DE112021005777T5

DE112021005777T5 - Systeme und Verfahren zum Entfernungsraten-Dealiasing unter Verwendung einer Positionskonsistenz

Info

Publication number: DE112021005777T5
Application number: DE112021005777.4T
Authority: DE
Inventors: Xiufeng Song; Avinash Ajit Nargund
Original assignee: Ford Global Technologies LLC
Current assignee: Ford Global Technologies LLC
Priority date: 2020-11-02
Filing date: 2021-10-08
Publication date: 2024-02-15
Also published as: US20220137202A1; US11662454B2; WO2022093513A1; CN116670536A

Abstract

Systeme und Verfahren zum Betrieb von Radarsystemen. Die Verfahren umfassen, durch einen Prozessor: Empfang von Punktwolkeninformationen, die von mindestens einem Radargerät erzeugt werden, und eine räumliche Beschreibung für ein Objekt; Erzeugen einer Vielzahl von Punktwolkensegmenten durch Gruppieren von Datenpunkten der Punktwolkeninformationen basierend auf der räumlichen Beschreibung; Anordnen der Punktwolkensegmente in einer zeitlichen Reihenfolge, um eine versuchsweise Radarspur zu definieren; Durchführen von Dealiasing-Vorgängen unter Verwendung der versuchsweisen Radarspur zum Generieren von Tracker-Initialisierungsinformationen; und verwenden Sie die Tracker-Initialisierungsinformationen, um eine Spur für das Objekt zu generieren.

Description

QUERVERWEIS UND PRIORITÄTSBEANSPRUCHUNG
Dieses Patentdokument beansprucht die Priorität der am 17. November 2020 eingereichten US-Patentanmeldung Nr. 17/086,559 , auf die hier Bezug genommen wird.
HINTERGRUND
Technisches Gebiet
Die vorliegende Offenbarung bezieht sich allgemein auf Radarsysteme. Insbesondere bezieht sich die vorliegende Offenbarung auf die Implementierung von Systemen und Verfahren zu einem Entfernungsraten-Dealiasing bzw. einem „Range-Rate“-Dealiasing unter Verwendung einer Positionskonsistenz.
Beschreibung des Standes der Technik
Radarsysteme werden häufig zur Erkennung von Anwesenheit, Richtung, Entfernung und Geschwindigkeit von Objekten verwendet. Bei den Objekten kann es sich um Fahrzeuge, Schiffe, Flugzeuge, Fußgänger, Tiere, Bäume und/oder Gebäude handeln. Während des Betriebs sendet ein Radarsystem ein Signal aus, das von einem Objekt zurück zu den Radarsystemen reflektiert wird. Das reflektierte Signal wird vom Radarsystem empfangen. Das empfangene Signal gibt Aufschluss über den Standort und die Geschwindigkeit des Objekts. Wenn sich beispielsweise ein Objekt entweder auf das Radarsystem zu oder von diesem wegbewegt, hat das empfangene Signal aufgrund des Dopplereffekts eine etwas andere Frequenz als die Frequenz des ausgesendeten Signals.
ZUSAMMENFASSUNG DER ERFINDUNG
Die vorliegende Offenbarung betrifft die Implementierung von Systemen und Verfahren zum Betreiben eines Radarsystems. Die Verfahren umfassen das Durchführen der folgenden Operationen durch einen Prozessor: Empfangen von Punktwolkeninformationen, die durch mindestens eine Radarvorrichtung erzeugt werden, und einer räumlichen Beschreibung für ein Objekt; Erzeugen einer Vielzahl von Punktwolkensegmenten durch Gruppieren von Datenpunkten der Punktwolkeninformationen basierend auf der räumlichen Beschreibung; Anordnen der Punktwolkensegmente in einer zeitlichen Reihenfolge, um eine versuchsweise oder auch vorläufige oder auch provisorische („tentative“) Radarspur zu definieren; Durchführen von Dealiasing-Operationen unter Verwendung der versuchsweisen Radarspur, um Verfolgungsinitialisierungsinformationen zu erzeugen; und Verwenden der Verfolgungsinitialisierungsinformationen, um eine Spur für das Objekt zu erzeugen.
In einigen Szenarien kann ein einzelner Datenpunkt ein Punktwolkensegment bilden, wenn er von den anderen Datenpunkten entfernt ist. In anderen Szenarien werden mindestens zwei Datenpunkte zusammengefasst, um ein Punktwolkensegment zu bilden, wenn: ein euklidischer Abstand zwischen den zwei Datenpunkten kleiner als ein Schwellenwert ist; eine absolute Differenz zwischen den Entfernungsratenwinkeln („Range Rate Angles“) der zwei Datenpunkte kleiner als ein Schwellenwert ist; und/oder eine Differenz zwischen Entfernungsratenamplituden („Range Rate Amplitudes“) der zwei Datenpunkte kleiner als ein Schwellenwert ist.
In diesen oder anderen Szenarien umfassen die Dealiasing-Operationen: Ein Berechnen eines mittleren oder durchschnittlichen Entfernungsratenwerts und eines mittleren oder durchschnittlichen Geschwindigkeitsmehrdeutigkeitswerts für jedes Punktwolkensegment und die versuchsweise Radarspur; ein Berechnen eines Entfernungsraten-Differenzwerts zwischen dem mittleren Entfernungsratenwert für ein gegebenes Punktwolkensegment und dem mittleren Entfernungsratenwert für die versuchsweise Radarspur; ein Vergleichen des Entfernungsraten-Differenzwerts mit einem Schwellenwert; ein Bestimmen, dass der Entfernungsratendifferenzwert nahe der mittleren Geschwindigkeitsmehrdeutigkeit für die versuchsweise Radarspur liegt, wenn die Entfernungsratendifferenz größer als der Schwellenwert ist; und/oder ein Bestimmen, dass ein Grenzfall („edge case“) vorliegt, wenn eine Bestimmung durchgeführt wird, dass der Entfernungsratendifferenzwert nahe der mittleren Geschwindigkeitsmehrdeutigkeit für die versuchsweise Radarspur liegt.
In diesen oder anderen Szenarien umfassen die Dealiasing-Operationen das Durchführen eines Positions-Konsistenz-Dealiasing-Algorithmus. Der Positions-Konsistenz-Dealiasing-Algorithmus beinhaltet das Schätzen einer mittleren Entfernungsrate in Übereinstimmung mit einer mathematischen Gleichung $R R_{e s t i m a t e} = (P_{t} - P_{s}) / (T V_{a v e r a g e - T} - T V_{a v e r a g e - S})$
wobei RR_estimate eine geschätzte mittlere Entfernungsrate („Range Rate“) ist, P_r eine Position der versuchsweisen Radarspur ist, P_s eine Position eines gegebenen Punktwolkensegments ist, TV_average-T eine mittlere Gültigkeitsdauer für die versuchsweise Radarspur ist, und TV_average-S eine mittlere Gültigkeitsdauer für das gegebene Punktwolkensegment ist.
Der Positions-Konsistenz-Dealiasing-Algorithmus beinhaltet auch das Bestimmen einer Vielzahl von möglichen K-Werten gemäß einer mathematischen Gleichung $| R R_{m e a s u r e d} + K * B_{a v e r a g e - S} | \leq ν_{g}$
wobei RR_measured eine gemessene Entfernungsrate für einen gegebenen Datenpunkt ist, B_average-S eine mittlere Geschwindigkeitsmehrdeutigkeit für ein gegebenes Punktwolkensegment ist und v_g eine rationale Höchstgeschwindigkeit über dem Grund ist. K ist eine ganze Zahl (positiv, negativ oder null). Die möglichen K Werte werden dann verwendet, um eine Vielzahl von Entfernungsraten-Hypothesenwerten gemäß der mathematischen Gleichung $R R_{h y p o t h e s i s} = R R_{a v e r a g e - T} + K * B_{a v e r a g e - S}$
zu erzeugen, wobei die RR_hypothesis ein Entfernungsraten-Hypothesenwert ist und RR_average-T eine mittlere Entfernungsrate für die versuchsweise Radarspur ist. Eine Hypothese wird akzeptiert, wenn ein jeweiliger der Vielzahl von Entfernungsraten-Hypothesenwerten kleiner als ein vorgegebener Schwellenwert ist. Wenn eine Hypothese akzeptiert wird, wird eine absolute Differenz zwischen der geschätzten mittlere Entfernungsrate und einem gegebenen Entfernungsraten-Hypothesenwert der Vielzahl von Entfernungsraten-Hypothesenwerten bestimmt. Der Positions-Konsistenz-Dealiasing-Algorithmus wird als erfolgreich betrachtet, wenn die absolute Differenz größer als ein Schwellenwert ist. Ein wahrer Entfernungsratenwert wird bestimmt, wenn der Positions-Konsistenz-Dealiasing-Algorithmus als erfolgreich betrachtet wird. Die wahre Entfernungsrate wird verwendet, um die Verfolgungsinitialisierungsinformation zu erzeugen.
Die Implementierungssysteme können Folgendes umfassen: einen Prozessor; und ein nichtflüchtiges computerlesbares Speichermedium, das Programmieranweisungen umfasst, die konfiguriert sind, den Prozessor zu veranlassen, ein Verfahren zum Betreiben eines automatisierten Systems zu implementieren. Die oben beschriebenen Verfahren können auch durch ein Computerprogrammprodukt implementiert werden, das einen Speicher und Programmieranweisungen umfasst, die konfiguriert sind, um zu bewirken, dass ein Prozessor Operationen durchführt.
KURZE BESCHREIBUNG DER ZEICHNUNGEN
Die vorliegende Lösung wird unter Bezugnahme auf die folgenden Zeichnungen beschrieben, in denen gleiche Bezugszeichen in den Figuren gleiche Elemente darstellen sollen:

1 stellt eine Darstellung eines veranschaulichenden Radarsystems bereit.
2 stellt eine Darstellung eines veranschaulichenden Radargeräts bereit.
3 stellt ein Diagramm bereit, das zum Verständnis der vorliegenden Lösung nützlich ist.
4 stellt ein Flussdiagramm zum Betreiben des Radarsystems von 1 bereit.
5 stellt Graphen bereit, die zum Verständnis des Spursegment-Dealiasing bei einer versuchsweisen Radarspur nützlich sind.
6 stellt ein Flussdiagramm eines veranschaulichenden Verfahrens für ein Spursegment-Dealiasing bei einer versuchsweisen Radarspur bereit.
7 stellt eine Darstellung eines Systems bereit, das das in Bezug auf die 1-6 beschriebene Radarsystem implementiert.
8 ist eine Veranschaulichung einer veranschaulichenden Architektur für ein Fahrzeug.
9 ist eine Veranschaulichung einer veranschaulichenden Computervorrichtung.
10 stellt ein Blockdiagramm bereit, das zum Verständnis nützlich ist, wie die Steuerung eines Fahrzeugs gemäß der vorliegenden Lösung erreicht wird.

