JPWO2021083464A5 - - Google Patents

Description

本発明は、ターゲット車両との迫っている衝突を認識するための動力車両の衝突認識手段を用いた動力車両の周辺領域内にある離れたターゲット車両を追跡するための方法に関する。本発明は、更に、離れたターゲット車両との迫っている衝突を認識するための動力車両用の衝突認識手段にも関する。

現代的な動力車両では、益々、周辺部、特に、交通状況や他の交通参加者を捕捉するためのセンサ類が採用されるようになってきている。この様な周辺センサ類は、一般的には、迫っている衝突を認識するための衝突認識手段の構成部品である。周辺センサ類としては、通常、レーダセンサ、ライダセンサ、カメラセンサなどが用いられる。レーダセンサを用いた周辺捕捉は、フォーカスされた電磁波の照射と、特に、車線の周辺の建造物や他の車両などからの反射に基づいている。

従来の技術からは、例えば、車両などの衝突オブジェクトとの衝突時に作動される受動的な動力車両用安全システム、例えば、エアバッグやシートベルト・テンショナーなどが既知である。これらの安全システムは、通常、衝突時点直後、即ち、衝突が起こった後に初めて作動する。しかしながら、上述の如く、対応するセンサ類とそれらの信号を評価することによって衝突を回避できない時点を認識する衝突認識手段は、既知である。ここで言う「時点」は、プレ・クラッシュ・フェーズと呼ばれる期間中に、即ち、実際の衝突時点よりも前にある。これらの情報を基に、動力車両の搭乗者をより良好に負傷から保護することができる様、安全システムを衝突の寸前に作動させる。

受動的安全システムの、特にプレ・クラッシュ・フェーズにおける作動においては、自車両の衝突に関連するデータのみならず、それとの衝突が迫っているターゲット車両の衝突に関連するデータも既知であることが有利である。ターゲット車両のその様な衝突に関連するデータとしては、例えば、速度、加速、ヨーレート及び転舵角が挙げられる。しかし、衝突に関連するデータは、特に衝突の直前にも、例えば、大きな操舵マヌーバ、及び／又は、強い制動マヌーバによって、又は、スピン状況によって激しく変化し得るため、可能な限り正確なデータを割出すためには、該ターゲット車両は、車両の近距離領域、特に、約２ｍ以内の領域においても、十分に信頼性高く追跡されなければならない。

これを起点とした本発明の課題は、動力車両の周辺領域内にある離れたターゲット車両を追跡するための方法、並びに、これに対応し、それを用いることによって、近距離領域において十分に正確にターゲット車両を追跡し、それを基にして、特に好ましくは、十分に正確に衝突に関連するデータを割出すことが可能になる衝突認識手段を提案することにある。

前記の課題は、請求項１及び並列独立請求項１７の総合的な教えによって解決される。本発明の目的に適った実施形態と発展形態は、従属請求項並びに以下の明細書に説明されている。

本発明に係るターゲット車両との迫っている衝突を認識するための動力車両の衝突認識手段を用いた動力車両の周辺領域内にある離れたターゲット車両を、レーダセンサとして構成されている第一周辺センサのレーダセンサデータと、衝突認識手段の第二周辺センサのセンサデータとを融合することによって、追跡するための方法では、レーダセンサと第二周辺センサは、それぞれ、双方の周辺センサによってターゲット車両の少なくとも一部分が捕捉される様に重なり合った捕捉領域を有している。ここで、本方法は、以下のステップを包含している：
－ ターゲット車両のレーダセンサデータとセンサデータを、レーダセンサと第二周辺センサを用いて提供するステップであって、該レーダセンサデータからは、距離と方位角から割出される点、及び、ターゲット車両にある点のドップラー速度に基づいて割出されるレーダ反射点が導出される、ステップ；
－ レーダ反射点からターゲット車両の車輪を識別するステップであって、各レーダ反射点の周りには、それぞれ距離次元と方位角次元の方向に広がる均一の大きさの二次元のウインドが設定され、該ウインド内に含まれている全てのレーダ反射点のドップラー速度の分散の合計が割出され、対応するレーダ反射点に帰属され、且つ、予め与えられている閾値よりも、それに帰属された合計が大きいレーダ反射点が、該車輪の１つの点として割出される、ステップ；
－ レーダ反射点から識別された車輪に基づいて、第一レーダ捕捉データを提供するステップ；
－ 第二周辺センサのセンサデータからターゲット車両の車輪を識別し、センサデータから識別された車輪に基づいて二番目の車輪捕捉データを提供するステップ；
－ 第一車輪捕捉データと第二車輪捕捉データを統合するステップ；
－ 統合された第一及び第二車輪捕捉データに基づいてターゲット車両のパラメータを割出すステップ。

そのため先ず、本発明は、追跡に、１つの周辺センサ以外のセンサデータも用いることにより、離れたターゲット車両の追跡の精度を高めることができると言うアイデアを基にしている。更に本発明は、ターゲット車両の車輪が、マイクロ・ドップラー効果により、レーダセンサによって捕捉されたレーダセンサデータにそれが現れ、また、それに基づいてターゲット車両の車輪とパラメータが信頼性高く特定可能となる特別な運動特性を有していると言うアイデアも基にしている。ここでは、ターゲット車両の車輪の動きは、該車体の動きとは異なっているため、又は、ターゲット車両の車体の動きに加え回転しているため、これが、メインのドップラー偏移に対して検出可能なドップラー変調を発生させると言う原理を応用している。

