausgestattet ist) zusammen mit IMU Visuelle Odometrie leidet jedoch oft an einem Integrationsabdriftproblem; Messfehler bei linearen und/oder Winkelgeschwindigkeiten können sich nämlich im Laufe der Zeit integrieren oder anderweitig ansammeln, wodurch bewirkt wird, dass ein willkürliches unbegrenztes Abdriften in der berechneten Navigationsposition und/oder Höhe erscheint.
• Jüngst ist Odometrie auf Grundlage von Technologien mit dem globalen Positionierungssystem (GPS) und Light Detection and Ranging („LIDAR“ oder „Lidar“) entwickelt worden, da mehr Fahrzeuge mit Sensoren eines Fahrerunterstützungssystems (Advanced Driver Assistance System - ADAS) (ADAS) ausgestattet sind, die GPS oder Lidar beinhalten können. Jedoch funktioniert GPS unter Umständen nicht an Orten, an denen der Satellitenempfang begrenzt ist (z. B. in einem Tunnel), wohingegen Lidar nicht bei allen Wetterbedingungen funktioniert.
• Außerdem sind viele bestehende Odometrie-Verfahren auf die Bereitstellung lediglich von dynamischen 2D-Variablen beschränkt (d. h. lineare und Winkelgeschwindigkeiten des Fahrzeugs auf einer 2D-Ebene) und nicht dazu in der Lage, dynamische Variablen des Fahrzeugs in einem 3D-Raum bereitzustellen. Die 2D-Variablen sind unzureichend für die Steuerung und eine Navigation eines Fahrzeugs, das einen 3D-Raum durchquert (z. B. eine Drohne), wofür die Fähigkeit der 3D-Odometrie erforderlich ist.
• ABSCHNITT KURZDARSTELLUNG
• Die vorliegende Offenbarung hat zum Ziel, eine genaue Schätzung oder Berechnung für die dynamischen Variablen eines Fahrzeugs bereitzustellen, unter Verwendung von Messdaten, die durch eine oder mehrere Radarvorrichtungen oder Radare gesammelt werden, mit denen das Fahrzeug ausgestattet ist. Insbesondere können aufgrund ihrer höheren Messgenauigkeit verglichen mit anderen Arten von Kraftfahrzeugradaren Doppler-Radare verwendet werden. Ein Verfahren gemäß der vorliegenden Offenbarung beinhaltet einen Prozessor, der Messdaten von stationären Objekten und sich bewegenden Objekten, die sich in einer Umgebung befinden, die das Fahrzeug durchquert, von einem oder mehreren Radaren, die an oder in einem Fahrzeug angeordnet sind, empfängt. Das Verfahren beinhaltet auch, dass der Prozessor eine Stichprobenkonsens-(random sample consensus - RANSAC-)Berechnung durchführt, um die Messdaten der stationären Objekte zu identifizieren. Das Verfahren beinhaltet ferner, dass der Prozessor eine oder mehrere dynamische Variablen des Fahrzeugs auf Grundlage der Messdaten der stationären Objekte berechnet.
• Figurenliste
• Nicht einschränkende und nicht erschöpfende Ausführungsformen der vorliegenden Offenbarung werden in Bezug auf die folgenden Figuren beschrieben, wobei sich in den verschiedenen Figuren gleiche Bezugszeichen auf gleiche Teile beziehen, sofern nicht anderweitig angegeben.
• 1 ist ein Diagramm, das beispielhafte dynamische Variablen von Fahrzeugen darstellt, die 2D- und 3D-Umgebungen durchqueren.
• 2 ist ein Diagramm, das eine beispielhafte Zielerfassung für Radar-Odometrie gemäß der vorliegenden Offenbarung veranschaulicht.
• 3 ist ein Diagramm, das ein Ergebnis eines Stichprobenkonsensalgorithmus gemäß der vorliegenden Offenbarung veranschaulicht.
• 4 ist ein Ablaufdiagramm, das einen beispielhaften Prozess gemäß einer Ausführungsform der vorliegenden Offenbarung darstellt.
• 5 ist ein Ablaufdiagramm, das einen anderen beispielhaften Prozess gemäß einer Ausführungsform der vorliegenden Offenbarung darstellt.
• 6 zeigt Radarzielkarten mit und ohne Unbeweglichkeitsmarkierung gemäß einer Ausführungsform der vorliegenden Offenbarung.
• 7 ist ein Blockdiagramm, das eine beispielhafte Vorrichtung gemäß einer Ausführungsform der vorliegenden Offenbarung darstellt.
• DETAILLIERTE BESCHREIBUNG
• In der folgenden Beschreibung wird auf die beigefügten Zeichnungen Bezug genommen, die einen Teil davon bilden und in denen durch Veranschaulichung konkrete beispielhafte Ausführungsformen gezeigt werden, in denen die Offenbarung umgesetzt werden kann. Diese Ausführungsformen werden mit ausreichender Genauigkeit beschrieben, um es dem Fachmann zu ermöglichen, die hier offenbarten Konzepte umzusetzen, und es versteht sich, dass Modifizierungen der verschiedenen offenbarten Ausführungsformen vorgenommen werden können und dass andere Ausführungsformen genutzt werden können, ohne vom Umfang der vorliegenden Offenbarung abzuweichen. Die folgende detaillierte Beschreibung ist deshalb nicht in einschränkendem Sinn aufzufassen.
• Wie vorstehend beschrieben, ist eine genaue Odometrie von entscheidender Bedeutung für Fahrzeuge, die größtenteils in einer 2D-Ebene (z. B. ein Kraftfahrzeug) oder in einem 3D-Raum (z. B. eine luftgetragene Drohne) betrieben werden. Das heißt, um ein Fahrzeug zu steuern, einzustellen, zu kalibrieren, zu navigieren oder anderweitig zu manövrieren, müssen gegebenenfalls dynamische Variablen des Fahrzeugs, wie zum Beispiel lineare Geschwindigkeiten und Winkelgeschwindigkeiten, die in 1 gezeigt sind, durch ein Odometrie-Verfahren genau bestimmt werden. 1 veranschaulicht ein erstes Fahrzeug 10 (z. B. ein Kraftfahrzeug) zusammen mit drei dynamischen Variablen, die mit dem Fahrzeug 10 verbunden sind. 1 veranschaulicht auch ein zweites Fahrzeug 50 (z. B. eine luftgetragene Drohne) zusammen mit sechs dynamischen Variablen, die mit dem Fahrzeug 50 verbunden sind. Insbesondere kann das Fahrzeug 10, das bedient wird, um sich größtenteils in einer 2D-Ebene 120 zu bewegen, durch drei dynamische Variablen gekennzeichnet sein: Längsgeschwindigkeit 11, Quergeschwindigkeit 12 und Gierrate 13. Die Längsgeschwindigkeit 11 stellt eine lineare Geschwindigkeitskomponente des Fahrzeugs 10 in einer Längsrichtung in Bezug auf das Fahrzeug 10 in der 2D-Ebene 120 dar, in der Regel in Richtung der Vorderseite des Fahrzeugs 10 und austauschbar als „x-Achse“ oder „x-Richtung“ bezeichnet. Die Quergeschwindigkeit 12 stellt eine lineare Geschwindigkeitskomponente des Fahrzeugs 10 in einer Querrichtung des Fahrzeugs 10 in der 2D-Ebene 120 dar, die orthogonal zu der Längsrichtung ist und austauschbar als „y-Achse“ oder „y-Richtung“ bezeichnet wird. Die Gierrate 13 stellt eine Winkelgeschwindigkeit des Fahrzeugs 10 um eine Achse (in der Regel als „z-Achse“ oder „z-Richtung“ bezeichnet) dar, die senkrecht zu der 2D-Ebene 120 ist.
• Ebenso kann das Fahrzeug 50, das bedient wird, um sich größtenteils in einem 3D-Raum 130 zu bewegen, durch sechs dynamische Variablen gekennzeichnet sein: Längsgeschwindigkeit 51, Quergeschwindigkeit 52, vertikale Geschwindigkeit 53, Rollrate 54, Neigungsrate 55 und Gierrate 56. Längsgeschwindigkeit 51, Quergeschwindigkeit 52 und Gierrate 56 sind in Bezug auf das Fahrzeug 50 im 3D-Raum 130 ähnlich definiert wie Längsgeschwindigkeit 11, Quergeschwindigkeit 12 und Gierrate 13 in Bezug auf das Fahrzeug 10 in der 2D-Ebene 120 definiert sind. Die Längsgeschwindigkeit 51 stellt nämlich eine lineare Geschwindigkeitskomponente des Fahrzeugs 50 in einer Längsrichtung in Bezug auf das Fahrzeug 50 im 3D-Raum 130 dar, austauschbar als „x-Achse“ oder „x-Richtung“ bezeichnet. Die Quergeschwindigkeit 52 stellt eine lineare Geschwindigkeitskomponente des Fahrzeugs 50 in einer Querrichtung des Fahrzeugs 50 im 3D-Raum 130 dar, die orthogonal zu der Längsrichtung ist und austauschbar als „y-Achse“ oder „y-Richtung“ bezeichnet wird. Die vertikale Geschwindigkeit 53 stellt eine lineare Geschwindigkeitskomponente des Fahrzeugs 50 in einer vertikalen Richtung des Fahrzeugs 50 im 3D-Raum 130 dar, die sowohl zu der Längsrichtung als auch zu der Querrichtung im 3D-Raum 130 orthogonal ist und austauschbar als „z-Achse“ oder „z-Richtung“ bezeichnet wird. Rollrate 54, Neigungsrate 55 und Gierrate 56 stellen jeweils eine Winkelgeschwindigkeit des Fahrzeugs 50 jeweils um die x-Achse, die y-Achse und die z-Achse im 3D-Raum 130 dar.
• Die vorliegende Offenbarung legt Verfahren und Vorrichtungen zur Umsetzung von Radar-Odometrie dar. Das heißt, die vorliegende Offenbarung legt Verfahren und Vorrichtungen zur Bereitstellung von genauer Schätzung oder Berechnung für die dynamischen Variablen eines Fahrzeugs, wie zum Beispiel denjenigen, die in 1 veranschaulicht sind, unter Verwendung von Messdaten dar, die durch eine oder mehrere Radarvorrichtungen oder Radare gesammelt werden, mit denen das Fahrzeug ausgestattet ist. Aufgrund ihrer höheren Messgenauigkeit verglichen mit anderen Arten von Kraftfahrzeugradaren können bevorzugt Doppler-Radare verwendet werden. Obwohl Radar-Odometrie gemäß der vorliegenden Offenbarung nachfolgend hauptsächlich unter Verwendung des Fahrzeugs 10 als eine Ausführungsform demonstriert wird, das die 2D-Ebene 120 durchquert, ist das gleiche Verfahren der Radar-Odometrie auf das Fahrzeug 50 als eine andere Ausführungsform anwendbar, das den 3D-Raum 130 durchquert.
• 2 veranschaulicht eine Draufsicht auf das Fahrzeug 10, zusammen mit einem Radar 40, der in der Nähe des vorderen Endes des Fahrzeugs 10 angeordnet ist, während das Fahrzeug 10 die 2D-Ebene 120 durchquert. Der Radar 40 wird verwendet, um ein oder mehrere stationäre Objekte zu erfassen (d. h. stationär in Bezug auf die 2D-Ebene 120), wie zum Beispiel das Ziel 60 aus 2, während das Fahrzeug 10 die Ebene 120 durchquert. Der Radar 40 kann eine Ziellinienrichtung 44 aufweisen, die typischerweise eine Achse der maximalen Antennenverstärkung des Radars 40 definiert. Das heißt, dass der Radar 40 den Großteil seiner ausgestrahlten elektromagnetischen Leistung entlang der Ziellinienrichtung 44 emittieren kann, wenn eine umliegende Umgebung des Fahrzeugs 10 erfasst wird. Wie vorstehend beschrieben und in 2 gezeigt, kann eine x-Richtung derart definiert sein, dass sie auf eine Vorwärtsrichtung des Fahrzeugs 10 ausgerichtet ist, d. h. eine Richtung, in die das Fahrzeug 10 standardmäßig fährt. Es können einige Installationsparameter des Radars 40 verwendet werden, um eine Stelle und eine Ausrichtung des Radars 40 in Bezug auf das Fahrzeug 10 zu definieren. Die Installationsparameter können einen 2D-Positionsvektor beinhalten, der in 2 als ${\overrightarrow{r}}_{CR}$

