FR3006058A1 - Procede d'evaluation d'obstacles par un systeme d'assistance de conduite de vehicule - Google Patents

Abstract

Procédé d'évaluation d'obstacles à l'aide de données de localisation d'un capteur radar (10) dans un système d'assistance de conduite de véhicule selon lequel on calcule une fonction d'évaluation (R1, R2) qui indique en fonction d'un jeu de grandeurs de mesure rapporté à un obstacle potentiel si cet obstacle potentiel doit être considéré comme un obstacle véritable. A l'aide des données de localisation, on forme un indicateur de complexité indiquant la complexité de la situation de mesure actuelle, et pour le même jeu de grandeurs de mesure, on définit au moins deux fonctions d'évaluation différentes (R1, R2) et en fonction de l'indicateur de complexité, on décide quelle fonction d'évaluation doit être appliquée à la situation actuelle de mesure.

Description

Domaine de l'invention La présente invention se rapporte à un procédé d'évaluation d'obstacles à l'aide de données de localisation d'un capteur radar dans un système d'assistance de conduite de véhicule qui calcule au moins une fonction d'évaluation indiquant si l'obstacle potentiel doit être considéré comme un véritable obstacle en fonction d'un jeu de grandeurs de mesure se rapportant à l'obstacle potentiel. Etat de la technique Dans les systèmes d'assistance de conduite, par exemple dans les systèmes d'avertissement de collision, on localise les objets dans l'environnement, notamment dans la zone à l'avant du véhicule, souvent avec un capteur radar fonctionnant par exemple selon le principe FMCW (onde continue à modulation de fréquence) permettant de mesurer la distance et la vitesse relative des objets localisés. Les véhi- cules circulant en amont et dont la vitesse absolue est comparable à celle du propre véhicule et ne constituent pas pour cette raison d'obstacle significatif, se reconnaissent en ce que la vitesse relative mesurée par le capteur radar a une amplitude significativement plus petite que la vitesse propre du propre véhicule. Si en revanche la vitesse rela- tive est celle d'un objet négatif (mouvement d'approche) et si l'amplitude correspond pratiquement à la vitesse propre, il s'agit d'un objet immobile qui constitue un obstacle potentiel. A partir d'une certaine capacité de résolution angulaire, le capteur radar est également en mesure de constater si l'objet se trouve sur la chaussée ou sur le bord de la chaus- sée. Toutefois, un objet immobile, même si celui-ci est localisé sur la chaussée, ne constitue pas nécessairement un véritable obstacle. Par exemple, même des objets relativement petits tels que des boîtes de conserve ou des couvercles d'égouts intégrés dans la chaussée, génèrent un écho radar qui ne peut que difficilement se distinguer de l'écho radar d'un objet représentant un objet réel, étendu. Pour néanmoins distinguer entre l'obstacle réel et les obstacles apparents, les systèmes connus d'assistance de conduite utilisent une ou plusieurs fonctions d'évaluation dont les arguments sont les grandeurs de mesure qui, pour de véritables objets, ont de manière caractéristique d'autres valeurs que pour des obstacles apparents.

Un exemple d'une telle grandeur de mesure est l'intensité du signal d'un objet isolé, localisé. Ces considérations reposent sur le fait qu'un objet étendu qui doit plutôt être évalué comme un véritable obstacle, génère en général un écho radar plus intense qu'un objet de petit volume tel que par exemple un petit objet sur la chaussée et sur lequel on peut passer sans difficulté. En fonction de l'intensité du signal de l'objet, la fonction d'évaluation peut alors prendre la valeur 1, ce qui signifie que l'objet doit être considéré comme un véritable obstacle ou la valeur 0 signifiant que l'objet doit être considéré comme un obstacle apparent. Selon la forme de réalisation, la fonction d'évaluation peut toutefois prendre des valeurs intermédiaires entre 0 et 1 qui correspondent à des probabilités différentes que l'objet est un véritable obstacle. Finalement pour permettre de décider de manière claire, on combine en général plusieurs fonctions d'évaluation appliquant des critères diffé- rents. D'autres exemples de grandeurs de mesure qui indiquent sensiblement la pertinence d'un objet comme obstacle sont l'angle d'élévation sous lequel l'objet est vu par le capteur radar ainsi que les variations en fonction du temps de cet angle d'élévation. Un véritable obstacle se trouvera en général au moins à la même hauteur que le cap- teur radar de sorte que l'angle d'élévation est nul ou positif alors qu'un petit objet sur la chaussée présente en général un angle d'élévation négatif qui, de plus, se déplace vers le côté négatif à mesure que l'on se rapproche de l'objet. D'autre part, dans le cas d'un obstacle véritable relativement étendu, il arrive fréquemment que l'écho radar soit reçu suivant différents angles d'élévation à cause de l'extension multiple des trajets sur le sol. De plus, les mouvements de tangage et de direction du propre véhicule font que le signal sera reçu à partir de cibles de réflexion différentes qui ont également des angles d'élévation différents.