DETAILLIERTE BESCHREIBUNG
Wie in diesem Dokument verwendet, sollen Singularformen wie „ein / eine“ und „der / die / das“ auch den Plural referenzieren, es sei denn, der Kontext schreibt eindeutig etwas anderes vor. Sofern nicht anders definiert, haben alle hierin verwendeten technischen und wissenschaftlichen Begriffe die gleichen Bedeutungen, wie sie vom Durchschnittsfachmann allgemein verstanden werden. Wie in diesem Dokument verwendet, soll der Begriff „umfassend“ in Sinne von „einschließend“ verstanden werden, ohne darauf beschränkt zu sein. Weitere Begriffe, die für dieses Dokument relevant sind, sind am Ende dieser detaillierten Beschreibung enthalten.
Eine „elektronische Vorrichtung“ oder eine „Rechenvorrichtung“ bezieht sich auf eine Vorrichtung, die einen Prozessor und einen Speicher umfasst. Jede Vorrichtung kann ihren eigenen Prozessor und/oder Speicher aufweisen, oder der Prozessor und/oder der Speicher können mit anderen Vorrichtungen, wie in einer virtuellen Maschine oder einer Containeranordnung, gemeinsam genutzt werden. Der Speicher enthält oder empfängt Programmieranweisungen, die, wenn sie durch den Prozessor ausgeführt werden, die elektronische Vorrichtung veranlassen, eine oder mehrere Operationen gemäß den Programmieranweisungen durchzuführen.
Die Begriffe „Speicher“, „Speichervorrichtung“, „Datenspeicher“, „Datenspeicher“ und dergleichen beziehen sich jeweils auf eine nichtflüchtige Vorrichtung, auf der computerlesbare Daten, Programmierungen, Anweisungen oder beides gespeichert werden. Mit Ausnahme dort, wo ausdrücklich anders angegeben, sollen die Begriffe „Speicher“, „Speichervorrichtung“, „Datenspeicher“, „Datenspeicher“ und dergleichen einzelne Vorrichtungsausführungsformen umfassen oder Ausführungsformen, bei denen mehrere Speichervorrichtungen zusammen einen Satz von Daten oder Anweisungen sowie einzelne Sektoren innerhalb solcher Vorrichtungen speichern oder gemeinsam speichern.
Die Begriffe „Prozessor“ und „Verarbeitungsvorrichtung“ beziehen sich auf eine Hardwarekomponente einer elektronischen Vorrichtung, die konfiguriert ist, um Programmieranweisungen auszuführen. Mit der Ausnahme dort, wo ausdrücklich anders angegeben, soll der singuläre Begriff „Prozessor“ oder „Verarbeitungsvorrichtung“ sowohl Einzelverarbeitungsvorrichtungsausführungsformen als auch Ausführungsformen umfassen, in denen mehrere Verarbeitungsvorrichtungen zusammen oder gemeinsam einen Prozess durchführen.
Der Begriff „Fahrzeug“ bezieht sich auf eine beliebige bewegliche Beförderungsform, die in der Lage ist, entweder einen oder mehrere menschliche Insassen und/oder Fracht zu tragen, und wird durch eine beliebige Form von Energie angetrieben. Der Begriff „Fahrzeug“ beinhaltet, ohne darauf beschränkt zu sein, Autos, Lastkraftwagen, Vans, Züge, autonome Fahrzeuge, Flugzeuge, Luftdrohnen und dergleichen. Ein „autonomes Fahrzeug“ ist ein Fahrzeug mit einem Prozessor, Programmieranweisungen und Antriebsstrangkomponenten, die durch den Prozessor steuerbar sind, ohne einen menschlichen Bediener zu erfordern. Ein autonomes Fahrzeug kann vollständig autonom sein, indem es keinen menschlichen Bediener für die meisten oder alle Fahrbedingungen und Funktionen benötigt, oder es kann halbautonom sein, indem ein menschlicher Bediener unter bestimmten Bedingungen oder für bestimmte Operationen erforderlich sein kann, oder ein menschlicher Bediener kann das autonome System des Fahrzeugs außer Kraft setzen und kann die Steuerung des Fahrzeugs übernehmen, oder es kann ein vom Menschen betriebenes Fahrzeug sein, das mit einem fortgeschrittenen Fahrerassistenzsystem ausgestattet ist.
In diesem Dokument sollen, wenn Begriffe wie z.B. für einen „ersten“ und einen „zweiten“ Wert verwendet werden, um ein Nomen zu modifizieren, eine solche Verwendung lediglich dazu bestimmt werden, einen Gegenstand von einem anderen zu unterscheiden, und dies soll keine sequentielle Reihenfolge implizieren, sofern nicht speziell angegeben. Zusätzlich sollen Begriffe für relative Positionen, wie z.B. der Vertikalen und der Horizontalen, oder der Vorderseite und der Rückseite, wenn sie verwendet werden, relativ zueinander verstanden werden und müssen nicht absolut sein, und beziehen sich nur auf eine mögliche Position der Vorrichtung, die diesen Begriffen in Abhängigkeit von der Orientierung der Vorrichtung zugeordnet ist.
Die Begriffe „Spur“ und „Radarspur“ beziehen sich allgemein auf eine räumliche Beschreibung, die ein Objekt durch seine Kinematik und/oder Klassifizierungsattribute identifiziert. Eine Spur- und Radarspur kann ohne Einschränkung einen Standort (z.B. eine x-Koordinate, eine y-Koordinate und/oder eine z-Koordinate), eine Entfernungsrate und eine Geschwindigkeit (z.B. Geschwindigkeit plus eine Fahrtrichtung) für jeden Datenpunkt einer Punktwolke beinhalten, die dem Objekt zugeordnet ist. Techniken zum Erzeugen von Spuren können - ohne einschränkend gemeint zu sein - die Verwendung eines Spurfilters beinhalten. Der Spurfilter kann ein Kalman-Filter, ein erweiterter Kalman-Filter, ein „Unscented“-Kalman-Filter und/oder ein Partikelfilter umfassen, ist aber nicht darauf beschränkt.
Die Begriffe „Tracker-Initialisierer“ und „Initialisierer“ beziehen sich allgemein auf einen oder mehrere Werte, die verwendet werden, um einen Algorithmus zum Erzeugen einer Spur- oder Radarspur zu initialisieren. Z.B. kann der Radarspurinitialisierer einen oder mehrere Initialisierungseingangswerte für einen Spurfilter beinhalten. Das Spurfilter kann auf der ersten Detektion eines Objekts initialisiert werden. Die Detektion erzeugt Punktwolkeninformationen, die für jeden Datenpunkt ohne Einschränkung eine x-Koordinate, eine y-Koordinate, eine Kovarianzmetrik von x und y, einen Bereich, eine Geschwindigkeit in der x-Richtung, eine Geschwindigkeit in der y-Richtung, eine Kovarianzmetrik der Geschwindigkeit in der x-Richtung, eine Kovarianz der Geschwindigkeit in der y-Richtung und/oder eine Azimutmessung für ein erfasstes Objekt umfassen. Ein oder mehrere dieser aufgelisteten Werte können als Eingangswerte verwendet werden, um den Spurfilter zu initialisieren. Somit kann ein Radarspurinitialisierer eine x-Koordinate, eine y-Koordinate, eine Kovarianzmetrik von x und y, einen Bereich, eine Geschwindigkeit in der x-Richtung, eine Geschwindigkeit in der y-Richtung, eine Kovarianzmetrik der Geschwindigkeit in der x-Richtung, eine Kovarianz der Geschwindigkeit in der y-Richtung und/oder eine Azimutmessung für ein erfasstes Objekt umfassen, ist aber nicht darauf beschränkt.
Die vorliegende Erfindung betrifft die Implementierung von Systemen und Verfahren für ein Entfernungsraten-Dealiasing. Die Verfahren beinhalten im Allgemeinen: Erhalten einer räumlichen Beschreibung für einen Zyklus (z.B. eine Position (d. h. x-Koordinate, y-Koordinate), eine Geschwindigkeit (d.h. eine Geschwindigkeit plus Fahrtrichtung), eine Geschwindigkeitsmehrdeutigkeit B, eine Entfernungsrate RR, einen Entfernungsratenwinkel usw. für eine Vielzahl von Datenpunkten); optional Akkumulieren von N räumlichen Beschreibungen (z.B. eine räumliche Beschreibung für einen Zyklus c1, eine räumliche Beschreibung für einen Zyklus c2, usw.); Anordnen von Datenpunkten in Punktwolkensegmenten S_n auf der Grundlage von x-Koordinaten, y-Koordinaten und Entfernungsraten; sequentielles Organisieren der Punktwolkensegmente auf der Grundlage von Zeitinformationen, um eine versuchsweise Radarspur T_tentitive zu definieren, Durchführen von Spursegment-Dealiasing bei der versuchsweisen Radarspur, um eine wahre Entfernungsrate RR_true zu erzeugen, unter Verwendung der wahren Entfernungsrate RR_true, um einen Tracker-Initialisierer zu erzeugen, Bereitstellen des Tracker-Initialisierers an einen Tracker, um eine Radarspur zu erzeugen, die eine räumliche Beschreibung für einen gegebenen Zyklus definiert; und Bereitstellen der räumlichen Beschreibung für den Dealiaser zur Verwendung in einer nächsten Iteration des Entfernungsraten-Dealiasing.
Das versuchsweise Radarspursegment-Dealiasing beinhaltet im Allgemeinen: Berechnen einer mittleren Entfernungsrate (z.B. 35.1 oder 5.1) und einer mittleren Geschwindigkeitsmehrdeutigkeit für ein gegebenes Punktwolkensegment S_n (z.B. 30); Berechnen einer mittleren Entfernungsrate (z.B. 35) und einer mittleren Geschwindigkeitsmehrdeutigkeit von der versuchsweisen Radarspur T_tentitive (z.B. 30); Berechnen einer Differenz (z.B. 35-35.1 = 0.1 oder 35-5.1 = 29.9) zwischen der mittleren Entfernungsrate des Punktwolkensegments S_n und der mittleren Entfernungsrate der versuchsweisen Radarspur T_tentitive, Vergleichen der Differenz (z.B. 0.1 oder 29.9) mit einem Schwellenwert (z.B. 1 oder 2); Setzen eines ersten Flags, das anzeigt, dass ein Grenzfall wahr ist, wenn die Differenz größer als der Schwellenwert ist (z.B. 29.9 > 1 oder 2) und die Differenz nahe der mittleren Geschwindigkeitsmehrdeutigkeit (z.B. 29.9 ist nahe bei 30) (andernfalls wird ein zweites Flag gesetzt, das anzeigt, dass eine Positionskonsistenz nicht verwendet werden kann); Durchführen eines Positionskonsistenzalgorithmus, wenn die Differenz kleiner als der Schwellenwert ist (z.B. 0.1 < 1 oder 2); und Berechnen einer wahren Entfernungsrate RR_true für jeden Datenpunkt in dem Segment (RR = RR_true + K*B), wenn das erste Flag anzeigt, dass der Grenzfall wahr ist und der Positionskonsistenzalgorithmus erfolgreich war.
Der oben beschriebene Dealiasing-Ansatz hat bestimmte Vorteile im Vergleich zu denjenigen von bekannten Dealiasing-Algorithmen. Zum Beispiel stellt die vorliegende Lösung genauere Entfernungsraten für Fernbereichsdetektionen bereit.
Veranschaulichende Radarsysteme
Die vorliegende Lösung betrifft ein Radarsystem zum Erfassen des Vorhandenseins, der Richtung, des Abstands und der Geschwindigkeit von Objekten, die sich bewegende Aktoren, stationäre Objekte oder beides beinhalten können. Die Objekte können Fahrzeuge, Schiffe, Luftfahrzeuge, Fußgänger, Tiere, Bäume und/oder Gebäude umfassen. Eine Darstellung eines veranschaulichenden Radarsystems 100 ist in 1 bereitgestellt. Wie in 1 gezeigt, umfasst das Radarsystem 100 eine Vielzahl von Radargeräten 102, 104, 106. Obwohl drei Radargeräte in 1 gezeigt sind, ist die vorliegende Lösung diesbezüglich nicht beschränkt. Das Radarsystem kann eine beliebige Anzahl von Radargeräten beinhalten, die gemäß einer gegebenen Anwendung ausgewählt sind. Eine veranschaulichende Architektur für ein Radargerät wird im Folgenden in Bezug auf 2 erörtert. Das Radarsystem 100 umfasst auch ein Datenzuordnungsmodul 130, einen Dealiaser 110 und einen Tracker 114. Das Datenzuordnungsmodul 130, der Dealiaser 110 und/oder der Tracker 114 können eine Rechenvorrichtung, wie etwa die in 9 gezeigte, beinhalten, sind aber nicht darauf beschränkt.
Während des Betriebs emittiert jedes Radargerät 102, 104, 106 ein Signal, das von einem Objekt 150 zurück in Richtung der Radarvorrichtung reflektiert wird. Das reflektierte Signal wird von dem Radargerät 102, 104, 106 empfangen. Das empfangene Signal liefert Informationen über die Position und Geschwindigkeit des Objekts. Wenn sich das Objekt 150 zum Beispiel entweder in Richtung oder weg von dem Radarsystem 100 bewegt, wird das empfangene Signal aufgrund des Doppler-Effekts eine etwas andere Frequenz als die Frequenz des emittierten Signals aufweisen. Das Radargerät verarbeitet das empfangene Signal und erzeugt eine Punktwolke, die eine Vielzahl von Datenpunkten enthält. Punktwolken sind im Stand der Technik gut bekannt. Die Punktwolkeninformation 108 wird von dem Radargerät an das Datenzuordnungsmodul 130 übermittelt. Die Punktwolkeninformationen 108 umfassen, ohne darauf beschränkt zu sein, eine Signalstärke, einen Entfernungswert („Range Value“), einen Entfernungsratenwert („Range Rate Value“), einen Entfernungsratenwinkelwert („Range Rate Angle Value“), einen Entfernungsratenamplitudenwert („Range Rate Amplitude Value“), eine Geschwindigkeitsmehrdeutigkeit und/oder einen Moduli-Wert („Moduli“) für jeden Punkt in der Cloud. Der Entfernungsratenwert gibt eine Rate an, die sich das Objekt 150 zu dem Radarsystem 100 hin oder von diesem weg bewegt. Zum Beispiel zeigt ein negativer Entfernungsratenwert an, dass sich das Objekt 150 mit einer bestimmten Geschwindigkeit von dem Radarsystem 100 weg bewegt, während ein positiver Entfernungsratenwert anzeigt, dass sich das Objekt 150 in Richtung des Radarsystems 100 mit einer bestimmten Geschwindigkeit bewegt. Die vorliegende Lösung ist nicht auf die Einzelheiten dieses Beispiels beschränkt.