  

  bezeichnet wird, von einem Referenzpunkt des Fahrzeugs 10 (z. B. dem Massenmittelpunkt oder einem beliebigen willkürlichen Punkt des Fahrzeugs 10) zu einem Referenzpunkt des Radars 40 (z. B. dem Massenmittelpunkt, dem Ursprung des Sensorkoordinatensystems oder einem beliebigen willkürlichen Punkt des Radars 40). Der Referenzpunkt des Fahrzeugs 10 ist in 2 als C bezeichnet. Außerdem können die Installationsparameter einen Radaranbringungswinkel beinhalten, in 2 als ϕ bezeichnet, der als der Winkel zwischen der x-Richtung des Fahrzeugs 10 und der Ziellinienrichtung 44 des Radars 40 definiert ist. Die Installationsparameter des Radars 40 sind bekannte und feste Werte, sobald der Radar 40 an dem Fahrzeug 10 installiert oder anderweitig darauf angeordnet ist.
• Wie in 1 veranschaulicht, kann die Radar-Odometrie Schätzungen von dynamischen Variablen des Fahrzeugs 10 bereitstellen, die Längsgeschwindigkeit 11, Quergeschwindigkeit 12 und Gierrate 13 beinhalten. Die Gierrate 13 des Fahrzeugs 10 ist in 2 alsψ bezeichnet. Mit der Längsgeschwindigkeit 11, die als v_{c x} bezeichnet wird, und der Quergeschwindigkeit 12, die als v_{c y} bezeichnet wird, kann eine Geschwindigkeit des Fahrzeugs 10 am Referenzpunkt C, ${\overrightarrow{v}}_C,$

  

  während das Fahrzeug 10 die 2D-Ebene 120 durchquert, wie folgt dargestellt werden: $${\overrightarrow{v}}_C=v_{C_x}\widehat{i}+v_{C_y}\widehat{j},$$

  

  wobei î einen x-Achsen-Einheitsvektor des Fahrzeugs 10 darstellt und ĵ einen y-Achsen-Einheitsvektor des Fahrzeugs 10 darstellt.
• Die Geschwindigkeit des Ziels 60 kann unter Verwendung eines 2D-Vektors, ${\overrightarrow{v}}_T,$

  

  dargestellt werden, der die folgende Beziehung erfüllt: $${\overrightarrow{v}}_T={\overrightarrow{v}}_C+{\dot{\overrightarrow{r}}}_{CR}+{\dot{\overrightarrow{r}}}_{RT},$$

  

  wobei ${\overrightarrow{r}}_{RT}$

  

  einen 2D-Positionsvektor vom Radar 40 zum Ziel 60 darstellt, wie in 2 gezeigt, und somit ${\dot{\overrightarrow{r}}}_{RT}$

  

  die Doppler-Geschwindigkeit des Ziels 60 wie durch den Radar 40 gemessen darstellt.
• Der zweite Term auf der rechten Seite der Gleichung (2) kann wie folgt geschrieben werden: $${\dot{\overrightarrow{r}}}_{CR}=-r_{CR}{}_{{}_y}\dot{\psi }\widehat{i}+r_{CR}{}_{{}_x}\dot{\psi }\widehat{j},$$

  

  wobei r_{CR x} und r_{CR y} jeweils die x-Koordinate und y-Koordinate von ${\overrightarrow{r}}_{CR}$

  

  sind, und unter der Beachtung, dass ṙ_{CR x} = r_{CR y} = 0, î̇ = ψĵ̇ und ĵ̇ = -ψ̇î.
• Unter Bezugnahme auf 2 und unter der Beachtung, dass ϕ̇ = 0, î̇ = ψ̇ĵ und j = -ψ̇î, kann der dritte Term auf der rechten Seite der Gleichung (2) wie folgt geschrieben werden: $$\begin{array}{c}{\dot{\overrightarrow{r}}}_{RT}=\frac{d}{dt}\left[r\text{ cos}\left(\theta +\varphi \right)\widehat{i}+r\text{ sin }\left(\theta +\varphi \right)\widehat{j}\right]\left[r\text{ cos}\left(\theta +\varphi \right)\widehat{i}+r\text{ sin }\left(\theta +\varphi \right)\widehat{j}\right]\\ =\left[\dot{r}\text{ cos}\left(\theta +\varphi \right)-r\dot{\theta }\text{ sin }\left(\theta +\varphi \right)-r\dot{\psi }\text{sin }\left(\theta +\varphi \right)\right]\widehat{i}\\ +\left[\dot{r}\text{ sin}\left(\theta +\varphi \right)+r\dot{\theta }\text{ cos }\left(\theta +\varphi \right)+r\dot{\psi }\text{ cos }\left(\theta +\varphi \right)\right]\widehat{j},\end{array}$$

  

  wobei r den radialen Abstand des Ziels 60 wie durch den Radar 40 gemessen darstellt, ṙ die radiale Geschwindigkeit des Ziels 60 wie durch den Radar 40 gemessen darstellt, und θ, auch in 2 gezeigt, den Azimutwinkel des Ziels 60 wie durch den Radar 40 gemessen darstellt.
• Unter Verwendung der Gleichung (1), (3) und (4) kann die Gleichung (2) wie folgt geschrieben werden: $$\begin{array}{l}{\overrightarrow{v}}_T=\left(v_{C_x}-r_{C{R}_y}\dot{\psi }+\dot{r}\text{ cos}\left(\theta +\varphi \right)-r\dot{\theta }\text{ sin}\left(\theta +\varphi \right)-r\dot{\psi }\text{ sin }\left(\theta +\varphi \right)\right)\widehat{i}\\ +(v_{C_y}+r_{C{R}_x}\dot{\psi }+\dot{r}\text{ sin }\left(\theta +\varphi \right)+r\dot{\theta }\text{ cos }\left(\theta +\varphi \right)\\ +r\dot{\psi }\text{ cos}\left(\theta +\varphi \right))\widehat{j}.\end{array}$$

  
• Unter der Annahme, dass das Ziel 60 ein stationäres Objekt ist, wird vorgegeben, dass ${\overrightarrow{v}}_T=\mathrm{0,}$

  

  und somit kann die folgende Gleichung abgeleitet werden: $$\dot{r}+\left(v_{C_y}+r_{C{R}_x}\dot{\psi }\right)\text{ sin}\left(\theta +\varphi \right)+\left(v_{C_x}+r_{C{R}_y}\dot{\psi }\right)\text{ sin}\left(\theta +\varphi \right)=0.$$

  
• Es lohnt sich, anzumerken, dass die Gleichung (8) eine lineare Gleichung erster Ordnung mit den linearen und Winkelgeschwindigkeiten des Fahrzeugs 10 als Variablen ist: v_{C x} (d. h. Längsgeschwindigkeit 11), v_{C y} (d.h. Quergeschwindigkeit 12) und ψ̇ (d.h. Gierrate 13). Koeffizienten der Gleichung (8) beinhalten Radarmessungen des Ziels 60 durch den Radar 40 (d. h. ṙ̇ und θ) sowie Installationsparameter des Radars 40 (d. h. wobei r_{CR x} , r_{CR y} und ϕ). Für jedes stationäre Objekt, das durch den Radar 40 erfasst wird, kann eine damit verbundene Gleichung (8) geschrieben werden. Daher kann, wenn mehrere stationäre Objekte durch den Radar 40 erfasst werden, ein Satz an Gleichungen (8) erzeugt werden, die jeweils mit einem der stationären Objekte verbunden sind. Der Satz an Gleichungen (8), bei denen es sich jeweils um eine lineare Gleichung erster Ordnung der linearen und Winkelgeschwindigkeiten des Fahrzeugs 10 handelt, kann damit ein Problem der kleinsten Quadrate im mathematischen Sinn bilden. Dann kann das Problem der kleinsten Quadrate gelöst werden, um die linearen und Winkelgeschwindigkeiten des Fahrzeugs 10 zu erhalten, wodurch Odometrie des Fahrzeugs 10 erreicht wird.
• Wenn auf mehrere stationäre Objekte angewandt, kann die Radar-Odometrie wie vorstehend dargelegt auch von einer inhärenten Geräuschunterdrückung profitieren. Das heißt, wenn der Radar 40 eine Vielzahl von stationären Objekten wie das Ziel 60 misst, können die resultierenden dynamischen Variablen des Fahrzeugs 10 inhärent genauer sein, da Messfehler, eingeführt durch Geräusche im Radar 40 und in umliegender Umgebung, sich gegenseitig aufheben oder im Prozess der Lösung des Problems der kleinsten Quadrate anderweitig kompensiert werden, was zu Schätzungen der linearen und Winkelgeschwindigkeiten des Fahrzeugs 10 mit höherer Genauigkeit führt.
• Zusätzlich zum Erfassen mehrerer stationärer Objekte unter Verwendung eines Radars, der an dem Fahrzeug 10 angeordnet ist, kann das vorstehend offenbarte Verfahren zur Radar-Odometrie auf ein Szenario anwendbar sein, in dem mehrere Radarvorrichtungen durch das Fahrzeug 10 verwendet werden, um mehrere stationäre Objekte zu erfassen. Zum Beispiel kann das Fahrzeug 10 mit N Radaren ausgestattet sein, und es kann K stationäre Objekte in der umliegenden Umgebung des Fahrzeugs 10 geben, die durch jeden der N Radare zu erfassen sind. Lass ${\dot{r}}_k^n$

  

  und ${\theta }_k^n$

  

  jeweils die radiale Geschwindigkeit und der Azimutwinkel des k-ten Objekts wie durch den n-ten Radar erfasst sein. Daher kann für das k-te Objekt erfasst durch den n-ten Radar Gleichung (8) wie folgt geschrieben werden: $${\dot{r}}_k^n+\left(v_{C_y}+r_{C{R}_x}^n\dot{\psi }\right)\text{ sin}\left({\theta }_k^n+{\varphi }^n\right)+\left(v_{C_x}-r_{C{R}_y}^n\dot{\psi }\right)\text{cos}\left({\theta }_k^n+{\varphi }^n\right)=\mathrm{0,}$$

  

  wobei n = 1, ..., N , und k = 1, ..., K . Es ist zu beachten, dass Gleichung (9) Installationsparameter der N Radare beinhaltet; das heißt, dass $r_{C{R}_x}^n$

  

  und $r_{C{R}_y}^n$

  

  jeweils x- und y-Koordinaten des n-ten Radars in Bezug auf den Referenzpunkt C des Fahrzeugs 10 sind und ϕⁿ der Radaranbringungswinkel des n-ten Radars in Bezug auf die x-Richtung ist. Wie vorstehend beschrieben, sind alle der Radarinstallationsparameter in dem Problem der kleinsten Quadrate ein bekannter Wert. Gleichung (9) stellt das Problem der kleinsten Quadrate von N Radaren dar, die K stationäre Objekte erfassen. In Matrixform geschrieben, kann Gleichung (9) zu Folgendem werden: $$\left[\begin{array}{ccc}\text{cos}\left({\theta }_1^1+{\varphi }^1\right)& \text{sin}\left({\theta }_1^1+{\varphi }^1\right)& r_{C{R}_x}^1\text{ sin}\left({\theta }_1^1+{\varphi }^1\right)-r_{C{R}_y}^1\text{ cos}\left({\theta }_1^1+{\varphi }^1\right)\\ ⋮& ⋮& ⋮\\ \text{cos}\left({\theta }_K^1+{\varphi }^1\right)& \text{sin}\left({\theta }_K^1+{\varphi }^1\right)& r_{C{R}_x}^1\text{ sin}\left({\theta }_K^1+{\varphi }^1\right)-r_{C{R}_y}^1\text{ cos}\left({\theta }_K^1+{\varphi }^1\right)\\ ⋮& ⋮& ⋮\\ \text{cos}\left({\theta }_1^N+{\varphi }^N\right)& \text{sin}\left({\theta }_1^N+{\varphi }^N\right)& r_{C{R}_x}^N\text{ sin}\left({\theta }_1^N+{\varphi }^N\right)-r_{C{R}_y}^N\text{ cos}\left({\theta }_1^N+{\varphi }^N\right)\\ ⋮& ⋮& ⋮\\ \text{cos}\left({\theta }_K^N+{\varphi }^N\right)& \text{sin}\left({\theta }_K^N+{\varphi }^N\right)& r_{C{R}_x}^N\text{ sin}\left({\theta }_K^N+{\varphi }^N\right)-r_{C{R}_y}^N\text{ cos}\left({\theta }_K^N+{\varphi }^N\right)\end{array}\right]\left[\begin{array}{c}{v}_{C_x}\\ v_{C_y}\\ \dot{\psi }\end{array}\right]+\left[\begin{array}{c}{\dot{r}}_1^1\\ ⋮\\ {\dot{r}}_K^1\\ ⋮\\ {\dot{r}}_1^N\\ ⋮\\ {\dot{r}}_K^N\end{array}\right]=0.$$