Un angle d'élévation fortement fluctuant représente ainsi plutôt un obs- tacle véritable. En pratique, même si plusieurs critères, c'est-à-dire plu- sieurs fonctions d'évaluation sont combinées, il n'est pas possible d'évaluer de manière appropriée tous les objets qui se présentent. Pour cela, les fonctions d'évaluation doivent être définies pour trouver un compromis significatif entre un taux de détection élevé, c'est-à-dire une forte proportion d'obstacles réels effectivement reconnus comme des obstacles et un faible coefficient d'avertissement par erreur, c'est-à-dire une fraction aussi réduite que possible d'objets apparents, évalués par erreur comme étant des obstacles réels. Pour cela, les paramètres qui définissent les propriétés de la fonction d'évaluation doivent être choisis de manière appropriée. Dans le cas le plus simple, la fonction d'évaluation est une fonction à seuil qui passe de l'état 0 à l'état 1 lorsqu'on dépasse un certain seuil. Dans ce cas, le seuil constitue un pa- l() ramètre qu'il faut sélectionner de manière appropriée. Dans le cas de fonctions d'évaluation complexes, les paramètres peuvent être constitués par des jeux de plusieurs seuils ou de coefficients d'un polynôme ou d'éléments analogues. En fixant ces paramètres, on évite de façon générale les 15 signaux d'avertissement erronés qui ont la plus grande priorité car des signaux d'avertissement erronés, fréquents, réduisent de manière significative l'acceptance du système et dans le cas de systèmes d'assistance de conduite qui interviennent activement sur le système de freinage de véhicule en cas de risque important de collision, ils peuvent même 20 constituer une source de risque. Si toutefois, pour éviter de tels avertis- sements erronés, on sélectionne des paramètres d'une manière « trop conservative », il y aura inévitablement une fraction plus importante de véritables obstacles qui ne seront pas reconnus, ce qui diminue l'utilité du système. 25 But de l'invention La présente invention a pour but de développer un procédé permettant d'augmenter l'intérêt du système d'assistance de conduite avec une moindre fréquence de signaux d'avertissement erronés. Exposé et avantages de l'invention 30 A cet effet, l'invention a pour objet un procédé d'évaluation d'obstacles du type défini ci-dessus caractérisé en ce qu'à l'aide des données de localisation, on forme un indicateur de complexité indiquant la complexité de la situation de mesure actuelle, et pour le même jeu de grandeurs de mesure, on définit au moins deux fonctions 35 d'évaluation différentes et en fonction de l'indicateur de complexité, on décide quelle fonction d'évaluation doit être appliquée à la situation actuelle de mesure. L'invention repose sur la considération que tous les si- gnaux reçus par un capteur radar, à un instant donné, diffèrent consi- dérablement par leur complexité d'une situation à l'autre. Dans les cas les plus simples, on ne recevra qu'un unique écho radar d'un objet ponctuel qui se rapproche de sorte que le signal est moins encombré de bruit et correspond à des valeurs définies de manière précise, non seulement pour la distance et la vitesse relative mais également pour l'angle d'azimut et l'angle d'élévation. Dans ce cas, on peut distinguer d'une manière relativement fiable entre des véritables obstacles et des obstacles apparents de sorte que le risque de signaux erronés est faible et qu'il serait souhaitable de paramétrer les fonctions d'évaluation en tenant compte d'une utilité si possible élevée. Dans des situations plus complexes, par exemple si simultanément plusieurs objets sont locali- sés dans les échos radar et se chevauchent en partie ou se perturbent, la probabilité de signaux erronés pour l'évaluation est en revanche significativement plus importante de sorte qu'il serait intéressant de con-figurer les paramètres pour éviter des signaux ou messages erronés et cela au prix d'une moindre efficacité. Selon l'invention, le paramétrage n'est pas figé pour toutes les situations de mesures prises en compte mais dépend des situations, en particulier le paramétrage sera varié en fonction de la complexité. Au moins dans des situations de moindre complexité, cela permet d'arriver à une utilité plus poussée, améliorant statistiquement l'utilité globale en faisant la moyenne sur de nom- breuses situations complexes différentes. Suivant une autre caractéristique avantageuse, on définit plusieurs classes de fonctions d'évaluation à partir desquelles, dans chaque situation de mesure, on sélectionne chaque fois une fonction d'évaluation selon la valeur de l'indicateur de complexité et on combine les résultats des fonctions d'évaluation sélectionnées pour un résultat global. Suivant une autre caractéristique avantageuse, pour chaque classe de fonctions d'évaluation, on définit son propre indica- teur de complexité.

Suivant une autre caractéristique avantageuse, plusieurs fonctions d'évaluation dépendent d'une grandeur de mesure qui indique l'intensité du signal de l'écho radar reçu à partir de l'objet localisé. Suivant une autre caractéristique avantageuse, plusieurs fonctions d'évaluation dépendent d'une grandeur de mesure qui indique l'angle d'évaluation de l'objet localisé. Suivant une autre caractéristique avantageuse, plusieurs fonctions d'évaluation dépendent d'une grandeur de mesure indiquant la variation de l'angle d'élévation mesuré pour l'objet.

Suivant une autre caractéristique avantageuse, on forme un indicateur global de complexité dépendant du nombre d'objets localisés dans la situation de mesure actuelle et/ou de la qualité moyenne des mesures angulaires de tous les objets localisés dans cette situation de mesure.

Suivant une autre caractéristique avantageuse, on forme au moins un indicateur local de complexité qui se rapporte à un seul objet localisé et qui dépend de la densité d'objets dans l'environnement de cet objet. Suivant une autre caractéristique avantageuse, l'invention s'applique à un procédé appliqué à un capteur radar FMCW, caractérisé en ce qu'on forme au moins un indicateur local de complexité se rapportant à un seul objet localisé et indiquant si à l'endroit associé à cet objet, le spectre de fréquence du signal reçu permet de constater une superposition d'échos radar provenant de différents ob- jets. Suivant une autre caractéristique avantageuse, l'invention se rapporte à un capteur radar de résolution angulaire pour lequel on forme au moins un indicateur local de complexité qui se rapporte à un unique objet localisé et indique la qualité de la mesure angu- laire de cet objet. Suivant une autre caractéristique avantageuse, on forme au moins un indicateur de complexité dépendant de plusieurs indicateurs intermédiaires qui dépendent eux-mêmes de différentes manières de chaque fois une sélection de variables déduites de données de locali- cation.

L'invention s'applique également à un système d'assistance de conduite de véhicule appliquant un procédé tel que défini ci-dessus. Dessins La présente invention sera décrite ci-après de manière plus détaillée à l'aide d'exemples de réalisation de procédés d'évaluation d'obstacles représentés dans les dessins annexés dans lesquels : la figure 1 est un schéma par blocs d'un système d'assistance de conduite implémentant le procédé de l'invention, les figures 2 et 3 sont des exemples de paramétrages différents d'une fonction d'évaluation, la figure 4 montre un diagramme de caractéristique de fonctionnement de récepteur (diagramme ROC) pour les fonctions d'évaluation des figures 2 et 3, les figures 5 et 6 sont des diagrammes de caractéristique de fonc- tionnement de récepteur (diagramme ROC) pour des situations de mesures de différentes complexités, la figure 7 compare les diagrammes ROC pour des paramétrages dépendants de la situation et des paramétrages indépendants de la situation pour une fonction d'évaluation, la figure 8 est l'exemple d'un spectre d'un signal de fréquence intermédiaire dans un radar FMCW, la figure 9 est un diagramme explicitant la mesure d'angle d'un capteur radar à résolution angulaire, la figure 10 montre un diagramme explicitant la procédure d'évaluation d'un obstacle à l'aide de plusieurs fonctions d'évaluation, et la figure 11 est un diagramme illustrant une procédure générant une hiérarchie d'indicateur de complexité.

