EP4433843A1 - Verfahren zur zuordnung von empfangssignalen einer sensorik eines fahrzeugs zu einem objekt - Google Patents

Verfahren zur zuordnung von empfangssignalen einer sensorik eines fahrzeugs zu einem objekt

Info

Publication number
EP4433843A1
EP4433843A1 EP22812425.1A EP22812425A EP4433843A1 EP 4433843 A1 EP4433843 A1 EP 4433843A1 EP 22812425 A EP22812425 A EP 22812425A EP 4433843 A1 EP4433843 A1 EP 4433843A1
Authority
EP
European Patent Office
Prior art keywords
cluster
received signals
signal
received
assigned
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP22812425.1A
Other languages
English (en)
French (fr)
Inventor
Benjamin REICHARDT
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aumovio Autonomous Mobility Germany GmbH
Original Assignee
Continental Autonomous Mobility Germany GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Continental Autonomous Mobility Germany GmbH filed Critical Continental Autonomous Mobility Germany GmbH
Publication of EP4433843A1 publication Critical patent/EP4433843A1/de
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section

Definitions

  • the invention relates to a method and a system for assigning received signals from a sensor system in a vehicle to an object in the area surrounding the vehicle.
  • a known method for tracking received signals in order to be able to assign them to an object uses a forward search window, i.e. one directed towards future received signals.
  • the size of the search window is variable and is increasingly being reduced in order to ensure the stability of the tracking process.
  • a method for assigning received signals from a sensor system of a vehicle to an object is disclosed.
  • the method is used to detect a received signal sequence, hereinafter referred to as a cluster, and to assign further, newly received received signals to this received signal sequence, the received signal sequence describing an object in the area surrounding the vehicle.
  • the sensor system of the vehicle has at least one distance-measuring sensor, for example at least one ultrasonic sensor.
  • the procedure includes the following steps:
  • a measurement signal is transmitted by at least one sensor and a reflected portion of this measurement signal is received by a sensor as a reception signal. In this way, a number of received signals originating from one or more objects can be received in the send/receive cycles.
  • At least one cluster of received signals is then formed using a regression method.
  • the regression method is preferably a method that looks backwards in time, ie after receiving a plurality of received signals, an attempt is made to form a cluster from them.
  • the received signals are based on their signal propagation time between the transmission of the measurement signal and the Receiving a reflected portion of this measurement signal assigned to a cluster in such a way that those received signals are added to a cluster whose signal propagation times change linearly or substantially linearly over time, taking into account a predetermined variance.
  • the regression method searches for a group of received signals whose signal propagation time, plotted over time, has a profile that is sufficiently linear, taking into account a predetermined variance.
  • a tolerance range for the at least one cluster is then determined.
  • the tolerance range defines a signal propagation time range in which a future received signal must lie in order to be able to be assigned to the cluster.
  • the tolerance range can also specify a time interval from the cluster or cluster center within which the future received signal must occur in order to be able to be assigned to the cluster.
  • a check is made based on the tolerance range as to whether the new received signal can be assigned to the cluster.
  • updated cluster information of the cluster to which the received signal can be assigned is calculated based on the regression method, taking into account information on the received signals that are assigned to the cluster.
  • the cluster is further developed based on the at least one newly assigned received signal.
  • the cluster information, by which the cluster is characterized, is adjusted taking into account the received signals previously assigned to the cluster and the at least one newly assigned received signal.
  • the cluster i.e. the initial cluster, is formed by determining an approximation line and assigning received signals to the cluster whose signal propagation times are in a predetermined area around the approximation line.
  • an attempt is first made to find a group of received signals whose points lie approximately on a straight line, i.e. allowing for a predetermined variance.
  • An approximation straight line is then preferably calculated on the basis of these points, for example by means of a method of the least error squares (least mean square method).
  • the group of received signals that were used for calculating the approximation line is then expanded, namely by those points that lie in the specified surrounding area around the approximation line.
  • the cluster is then formed on the basis of this expanded group. This means that objects that have multiple reflection planes at different distances from the sensor (so that multiple received signals that are offset in time are generated from one transmitted signal) can be tracked better.
  • the range in which received signals can lie is expanded by using further received signals to form the cluster, the signal propagation times of which lie in a predetermined surrounding range around the approximation line. This in turn makes the method more robust in relation to objects with a plurality of reflection planes.
  • those received signals are assigned to the cluster that meet the following condition: where:
  • E(X) average of the transmission times of the received signals of the cluster
  • Xnew Transmission time of the received signal to be assigned
  • yneu signal propagation time of the received signal to be assigned
  • c distance limit.
  • the cluster information includes a cluster center and a cluster slope.
  • the cluster center indicates an average of the transmission times and the signal propagation times of the received signals that are assigned to the cluster.
  • the mean value can be a linear mean value or a weighted mean value, with the more recent received signals in particular being weighted more highly than received signals from a longer time ago.
  • the cluster gradient is defined, for example, by the ratio of the variance of the signal propagation times and the variance of the transmission times or the ratio of the covariance between the transmission times and the signal propagation times and the variance of the transmission times. When calculating the cluster gradient, the more recent received signals can also be weighted more highly than received signals that are longer in the past.
  • the cluster slope is determined by the following formula: where: pi: weighting factor, which is preferably 1/A, where A is the number of received signals in the cluster;
  • E(X) average of the transmission times of the received signals of the cluster
  • E(Y) average of the signal propagation times of the received signals of the cluster
  • Xi time of transmission of the i-th received signal; y signal propagation time of the i-th received signal;
  • the tolerance range is determined based on the cluster center and the cluster slope.
  • a range of signal propagation times is defined in which the signal propagation time of the received signal may lie so that the received signal can be assigned to the cluster.
  • the tolerance range also defines the time interval from the cluster center at which the transmission signal that leads to the reception signal must have been sent and/or the reception signal must be received so that it can be assigned to the cluster.
  • newly determined received signals are associated with an existing cluster if they meet the following condition: where:
  • CM X average of the transmission times of the received signals of the cluster or first coordinate of the cluster center
  • CM y mean value of the signal propagation times of the received signals of the cluster or second coordinate of the center of the cluster;
  • Xnew Transmission time of the newly determined received signal
  • yneu signal propagation time of the newly determined received signal
  • c distance limit.
  • the values of the cluster center and the cluster slope are updated. This ensures that after one or more received signals have been assigned to the cluster, the cluster is further developed, so that the cluster center point and the cluster slope are adapted to the course of the received signals in the cluster.
  • the received signals are weighted when calculating the updated values of the cluster center point and the cluster slope, in such a way that received signals determined longer in the past are weighted less than received signals that are more recent in the past.
  • the cluster information characterizing the cluster can follow changing reception signal profiles, which result, for example, from a relative movement between the host vehicle and a surrounding object, in an improved manner.
  • the sensor determines Doppler information about the received signal.
  • the Doppler information is used to check whether the received signal can be assigned to a cluster. This enables improved tracking of objects when there is a relative movement between the host vehicle and a surrounding object.
  • the Doppler information is compared with the cluster slope. Since the cluster slope is an indication of the change in the signal propagation time over time and thus of the relative speed between the host vehicle and a surrounding object, comparing the Doppler information with the cluster slope can reduce the probability of an incorrect assignment of a received signal to a cluster.
  • a system for assigning received signals from a sensor system of a vehicle to an object comprises at least one distance-measuring sensor and a computer unit for controlling the sensor system and providing received signals.
  • the computing unit is configured to perform the following steps:
  • FIG. 1 shows an example of a plan view of a vehicle with an environment detection system that has a number of sensors
  • FIG. 2 shows an example diagram that illustrates the signal propagation time of a large number of received signals plotted against the time of transmission
  • FIG. 3 shows an example and diagrammatically of a section of the diagram according to FIG. 2, with a number of paths being drawn in between adjacent received signals, which elucidate the backward-looking method for searching for an approximation line;
  • FIG. 4 by way of example and schematically the section of the diagram according to FIG. 3 with an approximation line, an area surrounding the approximation line and an ellipse which illustrates cluster information of an initial cluster;
  • FIG. 5 shows an example and a schematic of a section of the diagram according to FIG. which illustrate the range in which new received signals must lie in order to be able to be associated with the cluster;
  • FIG. 6 shows the diagram according to FIG. 2 by way of example and schematically, with a large number of ellipses which illustrate the continuous tracking of the received signals for assigning the received signals to an object
  • FIG. 7 is an example of a block diagram that clarifies the process sequences of the method for assigning received signals to an object.
  • FIG. 1 shows a vehicle F, which has a large number of sensors S, by way of example and in a roughly schematic manner. These are indicated as circles in FIG.
  • the vehicle F preferably has a plurality of sensors S which are distributed around the vehicle F.
  • the sensors S are distance-measuring sensors, for example ultrasonic sensors.
  • the sensors S can also be radar sensors.
  • the sensors S preferably do not have the ability to determine the direction from which a received, reflected signal component of the transmission signal originates. Such sensors are often referred to as 1-D sensors.
  • the distance of an object at which the reflection occurs can be determined based on the propagation time of the sensor signal between the time of transmission and the time of reception.
  • the sensors are coupled to a computer unit R, which has at least one processor and at least one memory unit.
  • This computer unit R is designed to carry out the method sequences disclosed in this document, in particular to group and time-track the received signals that are caused by reflections on an object in order to be able to assign them to an object.
  • FIG. 2 shows a diagram in which received signals (indicated by the respective dots) of a sensor system of a vehicle F that is moving past a post-like object are entered.
  • the horizontal x-axis indicates the transmission times at which measurement signals were emitted by the sensors.
  • On the vertical y-axis is the signal propagation time between sending the Measurement signal and receiving a reflected portion of the measurement signal applied. The signal propagation time indicates the distance of the object from the sensor S.
