JP7337931B2 - レーダによるまたは問合せ電磁放射線の使用によるオブジェクトの向きの決定 - Google Patents

Description

本発明は、問合せ電磁放射線に対するオブジェクトの応答に基づく、捕捉領域内のこのオブジェクトの認識および監視に関する。

車両が、道路交通において少なくとも部分的に自動的に移動し得るためには、車両の周辺環境を捕捉する必要があり、かつ車両の周辺環境内のオブジェクトとの衝突が迫っている場合には対策を開始する必要がある。周辺環境表示の作成および位置特定も、安全な自動走行には不可欠である。

レーダによるオブジェクトの捕捉は、光条件に関係なく、例えば夜でも、比較的長い距離をめがけて可能であり、対向車がハイビームによって眩しく照らされることもない。さらに、レーダデータから直接的にオブジェクトの距離および速度が分かる。これらの情報は、オブジェクトとの衝突が起こり得るかどうかを判断するために重要である。しかしながら、どのタイプのオブジェクトであるのかは、レーダ信号から直接的には認識できない。この認識は、目下のところデジタル信号処理に基づく属性の計算によって解決される。

米国特許第８，６８２，８２１（Ｂ２）号は、レーダ信号が、決定されたオブジェクトまたは人間以外の動物の移動に起因するものかどうか、機械学習を使ってそのレーダ信号を分類することを開示している。この知見は、領域を監視する際に人間の侵入者への誤警報を回避するために、または少なくとも部分的に自動化された走行の際に衝突回避の正しい行為を選択するためにも利用され得る。

本発明の枠内で、問合せ電磁放射線に対するオブジェクトの応答を内包する少なくとも１つの測定信号から、オブジェクトの空間的な向きを決定するための方法が、 された。この応答は、とりわけ問合せ放射線の反射を内包し得る。

この方法では、測定信号から、測定信号でのオブジェクトの様々な箇所を成す寄与分の空間分布の、少なくとも２次元の表示が確定される。この表示から、分類器および／またはリグレッサにより、オブジェクトの空間的な向きが確定される。

この測定信号は、１つまたは複数の検出器によって捕捉され得る。つまり、例えば複数の検出器によってもたらされた生データから集約された１つの総合的な測定信号であり得る。さらに測定信号は、表示を形成する前に信号処理の１つまたは複数の段階を踏み得る。

分類器は、例えば角度として表された０°～３６０°の間の空間的な向きを、離散間隔に区分でき、かつ各々の入力された寄与分の空間分布の表示に対し、この表示がそれぞれ向きのあり得る間隔の各々に割り当てられるべき信頼度を確定することができる。リグレッサは、最も確率の高い空間的な向きを、この場合は離散間隔に結び付けることなく角度によって提示し得る。

問合せ電磁放射線は、例えばレーダ放射線であり得る。空間領域を監視するための市販のレーダセンサは、レーダ放射線のための１つまたは複数の送信器と、複数の受信アンテナの大抵は１つのアレイとを内包しており、このアレイにより、反射されたレーダ放射線の入射方向が、このアレイの機械的運動なしで決定され得る（「ｄｉｒｅｃｔｉｏｎ ｏｆ ａｒｒｉｖａｌ」、ＤＯＡ）。レーダセンサは通常は、受信アンテナによってもたらされた生データを出力するのではなく、この生データから反射を抽出する。各反射に対して通常は、反射の少なくとも１つの角度位置、反射の少なくとも１つの強度、および反射の少なくとも１つの箇所に対する距離が評価される。

つまり、生データから反射を抽出することは強い単純化を意味し、この単純化ではとりわけ、検出されたオブジェクトの空間的な広がりが強く抽象化されることが分かった。オブジェクトからは、反射の捕捉強度を有する１つの応答の起源である１つまたは複数の離散した波源が、点状の箇所で される。しかしながら現実には、１つの広い電磁波面が１つの広いオブジェクトに当たる。オブジェクトの表面の各無限小箇所は、ホイヘンスの原理に従えば、等方性の素元波の出発点であり、問合せ電磁放射線に対するオブジェクトの応答は、すべてのこの素元波の重ね合わせによって形成される。