Das Datenzuordnungsmodul 130 und der Dealiaser 110 führen gemeinsam Operationen aus, um Fehler in den Entfernungsratenwerten der Punktwolkeninformationen, die von den Radargeräten 102, 104, 106. ausgegeben werden, zu adressieren. Die durch die Komponenten 130, 110 durchgeführten Operationen werden offensichtlich, wenn die Diskussion fortschreitet. Diese Operationen erzeugen Tracker-Initialisierungs-Informationen 112. Die Verfolgungsinitialisiererinformation 112 beinhaltet, ohne darauf beschränkt zu sein, die folgenden Informationen für jeden Punkt in der Cloud: eine Signalstärke; einen Entfernungswert; einen ursprünglichen Entfernungsratenwert oder einen korrigierten Entfernungsratenwert; einen Entfernungsratenwinkelwert; und einen Moduli-Wert. Die Verfolgungsinitialisierungs-Informationen 112 werden dann an den Tracker 114 weitergegeben.
Bei dem Tracker 114 wird die Verfolgungsinitialisiererinformation 112 verwendet, um eine Spur oder einen Track (oder räumliche Beschreibung) 116 für das Objekt 150. zu erzeugen. Die Spur (oder räumliche Beschreibung) 116 beinhaltet, ohne darauf beschränkt zu sein, eine Position (z.B. eine x-Koordinate und eine y-Koordinate), eine Entfernungsrate und eine Geschwindigkeit (d.h. eine Geschwindigkeit plus eine Fahrtrichtung) für jeden Datenpunkt der Punktwolke, die dem Objekt zugeordnet ist. Techniken zur Erzeugung von Spuren (oder Raumbeschreibungen) sind wohlbekannt. In einigen Szenarien wird ein Kalman-Filter verwendet, um die Spur (oder räumliche Beschreibung) zu erzeugen.
Unter Bezugnahme auf 2 ist eine Veranschaulichung eines illustrativen Radargeräts 200 bereitgestellt. Die Radargeräte 102, 104, 106 von 1 sind die gleichen wie das Radargerät 200. Somit ist die folgende Diskussion des Radargeräts 200 ausreichend, um die Radargeräte 102, 104, 106 zu verstehen.
Wie in 2 gezeigt, umfasst das Radargerät 200 einen Taktgeber 202 bzw. eine Uhr und einen Wellenformgenerator 204. Der Wellenformgenerator 204 ist in der Lage, eine geeignete Wellenform zur Entfernungsbestimmung zu erzeugen. Die Wellenform kann ein zeitkontinuierliches Signal umfassen, ist aber nicht darauf beschränkt. Das Radargerät 200 umfasst auch einen Multiplexer 206, mindestens einen Sender 208, einen Signalprozessor 218, eine Antennenanordnung (mit Sendeelement(en) 210 und Empfangselement(en) 212) und mindestens einen Empfänger 214.Der Signalprozessor 130 ist konfiguriert, um Punktwolkeninformationen basierend auf empfangenen Signalen zu erzeugen.
Während des Betriebs kann der Wellenformgenerator 204 ein zeitkontinuierliches Signal erzeugen. Das zeitkontinuierliche Signal wird von dem Sendeelement 210 in einer vorbestimmten Richtung emittiert. Das kontinuierliche Zeitsignal kann ein Objekt (z.B. das Objekt 150 von 1) zurück in Richtung des Radargeräts 200 reflektieren. Das reflektierte kontinuierliche Zeitsignal wird von dem Empfangselement 212 empfangen und an den Empfänger 214 weitergeleitet. Das empfangene kontinuierliche Zeitsignal liefert Informationen über die Position und Geschwindigkeit des Objekts. Wenn sich beispielsweise ein Objekt entweder in Richtung oder weg von dem Radargerät 200 bewegt, wird das empfangene kontinuierliche Zeitsignal aufgrund des Doppler-Effekts eine etwas andere Frequenz als die Frequenz des emittierten kontinuierlichen Zeitsignals aufweisen. Dementsprechend verarbeitet der Empfänger 214 das empfangene kontinuierliche Zeitsignal, um dasselbe in ein diskretes Zeitsignal umzuwandeln, das eine Sequenz von Abtastwerten enthält. Jede Probe der Sequenz weist I- und Q-Komponenten auf und wird daher hier als IQ-Probe bezeichnet. Die IQ-Abtastwerte werden dem Signalprozessor 218 zugeführt. Der Signalprozessor 218 verwendet die IQ-Abtastwerte zum Rekonstruieren / Wiedergewinnen eines Signals und Erzeugen von Punktwolkeninformationen. Die Punktwolkeninformationen umfassen, ohne darauf beschränkt zu sein, eine Signalstärke, einen Entfernungswert, einen Entfernungsratenwert, einen Entfernungsratenwinkelwert, einen Entfernungsratenwinkelwert, einen Entfernungsratenamplitudenwert, eine Geschwindigkeitsmehrdeutigkeit und/oder einen Moduli-Wert für jeden Punkt in der Cloud.
Unter Bezugnahme auf 3 kann das empfangene kontinuierliche Zeitsignal eine Frequenz aufweisen, die in [-f_max,f_max] fällt. Basierend auf der Abtasttheorie kann das Signal durch die IQ-Abtastwerte vollständig wiedergewonnen werden, wenn die Abtastfrequenz fs die Gleichung erfüllt fs ≥ 2f_max, wobei 2f_max als die Signalbandbreite definiert ist. Aliasing tritt auf, wenn s < 2f_max. Der Ausdruck „Aliasing“, wie hier verwendet, bezieht sich auf die Verzerrung oder das Artefakt, die bzw. das sich ergibt, wenn ein aus IQ-Abtastwerten rekonstruiertes Signal von dem ursprünglichen empfangenen kontinuierlichen Zeitsignal verschieden ist. Die Verzerrung oder die Artefakte führen zu einer Fehlsichtigkeit der Frequenz des kontinuierlichen Zeitsignals oder einer Bestimmung einer falschen Frequenz für das zeitkontinuierliche Signal. Jede Frequenz, die höher als fs/2 ist, wird mathematisch in [-fs/2, fs/2] gefaltet, die wahre Frequenz f_true und ihr gemessenes Frequenzmaß in Abtastwerten f_measure werden durch f_measure = f_true + Kfs beschränkt, wobei K eine ganze Zahl ist und [-fs/2 ≤f_measure <fs/2, wobei B die äquivalente Entfernungsraten-Abtastbreite darstellt. Das Entfernungsraten-Unwrapping bezieht sich auf die Interferenz von v_true bei Kenntnis von f_measure und B, wobei K jedoch unbekannt ist.
Das empfangene kontinuierliche Zeitsignal kann in einer Entfernungsraten-Domäne unterabgetastet werden. Somit implementiert der Dealiaser 110 des Radarsystems 100 Dealiasing-Operationen, so dass die Doppler-Informationen von dem Tracker 114 verwendet werden können, um die Position und Geschwindigkeit des Objekts genau zu bestimmen.
Unter Bezugnahme auf 4 wird ein veranschaulichendes Verfahren 400 zum Betreiben eines Radarsystems (z.B. Radarsystem 100 von 1) bereitgestellt. Das Verfahren 400 beginnt mit 402 und fährt mit 404 fort, wo Punktwolkeninformationen (z.B. Punktwolkeninformationen 108 von 1) von einem Datenzuordnungsmodul (z.B. dem Datenzuordnungsmodul 130 von 1) und von einer Vielzahl von Radargeräten (z.B. Radargeräte 102, 104, 106 aus 1) während mindestens eines Zyklus empfangen werden. Die Punktwolkeninformation definiert eine Punktwolke, die eine Vielzahl von Datenpunkten umfasst. Das Datenzuordnungsmodul kann eine Rechenvorrichtung (wie etwa die unten in Bezug auf 9 beschriebene) umfassen, ist aber nicht darauf beschränkt.
In 406 empfängt das Datenzuordnungsmodul eine räumliche Beschreibung (z.B. eine Spur oder räumliche Beschreibung 116 von 1) für mindestens einen Zyklus von einem Tracker (z.B. den Tracker 114 von 1). In einigen Szenarien akkumuliert das Datenzuordnungsmodul räumliche Beschreibungen für N Zyklen, wie ei 408 gezeigt, wobei N eine ganze Zahl ist. Die akkumulierten räumlichen Beschreibungen können eine räumliche Beschreibung für einen Zyklus c₁, eine räumliche Beschreibung für einen Zyklus c₂, ..., und eine räumliche Beschreibung für einen Zyklus c_N umfassen. Der Tracker kann eine Rechenvorrichtung (wie etwa die unten in Bezug auf 9 beschriebene) beinhalten, ist aber nicht darauf beschränkt.
In 410 werden die Datenpunkte der Punktwolke zusammengefasst, um eine Vielzahl von Punktwolkendatensegmenten S_n zu bilden. Die Gruppierung von Datenpunkten basiert auf Informationen, die in der/den räumlichen Beschreibung(en) enthalten sind. Falls ein euklidischer Abstand zwischen zwei Datenpunkten kleiner als ein erster Schwellenwert ist, dann werden die beiden Datenpunkte gemeinsam oder anderweitig gruppiert, um zumindest teilweise ein Punktwolkendatensegment zu bilden. Der euklidische Abstand wird basierend auf Ortsinformationen für die Datenpunkte bestimmt, die in den Punktwolkeninformationen enthalten sind. Wenn eine absolute Differenz zwischen Entfernungsratenwinkeln zweier Datenpunkte kleiner als ein zweiter Schwellenwert ist, dann werden die Datenpunkte gemeinsam oder anderweitig gruppiert, um zumindest teilweise ein Punktwolkendatensegment zu bilden. Die absolute Differenz wird basierend auf Entfernungsratenwinkeln für die Datenpunkte bestimmt, die in den Punktwolkeninformationen enthalten sind. Wenn eine Differenz zwischen Entfernungsratenamplituden zweier Datenpunkte kleiner als ein dritter Schwellenwert ist, dann werden die Datenpunkte einander zugeordnet oder anderweitig gruppiert, um zumindest teilweise ein Punktwolkendatensegment zu bilden. Diese Differenz wird basierend auf Entfernungsratenamplituden für die Datenpunkte bestimmt, die in den Punktwolkeninformationen enthalten sind.
Die Punktwolkendatensegmente S_n werden dann in 412 zeitlich angeordnet oder geordnet, um ein versuchsweises Radarspurelement zu definieren (d.h. Punktwolkensegmente, die so angeordnet sind, dass sie eine zeitliche Reihenfolge aufweisen). Beispielsweise ist die versuchsweise Radarspur T_tentative als eine Sequenz von Punktwolkendatensegmenten S₁, S₂, ...,S_n definiert, einschließlich Datenpunkten, die zu verschiedenen aufeinanderfolgenden Zeitpunkten t₁, t₂, ..., t_x erzeugt werden; d.h., T_tentative = {S₁, S₂, ...,S_n}, wobei S₁ Datenpunkte enthält, die zum Zeitpunkt t₁ erzeugt wurden, S₂ Datenpunkte enthält, die zum Zeitpunkt t₂, ... erzeugt wurden, und S_n Datenpunkte enthält, die zum Zeitpunkt t_x erzeugt wurden. Die versuchsweise Radarspur T_tentative wird dann von dem Datenzuordnungsmodul 130 zu einem Dealiaser (z.B. Dealiaser 110 von 1) als Teil von Residualinformationen (z.B. Residualinformationen 132 von 1) bereitgestellt, wie durch 414. gezeigt. Der Dealiaser kann eine Rechenvorrichtung (wie etwa die unten in Bezug auf 9 beschriebene) beinhalten, ist aber nicht darauf beschränkt.
Bei dem Dealiaser wird in 416 ein Spursegment-Dealiasing bei der versuchsweisen Radarspur durchgeführt, um Tracker-Initialisierungsinformationen (z.B. Tracker-Initialisierungsinformationen 112 von 1) zu erzeugen. Die Einzelheiten des Spursegment-Dealiasing bei der versuchsweisen Radarspur werden offensichtlich, wenn die Diskussion fortschreitet. Das Dealiasing erzeugt Ergebnisse, die anzeigen, ob der oder die Entfernungswerte der Punktwolkeninformationen modifiziert werden müssen. Wenn das Ergebnis anzeigt, dass der ursprüngliche Entfernungsratenwert korrekt ist (z.B. K = 0), dann wird der gegebene Entfernungsratenwert in den Punktwolkeninformationen nicht modifiziert. Wenn ein Ergebnis anzeigt, dass ein gegebener Entfernungsratenwert modifiziert werden muss, dann wird der Entfernungsratenwert basierend auf der mathematischen Gleichung (1), die unten bereitgestellt wird, unter Verwendung eines K Werts, der während des Spursegment-Dealiasing für die versuchsweise Radarspur berechnet wird, geändert. Beispielsweise werden Punktwolkeninformationen für ein Segment S_n (einschließlich Datenpunkten p1, p2, p3) modifiziert, wie nachstehend durch den Pfeil gezeigt:

p1: (Signalstärke = s₁, Bereich= 10, Winkel = 11, Entfernungsrate = 5.0 m/s, Moduli = 30)
p2: (Signalstärke = s₂, Bereich = 10.1, Winkel = 11.1, Entfernungsrate = 5.3 m/s, ;oduli = 30)
p3: (Signalstärke = s₃, Bereich = 10.1, Winkel = 11.1, Entfernungsrate = 55.1 m/s → 5.1 m/s, Moduli = 50)

Die modifizierten Punktwolkeninformationen stellen Tracker-Initialisierungsinformationen dar. Die vorliegende Lösung ist nicht auf die Einzelheiten dieses Beispiels beschränkt.
Die Verfolgungsinitialisierungsinformationen werden dann zu einem Tracker (z.B. Tracker 114 von 1) in 418 weitergeleitet. Als Nächstes in 420 werden Operationen durch den Tracker durchgeführt, um eine Spur (oder räumliche Beschreibung) (z.B. Spur oder räumliche Beschreibung 116 von 1) zu erzeugen. Techniken zum Erzeugen von Spuren (oder Raumbeschreibungen) von Verfolgungsinitialisierungsinformationen sind im Stand der Technik gut bekannt. Hierbei kann jede bekannte oder bekannte Technik verwendet werden. Z.B. wird ein Kalman-Filter verwendet, um Spuren (oder räumliche Beschreibungen) zu erzeugen. Anschließend wird Schritt 422 durchgeführt, wo das Verfahren 400 endet oder andere Operationen durchgeführt werden (z.B. Rückkehr zu 402).
Es wird nun auf 6 Bezug genommen, in der ein Flussdiagramm eines veranschaulichenden Verfahrens 600 zum Spursegment-Dealiasing für eine versuchsweise Radarspur bereitgestellt wird. Das Verfahren 600 kann in 416 von 4 durchgeführt werden, wobei das Verfahren 600 durchgeführt wird, um eine wahre Entfernungsrate RR_true gemäß der folgenden mathematischen Gleichung (1) zu bestimmen: $R R_{m e a s u r e d} = R R_{t r u e} + K * B$
wobei B die Geschwindigkeitsmehrdeutigkeit ist. Da K unbekannt ist, wird aus gemessenen Entfernungsraten und Positionsinformationen auf die wahre Entfernungsrate RR_true geschlossen. Z.B. beträgt eine gemessene Entfernungsrate RR_measured, die für einen Datenpunkt gemessen wird, 5 ms zum Zeitpunkt t₁ (z.B. 1) und beträgt 5 ms zum Zeitpunkt t₂ (z.B. 2). Die Position des Datenpunkts zum Zeitpunkt t₁ ist durch eine x-Koordinate = 0 und eine y-Koordinate = 100 definiert. Die Position des Datenpunkts zum Zeitpunkt t₂ wird durch eine x-Koordinate = 0 und eine y-Koordinate = 135 definiert. Die Positionsdifferenz P_difference wird berechnet (z.B. 135-100 = 35). Die Positionsdifferenz P_difference wird dann auf der Grundlage der folgenden mathematischen Gleichung (2) in die Geschwindigkeit v umgewandelt: $ν = P_{d i f f e r e n c e} / t_{d i f f e r e n c e}$
wobei die Differenz eine Differenz zwischen t₂ und t₁ (z.B. 2 - 1 = 1) darstellt. Im vorliegenden Beispiel wird v = 35/1 = 35. Die abgeleitete wahre Entfernungsrate RR_true wird basierend auf v und dem Winkel α der versuchsweisen Radarspur approximiert, wie durch die folgende mathematische Gleichung (3) gezeigt: $R R_{t r u e} = approx (ν, α)$
So kann im vorliegenden Fall die abgeleitete wahre Entfernungsrate RR_true 35. sein. Die vorliegende Lösung ist nicht auf die Einzelheiten dieses Beispiels beschränkt.
Wie in 6 gezeigt, beginnt das Verfahren 600 mit 602 und fährt mit 604 fort, wo der Dealiaser (z.B. Dealiaser 110 von 1) Residualinformationen (z.B. Residualinformationen 132 von 1) von einem Datenzuordnungsmodul (z.B. dem Datenzuordnungsmodul 130 aus 1) empfängt. Die Residualinformationen beinhalten, ohne darauf beschränkt zu sein, Punktwolkeninformationen für Datenpunkte einer Punktwolke und eine versuchsweise Radarspur T_tentative, die durch eine Vielzahl von zeitlich angeordneten Punktwolkendatensegmenten S₁, ...,S_n definiert ist (die jeweils eine Vielzahl von ihnen zugeordneten Datenpunkten aufweisen). Die Punktwolkeninformationen für jeden Datenpunkt umfassen, ohne darauf beschränkt zu sein, eine Entfernungsrate RR und eine Geschwindigkeitsmehrdeutigkeit B.
Die Residualinformation wird in 606 durch den Dealiaser verwendet, um eine gemittelte RR_average-S und eine gemittelte Geschwindigkeitsmehrdeutigkeit B_average-S für ein gegebenes Punktwolkendatensegment (z.B. Segment S₁) zu berechnen. Diese Mittelwerte werden unter Verwendung von Entfernungsratenwerten und gemittelten Geschwindigkeitsmehrdeutigkeitswerten berechnet, die in den Punktwolkeninformationen und der versuchsweisen Radarspur enthalten sind. In 608 berechnet der Dealiaser auch eine mittlere Entfernungsrate RR_average-T und eine mittlere Geschwindigkeitsmehrdeutigkeit B_average-T für die versuchsweise Radarspur T_tentative. Die Differenz DRR_average zwischen den mittleren Entfernungsratenwerten wird in 610 berechnet und durch die folgende mathematische Gleichung (4) definiert: $D R R_{a v e r a g e} = R R_{a v e r a g e - T} - R R_{a v e r a g e - S}$
Wenn z.B. der RR_average-T 35 und der RR_average-S 5.1 sind, dann ist der DRR_average 35-5.1 =29. 9. Die vorliegende Lösung ist nicht auf die Einzelheiten dieses Beispiels beschränkt.
In 612 wird eine Bestimmung durchgeführt, ob die Differenz DRR_average größer als ein Schwellenwert thr ist. Wenn zum Beispiel die Differenz DRR_average= 29.9 und thr = 1 ist, dann ist die Differenz größer als der Schwellenwert. Im Gegensatz dazu ist die Differenz kleiner als der Schwellenwert, wenn die Differenz DRR_average= 35-35.1 = 0.1 und thr = 1 ist. Die vorliegende Lösung ist nicht auf die Einzelheiten dieser Beispiele beschränkt.
Wenn DRR_average kleiner oder gleich thr [612: NEIN] ist, dann wird das Verfahren 600 mit 620 fortgesetzt. 620 wird nachfolgend beschrieben.
Wenn DRR_average größer als thr [612: JA] ist, dann wird 614 durchgeführt, wo eine Entscheidung getroffen wird, ob der Wert der Differenz DRR_average nahe an (z.B. ± 1) dem Wert (Ganzzahl-Zeiten K') der mittleren Geschwindigkeitsmehrdeutigkeit B_average-T für die versuchsweise Radarspur T_tentative ist. Wenn beispielsweise RR_average-T = 35, RR_average-S = 5.1 und B_average-T = 30, dann wird die Differenz in der Nähe der mittleren Geschwindigkeitsmehrdeutigkeit betrachtet, da die Differenz DRR_average = 35 - 5. 1 = 29.9 ist. Die vorliegende Lösung ist nicht auf die Einzelheiten dieses Beispiels beschränkt.
Wenn der Wert der Differenz DRR_average als nicht in der Nähe des Wertes (Ganzzahl-Zeiten K') der mittleren Geschwindigkeitsmehrdeutigkeit B_average-T [614: NEIN] liegend angesehen wird, dann wird ein Flag in 616 auf einen Wert gesetzt, um anzuzeigen, dass kein Positionskonsistenz-Dealiasing für das gegebene Segment verwendet werden kann. Es kann auch eine andere Verarbeitung durchgeführt werden (z.B. kann das Verfahren 600 zu 606 zurückkehren und den Prozess für ein nächstes Segment wiederholen).
Wenn der Wert der Differenz DRR_average nahe dem Wert (Ganzzahl-Zeiten K') der mittleren Geschwindigkeitsmehrdeutigkeit B_average-T [614: JA] betrachtet wird, dann wird ein Flag in 618 gesetzt, um anzuzeigen, dass ein Grenzfall wahr ist. Ein Graph 502 ist in 5 bereitgestellt, der veranschaulicht, wenn ein Grenzfall wahr ist oder existiert. Der Grenzfall ist wahr oder existiert, wenn (i) erste Werte einer Vielzahl von wahren Entfernungsratenwerten für ein Segment größer als die Geschwindigkeitsmehrdeutigkeit um einen Betrag sind, der kleiner als ein Schwellenbetrag ist (d. h. B_average-T< RR_True < thr₁), und (ii) zweite Werte der Vielzahl von wahren Entfernungsratenwerten kleiner als die Geschwindigkeitsmehrdeutigkeit um einen Betrag sind, der größer als ein Schwellenbetrag ist (d.h., thr₂< RR_True < B_average-T), wenn die versuchsweise Radarspur T_tentative eine Mischung aus aliasierten und nicht aliasierten Entfernungsratenwerten ist.
Als nächstes fährt das Verfahren 600 mit 620 fort, bei dem ein Positions-Konsistenz-Dealiasing-Algorithmus durch den Dealiaser durchgeführt wird. Die folgende Diskussion wird bereitgestellt, um den Positions-Konsistenz-Dealiasing-Algorithmus zu erklären. Insbesondere verwendet der Positionskonsistenz-Dealiasing-Algorithmus die geschätzte Entfernungsrate von den Positionen. Daher spielt es keine Rolle, wenn die versuchsweise Spur oder das versuchsweise Segment aliasiert ist oder nicht.
In einigen Szenarien hat ein Punktwolken-Datensegment S_n eine mittlere Gültigkeitsdauer TV_average-s und eine mittlere Entfernungsrate RR_average-S. Das Punktwolkendatensegment S_n ist mit einer versuchsweisen Radarspur T_tentative assoziiert. Die versuchsweise Radarspur T_tentative weist eine mittlere Zeitgültigkeit TV_average-T (< TV_average-S) und eine mittlere Entfernungsrate RR_average-T auf. Initial ist nicht bekannt, ob die Entfernungsraten RR_average-S und RR_average-T aliasiert sind. Entweder eine der Entfernungsraten oder keine der Entfernungsraten könnte aliasiert sein. In 5 ist ein Graph 500 vorgesehen, der veranschaulicht, wenn beide Entfernungsraten aliasiert sind. Jeder dieser Fälle wird separat durch den Positions-Konsistenz-Dealiasing-Algorithmus gehandhabt.
Für die versuchsweise Radarspur T_tentative wird die mittlere Translation der Segment-/Spur-Detektionen bezüglich des Fahrzeugbezugssystems zum Zeitpunkt t_t berechnet. Da der Positionskonsistenzalgorithmus für Ferndetektionen verwendet wird, sind die berichteten Entfernungsraten der Spurdetektionen in radialer Richtung. Somit werden die Positionen der versuchsweisen Radarspur und des gegebenen Punktwolkensegments von einem Fahrzeugbezugssystem zu einem radialen Bezugssystem transformiert. Die Positionen des Punktwolkensegments und der versuchsweisen Radarspur in dem radialen Bezugssystem sind P_s bzw. P_t. Unter Verwendung des vorzeichenbehafteten Abstands zwischen P_s und P_t wird die mittlere Entfernungsrate dieser Sätze von Detektionen gemäß der folgenden mathematischen Gleichung (5) geschätzt: $R R_{e s t i m a t e} = (P_{t} - P_{s}) / (T V_{a v e r a g e - T} - T V_{a v e r a g e - S})$
wobei RR_estimate eine geschätzte mittlere Entfernungsrate ist.
Unterschiedliche Entfernungsraten-Hypothesen werden unter Verwendung der mittleren Entfernungsrate für die versuchsweise Radarspur und der mittleren Geschwindigkeitsmehrdeutigkeit der Punktwolkensegmente erzeugt. Es sei angenommen, dass eine gemessene Entfernungsrate RR_measured für einen gegebenen Datenpunkt und eine rationale Höchstgeschwindigkeit über Grund v_g bereitgestellt werden, dann werden mögliche K-Werte gemäß der folgenden mathematischen Gleichung (6) bestimmt: $| R R_{m e a s u r e d} + K * B_{a v e r a g e - S} | \leq ν_{g}$
Die möglichen K-Werte werden verwendet, um eine Vielzahl von verschiedenen Entfernungsraten-Hypothesenwerten RR_hypothesis zu bestimmen. K ist eine ganze Zahl (positiv, negativ oder null). Gemäß der folgenden mathematischen Gleichung (7) wird ein Entfernungsraten-Hypothesenwert RR_hypothesis bestimmt: $R R_{h y p o t h e s i s} = R R_{a v e r a g e - T} + K * B_{a v e r a g e - S}$
Eine Hypothese wird akzeptiert, wenn der resultierende Entfernungsraten-Hypothesenwert RR_hypothesis kleiner als ein vordefinierter Schwellenwert ist.
Als Nächstes wird eine absolute Differenz ΔR zwischen der geschätzten Entfernungsrate und der Hypothesenentfernungsrate bestimmt. Diese absolute Differenz ΔR ist durch die mathematische Gleichung (8) definiert: $Δ R = | R R_{e s t i m a t e} - R R_{h y p o t h e s i s} |$
Der Positions-Konsistenz-Dealiasing-Algorithmus ist erfolgreich, wenn die absolute Differenz ΔR relativ klein, z.B. nahe null oder kleiner als ein Schwellenwert ist. Der entsprechende K wäre der Dealiasing-Faktor.
Unter erneuter Bezugnahme auf 6 fährt das Verfahren 600 mit 622 fort, wenn der Positions-Konsistenz-Dealiasing-Algorithmus erfolgreich war. Wenn der Positions-Konsistenz-Dealiasing-Algorithmus nicht erfolgreich war, dann endet das Verfahren 600 oder kehrt zu 602 zurück. In 622 wird eine Bestimmung durchgeführt, ob ein gegebenes Flag einen Wert aufweist, der anzeigt, dass ein Grenzfall vorliegt. Wenn ein Grenzfall nicht existiert [622: NEIN], dann wird 626 durchgeführt, wo eine wahre Entfernungsrate RR_true gemäß der oben bereitgestellten mathematischen Gleichung (1) unter Verwendung eines K-Wertes berechnet wird, der gemäß den folgenden mathematischen Gleichungen (9) und (10) berechnet wurde: $ν_{e s t i m a t e} = P_{d i f f e r e n c e} / t_{d i f f e r e n c e}$
$K = arg m i n_{K} | ν_{e s t i m a t e} - R R_{m e a s u r e d} - K * B_{a v e r a g e - S} |$
wobei v_estimate eine geschätzte Geschwindigkeit eines Objekts ist und P_difference eine Differenz zwischen P_s und P_t ist.
Wenn ein Grenzfall existiert [622: JA], dann wird 624 durchgeführt, wobei K' gemäß der folgenden mathematischen Gleichung (11) berechnet wird: $K' = around (R R_{a v e r a g e - T} - R R_{a v e r a g e - S}) / B_{a v e r a g e}$
was eine Mittelung über den Integer bedeutet.
Sobald K und K' bestimmt / berechnet worden sind, fährt das Verfahren 600 mit 626 fort, wo eine wahre Entfernungsrate RR_true bestimmt wird. Wird innerhalb eines Segments eine Detektion vorgenommen, so wird gemäß der folgenden mathematischen Gleichung (12) die wahre Entfernungsrate RR_true berechnet: $R R_{t r u e} = R R_{m e a s u r e d} + K * B_{d e t e c t i o n}$
Wird in der versuchsweisen Spur eine Detektion vorgenommen, so wird gemäß der folgenden mathematischen Gleichung (13) die wahre Entfernungsrate RR_true berechnet: $R R_{t r u e} = R R_{m e a s u r e d} + (K + K') * B_{d e t e c t i o n}$
Insbesondere berücksichtigt die mathematische Gleichung (13) den Grenzfall, wo die Gesamtfaktoren unterschiedlich sind. Auch wird während des Dealiasing-Prozesses die Geschwindigkeitsmehrdeutigkeit anstelle der mittleren Geschwindigkeitsmehrdeutigkeit verwendet, da diese Berechnung präzise sein sollte. Die wahre Entfernungsrate RR_true stellt Tracker-Initialisierungsinformationen dar, die dem Tracker in 418 von 4 bereitgestellt werden.
In einigen Szenarien wird eine kartenbasierte Validierung durchgeführt, wie durch die optionale 628. gezeigt ist. Eine Straßenkarte kann auf zwei Arten verwendet werden, um die wahre Entfernungsrate RR_true zu validieren. Zunächst kann eine Spurrichtung, die in der Straßenkarte enthalten ist, mit der Richtung der wahren Entfernungsrate RR_true verglichen werden. Die Ergebnisse dieses Vergleichs zeigen an, ob die Entfernungsrate aliasiert ist. Spurgeschwindigkeitsgrenzen, die in der Straßenkarte enthalten sind, können mit den Entfernungsraten eines gegebenen Segments verglichen werden (das modifiziert wurde, um beliebige modifizierte Entfernungsraten zu umfassen). Die Ergebnisse dieses Vergleichs könnten anzeigen, ob es ein Aliasing gibt. Das Dealiasing-Verfahren wird bestätigt, um erfolgreich zu sein, wenn die Richtung des modifizierten Bereichs mit der Spurrichtung ausgerichtet ist. Dieses Validierungsmerkmal kann nur dann verwendet werden, wenn Karteninformationen zugänglich sind. Anschließend wird 630 durchgeführt, wo das Verfahren 600 endet oder andere Operationen durchgeführt werden (z.B. Rückkehr zu 602, so dass eine andere Iteration für ein nächstes Punktwolkendatensegment durchgeführt wird).