  
• Gleichung (10) kann in der Darstellung vereinfacht werden oder anderweitig in einer alternativen Form umgeschrieben werden, indem die folgenden Matrizen definiert werden: $$\begin{array}{c}X=\\ {\left[\begin{array}{ccccccc}\text{cos}\left({\theta }_1^1+{\varphi }^1\right)& \cdots & \text{cos}\left({\theta }_K^1+{\varphi }^1\right)& \cdots & \text{cos}\left({\theta }_1^N+{\varphi }^N\right)& \cdots & \text{cos}\left({\theta }_K^N+{\varphi }^N\right)\end{array}\right]}^T,\end{array}$$

  

  $$Y={\left[\begin{array}{ccccccc}\text{sin}\left({\theta }_1^1+{\varphi }^1\right)& \cdots & \text{sin}\left({\theta }_K^1+{\varphi }^1\right)& \cdots & \text{sin}\left({\theta }_1^N+{\varphi }^N\right)& \cdots & \text{sin}\left({\theta }_K^N+{\varphi }^N\right)\end{array}\right]}^T,$$

  

  $$Z=\left[\begin{array}{c}{r}_{C{R}_x}^1\text{ sin}\left({\theta }_1^1+{\varphi }^1\right)-r_{C{R}_y}^1\text{ cos}\left({\theta }_1^1+{\varphi }^1\right)\\ ⋮\\ r_{C{R}_x}^1\text{ sin}\left({\theta }_K^1+{\varphi }^1\right)-r_{C{R}_y}^1\text{ cos}\left({\theta }_K^1+{\varphi }^1\right)\\ ⋮\\ r_{C{R}_x}^N\text{ sin}\left({\theta }_1^N+{\varphi }^N\right)-r_{C{R}_y}^N\text{ cos}\left({\theta }_1^N+{\varphi }^N\right)\\ ⋮\\ r_{C{R}_x}^N\text{ sin}\left({\theta }_K^N+{\varphi }^N\right)-r_{C{R}_y}^1\text{ cos}\left({\theta }_K^N+{\varphi }^N\right)\end{array}\right],$$

  

  $$W={\left[\begin{array}{ccccccc}{\dot{r}}_1^1& \cdots & {\dot{r}}_K^1& \cdots & {\dot{r}}_K^N& \cdots & {\dot{r}}_K^N\end{array}\right]}^T.$$

  
• Es ist zu beachten, dass jede der Matrizen X, Y, Z und Weine Matrix von N·K mal 1 umfasst, d. h. eine Matrix, die N·K Reihen und 1 Spalte aufweist. Es ist auch zu beachten, dass jedes Element der Matrizen X, Y, Z und W (einen) Installationsparameter eines Radars und/oder (einen) Messparameter eines stationären Objekts wie durch einen Radar des Fahrzeugs 10 gemessen umfasst. Mit den Matrizen X, Y, Z und W, die in Gleichung (11)-(14) definiert sind, kann Gleichung (10) wie folgt umgeschrieben werden: $$\left[\begin{array}{ccc}X& Y& Z\end{array}\right]\left[\begin{array}{c}{v}_{C_x}\\ v_{C_y}\\ \dot{\psi }\end{array}\right]+W=0.$$

  
• Somit können die linearen und Winkelgeschwindigkeiten des Fahrzeugs 10, nämlich v_{C x} (d. h. Längsgeschwindigkeit 11), v_{C y} (d. h. Quergeschwindigkeit 12) und ψ̇ (d. h. Gierrate 13) im Wesentlichen gleichzeitig erhalten werden, indem das Problem der kleinsten Quadrate gelöst wird, das durch Gleichung (15) dargestellt wird.
• In einigen Ausführungsformen kann die Winkelgeschwindigkeit ip (d. h. Gierrate 13) in Gleichung (9) als eine bekannte Variable angesehen werden. Zum Beispiel kann sich das Fahrzeug 10 auf ein Gyroskop oder eine andere IMU verlassen, mit dem/der das Fahrzeug 10 ausgestattet ist, um die Gierrate 13 zu bestimmen. In diesem Szenario kann das durch Gleichung (9) dargestellte Problem der kleinsten Quadrate wie folgt in Matrixform geschrieben werden: $$\left[\begin{array}{cc}X& Y\end{array}\right]\left[\begin{array}{c}{v}_{C_x}\\ v_{C_y}\end{array}\right]+Z\text{'}=\mathrm{0,}$$

  

  wobei Matrix Z', bei der es sich auch um eine Matrix N·K mal 1 handelt, wie folgt definiert ist: $$Z\text{'}=\left[\begin{array}{c}{r}_{C{R}_x}^1\dot{\psi }\text{ sin}\left({\theta }_1^1+{\varphi }^1\right)-r_{C{R}_y}^1\dot{\psi }\text{ cos}\left({\theta }_1^1+{\varphi }^1\right)+{\dot{r}}_1^1\\ ⋮\\ r_{C{R}_x}^1\dot{\psi }\text{ sin}\left({\theta }_K^1+{\varphi }^1\right)-r_{C{R}_y}^1\dot{\psi }\text{ cos}\left({\theta }_K^1+{\varphi }^1\right)+{\dot{r}}_K^1\\ ⋮\\ r_{C{R}_x}^N\dot{\psi }\text{ sin}\left({\theta }_1^N+{\varphi }^N\right)-r_{C{R}_y}^N\dot{\psi }\text{ cos}\left({\theta }_1^N+{\varphi }^N\right)+{\dot{r}}_1^N\\ ⋮\\ r_{C{R}_x}^N\dot{\psi }\text{ sin}\left({\theta }_K^N+{\varphi }^N\right)-r_{C{R}_y}^1\dot{\psi }\text{ cos}\left({\theta }_K^N+{\varphi }^N\right)+{\dot{r}}_K^N\end{array}\right].$$

  
• Ähnlich den Matrizen X, Y, Z und W umfasst jedes Element der Matrix Z' auch (einen) Installationsparameter eines Radars und/oder (einen) Messparameter eines stationären Objekts wie durch einen Radar des Fahrzeugs 10 gemessen. Somit können mit der Gierrate 13, die als bekannter Parameter angesehen wird, lineare Geschwindigkeiten des Fahrzeugs 10, nämlich v_{C x} (d. h. Längsgeschwindigkeit 11) und v_{C y} (d. h. Quergeschwindigkeit 12) erhalten werden, indem das Problem der kleinsten Quadrate, das durch Gleichung (17) dargestellt wird, gelöst wird.
• Es lohnt sich anzumerken, dass die vorstehenden Gleichungen auf Grundlage einer Annahme abgeleitet sind, dass jedes der K Objekte erfasst durch die N Radare ein stationäres Objekt ist. Das heißt, dass jedes der K Objekte eine Nullgeschwindigkeit in der 2D-Ebene 120 oder im 3D-Raum 130 aufweist und daher jede der Matrizen X, Y, Z, Z' und W eine Matrixgröße von N·K Elementen aufweist, wobei jedes Element einem entsprechenden der K Objekte erfasst durch einen jeweiligen der N Radare entspricht. Diese Annahme ist jedoch in einer tatsächlichen Umgebung nicht gültig. Eine tatsächliche Umgebung beinhaltet wahrscheinlich sowohl stationäre Objekte (d. h. Objekte, die innerhalb der Umgebung stationär sind) sowie sich bewegende Objekte (d. h. Objekte, die sich innerhalb der Umgebung bewegen). Zum Beispiel kann die tatsächliche Umgebung zusätzlich zu K Objekten, die stationär sind, auch P Objekte, die sich bewegen, beinhalten. Radare, die in oder an dem Fahrzeug 10 oder Fahrzeug 50 angeordnet sind, würden die (K+P) Objekte in der umliegenden Umgebung des Fahrzeugs 10 oder Fahrzeugs 50 erfassen, unabhängig davon, ob sie stationär sind oder sich bewegen. Das heißt, dass Messdaten (z. B. radialer Abstand, radiale Geschwindigkeit und Azimutwinkel von (einem) erfassten Objekt(en) erhalten durch die N Radare Daten sowohl von den K stationären Objekten (was erwünscht ist) als auch von den P sich bewegenden Objekten (was unerwünscht ist) enthalten können. Während Messdaten von stationären Objekten beim Konstruieren eines korrekten Problems der kleinsten Quadrate nützlich sind (z. B. wie in Gleichung 9, 10 oder 15 gezeigt), das gelöst werden kann, um die dynamischen Variablen des Fahrzeugs 10 oder Fahrzeugs 50 zu erhalten, sind Messdaten von sich bewegenden Objekten unerwünscht, da sie das Problem der kleinsten Quadrate stören oder anderweitig verzerren würden, was zu ungenauen Schätzungen der dynamischen Variablen des Fahrzeugs 10 oder Fahrzeugs 50 beim Lösen des Problems der kleinsten Quadrate führt. Daher wird ein Screening-Verfahren benötigt, um Messdaten von stationären Objekten von Messdaten von sich bewegenden Objekten zu unterscheiden.
• Um die meisten, wenn nicht sogar alle der unerwünschten Messdaten zu eliminieren, die von sich bewegenden Objekten stammen, kann ein Datenfilteralgorithmus oder Auswahlprozess eingesetzt werden. Dazu kann eine oder können mehrere von verschiedenen Datenverarbeitungstechniken eingesetzt werden und können unter Anwendung eines Software-Ansatzes, eines Hardware-Ansatzes oder einer Kombination aus beidem umgesetzt werden. In einer nachfolgenden Ausführungsform wird ein Stichprobenkonsens-(RANSAC-)Algorithmus als ein Beispiel ohne Absicht, den Umfang der vorliegenden Offenbarung zu beschränken, verwendet. RANSAC ist ein iteratives Verfahren, das Parameter eines mathematischen Modells aus einem Satz an beobachteten Daten, der Ausreißer enthält, schätzen kann. Das heißt, dass unter Messdaten der (K+P) Objekte wie durch die N Radare erfasst, die Erfassungen von sich bewegenden Objekten als Ausreißer erscheinen, wenn die Anzahl an Erfassungen von stationären Objekten dominant ist.
• Die Ausreißer können visuell identifiziert werden, wenn Messdaten der (K+P) Objekte wie durch die N Radare erfasst in einem mathematisch koordinierten Raum dargestellt werden. Als Beispiel wird das Problem der kleinsten Quadrate genommen, das durch Gleichung (17) dargestellt ist. Für jede Erfassung von einem von den (K+P) Objekten durch einen der N Radare kann ein entsprechender repräsentativer Punkt in einem mathematischen 3D-Raum dargestellt werden, wobei die drei Koordinaten des repräsentativen Punktes jeweils Werte entsprechender Elemente der Matrizen X, Y und Z' aufweisen. Insbesondere kann für das k-te Objekt der (K+P) Objekte wie durch den n-ten Radar der N Radare erfasst oder anderweitig gemessen, ein repräsentativer Punkt in dem mathematischen Raum dargestellt werden, um die Messung darzustellen, wobei jede der Koordinaten des repräsentativen Punktes ein entsprechendes Element der Matrizen X, Y und Z' ist, d. h. $\text{cos}\left({\theta }_k^n+{\varphi }^n\right),\text{sin}\left({\theta }_k^n+{\varphi }^n\right)$

  

  und $r_{C{R}_x}^n\dot{\psi }\text{ sin}\left({\theta }_k^n+{\varphi }^n\right)-r_{C{R}_y}^n\dot{\psi }\text{ cos}\left({\theta }_k^n+{\varphi }^n\right)+{\dot{r}}_k^n.$