  • the object is contoured, for example, i.e. it has several object planes with different geometric dimensions, for example different widths. As can be seen in Fig. 2, this can result in several received signals with different signal propagation times from one transmission cycle, i.e. several received signals are assigned to a transmission time that represents a transmission cycle (received signals lying vertically one above the other in Fig. 2).
  • the distance When approaching the object, the distance is first reduced, so that the signal propagation time decreases, then reaches a minimum value and increases again after driving past the object.
  • FIG. 3 shows, by way of example and diagrammatically, the determination of an approximation line, taking into account a number of received signals that have already been received. In other words, it is based on recent (e.g. in the last 100ms up to 500ms) detected Received signals checked whether at least some of these received signals are based on a permissible variance or spread on an approximation line.
  • the path that has the greatest linearity i.e. that comes closest to a straight line
  • an approximation line is then determined using a regression method, in particular a linear regression method.
  • Fig. 4 shows the received signals contained in Fig. 3 with the closest path representing a straight line as a broken line and an approximation straight line as a solid line, which was determined using a regression method, in particular a linear regression method, based on the received signals on the path lying, which has the greatest linearity.
  • received signals from a surrounding area U around the approximation line are preferably also used to form a cluster C.
  • the surrounding area U is indicated in FIG. 4 by the pair of dashed lines which run parallel to the approximation line. This means that received signals that originate from the same object but have different signal propagation times due to the shape of the object and therefore deviate from the approximation line are assigned to the cluster.
  • the surrounding area U around the approximation line can be defined, for example, by the following relationship:
  • E(X) Mean value of the transmission times of the received signals of the path that was used to calculate the approximation line
  • Xnew Transmission time of a received signal that can potentially be assigned
  • yneu signal propagation time of a received signal that can potentially be assigned
  • c distance limit.
  • those received signals are used whose transmission times or signal propagation times are in a surrounding area defined by the distance limit value c to the received signals that were used for the calculation of the approximation line.
  • An initial cluster C is then formed based on the received signals located in the surrounding area U.
  • the initial cluster C is indicated in FIG. 4 by the ellipse.
  • the initial cluster C has cluster information, in particular a cluster center point CM and a cluster gradient CS. These can be calculated, for example, using a least squares method (least mean square method). In the calculation of the cluster information, all received signals that are to be assigned to the cluster, i.e. in particular that are located in the surrounding area U, are preferably weighted equally.
  • the cluster information can be calculated as follows:
  • the mean value of the transmission time E(X), ie the mean value over time of cluster C, is determined by the temporal distribution (horizontal distribution of the received signals in FIGS. 3 and 4) of the received signals in cluster C. For example, this is calculated as follows: whereby:
  • A number of received signals in the cluster; and Xi: time of transmission of the i-th received signal.
  • the mean value of the signal propagation time E(Y) is determined by the distribution of the signal propagation time (distribution of the received signals in the vertical direction in FIGS. 3 and 4) of the received signals in cluster C. For example, this is calculated as follows: whereby:
  • A number of received signals in the cluster; and y is the signal propagation time of the i-th received signal.
  • the variance of the transmission times (in Fig. 3 and 4 the variance in the horizontal direction, i.e. in the x-direction) or the variance of the signal propagation times (in Fig.
  • E(X) average of the transmission times of the received signals of the cluster
  • A number of received signals in the cluster; and Xi: transmission time of the i-th received signal
  • E(Y) Mean value of the signal propagation time of the received signals of the cluster; A: number of received signals in the cluster; and y signal propagation time of the i-th received signal.
  • the covariance between the time of transmission and the signal propagation time can be determined as follows:
  • the cluster gradient CS can be determined from the variance Var(X) and the covariance Cov (X,Y).
  • the cluster center CM is determined by the mean E(X) of the transmission times of the received signals of cluster C and the mean E(Y) of the signal propagation times of the received signals of cluster C, where E(X) and E(Y) are the coordinates of the cluster center CM indicate.
  • the cluster gradient CS indicates the change in the signal propagation time over time and thus indicates the signal propagation time range in which a future received signal will lie if it originates from the same object.
  • a tolerance range T is outlined in FIG. 5 by the sector opening to the right from the cluster center point CM. For example, it is checked whether the received signal has a signal propagation time that corresponds to the course of the signal propagation time that is indicated by the cluster gradient CS.
  • CM X average of the transmission times of the received signals of the cluster or first coordinate of the cluster center;
  • CM y mean value of the signal propagation times of the received signals of the cluster or second coordinate of the center of the cluster;
  • Xnew Transmission time of the newly determined received signal
  • yneu signal propagation time of the newly determined received signal
  • c distance limit. If the new received signal is within the tolerance range, in particular if the above condition is met, the newly determined received signal is associated with the cluster and the cluster information, in particular the cluster center CM and the cluster slope CS, are updated using the newly determined received signal.
  • the cluster information is preferably updated by time-dependent weighting of the received signals.
  • the received signals that are longer in the past are preferably weighted less than the currently received received signal.
  • the weighting factor can be reduced linearly or non-linearly with the time interval. The result of this is that received signals that are longer in the past are weighted increasingly less, so that a non-linear change in the cluster information becomes possible and the cluster C can thus adapt to non-linear received signal profiles.
  • the cluster information is updated in that the previously applicable cluster information, in particular the previously applicable mean value of the transmission times of the received signals, the previously applicable mean value of the signal propagation time of the received signals, the previously applicable variance of the transmission times, the previously applicable variance of the signal propagation times and the previously applicable covariance be provided with a first weighting factor between the time of transmission and the signal propagation time in order to obtain weighted, previously valid cluster information.
  • This weighted, previously valid cluster information is modified based on one or more received signals to be newly associated, in order thereby to obtain updated cluster information.
  • the cluster information can be updated in a way that saves memory resources, since the information on all of the received signals is not stored individually only the previously applicable cluster information.
  • the cluster information is preferably updated as follows:
  • the mean values E(X) and E(Y) of the cluster C are updated based on the at least one received signal to be newly associated.
  • the previously applicable mean values Eait(X) and Eait(Y), which are weighted with a weighting factor, are modified by adding mean values Eneu(X) and Eneu(Y) of the at least one new received signal to be associated.
  • the mean values Eneu(X) and Eneu(Y) are also weighted.
  • the weighting factors can either be fixed or adaptive. Through the adaptive selection of the weighting factors, it can be achieved that the influence of the at least one received signal to be newly associated can be changed as a function of the driving situation or as a function of the environment to be detected.
  • the influence of the at least one received signal to be newly associated can be increased so that the object can be reliably tracked and thus detected.
  • the influence of the at least one received signal to be newly associated can be reduced, so that the influence of noise is reduced.
  • Xi time of transmission of the i-th received signal to be newly associated; y signal propagation time of the i-th received signal to be newly associated;
  • Clusters can be updated as follows: whereby:
  • Eait(Y) updated average of the signal propagation times
  • Varait(X) previously applicable variance of the sending times of the cluster
  • Varait(Y) previously applicable variance of the signal propagation times of the cluster; w: weighting factor
  • the weighting factor w is preferably selected in the range 0 ⁇ w ⁇ 0.5, in particular in the range 0.1 ⁇ w ⁇ 0.3.
  • FIG. 6 shows the diagram of FIG. 2 with ellipses entered therein.
  • the individual ellipses illustrate the mean values in the x and y directions or the variances Var(X) and Var(Y) or the covariances Cov(X,Y) of the received signals to be newly associated with the cluster.
  • the sensor system can capture and output Doppler information, i.e. information on the Doppler shift that results from a relative movement of the vehicle and the detected object.
  • Doppler information can be used to decide whether to associate one or more new received signals with the cluster.
  • the cluster gradient can be compared with the Doppler information in order to decide whether the newly acquired received signal should be assigned to the cluster. This can reduce false associations.
  • the formation of random clusters can be reduced in that received signals that can be assigned to a cluster are used to remove other received signals that have arisen due to the same transmission of a transmitted signal in the same and/or other sensors.
  • the determination that the received signals originate from the same transmission of the transmitted signal can be made, for example, on the basis of a time coding of the transmitted signals or a frequency coding of the transmitted signals.
  • multiple reflections between the vehicle and the object to be detected can be used to confirm the existence of an object or a cluster. That's approaching If the vehicle hits an object, multiple reflections of level n can occur. These have a speed n times higher than in the case of single reflection.
  • the traceability of a speed component is limited.
  • the information from a detected cluster can be used explicitly to specifically identify a pseudo-cluster with a speed component that is approximately n times as large and at a distance of approximately n times. This reduces noise in other sensors and confirms the existence of the actual cluster.
  • FIG. 7 shows a diagram that explains the method steps for assigning received signals to an object.
  • each transmission/reception cycle comprising the transmission of a measurement signal by at least one sensor and the receipt of a reflected portion of this measurement signal as a reception signal by a sensor.
  • At least one cluster of received signals is then formed using a regression method, the received signals being assigned to a cluster based on their signal propagation time between the transmission of the measurement signal and the receipt of a reflected portion of this measurement signal, in such a way that those received signals are added to a cluster whose Signal propagation times change linearly or essentially linearly over time, taking into account a predetermined variance (S11).
  • a tolerance range is then determined for the at least one cluster, with the tolerance range specifying a signal propagation time range in which a future received signal must lie in order to be able to be assigned to the cluster (S12). After receiving a new received signal, it is checked based on the tolerance range whether the new received signal can be assigned to the cluster (S13). Lastly, updated cluster information of the cluster to which the reception signal can be assigned is calculated based on the regression method considering information of the reception signals assigned to the cluster (S14).