そのため本発明では、ターゲット車両の車輪を識別する目的で、二台の周辺センサ類の使用、並びに、それらのセンサデータの融合を想定しているが、第一周辺センサは、レーダセンサとして構成されている。尚ここでは、レーダセンサを用いて車輪を非常に信頼性高く識別することは、各レーダ反射点の周りに、それぞれ距離次元と方位角次元の方向に広がる均一の大きさの二次元のウインドを設定し、該ウインド内に含まれている全てのレーダ反射点のドップラー速度の分散の合計を割出して対応するレーダ反射点に帰属させ、且つ、予め与えられている閾値よりも、それに帰属された合計が大きいレーダ反射点を、該車輪の１つ点として割出すことによって達成される。即ち、（回転している）車輪によって生じる速度成分の差異が割出され、評価される。ここでは、各々のレーダ反射点上に設けられる均一の大きさの二次元のウインドにより、ある意味「標準化」が実施され、各々のレーダ反射点に対して、該ウインド内に含まれている全てのレーダ反射点のドップラー速度の分散の合計をもって、信頼性を有する評価を可能にする更なる特性値が、帰属されることが想定されている。

本発明に係る形態によれば、これによって、近距離領域内における十分に正確なターゲット車両の追跡、並びに、これに基づいた、特に好ましくは、衝突に関連するデータの十分に正確な割出しを可能にする方法が提供されると言う長所を有している。

尚、本発明の範疇においては、「割出す」と言う用語は、例えば、「算出する」とも解釈できる。この様な「算出」は、例えば、マイクロコントローラ、マイクロプロセッサ、又は、他のプログラミング自在なユニット、又は、固定的に配線されたユニットにおいて実施可能である。追跡される「離れたターゲット車両」は、典型的には、本方法を実施している車両ではない。

この「割出す」や「算出する」と言う用語は、１つのデータや複数のデータを、単にデータとして割出すのでは無く、確率分布や他の方法によって特定の値が起こる確率を、割出す、又は、算出することであるとも解釈されることが特に好ましい。この様な値は、例えば、推定されることも可能である。

レーダセンサとして構成されている第一周辺センサ及び第二周辺センサによって、特にそれらの捕捉領域に応じて捕捉自体は可能であるターゲット車両の全ての車輪が識別されることが好ましい。この際、各々の識別された車輪にそれぞれ対応する第一車輪捕捉データと第二車輪捕捉データが割出される、又は、提供される。

ここで言う「二次元のウインド」とは、レーダ技術分野の当業者には既知な、経時的にレーダ反射点を通過する、又は、レーダ反射点の周囲に設置される所謂「Ｓｌｉｄｉｎｇ Ｗｉｎｄｏｗ」であることが特に好ましい。

ある好ましい実施形態において、レーダセンサデータからレーダ反射点を導出する行程は、以下のステップを包含している：
－ レーダセンサデータからフーリエ変換を用いてレーダ反射点を割出すステップ；
－ レーダセンサデータのノイズからＣＦＡＲ－フィルタを用いてレーダ反射点を分離するステップ；
－ ターゲット車両から反射されたレーダ反射点を、クラスタ法、好ましくは、ＤＢＳＣＡＮ法によって、識別するステップ。

この際、フーリエ変換により、好ましいことに、距離、方位角及びドップラー速度を含むレーダ反射点の三次元のフーリエスペクトルが形成される。ＣＦＡＲフィルタ（Ｃｏｎｓｔａｎｔ ｆａｌｓｅ ａｌａｒｍ ｒａｔｅ ｆｉｌｔｅｒ）を用いたレーダセンサデータのノイズからのレーダ反射点の分離は、オブジェクト、特に、ターゲット車両から反射したレーダ反射点を識別する、又は、レーダセンサデータに含まれているシグナルノイズから区別する役目を果たしている。クラスタ法によるターゲット車両から反射されるレーダ反射点の識別は、個々のレーダ反射点を、ターゲット車両を示す均一な全体として見ることによって実施される。クラスタ法としては、ＤＢＳＣＡＮ（Ｄｅｎｓｉｔｙ－Ｂａｓｅｄ Ｓｐａｔｉａｌ Ｃｌｕｓｔｅｒｉｎｇ ｏｆ Ａｐｐｌｉｃａｔｉｏｎｓ ｗｉｔｈ Ｎｏｉｓｅ）として構成されてるクラスタリング・アルゴリズムを用いることが好ましい。ＤＢＳＣＡＮとは、１つ又は複数のクラスタを認識するための密度に基づいたアルゴリズムを用いた空間的クラスタ分析である。