  
• 3 veranschaulicht einen beispielhaften mathematischen Raum 300 und einige repräsentative Punkte innerhalb des mathematischen Raums 300, die Messdaten einiger stationärer und sich bewegender Objekte wie durch Radare das Fahrzeugs 10 erfasst darstellen oder anderweitig davon abgeleitet sind. Wie in 3 gezeigt, befinden sich repräsentative Punkte von Messdaten, die stationäre Objekte erfassen, größtenteils in einer 2D-Ebene 320 (als „Ebene der besten Passung“ bezeichnet) oder nahe der Ebene 320 innerhalb einer vorbestimmten Nähe, da die Koordinaten dieser repräsentativen Punkte die Gleichung (9) oder äquivalent die Gleichung (17) erfüllen. Diese repräsentativen Punkte, die sich in oder nahe der Ebene der besten Passung 320 befinden, werden als „Nicht-Ausreißer“ bezeichnet und werden durch den RANSAC-Algorithmus als Messdaten von stationären Objekten in der umliegenden Umgebung des Fahrzeugs 10 darstellend angesehen. Die Nicht-Ausreißer werden verwendet, um ein Problem der kleinsten Quadrate wie durch Gleichung (17) dargestellt zu konstruieren oder anderweitig zu bilden, und die dynamischen Variablen des Fahrzeugs 10 in dem Problem der kleinsten Quadrate, d. h. die linearen Geschwindigkeiten v_{C x} und v_{C y} , können entsprechend durch Lösung der Gleichung (17) erhalten werden.
• Andererseits werden andere repräsentative Punkte aus 3, die weiter entfernt von der Ebene der besten Passung 320 sind, als „Ausreißer“ bezeichnet. Die Ausreißer werden durch den RANSAC-Algorithmus als Messdaten von sich bewegenden Objekten in der umliegenden Umgebung des Fahrzeugs 10 darstellend angesehen. Die Ausreißer befinden sich nicht in oder nahe der Ebene 320, da sie Messdaten von sich bewegenden Objekten darstellen, und damit erfüllen die Koordinaten der Ausreißer Gleichung (9) oder Gleichung (17) nicht. Im Gegensatz zu den Nicht-Ausreißern sind die Ausreißer von der Verwendung zur Konstruktion oder anderweitigen Bildung des Problems der kleinsten Quadrate, das durch Gleichung (17) dargestellt ist, ausgeschlossen.
• Kurz gesagt soll der RANSAC-Algorithmus die Ebene der besten Passung 320 finden, die die größte Anzahl an repräsentativen Punkten in 3 unterbringt. Sobald die Ebene der besten Passung 320 gefunden ist, werden nur die Nicht-Ausreißer in Verbindung mit der Ebene 320 verwendet, um das Problem der kleinsten Quadrate der linearen und/oder Winkelgeschwindigkeiten eines Fahrzeugs zu konstruieren, die die Radar-Odometrie bestimmen möchte. Das Problem der kleinsten Quadrate wird dann gelöst, um die linearen und/oder Winkelgeschwindigkeiten zu bestimmen.
• Der RANSAC-Iterationsprozess, der vorstehend für das Fahrzeug 10 aus 1 beschrieben ist, kann unter Anwendung des Prozesses 400, der in 4 gezeigt ist, umgesetzt werden. Der Prozess 400 kann einen/eine oder mehrere Operationen, Handlungen oder Funktionen beinhalten, die als Blöcke angezeigt werden, wie etwa 410, 420, 430, 440, 450, 460, 470, 480 und 490 aus 4. Obgleich sie als einzelne Blöcke dargestellt sind, können verschiedene Blöcke des Prozesses 400 je nach gewünschten Umsetzungen in zusätzliche Blöcke unterteilt, zu weniger Blöcken zusammengefasst oder weggelassen werden. Der Prozess 400 kann bei Block 410 beginnen.
• Bei 410 kann der Prozess 400 einen Prozessor (z. B. einen Computer oder eine anwendungsspezifische integrierte Schaltung) beinhalten, der eine RANSAC-Schwelle ζ festlegt, die einen positiven Wert aufweist, sowie eine maximale Anzahl an RANSAC-Iterationen M, bei der es sich um eine positive ganze Zahl handelt. Der Prozess 400 kann von 410 zu 420 übergehen.
• Bei 420 kann der Prozess 400 beinhalten, dass der Prozessor Koordinaten von repräsentativen Punkten in einem mathematischen 3D-Raum auf Grundlage von Radarmessdaten berechnet, wobei jeder der repräsentativen Punkte einer Erfassung von einem der K Objekte durch einen der N Radare entspricht. Jede der Koordinaten eines repräsentativen Punktes, wie vorstehend beschrieben, kann ein entsprechendes Element von Matrizen X, Y und Z' wie in Gleichung (11), (12) und (18) definiert, d.h. $\text{cos }\left({\theta }_k^n+{\varphi }^n\right),\text{ sin}\left({\theta }_k^n+{\varphi }^n\right)\text{ und }{r}_{C{R}_x}^n\dot{\psi }\text{ sin }\left({\theta }_k^n+{\varphi }^n\right)-r_{C{R}_y}^n\dot{\psi }\text{ cos }\left({\theta }_k^n+{\varphi }^n\right)+{\dot{r}}_k^n$

  

  umfassen. Der Prozess 400 kann von 420 zu 430 übergehen.
• Bei 430 kann der Prozess 400 beinhalten, dass der Prozessor willkürlich drei repräsentative Punkte auswählt und eine 2D-Ebene findet, die die drei willkürlich ausgewählten repräsentativen Punkte einschließt. Der Prozess 400 kann von 430 zu 440 übergehen.
• Bei 440 kann der Prozess 400 beinhalten, dass der Prozessor den Abstand zwischen jedem repräsentativen Punkt zu der 2D-Ebene, die bei Block 430 zu finden ist, berechnet. Die Berechnung des Abstands kann durch eine Reihe an Vektoroperationen ausgeführt werden. Lass zum Beispiel die drei willkürlich ausgewählten repräsentativen Punkte bei Block 430 jeweils $\overrightarrow{p_1},\overrightarrow{p_2}\text{ und }\overrightarrow{p_3}$

  

  sein. Der normale Vektor $\overrightarrow{n}$

  

  zu der 2D-Ebene, die $\overrightarrow{p_1},\overrightarrow{p_2}\text{ und }\overrightarrow{p_3}$

  

  enthält, kann durch Folgendes gegeben sein: $$\overrightarrow{n}=\left(\overrightarrow{p_1}-\overrightarrow{p_2}\right)\times \left(\overrightarrow{p_3}-\overrightarrow{p_1}\right).$$

  

  Der Abstand zwischen der 2D-Ebene und einem repräsentativen Punkt in dem mathematischen 3D-Raum kann gefunden werden, indem zuerst ein Vektor zwischen dem repräsentativen Punkt und der 2D-Ebene gefunden wird und anschließend ein Punkt-Produkt zwischen dem Vektor und $\overrightarrow{n}$

  

  berechnet wird. Lass insbesondere $\overrightarrow{q_n}$

  

  einen n-ten repräsentativen Punkt in dem mathematischen 3D-Raum sein. Der Abstand d_n zwischen $\overrightarrow{q_n}$

  

  und der 2D-Ebene, die $\overrightarrow{p_1},\overrightarrow{p_2}$

  

  und $\overrightarrow{p_3}$

  

  enthält, ist gegeben durch: $$d_n=\overrightarrow{n}\cdot \left(\overrightarrow{q_n}-\overrightarrow{p_1}\right)/\left|\overrightarrow{n}\right|.$$

  
• Der Prozess 400 kann von 440 zu 450 übergehen.
• Bei 450 kann der Prozess 400 beinhalten, dass der Prozessor die Anzahl an repräsentativen Punkten, die einen Abstand von der 2D-Ebene aufweist, der weniger als ζ ist, zählt oder nachzählt. Je mehr repräsentative Punkte, die nahe einer 2D-Ebene sind, es innerhalb von ζ gibt, desto besser geeignet ist die 2D-Ebene, um die Ausreißer von den Nicht-Ausreißern zu trennen. Das heißt, dass die 2D-Ebene der besten Passung die Ausreißer und die Nicht-Ausreißer am genauesten unterscheiden kann. Die Nicht-Ausreißer der Messdaten bestimmt durch die 2D-Ebene der besten Passung, die durch den RANSAC-Iterationsprozess 400 gefunden werden, würden somit ein Problem der kleinsten Quadrate bilden, das die minimale Verzerrung oder Störung bewirkt durch Messdaten aufweist, die von den Ausreißern stammen (d. h. Messdaten von sich bewegenden Objekten). Der Prozess 400 kann von 450 zu 460 übergehen.
• Bei 460 kann der Prozess 400 beinhalten, dass der Prozessor bestimmt, ob die bei Block 450 erhaltene Zahl mehr als eine zuvor höchste Zahl ist, die in der RANSAC-Iteration erhalten wurde. Falls die bei Block 450 erhaltene Zahl nicht größer als eine zuvor höchste Zahl ist, kann der Prozess 400 von 460 zu 480 übergehen, ohne die 2D-Ebene der besten Passung bei Block 470 zu aktualisieren. Falls die bei Block 450 erhaltene Zahl größer als eine zuvor höchste Zahl ist, kann der Prozess 400 von 460 zu 470 übergehen.
• Bei 470 kann der Prozess 400 beinhalten, dass der Prozessor die 2D-Ebene der besten Passung aktualisiert, sodass sie die 2D-Ebene ist, die in der aktuellen Iterationsrunde bei Block 430 zu finden ist. Der Prozess 400 kann von 470 zu 480 übergehen.
• Bei 480 kann der Prozess 400 beinhalten, dass der Prozessor prüft, ob die maximale Anzahl an Iterationen, M, wie bei Block 410 festgelegt, erreicht worden ist. In einem Fall, in dem die maximale Anzahl an Iterationen nicht erreicht worden ist, kann der Prozess 400 für eine andere Iterationsrunde von 480 zu 430 übergehen. In einem Fall, in dem die maximale Anzahl an Iterationen erreicht worden ist, kann der Prozess 400 von 480 zu 490 übergehen.
• Bei 490 kann der Prozess 400 beinhalten, dass der Prozessor Nicht-Ausreißer und Ausreißer unter den repräsentativen Punkten auf Grundlage der 2D-Ebene der besten Passung, die in den Iterationen zu finden ist, trennt. Die Nicht-Ausreißer können dann verwendet werden, um ein Problem der kleinsten Quadrate zu konstruieren, wie zum Beispiel eines, das durch die Gleichung (17) dargestellt ist.
• Obwohl das Verfahren der Radar-Odometrie wie vorstehend detailliert beschrieben, einschließlich der Gleichungen (1)-(21) sowie des Prozesses 400, unter Verwendung eines Fahrzeugs demonstriert wird, das eine 2D-Ebene durchquert (z. B. das Fahrzeug 10, das die 2D-Ebene 120 wie in 1 gezeigt durchquert), kann das gleiche Verfahren anwendbar sein, um Radar-Odometrie für ein Fahrzeug zu verkörpern, das einen 3D-Raum durchquert (z. B. das Fahrzeug 50, das den 3D-Raum wie in 1 gezeigt durchquert). Das heißt, dass das Verfahren der Radar-Odometrie für ein Fahrzeug, das einen 3D-Raum durchquert, auch das Erfassen einer Vielzahl von stationären und sich bewegenden Objekten innerhalb des 3D-Raums unter Verwendung einer Vielzahl von Radaren des Fahrzeugs, das den 3D-Raum durchquert, um Messdaten zu erhalten, das Durchführen einer RANSAC-Berechnung auf Grundlage der Messdaten, um Messdaten von den stationären Objekten zu identifizieren, sowie das Bilden eines Problems der kleinsten Quadrate mit dynamischen Variablen des Fahrzeugs unter Verwendung der Messdaten von den stationären Objekten beinhalten kann. Für ein Ziel im 3D-Raum können Messdaten auch einen Höhenwinkel (d. h. den Winkel zwischen der Bodenfläche und einem Positionsvektor, der sich von einem Radar des Fahrzeugs 50 zu dem Ziel erstreckt) beinhalten, zusätzlich zu dem radialen Abstand, der radialen Geschwindigkeit und dem Azimutwinkel wie im Fall eines Ziels in einer 2D-Ebene. Es können nämlich für die 3D-Ausführungsform der Radar-Odometrie Gleichungen ähnlich der vorstehenden Gleichungen (1)-(21) für die 2D-Ausführungsform der Radar-Odometrie abgeleitet werden, und es kann ein RANSAC-Prozess ähnlich dem Prozess 400 aus 4 eingesetzt werden, was zu genauen Schätzungen von linearen und Winkelgeschwindigkeiten des Fahrzeugs führt, das den 3D-Raum durchquert, wie zum Beispiel Längsgeschwindigkeit 51, Quergeschwindigkeit 52, vertikaler Geschwindigkeit 53, Rollrate 54, Neigungsrate 55 und Gierrate 56 des Fahrzeugs 50 wie in 1 gezeigt. Es lohnt sich anzumerken, dass für 3D-Ausführungsformen, da bis zu sechs dynamische Variablen zu lösen sind, jeder der repräsentativen Punkte ein Punkt innerhalb eines siebendimensionalen Hyperraums sein kann und daher bis zu sechs Koordinatenkomponenten aufweisen kann. Die Ebene der besten Passung, die in der RANSAC-Iteration zu finden ist, wäre eine sechsdimensionale Hyperebene, die sich in der Nähe eines Großteils der repräsentativen Punkte befindet.
• 5 veranschaulicht ein Ablaufdiagramm, das einen beispielhaften Prozess 500 der Radar-Odometrie gemäß einer Ausführungsform der vorliegenden Offenbarung darstellt. Der Prozess 500 kann einen/eine oder mehrere Operationen, Handlungen oder Funktionen beinhalten, die als Blöcke angezeigt werden, wie etwa 510, 520, 530, 540, 550 und 560 aus 5. Obgleich sie als einzelne Blöcke dargestellt sind, können verschiedene Blöcke des Prozesses 500 je nach gewünschten Umsetzungen in zusätzliche Blöcke unterteilt, zu weniger Blöcken zusammengefasst oder weggelassen werden. Der Prozess 500 kann sowohl auf das Fahrzeug 10 aus 1, das die 2D-Ebene 120 davon durchquert, als auch auf das Fahrzeug 50 aus 1, das den 3D-Raum 130 davon durchquert, anwendbar sein. Der Prozess 500 kann bei Block 510 beginnen.
• Bei 510 kann der Prozess 500 beinhalten, dass ein Prozessor (z. B. ein Computer oder eine anwendungsspezifische integrierte Schaltung) Messdaten von stationären und/oder sich bewegenden Objekten wie durch einen oder mehrere Radare erfasst oder gemessen, die in oder an einem Fahrzeug angeordnet sind, während das Fahrzeug eine umliegende Umgebung durchquert, empfängt. Wie vorstehend beschrieben, können die Messdaten einen radialen Abstand, eine radiale Geschwindigkeit, einen Azimutwinkel, einen Höhenwinkel oder eine Kombination aus zweien oder mehreren davon eines stationären oder sich bewegenden Objekts (z. B. Ziel 60 aus 2) beinhalten. Der Prozess 500 kann von 510 zu 520 übergehen.
• Bei 520 kann der Prozess 500 beinhalten, dass der Prozessor eine RANSAC-Berechnung (z. B. Prozess 400 aus 4) unter Verwendung der bei 510 empfangenen gemessenen Daten durchführt. Das Ergebnis der RANSAC-Berechnung kann verwendet werden, um zu identifizieren, welche der bei 510 empfangenen Messdaten von stationären Objekten sind und welche der bei 510 empfangenen Messdaten von sich bewegenden Objekten sind. Zum Beispiel, wie in 3 gezeigt, können Messdaten, die mit den „Nicht-Ausreißern“ aus 3 verbunden sind (d. h. repräsentative Punkte, die sich in oder nahe der Ebene 320 befinden), als Messdaten von stationären Objekten identifiziert werden. Andererseits können Messdaten, die mit den „Ausreißern“ aus 3 verbunden sind (d. h. repräsentative Punkte, die sich weiter weg von der Ebene 320 befinden), als Messdaten von sich bewegenden Objekten identifiziert werden. Der Prozess 500 kann von 520 zu 530 übergehen.
• Bei 530 kann der Prozess 500 beinhalten, dass der Prozessor ein Problem der kleinsten Quadrate von einer oder mehreren dynamischen Variablen (z. B. lineare Geschwindigkeiten 11, 12, 51, 52 und 53 sowie Winkelgeschwindigkeiten 13, 54, 55 und 56, die in 1 veranschaulicht sind), unter Verwendung der Messdaten von stationären Objekten wie bei 520 identifiziert bildet. Wie vorstehend beschrieben, kann das Problem der kleinsten Quadrate einen Satz an linearen Gleichungen erster Ordnung der einen oder mehreren dynamischen Variablen (z. B. vorstehend gezeigte Gleichung (15) oder (17)) beinhalten. Jede der linearen Gleichungen erster Ordnung weist Koeffizienten auf, die mit den Messdaten der stationären Objekte wie durch die Radare erfasst verbunden oder dafür relevant sind, sowie Installationsparameter der Radare (z. b. Anbringungswinkel ϕ und Positionsvektor ${\overrightarrow{r}}_{CR}$