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Acoustics & Sound (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zur Zuordnung von Empfangssignalen einer Sensorik eines Fahrzeugs (F) zu einem Objekt, wobei die Sensorik des Fahrzeugs (F) zumindest einen entfernungsmessenden Sensor (S) aufweist.

Description

Verfahren zur Zuordnung von Empfangssignalen einer Sensorik eines Fahrzeugs zu einem Objekt
Die Erfindung betrifft ein Verfahren und ein System zur Zuordnung von Empfangssignalen einer Sensorik eines Fahrzeugs zu einem Objekt im Umgebungsbereich des Fahrzeugs.
Es ist grundsätzlich bekannt, die Lage von Objekten im Umgebungsbereich eines Fahrzeugs mittels mehrerer Sensoren, die lediglich eine Entfernungsmessung, nicht aber eine Richtungsbestimmung ermöglichen, und einem Tracking-Verfahren, bei dem Empfangssignale in mehreren aufeinanderfolgenden Sende-Empfangszyklen ermittelt werden, zu bestimmen.
Ein bekanntes Verfahren zum Tracking von Empfangssignalen, um diese einem Objekt zuordnen zu können, nutzt ein vorwärts, d.h. auf zukünftige Empfangssignale gerichtetes Suchfenster. Die Größe des Suchfensters ist variabel und wird zunehmend reduziert, um die Stabilität des Trackingverfahrens zu gewährleisten.
Problematisch bei bekannten Verfahren ist, dass diese bei Datenverlusten, d.h. bei fehlenden Empfangssignalen, oder komplexen Objektstrukturen eine geringe Robustheit aufweisen und dadurch das Trackingverfahren häufig abbricht. Auch neigen bekannte Trackingverfahren bei bewegten, zu erfassenden Objekten häufig zu Abbrüchen.
Ausgehend hiervon ist es Aufgabe der Erfindung, ein Verfahren zur Zuordnung von Empfangssignalen einer Sensorik eines Fahrzeugs zu einem Objekt anzugeben, das sich durch eine hohe Robustheit und Unempfindlichkeit auszeichnet und damit die Abbrüche des Trackingverfahrens reduziert werden. Die Aufgabe wird durch ein Verfahren mit den Merkmalen des unabhängigen Patentanspruchs 1 gelöst. Bevorzugte Ausführungsformen sind Gegenstand der Unteransprüche. Ein System zur Zuordnung von Empfangssignalen einer Sensorik eines Fahrzeugs zu einem Objekt ist Gegenstand des nebengeordneten Patentanspruchs 13.
Gemäß einem ersten Aspekt wird ein Verfahren zur Zuordnung von Empfangssignalen einer Sensorik eines Fahrzeugs zu einem Objekt offenbart. Insbesondere dient das Verfahren zum Detektieren einer Empfangssignalfolge, nachfolgend als Cluster bezeichnet, und dem Zuordnen von weiteren, neu empfangenen Empfangssignalen zu dieser Empfangssignalfolge, wobei die Empfangssignalfolge ein Objekt im Umgebungsbereich des Fahrzeugs beschreibt. Die Sensorik des Fahrzeugs weist zumindest einen entfernungsmessenden Sensor, beispielsweise zumindest einen Ultraschallsensor auf. Das Verfahren umfasst die folgenden Schritte:
Zunächst werden mehrere zeitlich aufeinanderfolgende Sende- Empfangszyklen durch die Sensorik durchgeführt. In jedem Sende- Empfangszyklus erfolgt ein Aussenden eines Messsignals durch zumindest einen Sensor und das Empfangen eines reflektierten Anteils dieses Messsignals als Empfangssignal durch einen Sensor. Damit können in den Sende-Empfangszyklen mehrere Empfangssignale erhalten werden, die von einem oder mehreren Objekten stammen.
Anschließend wird zumindest ein Cluster von Empfangssignalen mittels eines Regressionsverfahrens gebildet. Das Regressionsverfahren ist dabei vorzugsweise ein zeitlich rückwärtsgewandtes Verfahren, d.h. nach dem Empfangen mehrerer Empfangssignale wird versucht, aus diesen ein Cluster zu bilden. Die Empfangssignale werden basierend auf deren Signallaufzeit zwischen dem Aussenden des Messsignals und dem Empfangen eines reflektierten Anteils dieses Messsignals einem Cluster zugeordnet, und zwar derart, dass diejenigen Empfangssignale einem Cluster hinzugefügt werden, deren Signallaufzeiten sich über der Zeit linear oder im Wesentlichen linear unter Berücksichtigung einer vorgegebenen Varianz ändern. In anderen Worten sucht das Regressionsverfahren eine Gruppe von Empfangssignalen, deren Signallaufzeit aufgetragen über der Zeit einen unter Berücksichtigung einer vorgegebenen Varianz hinreichend linearen Verlauf aufweist.
Anschließend wird ein Toleranzbereich für das zumindest eine Cluster bestimmt. Der Toleranzbereich legt einen Signallaufzeitbereich fest, in dem ein zukünftiges Empfangssignal liegen muss, um zu dem Cluster zugeordnet werden zu können. Der Toleranzbereich kann auch einen zeitlichen Abstand zum Cluster oder Clustermittelpunkt festlegen, innerhalb dem das zukünftige Empfangssignal auftreten muss, um zu dem Cluster zugeordnet werden zu können.
Nach dem Empfangen eines neuen Empfangssignals wird basierend auf dem Toleranzbereich geprüft, ob das neue Empfangssignal dem Cluster zugeordnet werden kann.
Wenn die Prüfung ergibt, dass das neue Empfangssignal dem Toleranzbereich zugeordnet werden kann, erfolgt ein Berechnen von aktualisierten Clustennformationen des Clusters, dem das Empfangssignal zugeordnet werden kann, basierend auf dem Regressionsverfahren unter Berücksichtigung von Informationen der Empfangssignale, die dem Cluster zugeordnet sind. In anderen Worten wird damit das Cluster basierend auf dem zumindest einen neu zugeordneten Empfangssignal weiterentwickelt. Dabei werden die Clustennformationen, durch die das Cluster charakterisiert ist, unter Berücksichtigung der bisher dem Cluster zugeordneten Empfangssignale sowie dem zumindest einen neu zugeordneten Empfangssignal angepasst. Der technische Vorteil des erfindungsgemäßen Verfahrens besteht dann, dass dies eine hohe Robustheit und Unempfindlichkeit auch bei bewegten bzw. konturierten Objekten aufweist und damit die Gefahr von Abbrüchen des Objekttrackings reduziert ist.
Gemäß einem Ausführungsbeispiel erfolgt die Bildung des Clusters, d.h. des initialen Clusters, durch Bestimmung einer Approximationsgeraden und Zuordnung von Empfangssignalen zu dem Cluster, deren Signallaufzeiten sich in einem vorgegebenen Umgebungsbereich um die Approximationsgerade befinden. Insbesondere wird zunächst versucht, eine Gruppe von Empfangssignalen zu finden, deren Punkte näherungsweise, d.h. unter Zulassung einer vorgegebenen Varianz, auf einer Gerade liegen. Auf Basis dieser Punkte wird dann vorzugsweise eine Approximationsgerade berechnet, beispielsweise mittels eines Verfahrens der kleinsten Fehlerquadrate (Least-mean-square-Verfahren). Anschließend wird die Gruppe der Empfangssignale, die für die Berechnung der Approximationsgeraden verwendet wurden, erweitert, und zwar um diejenigen Punkte, die in dem vorgegebenen Umgebungsbereich um die Approximationsgerade liegen. Auf Basis dieser erweiterten Gruppe wird anschließend das Cluster gebildet. Dadurch wird erreicht, dass Objekte, die mehrere Reflexionsebenen mit unterschiedlichen Abständen zum Sensor aufweisen (so dass aus einem Sendesignal mehrere zeitlich versetzte Empfangssignale entstehen), besser getrackt werden können.
Gemäß einem Ausführungsbeispiel wird vor der Bildung des Clusters der Bereich, in dem Empfangssignale liegen können, erweitert, indem weitere Empfangssignale zur Bildung des Clusters herangezogen werden, deren Signallaufzeiten in einem vorgegebenen Umgebungsbereich um die Approximationsgerade liegen. Dadurch wird wiederum eine höhere Robustheit des Verfahrens gegenüber Objekten mit mehreren Reflexionsebenen erreicht. Gemäß einem Ausführungsbeispiel werden diejenigen Empfangssignale dem Cluster zugeordnet, die folgende Bedingung erfüllen: wobei gilt:
E(X): Mittelwert der Sendezeitpunkte der Empfangssignale des Clusters;
E(Y): Mittelwert der Signallaufzeiten der Empfangssignale des Clusters; m: Steigung der Approximationsgeraden
Xneu: Sendezeitpunkt des zuzuordnenden Empfangssignals; yneu: Signallaufzeit des zuzuordnenden Empfangssignals; c: Abstandsgrenzwert.
Gemäß einem Ausführungsbeispiel umfassen die Clustennformationen einen Clustermittelpunkt und eine Clustersteigung. Der Clustermittelpunkt gibt einen Mittelwert der Sendezeitpunkte und der Signallaufzeiten der Empfangssignale an, die dem Cluster zugeordnet sind. Der Mittelwert kann ein linearer Mittelwert oder ein gewichteter Mittelwert sein, wobei insbesondere die jüngeren Empfangssignale höher gewichtet werden als länger zurückliegende Empfangssignale. Die Clustersteigung wird beispielsweise durch das Verhältnis der Varianz der Signallaufzeiten und der Varianz der Sendezeitpunkte oder dem Verhältnis aus der Kovarianz zwischen den Sendezeitpunkten und den Signallaufzeiten und der Varianz der Sendezeitpunkte definiert. Auch bei der Berechnung der Clustersteigung können die jüngeren Empfangssignale höher gewichtet werden als länger zurückliegende Empfangssignale.