Description de modes de réalisation de l'invention Selon la figure 1, le système d'assistance de conduite représenté sous la forme d'un schéma par blocs est par exemple un système d'avertissement de collision. Les composants principaux de ce système sont un capteur radar 10 (radar FMCW), un étage de prétrai- terrent 12 et un module d'évaluation 14. L'étage de prétraitement 12 exploite les signaux fournis par le capteur radar 10 et forme un certain nombre de grandeurs de mesure Xi caractérisant la situation actuelle de mesure du capteur radar 10. De façon caractéristique, les grandeurs de mesure Xi contiennent également les données de localisation d'un ou plusieurs objets localisés actuellement par le capteur radar 10. Le module d'évaluation 14 exploite en outre les grandeurs de mesure Xi pour évaluer les objets localisés (au moins les objets fixes) pour en déterminer leur pertinence comme obstacles permettant de décider si un certain objet constitue ou non un véritable obstacle.

D'autres composants du système d'avertissement de col- lision non représentés ici servent à calculer la probabilité de collision à partir des données de localisation des obstacles considérées comme véritables et à l'aide des données dynamiques du propre véhicule et, le cas échéant, d'émettre un signal d'avertissement de collision acoustique ou haptique à destination du conducteur et/ou d'intervenir de manière ac- tive sur le système de freinage du véhicule et déclencher le freinage de secours. Le capteur radar 10 de l'exemple présenté comporte deux antennes d'émission 16, 18 et quatre antennes de réception 20. Les an- tennes de réception sont réparties à des distances déterminées suivant une ligne horizontale de sorte qu'en comparant les amplitudes et les phases des signaux reçus par les différentes antennes, on peut obtenir l'angle d'azimut d'une cible radar localisée. Les antennes d'émission 16, 18 dépendent de l'élévation et sont reliées par un réseau de commuta- tion 22 à un oscillateur local 24 de sorte qu'en commutant entre elles les antennes d'émission 16 et 18 et en comparant les signaux reçus pour les différents états de commutation, on peut également déterminer au moins de manière grossière, l'angle d'élévation d'un objet localisé. Les antennes d'émission et de réception 16, 18, 20 peuvent être instal- lées sensiblement dans le plan focal d'une lentille radar formant le fais- ceau de sorte que l'on aura une certaine sélectivité directionnelle par le décalage plus ou moins important des antennes par rapport à l'axe optique de la lentille radar. On peut également envisager des formes de réalisation dans lesquelles les antennes d'émission et de réception sont des groupes d'antennes planes. On peut, dans les mêmes conditions, envisager des formes de réalisation avec des concepts d'antennes mono-statiques. Selon le principe de fonctionnement d'un radar FMCW, la fréquence du signal haute fréquence fourni par l'oscillateur local 24 est modulée suivant une forme de rampe. Les échos radar reçus par les quatre antennes de réception 20 dans quatre canaux parallèles sont mélangés dans des mélangeurs 26 avec le signal d'émission fourni par l'oscillateur 24, ce qui donne quatre signaux de fréquence intermédiaire S1-4 dont la fréquence est égale à la différence entre la fréquence de l'écho radar reçu et la fréquence du signal radar émis à l'instant de la réception. La fréquence du signal de fréquence intermédiaire dépend ainsi d'une part du temps de parcours du signal entre l'antenne d'émission et l'objet et du retour vers les antennes de réception ainsi que de la pente de la rampe de modulation ; cette fréquence dépend d'autre part également de la vitesse relative de l'objet localisé à cause de l'effet Doppler. A cause des trajets différents entre l'objet et les antennes de réception 20 et le cas échéant de la sélectivité directionnelle des antennes de réception, les signaux de fréquence intermédiaire dans les quatre canaux ont également des différences caractéristiques d'amplitude (amplitude complexe) dépendant de l'angle d'azimut de l'objet. Dans l'étage de prétraitement 12, on numérise les si- gnaux de fréquence intermédiaire S1-4 dans un étage de conversion ana- logique/numérique 28 et on les inscrit par canal chaque fois en fonction de la durée d'une rampe de modulation de fréquence. Les signaux de temps ainsi obtenus sont alors transformés dans un étage de transformation 30 par une transformation rapide de Fourier FFT en des spectres correspondants. Dans chacun des spectres, un objet localisé se caractérise par la forme du pic pour une fréquence qui dépend de la dis- tance et de la vitesse relative de cet objet. A partir des fréquences de deux pics appartenant au même objet, mais sur des rampes de fréquence de pentes différentes, par exemple une rampe croissante et une rampe décroissante, le module d'exploitation 32 en aval donne la dis- tance D et la vitesse relative V de l'objet.