  

  wie in 2 gezeigt). Zum Beispiel ist jedes Element der vorstehend abgeleiteten Matrizen X, Y, Z, Z' und Wein Koeffizient einer linearen Gleichung erster Ordnung des Problems der kleinsten Quadrate. Der Prozess 500 kann von 530 zu 540 übergehen.
• Bei 540 kann der Prozess 500 beinhalten, dass der Prozessor das bei 530 gebildete Problem der kleinsten Quadrate löst und die dynamischen Variablen des Fahrzeugs erhält, die charakterisieren, wie das Fahrzeug die Umgebung durchquert, die das Fahrzeug umgibt. Zum Beispiel können die Längsgeschwindigkeit 11, die Quergeschwindigkeit 12 und die Gierrate 13 des Fahrzeugs 10 aus 1 im Wesentlichen gleichzeitig erhalten werden, indem das Problem der kleinsten Quadrate, das in Gleichung (17) dargestellt ist, unter Verwendung der Gleichung (19) gelöst wird.
• In einigen Ausführungsformen kann der Prozess 500 bei 540 ferner beinhalten, dass der Prozessor eine oder mehrere sekundäre Variablen auf Grundlage der erhaltenen dynamischen Variablen berechnet. Zum Beispiel kann der Prozessor das Problem der kleinsten Quadrate lösen und eine Längsgeschwindigkeit und eine Quergeschwindigkeit des Fahrzeugs erhalten und ferner einen Seitenschlupfwinkel als eine sekundäre Variable des Fahrzeugs direkt aus einem Verhältnis zwischen der Längsgeschwindigkeit und der Quergeschwindigkeit berechnen. Ein Seitenschlupfwinkel ist als der Winkel zwischen der tatsächlichen Fahrtrichtung des Fahrzeugs und der beabsichtigten Fahrtrichtung des Fahrzeugs definiert. Der Seitenschlupfwinkel spielt eine wichtige Rolle in vielen Bereichen der Fahrzeugdynamik, darunter Stabilitätssteuerung des Fahrzeugs. Jedoch ist die Schätzung des Seitenschlupfwinkels bei vorhandenen Odometrie-Verfahren schwierig, insbesondere aufgrund ungenauer Schätzung der Quergeschwindigkeit des Fahrzeugs. Im Gegensatz dazu kann die Radar-Odometrie gemäß der vorliegenden Offenbarung den Seitenschlupfwinkel direkt aus Längs- und Quergeschwindigkeiten in Echtzeit berechnen, was zu einer Schätzung des Seitenschlupfwinkels mit hoher Genauigkeit führt.
• In einigen Ausführungsformen kann der Prozess 500 bei 540 enden. In einigen Ausführungsformen kann der Prozess 500 von 540 fortgesetzt werden, um weiter Schätzungen, Berechnungen, Anwendungen oder Nachbearbeitung von Daten durchzuführen. Zum Beispiel kann der Prozess 500 von 540 zu 550 übergehen, um das Fahrzeug zu manövrieren, oder von 540 zu 560 übergehen, um die sich bewegenden Objekte zu identifizieren und zu verfolgen, wie nachfolgend beschrieben. Es ist anzumerken, dass 550 und 560 Beispiele für weitere Schritte sind, die der Prozessor im Anschluss an Schritt 540 durchführen kann, und nicht als einschränkend gedacht sind.
• Bei 550 kann der Prozess 500 beinhalten, dass der Prozessor das Fahrzeug auf Grundlage der dynamischen Variablen und/oder anderer sekundärer Variablen, die bei 540 erhalten werden, manövriert, insbesondere, wenn das Fahrzeug ein autonomes Fahrzeug ist. Das heißt, dass der Prozessor das Fahrzeug auf Grundlage der linearen Geschwindigkeiten, Winkelgeschwindigkeiten und/oder des Seitenschlupfwinkels, der bei 540 erhalten wird, steuern, einstellen, kalibrieren oder navigieren kann, manchmal durch eine autonome Fahrsteuerung, mit der das Fahrzeug ausgerüstet ist.
• Bei 560 kann der Prozess 500 beinhalten, dass der Prozessor auf Grundlage der dynamischen Variablen und/oder anderer sekundärer Variablen, die bei 540 erhalten werden, eines oder mehrere der sich bewegenden Objekte identifiziert. Der Prozess 500 kann auch beinhalten, dass der Prozessor das eine oder die mehreren sich bewegenden Objekte verfolgt, während das Fahrzeug die umliegende Umgebung durchquert. In einigen Ausführungsformen kann der Prozessor das eine oder die mehreren sich bewegenden Objekte identifizieren und/oder verfolgen, indem ein imaginärer Rahmen, der als Begrenzungsrahmen bezeichnet wird, um eines oder mehrere der sich bewegenden Objekte festgelegt wird. Ein Begrenzungsrahmen kann um einen Cluster an sich bewegenden Objekten festgelegt werden, d. h. eine Vielzahl von sich bewegenden Objekten, die sich nahe im Raum befinden, insbesondere, wenn sie sich im Wesentlichen in der gleichen Geschwindigkeit bewegen. Der Begrenzungsrahmen um einen Cluster an sich bewegenden Objekten kann durch den Prozessor als ein sich bewegendes Fahrzeug in der umliegenden Umgebung angesehen werden.
• 6 kann verwendet werden, um das Konzept des vorstehend beschriebenen Begrenzungsrahmens weiter zu veranschaulichen. Wie in 6 gezeigt, wird ein Fahrzeug, das mit einem oder mehreren Radaren ausgestattet ist, in 6 als „Host-Fahrzeug“ bezeichnet, durch ein einfarbiges Feld in der Mitte von jedem der Graphen 61, 62 und 63 um die Stelle, die die Koordinate (0, 0) aufweist, dargestellt. Der Graph 61 aus 6 veranschaulicht eine Radarzielkarte mit dem Host-Fahrzeug, das sich bei (0, 0) der Karte befindet, sowie einer Vielzahl von stationären oder sich bewegenden Objekten wie durch die Radare des Host-Fahrzeugs erfasst. Es ist zu beachten, dass eine physische Einheit in der Umgebung, wie zum Beispiel ein Bus, ein LKW, eine Werbetafel oder ein Gebäude, zu mehr als einer Objektmarkierung im Graph 61 beitragen kann. Während zum Beispiel ein LKW an dem Host-Fahrzeug vorbeifährt, können verschiedene Teile des LKWs an unterschiedlichen Stellen des LKWs jeweils durch einen Radar des Host-Fahrzeugs erfasst werden, wodurch sie mit einer entsprechenden Objektmarkierung auf der Radarzielkarte des Graphen 61 beitragen. Mit dem Problem der kleinsten Quadrate, das in Block 530 des Prozesses 500 gebildet und anschließend für die dynamischen Variablen des Host-Fahrzeugs in Block 540 des Prozesses 500 gelöst worden ist, kann der Prozessor des Prozesses 500 immer noch Bewegungslosigkeit eines Objekts bestimmen, d. h. identifizieren, ob sich ein durch die Radare erfasstes Objekt bewegt oder stationär ist. Insbesondere kann Gleichung (8) eingesetzt werden, um Bewegungslosigkeit eines Objekts in einer Umgebung, die das Fahrzeug 10 aus 1 durchquert, zu bestimmen. Lass ${\dot{r}}_k^n$

  

  und ${\theta }_k^n$

  

  jeweils die Messung der radialen Geschwindigkeit und die Messung des Azimutwinkels des Objekts wie durch den nt-ten Radar des Fahrzeugs 10 erfasst sein. Mit der in Block 540 des Prozesses 500 erhaltenen Längsgeschwindigkeit v_{C x} , Quergeschwindigkeit v_{C y} und Gierrate ψ̇ wird das Objekt als stationär angesehen, wenn und nur wenn die folgende Bedingung erfüllt ist: $$\begin{array}{c}\left|{\dot{r}}_k^n+\left(v_{C_y}+r_{C{R}_x}^n\dot{\psi }\right)\text{sin}\left({\theta }_k^n+{\varphi }^n\right)+\left(v_{C_x}-r_{C{R}_x}^n\dot{\psi }\right)\text{cos}\left({\theta }_k^n+{\varphi }^n\right)\right|\\ <\text{max}\left({\dot{r}}_{\eta }^n\right),\end{array}$$