Beispielhafte Systeme auf Fahrzeugbasis
Das oben beschriebene Radarsystem 100 kann in einer Vielzahl von Anwendungen verwendet werden. Solche Anwendungen schließen fahrzeugbasierte Anwendungen ein, sind aber nicht darauf beschränkt. Die folgende Diskussion wird bereitgestellt, um zu veranschaulichen, wie das Radarsystem 100 der vorliegenden Lösung verwendet werden kann, um die Steuerung eines Fahrzeugs (z.B. zur Kollisionsvermeidung und/oder autonomen Fahrzwecken) zu erleichtern. Das Fahrzeug kann ein autonomes Fahrzeug beinhalten, ist aber nicht darauf beschränkt.
Unter Bezugnahme auf 7 ist eine Veranschaulichung eines veranschaulichenden Systems 700 bereitgestellt. Das System 700 umfasst ein Fahrzeug 702₁, das halbautonom oder autonom entlang einer Straße fährt. Das Fahrzeug 702₁ wird hierin auch als ein autonomes Fahrzeug („autonomes Fahrzeug“) bezeichnet. Das AV 702₁ kann ein Landfahrzeug (wie in 7 gezeigt), ein Flugzeug oder ein Wasserfahrzeug beinhalten, ist aber nicht darauf beschränkt.
Das AV 702₁ ist im Allgemeinen so konfiguriert, dass es Objekte 702₂, 704, 706 in der Nähe dazu erkennt. Die Objekte können ein Fahrzeug 702₂, einen Radfahrer 704 (wie etwa einen Fahrer eines Fahrrads, Elektroroller, Motorrad oder dergleichen) und/oder einen Fußgänger 706 beinhalten, sind aber nicht darauf beschränkt. Wenn eine solche Detektion durchgeführt wird, führt das AV 702₁ Operationen durch: Erzeugen einer oder mehrerer möglicher Objekttrajektorien für das erfasste Objekt; und Analysieren mindestens einer der erzeugten möglichen Objekttrajektorien, um eine Fahrzeugtrajektorie für das AV 702₁ zu bestimmen. Das AV 702₁ wird dann veranlasst, der Fahrzeugtrajektorie zu folgen.
Unter Bezugnahme auf 8 ist eine Veranschaulichung einer veranschaulichenden Systemarchitektur 800 für ein Fahrzeug bereitgestellt. Die Fahrzeuge 702₁ und/oder 702₂ von 7 können die gleiche oder ähnliche Systemarchitektur wie die in 8 gezeigte aufweisen. Somit ist die folgende Diskussion der Systemarchitektur 800 ausreichend, um das (die) Fahrzeug (e) 702₁, 702₂ von 7 zu verstehen.
Wie in 8 gezeigt, beinhaltet das Fahrzeug 800 eine Brennkraftmaschine oder einen Motor 802 und verschiedene Sensoren 804-818, die verschiedene Parameter des Fahrzeugs messen. Bei kraftstoffbetriebenen oder Hybridfahrzeugen mit einem kraftstoffbetriebenen Motor können die Sensoren beispielsweise einen Motortemperatursensor 804, einen Batteriespannungssensor 806, eine Motorumdrehungen pro Minute (RPM)-Sensor 808 und einen Drosselpositionssensor 810 beinhalten. Wenn das Fahrzeug ein Elektro- oder Hybridfahrzeug ist, kann das Fahrzeug einen Elektromotor aufweisen und dementsprechend Sensoren, wie etwa ein Batterieüberwachungssystem 812 aufweisen (um Strom, Spannung und/oder Temperatur der Batterie zu messen), Motorstrom- 814 und Temperatur- 816 -sensoren sowie Motorpositionssensoren, wie Resolver und Codierer 818.
Betriebsparametersensoren, die beiden Arten von Fahrzeugen gemeinsam sind, beinhalten zum Beispiel: einen Positionssensor 836, wie etwa einen Beschleunigungsmesser, eine Gyroskop- und/oder Trägheitsmesseinheit; einen Geschwindigkeitssensor 838; und einen Wegstreckensensor 840. Das Fahrzeug kann auch eine Uhr oder einen Taktgeber 842 aufweisen, die das System verwendet, um die Fahrzeugzeit während des Betriebs zu bestimmen. Der Taktgeber 842 kann in dem Fahrzeug-Bordcomputergerät codiert sein, es kann sich um eine separate Vorrichtung handeln, oder es können mehrere Taktgeber verfügbar sein.
Das Fahrzeug umfasst auch verschiedene Sensoren, die arbeiten, um Informationen über die Umgebung, in der das Fahrzeug fährt, zu sammeln. Diese Sensoren können zum Beispiel Folgendes beinhalten: einen Standortsensor 860 (z.B. ein GPS-Gerät); Objekterfassungssensoren, wie etwa eine oder mehrere Kameras 862; ein LIDAR-Sensorsystem 866; und/oder ein Radarsystem 864.
Das Radarsystem 864 ist das gleiche wie das Radarsystem 100, das oben in Bezug auf die 1 - 7. als solches erörtert wurde, wobei die obige Diskussion des Radarsystems 864 zum Verständnis des Radarsystems 864 ausreichend ist. Die Sensoren können auch Umgebungssensoren 868, wie etwa einen Niederschlagssensor und/oder einen Umgebungstemperatursensor beinhalten. Die Objekterfassungssensoren können es der fahrzeugseitigen Rechenvorrichtung 820 ermöglichen, Objekte zu erfassen, die sich innerhalb eines gegebenen Entfernungsbereichs des Fahrzeugs 800 in einer beliebigen Richtung befinden, während die Umgebungssensoren Daten über Umgebungsbedingungen innerhalb des Fahrbereichs des Fahrzeugs sammeln.
Während des Betriebs werden Informationen von den Sensoren an die bordeigene Rechenvorrichtung 820. übermittelt. Die bordeigene Rechenvorrichtung 820 analysiert die von den Sensoren erfassten Daten und steuert optional Operationen des Fahrzeugs basierend auf Ergebnissen der Analyse. Z.B. kann die bordeigene Rechenvorrichtung 820 Folgendes steuern: Bremsen über eine Bremssteuerung 822; Richtung über eine Lenksteuerung 824; Geschwindigkeit und Beschleunigung über eine Drosselsteuerung 826 (in einem gasbetriebenen Fahrzeug) oder Motordrehzahlsteuerung 828 (wie etwa eine Strompegelsteuerung in einem Elektrofahrzeug); eine Differentialgetriebesteuerung 830 (in Fahrzeugen mit Getrieben); und/oder andere Steuerungen.
Geographische Standortinformationen können von dem Standortsensor 860 an die bordeigene Rechenvorrichtung 820 übermittelt werden, die dann auf eine Karte der Umgebung zugreifen kann, die der Standortinformation entspricht, um bekannte feste Merkmale der Umgebung zu bestimmen - wie Stra-ßen, Gebäude, Stoppschilder und/oder Stop/Go-Signale. Erfasste Bilder von der/den Kamera(s) 862 und/oder Objekterfassungsinformationen, die von Sensoren wie LiDAR erfasst werden, werden an die bordeigene Rechenvorrichtung 820. übermittelt. Die Objekterfassungsinformationen und/oder erfassten Bilder werden von der bordeigenen Rechenvorrichtung 820 verarbeitet, um Objekte in der Nähe des Fahrzeugs 800 zu detektieren. Jede bekannte oder bekannte Technik zur Herstellung einer Objektdetektion basierend auf Sensordaten und/oder erfassten Bildern kann in den in diesem Dokument offenbarten Ausführungsformen verwendet werden.
Wenn eine solche Objektdetektion durchgeführt wird, führt die bordeigene Rechenvorrichtung 820 Operationen durch: Erzeugen einer oder mehrerer möglicher Objekttrajektorien für das erfasste Objekt; und Analysieren mindestens einer der erzeugten möglichen Objekttrajektorien, um zu bestimmen, ob ein Risiko einer Kollision in einem Schwellenzeitraum (z.B. 1 Minute) besteht. Wenn dies der Fall ist, führt die bordeigene Rechenvorrichtung 820 Operationen durch, um zu bestimmen, ob die Kollision vermieden werden kann, wenn eine gegebene Fahrzeugtrajektorie von dem Fahrzeug 800 gefolgt wird und ein beliebiges aus einer Vielzahl von dynamisch erzeugten Notmanövern in einer vordefinierten Zeitperiode (z.B. N Millisekunden) durchgeführt wird. Wenn die Kollision vermieden werden kann, benötigt die bordeigene Rechenvorrichtung 820 keine Aktion, um die Fahrzeugtrajektorie zu ändern, oder bewirkt optional, dass das Fahrzeug 800 ein vorsichtiges Manöver durchführt (z.B. sanft verlangsamt). Wenn hingegen die Kollision nicht vermieden werden kann, veranlasst die bordeigene Rechenvorrichtung 820, dass das Fahrzeug 800 sofort ein Notmanöver (z.B. Bremsen und/oder Richtungsänderungen) ausführt.
Unter Bezugnahme auf 9 ist eine Veranschaulichung einer illustrativen Architektur für eine Rechenvorrichtung 900. bereitgestellt. Das Datenzuordnungsmodul 130 von 1, der Dealiaser 110 von 1, der Tracker 114 von 1, das Radarsystem 864 von 8 und/oder die Fahrzeug-Bordrechenvorrichtung 820 von 8 ist zumindest teilweise die gleiche wie oder ähnlich der Rechenvorrichtung 900. Als solches ist die Diskussion der Rechenvorrichtung 900 ausreichend, um das Datenzuordnungsmodul 130 von 1, den Dealiaser 110 von 1, den Tracker 114 von 1, das Radarsystem 864 von 8 und/oder die Fahrzeug-Bordrechenvorrichtung 820 von 8 zu verstehen.
Die Rechenvorrichtung 900 kann mehr oder weniger Komponenten als die in 9 gezeigten umfassen, jedoch sind die gezeigten Komponenten ausreichend, um eine veranschaulichende Lösung zu offenbaren, die die vorliegende Lösung implementiert. Die Hardware-Architektur von 9 stellt eine Implementierung einer repräsentativen Rechenvorrichtung dar, die konfiguriert ist, um ein Fahrzeug zu betreiben, wie hierin beschrieben. Somit implementiert die Rechenvorrichtung 900 von 9 zumindest einen Teil des hierin beschriebenen Verfahrens / der hierin beschriebenen Verfahren.
Einige oder alle Komponenten der Rechenvorrichtung 900 können als Hardware, Software und/oder eine Kombination von Hardware und Software implementiert sein. Die Hardware beinhaltet, ohne darauf beschränkt zu sein, eine oder mehrere elektronische Schaltungen. Die elektronischen Schaltungen können passive Komponenten (z.B. Widerstände und Kondensatoren) und/oder aktive Komponenten (z.B. Verstärker und/oder Mikroprozessoren) umfassen, sind aber nicht darauf beschränkt. Die passiven und/oder aktiven Komponenten können angepasst und/oder programmiert sein, um eine oder mehrere der hierin beschriebenen Methodologien, Prozeduren oder Funktionen durchzuführen.
Wie in 9 gezeigt, umfasst die Rechenvorrichtung 900 eine Benutzerschnittstelle 902, eine zentrale Verarbeitungseinheit (Central Processing Unit) 906, einen Systembus 910, einen Speicher 912, der mit anderen Teilen der Rechenvorrichtung 900 über den Systembus 910, eine Systemschnittstelle 960 und Hardwareeinheiten 914, die mit dem Systembus 910 verbunden sind, verbunden ist und von diesen zugänglich ist. Die Benutzerschnittstelle kann Eingabevorrichtungen und Ausgabevorrichtungen beinhalten, die Benutzersoftware-Interaktionen zum Steuern von Operationen der Rechenvorrichtung 900 erleichtern. Die Eingabevorrichtungen beinhalten unter anderem eine physische und/oder Berührungstastatur 950. Die Eingabevorrichtungen können mit der Rechenvorrichtung 900 über eine drahtgebundene oder drahtlose Verbindung (z.B. eine Bluetooth®-Verbindung) verbunden sein. Die Ausgabevorrichtungen umfassen, ohne darauf beschränkt zu sein, einen Lautsprecher 952, eine Anzeige 954 und/oder Leuchtdioden 956. Die Systemschnittstelle 960 ist konfiguriert, um drahtgebundene oder drahtlose Kommunikationen zu und von externen Vorrichtungen (z.B. Netzwerkknoten wie Zugangspunkten usw.) zu erleichtern.
Zumindest einige der Hardware-Entitäten 914 führen Aktionen aus, die Zugriff auf die und die Verwendung des Speichers 912 beinhalten, der ein Direktzugriffsspeicher („Random Access Memory“), ein Plattenlaufwerk, ein Flash-Speicher, ein Compact Disc Read Only Memory („CD-ROM“) und/oder eine andere Hardwarevorrichtung sein kann, die in der Lage ist, Anweisungen und Daten zu speichern. Die Hardware-Entitäten 914 können eine Laufwerksantriebseinheit 916 umfassen, die ein computerlesbares Speichermedium 918 umfasst, auf dem ein oder mehrere Sätze von Anweisungen 920 gespeichert sind (z.B. einen Softwarecode), der konfiguriert ist, um eine oder mehrere der hierin beschriebenen Methodologien, Prozeduren oder Funktionen zu implementieren. Die Anweisungen 920 können auch vollständig oder zumindest teilweise innerhalb des Speichers 912 und/oder innerhalb der CPU 906 während der Ausführung davon durch die Rechenvorrichtung 900 sein. Der Speicher 912 und die CPU 906 können auch maschinenlesbare Medien darstellen. Der Begriff „maschinenlesbare Medien“, wie hier verwendet, bezieht sich auf ein einzelnes Medium oder mehrere Medien (z.B., eine zentralisierte oder verteilte Datenbank und/oder zugehörige Caches und Server), die den einen oder die mehreren Sätze von Anweisungen 920. speichern. Der Begriff „maschinenlesbare Medien“, wie hier verwendet, bezieht sich auch auf ein beliebiges Medium, das in der Lage ist, einen Satz von Anweisungen 920 zur Ausführung durch die Rechenvorrichtung 900 zu speichern, zu codieren oder zu tragen und die Rechenvorrichtung 900 dazu zu veranlassen, eine oder mehrere der Methodologien der vorliegenden Offenbarung durchzuführen.
Unter Bezugnahme auf 10 wird ein Blockdiagramm bereitgestellt, das zum Verständnis nützlich ist, wie die Fahrzeugsteuerung gemäß der vorliegenden Lösung erreicht wird. Alle Operationen, die in Blöcken durchgeführt werden 1002-1010 können durch die bordeigene Rechenvorrichtung (z.B. fahrzeuginterne Rechenvorrichtung 820 von 8) eines Fahrzeugs (z.B. AV 702₁ von 7) durchgeführt werden.
In Block 1002 wird ein Standort des Fahrzeugs erfasst. Diese Detektion kann basierend auf Sensordaten erfolgen, die von einem Positionssensor (z.B. dem Positionssensor 860 von 8) des Fahrzeugs ausgegeben werden. Diese Sensordaten können GPS (Global Positioning System)-Daten umfassen, sind aber nicht darauf beschränkt. Der erfasste Standort des Fahrzeugs wird dann zu Block 1006 weitergeleitet.
In Block 1004 wird ein Objekt in der Nähe des Fahrzeugs erfasst. Diese Detektion erfolgt basierend auf Sensordaten, die von einem Radarsystem (z.B. Radarsystem 100 von 1 und/oder Radarsystem 864 von 8) ausgegeben werden, ein LiDAR-System (z.B. ein LiDAR-System 866 aus 8) und/oder eine Kamera (z.B. die Kamera 862 von 8) des Fahrzeugs. Die Sensordaten, die von dem Radarsystem ausgegeben werden, umfassen, ohne darauf beschränkt zu sein, eine Spur (oder räumliche Beschreibung) 1050 für das Objekt. Die Spur (oder räumliche Beschreibung) 1050 ist die gleiche wie die Spur (oder die räumliche Beschreibung) 116 von 1. Die Sensordaten werden auch verwendet, um eine oder mehrere mögliche Objekttrajektorien für das detektierte Objekt zu bestimmen. Die möglichen Objekttrajektorien können die folgenden Trajektorien umfassen, sind aber nicht darauf beschränkt:

• eine Trajektorie, die durch die tatsächliche Geschwindigkeit des Objekts (z.B. 1 Meile pro Stunde oder ca. 1.6 km/h) und tatsächliche Fahrtrichtung (z.B. West) definiert ist;
• eine Trajektorie, die durch die tatsächliche Geschwindigkeit des Objekts (z.B. 1 Meile pro Stunde oder ca. 1.6 km/h) und eine andere mögliche Fahrtrichtung (z.B. Süd, Süd-West oder X (z.B. 40°) Grad von der tatsächlichen Fahrtrichtung des Objekts in einer Richtung zu dem AV) für das Objekt definiert ist;
• eine Trajektorie, die durch eine andere mögliche Geschwindigkeit für das Objekt (z.B. 2-10 Meilen pro Stunde oder ca. 3.2-16.1 km/h) und die tatsächliche Fahrtrichtung des Objekts (z.B. West) definiert ist; und/oder
• eine Trajektorie, die durch eine andere mögliche Geschwindigkeit für das Objekt (z.B. 2-10 Meilen pro Stunde oder ca. 3.2-16.1 km/h) und eine andere mögliche Fahrtrichtung (z.B. Süd, Süd-West oder X (z.B. 40°) Grad von der tatsächlichen Fahrtrichtung des Objekts in einer Richtung zu dem AV) für das Objekt definiert ist.