Dans la mesure où plus de deux objets sont localisés simultanément, il subsiste toutefois une certaine polysémie qui ne permet pas d'associer clairement un certain pic à un certain objet. On peut néanmoins remédier à cette polysémie en considérant au moins un autre spectre obtenu avec une autre rampe de modulation ayant une autre pente. La fréquence de chacun des pics caractérise une relation linéaire entre la distance et la vitesse relative de l'objet concerné. Cette relation se représente sous la forme d'une droite dans un espace D-V. Pour plusieurs pics dans plusieurs spectres, on obtient ainsi un fais- ceau de droites et au moins trois droites appartenant au même objet mais provenant de rampes ou de modulations différentes, se coupent toutes en un point qui donne alors la véritable distance et la véritable vitesse relative de cet objet. Un module d'évaluation angulaire 34 compare les ampli- tudes (amplitudes et phases) des signaux de fréquence intermédiaire reçus dans les quatre canaux, par objet (c'est-à-dire de façon séparée pour chaque pic) pour définir l'angle d'azimut 9 de l'objet localisé. L'étage de prétraitement 12 comporte en outre un module de commande 36 de l'oscillateur 24 et définissant la fréquence de mo- dulation ; il commande également le réseau de commutation 22 pour commuter entre les antennes d'émission 16 et 18. Par exemple, on émet une rampe de modulation de fréquence avec l'antenne d'émission 16 et ensuite, on utilise la même rampe une nouvelle fois avec l'antenne d'émission 18. Dans le module d'évaluation angulaire 34, on compare entre elles les amplitudes ainsi obtenues pour définir l'angle d'élévation 0 de l'objet. Les grandeurs D, V, 9 , 0 obtenues pour chaque objet lo- calisé constituent une partie des grandeurs de mesure Xi. De plus, dans l'étage de prétraitement 12, on forme quelques autres grandeurs de me- sure qui caractérisent plus précisément les objets localisés ainsi que l'ensemble de la situation de mesure. Des exemples de telles grandeurs de mesure seront donnés ultérieurement. Le module d'évaluation 14 comporte un module de com- plexité 38 qui forme au moins un indicateur de complexité k à l'aide des grandeurs de mesure Xi. Cet indicateur de complexité caractérise la complexité de la situation actuelle de mesure. Le module d'évaluation 14 comporte également un bloc fonctionnel 40 contenant l'enregistrement d'au moins deux fonctions d'évaluation R1, R2 dépendant toutes deux de la même sélection de grandeur de mesure Xi et fournissant des valeurs différentes pour la pertinence R d'un objet comme constituant un obstacle. L'indicateur de complexité k que les deux fonctions R1, R2 appliquent aux grandeurs de mesure (ce qui est symbolisé à la figure 1) est donné par un commu- tateur qui commute entre les fonctions R1 et R2. Pour une complexité réduite, on choisit la fonction R1 ; pour une forte complexité, on choisit en revanche la fonction R2. Les fonctions sont définies pour que des valeurs réparties statistiquement de grandeurs de mesure Xi, la fonction R1 fournit plus fréquemment le résultat indiquant que l'obstacle est pertinent (réel) plus que la fonction R2. Les figures 2 et 3 montrent deux exemples simples de fonctions d'évaluation R1, R2 qui appartiennent à une classe commune en ce qu'elles dépendent des mêmes variables indépendantes. Une telle variable indépendante est par exemple une grandeur de mesure X1 qui est une mesure de la puissance totale reçue par un objet localisé. Cette grandeur de mesure peut se calculer dans l'étage de prétraitement 12, par exemple de la manière décrite ci-après. La figure 8 donne l'exemple d'un spectre pour une rampe de modulation, c'est-à-dire une fonction qui donne l'amplitude A (ampli- tude complexe) dont seule l'amplitude réelle est représentée en fonction de la fréquence f. Le spectre comporte plusieurs pics 42, 44, 46, 48 qui par hypothèse correspondent chaque fois à un objet localisé. Comme exemple, on prend le pic 42. La puissance totale reçue de l'objet correspondant est l'intégrale du carré de l'amplitude A2 appliquée au pic. Les limites d'intégration sont par exemple les fréquences f- et f+ pour les- quelles l'amplitude A diminue de moitié par rapport au niveau du sommet (pour f0). La grandeur de mesure X1 correspond alors à la surface hachurée de la figure 8. Comme la puissance reçue est inversement proportion- nelle à la quatrième puissance D4 de l'objet, il est intéressant de façon générale de normer la grandeur de mesure X1 selon une distance standard en ce qu'on multiplie la valeur de l'intégrale par un coefficient proportionnel à la puissance quatrième D4 de la distance D mesurée pour cet objet.

Un objet immobile qui constitue un véritable obstacle, par exemple un véhicule arrêté sur la chaussée, se traduira par un pic relativement accentué de sorte que la grandeur de mesure X1 sera de dimension correspondante. Un obstacle non caractéristique tel que par exemple une plaque d'égout de la chaussée donnera un pic qui n'est que faiblement accentué comme par exemple le pic 48 de la figure 8 et de hauteur beaucoup plus faible que celui de la grandeur de mesure X1. Un critère de décision pour considérer l'objet comme véritable obstacle peut consister à vérifier si la puissance totale de cet objet est supérieure ou inférieure à un certain seuil.

Ainsi, la fonction d'évaluation R1 de la figure 2 est une fonction en échelon pour les faibles valeurs de X1 ramenées à la valeur 0 et pour un seuil T1 = 0,4, la fonction passe brusquement au niveau 1. La valeur de la fonction R1 = 1 signifie alors que l'objet correspondant est considéré comme obstacle véritable.

La fonction d'évaluation R2 présentée à la figure 3 se dis- tingue de la fonction d'évaluation R1 uniquement en ce qu'on utilise un autre seuil T2 = 0,8. Si l'on applique la fonction d'évaluation R1 à la grandeur de mesure X1, on aura du point de vue statistique, une fraction relati- vement importante de l'obstacle fixe, globalement localisé comme obs- tacle sérieux, à savoir un obstacle qui, pour la grandeur de mesure X1, correspond à au moins 0,4. Mais cela intègre le risque d'une fréquence élevée de messages erronés car un objet dont la véracité n'est pas pertinente peut être considéré à tort comme obstacle véritable.