  

  wobei ${\dot{r}}_{\eta }^n$

  

  zusätzliche Geräusche der radialen Geschwindigkeitsmessung im nten Radar sind.
• Es ist zu beachten, dass die linke Seite von (22) nur von v_{C x} , v_{C y} , ψ̇, ${\dot{r}}_k^n\text{ und }{\theta }_k^n$

  

  abhängt, die in jedem Zyklus des Radarbetriebs verfügbar sind. Es ist auch zu beachten, dass die Obergrenze der Bedingung (22) $\text{max}\left({\dot{r}}_{\eta }^n\right)$

  

  ist, wobei es sich in der Regel um eine kleine Zahl handelt, da der Doppler-Radar die genaueste Messung unter verschiedenen Arten von Kraftfahrzeugradaren ist.
• Sobald der Prozessor die Bewegungslosigkeit von jedem der Objekte im Graph 61 unter Verwendung der Bedingung (22) bestimmt, kann der Prozessor Graph 61 mit den Bewegungslosigkeitsinformationen aktualisieren, sodass sich Graph 62 aus 6 ergibt, wobei stationäre Objekte anders als sich bewegende Objekte gekennzeichnet werden. Der Prozessor kann ferner dazu übergehen, einen Begrenzungsrahmen um einen Cluster aus sich bewegenden Objekten zu platzieren oder anderweitig festzulegen, insbesondere, wenn sich der Cluster aus sich bewegenden Objekten mit ähnlicher Geschwindigkeit in eine gleiche Richtung bewegt. Wie in Graph 63 aus 6 gezeigt, sind die Begrenzungsrahmen 631, 632, 633, 634, 635 und 636 um einige Cluster von sich darin bewegenden Objekten festgelegt oder diesen anderweitig zugewiesen worden. Jeder der Begrenzungsrahmen kann eine sich bewegende physische Einheit darstellen, wie zum Beispiel einen LKW, der an dem Host-Fahrzeug vorbeifährt.
• Es lohnt sich, anzumerken, dass der Prozessor dazu in der Lage sein kann, die Schritte 510-560 des Prozesses 500 in einem relativ kurzen Zeitraum (z. B. einigen Millisekunden bis einigen Hundertstel Millisekunden) auszuführen oder anderweitig durchzuführen, sodass der Prozess 500 in einem Anwendungssinn Radar-Optometrie in Echtzeit oder Pseudoechtzeit bereitstellen kann.
• 7 veranschaulicht ein beispielhaftes Blockdiagramm einer Vorrichtung 700 zur Radar-Odometrie (nachfolgend hierin als „Vorrichtung 700“ bezeichnet), die an einem Fahrzeug anwendbar ist, wie zum Beispiel dem Fahrzeug 10 und dem Fahrzeug 50 aus 1. Die Vorrichtung 700 kann eine oder mehrere Radarvorrichtungen beinhalten, wie zum Beispiel die Radare 740(1), 740(2) ... und 740(N), die in 7 gezeigt sind. Die Vorrichtung 700 kann auch einen Prozessor 710 und einen Speicher 720, der dem Prozessor 710 zugänglich ist, beinhalten. Der Prozessor 710 kann kommunikativ an die Radare 740(1)-740(N) sowie an den Speicher 720 gekoppelt sein. Der Speicher 720 kann einen oder mehrere Sätze an Installationsparametern speichern und jeder Satz der Installationsparameter ist mit einem entsprechenden der Radare verbunden. Für jeden Radar kann der verbundene Satz an Installationsparametern einen Anbringungswinkel des Radars sowie eine Stelle des Radars relativ zu einem Referenzpunkt des Fahrzeugs beinhalten, der oft durch einen Positionsvektor dargestellt ist, der sich von dem Referenzpunkt des Fahrzeugs zu dem Radar erstreckt.
• In einigen Ausführungsformen kann der Prozessor 710 eine RANSAC-Schaltung 712 beinhalten, die dazu in der Lage ist, eine RANSAC-Berechnung wie in Block 520 des Prozesses 500 aus 5 ausgeführt durchzuführen. Das heißt, dass die RANSAC-Schaltung 712 dazu in der Lage sein kann, die RANSAC-Berechnung wie durch den Prozess 400 aus 4 beschrieben durchzuführen und eine Ebene der besten Passung (z. B. die Ebene 320 aus 3) zu finden, die verwendet werden kann, um Nicht-Ausreißer, die Messdaten von stationären Objekten darstellen, von Ausreißern, die Messdaten von sich bewegenden Objekten darstellen, wie in 3 gezeigt, zu trennen oder anderweitig zu unterscheiden.
• In einigen Ausführungsformen kann der Prozessor 710 auch eine Schaltung der kleinsten Quadrate 714 beinhalten, die verwendet werden kann, um momentane lineare Geschwindigkeiten (z. B. 11, 12, 51, 52 und 53 in 1) und/oder Winkelgeschwindigkeiten (z. B. 13, 54, 55 und 56 in 1) des Fahrzeugs pro jedem Radarzyklus zu erhalten. Insbesondere kann die Schaltung der kleinsten Quadrate 714 dazu in der Lage sein, ein Problem der kleinsten Quadrate der linearen und/oder Winkelgeschwindigkeiten zu bilden, wie zum Beispiel das Problem der kleinsten Quadrate, das durch Gleichung (9), (15) oder (17) dargestellt ist, auf Grundlage von Messdaten von stationären Objekten. Außerdem kann die Schaltung der kleinsten Quadrate 714 auch dazu in der Lage sein, das Problem der kleinsten Quadrate zu lösen, um die Werte der linearen und/oder Winkelgeschwindigkeiten des Fahrzeugs zu erhalten. In einigen Ausführungsformen kann der Prozessor 710 auch dazu in der Lage sein, eine oder mehrere sekundäre Variablen, wie zum Beispiel einen Seitenschlupfwinkel, auf Grundlage der Werte der linearen und/oder Winkelgeschwindigkeiten, die durch die Schaltung der kleinsten Quadrate 714 erhalten werden, zu berechnen.
• In einigen Ausführungsformen kann der Prozessor 710 ferner eine Obj ektverfolgungsschaltung 716 beinhalten, die dazu in der Lage ist, ein oder mehrere sich bewegende Objekte auf einer Radarzielkarte zu verfolgen, indem ein Begrenzungsrahmen, wie zum Beispiel Begrenzungsrahmen, die im Graph 63 aus 6 gezeigt sind, um einen Cluster aus sich bewegenden Objekten festzulegen, die sich bei im Wesentlichen einer gleichen Geschwindigkeit in im Wesentlichen eine gleiche Richtung bewegen können.
• In einigen Ausführungsformen kann die Vorrichtung 700 auch eine autonome Fahrsteuerung 730 beinhalten, insbesondere, wenn die Vorrichtung 700 in einem autonomen Fahrzeug umgesetzt wird. Durch die autonome Fahrsteuerung 730 kann der Prozessor 710 dazu in der Lage sein, das autonome Fahrzeug auf Grundlage der einen oder mehreren linearen oder Winkelgeschwindigkeiten, die durch die Schaltung der kleinsten Quadrate 714 erhalten werden, sowie von sekundären Variablen, die durch den Prozessor 710 von der einen oder den mehreren linearen oder Winkelgeschwindigkeiten abgeleitet werden, wie zum Beispiel dem Seitenschlupfwinkel, zu manövrieren.
• Es ist offensichtlich, dass alle vorstehend beschriebenen Aspekte, obwohl in Bezug auf eine oder mehrere Radarvorrichtungen beschrieben, auch ebenso für eine beliebige Art von Sensoren gelten können, die dazu in der Lage sind, Doppler-Frequenz zu messen, wie zum Beispiel Lidar-Vorrichtungen oder Ultraschallsensoren.
• In der vorstehenden Offenbarung wurde auf die beigefügten Zeichnungen Bezug genommen, die einen Teil davon bilden und in denen zur Veranschaulichung konkrete Umsetzungen gezeigt sind, in welchen die vorliegende Offenbarung angewendet werden kann. Es versteht sich, dass andere Umsetzungen verwendet werden können und strukturelle Änderungen vorgenommen werden können, ohne vom Umfang der vorliegenden Offenbarung abzuweichen. Bezugnahmen in der Beschreibung auf „eine Ausführungsform“, „ein Ausführungsbeispiel“, „eine beispielhafte Ausführungsform“ usw. geben an, dass die beschriebene Ausführungsform ein(e) bestimmte(s) Merkmal, Struktur oder Eigenschaft beinhalten kann, doch es muss nicht unbedingt jede Ausführungsform diese(s) bestimmte Merkmal, Struktur oder Eigenschaft beinhalten. Darüber hinaus beziehen sich derartige Formulierungen nicht unbedingt auf dieselbe Ausführungsform. Ferner sei darauf hingewiesen, dass, wenn ein(e) konkrete(s) Merkmal, Struktur oder Eigenschaft in Verbindung mit einer Ausführungsform beschrieben wird, es im Bereich des Fachwissens des Fachmanns liegt, ein(e) derartige(s) Merkmal, Struktur oder Eigenschaft in Verbindung mit anderen Ausführungsformen umzusetzen, ob dies nun ausdrücklich beschrieben ist oder nicht. Umsetzungen der hier offenbarten Systeme, Anordnungen, Vorrichtungen und Verfahren können einen Spezial- oder Universalcomputer umfassen oder verwenden, der Computerhardware beinhaltet, wie zum Beispiel einen oder mehrere Prozessoren und Systemspeicher, wie sie hier erläutert sind. Umsetzungen innerhalb des Schutzumfangs der vorliegenden Offenbarung können zudem physische und andere computerlesbare Medien zum Transportieren oder Speichern von computerausführbaren Anweisungen und/oder Datenstrukturen beinhalten. Bei derartigen computerlesbaren Medien kann es sich um beliebige verfügbare Medien handeln, auf die durch ein Universal- oder Spezialcomputersystem zugegriffen werden kann. Bei computerlesbaren Medien, auf denen computerausführbare Anweisungen gespeichert sind, handelt es sich um Computerspeichermedien (-vorrichtungen). Bei computerlesbaren Medien, die computerausführbare Anweisungen transportieren, handelt es sich um Übertragungsmedien. Daher können Umsetzungen der vorliegenden Offenbarung beispielsweise und nicht einschränkend zumindest zwei eindeutig unterschiedliche Arten computerlesbarer Medien umfassen: Computerspeichermedien (-vorrichtungen) und Übertragungsmedien. Computerspeichermedien (-vorrichtungen) beinhalten RAM, ROM, EEPROM, CD-ROM, Festkörperlaufwerke (solid state drives - „SSDs“) (z. B. auf Grundlage von RAM), Flash-Speicher, Phasenwechselspeicher (phase-change memory - „PCM“), andere Speicherarten, andere optische Plattenspeicher, Magnetplattenspeicher oder andere magnetische Speichervorrichtungen oder ein beliebiges anderes Medium, das dazu verwendet werden kann, gewünschte Programmcodemittel in Form von computerausführbaren Anweisungen oder Datenstrukturen zu speichern, und auf das durch einen Universal- oder Spezialcomputer zugegriffen werden kann.
• Eine Umsetzung der in dieser Schrift offenbarten Vorrichtungen, Systeme und Verfahren kann über ein Computernetzwerk kommunizieren. Ein „Netzwerk“ ist als eine oder mehrere Datenverbindungen definiert, die den Transport elektronischer Daten zwischen Computersystemen und/oder Modulen und/oder anderen elektronischen Vorrichtungen ermöglichen. Wenn Informationen über ein Netzwerk oder eine andere Kommunikationsverbindung (entweder festverdrahtet, drahtlos oder eine beliebige Kombination aus festverdrahtet oder drahtlos) auf einen Computer übertragen oder einem Computer bereitgestellt werden, sieht der Computer die Verbindung zweckgemäß als Übertragungsmedium an. Übertragungsmedien können ein Netzwerk und/oder Datenverbindungen beinhalten, die dazu verwendet werden können, gewünschte Programmcodemittel in Form von computerausführbaren Anweisungen oder Datenstrukturen zu transportieren, und auf die durch einen Universal- oder Spezialcomputer zugegriffen werden kann. Kombinationen aus dem Vorstehenden sollten ebenfalls im Umfang computerlesbarer Medien enthalten sein.
• Computerausführbare Anweisungen umfassen zum Beispiel Anweisungen und Daten, die bei Ausführung an einem Prozessor bewirken, dass ein Universalcomputer, ein Spezialcomputer oder eine Spezialverarbeitungsvorrichtung eine bestimmte Funktion oder Gruppe von Funktionen durchführt. Die computerausführbaren Anweisungen können zum Beispiel Binärdateien, Anweisungen in einem Zwischenformat wie etwa Assemblersprache oder auch Quellcode sein. Obwohl der Gegenstand in für Strukturmerkmale und/oder methodische Handlungen spezifischer Sprache beschrieben wurde, versteht es sich, dass der in den beigefügten Patentansprüchen definierte Gegenstand nicht unbedingt auf die vorstehend beschriebenen Merkmale oder Handlungen beschränkt ist. Die beschriebenen Merkmale und Handlungen sind vielmehr als beispielhafte Umsetzungsformen der Patentansprüche offenbart. Der Fachmann wird erkennen, dass die vorliegende Offenbarung in Network-Computing-Umgebungen mit vielen Arten von Computersystemkonfigurationen angewendet werden kann, einschließlich eines Armaturenbrett-Fahrzeugcomputers, PCs, Desktop-Computern, Laptops, Nachrichtenprozessoren, Handgeräten, Multiprozessorsystemen, Unterhaltungselektronik auf Mikroprozessorbasis oder programmierbarer Unterhaltungselektronik, Netzwerk-PCs, Minicomputern, Mainframe-Computern, Mobiltelefonen, PDAs, Tablets, Pagern, Routern, Switches, verschiedener Speichergeräte und dergleichen. Die Offenbarung kann ebenfalls in Umgebungen mit verteilten Systemen angewendet werden, in denen sowohl lokale Computersysteme als auch Remotecomputersysteme, die durch ein Netzwerk (entweder durch festverdrahtete Datenverbindungen, drahtlose Datenverbindungen oder durch eine beliebige Kombination aus festverdrahteten und drahtlosen Datenverbindungen) verbunden sind, Aufgaben ausführen. In einer Umgebung mit verteilten Systemen können sich Programmmodule sowohl in lokalen Speichervorrichtungen als auch in entfernten Speichervorrichtungen befinden.