したがって本方法によって確定される、測定信号でのオブジェクトの様々な箇所をもたらす寄与分の空間分布は、結局のところ、オブジェクトの測定された応答のその物理的起源への還元である。

この分布は、測定構成体に対するオブジェクトの空間的な向きが変わると変化する。つまり問合せ放射線は、オブジェクトの表面のうち、送信器に対する見通し線内にある箇所にのみ、妨げられずに到達し得る。さらに、オブジェクトの空間的な向きは、問合せ放射線がオブジェクトの各箇所に当たる入射角度、したがって様々な箇所で形成された素元波間の位相関係も決定する。

したがって前述の寄与分の分布の表示から、分類および／または回帰によりオブジェクトの空間的な向きが確定され得る。
この表示は、例えば、３次元空間内の箇所にそれぞれ、応答でのこれらの箇所を起源とする物理的寄与分を割り当てた３次元点群であることができる。しかし表示は、例えばこの点群を平面に射影することにより、または別の割当て規則により、この点群から一義的に生じる２次元画像であってもよい。表示から、分類および／または回帰により希望どおりにオブジェクトの空間的な向きを決定するために、表示が例えばオブジェクトの輪郭を正しく再現することは重要でない。大事なのは、オブジェクトの２つの異なる空間的な向きが、異なる表示でもはっきり現れることだけである。

さらに、前述のやり方で得られる手段、すなわちオブジェクトの空間的な向きを確定するという手段は、問合せ電磁放射線による観察に基づいた移動オブジェクトの軌道予測を改善させることが分かった。例えば車両などの非常に多くのオブジェクトでは、比較的近い将来にあり得る移動方向は、オブジェクトの空間的な向きと相関関係にある。車両は、例えばその長手軸によって予め定められる走行方向に沿ってさらに進むことができ、またはステアリング角によりこの長手軸からカーブすることができる。このようなカーブの最小曲率半径は、車両の構造、例えば車両の軸距によって予め定められている。ただし車両は、例えば、車両の長手軸に対してそれ自体の駆動部から正確に垂直には移動できない。

例えば、制御または監視すべき自身の車両（自車）の前に存在する捕捉領域がレーダ放射線によって監視される場合、それにより、捕捉領域内で検出された他車の空間的な向きに基づいて、少なくとも、この車両が近い将来どの方向に移動し得るかが限定され得る。この情報は、この他車が、自車との衝突コース上に存在しているかもしれないかどうかの判断にとって重要である。

したがって上で説明したことに従って、特に有利な一形態では、問合せ電磁放射線としてレーダ放射線が選択される。原理的には、例えばＬＩＤＡＲ法（「ｌｉｇｈｔ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｒａｎｇｉｎｇ」）の範疇で捕捉領域全体にスキャンされる光も使用され得る。しかしながら測定信号のこのスキャン撮影は、レーダ放射線による測定に比べて空間分布への逆算をより困難にする。

上で説明したように、測定信号が、問合せ電磁放射線の反射についてのデータセットを内包しており、かつこのデータセットの各々が、
・反射の少なくとも１つの角度位置（例えば方位角および／または仰角）、
・反射の少なくとも１つの強度、および
・反射の少なくとも１つの箇所に対する距離
を内包することが有利である。

寄与分の空間分布の確定は、このために測定信号の処理段階が使用される場合、より正確になることができ、この処理段階は、生データに対し、比較的低い度合いの抽象化および単純化を施した。とりわけ、例えば１つまたは複数の検出器によってもたらされた生データから直接的に空間分布の表示を確定してもよい。

特に有利な一形態では、反射についてのデータセットに基づいて、寄与分の空間分布を測定信号に変換するための物理的モデルが確定される。上で解説したようにこのモデルは、例えば、様々な箇所を起源とする寄与分を結果として生じる１つの波面へと重畳させる規則を内包することができ、この波面がオブジェクトの応答を搬送する。このモデルはこれに加えて、例えば、１つまたは複数の検出器に到来する１つの波面を測定信号へと処理する規則も内包し得る。モデルが詳細になればそれだけ、測定信号からより正確に寄与分の空間分布が逆推論され得る。