Die eine oder mehreren möglichen Objekttrajektorien 1012 werden dann zu Block 1006 weitergeleitet.
In Block 1006 wird eine Fahrzeugtrajektorie 1020 unter Verwendung der Informationen aus den Blöcken 1002 und 1004. erzeugt. Techniken zum Bestimmen einer Fahrzeugtrajektorie sind im Stand der Technik gut bekannt und werden daher hier nicht beschrieben. Jede bekannte oder bekannte Technik zum Bestimmen einer Fahrzeugtrajektorie kann hierin ohne Einschränkung verwendet werden. In einigen Szenarien wird die Fahrzeugtrajektorie 1020 basierend auf den Standortinformationen von Block 1002, den Objekterfassungs-/ Trajektorieninformationen von Block 1004 und Karteninformationen 1028 (die in einem Datenspeicher des Fahrzeugs vorgespeichert sind) bestimmt. Die Fahrzeugtrajektorie 1020 stellt einen glatten Weg dar, der keine abrupten Änderungen aufweist, die ansonsten ein Unbehagen des Insassen bereitstellen würden. Die Fahrzeugtrajektorie 1020 wird dann dem Block 1008 bereitgestellt.
In Block 1008 wird ein Lenkwinkel- und Geschwindigkeitsbefehl basierend auf der Fahrzeugtrajektorie 1020. erzeugt. Der Lenkwinkel- und Geschwindigkeitsbefehl wird für den Block 1010 zur Fahrdynamikregelung bereitgestellt. Die Fahrdynamikregelung bewirkt, dass das Fahrzeug verzögert, das Fahrzeug beschleunigt und/oder das Fahrzeug veranlasst, seine Fahrtrichtung zu ändern.
Obwohl die vorliegende Lösung in Bezug auf eine oder mehrere Implementierungen veranschaulicht und beschrieben wurde, werden dem Fachmann beim Lesen und Verstehen dieser Beschreibung und den beigefügten Zeichnungen äquivalente Änderungen und Modifikationen auftreten. Obwohl ein bestimmtes Merkmal der vorliegenden Lösung in Bezug auf nur eine von mehreren Implementierungen offenbart worden sein kann, kann dieses Merkmal mit einem oder mehreren anderen Merkmalen der anderen Implementierungen kombiniert werden, wie es für eine gegebene oder bestimmte Anwendung erwünscht und vorteilhaft sein kann. Somit sollte die Breite und der Umfang der vorliegenden Lösung nicht durch irgendeine der oben beschriebenen Ausführungsformen eingeschränkt werden. Vielmehr sollte der Umfang der vorliegenden Lösung gemäß den folgenden Ansprüchen und ihren Äquivalenten definiert werden.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