Gemäß einem Ausführungsbeispiel wird die Clustersteigung durch folgende Formel bestimmt: wobei gilt: pi: Gewichtungsfaktor, der vorzugsweise 1/A beträgt, wobei A die Anzahl der Empfangssignale im Cluster ist;
E(X): Mittelwert der Sendezeitpunkte der Empfangssignale des Clusters;
E(Y): Mittelwert der Signallaufzeiten der Empfangssignale des Clusters;
Xi: Sendezeitpunkt des i-ten Empfangssignals; y Signallaufzeit des i-ten Empfangssignals;
Gemäß einem Ausführungsbeispiel wird der Toleranzbereich basierend auf dem Clustermittelpunkt und der Clustersteigung festgelegt.
Insbesondere wird ausgehend vom Clustermittelpunkt basierend auf der Clustersteigung ein Bereich von Signallaufzeiten festgelegt, in dem die Signallaufzeit des Empfangssignals liegen darf, damit das Empfangssignal dem Cluster zugeordnet werden kann. Auch wird mit dem Toleranzbereich festgelegt, in welchem zeitlichen Abstand vom Clustermittelpunkt die Absendung des Sendesignals, das zu dem Empfangssignal führt, erfolgt sein muss und/oder das Empfangssignal erhalten werden muss, damit es dem Cluster zugeordnet werden kann.
Gemäß einem Ausführungsbeispiel werden neu ermittelte Empfangssignale mit einem bestehenden Cluster dann assoziiert, wenn diese folgende Bedingung erfüllen: wobei gilt:
CMX: Mittelwert der Sendezeitpunkte der Empfangssignale des Clusters bzw. erste Koordinate des Clustermittelpunkts; CMy: Mittelwert der Signallaufzeiten der Empfangssignale des Clusters bzw. zweite Koordinate des Clustermittelpunkts;
CS: Clustersteigung;
Xneu: Sendezeitpunkt des neu ermittelten Empfangssignals; yneu: Signallaufzeit des neu ermittelten Empfangssignals; c: Abstandsgrenzwert.
Gemäß einem Ausführungsbeispiel werden nach dem Assoziieren von einem oder mehreren neu ermittelten Empfangssignalen die Werte des Clustermittelpunkts und der Clustersteigung aktualisiert. Dadurch wird gewährleistet, dass nach dem Zuordnen eines oder mehrerer Empfangssignale zu dem Cluster das Cluster weiterentwickelt wird, so dass der Clustermittelpunkt und die Clustersteigung an den Verlauf der Empfangssignale im Cluster angepasst wird.
Gemäß einem Ausführungsbeispiel werden bei der Berechnung der aktualisierten Werte des Clustermittelpunkts und der Clustersteigung die Empfangssignale gewichtet, und zwar derart, dass länger in der Vergangenheit zurückliegend ermittelte Empfangssignale geringer gewichtet werden als kürzer in der Vergangenheit zurückliegende Empfangssignale. Damit können die das Cluster charakterisierenden Clustennformationen in verbesserter Weise sich ändernden Empfangssignalverläufen, die beispielsweise aus einer Relativbewegung zwischen dem Egofahrzeug und einem Umgebungsobjekt resultieren, folgen.
Gemäß einem Ausführungsbeispiel wird durch den Sensor eine Dopplerinformation zu dem Empfangssignal ermittelt. Die Dopplerinformation wird dazu verwendet, zu prüfen, ob das Empfangssignal einem Cluster zugeordnet werden kann. Damit ist ein verbessertes Tracking von Objekten bei einer Relativbewegung zwischen dem Egofahrzeug und einem Umgebungsobjekt möglich. Gemäß einem Ausführungsbeispiel erfolgt bei der Prüfung, ob das Empfangssignal einem Cluster zugeordnet werden kann, ein Vergleich der Dopplerinformation mit der Clustersteigung. Da die Clustersteigung ein Indiz für die Änderung der Signallaufzeit über der Zeit und damit für die Relativgeschwindigkeit zwischen dem Egofahrzeug und einem Umgebungsobjekt ist, kann durch den Vergleich der Dopplerinformation mit der Clustersteigung die Wahrscheinlichkeit einer fehlerhaften Zuordnung eines Empfangssignals zu einem Cluster reduziert werden.
Gemäß einem weiteren Aspekt wird ein System zur Zuordnung von Empfangssignalen einer Sensorik eines Fahrzeugs zu einem Objekt offenbart. Das System umfasst zumindest einen entfernungsmessenden Sensor und eine Rechnereinheit zur Steuerung der Sensorik und Bereitstellung von Empfangssignalen. Die Rechnereinheit ist dazu konfiguriert, die folgenden Schritte auszuführen:
- Durchführen mehrerer zeitlich aufeinanderfolgender Sende- Empfangszyklen durch die Sensorik, wobei die Sende- Empfangszyklen jeweils das Aussenden eines Messsignals durch zumindest einen Sensor und das Empfangen eines reflektierten Anteils dieses Messsignals als Empfangssignal durch einen Sensor umfassen;
- Bilden zumindest eines Clusters von Empfangssignalen mittels eines Regressionsverfahrens, wobei die Empfangssignale basierend auf deren Signallaufzeit zwischen dem Aussenden des Messsignals und dem Empfangen eines reflektierten Anteils dieses Messsignals einem Cluster zugeordnet werden, und zwar derart, dass diejenigen Empfangssignale einem Cluster hinzugefügt werden, deren Signallaufzeiten sich über der Zeit linear oder im Wesentlichen linear unter Berücksichtigung einer vorgegebenen Varianz ändern; - Bestimmen eines Toleranzbereichs für das zumindest eine Cluster, wobei der Toleranzbereich einen Signallaufzeitbereich festlegt, in dem ein zukünftiges Empfangssignal liegen muss, um zu dem Cluster zugeordnet werden zu können;
- Empfangen eines neuen Empfangssignals und prüfen basierend auf dem Toleranzbereich, ob das neue Empfangssignal dem Cluster zugeordnet werden kann; und
- Berechnen von aktualisierten Clustennformationen des Clusters, dem das Empfangssignal zugeordnet werden kann, basierend auf dem Regressionsverfahren unter Berücksichtigung von Informationen der Empfangssignale, die dem Cluster zugeordnet sind.
Die Ausdrücke „näherungsweise“, „im Wesentlichen“ oder „etwa“ bedeuten im Sinne der Erfindung Abweichungen vom jeweils exakten Wert um +/- 10%, bevorzugt um +/- 5% und/oder Abweichungen in Form von für die Funktion unbedeutenden Änderungen.
Weiterbildungen, Vorteile und Anwendungsmöglichkeiten der Erfindung ergeben sich auch aus der nachfolgenden Beschreibung von Ausführungsbeispielen und aus den Figuren. Dabei sind alle beschriebenen und/oder bildlich dargestellten Merkmale für sich oder in beliebiger Kombination grundsätzlich Gegenstand der Erfindung, unabhängig von ihrer Zusammenfassung in den Ansprüchen oder deren Rückbeziehung. Auch wird der Inhalt der Ansprüche zu einem Bestandteil der Beschreibung gemacht.
Die Erfindung wird im Folgenden anhand der Figuren an Ausführungsbeispielen näher erläutert. Es zeigen:
Fig. 1 beispielhaft eine Draufsichtdarstellung eines Fahrzeugs mit einem Umgebungserfassungssystem, das mehrere Sensoren aufweist; Fig. 2 beispielhaft ein Diagramm, das die Signallaufzeit einer Vielzahl von Empfangssignalen aufgetragen über dem Sendezeitpunkt veranschaulicht;
Fig. 3 beispielhaft und schematisch ein Ausschnitt des Diagramms gemäß Fig. 2, wobei mehrere Pfade zwischen benachbarten Empfangssignalen eingezeichnet sind, die das zeitlich rückwärtsgewandte Verfahren zur Suche einer Approximationsgeraden verdeutlicht;
Fig. 4 beispielhaft und schematisch den Ausschnitt des Diagramms gemäß Fig. 3 mit einer Approximationsgerade, einem Umgebungsbereich um die Approximationsgerade und einer Ellipse, die Clustennformationen eines initialen Clusters verdeutlicht;
Fig. 5 beispielhaft und schematisch ein Ausschnitt des Diagramms gemäß Fig. 2, mit dem initialen Cluster, das durch die linke Ellipse veranschaulicht wird, weiteren Ellipsen, die jeweils Informationen von neu mit dem Cluster zu assoziierenden Empfangssignalen veranschaulichen und Toleranzbereichen zu den jeweiligen Ellipsen, die den Bereich veranschaulichen, in dem neue Empfangssignale liegen müssen, um mit dem Cluster assoziiert werden zu können;
Fig. 6 beispielhaft und schematisch das Diagramm gemäß Fig. 2, mit einer Vielzahl von Ellipsen, die das fortlaufende Tracking der Empfangssignale zur Zuordnung der Empfangssignale zu einem Objekt verdeutlichen; und Fig. 7 beispielhaft ein Blockdiagramm, das die Verfahrensabläufe des Verfahrens zur Zuordnung von Empfangssignalen zu einem Objekt verdeutlicht.
Figur 1 zeigt beispielhaft und grob schematisch ein Fahrzeug F, das eine Vielzahl von Sensoren S aufweist. Diese sind in Fig. 1 als Kreise angedeutet. Vorzugsweise weist das Fahrzeug F mehrere Sensoren S auf, die um das Fahrzeug F herum verteilt vorgesehen sind. Die Sensoren S sind entfernungsmessende Sensoren, beispielsweise Ultraschallsensoren. Alternativ können die Sensoren S auch Radarsensoren sein. Vorzugsweise weisen die Sensoren S jedoch nicht die Fähigkeit auf, die Richtung zu bestimmen, aus der ein empfangener, reflektierter Signalanteil des Sendesignals stammt. Derartige Sensoren werden häufig als 1-D-Sensoren bezeichnet. Die Bestimmung der Entfernung eines Objekts, an dem die Reflexion auftritt, kann basierend auf der Laufzeit des Sensorsignals zwischen dem Sendezeitpunkt und dem Empfangszeitpunkt erfolgen.