ある更なる好ましい実施形態において、１つのウインド内に含まれている全てのレーダ反射点のドップラー速度の分散の合計を割出す行程は、以下のステップを包含している：－ 該ウインド内に含まれている全てのレーダ反射点のドップラー速度から算術平均を割出すステップ；
－ レーダ反射点のドップラー速度の分散を、ウインド内に含まれている全てのレーダ反射点毎に、レーダ反射点のドップラー速度と平均値の差として割出すステップ；並びに、－ 該ウインド内に含まれている全てのレーダ反射点のドップラー速度の割出された分散の合計を生成するステップ。

この様にすることで、１つのウインド内に含まれている全てのレーダ反射点のドップラー速度の分散の合計を非常に正確且つ信頼性高く割出すことが可能である。

ある更なる好ましい実施形態において、レーダ反射点からターゲット車両の１つの車輪を識別する行程は、更に、以下のステップも包含している：
－ １つの車輪の点として割出されたレーダ反射点を車輪クラスタに、クラスタ法、好ましくは、ＤＢＳＣＡＮ法によって帰属させるステップ；並びに
－ 車輪クラスタをターゲット車両の車輪として識別するステップ。

これにより、ターゲット車両が、例えば、二列、二軸の車両である場合、特にレーダセンサの捕捉領域には依存するが、最多４つの車輪クラスタを生成できる。

ある更なる好ましい実施形態において、第一車輪捕捉データを提供する行程は、以下のステップを包含している：
－ 車輪重心の位置データを、１つの車輪クラスタに帰属されたレーダ反射点から算出するステップ；並びに、
－ 車輪重心の位置データを第一レーダ捕捉データとして提供するステップ。

この際、車輪重心又は車輪重心の位置データは、車輪の位置を示している。位置データは、特に好ましくは、動力車両の基準座標系のｘ値とｙ値によって表される。尚、位置データは、この際、（共通の）車輪クラスタに帰属されているレーダ反射点の対応するｘ値とｙ値の平均値を算出することにより、割出される。

ある更なる好ましい実施形態において、第一車輪捕捉データを提供する行程は、以下のステップも包含している：
－ 車輪重心に位置的に最も近いレーダ反射点の方位角を割出すステップ；
－ 特定の方位角を、それらの方位角として有しているレーダ反射点を１つのグループに集約するステップ；
－ グループのレーダ反射点を、但し、該グループ内において相対的に最も高い輝度値を有し、且つ、車輪の点としては割出されなかったレーダ反射点を、割出すステップ；
－ ターゲット車両の車輪重心の位置における速度として割出された、レーダ反射点のドップラー速度を、第一車輪捕捉データとして提供するステップ。

この様にすることで、ターゲット車両の車輪重心の位置における速度を、比較的正確に割出し、提供することができる。ターゲット車両の車体には、車輪よりも高い反射能を有する多くの点があるため、ここで、測定された全ての、観察された車輪、又は、観察された車輪重心と同じ方位角を有し、且つ、車輪の点ではないと割出されたレーダ反射点中で最も高い輝度の、言うなれば、「探索」が実施される。これにより、この様にして割出されたレーダ反射点が、実際に車輪の点ではなく、特に好ましくは、ターゲット車両の車体の点であることが可能な限り保証される。

ターゲット車両の車輪重心の位置における速度としてこの様にして割出され、提供されたドップラー速度を基にすれば、有利なことに、ターゲット車両の回転率も割出すことができる。

ある更なる好ましい実施形態において、第一車輪捕捉データと第二車輪捕捉データを統合する行程は、以下のステップも包含している：
－ 第一車輪捕捉データと第二車輪捕捉データを各々、ターゲット車両軸及びターゲット車両サイドに帰属するステップ；並びに、
－ 共通のターゲット車両軸及びターゲット車両サイドに帰属された第一車輪捕捉データ及び第二車輪捕捉データを、Ｃｏｖａｒｉａｎｃｅ－Ｉｎｔｅｒｓｅｃｔｉｏｎ（共分散・論理積）アルゴリズムを基にして統合するステップ。

共通のターゲット車両軸及びターゲット車両サイドに帰属された第一及び第二車輪捕捉データを統合するステップにおいて、Ｃｏｖａｒｉａｎｃｅ－Ｉｎｔｅｒｓｅｃｔｉｏｎアルゴリズムを使用することが、第一車輪捕捉データと第二車輪捕捉データの収束する融合を可能にしている。

第一車輪捕捉データと第二車輪捕捉データの帰属には、好ましくは、第一車輪捕捉データと第二車輪捕捉データが、各々、特に好ましくは、第一車輪捕捉データと第二車輪捕捉データの位置データを基にして、帰属される車輪ゲートが作成される。二列、二軸の車両がターゲット車両である場合、４つの車輪ゲート、即ち、前方・右、前方・左、後方・右及び後方・左用の車輪ゲードが生成されるが、第一車輪捕捉データと第二車輪捕捉データは、それぞれ、対応する車輪ゲートに帰属される。

第一車輪捕捉データと第二車輪捕捉データを統合するステップにおいては、好ましくは、それぞれ共通の車輪ゲートに含まれている第一車輪捕捉データと第二車輪捕捉データが、統合される。