Si en revanche, on applique la fonction d'évaluation R2, le risque est plus faible car seuls seront exploités comme véritables obstacles les objets pour lesquels X1 est au moins égal à 0,8. Dans ce cas, on a toutefois un risque élevé en ce que même des obstacles véritables ne seront pas tous considérés comme obstacles véritables (R2 = 1) car leur puissance totale est encore inférieure à 0,8. Dans ce cas, l'avertissement de collision proprement dit sera neutralisé à destination du conducteur de sorte que l'intérêt du système serait détérioré. Pour une classe de fonctions dépendant des mêmes va- riables indépendantes et qui ont la même prescription fonctionnelle seulement avec des paramètres différents (dans cet exemple, les seuils T 1, T2), la figure 4 montre une courbe ROC 50 (caractéristique de fonctionnement du récepteur). Pour des valeurs différentes du paramètre, cette courbe constitue une relation entre la fréquence relative Nf des messages erronés et la fréquence relative Nw des messages appropriés, c'est-à-dire le nombre de cas dans lesquels un objet a été bien reconnu comme véritable obstacle. Cette courbe peut être définie de manière empirique pour un capteur radar donné et pour une classe déterminée de fonctions d'évaluation R1, R2 en ce qu'on calcule les fonctions d'évaluation pour un grand nombre de situations de mesures couvrant toute la largeur de bande des situations de mesures qui se produisent dans la circulation routière quotidienne et cela avec une répartition de fréquence aussi proche que possible de la réalité. Par exemple, pour cela on peut exécuter des trajets de mesure selon lesquels le véhicule circule un certain temps sur une autoroute, un certain temps sur une route nationale, un certain temps en circulation urbaine et le cas échéant également dans un tunnel, etc... Les durées des temps correspondants se comportent sensiblement comme l'histoire caractéristique de la vie d'un véhicule. Selon le choix du paramètre, ici les seuils T1, T2, on obtient alors une autre paire de valeurs Nf, Nw. A la figure 4, les paramètres sont indiqués le long de la courbe (les seuils 0,8, 06...). Plus le seuil est haut et plus réduite sera la fréquence Nf de messages d'erreur et plus petite sera également la fréquence Nw des réussites. Avec la diminution des seuils, la fréquence Nf des messages d'erreurs augmente alors que la fréquence Nw des réussites se rapproche de la valeur maximale de 100"/o. Si la courbe ROC est enregistrée pour une classe donnée de fonctions d'évaluation pour l'ensemble des situations de mesures envisagées, on n'a pour la conception du système que l'unique possibilité de conception de choisir une valeur intéressante pour le paramètre à déterminer de la classe de fonctions ; dans cet exemple, cette valeur se- ra choisie également comme valeur de seuil et entre les objectifs « Nf aussi petit que possible » et « Nw aussi grand que possible », il faudra trouver un compromis. Les figures 5 et 6 montrent les exemples de courbes ROC 52, 54 enregistrées pour différents choix de situations de mesures. Pour la figure 5, seules sont prises en compte des situations de mesures dans lesquelles l'environnement de circulation est relativement lisible et de structure claire, c'est-à-dire dans lesquelles le nombre d'objets localisés simultanément est faible et les signaux reçus de chacun des objets sont peu encombrés de bruits et sont relativement univoques, permet- tant ainsi de déterminer sans équivoque, les données de localisation correspondantes (distance, vitesse relative, angle d'azimut, angle d'élévation) avec des tolérances d'erreur relativement réduites. Dans ce cas, le nombre Nf de signaux d'erreur est faible, même si on choisit des seuils relativement bas de sorte que pour une fréquence Nfmax encore acceptable de signaux erronés, on aura une fréquence Nw 1 relativement élevée de succès et ainsi une utilité élevée. La figure 6 tient en revanche compte seulement de situa- tions de mesures dans lesquelles l'environnement de la circulation est relativement peu lisible (de nombreux objets localisés simultanément, des signaux fortement encombrés de bruits et perturbés). Dans de telles situations, la fréquence d'erreur est normalement plus grande de sorte que la courbe ROC 54 est plus plate que pour le seuil 0,8 qui fournit la même fréquence Nfmax de signaux erronés et ne permet d'avoir qu'une fréquence significativement plus faible Nw2 de cibles réussies. L'idée de base de l'invention est que même dans l'application réelle du système d'assistance de conduite, on peut distinguer entre les situations de mesures de faible complexité et celles ayant une forte complexité, et selon la complexité, on aura des seuils diffé- rents ou dans le cas général, des jeux différents de paramètres détermi- nés pour les fonctions d'évaluation. La figure 7 montre une courbe ROC 56 que l'on obtient si, pour le choix du seuil, on distingue entre différents degrés de complexité en ce que par exemple pour les situations de mesures prises en compte à la figure 5, la valeur de seuil plus faible 0,4 sera choisie alors que pour les situations de mesures prises en compte à la figure 6, on choisira en revanche un seuil de 0,8. Pour comparer, la figure 7 montre exclusivement une courbe ROC 58 au cas où on ne peut distinguer entre les degrés de complexité et qu'il faut choisir un même seuil pris en moyenne pour toutes les situations de mesures donnant la même fré- quence relative Nfmax de messages erronés. On voit dans ce cas que la fréquence des succès sera relativement faible et ainsi l'invention (courbe ROC 56) augmentera l'intérêt du système. En pratique, on utilisera en général pour l'évaluation d'objets fixes, non pas une seule classe de fonctions d'évaluation mais plusieurs classes dépendant de jeux différents de variables indépendantes et on combinera les résultats des différentes fonctions d'évaluation, de manière logique et arithmétique. Par exemple, on peut définir une classe de fonctions d'évaluation pour laquelle le jeu de variables indépendantes ne com- prend qu'une unique grandeur de mesure X2 indiquant l'angle d'élévation mesuré pour l'objet concerné. Les fonctions d'évaluation peuvent alors consister de façon analogue aux figures 2 et 3 en une comparaison de seuils avec chaque fois d'autres seuils. Les objets dont l'angle d'élévation est positif ou légèrement négatif, seront considérés comme de véritables obstacles alors que les objets dont l'angle d'élévation est négatif et d'amplitude grande seront qualifiés d'obstacles apparents ou factices car ces obstacles ne dépassent pas fortement la hauteur de la surface de la chaussée et qu'ainsi, le propre véhicule peut passer par-dessus. D'autres exemples de fonctions d'évaluation seraient des fonctions qui évaluent les variations en fonction du temps, par exemple les fluctuations, l'angle d'élévation et/ ou certaines tendances de modification de l'angle d'élévation en fonction du temps ou de la distance de l'objet. Les fonctions d'évaluation peuvent dans tous les cas être des fonctions à plusieurs valeurs qui ne varient pas seulement entre 0 et 1 mais peuvent prendre des valeurs intermédiaires. Si on utilise plusieurs classes de fonctions d'évaluation, la décision définitive pour déterminer si l'objet est ou non à retenir pourra se faire à l'aide de la somme pondérée ou à l'aide d'une quelle qu'autre autre fonction des évènements des différentes fonctions d'évaluation. Les différentes fonctions d'évaluation peuvent être par exemple des fonctions à plusieurs valeurs ayant plusieurs niveaux et de façon correspondante, plusieurs seuils comme paramètres. Selon un autre développement, les fonctions d'évaluation peuvent également être des fonctions constantes d'une ou plusieurs grandeurs de mesures, par exemple des polynômes et alors les coefficients des polynômes sont des paramètres qui distinguent entre elles les différentes fonctions d'évaluation de cette classe et peu- vent être modifiés suivant la complexité. De façon générale, les para- mètres sont choisis selon la complexité de sorte que statistiquement, le nombre de cas dans lesquels un objet est évalué comme véritable obstacle pour une complexité faible est plus grand que pour une complexité élevée.