Die Sensoren sind mit einer Rechnereinheit R gekoppelt, die zumindest einen Prozessor und zumindest eine Speichereinheit aufweist. Diese Rechnereinheit R ist dazu ausgebildet, die in diesem Dokument offenbarten Verfahrensabläufe durchzuführen, insbesondere die Empfangssignale, die durch Reflexionen an einem Objekt entstehen, zu gruppieren und zeitlich zu tracken, um diese einem Objekt zuordnen zu können.
Fig. 2 zeigt ein Diagramm, in dem Empfangssignale (durch die jeweiligen Punkte angedeutet) einer Sensorik eines Fahrzeugs F eingetragen sind, das sich an einem pfostenartigen Objekt vorbeibewegt. Die horizontal verlaufende x-Achse gibt dabei die Sendezeitpunkte an, an denen Messsignale von der Sensorik emittiert wurden. Auf der vertikal verlaufenden y-Achse ist die Signallaufzeit zwischen dem Senden des Messsignals und dem Empfangen eines reflektierten Anteils des Messsignals aufgetragen. Die Signallaufzeit indiziert den Abstand des Objekts zum Sensor S.
Das Objekt ist beispielsweise konturiert, d.h. es weist mehrere Objektebenen mit unterschiedlichen geometrischen Abmessungen, beispielsweise unterschiedlichen Breiten auf. Dadurch können, wie in Fig. 2 erkennbar, mehrere Empfangssignale mit unterschiedlicher Signallaufzeit aus einem Sendezyklus resultieren, d.h. einem Sendezeitpunkt, der einen Sendezyklus repräsentiert, sind mehrere Empfangssignale zugeordnet (in Fig. 2 vertikal übereinander liegende Empfangssignale).
Beim Annähern an das Objekt wird der Abstand zunächst reduziert, so dass die Signallaufzeit abnimmt, daraufhin einen Minimalwert erreicht und nach dem Vorbeifahren an dem Objekt wieder ansteigt.
Um das Objekt zuverlässig erfassen und lokalisieren zu können, wird nach dem Erfassen mehrerer Empfangssignale versucht, in den bereits erfassten Empfangssignalen eine Signalfolge zu finden, die näherungsweise, d.h. unter Berücksichtigung einer Varianz der Empfangssignale, auf einer Gerade liegen. Diese Gerade wird nachfolgend als Approximationsgerade bezeichnet. Die Empfangssignale, die auf oder in der Nähe einer derartigen Approximationsgerade liegen, werden anschließend einem Cluster C zugeordnet. Dieses Cluster C indiziert, dass die ihm zugeordneten Empfangssignale einem Objekt zugeordnet werden können.
Fig. 3 zeigt beispielhaft und schematisch die Ermittlung einer Approximationsgeraden, unter Berücksichtigung mehrerer bereits empfangener Empfangssignale. In anderen Worten wird basierend auf kürzlich (beispielsweise in den letzten 100ms bis zu 500ms) erfassten Empfangssignalen geprüft, ob zumindest einige dieser Empfangssignale unter Berücksichtigung einer zulässigen Varianz bzw. Streuung auf einer Approximationsgeraden liegen.
Wie die gestrichelten Linien indizieren, können zwischen den Empfangssignalen mehrere Pfade existieren. Zur Bildung der Approximationsgeraden wird vorzugsweise derjenige Pfad herangezogen, der die größte Linearität aufweist, d.h. der einer Geraden am nächsten kommt. Basierend auf diesem Pfad wird anschließend mittels eines Regressionsverfahrens, insbesondere eines linearen Regressionsverfahrens, eine Approximationsgerade bestimmt.
Fig. 4 zeigt die in Fig. 3 enthaltenen Empfangssignale mit dem am nächsten eine Gerade repräsentierenden Pfad als gestrichelte Linie und einer Approximationsgeraden als durchgezogene Linie, die mittels eines Regressionsverfahrens, insbesondere eines linearen Regressionsverfahrens, basierend auf den Empfangssignale ermittelt wurde, die auf dem Pfad liegen, der die größte Linearität aufweist.
Basierend auf der Approximationsgeraden werden vorzugsweise auch Empfangssignale eines Umgebungsbereichs U um die Approximationsgerade zur Bildung eines Clusters C herangezogen. Der Umgebungsbereich U ist in Fig. 4 durch das Paar von gestrichelt gezeichneten Linien angedeutet, die parallel zur Approximationsgerade verlaufen. Dadurch wird erreicht, dass auch Empfangssignale, die von demselben Objekt stammen, aber aufgrund der Objektform unterschiedliche Signallaufzeiten haben und daher von der Approximationsgeraden abweichen, dem Cluster zugeordnet werden.
Der Umgebungsbereich U um die Approximationsgerade kann beispielsweise durch folgenden Zusammenhang definiert werden:
Dabei ist:
E(X): Mittelwert der Sendezeitpunkte der Empfangssignale des Pfades, der zur Berechnung der Approximationsgerade verwendet wurde;
E(Y): Mittelwert der Signallaufzeiten der Empfangssignale des Pfades, der zur Berechnung der Approximationsgerade verwendet wurde; m: Steigung der Approximationsgeraden
Xneu: Sendezeitpunkt eines potentiell zuzuordnenden Empfangssignals; yneu: Signallaufzeit eines potentiell zuzuordnenden Empfangssignals; c: Abstandsgrenzwert.
Damit werden diejenigen Empfangssignale zur initialen Bildung eines Clusters C herangezogen, deren Sendezeitpunkte bzw. Signallaufzeiten in einem durch den Abstandsgrenzwert c definierten Umgebungsbereich zu den Empfangssignalen liegen, die für die Berechnung der Approximationsgeraden herangezogen wurden.
Basierend auf den im Umgebungsbereich U befindlichen Empfangssignalen wird anschließend ein initiales Cluster C gebildet. Das initiale Cluster C ist in Fig. 4 durch die Ellipse angedeutet.
Das initiale Cluster C weist Clustennformationen, insbesondere einen Clustermittelpunkt CM und eine Clustersteigung CS auf. Diese können beispielsweise mittels einer Kleinste-Quadrate-Methode (Least-Mean- Square-Verfahren) berechnet werden. Dabei werden vorzugsweise bei der Berechnung der Clustennformationen alle Empfangssignale, die dem Cluster zuzuordnen sind, d.h. insbesondere im Umgebungsbereich U liegen, gleich gewichtet.
Die Clustennformationen können wie folgt berechnet werden: Der Mittelwert des Sendezeitpunkts E(X), d.h. der zeitliche Mittelwert des Clusters C, wird durch die zeitliche Verteilung (in den Figuren 3 und 4 Verteilung der Empfangssignale in horizontaler Richtung) der Empfangssignale im Cluster C bestimmt. Dieser wird beispielsweise wie folgt berechnet: wobei:
A: Anzahl der Empfangssignale im Cluster; und Xi: Sendezeitpunkt des i-ten Empfangssignal ist.
Der Mittelwert der Signallaufzeit E(Y) wird durch die Verteilung der Signallaufzeit (in den Figuren 3 und 4 Verteilung der Empfangssignale in vertikaler Richtung) der Empfangssignale im Cluster C bestimmt. Dieser wird beispielsweise wie folgt berechnet: wobei:
A: Anzahl der Empfangssignale im Cluster; und y Signallaufzeit des i-ten Empfangssignal ist.
Zudem kann zu den dem Cluster C zugeordneten Empfangssignalen die Varianz der Sendezeitpunkte (in Fig. 3 und 4 die Varianz in horizontaler Richtung, d.h. in x-Richtung) bzw. die Varianz der Signallaufzeiten (in Fig.
3 und 4 die Varianz in vertikaler Richtung, d.h. in y-Richtung) berechnet werden.
Dabei gilt: wobei
E(X): Mittelwert der Sendezeitpunkte der Empfangssignale des Clusters;
A: Anzahl der Empfangssignale im Cluster; und Xi: Sendezeitpunkt des i-ten Empfangssignal wobei
E(Y): Mittelwert der Signallaufzeit der Empfangssignale des Clusters; A: Anzahl der Empfangssignale im Cluster; und y Signallaufzeit des i-ten Empfangssignals.
Die Kovarianz zwischen dem Sendezeitpunkt und der Signallaufzeit kann wie folgt bestimmt werden:
Aus der Varianz Var(X) und der Covarianz Cov (X,Y) kann die Clustersteigung CS ermittelt werden.
Dabei gilt: _ Cov(X,Y) Var(X)
Durch den Mittelwert E(X) der Sendezeitpunkte der Empfangssignale des Clusters C und den Mittelwert E(Y) der Signallaufzeiten der Empfangssignale des Clusters C wird der Clustermittelpunkt CM bestimmt wobei E(X) und E(Y) die Koordinaten des Clustermittelpunkts CM angeben. Die Clustersteigung CS gibt die Änderung der Signallaufzeit über die Zeit an und indiziert damit, in welchem Signallaufzeit-Bereich ein zukünftiges Empfangssignal liegen wird, wenn es von demselben Objekt stammt.
Werden nach der Initialisierung eines Clusters C neue Empfangssignale erhalten, wird geprüft, ob das neue Empfangssignal dem Cluster C zugeordnet werden kann, d.h. es wird insbesondere geprüft, ob das Empfangssignal in einem Toleranzbereich T liegt, in dem ein mit dem Cluster zu assoziierendes Empfangssignal zu erwarten ist. Der Toleranzbereich T wird in Fig. 5 durch den sich vom Clustermittelpunkt CM nach rechts hin öffnenden Sektor skizziert. Beispielsweise wird geprüft, ob das Empfangssignal eine Signallaufzeit aufweist, das dem Verlauf der Signallaufzeit entspricht, der durch die Clustersteigung CS indiziert wird.
Zur Prüfung, ob das neue Empfangssignal mit dem Cluster C assoziiert werden kann, kann beispielsweise folgende Formel verwendet werden: wobei gilt:
CMX: Mittelwert der Sendezeitpunkte der Empfangssignale des Clusters bzw. erste Koordinate des Clustermittelpunkts;
CMy: Mittelwert der Signallaufzeiten der Empfangssignale des Clusters bzw. zweite Koordinate des Clustermittelpunkts;
CS: Clustersteigung;