車輪ゲートは、モデルをベースとして幾何学的に作成され、その際、予め与えられているターゲット車両のジオメトリから導出され、ターゲット車両寸法に基づいてスケーリングされることが理に適っている。代案的又は付加的に、車輪ゲートは、第一車輪捕捉データ及び／又は第二車輪捕捉データをベースに動的に生成できるが、車輪ゲートのサイジングは、予め与えられている車輪直径に基づいて設定される。

ある更なる好ましい実施形態においては、ターゲット車両のパラメータが、ターゲット車両を追跡するための追跡フィルタに入力される。

更なる好ましい実施形態では、その際に、ターゲット車両のパラメータは、追跡フィルタとしてのＵｎｓｃｅｎｔｅｄカルマンフィルタに入力され、これにより、ターゲット車両の現在地が、パラメータを基に推定される。これは、使用可能な測定データを用いるモデルベースの予測及びそれに続く修正を基にした非線形のカルマンフィルタの一種である。

ある更なる好ましい実施形態においては、この際、ターゲット車両のパラメータは、追跡フィルタとしての複数の異なるＵｎｓｃｅｎｔｅｄカルマンフィルタに入力されるが、複数の異なるＵｎｓｃｅｎｔｅｄカルマンフィルタは、それぞれ、異なる運動モデルをベースとしている。この際、複数の異なるＵｎｓｃｅｎｔｅｄカルマンフィルタ同士を組み合わせること、特に好ましくは、それぞれに加重することが想定されている。このためには、好ましくは、当業者に既知なＩＭＭ法（Ｉｎｔｅｒａｃｔｉｎｇ－Ｍｕｌｔｉｐｌｅ－Ｍｏｄｅｌ）法を採用することができる。ＩＭＭ法は、同じ測定データを並列に処理する複数のＵｎｓｃｅｎｔｅｄカルマンフィルタの相互作用を定義する。

この様な、それぞれ異なる運動モデルをベースとしている追跡フィルタとしての複数の異なるＵｎｓｃｅｎｔｅｄカルマンフィルタを用意し、組み合わせることによって、起こり得る異なる状況に有利に対応し、これらを適宜考慮することができるため、具体的な状況に対して有利となる柔軟性の高い対応が可能になっている。

この際、Ｕｎｓｃｅｎｔｅｄカルマンフィルタとしては以下の４つの運動モデルのうちの１つをベースとしているＵｎｓｃｅｎｔｅｄカルマンフィルタを用いることが好ましい：
－ 等速運動モデル（Ｃｏｎｓｔａｎｔ Ｖｅｌｏｃｉｔｙ Ｍｏｔｉｏｎ Ｍｏｄｅｌ）
－ 等加速運動モデル（Ｃｏｎｓｔａｎｔ Ａｃｃｅｌｅｒａｔｉｏｎ Ｍｏｔｉｏｎ Ｍｏｄｅｌ）
－ 一定操舵角・等速モデル（Ｃｏｎｓｔａｎｔ Ｓｔｅｅｒｉｎｇ Ａｎｇｌｅ ａｎｄ Ｖｅｌｏｃｉｔｙ Ｍｏｄｅｌ）
－ 明示的な横滑り推定を有する運動モデルと非線形シングルトラックモデル
特に、少なくとも４つのＵｎｓｃｅｎｔｅｄカルマンフィルタが使用されるが、これら４つのＵｎｓｃｅｎｔｅｄカルマンフィルタは各々、上述の運動モデルのうち１つの特定の運動モデルをベースとしていることから、上述の４つ全ての運動モデルが、描写される。

ある更なる好ましい実施形態においては、ターゲット車両のパラメータは、ターゲット車両の幾何学的重心である。この様な幾何学的重心を用いることにより、ターゲット車両を、その位置及び／又はコース、特に動力車両の近距離領域において、良好に特徴付けし、追跡することができる。例えば、運転マヌーバ中「移動する」ターゲット車両の表面又は車体のレーダ反射点と比較すると、幾何学的重心は、確定的である。ターゲット車両が、既に完全には周辺センサ類の捕捉領域内に無い場合でも、特に、少なくとも部分的に所謂ブラインド・スポットにある場合でも、幾何学的重心を基準とすれば、ターゲット車両を正確に追跡することが可能である。

この際、幾何学的重心は、融合された第一及び第二車輪捕捉データから、即ち、少なくとも１つの車輪の又は車輪重心の融合された位置データから、特に好ましくは、全ての識別された車輪の融合された位置データから割出されることが有利である。尚、該幾何学的重心は、融合された位置データと少なくとも１つの車輪の車輪重心の位置におけるターゲット車両の速度データから、特に好ましくは、融合された位置データと全ての識別された車輪の車輪重心のそれぞれの位置におけるターゲット車両の速度データから割出されることも可能である。該幾何学的重心は、対応するデータから例えば、モデルをベースに算出される、又は、推定できる。

更に、１つの又は複数の車輪のそれぞれのデータからは、ターゲット車両の重心だけで無く、特に好ましくは、ヨーレート及び／又はターゲット車両の速度、好ましくは、車両とターゲット車両との間の相対速度を、ターゲット車両の更なるパラメータとして割出すことが有利である。この際、ヨーレートは、少なくとも１つの車輪の車輪重心の位置におけるターゲット車両の速度、特に好ましくは、全ての識別された車輪の車輪重心のそれぞれの位置におけるターゲット車両の速度から割出されることが有利である。これらのパラメータを知っていることにより、ターゲット車両の追跡の精度をより高め、これに基づいて、衝突に関連するデータの割出し及び／又は決定の精度も高めることができる。