Quelques exemples de définitions appropriées d'indicateurs de complexité seront présentés ci-après. En principe, on pourra distinguer entre des indicateurs globaux de complexité qui se caractérisent également de façon globale pour les situations de mesures et aussi des indicateurs locaux de complexité qui utilisent un unique objet localisé ou un groupe d'objets localisés. Un exemple d'un indicateur global de complexité est le nombre total d'objets localisés par rapport à un instant donné. Par exemple, dans le spectre de la figure 8, on a quatre pics 42, 44, 46, 48 de sorte que le nombre local d'objets localisés est égal à quatre. Comme en pratique, dans chaque cycle de mesure, on effectue plusieurs rampes de modulation, on obtient dans chaque cycle plusieurs spectres dans lesquels le nombre d'objets localisés peut être différent à cause des perturbations. C'est pourquoi, de façon avantageuse, on additionne les pics de tous les cycles de mesure des spectres supposés et on les norme par rapport à une valeur maximale fixée à un niveau suffisamment élevé pour obtenir ainsi le coefficient de complexité (k) variant entre 0 et 1. Un autre exemple d'un indicateur de complexité globale est la qualité angulaire pour tous les objets localisés. Dans ce contexte, la figure 9 montre le principe de l'évaluation de l'angle d'azimut. La fi- gure montre quatre courbes 60, 62, 64, 66, chacune correspondant à l'une des quatre antennes de réception 20 pour un objet standard localisé avec une amplitude de signal standard sous un angle d'azimut (p, donnant l'amplitude A (montrée seulement pour la valeur de l'amplitude et qui peut également se faire avec une phase selon le procédé d'évaluation angulaire) pour l'angle d'azimut q) . Du fait de la sélectivité directionnelle différente des antennes de réception, les courbes passent par leur maximum chaque fois pour un autre angle d'azimut. Les amplitudes mesurées dans les quatre canaux de réception pour un certain objet (fréquence au sommet du pic) sont schématisées à la figure 9 par des cercles 70, 72, 74, 76 ; le cercle 70 fait partie du même canal de ré- ception que la courbe 60 ; le cercle 72 correspond au même canal que la courbe 62, etc... Les cercles 70-76 sont représentés sur la verticale à la position angulaire pour laquelle on a la meilleure concordance entre les amplitudes mesurées (schématisées par des cercles) et les amplitudes prévisibles à partir des courbes 60-66. Dans l'exemple présenté, la meil- leure concordance est celle de l'angle d'azimut 9 = 7,5° de la valeur angulaire ainsi évaluée pour l'objet concerné. Du fait des parasites inévitables, la coïncidence entre les valeurs mesurées et les valeurs théoriques n'est toutefois pas exacte. L'écart entre les valeurs mesurées et les valeurs données par les courbes (par exemple l'écart quadratique moyen) est une mesure de la qualité angulaire également de la qualité de la mesure angulaire. Plus la qualité angulaire est élevée pour un objet donné et plus fiable sera l'évaluation angulaire. En même temps, la qualité angulaire est également une mesure de l'intensité suivant la- quelle l'écho radar est déformé ou perturbé par l'objet correspondant. Si l'on fait la moyenne des qualités angulaires pour tous les objets localisés, on obtient un indicateur global qui est une mesure de la qualité générale et de la fiabilité des données de localisation à l'instant donné.

Il est avantageux de former un indicateur global de com- plexité qui est la somme pondérée de l'indicateur de complexité ka dépendant du nombre d'objets et de l'indicateur de complexité k, dépendant de la qualité angulaire globale selon la formule suivante : K = a ka + b k, formule dans laquelle ka et k, peuvent varier dans l'intervalle [0,1] et les coefficients positifs a et b sont choisis pour que la somme varie également dans l'intervalle [0,1]. Contrairement à des indicateurs de complexité globale, les indicateurs de complexité locale ne concernent qu'un objet ou un groupe d'objets voisins. Un exemple d'un tel indicateur local de complexité est la largeur du pic correspondant à l'objet dans le spectre ou des pics de plusieurs spectres obtenus sur différentes rampes dans le même cycle de mesure. Comme mesure de la largeur du pic, on peut prendre la distance entre les fréquences f- et f+ de la figure 8 et de pré- férence, on normalise par rapport à la puissance totale du pic pendant un pic étroit avec un objet non encombré de bruits ayant une bonne distance définie et une vitesse relative bien définie, permet de conclure à un pic plus large de sorte que le signal est moins fortement encombré de bruits ou perturbé ou encore que les pics de plusieurs centres de ré- flexion se superposent. Ainsi, on associe un indicateur de complexité, plus élevé, à un pic plus élevé. Il existe également des procédés destinés spécialement à reconnaître des superpositions de pics dans un spectre. Si le pic fait partie d'un objet observé, on reconnaît cette superposition des pics de sorte que l'on peut associer un indicateur de complexité locale, élevée, à cet objet. Un autre exemple d'un indicateur local de complexité est la densité des pics dans le spectre, c'est-à-dire le nombre de pics qui sont trouvés dans un certain intervalle de fréquence d'un environne- ment du pic de l'objet concerné. Dans ce cas, une densité élevée de pics est synonyme de plus grande complexité. Un indicateur de complexité voisin est la densité de localisation dans l'espace D-V, par exemple le nombre d'objets localisés dont la distance D diffère de moins, par exemple de 5 m par rapport à la distance de l'objet observé et dont la vitesse relative V diffère de moins, par exemple de 1 m/s par rapport à la vitesse relative de l'objet observé. A la différence de la densité des pics examinés ci-dessus, on ne tient compte ici que des localisations que l'on peut associer sans équivoque à un objet réel, c'est-à-dire des localisa- tions pour lesquelles les droites du diagramme DV se coupent principalement en un point. Un autre groupe d'indicateurs locaux de complexité con- cerne la qualité de la mesure angulaire de l'azimut et/ou de l'élévation.