Xneu: Sendezeitpunkt des neu ermittelten Empfangssignals; yneu: Signallaufzeit des neu ermittelten Empfangssignals; c: Abstandsgrenzwert. Wenn das neue Empfangssignal in dem Toleranzbereich liegt, insbesondere wenn die vorstehende Bedingung erfüllt, wird das neu ermittelte Empfangssignal mit dem Cluster assoziiert und die Clustennformationen, insbesondere der Clustermittelpunkt CM und die Clustersteigung CS werden unter Hinzuziehung des neu ermittelten Empfangssignals aktualisiert.
Vorzugsweise erfolgt die Aktualisierung der Clustennformationen durch eine zeitabhängige Gewichtung der Empfangssignale. Dabei werden die zeitlich länger zurückliegenden Empfangssignale vorzugsweise schwächer gewichtet als das aktuell empfangene Empfangssignal. Insbesondere kann der Gewichtungsfaktor mit dem zeitlichen Abstand linear oder nichtlinear reduziert werden. Dadurch wird erreicht, dass zeitlich länger zurückliegenden Empfangssignale zunehmend geringer gewichtet werden, so dass eine nichtlineare Änderung der Clustennformationen möglich wird und sich damit das Cluster C nichtlinearen Empfangssignalverläufen anpassen kann.
Vorzugsweise werden die Clustennformationen dadurch aktualisiert, dass die bisher geltenden Clustennformationen, insbesondere der bisher geltende Mittelwert der Sendezeitpunkte der Empfangssignale, der bisher geltende Mittelwert der Signallaufzeit der Empfangssignale, die bisher geltende Varianz der Sendezeitpunkte, die bisher geltende Varianz der Signallaufzeiten und die bisher geltende Kovarianz zwischen dem Sendezeitpunkt und der Signallaufzeit mit einem ersten Gewichtungsfaktor versehen werden, um gewichtete, bisher geltende Clusterinformationen zu erhalten. Diese gewichteten, bisher geltenden Clustennformationen werden basierend auf einem oder mehreren neu zu assoziierenden Empfangssignalen modifiziert, um dadurch aktualisierte Clustennformationen zu erhalten. Dadurch kann die Aktualisierung der Clustennformationen speicherressourcen-sparend erfolgen, da nicht die Informationen zu sämtlichen Empfangssignalen einzeln gespeichert werden müssen, sondern lediglich die bisher geltenden Clustennformationen.
Vorzugsweise erfolgt die Aktualisierung der Clustennformationen wie folgt:
Zunächst werden basierend auf dem zumindest einen neu zu assoziierenden Empfangssignal die Mittelwerte E(X) und E(Y) des Clusters C aktualisiert. Dabei werden die bisher geltenden Mittelwerte Eait(X) und Eait(Y), die mit einem Gewichtungsfaktor gewichtet werden, durch Addition von Mittelwerten Eneu(X) und Eneu(Y) des zumindest einen neu zu assoziierenden Empfangssignals modifiziert. Dabei werden die Mittelwerte Eneu(X) und Eneu(Y) ebenso gewichtet. Die Gewichtungsfaktoren können entweder fest gewählt oder adaptiv sein. Durch die adaptive Wahl der Gewichtungsfaktoren kann erreicht werden, dass der Einfluss des zumindest einen neu zu assoziierenden Empfangssignals fahrsituationsabhängig oder in Abhängigkeit der zu erfassenden Umgebung veränderbar ist. So kann beispielsweise in Situationen, in denen konturierte Objekte erfasst werden und/oder in denen eine Relativbewegung zwischen dem Fahrzeug und dem Objekt stattfindet, der Einfluss des zumindest einen neu zu assoziierenden Empfangssignals erhöht werden, damit das Objekt sicher getrackt und damit erfasst werden kann. In umgekehrten Fall kann in Situationen, in denen wenig konturierte Objekte erfasst werden und/oder in denen sich das Fahrzeug nicht bewegt, der Einfluss des zumindest einen neu zu assoziierenden Empfangssignals reduziert werden, so dass der Einfluss von Rauschen reduziert wird.
Die Aktualisierung der Mittelwerte E(X), E(Y) kann durch folgende Formeln erreicht werden: wobei:
B: Anzahl der neu zu assoziierenden Empfangssignale;
Eait(X): bisher geltender Mittelwert der Sendezeitpunkte;
Eait(Y): bisher geltender Mittelwert der Signallaufzeiten; w: Gewichtungsfaktor
Xi: Sendezeitpunkt des i-ten neu zu assoziierenden Empfangssignals; y Signallaufzeit des i-ten neu zu assoziierenden Empfangssignals;
Die Varianzen Var(X) und Var(Y) sowie die Kovarianz Cov(X,Y) des
Clusters können wie folgt aktualisiert werden: wobei:
B: Anzahl der neu zu assoziierenden Empfangssignale;
Covait(X,Y): bisher geltende Kovarianz des Clusters;
E(X): aktualisierter Mittelwert der Sendezeitpunkte;
Eait(Y): aktualisierter Mittelwert der Signallaufzeiten;
Varait(X): bisher geltende Varianz der Sendezeitpunkte des Clusters;
Varait(Y): bisher geltende Varianz der Signallaufzeiten des Clusters; w: Gewichtungsfaktor
Xi: Sendezeitpunkt des i-ten neu zu assoziierenden Empfangssignals; y Signallaufzeit des i-ten neu zu assoziierenden Empfangssignals; Der Gewichtungsfaktor w wird vorzugsweise im Bereich 0 < w < 0,5 gewählt, insbesondere im Bereich 0,1 < w < 0,3.
Fig. 6 zeigt das Diagramm der Fig. 2 mit darin eingetragenen Ellipsen. Die einzelnen Ellipsen veranschaulichen die Mittelwerte in x- und y-Richtung bzw. die Varianzen Var(X) und Var(Y) bzw. die Kovarianzen Cov(X,Y) der neu mit dem Cluster zu assoziierenden Empfangssignale.
In einer Ausführungsform kann die Sensorik eine Dopplerinformation, d.h. Informationen zur Dopplerverschiebung, die sich aufgrund einer Relativbewegung des Fahrzeugs und des erfassten Objekts ergeben, erfassen und ausgeben. Diese Dopplerinformation kann zur Entscheidung verwendet werden, ob ein oder mehrere neue Empfangssignale mit dem Cluster assoziiert werden sollen. Insbesondere kann die Clustersteigung mit der Dopplerinformation verglichen werden, um zu entscheiden, ob das neu gewonnene Empfangssignal dem Cluster zugeordnet werden soll. Dadurch können Fehlassoziationen reduziert werden.
In einer Ausführungsform kann die Bildung zufälliger Cluster dadurch verringert werden, dass Empfangssignale, die einem Cluster zugeordnet werden können, dazu verwendet werden, andere Empfangssignale, die aufgrund der gleichen Transmission eines Sendesignals entstanden sind, im gleichen und/oder weiteren Sensoren zu entfernen. Die Feststellung, dass die Empfangssignale von der gleichen Transmission des Sendesignals stammen, kann beispielsweise aufgrund einer zeitlichen Kodierung der Sendesignale oder einer Frequenzcodierung der Sendesignale erfolgen.
In einer Ausführungsform können Mehrfachreflexionen zwischen dem Fahrzeug und dem zu erfassenden Objekt dazu verwendet werden, die Existenz eines Objekts bzw. eines Clusters zu bestätigen. Nähert sich das Fahrzeug einem Objekt, so kann es zu multiplen Reflektionen der Stufe n kommen. Diese weisen eine n-mal höhere Geschwindigkeit auf als im Falle der Einzelreflexion. Die Verfolgbarkeit einer Geschwindigkeitskomponente ist zwar begrenzt. Die Information eines detektierten Clusters kann jedoch explizit dazu verwendet werden, ein Schein-Cluster mit etwa n-mal so großer Geschwindigkeitskomponente in etwa n-facher Entfernung gezielt zu identifizieren. Dies reduziert Rauschen in anderen Sensoren und bestätigt die Existenz des tatsächlich existenten Clusters.
Fig. 7 zeigt ein Diagramm, das die Verfahrensschritte zur Zuordnung von Empfangssignalen zu einem Objekt verdeutlicht.
Zunächst werden mehrere zeitlich aufeinanderfolgende Sende- Empfangszyklen durch die Sensorik durchgeführt (S10), wobei jeder Sende-Empfangszyklus das Aussenden eines Messsignals durch zumindest einen Sensor und das Empfangen eines reflektierten Anteils dieses Messsignals als Empfangssignal durch einen Sensor umfasst. Anschließend wird zumindest ein Cluster von Empfangssignalen mittels eines Regressionsverfahrens gebildet, wobei die Empfangssignale basierend auf deren Signallaufzeit zwischen dem Aussenden des Messsignals und dem Empfangen eines reflektierten Anteils dieses Messsignals einem Cluster zugeordnet werden, und zwar derart, dass diejenigen Empfangssignale einem Cluster hinzugefügt werden, deren Signallaufzeiten sich über der Zeit linear oder im Wesentlichen linear unter Berücksichtigung einer vorgegebenen Varianz ändern (S11 ).
Daraufhin wird ein Toleranzbereich für das zumindest eine Cluster bestimmt, wobei der Toleranzbereich einen Signallaufzeitbereich festlegt, in dem ein zukünftiges Empfangssignal liegen muss, um zu dem Cluster zugeordnet werden zu können (S12). Nach dem Empfangen eines neuen Empfangssignals wird basierend auf dem Toleranzbereich geprüft, ob das neue Empfangssignal dem Cluster zugeordnet werden kann (S13). Zuletzt werden aktualisierte Clustennformationen des Clusters, dem das Empfangssignal zugeordnet werden kann, basierend auf dem Regressionsverfahren unter Berücksichtigung von Informationen der Empfangssignale, die dem Cluster zugeordnet sind, berechnet (S14). Die Erfindung wurde voranstehend an Ausführungsbeispielen beschrieben. Es versteht sich, dass zahlreiche Änderungen sowie Abwandlungen möglich sind, ohne dass dadurch der durch die Patentansprüche definierte Schutzbereich verlassen wird.
h