第二周辺センサは、例えば、カメラ又は（更なる）レーダセンサとして構成されていることができる。（更なる）レーダセンサを第二周辺センサとして用いる場合、レーダセンサとして構成されている第一周辺センサ用に説明した実施形態は、同様に有効である。

ある更なる好ましい実施形態においては、第二周辺センサは、ライダセンサとして構成されているが、センサデータは、ライダ反射点を包含している。ライダセンサを用いて、例えば、追跡しようとしている離れたターゲット車両などの離れたオブジェクト、典型的にはレーザ、又は、他の光源に照らされ、それにより生成されるライダ反射点が撮影される。

それにより、先ず、撮影したライダ反射点の集合からターゲット車両に属するライダ反射点が、選択される、即ち、離れているターゲット車両に帰属される、又は、それに起因するライダ反射点が識別される。

ある好ましい実施形態においては、ライダセンサのセンサデータからターゲット車両の１つの車輪を識別する工程には、ターゲット車両に属する予め定められた上限内の地面からの高さを有するライダ反射点を選択することが包含されており、車輪は、これらの選択されたライダ反射点のみを基準に識別される。車輪は、地面に接している唯一の車両の部品であることから、ターゲット車両に属する予め定められた上限内の高さを有しているライダ反射点は、そもそも、車輪に由来している他ない。これにより、正確且つ信頼性高い車輪の識別が可能になる。また、限定された量のライダ反射点のみを処理すれば良いため、続く処理も有意に簡略化されることができる。

ある更なる好ましい実施形態において、第二車輪捕捉データを提供する行程は、以下のステップを包含している：
－ 予め定められている距離内において、少なくとも予め与えられている数の隣接・ライダ反射点を有している選択されたライダ反射点をキーポイントとして、識別するステップ；
－ 少なくとも１つのキーポイントに対して予め与えられている間隔以下の間隔を有し、予め与えられている間隔内において、予め与えられている数以下の数の隣接・ライダ反射点を有している選択されたライダ反射点を周縁点として識別するステップ；
－ 周縁点に囲まれたキーポイントの周りの領域としてそれぞれセグメントを認識するステップ、但し、個々のセグメントは、タイヤトレッド又はタイヤ側面に帰属される；
－ 各々のセグメントによって対応するパスをフィッティングするステップ；
－ 対応するパスの中央に、各々のパスの対応するロットを割出すステップ；
－ これらのロットの交点として、車輪中心点を割出すステップ；
－ 第二車輪捕捉データとして、車輪中心点の位置データを提供するステップ。

この様なキーポイントと周縁点を分類するやり方、及び、これに基づいたセグメントの認識は、典型的な用途の場合、信頼性高く且つ迅速にセグメントを認識する方法であることが示された。この際、キーポイント又は周縁点としての判定条件のいずれも満たさないライダ反射点は、ノイズポイントであると解釈できる。タイヤトレッドとタイヤ側面は、非常に多くのライダ反射点の源であり、その結果として、数多くの認識されるライダ反射点を導く車輪の典型的な特徴である。車輪中心点の割出しは、車輪中心点が、典型的には、上述のロットの交点にあると言う仮定に基づいている。特に好ましくは、そのような交点上に存在している。位置データは、特に好ましくは、動力車両の基準座標系のｘ値とｙ値によって表される。

尚、ターゲット車両の車輪のうちタイヤトレッドのパスもタイヤ側面のパスもフィッティングされなかった車輪の車輪中心点は、車輪モデル及び／又は他の情報に基づいて割出される。例えば、一般的にターゲット車両の４つの車輪は、同じ構成であると仮定されることができる。よって、１つの車輪において間隔が認識されれば、個別に車輪中心点を割出すには十分なライダ反射点を撮影できなかった他の車輪の間隔、又は、車輪中心点も推定することができる。これは、例えば、該車輪が、他の車輪や他のオブジェクトによって隠されている場合に起こり得る。

ある更なる好ましい実施形態において、第二車輪捕捉データを提供する行程は、更に以下のステップも包含している：
－ フィッティングされたパスに基づいてターゲット車両の操舵角を割出すステップ；並びに、
－ 第二車輪捕捉データとして操舵角を提供するステップ。

タイヤトレッドだけでなくタイヤ側面も、一般的に、直接的に操舵角に依存している。この関係を、操舵角、即ち、例えば、離れているターゲット車両の車体の他の部品、又は、縦軸に対する操舵された車輪の角度を割出すために有利に用いる事ができることが、見いだされた。これにより、特に、該ターゲット車両のドライバー、又は、自立的車両制御手段が、その時点に取ろうとしているターゲット車両のコースを割出すことができるため、ターゲット車両の転舵角を知ることは、ターゲット車両の追跡の精度を更に高め、それに基づいて、衝突に関連するデータを割出す精度も高める。