さらなる特に有利な一形態では、各反射に対して１つのｓｉｎｃ関数が生成され、このｓｉｎｃ関数のピーク高さは、反射の強度によって決定され、かつピーク高さの位置は、反射の角度位置および反射の箇所に対する距離によって決定される。すべての生成されたｓｉｎｃ関数の総和が、表示の確定のために参照される。この背後には、特に、レーダセンサによってもたらされる出力信号が内部の処理段階でｓｉｎｃ関数を内包しており、このｓｉｎｃ関数が後の処理段階で、上記の反射についての情報へと圧縮されるという知見がある。つまりｓｉｎｃ関数が、１つの波面が隙間で回折する際の素元波の重畳を表すのと同様に、ｓｉｎｃ関数は、オブジェクトの複数の箇所の寄与分の、１つの特定の反射への重畳を表すのにも適している。

これに関してはとりわけ、ｓｉｎｃ関数の３ｄＢ幅が、測定信号をもたらした測定機構の物理的な測定精度に基づいて規定され得ることが有利である。これによりとりわけ、例えば、様々な反射をそれぞれ決定した異なる測定精度が、相互に重み付けされ得る。

さらなる特に有利な一形態では、人工ニューラルネットワーク（ＡＮＮ）および／またはサポートベクターマシン（ＳＶＭ）が、分類器および／またはリグレッサとして選択される。ＡＮＮおよびＳＶＭは、機械学習によってトレーニング可能な分類器またはリグレッサに属している。つまり、分類器またはリグレッサに、無限に多くの未知の状況の準備をさせるために、寄与分の空間分布の有限数の学習用表示およびそれに帰属するオブジェクトの空間的な向きが利用され得る。あり得るオブジェクトの多様性（例えば車両タイプ）はきりがないので、寄与分の空間分布のすべてのあり得る表示のカタログを前もって完結させて提示することはできない。

さらなる特に有利な一形態では、オブジェクトのタイプが、オブジェクトの物理的観察から事前に分類される。この場合、このタイプに基づいて、空間的な向きの決定に使用される分類器またはリグレッサが選択され得る。つまり、例えばトラックは乗用車とはまったく違う成形を有しており、それに応じて、同じ角度からの問合せ放射線による問合せの際にはそれぞれ、１つの測定信号でのこれらの車両の箇所を成す寄与分の空間分布も異なっている。

上で解説したように、移動オブジェクトの確定された空間的な向きは、とりわけ、移動の将来の進展を予測するために使用され得る。これはとりわけ、例えば、同じ問合せ電磁放射線（例えばレーダ放射線）が、移動オブジェクトの速度の確定にも使用される場合に適用される。この速度は、応答の周波数を、放射された問合せ放射線の周波数に対してドップラー周波数偏移の分だけ偏移させ、つまり応答の周波数の評価によって測定され得る。ただしこのように確定された速度はスカラーである。つまりこの速度は、オブジェクトがどのくらい速く測定機構に近づいているのか、またはオブジェクトがどのくらい速く測定機構から遠ざかっているのかを提示するだけである。したがって測定機構に対するオブジェクトの、同じスカラー速度をもつ多くの異なる移動が共存し得る。オブジェクトの空間的な向きが上で説明した方法によって測定されることにより、移動オブジェクトの将来の軌道に関する多義性が、少なくとも部分的に解消され得る。

したがって本発明は、問合せ電磁放射線に対するオブジェクトの応答を内包する少なくとも１つの測定信号から、オブジェクトのスカラー速度ｖに関連させて、少なくとも１つのオブジェクトの軌道を予測するための方法にも関する。

この方法では、オブジェクトの位置が測定信号から確定される。オブジェクトの空間的な向きは、上で説明した方法によって確定される。オブジェクトの位置を出発点として、スカラー速度ｖを参照しながら、オブジェクトの空間的な向きに基づいてオブジェクトの軌道がアップデートされる。