• Ferner können die in dieser Schrift beschriebenen Funktionen gegebenenfalls in einem oder mehreren der Folgenden durchgeführt werden: Hardware, Software, Firmware, digitalen Komponenten oder analogen Komponenten. Eine oder mehrere anwendungsspezifische integrierte Schaltungen (application specific integrated circuits - ASICs) können beispielsweise dazu programmiert sein, eines bzw. einen oder mehrere der in dieser Schrift beschriebenen Systeme und Vorgänge auszuführen. Bestimmte Ausdrücke werden in der gesamten Beschreibung und den Patentansprüchen verwendet, um auf bestimmte Systemkomponenten Bezug zu nehmen. Der Fachmann wird verstehen, dass auf Komponenten durch unterschiedliche Bezeichnungen Bezug genommen werden kann. In dieser Schrift soll nicht zwischen Komponenten unterschieden werden, die sich dem Namen nach unterscheiden, nicht jedoch der Funktion nach.
• Es ist anzumerken, dass die vorstehend erörterten Sensorausführungsformen Computerhardware, -software, -firmware oder eine beliebige Kombination daraus umfassen können, um mindestens einen Teil ihrer Funktionen durchzuführen. Ein Sensor kann zum Beispiel Computercode beinhalten, der dazu konfiguriert ist, in einem oder mehreren Prozessoren ausgeführt zu werden, und kann Hardware-Logikschaltungen/elektrische Schaltungen beinhalten, die durch den Computercode gesteuert werden. Diese beispielhaften Vorrichtungen sind hier zum Zwecke der Veranschaulichung bereitgestellt und sollen nicht einschränkend sein. Ausführungsformen der vorliegenden Offenbarung können in weiteren Arten von Vorrichtungen umgesetzt werden, wie es dem einschlägigen Fachmann bekannt ist. Zumindest manche Ausführungsformen der vorliegenden Offenbarung sind auf Computerprogrammprodukte ausgerichtet, die eine solche Logik (z. B. in Form von Software) umfassen, die auf einem beliebigen computernutzbaren Medium gespeichert ist. Derartige Software veranlasst bei Ausführung in einer oder mehreren Datenverarbeitungsvorrichtungen eine Vorrichtung dazu, wie in dieser Schrift beschrieben zu funktionieren.
• Wenngleich vorstehend verschiedene Ausführungsformen der vorliegenden Offenbarung beschrieben wurden, versteht es sich, dass diese lediglich als Beispiele dienen und nicht als Einschränkung. Der einschlägige Fachmann wird erkennen, dass verschiedene Änderungen bezüglich Form und Detail daran vorgenommen werden können, ohne vom Geist und Umfang der vorliegenden Offenbarung abzuweichen. Somit sollten die Breite und der Umfang der vorliegenden Offenbarung durch keine der vorstehend beschriebenen beispielhaften Ausführungsformen eingeschränkt werden, sondern lediglich gemäß den folgenden Patentansprüchen und ihren Äquivalenten definiert sein. Die vorstehende Beschreibung ist zum Zwecke der Veranschaulichung und Beschreibung dargelegt worden. Sie erhebt keinerlei Anspruch auf Vollständigkeit und soll die vorliegende Offenbarung nicht auf die genaue offenbarte Form beschränken. Viele Modifikationen und Variationen sind in Anbetracht der vorstehenden Lehren möglich. Ferner ist zu beachten, dass eine beliebige oder alle der vorangehend genannten alternativen Umsetzungen in einer beliebigen gewünschten Kombination genutzt werden können, um zusätzliche Mischumsetzungen der vorliegenden Offenbarung zu bilden.
• Gemäß der vorliegenden Erfindung beinhaltet ein Verfahren: Empfangen von Messdaten von stationären Objekten und sich bewegenden Objekten, die sich in einer Umgebung befinden, die das Fahrzeug durchquert, durch einen Prozessor von einem oder mehreren Radaren, die an oder in einem Fahrzeug angeordnet sind; Durchführen, durch den Prozessor, einer Stichprobenkonsens-(random sample consensus - RANSAC-)Berechnung, um die Messdaten der stationären Objekte zu identifizieren, und Berechnen, durch den Prozessor, von einer oder mehreren dynamischen Variablen des Fahrzeugs auf Grundlage der Messdaten der stationären Objekte.
• Gemäß einer Ausführungsform umfassen die Messdaten einen radialen Abstand, eine radiale Geschwindigkeit, einen Azimutwinkel, einen Höhenwinkel oder eine Kombination aus zwei oder mehreren davon von einem von den stationären Objekten und den sich bewegenden Objekten wie durch einen von dem einen oder den mehreren Radaren erfasst.
• Gemäß einer Ausführungsform umfasst die Umgebung eine zweidimensionale (2D) Ebene, und wobei die eine oder mehreren dynamischen Variablen des Fahrzeugs eine Längsgeschwindigkeit, eine Quergeschwindigkeit und eine Gierrate des Fahrzeugs umfassen. Gemäß einer Ausführungsform umfasst die Umgebung einen dreidimensionalen (3D) Raum, und wobei die eine oder mehreren dynamischen Variablen des Fahrzeugs eine Längsgeschwindigkeit, eine Quergeschwindigkeit, eine vertikale Geschwindigkeit, eine Rollrate, eine Neigungsrate und eine Gierrate des Fahrzeugs umfassen.
• Gemäß einer Ausführungsform umfasst das Durchführen der RANSAC-Berechnung, um die Messdaten der stationären Objekte zu identifizieren: Berechnen einer Vielzahl von repräsentativen Punkten in einem mathematischen Raum, wobei jeder der repräsentativen Punkte mit jeweiligen Messdaten von einem von den stationären Objekten oder sich bewegenden Objekten wie durch einen von dem einen oder den mehreren Radaren erfasst verbunden ist; Finden einer Ebene der besten Passung in dem mathematischen Raum, die einen Großteil der repräsentativen Punkte innerhalb einer vorbestimmten Schwelle einschließt; Identifizieren von einem oder mehreren von repräsentativen Punkten, die sich als Nicht-Ausreißer innerhalb der vorbestimmten Schwelle der Ebene der besten Passung befinden, und Benennen eines Teils der Messdaten, die mit den Nicht-Ausreißern verbunden sind, als die Messdaten der stationären Objekte.
• Gemäß einer Ausführungsform umfasst das Berechnen der einen oder mehreren dynamischen Variablen: Bilden eines Problems der kleinsten Quadrate der einen oder mehreren dynamischen Variablen, wobei das Problem der kleinsten Quadrate einen Satz an linearen Gleichungen erster Ordnung umfasst, die jeweils Koeffizienten aufweisen, die für die Messdaten der stationären Objekte relevant sind; und Lösen des Problems der kleinsten Quadrate, um Werte der einen oder mehreren dynamischen Variablen zu erhalten.
• Gemäß einer Ausführungsform basiert das Berechnen der einen oder mehreren dynamischen Variablen ferner auf einem oder mehreren Sätzen an Installationsparametern, und wobei jeder aus dem einen oder mehreren Sätzen an Installationsparametern mit einem entsprechenden des einen oder der mehreren Radare verbunden ist.
• Gemäß einer Ausführungsform umfasst jeder aus dem einen oder mehreren Sätzen an Installationsparametern einen Anbringungswinkel des entsprechenden des einen oder der mehreren Radare und einen Positionsvektor, der sich von einem Referenzpunkt des Fahrzeugs zu dem entsprechenden des einen oder der mehreren Radare erstreckt.
• Gemäß einer Ausführungsform umfasst das Berechnen der einen oder mehreren dynamischen Variablen: Bilden eines Problems der kleinsten Quadrate der einen oder mehreren dynamischen Variablen, wobei das Problem der kleinsten Quadrate einen Satz an linearen Gleichungen erster Ordnung umfasst, die jeweils Koeffizienten aufweisen, die für die Messdaten der stationären Objekte und den einen oder die mehreren Sätze an Installationsparametern relevant sind; und Lösen des Problems der kleinsten Quadrate, um Werte der einen oder mehreren dynamischen Variablen zu erhalten.
• Gemäß einer Ausführungsform Manövrieren des Fahrzeugs durch den Prozessor auf Grundlage der einen oder mehreren dynamischen Variablen.
• Gemäß der vorliegenden Erfindung ist eine Vorrichtung zur Radar-Odometrie bereitgestellt, die in einem Fahrzeug umsetzbar ist, aufweisend: einen oder mehrere Radare, die in oder an dem Fahrzeug angeordnet sind, wobei jeder von dem einen oder den mehreren Radaren dazu in der Lage ist, Messdaten von einem oder mehreren Objekten in einer Umgebung, die das Fahrzeug durchquert, zu empfangen; einen Speicher, der dazu in der Lage ist, einen oder mehrere Sätze an Installationsparametern zu speichern, wobei jeder von dem einen oder den mehreren Sätzen an Installationsparametern mit einem entsprechenden des einen oder der mehreren Radare verbunden ist; und einen Prozessor, der kommunikativ an den Speicher und den einen oder die mehreren Radare gekoppelt ist und dazu in der Lage ist, eine oder mehrere lineare oder Winkelgeschwindigkeiten des Fahrzeugs auf Grundlage der Messdaten und dem einen oder mehreren Sätzen an Installationsparametern zu berechnen.
• Gemäß einer Ausführungsform umfassen das eine oder die mehreren Objekte ein oder mehrere stationäre Objekte, die stationär in der Umgebung sind, und wobei die Messdaten des einen oder der mehreren Objekte einen radialen Abstand, eine radiale Geschwindigkeit, einen Azimutwinkel, einen Höhenwinkel oder eine Kombination aus zwei oder mehreren davon des einen oder der mehreren stationären Objekte umfassen.
• Gemäß einer Ausführungsform umfasst jeder aus dem einen oder mehreren Sätzen an Installationsparametern einen Anbringungswinkel des entsprechenden des einen oder der mehreren Radare und einen Positionsvektor, der sich von einem Referenzpunkt des Fahrzeugs zu dem entsprechenden des einen oder der mehreren Radare erstreckt.
• Gemäß einer Ausführungsform umfasst die Umgebung eine zweidimensionale (2D) Ebene, und wobei die eine oder mehreren linearen oder Winkelgeschwindigkeiten des Fahrzeugs eine Längsgeschwindigkeit, eine Quergeschwindigkeit und eine Gierrate des Fahrzeugs umfassen. Gemäß einer Ausführungsform umfasst die Umgebung einen dreidimensionalen (3D) Raum, und wobei die eine oder mehreren linearen oder Winkelgeschwindigkeiten des Fahrzeugs eine Längsgeschwindigkeit, eine Quergeschwindigkeit, eine vertikale Geschwindigkeit, eine Rollrate, eine Neigungsrate und eine Gierrate des Fahrzeugs umfassen.
• Gemäß einer Ausführungsform umfassen das eine oder die mehreren Objekte ein oder mehrere stationäre Objekte, die stationär in der Umgebung sind und ein oder mehrere sich bewegende Objekte, die sich in der Umgebung bewegen, und umfasst der Prozessor eine Stichprobenkonsens-(random sample consensus - RANSAC-)Schaltung, die dazu in der Lage ist, jeweilige Messdaten von dem einen oder den mehreren stationären Objekten von jeweiligen Messdaten des einen oder der mehreren sich bewegenden Objekte zu unterscheiden.
• Gemäß einer Ausführungsform umfasst der Prozessor ferner eine Schaltung der kleinsten Quadrate, die dazu in der Lage ist, die eine oder mehreren linearen oder Winkelgeschwindigkeiten des Fahrzeugs auf Grundlage der jeweiligen Messdaten des einen oder der mehreren stationären Objekte und des einen oder der mehreren Sätze an Installationsparametern zu berechnen.
• Gemäß einer Ausführungsform umfasst der Prozessor ferner eine Objektverfolgungsschaltung, die dazu in der Lage ist, einen Cluster zu verfolgen, der eines oder mehrere der sich bewegenden Objekte umfasst, indem ein Begrenzungsrahmen um den Cluster auf Grundlage der jeweiligen Messdaten des einen oder der mehreren der sich bewegenden Objekte festgelegt wird.
• Gemäß einer Ausführungsform umfassen die eine oder mehreren linearen oder Winkelgeschwindigkeiten des Fahrzeugs eine Längsgeschwindigkeit und eine Quergeschwindigkeit des Fahrzeugs, und wobei der Prozessor ferner dazu in der Lage ist, einen Seitenschlupfwinkel auf Grundlage eines Verhältnisses zwischen der Längsgeschwindigkeit und der Quergeschwindigkeit zu berechnen.
• Gemäß einer Ausführungsform ist die Erfindung ferner durch eine autonome Fahrsteuerung gekennzeichnet, wobei das Fahrzeug ein autonomes Fahrzeug ist, und wobei der Prozessor ferner dazu in der Lage ist, das autonome Fahrzeug durch die autonome Fahrsteuerung auf Grundlage von der einen oder den mehreren linearen oder Winkelgeschwindigkeiten zu manövrieren.