Claims

- 25 -
Patentansprüche
1 ) Verfahren zur Zuordnung von Empfangssignalen einer Sensorik eines Fahrzeugs (F) zu einem Objekt, wobei die Sensorik des Fahrzeugs (F) zumindest einen entfernungsmessenden Sensor (S) aufweist, wobei das Verfahren die folgenden Schritte umfasst:
- Durchführen mehrerer zeitlich aufeinanderfolgender Sende- Empfangszyklen durch die Sensorik (S10), wobei die Sende- Empfangszyklen jeweils das Aussenden eines Messsignals durch zumindest einen Sensor (S) und das Empfangen eines reflektierten Anteils dieses Messsignals als Empfangssignal durch einen Sensor (S) umfassen;
- Bilden zumindest eines Clusters (C) von Empfangssignalen mittels eines Regressionsverfahrens, wobei die Empfangssignale basierend auf deren Signallaufzeit zwischen dem Aussenden des Messsignals und dem Empfangen eines reflektierten Anteils dieses Messsignals einem Cluster (C) zugeordnet werden, und zwar derart, dass diejenigen Empfangssignale einem Cluster (C) hinzugefügt werden, deren Signallaufzeiten sich über der Zeit linear oder im Wesentlichen linear unter Berücksichtigung einer vorgegebenen Varianz ändern (S11 );
- Bestimmen eines Toleranzbereichs (T) für das zumindest eine Cluster (C), wobei der Toleranzbereich (T) einen Signallaufzeitbereich festlegt, in dem ein zukünftiges Empfangssignal liegen muss, um zu dem Cluster (C) zugeordnet werden zu können (S12);
- Empfangen eines neuen Empfangssignals und prüfen basierend auf dem Toleranzbereich (T), ob das neue Empfangssignal dem Cluster (C) zugeordnet werden kann (S13); und - Berechnen von aktualisierten Clustennformationen des Clusters (C), dem das Empfangssignal zugeordnet werden kann, basierend auf dem Regressionsverfahren unter Berücksichtigung von Informationen der Empfangssignale, die dem Cluster (C) zugeordnet sind (S14). ) Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass die Bildung des Clusters (C) durch Bestimmung einer Approximationsgeraden und Zuordnung von Empfangssignalen zu dem Cluster erfolgt, deren Signallaufzeiten sich in einem vorgegebenen Umgebungsbereich (U) um die Approximationsgerade befinden. ) Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass vor der Bildung des Clusters (C) der Bereich, in dem Empfangssignale liegen können, erweitert wird, indem weitere Empfangssignale zur Bildung des Clusters (C) herangezogen werden, deren Signallaufzeiten in einem vorgegebenen Umgebungsbereich (U) um die Approximationsgerade liegen. ) Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass diejenigen Empfangssignale dem Cluster (C) zugeordnet werden, die folgende Bedingung erfüllen: wobei gilt:
E(X): Mittelwert der Sendezeitpunkte der Empfangssignale des Clusters;
E(Y): Mittelwert der Signallaufzeiten der Empfangssignale des Clusters; m: Steigung der Approximationsgeraden
Xneu: Sendezeitpunkt des zuzuordnenden Empfangssignals; yneu: Signallaufzeit des zuzuordnenden Empfangssignals; c: Abstandsgrenzwert. ) Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Clustennformationen einen Clustermittelpunkt (CM) und eine Clustersteigung (CS) umfassen. ) Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass für das Cluster (C) ein Clustermittelpunkt (CM) und eine Clustersteigung (CS) bestimmt wird, wobei der Clustermittelpunkt (CM) durch Mittelung der Sendezeitpunkte und Mittelung der Signallaufzeiten der dem Cluster (C) zugeordneten Empfangssignale berechnet wird und wobei die Clustersteigung (CS) durch folgende Formel bestimmt wird: wobei gilt: pi: Gewichtungsfaktor, der vorzugsweise 1/A beträgt, wobei A die Anzahl der Empfangssignale im Cluster ist;
E(X): Mittelwert der Sendezeitpunkte der Empfangssignale des Clusters;
E(Y): Mittelwert der Signallaufzeiten der Empfangssignale des Clusters;
Xi: Sendezeitpunkt des i-ten Empfangssignals; y Signallaufzeit des i-ten Empfangssignals; ) Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass der Toleranzbereich basierend auf dem Clustermittelpunkt (CM) und der Clustersteigung (CS) festgelegt wird. ) Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass neu ermittelte Empfangssignale mit einem bestehenden Cluster (C) assoziiert werden, wenn diese folgende Bedingung erfüllen: - 28 - wobei gilt:
CMX: Mittelwert der Sendezeitpunkte der Empfangssignale des Clusters bzw. erste Koordinate des Clustermittelpunkts;
CMy: Mittelwert der Signallaufzeiten der Empfangssignale des Clusters bzw. zweite Koordinate des Clustermittelpunkts;
CS: Clustersteigung;
Xneu: Sendezeitpunkt des neu ermittelten Empfangssignals; yneu: Signallaufzeit des neu ermittelten Empfangssignals; c: Abstandsgrenzwert. ) Verfahren nach einem der Ansprüche 6 bis 8, dadurch gekennzeichnet, dass nach dem Assoziieren von einem oder mehreren neu ermittelten Empfangssignalen die Werte des Clustermittelpunkts (CM) und der Clustersteigung (CS) aktualisiert werden. 0) Verfahren nach Anspruch 9, dadurch gekennzeichnet, dass bei der Berechnung der aktualisierten Werte des Clustermittelpunkts (CM) und der Clustersteigung (CS) die Empfangssignale gewichtet werden, und zwar derart, dass länger in der Vergangenheit zurückliegend ermittelte Empfangssignale geringer gewichtet werden als kürzer in der Vergangenheit zurückliegende Empfangssignale. 1 ) Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass durch den Sensor (S) eine Dopplerinformation zu dem Empfangssignal ermittelt wird und dass die Dopplerinformation verwendet wird, um zu prüfen, ob das Empfangssignal einem Cluster (C) zugeordnet werden kann. 2) Verfahren nach Anspruch 11 , dadurch gekennzeichnet, dass bei der Prüfung ein Vergleich der Dopplerinformation mit der Clustersteigung (CS) erfolgt. - 29 - ) System zur Zuordnung von Empfangssignalen einer Sensorik eines Fahrzeugs (F) zu einem Objekt, wobei das System zumindest einen entfernungsmessenden Sensor (S) und eine Rechnereinheit (R) zur Steuerung der Sensorik und Bereitstellung von Empfangssignalen umfasst, wobei die Rechnereinheit (R) dazu konfiguriert ist, die folgenden Schritte auszuführen:
- Durchführen mehrerer zeitlich aufeinanderfolgender Sende- Empfangszyklen durch die Sensorik, wobei die Sende- Empfangszyklen jeweils das Aussenden eines Messsignals durch zumindest einen Sensor (S) und das Empfangen eines reflektierten Anteils dieses Messsignals als Empfangssignal durch einen Sensor (S) umfassen;
- Bilden zumindest eines Clusters (C) von Empfangssignalen mittels eines Regressionsverfahrens, wobei die Empfangssignale basierend auf deren Signallaufzeit zwischen dem Aussenden des Messsignals und dem Empfangen eines reflektierten Anteils dieses Messsignals einem Cluster (C) zugeordnet werden, und zwar derart, dass diejenigen Empfangssignale einem Cluster (C) hinzugefügt werden, deren Signallaufzeiten sich über der Zeit linear oder im Wesentlichen linear unter Berücksichtigung einer vorgegebenen Varianz ändern;
- Bestimmen eines Toleranzbereichs (T) für das zumindest eine Cluster (C), wobei der Toleranzbereich (T) einen Signallaufzeitbereich festlegt, in dem ein zukünftiges Empfangssignal liegen muss, um zu dem Cluster (C) zugeordnet werden zu können;
- Empfangen eines neuen Empfangssignals und prüfen basierend auf dem Toleranzbereich (T), ob das neue Empfangssignal dem Cluster (C) zugeordnet werden kann; und - 30 -
- Berechnen von aktualisierten Clustennformationen des Clusters (C), dem das Empfangssignal zugeordnet werden kann, basierend auf dem Regressionsverfahren unter Berücksichtigung von Informationen der Empfangssignale, die dem Cluster (C) zugeordnet sind.
EP22812425.1A 2021-11-18 2022-11-03 Verfahren zur zuordnung von empfangssignalen einer sensorik eines fahrzeugs zu einem objekt Pending EP4433843A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102021212980.3A DE102021212980B3 (de) 2021-11-18 2021-11-18 Verfahren zur Zuordnung von Empfangssignalen einer Sensorik eines Fahrzeugs zu einem Objekt
PCT/DE2022/200258 WO2023088522A1 (de) 2021-11-18 2022-11-03 Verfahren zur zuordnung von empfangssignalen einer sensorik eines fahrzeugs zu einem objekt