これに関し「に基づいて」は、例えばオブジェクトとしての車両の場合には、車両のあり得る将来の走行方向が、車両の空間的な向きから推測可能な車両の長手軸によって、およびこの軸から離れていくあり得るステアリング操作によって規定されることを意味し得る。しかしアップデートの間隔に応じて、例えば車両のその時々の長手軸を考慮することで十分でもあり得る。

上で解説したように、スカラー速度ｖが、問合せ電磁放射線のドップラー周波数偏移から確定され得ることがとりわけ有利である。
さらなる特に有利な一形態では、オブジェクトの予測された軌道が、監視および／または制御すべき車両のその時々に走行中の軌道および／または計画された軌道と比較される。このようにして、とりわけ、観察されたオブジェクトの軌道が、自車のその時々に走行中の軌道または計画された軌道に接するリスクが存在するかどうかが認識され得る。そのように接するということは、衝突リスクを示唆している。

さらなる特に有利な一形態では、オブジェクトの予測された軌道が車両のその時々に走行中の軌道または計画された軌道に接することへの応答において、車両の運転者に知覚可能な車両の物理的警告機構が制御される。その代わりにまたはそれとの組み合わせでも、車両のその後の新たな軌道がオブジェクトの予測された軌道にもはや接しなくなるように、車両のステアリングシステム、駆動システム、および／またはブレーキシステムが制御される。

とりわけ、レーダ放射線が問合せ電磁放射線として使用される場合、例えば夜に、ロービームの到達距離内での運転者の視覚的観察に基づいて人間の運転者に可能であろうより早く、衝突の危険を認識でき、かつ上記の介入によって回避できる。

既に解説したように、上で説明した方法では、とりわけ機械学習を使ってトレーニング可能な分類器および／またはリグレッサが使用され得る。したがって本発明は、上で説明した方法の１つに適用するための分類器および／またはリグレッサをトレーニングするための方法にも関する。

この方法では、学習用データセットの学習用集合が提供される。この学習用データセットはそれぞれ、問合せ電磁放射線に対するオブジェクトの応答を内包する測定信号でのオブジェクトの様々な箇所の寄与分の空間分布の少なくとも２次元の表示を、学習用入力として内包している。さらに学習用データセットはそれぞれ、測定の際に供与された空間的な向きを、学習用出力として内包している。

分類器および／またはリグレッサの挙動は、パラメータによって規定されている。ＡＮＮでは、パラメータは例えば重みであることができ、この重みで、各ニューロンの入力が、このニューロンのアクティブ化のために計算処理される。

各学習用データセットに関し、それぞれの学習用入力が分類器および／またはリグレッサに供給される。分類器および／またはリグレッサによってそれぞれ出力された、オブジェクトの空間的な向きが、この学習用入力に帰属する学習用出力と比較される。分類器および／またはリグレッサのパラメータは、分類器および／またはリグレッサが、学習用集合に内包された学習用入力を、帰属する学習用出力に、誤差関数に従って少なくとも予め定められた精度で写像するように最適化される。

こうすることで、上で解説したように有限数の学習用状況に基づいて、分類器および／またはリグレッサに、無限に多くの新たな状況の準備をさせ得る。
上で解説したように、測定信号を受け取るために使用されるセンサのハードウェアが、反射についての現在典型的に出力される情報より詳細な情報を出力するためのインターフェイスを提供するよう変更され得ることが有利である。しかし本方法は、基本的には現在提供されている情報で、つまりハードウェアの変更なしでも十分に事足りる。本方法は、とりわけ、オブジェクトの空間的な向きまたはオブジェクトの将来の軌道がこれまでより正確に確定され得るという直接的な顧客利益をもたらすソフトウェアにおいて実装され得る。したがって本発明は、機械可読のステートメントを内包するコンピュータプログラムにも関し、このステートメントは、コンピュータおよび／または制御機器上で実行される場合に、コンピュータおよび／または制御機器に前述の方法の１つを実行させる。同様に本発明は、コンピュータプログラムを有する機械可読のデータ記憶媒体またはダウンロード製品にも関する。