Claims (15)

1. Verfahren, umfassend: Empfangen von Messdaten von stationären Objekten und sich bewegenden Objekten, die sich in einer Umgebung befinden, die das Fahrzeug durchquert, durch einen Prozessor von einem oder mehreren Radaren, die an oder in einem Fahrzeug angeordnet sind; Durchführen, durch den Prozessor, einer Stichprobenkonsens-(random sample consensus - RANSAC-)Berechnung, um die Messdaten der stationären Objekte zu identifizieren, und Berechnen, durch den Prozessor, von einer oder mehreren dynamischen Variablen des Fahrzeugs auf Grundlage der Messdaten der stationären Objekte.
2. Verfahren nach Anspruch 1, wobei die Messdaten einen radialen Abstand, eine radiale Geschwindigkeit, einen Azimutwinkel, einen Höhenwinkel oder eine Kombination aus zwei oder mehreren davon von einem von den stationären Objekten und den sich bewegenden Objekten wie durch einen von dem einen oder den mehreren Radaren erfasst umfassen.
3. Verfahren nach Anspruch 1, wobei die Umgebung eine zweidimensionale (2D) Ebene umfasst, und wobei die eine oder mehreren dynamischen Variablen des Fahrzeugs eine Längsgeschwindigkeit, eine Quergeschwindigkeit und eine Gierrate des Fahrzeugs umfassen.
4. Verfahren nach Anspruch 1, wobei die Umgebung einen dreidimensionalen (3D) Raum umfasst, und wobei die eine oder mehreren dynamischen Variablen des Fahrzeugs eine Längsgeschwindigkeit, eine Quergeschwindigkeit, eine vertikale Geschwindigkeit, eine Rollrate, eine Neigungsrate und eine Gierrate des Fahrzeugs umfassen.
5. Verfahren nach Anspruch 1, wobei das Durchführen der RANSAC-Berechnung, um die Messdaten der stationären Objekte zu identifizieren, Folgendes umfasst: Berechnen einer Vielzahl von repräsentativen Punkten in einem mathematischen Raum, wobei jeder der repräsentativen Punkte mit jeweiligen Messdaten von einem von den stationären Objekten oder sich bewegenden Objekten wie durch einen von dem einen oder den mehreren Radaren erfasst verbunden ist; Finden einer Ebene der besten Passung in dem mathematischen Raum, die einen Großteil der repräsentativen Punkte innerhalb einer vorbestimmten Schwelle einschließt; Identifizieren von einem oder mehreren von repräsentativen Punkten, die sich als Nicht-Ausreißer innerhalb der vorbestimmten Schwelle der Ebene der besten Passung befinden, und Benennen eines Teils der Messdaten, die mit den Nicht-Ausreißern verbunden sind, als die Messdaten der stationären Objekte.
6. Verfahren nach Anspruch 1, wobei das Berechnen der einen oder mehreren dynamischen Variablen Folgendes umfasst: Bilden eines Problems der kleinsten Quadrate der einen oder mehreren dynamischen Variablen, wobei das Problem der kleinsten Quadrate einen Satz an linearen Gleichungen erster Ordnung umfasst, die jeweils Koeffizienten aufweisen, die für die Messdaten der stationären Objekte relevant sind; und Lösen des Problems der kleinsten Quadrate, um Werte der einen oder mehreren dynamischen Variablen zu erhalten.
7. Verfahren nach Anspruch 1, wobei das Berechnen der einen oder mehreren dynamischen Variablen ferner auf einem oder mehreren Sätzen an Installationsparametern basiert, wobei jeder aus dem einen oder mehreren Sätzen an Installationsparametern mit einem entsprechenden aus dem einen oder mehreren Radaren verbunden ist, wobei jeder aus dem einen oder den mehreren Sätzen an Installationsparametern einen Anbringungswinkel des entsprechenden von dem einen oder den mehreren Radaren und einen Positionsvektor umfasst, der sich von einem Referenzpunkt des Fahrzeugs zu dem entsprechenden von dem einen oder den mehreren Radaren erstreckt, und wobei das Berechnen der einen oder mehreren dynamischen Variablen Folgendes umfasst: Bilden eines Problems der kleinsten Quadrate der einen oder mehreren dynamischen Variablen, wobei das Problem der kleinsten Quadrate einen Satz an linearen Gleichungen erster Ordnung umfasst, die jeweils Koeffizienten aufweisen, die für die Messdaten der stationären Objekte und den einen oder die mehreren Sätze an Installationsparametern relevant sind; und Lösen des Problems der kleinsten Quadrate, um Werte der einen oder mehreren dynamischen Variablen zu erhalten.
8. Verfahren nach Anspruch 1, ferner umfassend: Manövrieren des Fahrzeugs durch den Prozessor auf Grundlage der einen oder mehreren dynamischen Variablen.
9. Vorrichtung zur Radar-Odometrie, die in einem Fahrzeug umsetzbar ist, umfassend: einen oder mehrere Radare, die in oder an dem Fahrzeug angeordnet sind, wobei jeder von dem einen oder den mehreren Radaren dazu in der Lage ist, Messdaten von einem oder mehreren Objekten in einer Umgebung, die das Fahrzeug durchquert, zu empfangen; einen Speicher, der dazu in der Lage ist, einen oder mehrere Sätze an Installationsparametern zu speichern, wobei jeder von dem einen oder den mehreren Sätzen an Installationsparametern mit einem entsprechenden des einen oder der mehreren Radare verbunden ist; und einen Prozessor, der kommunikativ an den Speicher und den einen oder die mehreren Radare gekoppelt ist und dazu in der Lage ist, eine oder mehrere lineare oder Winkelgeschwindigkeiten des Fahrzeugs auf Grundlage der Messdaten und des einen oder der mehreren Sätzen an Installationsparametern zu berechnen.
10. Vorrichtung zur Radar-Odometrie nach Anspruch 9, wobei das eine oder die mehreren Objekte ein oder mehrere stationäre Objekte umfassen, die stationär in der Umgebung sind, und wobei die Messdaten des einen oder der mehreren Objekte einen radialen Abstand, eine radiale Geschwindigkeit, einen Azimutwinkel, einen Höhenwinkel oder eine Kombination aus zwei oder mehreren davon des einen oder der mehreren stationären Objekte umfassen.
11. Vorrichtung zur Radar-Odometrie nach Anspruch 9, wobei jeder aus dem einen oder den mehreren Sätzen an Installationsparametern einen Anbringungswinkel des entsprechenden von dem einen oder den mehreren Radaren und einen Positionsvektor umfasst, der sich von einem Referenzpunkt des Fahrzeugs zu dem entsprechenden von dem einen oder den mehreren Radaren erstreckt, wobei die eine oder mehreren linearen oder Winkelgeschwindigkeiten des Fahrzeugs eine Längsgeschwindigkeit und eine Quergeschwindigkeit des Fahrzeugs umfassen, und wobei der Prozessor ferner dazu in der Lage ist, einen Seitenschlupfwinkel auf Grundlage eines Verhältnisses zwischen der Längsgeschwindigkeit und der Quergeschwindigkeit zu berechnen.
12. Vorrichtung zur Radar-Odometrie nach Anspruch 9, wobei die Umgebung eine zweidimensionale (2D) Ebene umfasst, und wobei die eine oder mehreren linearen oder Winkelgeschwindigkeiten des Fahrzeugs eine Längsgeschwindigkeit, eine Quergeschwindigkeit und eine Gierrate des Fahrzeugs umfassen.
13. Vorrichtung zur Radar-Odometrie nach Anspruch 9, wobei die Umgebung einen dreidimensionalen (3D) Raum umfasst, und wobei die eine oder mehreren linearen oder Winkelgeschwindigkeiten des Fahrzeugs eine Längsgeschwindigkeit, eine Quergeschwindigkeit, eine vertikale Geschwindigkeit, eine Rollrate, eine Neigungsrate und eine Gierrate des Fahrzeugs umfassen.
14. Vorrichtung zur Radar-Odometrie nach Anspruch 9, wobei: das eine oder die mehreren Objekte ein oder mehrere stationäre Objekte, die stationär in der Umgebung sind und ein oder mehrere sich bewegende Objekte, die sich in der Umgebung bewegen, umfassen, und der Prozessor Folgendes umfasst: eine Stichprobenkonsens-(random sample consensus - RANSAC-)Schaltung, die dazu in der Lage ist, jeweilige Messdaten von dem einen oder den mehreren stationären Objekten von jeweiligen Messdaten des einen oder der mehreren sich bewegenden Objekte zu unterscheiden; eine Schaltung der kleinsten Quadrate, die dazu in der Lage ist, die eine oder mehreren linearen oder Winkelgeschwindigkeiten des Fahrzeugs auf Grundlage der jeweiligen Messdaten des einen oder der mehreren stationären Objekte und des einen oder der mehreren Sätze an Installationsparametern zu berechnen; und eine Objektverfolgungsschaltung, die dazu in der Lage ist, einen Cluster zu verfolgen, der eines oder mehrere der sich bewegenden Objekte umfasst, indem ein Begrenzungsrahmen um den Cluster auf Grundlage der jeweiligen Messdaten des einen oder der mehreren der sich bewegenden Objekte festgelegt wird.
15. Vorrichtung zur Radar-Odometrie nach Anspruch 9, ferner umfassend: eine autonome Fahrsteuerung, wobei das Fahrzeug ein autonomes Fahrzeug ist, und wobei der Prozessor ferner dazu in der Lage ist, das autonome Fahrzeug durch die autonome Fahrsteuerung auf Grundlage von der einen oder den mehreren linearen oder Winkelgeschwindigkeiten zu manövrieren.

Images