US 17086559 [0001]

Claims

Verfahren zum Betreiben eines Radarsystems, umfassend, durch einen Prozessor: Empfangen von Punktwolkeninformationen, die durch mindestens eine Radarvorrichtung und eine räumliche Beschreibung für ein Objekt erzeugt werden; Erzeugen einer Vielzahl von Punktwolkensegmenten durch Gruppieren von Datenpunkten der Punktwolkeninformationen basierend auf der räumlichen Beschreibung; Anordnen der Punktwolkensegmente in einer zeitlichen Reihenfolge, um eine versuchsweise Radarspur zu definieren; Durchführen von Dealiasing-Operationen unter Verwendung der versuchsweisen Radarspur, um Tracker-Initialisierungsinformationen zu erzeugen; und Verwenden der Verfolgungsinitialisierungsinformationen, um eine Spur für das Objekt zu erzeugen.
Verfahren nach Anspruch 1, wobei zwei Datenpunkte zusammengefasst werden, um ein Punktwolkensegment der Vielzahl von Punktwolkensegmenten zu bilden, wenn ein euklidischer Abstand zwischen den zwei Datenpunkten kleiner als ein Schwellenwert ist.
Verfahren nach Anspruch 1, wobei zwei Datenpunkte zusammengefasst werden, um ein Punktwolkensegment der Vielzahl von Punktwolkensegmenten zu bilden, wenn eine absolute Differenz zwischen Entfernungsratenwinkeln der zwei Datenpunkte kleiner als ein Schwellenwert ist.
Verfahren nach Anspruch 1, wobei zwei Datenpunkte zusammengefasst werden, um ein Punktwolkensegment der Vielzahl von Punktwolkensegmenten zu bilden, wenn eine Differenz zwischen Entfernungsratenamplituden der zwei Datenpunkte kleiner als ein Schwellenwert ist.
Verfahren nach Anspruch 1, wobei die Dealiasing-Operationen ein Berechnen eines mittleren Entfernungsratenwerts und eines mittleren Geschwindigkeitsmehrdeutigkeitswerts für jedes Punktwolkensegment und der versuchsweisen Radarspur umfassen.
Verfahren nach Anspruch 5, wobei die Dealiasing-Operationen ferner Folgendes umfassen: Berechnen eines Entfernungsraten-Differenzwerts zwischen dem mittleren Entfernungsratenwert für ein gegebenes Punktwolkensegment und dem mittleren Entfernungsratenwert für die versuchsweisen Radarspur; und Vergleichen des Entfernungsraten-Differenzwerts mit einem Schwellenwert.
Verfahren nach Anspruch 6, wobei die Dealiasing-Operationen ferner ein Bestimmen umfassen, dass der Entfernungsratendifferenzwert nahe der mittleren Geschwindigkeitsmehrdeutigkeit für die versuchsweisen Radarspur liegt, wenn der Entfernungsratendifferenzwert größer als der Schwellenwert ist.
Verfahren nach Anspruch 7, wobei die Dealiasing-Operationen ferner ein Bestimmen umfassen, dass ein Grenzfall vorliegt, wenn eine Bestimmung durchgeführt wird, dass der Entfernungsratendifferenzwert nahe der mittleren Geschwindigkeitsmehrdeutigkeit für die versuchsweisen Radarspur liegt.
Verfahren nach Anspruch 1, wobei die Dealiasing-Operationen ein Durchführen eines Positions-Konsistenzerkennungsalgorithmus umfassen.
Verfahren nach Anspruch 9, wobei der Positions-Konsistenz-Dealiasing-Algorithmus ein Schätzen einer mittleren Entfernungsrate in Übereinstimmung mit der mathematischen Gleichung $R R_{e s t i m a t e} = (P_{t} - P_{s}) / (T V_{a v e r a g e - T} - T V_{a v e r a g e - S})$
umfasst, wobei RR_estimate eine geschätzte mittlere Entfernungsrate ist, P_t eine Position der versuchsweisen Radarspur ist, P_s eine Position eines gegebenen Punktwolkensegments ist, TV_average-T, eine mittlere Gültigkeitsdauer für die versuchsweisen Radarspur ist und TV_average-S eine mittlere Gültigkeitsdauer für das gegebene Punktwolkensegment ist.
Verfahren nach Anspruch 10, wobei der Positionskonsistenz-Dealiasing-Algorithmus ferner ein Bestimmen einer Vielzahl von möglichen -Werten gemäß der mathematischen Gleichung $| R R_{m e a s u r e d} - K * B_{a v e r a g e - S} | \leq ν_{g}$
umfasst, wobei RR_measured eine gemessene Entfernungsrate für einen gegebenen Datenpunkt ist, B_average eine mittlere Geschwindigkeitsmehrdeutigkeit für ein gegebenes Punktwolkensegment ist und v_g eine rationale maximale Geschwindigkeit über Grund ist.
Verfahren nach Anspruch 11, wobei der Positionskonsistenz-Dealiasing-Algorithmus ferner ein Erzeugen einer Vielzahl von Entfernungsraten-Hypothesenwerten gemäß der mathematischen Gleichung $R R_{h y p o t h e s i s} = R R_{a v e r a g e - T} + K * B_{a v e r a g e - S}$
umfasst, wobei die RR_hypothesis ein Entfernungsraten-Hypothesenwert ist und RR_average-T eine mittlere Entfernungsrate für die versuchsweise Radarspur ist.
Verfahren nach Anspruch 12, wobei der Positionskonsistenz-Dealiasing-Algorithmus ferner ein Annehmen einer Hypothese umfasst, wenn ein jeweiliger der Vielzahl von Entfernungsraten-Hypothesenwerten kleiner als ein vorgegebener Schwellenwert ist.
Verfahren nach Anspruch 13, wobei der Positionskonsistenz-Dealiasing-Algorithmus ferner ein Bestimmen einer absoluten Differenz zwischen der geschätzten mittleren Entfernungsrate und einem gegebenen Entfernungsraten-Hypothesenwert der Vielzahl von Entfernungsraten-Hypothesenwerten umfasst.
Verfahren nach Anspruch 15, wobei der Positionskonsistenz-Dealiasing-Algorithmus als erfolgreich betrachtet wird, wenn die absolute Differenz zwischen einer geschätzten Entfernungsrate und einer Hypothesenentfernungsrate größer als ein Schwellenwert ist.
Verfahren nach Anspruch 16, wobei die Dealiasing-Operationen ferner ein Bestimmen eines wahren Entfernungsratenwerts umfassen, wenn der Positionskonsistenz-Dealiasing-Algorithmus als erfolgreich betrachtet wird.
Verfahren nach Anspruch 17, wobei die Dealiasing-Operationen ferner ein Verwenden der wahren Entfernungsrate umfassen, um die Verfolgungsinitialisierungsinformationen zu erzeugen.
System, umfassend: einen Prozessor; und ein nichtflüchtiges computerlesbares Speichermedium, das Programmieranweisungen umfasst, die konfiguriert sind, den Prozessor zu veranlassen, ein Verfahren zum Betreiben eines Radarsystems zu implementieren, wobei die Programmieranweisungen Anweisungen umfassen zum: Empfangen von von mindestens einer Radarvorrichtung erzeugten Punktwolkeninformationen und einer räumlichen Beschreibung für ein Objekt; Erzeugen einer Vielzahl von Punktwolkensegmenten durch Gruppieren von Datenpunkten der Punktwolkeninformationen basierend auf der räumlichen Beschreibung; Anordnen der Punktwolkensegmente in einer zeitlichen Reihenfolge, um eine versuchsweise Radarspur zu definieren; Dealiasing-Operationen unter Verwendung der versuchsweisen Radarspur durchzuführen, um Tracker-Initialisierungsinformationen zu erzeugen; und Verwenden der Verfolgungsinitialisierungsinformationen, um eine Spur für das Objekt zu erzeugen.
System nach Anspruch 18, wobei zwei Datenpunkte zusammengefasst werden, um ein Punktwolkensegment der Vielzahl von Punktwolkensegmenten zu bilden, wenn ein euklidischer Abstand zwischen den zwei Datenpunkten kleiner als ein Schwellenwert ist.
System nach Anspruch 18, wobei zwei Datenpunkte zusammengefasst werden, um ein Punktwolkensegment der Vielzahl von Punktwolkensegmenten zu bilden, wenn eine absolute Differenz zwischen Entfernungsratenwinkeln der zwei Datenpunkte kleiner als ein Schwellenwert ist.
System nach Anspruch 18, wobei zwei Datenpunkte zusammengefasst werden, um ein Punktwolkensegment der Vielzahl von Punktwolkensegmenten zu bilden, wenn eine Differenz zwischen Entfernungsratenamplituden der zwei Datenpunkte kleiner als ein Schwellenwert ist.
System nach Anspruch 18, wobei die Dealiasing-Operationen ein Berechnen eines mittleren Entfernungsratenwerts und eines mittleren Geschwindigkeitsmehrdeutigkeitswerts für jedes Punktwolkensegment und die versuchsweise Radarspur umfassen.
System nach Anspruch 22, wobei die Dealiasing-Operationen ferner Folgendes umfassen: Berechnen eines Entfernungsraten-Differenzwerts zwischen dem mittleren Entfernungsratenwert für ein gegebenes Punktwolkensegment und dem mittleren Entfernungsratenwert für die versuchsweisen Radarspur; und Vergleichen des Entfernungsraten-Differenzwerts mit einem Schwellenwert.
System nach Anspruch 23, wobei die Dealiasing-Operationen ferner ein Bestimmen umfassen, dass der Entfernungsratendifferenzwert nahe der mittleren Geschwindigkeitsmehrdeutigkeit für die versuchsweise Radarspur ist, wenn der Entfernungsratendifferenzwert größer als der Schwellenwert ist.
System nach Anspruch 24, wobei die Dealiasing-Operationen ferner ein Bestimmen umfassen, dass ein Grenzfall vorliegt, wenn eine Bestimmung durchgeführt wird, dass der Entfernungsratendifferenzwert nahe der mittleren Geschwindigkeitsmehrdeutigkeit für die versuchsweise Radarspur liegt.
System nach Anspruch 18, wobei die Dealiasing-Operationen ein Durchführen eines Positions-Konsistenz-Dealiasing-Algorithmus umfassen.
System nach Anspruch 26, wobei der Positions-Konsistenz-Dealiasing-Algorithmus ein Schätzen einer mittleren Entfernungsrate in Übereinstimmung mit der mathematischen Gleichung $R R_{e s t i m a t e} = (P_{t} - P_{s}) / (T V_{a v e r a g e - T} - T V_{a v e r a g e - S})$
umfasst, wobei RR_estimate eine geschätzte mittlere Entfernungsrate ist, P_t eine Position der versuchsweisen Radarspur ist, P_s eine Position eines gegebenen Punktwolkensegments ist, TK_average-Teine mittlere Gültigkeitsdauer für die versuchsweise Radarspur ist, und TV_average-S eine mittlere Gültigkeitsdauer für das gegebene Punktwolkensegment ist.
System nach Anspruch 27, wobei der Positionskonsistenz-Dealiasing-Algorithmus ferner ein Bestimmen einer Vielzahl möglicher K-Werte gemäß einer mathematischen Gleichung umfasst $| R R_{m e a s u r e d} + K * B_{a v e r a g e - S} | \leq ν_{g},$
wobei RR_measured eine gemessene Entfernungsrate für einen gegebenen Datenpunkt ist, B_average eine mittlere Geschwindigkeitsmehrdeutigkeit für ein gegebenes Punktwolkensegment ist, und v_g eine rationale maximale Geschwindigkeit über Grund ist.
System nach Anspruch 28, wobei der Positionskonsistenz-Dealiasing-Algorithmus ferner ein Erzeugen einer Vielzahl von Entfernungsraten-Hypothesenwerten gemäß einer mathematischen Gleichung umfasst $R R_{h y p o t h e s i s} = R R_{a v e r a g e - T} + K * B_{a v e r a g e - S},$
wobei die RR_hypothesis ein Entfernungsraten-Hypothesenwert ist und RR_average-T eine mittlere Entfernungsrate für die versuchsweise Radarspur ist.
System nach Anspruch 29, wobei der Positionskonsistenz-Dealiasing-Algorithmus ferner ein Annehmen einer Hypothese umfasst, wenn ein jeweiliger der Vielzahl von Entfernungsraten-Hypothesenwerten kleiner als ein vorgegebener Schwellenwert ist.
System nach Anspruch 30, wobei der Positionskonsistenz-Dealiasing-Algorithmus ferner ein Bestimmen einer absoluten Differenz zwischen der geschätzten mittleren Entfernungsrate und einem gegebenen Entfernungsraten-Hypothesenwert der Vielzahl von Entfernungsraten-Hypothesenwerten umfasst.
System nach Anspruch 31, wobei der Positionskonsistenz-Dealiasing-Algorithmus als erfolgreich betrachtet wird, wenn die absolute Differenz zwischen einer geschätzten Entfernungsrate und einer Hypothesenentfernungsrate größer als ein Schwellenwert ist.
System nach Anspruch 32, wobei die Dealiasing-Operationen ferner ein Bestimmen eines wahren Entfernungsratenwerts umfassen, wenn der Positionskonsistenz-Dealiasing-Algorithmus als erfolgreich betrachtet wird.
System nach Anspruch 33, wobei die Dealiasing-Operationen ferner ein Verwenden der wahren Entfernungsrate umfassen, um die Verfolgungsinitialisierungsinformationen zu erzeugen.
Nichtflüchtiges computerlesbares Medium mit darauf gespeicherten Anweisungen, die, wenn sie von mindestens einer Rechenvorrichtung ausgeführt werden, bewirken, dass die mindestens eine Rechenvorrichtung Operationen durchführt, die Folgendes umfassen: Empfangen von Punktwolkeninformationen, die durch mindestens eine Radarvorrichtung und eine räumliche Beschreibung für ein Objekt erzeugt werden; Erzeugen einer Vielzahl von Punktwolkensegmenten durch Gruppieren von Datenpunkten der Punktwolkeninformationen basierend auf der räumlichen Beschreibung; Anordnen der Punktwolkensegmente in einer zeitlichen Reihenfolge, um eine versuchsweise Radarspur zu definieren; Durchführen von Dealiasing-Operationen unter Verwendung der versuchsweisen Radarspur, um Tracker-Initialisierungsinformationen zu erzeugen; und Verwenden der Verfolgungsinitialisierungsinformationen, um eine Spur für das Objekt zu erzeugen.