以下では、本発明を改善するさらなる措置を、図に基づく本発明の好ましい例示的実施形態の説明と一緒により詳しく示す。

問合せ電磁放射線２に対する応答３ａへの様々な寄与分３１ａ～３１ｃの例示的な重畳を示す図である。 方法１００の例示的実施形態を示す図である。 １つの同じオブジェクト１の様々な空間的な向き１１ｂに対する寄与分３１ａ～３１ｃの空間分布の例示的な表示４を示す図である。 方法２００の例示的実施形態を示す図である。 ４本の道路８１、８２、８３、８４の交差点での方法２００に関する例示的な適用状況を示す図である。 方法３００の例示的実施形態を示す図である。

図１は、広いオブジェクト１が問合せ電磁放射線２に対する応答３ａを形成する例示的な状況を示している。使用された測定機構５は、問合せ放射線２のための送信器５ａと、オブジェクト１からの応答３ａのための受信器５ｂとを含んでいる。図１で示した例では、オブジェクト１は車両であり、この車両は、位置１１ａに存在しており、かつオブジェクト１を垂直に貫く軸に対する回転角の形態での空間的な向き１１ｂをとっている。測定機構５は、図１では描き込まれていない手段により、受信器５ａによって受け取られた生データから反射３２を抽出し、かつこの反射３２を測定信号３として出力する。詳細には、反射３２について、それぞれ反射３２の少なくとも１つの角度位置３２ａ、少なくとも１つの強度３２ｂ、および少なくとも１つの箇所に対する距離３２ｃが捕捉される。

方法１００により、測定信号３からオブジェクト１の空間的な向き１１ｂが評価される。この場合、方法１００は、オブジェクト１上の各箇所１２ａ～１２ｃが各々の寄与分３１ａ～３１ｃで問合せ電磁放射線２に応答し、かつこれらの寄与分３１ａ～３１ｃが総合的な応答３ａへと重なり合っていることを利用する。これらの寄与分３１ａ～３１ｃの空間分布の少なくとも２次元の表示４が、測定信号３から評価され、これを基に分類器６ａおよび／またはリグレッサ６ｂによりオブジェクト１のサーチされた空間的な向き１１ｂが確定される。

この方法１００を図２により詳しく示している。任意のステップ１１０では、オブジェクト１の物理的観察１３から最初にオブジェクト１のタイプ１４が事前に分類される。物理的観察１３は、とりわけ測定データ３と全体的または部分的に同等であり得る。任意のステップ１２０では、タイプ１４に基づいて分類器６ａおよび／またはリグレッサ６ｂが選択される。

分類器６ａおよび／またはリグレッサ６ｂは、ステップ１３０で、測定信号３、３２からオブジェクト１の空間的な向き１１ｂを評価するために使用される。
このために、例えば測定信号３に内包された反射３２についてのデータセットに基づいて、ブロック１３１により、寄与分３１ａ～３１ｃの空間分布を測定信号３に変換するための物理的モデルが確定され得る。このモデルが、まさにその寄与分３１ａ～３１ｃの分布の表示４をもたらす。

その代わりにまたは組み合わせでも、ブロック１３２により、各反射３２に対して１つのｓｉｎｃ関数３２ｄが生成され得る。この場合にはとりわけ、例えばブロック１３２ａにより、測定信号３をもたらした測定機構５の物理的な測定精度に基づいて、ｓｉｎｃ関数３２ｄの３ｄＢ幅が規定され得る。ブロック１３３により、すべての反射３２に対してそれぞれ生成されたｓｉｎｃ関数３２ｄの総和が、表示４の確定のために参照される。

表示４がどの経路で最終的に得られたかに関係なく、表示４はステップ１４０で分類器６ａおよび／またはリグレッサ６ｂに供給され、そこでオブジェクト１のサーチされた空間的な向き１１ｂへとさらに処理される。

図３は、１つの同じオブジェクト１に関し様々な空間的な向き１１ｂで、測定信号３から得られた幾つかの表示４を例示的に概略的に示している。この場合、確認された空間的な向き１１ｂに関しても、複数の相次いで受け取られた測定から確定される表示４は互いに少し異なっていることに気がつく。それにもかかわらず、すべての表示４をオブジェクト１のそれぞれ正しい空間的な向き１１ｂに写像するという課題は、機械学習によってうまく解決され得る。