Publications (1)

Publication Number Publication Date
EP4433843A1 true EP4433843A1 (de) 2024-09-25

Family

ID=84362375

Family Applications (1)

Application Number Title Priority Date Filing Date
EP22812425.1A Pending EP4433843A1 (de) 2021-11-18 2022-11-03 Verfahren zur zuordnung von empfangssignalen einer sensorik eines fahrzeugs zu einem objekt

Country Status (3)

Country Link
EP (1) EP4433843A1 (de)
DE (1) DE102021212980B3 (de)
WO (1) WO2023088522A1 (de)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010030404A (ja) 2008-07-28 2010-02-12 Visteon Global Technologies Inc 先行車両の位置検出方法及び位置検出装置並びにデータフィルタリング方法
DE102010018038B4 (de) * 2010-04-23 2023-08-10 Valeo Schalter Und Sensoren Gmbh Verfahren zum Warnen eines Fahrers eines Fahrzeugs vor der Anwesenheit von Objekten in einem Totwinkelbereich und entsprechende Fahrerassistenzeinrichtung
CN112881993B (zh) * 2021-01-18 2024-02-20 零八一电子集团有限公司 自动识别雷达分布杂波引起虚假航迹的方法

Also Published As

Publication number Publication date
DE102021212980B3 (de) 2023-03-02
WO2023088522A1 (de) 2023-05-25

Similar Documents

Publication Publication Date Title
EP2999975B1 (de) Bestimmung eines elevations-dejustagewinkels eines radarsensors eines kraftfahrzeugs
DE102015006931B4 (de) Parkzonen-Erkennungsvorrichtung und Steuerungsverfahren davon
DE102017101476B3 (de) Lokalisieren eines Objekts in einer Umgebung eines Kraftfahrzeugs durch ein Ultraschallsensorsystem
WO2018091386A1 (de) Verfahren zum erfassen und zur klassifizierung eines objekts mittels zumindest einer sensorvorrichtung auf basis einer belegungskarte, fahrerassistenzsystem sowie kraftfahrzeug
WO2008068088A1 (de) Verfahren zum betrieb eines radarsystems bei möglicher zielobjektverdeckung sowie radarsystem zur durchführung des verfahrens
DE102017112784A1 (de) Verfahren zum Erfassen von Objekten in einem Umgebungsbereich eines Kraftfahrzeugs, Lidar-Sensorvorrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug
WO2013178407A1 (de) Verfahren und vorrichtung zur verarbeitung stereoskopischer daten
DE102018200688A1 (de) Verfahren und Vorrichtung zum Betreiben eines akustischen Sensors
EP2065727A1 (de) Verfahren zur Schätzung der Breite von Radarobjekten
EP4256371A2 (de) Verfahren zur höhenklassifikation von objekten mittels ultraschallsensorik
EP4256377A1 (de) Verfahren zur erkennung von parklücken mittels ultraschallsensoren
DE102022202524B4 (de) Verfahren zur Objektklassifizierung
DE102021212980B3 (de) Verfahren zur Zuordnung von Empfangssignalen einer Sensorik eines Fahrzeugs zu einem Objekt
DE102018133094B4 (de) Hinderniserfassungsverfahren und Vorrichtung hierfür
DE102020211745A1 (de) Verfahren zur Auswertung von Radarsignalen in einem Radarsystem mit mehreren Sensoreinheiten
EP1433002A2 (de) Verfahren zum bestimmen der position eines zielobjektes und nach diesem verfahren betriebenes radarsystem
DE10238896B4 (de) Verfahren zur Auswertung von Radardaten
DE102017126183A1 (de) Verfahren zum Erfassen und zur Klassifizierung eines Objekts mittels zumindest einer Sensorvorrichtung auf Basis einer Belegungskarte, Fahrerassistenzsystem und Kraftfahrzeug
EP4256378A1 (de) Verfahren zur erkennung von parklücken mittels ultraschallsensoren
DE102023205593A1 (de) VERFAHREN UND EINRICHTUNG ZUM ERKENNEN VON STATISCHEN OBJEKTEN MITTELS EINES RADARSENSORS EINER EINHEIT AM STRAßENRAND
DE102017006780A1 (de) Verfahren zur radarbasierten Bestimmung einer Höhe eines Objekts
EP4732046A1 (de) Verfahren zum erzeugen einer eine umgebung eines fahrzeugs beschreibenden umgebungsinformation, umfelderfassungseinrichtung, fahrzeug und computerprogrammprodukt
DE102017201837A1 (de) Verfahren zum Erkennen und Filtern von Niederschlag auf einem Radarsensor in einem Fahrzeug.
WO2025180933A1 (de) Verfahren zur überwachung eines innenraums für ein kraftfahrzeug mit zumindest einem ultraschallsystem, innenraumüberwachungsvorrichtung für ein kraftfahrzeug sowie kraftfahrzeug
DE102024201854A1 (de) Verfahren und System zum Erkennen von Falschdetektionen

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20240618

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC ME MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
RAP3 Party data changed (applicant data changed or rights of an application transferred)

Owner name: AUMOVIO AUTONOMOUS MOBILITY GERMANY GMBH