Il existe une certaine corrélation entre les superpositions de pics et la qualité de la mesure angulaire dans le sens que pour des superpositions de pics constatées, les mesures angulaires sont en général inutilisables. Les indicateurs de complexité qui se réfèrent à la mesure angulaire doivent être de préférence seulement utilisés si l'on n'a cons- taté aucune superposition de pics. Si pour l'objet concerné pour la détermination de l'angle d'azimut selon lequel dans le procédé de la figure 9, on a constaté une qualité angulaire élevée, alors on associe à l'objet un indicateur faible de complexité et à mesure que la qualité de l'angle se détériore, on aug- mente l'indicateur de complexité. On peut, de façon correspondante, former un indicateur de complexité dépendant de la qualité de la mesure de l'angle d'élévation. Comme la mesure de l'angle d'élévation utilise deux rampes dans lesquelles une fois l'antenne d'émetteur 16 et l'autre fois l'antenne d'émission 18 (figure 1) émettent, il est de plus possible de faire la mesure de l'angle d'azimut sur les deux rampes de sorte que pour le même objet, on aura deux directions d'angle d'azimut, chaque fois avec leur propre qualité angulaire. Dans le cas, pour former l'indicateur de complexité, on peut d'une part, combiner les deux quali- tés d'angle pour l'angle d'azimut et d'autre part, combiner la qualité de la mesure de l'angle d'élévation. De plus, la différence entre les deux mesures de l'angle d'azimut (avec l'antenne 16 et avec l'antenne 18) peut conduire à une augmentation supplémentaire de l'indicateur de complexité.

Les indicateurs locaux et globaux de complexité peuvent finalement être réunis en un indicateur global de complexité qui détermine alors la sélection des paramètres pour les fonctions d'évaluation. Il est toutefois également possible pour chaque classe de fonctions d'évaluation, de définir un propre indicateur de complexité qui, surtout, dépend des grandeurs qui comprennent des variables indépendantes dans les classes d'émission. La figure 10 montre trois groupes de fonctions d'évaluation Rkl(X1), Rk2(X2), Rk3(X3) qui ont chacune une autre gran- deur de mesure X1, X2, X3 comme variables indépendantes (les sym- boles X1, X2, X3 peuvent également représenter le cas échéant un jeu de plusieurs grandeurs de mesure). Chaque classe de fonctions d'évaluation comporte plusieurs fonctions qui diffèrent selon le choix du paramètre. Le choix des paramètres dépend de l'indicateur de complexi- té k1, k2, k3 respectif ; pour chaque classe de fonctions d'évaluation, on peut utiliser un autre indicateur de complexité, défini. Ainsi par exemple, le symbole Rkl de la figure 10 est destiné à différentes fonctions d'évaluation qui permettent également de définir, pour chaque valeur de l'indicateur de complexité k1, un autre jeu de paramètres.

Dans cet exemple, on obtient ainsi tout d'abord trois ré- sultats différents qui indiquent par exemple sous la forme d'une indication oui/non ou sous la forme d'une probabilité, si l'objet concerné était ou non un véritable obstacle. Pour prendre la décision définitive, on calcule la fonction R (Rkl, Rk2, Rk3) dépendant des valeurs des fonctions Rkl(X1), Rk2(X2), Rk3(X3) et a, soit la valeur 1 (obstacle caractéristique) ou valeur 0 (pas d'obstacle caractéristique). Les indicateurs de complexité peuvent être combinés les uns aux autres dans une structure hiérarchisée pour former un indicateur global de complexité, qu'il soit commun à toutes les fonctions d'évaluation ou soit seulement appliqué dans certaines fonctions d'évaluation. Un exemple est représenté à la figure 11, à savoir la formation de l'indicateur global de complexité k1 pour les fonctions d'évaluation Rkl, figure 10. Dans cet exemple, on forme tout d'abord cinq indicateurs de complexité Z1-Z5 dépendant de jusqu'à cinq va- riables indépendantes Xkl, Xk2, Xk3, Xk4, Xk5, bien que ces paramètres soient déduits des données de localisation dans le cycle de mesure respectif (l'indice X symbolise ici uniquement la variable concernée pour calculer les indicateurs de complexité et non pour calculer les fonctions d'évaluation). Les variables Xkl - Xk5 peuvent correspondre à une sélec- tion de grandeurs de mesure Xi qui ont été évoquées ci-dessus en liai- son avec les différents exemples d'indicateurs de complexité, c'est-à-dire par exemple le nombre d'objets (pour un indicateur global de complexité) la qualité angulaire globale en moyenne pour tous les objets et des indicateurs locaux de complexité, c'est-à-dire par exemple des densités pics entre les deux mesures d'angle d'azimut. Chacun des indicateurs intermédiaires Z1 - Z5 dépend d'au moins l'une des variables mais peut également dépendre de plusieurs variables. Chacun des indicateurs intermédiaires Z1 - Z5 peut ainsi être une somme pondérée ou un polynôme de variables Xki (i = 1 - 5) et être défini pour que les valeurs de lo l'indicateur intermédiaire se situent chaque fois dans l'intervalle [0,1]. A partir des indicateurs intermédiaires Z1 - Z5 ainsi obtenus, on pourra alors former une somme pondérée ou un polynôme avec l'indicateur final de complexité k 1. En fonction de cela, on forme également les indicateurs de complexité k1, k2 pour les fonctions d'évaluation Rk2, Rk3 15 avec lesquelles on peut intervenir dans une autre unité fonctionnelle ou avoir d'autres sélections de revendications indépendantes.