図４は、方法２００の１つの例示的実施形態を示している。問合せ電磁放射線２に対するオブジェクト１の応答３ａを内包する測定信号３から、ステップ２１０でオブジェクト１１の位置１１ａが確定される。ステップ２２０では、同じ測定信号３から方法１００によりオブジェクト１の空間的な向き１１ｂが確定される。測定信号３はさらに任意のステップ２２５で、オブジェクト１のスカラー速度ｖを確定するために使用される。このために、最初に送信された問合せ電磁放射線２に対するドップラー周波数偏移が評価される。

ステップ２３０では、位置１１ａを出発点として、スカラー速度ｖを参照しながら、前もって確定された空間的な向き１１ｂに基づいてオブジェクト１の軌道１ａがアップデートされる。このように予測されたオブジェクト１の軌道１ａがステップ２４０で、監視および／または制御すべき車両５０のその時々に走行中の軌道５０ａおよび／または計画された軌道５０ｂと比較される。

特に、ステップ２５０で、オブジェクト１の予測された軌道１ａが、車両５０のその時々に走行中の軌道５０ａおよび／または計画された軌道５０ｂに接するかどうか、とりわけ例えば交差するかどうかがチェックされる。これがそうであれば（真偽値１）、ステップ２６０で、車両５０の運転者に知覚可能な車両５０の物理的警告機構５１がアクティブ化される。その代わりにまたはそれとの組み合わせでも、ステップ２７０で、オブジェクト１の予測された軌道１ａにもはや接しなくなる新たな軌道５０ｃを車両が走行するように、車両５０のステアリングシステム５２、駆動システム５３、および／またはブレーキシステム５４が制御され得る。

方法２００に関する一適用例が図５で概略的に描かれている。図５に示したシナリオでは、道路８１上の制御すべき車両５０が、３本のさらなる道路８２、８３、および８４との交差点に近づいている。車両５０は、このとき軌道５０ａ上を走行している。車両５０がその走行を軌道５０ｂに沿って真っ直ぐ道路８３の方向に続行することが計画されている。

車両５０は、測定機構５により捕捉領域２ａを監視している。このために測定機構５は、問合せ電磁放射線２を捕捉領域２ａ内に送信し、かつそこから応答３ａを受信している。

図５に示した状況では、捕捉領域２ａ内で、位置１１ａでのオブジェクトとしての他車１が記録される。他車１がスカラー速度ｖで自車５０に近づいていることも記録される。しかしながら、これを基に他車１の予測される意図を確定することはできない。他車１の運転者が、自車５０を知覚しておらず、かつ道路８２内へと左に曲がろうとしている可能性がある。この場合には、他車１の軌道１ａが自車５０の計画された軌道５０ｂに接し、つまり衝突が発生し得るであろう。しかしながら、他車１の運転者が軌道１ｂに沿って真っ直ぐ道路８１内へとさらに走行しようとしている可能性もある。この場合には、自車５０との衝突はないであろう。

上で説明した方法２００の枠内では、測定機構５によって記録された測定データ３から、追加的に他車１の空間的な向き１１ｂが確定され、かつこの空間的な向き１１ｂが、他車１のこのときの位置１１ａを出発点として他車１の軌道１ａをアップデートするために参照される。

図５に示した例では、他車１の空間的な向き１１ｂから、この車両１が、道路８２の方向に引かれている軌道１ａに従うであろうことが分かる。したがって衝突を回避するために対策が開始される。図５に示した例では、自車５０が道路８４に曲がる迂回軌道５０ｃが決定される。

この例は、他車１の意図を幾ばくかの確実性をもって予測することが望ましいことを示している。すなわち、車両１の本当の意図が、軌道１ｂ上で道路８１の方向にさらに走行することであった場合、軌道５０ｃ上での迂回は自車５０の完全に誤った反応であろうし、衝突が発生し得るであろう。