ある更なる好ましい実施形態においては、本方法は更に、パラメータを用いたターゲット車両の追跡を基にして、衝突に関連するデータを割出すステップも包含している。ここで言う「割出し」には、特に、第二車輪捕捉データとして提供された操舵角、及び／又は、ターゲット車両の、好ましくは、ヨーレート及び／又は速度などの割出されたパラメータを、衝突に関連するデータとして定めることも包含されている。この様な衝突に関連するデータは、特に好ましくは、プレ・クラッシュ・フェーズに、特に好ましくは、例えば、安全ベルトを引き締める、又は、エアバッグを作動させるなど、受動的安全システムを目的に応じて作動させることに用いられることができる。また、例えば、回避マヌーバを実施するために、又は、衝突が、動力車両の少しでも安全な部位で起こるように、本方法を実施している動力車両の制御に、介入することも可能である。

更に、本発明は、レーダセンサとして構成されている第一周辺センサと第二周辺センサ、並びに、制御装置を備えた離れたターゲット車両との迫っている衝突を認識するための動力車両用の衝突認識手段を包含している。この場合、該制御装置は、動力車両の周辺領域内の離れているターゲット車両の本発明に係る方法を用いた追跡を実施できる様に構成されている。

尚、本発明に係る方法に対して記述された長所及び好ましい実施形態は、本発明に係る衝突認識手段においても同様に有効である。

以下、本発明の実施例を、図面に基づいてより詳しく説明する。図の説明：

図１は、本発明に係る方法を実施する動力車両と離れたターゲット車両を示す概略的な描写； 図２は、図１に係る動力車両の周辺領域内の離れたターゲット車両を追跡するための方法のフローチャート； 図３は、図１に係るターゲット車両の第二車輪捕捉データの提供を示す概略的な描写； 図４は、図１に係るターゲット車両の車輪ゲーティング。

互いに対応する部分は、全ての図において常に同じ符号がつけられている。

図１は、動力車両１と離れたターゲット車両２を模式的に示している。ターゲット車両２は、車体３と四つの車輪４ａ，４ｂ，４ｃ，４ｄを包含している。図１に示されている描写では、動力車両１と離れたターゲット車両２は、本質的な意味での正面から衝突するかもしれない状態で互いに接近している。

動力車両１は、離れたターゲット車両２との迫っている衝突を認識するための衝突認識手段を有している。ここで、衝突認識手段は、レーダセンサとして構成されている第一周辺センサ５、及び、ライダセンサとして構成されている第二周辺センサ６、並びに、離れたターゲット車両２を追跡するための方法１００を実施する制御装置を包含している。レーダセンサ５は、最適なサイクル時間を得るためにフレーム毎のクリップ数を減らすことによりデータ収集時間が短縮されているファースト・モードで使用される。レーダセンサ５とライダセンサ６は、典型的には、制御装置とコミュニケーションし、各々のデータを、車両バスを介して該制御装置に提供するが、このコミュニケーションは、無線でも可能である。

レーダセンサ５とライダセンサ６は、前方方向に向けられ、前方の周辺部とターゲット車両の捕捉用に調整されている。その際、レーダセンサ５の捕捉領域７とライダセンサ６の捕捉領域８は、ターゲット車両２の少なくとも部分領域を、双方の周辺センサ類５，６が、捕捉する様に重複している。該方法は、側方及び／又は後方に向けられた手段にも同様に応用することができる。

図２は、図１に係る動力車両１の周辺領域内の離れたターゲット車両２を追跡するための方法１００のフローチャートを示している。以下に、この手順を、衝突が迫っている状況を記述する。

ステップ１０１では、先ず、レーダセンサ５のレーダセンサデータ及びライダ反射点９を含むライダセンサ６のセンサデータが提供される。この際、レーダセンサデータからは、ターゲット車両２の点の距離と方位角によって定められる位置、並びに、そのドップラー速度を割出すレーダ反射点が導出される。この際、レーダセンサデータを基にして、フーリエ変換により、先ず、距離、方位角及びドップラー速度を含むレーダ反射点の三次元のフーリエスペクトルが形成される。続いて、ターゲット車両２から反射されたレーダ反射点を識別する、又は、レーダセンサデータに含まれているシグナルノイズを区別するために、レーダセンサデータのノイズからレーダ反射点の分離が、ＣＦＡＲフィルタを用いて実施される。続いて、ＤＢＳＣＡＮ法として構成されているクラスタ法により、ターゲット車両２から反射されたレーダ反射点が識別される。

加えて、ターゲット車両２に属するライダ反射点９が、撮影したライダ反射点９の集合から、選択される、即ち、離れているターゲット車両２に帰属される、又は、それに起因するライダ反射点９が識別される。