20 NOMENCLATURE DES ELEMENTS PRINCIPAUX 10 Capteur radar 12 Etage de prétraitement 14 Module d'évaluation 16, 18 Antennes d'émission 20 Antenne de réception 22 Circuit de commutation 24 Oscillateur 26 Mélangeur 28 Etage de conversion fréquence-module 30 Etage de transformation 32 Module d'évaluation 36 Module de commande 42, 44, 46, 48 Pics d'une courbe 52, 54 Courbes ROC 58 Courbe ROC 60, 62, 64, 66 Courbes 70, 72, 74, 76 Cercles pour symboliser D Distance de moins de 5 m pour l'objet considéré F-, F+ Fréquences kl, k2, k3 Indicateurs de complexité Nf Nombre d'avertissements erronés R1, R2, Rk 1 , Rk2 , Rk3 Fonctions d'évaluation S1-S4 Signaux de fréquence intermédiaires Ti, T2 Seuils 1 m/s Vitesse relative V Vitesse relative Xl, X2, X3 Grandeurs de mesure Xkl, Xk2, Xk3, Xk4, Xk5 Variables déduites35

Claims (4)

1. REVENDICATIONS1°) Procédé d'évaluation d'obstacles à l'aide de données de localisation d'un capteur radar (10) dans un système d'assistance de conduite de véhicule selon lequel on calcule au moins une fonction d'évaluation (R1, R2 ; Rkl, Rk2, Rk3) qui indique, en fonction d'un jeu de grandeurs de mesure (X1, X2, X3) rapporté à un obstacle potentiel si cet obstacle potentiel doit être considéré comme un obstacle véritable, procédé caractérisé en ce qu' à l'aide des données de localisation, on forme un indicateur de complexité (k1, k2, k3) indiquant la complexité de la situation de mesure actuelle, et pour le même jeu de grandeurs de mesure (X1, X2, X3), on définit au moins deux fonctions d'évaluation différentes (R1, R2 ; Rkl, Rk2, Rk3) et en fonction de l'indicateur de complexité, on décide quelle fonction d'évaluation doit être appliquée à la situation ac- tuelle de mesure.
2. 2°) Procédé selon la revendication 1, caractérisé en ce qu' on définit plusieurs classes de fonctions d'évaluation (Rkl, Rk2, Rk3) à partir desquelles, dans chaque situation de mesure, on sélectionne chaque fois une fonction d'évaluation selon la valeur de l'indicateur de complexité et on combine les résultats des fonctions d'évaluation sélectionnées pour un résultat global.
3. 3°) Procédé selon la revendication 2, caractérisé en ce que pour chaque classe de fonctions d'évaluation, on définit son propre indicateur de complexité (kl, k2, k3).
4. 4°) Procédé selon la revendication 1, caractérisé en ce que plusieurs fonctions d'évaluation dépendent d'une grandeur de mesure (X1) qui indique l'intensité du signal de l'écho radar reçu à partir de l'objet localisé.5°) Procédé selon la revendication 1, caractérisé en ce que plusieurs fonctions d'évaluation dépendent d'une grandeur de mesure (X2) indiquant l'angle d'évaluation de l'objet localisé. 6°) Procédé selon la revendication 1, caractérisé en ce que plusieurs fonctions d'évaluation dépendent d'une grandeur de mesure (X3) indiquant la variation de l'angle d'élévation mesuré pour l'objet. 7°) Procédé selon la revendication 1, caractérisé en ce qu' on forme un indicateur global de complexité (k) dépendant du nombre d'objets localisés dans la situation de mesure actuelle et/ou de la quali- té moyenne des mesures angulaires de tous les objets localisés dans cette situation de mesure. 8°) Procédé selon la revendication 1, caractérisé en ce qu' on forme au moins un indicateur local de complexité qui se rapporte à un seul objet localisé et qui dépend de la densité d'objets dans l'environnement de cet objet. 9°) Procédé selon la revendication 1 appliqué à un capteur radar FMCW, caractérisé en ce qu' on forme au moins un indicateur local de complexité se rapportant à un seul objet localisé et indiquant si à l'endroit associé à cet objet, le spectre de fréquence du signal reçu permet de constater une superposition d'échos radar provenant de différents objets. 10°) Procédé selon la revendication 1, caractérisé en ce que pour un capteur radar de résolution angulaire on forme au moins un indicateur local de complexité qui se rapporte à un unique objet localisé et indique la qualité de la mesure angulaire de cet objet.11°) Procédé selon la revendication 1, caractérisé en ce qu' on forme au moins un indicateur de complexité (k1) dépendant de plusieurs indicateurs intermédiaires (Z1-Z5) dépendant eux-mêmes de dif- férentes manières de chaque fois une sélection de variables (Xkl, Xk2, Xk3, Xk4, Xk5) déduite de données de localisation. 12°) Système d'assistance de conduite de véhicule appliquant un procédé selon l'une quelconque des revendications 1 à 11 pour l'évaluation d'obstacles à l'aide de données de localisation d'un capteur radar (10) dans un système d'assistance de conduite de véhicule selon lequel on calcule au moins une fonction d'évaluation (R1, R2 ; Rkl, Rk2, Rk3) qui indique en fonction d'un jeu de grandeurs de mesure (X1, X2, X3) rapporté à un obstacle potentiel si cet obstacle potentiel doit être considéré comme un obstacle véritable, et à l'aide des données de localisation, on forme un indicateur de complexité (k1, k2, k3) indiquant la complexité de la situation de mesure actuelle, et pour le même jeu de grandeurs de mesure (X1, X2, X3), on définit au moins deux fonctions d'évaluation différentes (R1, R2 ; Rkl, Rk2, Rk3) et en fonction de l'indicateur de complexité, on décide quelle fonction d'évaluation doit être appliquée à la situation actuelle de mesure.25