図６は、分類器６ａまたはリグレッサ６ｂのトレーニングのための方法３００の１つの例示的実施形態を示している。ステップ３１０では、学習用データセット７の学習用集合が提供され、この学習用データセット７はそれぞれ、学習用入力７ａとしての上で説明した表示４と、学習用出力７ｂとしての基礎となる測定の際のオブジェクトの空間的な向き１１ｂとを内包している。

ステップ３２０では、学習用入力７ａが、分類器６ａおよび／またはリグレッサ６ｂに供給される。分類器６ａおよび／またはリグレッサ６ｂによって出力されたオブジェクト１の空間的な向き１１ｂが、ステップ３３０で学習用出力７ｂと比較される。ステップ３４０では、分類器６ａおよび／またはリグレッサ６ｂのパラメータ６ｃ、６ｄが、学習用集合全体で学習用入力７ａがそれぞれできるだけ正しく学習用出力７ｂに写像されるように最適化される。

Claims (12)

1. 問合せ電磁放射線（２）に対するオブジェクト（１）の応答（３ａ）を内包する少なくとも１つの測定信号（３）から、前記オブジェクト（１）の空間的な向き（１１ｂ）を決定するための方法（１００）であって、
   ・前記測定信号（３）から、前記測定信号（３）での前記オブジェクト（１）の異なる箇所（１２ａ～１２ｃ）を成す寄与分（３１ａ～３１ｃ）の空間分布の、少なくとも２次元の表示（４）が確定されるステップ（１３０）と、
   ・前記表示（４）から、分類器（６ａ）および／またはリグレッサ（６ｂ）により、前記オブジェクト（１）の空間的な向き（１１ｂ）が確定されるステップ（１４０）とを有し、
   前記測定信号（３）が、前記問合せ電磁放射線（２）の反射（３２）についてのデータセットを内包し、かつ前記データセットの各々が、
   ・前記反射（３２）の少なくとも１つの角度位置（３２ａ）、
   ・前記反射（３２）の少なくとも１つの強度（３２ｂ）、および
   ・前記反射（３２）の少なくとも１つの前記箇所に対する距離（３２ｃ）
   を内包し、
   ・各反射（３２）に対して１つのｓｉｎｃ関数（３２ｄ）が生成され（１３２）、前記ｓｉｎｃ関数（３２ｄ）のピーク高さが、前記反射（３２）の前記強度（３２ｂ）によって決定され、かつ前記ピーク高さの位置が、前記反射（３２）の前記角度位置（３２ａ）および前記反射（３２）の前記箇所に対する前記距離（３２ｃ）によって決定され、ならびに
   ・すべての生成されたｓｉｎｃ関数（３２ｄ）の総和が、前記表示（４）の前記確定のために参照される（１３３）、方法（１００）。
2. レーダ放射線が問合せ電磁放射線（２）として選択される、請求項１に記載の方法（１００）。
3. 前記反射（３２）についての前記データセットに基づいて、前記寄与分（３１ａ～３１ｃ）の空間分布を前記測定信号（３）に変換するための物理的モデルが確定される（１３１）、請求項１または２に記載の方法（１００）。
4. 前記ｓｉｎｃ関数（３２ｄ）の３ｄＢ幅が、前記測定信号（３）をもたらした測定機構（５）の物理的な測定精度に基づいて規定される（１３２ａ）、請求項１から３のいずれか一項に記載の方法（１００）。
5. 人工ニューラルネットワーク（ＡＮＮ）および／またはサポートベクターマシン（ＳＶＭ）が、分類器（６ａ）および／またはリグレッサ（６ｂ）として選択される、請求項１から４のいずれか一項に記載の方法（１００）。
6. 前記オブジェクト（１）のタイプ（１４）が、前記オブジェクト（１）の物理的観察（１３）から事前に分類され（１１０）、かつ前記タイプ（１４）に基づいて、前記分類器（６ａ）および／または前記リグレッサ（６ｂ）が選択される（１２０）、請求項１から５のいずれか一項に記載の方法（１００）。
7. 問合せ電磁放射線（２）に対する前記オブジェクト（１）の応答（３ａ）を内包する少なくとも１つの測定信号（３）から、前記オブジェクトのスカラー速度ｖに関連させて、少なくとも１つのオブジェクト（１）の軌道（１ａ）を予測するための方法（２００）であって、