ステップ１０２では、レーダ反射点からターゲット車両２の１つ又は複数の車輪４ａ，４ｂ，４ｃ，４ｄが識別される。この際、ターゲット車両２の（回転する）車輪４ａ，４ｂ，４ｃ，４ｄの特別な運動特性が用いられると共に、これら車輪４ａ，４ｂ，４ｃ，４ｄの動きが、ターゲット車両２の車体３の動きとは異なっていること、又は、ターゲット車両２の車体３の動きに加え回転していること、並びに、これがマイクロ・ドップラー効果により主にドップラーシフト分の評価可能なドップラー変調を起こしているという事象も応用されている。例えば、車輪中心点は、ターゲット車両２の車体３と同じ速度で動いている。車輪４ａ，４ｂ，４ｃ，４ｄの外径の中心の上方にある点は、車輪４ａ，４ｂ，４ｃ，４ｄの回転により、ターゲット車両２のボディ３の約二倍の速度で動いている。一方、車輪４ａ，４ｂ，４ｃ，４ｄの外径の中心の下方にある点の速度は、車輪４ａ，４ｂ，４ｃ，４ｄの回転により、ゼロ、又は、少しゼロよりも大きい値である。

よって、車輪４ａ，４ｂ，４ｃ，４ｄの点の異なる速度から各々のレーダ反射点の異なるドップラー速度が得られるが、これらは、互いに（特に、車輪の中心に相当するレーダ反射点に対して）、更には、車体３のレーダ反射点のドップラー速度に対しても大きく異なり得る。レーダ反射点のドップラー速度の分散は、ターゲット車両２の１つ又は複数の車輪４ａ，４ｂ，４ｃ，４ｄの識別の際に用いられる。

各レーダ反射点の周りにそれぞれ、距離次元と方位角次元に広がりを有する均一の大きさの二次元のウインドをセットし、該ウインド内に含まれている全てのレーダ反射点のドップラー速度の分散の合計を割出す。この際先ず、該ウインド内に含まれている全てのレーダ反射点のドップラー速度から算術平均が割出される。続いて、レーダ反射点のドップラー速度の分散を、ウインド内に含まれている全てのレーダ反射点毎に、レーダ反射点のドップラー速度と平均値の差として算出する。次に、該ウインド内に含まれている全てのレーダ反射点のドップラー速度の割出された分散の合計を算出し、対応するレーダ反射点に帰属させる。それに帰属された合計が、予め与えられている閾値よりも大きなレーダ反射点が、車輪４ａ，４ｂ，４ｃ，４ｄの点として割出される。

次に、ターゲット車両２の車輪４ａ，４ｂ，４ｃ，４ｄの点として割出されたレーダ反射点は、ＤＢＳＣＡＮ法として構成されているクラスタ法を用いることで車輪クラスタに帰属され、該車輪クラスタが、ターゲット車両２の車輪４ａ，４ｂ４ｃ，４ｄとして割出される。

この様にすることで、ターゲット車両の１つ又は複数の車輪４ａ，４ｂ，４ｃ，４ｄが、非常に信頼性高く識別できる。

ステップ１０３では、次に、レーダ反射点から識別された車輪４ａ，４ｂ，４ｃ，４ｄを基にした第一車輪捕捉データが提供される。各々の識別された車輪４ａ，４ｂ，４ｃ，４ｄに対して、各々の車輪重心の位置データ及び対応する車輪重心の位置におけるターゲット車両の各々の速度データが、対応する車輪クラスタに帰属されたレーダ反射点を基にして割出され、各々の車輪４ａ，４ｂ，４ｃ，４ｄ用の第一車輪捕捉データとして提供される。

この際、車輪重心又は車輪重心の位置データは、対応する車輪４ａ，４ｂ，４ｃ，４ｄの位置を示している。これらのポジションデータは、動力車両１の基準座標系内のｘ値とｙ値によって表現され、対応する車輪クラスタに帰属されているレーダ反射点の対応するｘ値とｙ値の平均値算出によって割出される。

対応する車輪重心のポジションにおけるターゲット車両の速度データを割出すために、各々識別された車輪４ａ，４ｂ，４ｃ，４ｄに対して、先ずそれぞれ、車輪重心の方位角に最も位置的に近いレーダ反射点が割出される。続いて、特定の方位角をそれらの方位角として有しているレーダ反射点が、１つのグループに集約される。そして、該グループのレーダ反射点中、該グループ内において相対的に最も高い輝度値を有し、且つ、車輪の点４ａ，４ｂ，４ｃ，４ｄとしては割出されなかったレーダ反射点が、割出される。この様に割出されたドップラー速度が、ターゲット車両２の車輪重心の位置における速度として、（更なる）第一車輪捕捉データとして提供される。

ステップ１０２と並列に実施されるステップ１０４では、ターゲット車両２の１つ又は複数の車輪４ａ，４ｂ，４ｃ，４ｄが、ライダセンサ６のライダ反射点９から識別される。この場合、ターゲット車両２の、地上にある又は予め定められた上限内の高さにある、第一ライダ反射点９のみが、車輪４ａ，４ｂ，４ｃ，４ｄに帰属される。該車輪４ａ，４ｂ，４ｃ，４ｄは、地面に接している唯一のターゲット車両２の部品であることから、ターゲット車両２に属する予め定められた上限内の高さを有しているライダ反射点９は、そもそも、車輪４ａ，４ｂ，４ｃ，４ｄに由来している他ない。これにより、正確且つ信頼性高い１つの又は複数の車輪４ａ，４ｂ，４ｃ，４ｄの識別が可能になる。また、限定された量のライダ反射点９のみを処理すれば良いため、続く処理も有意に簡略化されることができる。