   ・前記オブジェクト（１）の位置（１１ａ）が前記測定信号（３）から確定されるステップ（２１０）、
   ・前記オブジェクト（１）の空間的な向き（１１ｂ）が、請求項１から６のいずれか一項に記載の方法（１００）によって確定されるステップ（２２０）、
   ・前記オブジェクトの前記位置（１１ａ）を出発点として、前記スカラー速度ｖを参照しながら、前記オブジェクト（１）の空間的な向き（１１ｂ）に基づいて前記オブジェクト（１）の前記軌道（１ａ）がアップデートされるステップ（２３０）を有する方法（２００）。
8. 前記スカラー速度ｖが、前記問合せ電磁放射線（２）のドップラー周波数偏移から確定される（２２５）、請求項７に記載の方法（２００）。
9. 前記オブジェクト（１）の前記予測された軌道（１ａ）が、監視および／または制御すべき車両（５０）のその時々に走行中の軌道（５０ａ）および／または計画された軌道（５０ｂ）と比較される（２４０）、請求項７または８に記載の方法（２００）。
10. 前記オブジェクト（１）の前記予測された軌道（１ａ）が前記車両（５０）の前記その時々に走行中の軌道（５０ａ）または前記計画された軌道（５０ｂ）に接する（２５０）ことへの応答において、
    ・前記車両（５０）の運転者に知覚可能な前記車両の物理的警告機構（５１）が制御され（２６０）、かつ／または
    ・前記車両のその後の新たな軌道（５０ｃ）が前記オブジェクト（１）の前記予測された軌道（１ａ）にもはや接しなくなるように、前記車両（５０）のステアリングシステム（５２）、駆動システム（５３）、および／またはブレーキシステム（５４）が制御される（２７０）、請求項９に記載の方法（２００）。
11. 請求項１から６のいずれか一項に記載の方法（１００）に適用するための分類器（６ａ）および／またはリグレッサ（６ｂ）をトレーニングするための方法（３００）であって、
    ・学習用データセット（７）の学習用集合が提供され（３１０）、前記学習用データセット（７）がそれぞれ、
    ‐学習用入力（７ａ）としての、問合せ電磁放射線（２）に対する前記オブジェクト（１）の応答（３ａ）を内包する測定信号（３）での前記オブジェクト（１）の異なる箇所（１２ａ～１２ｃ）の前記寄与分（３１ａ～３１ｃ）の空間分布の少なくとも２次元の表示（４）と、
    ‐学習用出力（７ｂ）としての、前記オブジェクト（１）の測定の際の前記オブジェクト（１）の空間的な向き（１１ｂ）とを内包するステップ、
    ・各学習用データセット（７）に関し、それぞれの前記学習用入力（７ａ）が前記分類器（６ａ）および／または前記リグレッサ（６ｂ）に供給され（３２０）、前記分類器（６ａ）および／または前記リグレッサ（６ｂ）の挙動が、パラメータ一式（６ｃ、６ｄ）によって規定されているステップ、
    ・前記分類器（６ａ）および／または前記リグレッサ（６ｂ）によってそれぞれ出力された前記オブジェクト（１）の空間的な向き（１１ｂ）が、前記学習用入力（７ａ）に帰属する前記学習用出力（７ｂ）と比較されるステップ（３３０）、
    ・前記分類器（６ａ）および／または前記リグレッサ（６ｂ）の前記パラメータ一式（６ｃ、６ｄ）が、前記分類器（６ａ）および／または前記リグレッサ（６ｂ）が、前記学習用集合に内包された前記学習用入力（７ａ）を、前記帰属する学習用出力（７ｂ）に、誤差関数に従って少なくとも予め定められた精度で写像するように最適化されるステップ（３４０）を有する方法（３００）。
12. 機械可読のステートメントを内包するコンピュータプログラムであって、前記ステートメントが、コンピュータおよび／または制御機器上で実行される場合に、前記コンピュータおよび／または前記制御機器に請求項１から１１のいずれか一項に記載の方法（１００、２００、３００）を実行させるコンピュータプログラム。

Images