ステップ１０５では、ライダ反射点９から識別された１つの又は複数の車輪４ａ，４ｂ，４ｃ，４ｄを基にしたレーダ捕捉データが提供される。このことは、図３の図１に係るターゲット車両２の模式的な描写によって、車輪４ｂ用に例示されている。

車輪４ｂ付近では、対応するライダ反射点９が、密度を基にした方法によってクラスタ化又はセグメント化されている。図３では、図を煩雑にしないため、数個のライダ反射点にのみに、符号９が振られている。例えば、点の数が少ない空間を介して離れている極めて近くに隣接しているライダ反射点９が観察されることもあり得る。その場合、前もって割出した間隔内に、又は、予め定められている間隔内に、少なくとも予め与えられている数の更なるライダ反射点９を有するライダ反射点９を、キーポイントとする。その間隔が予め与えられている間隔よりも小さなキーポイントは、一般的に、同じクラスタ、又は、同じセグメント１０に属している。この条件を満たしていないが、クラスタ、又は、セグメント１０付近にあるライダ反射点９は、周縁点に分類される。双方の条件を満たしていないライダ反射点９は、ノイズ点とされる。よって、車輪４ｂには、２つのセグメント１０があるが、ここでは、１つのセグメント１０は、２つのライダ反射点９を有し、他のセグメント１０は、４つのライダ反射点９を有している。

続いて、セグメント化されたライダ反射点９に、車輪４ｂのタイヤトレッドの位置と角度を示すライン又はパス１１をフィッティングし、更に一本のタイヤ側面を示すパス１１もフィッティングする。タイヤトレッドは、図３では、２つのライダ反射点９によって表されているが、タイヤ側面は、４つのライダ反射点９によって示されている。

これら双方のライン又はパス１１は、互いに鉛直である。ライン１１にロットを立てることにより、車輪４ｂの車輪中心点１２を表すロットの交点が得られる。車輪中心点１２の位置データは、特に好ましくは、動力車両１の基準座標系のｘ値とｙ値によって表され、第二位置データとして提供される。加えて、フィッティングされたパス１１に基づいて、操舵角が割出され、第二車輪捕捉データとして提供される。

本方法１００のステップ１０６では、続いて、第一車輪捕捉データと第二車輪捕捉データが統合される。そのため先ず、第一車輪捕捉データと第二車輪捕捉データを各々、ターゲット車両軸及びターゲット車両サイドに帰属させる。

この様な帰属を実施するに当たり、第一車輪捕捉データと第二車輪捕捉データの対応する位置データを基にして、該第一車輪捕捉データと第二車輪捕捉データを、各々帰属させるための車輪ゲート１３ａ，１３ｂ，１３ｃ，１３ｄが作成される。

この様なターゲット車両２の車輪ゲーティングが、図４に示されている。よって、二列、二軸の車両であるターゲット車両２の場合、車輪ゲート１３ａ，１３ｂ，１３ｃ，１３ｄは、モデルをベースとして幾何学的に作成され、その際、予め与えられているターゲット車両２のジオメトリから導出され、ターゲット車両寸法に基づいてスケーリングされる。代案的又は付加的に、車輪ゲート１３ａ，１３ｂ，１３ｃ，１３ｄは、第一車輪捕捉データ及び／又は第二車輪捕捉データをベースに動的に生成できるが、車輪ゲート１３ａ，１３ｂ，１３ｃ，１３ｄのサイジングは、予め与えられている車輪直径に基づいて設定される。これにより、各々１つの車輪ゲートが、前方・右１３ａ，前方・左１３ｂ，後方・右１３ｃ及び後方・左１３ｄが設定されるが、第一車輪捕捉データと第二車輪捕捉データは、それぞれ、対応する車輪ゲート１３ａ，１３ｂ，１３ｃ，１３ｄに帰属される。

続いて、Ｃｏｖａｒｉａｎｃｅ－Ｉｎｔｅｒｓｅｃｔｉｏｎアルゴリズムを基にして、それぞれ共通の車輪ゲート１３ａ，１３ｂ，１３ｃ，１３ｄに含まれている第一車輪捕捉データと第二車輪捕捉データが統合される。共通の車輪ゲート１３ａ，１３ｂ，１３ｃ，１３ｄに帰属された第一及び第二車輪捕捉データを統合するステップにおいて、Ｃｏｖａｒｉａｎｃｅ－Ｉｎｔｅｒｓｅｃｔｉｏｎアルゴリズムを使用することが、第一車輪捕捉データと第二車輪捕捉データの収束する融合を可能にしている。

続いて、本方法１００のステップ１０７では、統合された第一及び第二車輪捕捉データを基に、ターゲット車両２の幾何学的重心１４が、ターゲット車両２のパラメータとして割出される。この際、幾何学的重心１４は、特に好ましくは、全ての識別された車輪４ａ，４ｂ，４ｃ，４ｄの融合された位置データから、例えば、モデルベースに、及び／又は、所謂、モーション・ステート変換によって算出される又は推定される。この幾何学的重心１４を用いることにより、ターゲット車両２を、その位置及び／又はコース、特に動力車両１の近距離領域において、良好に特徴付けし、追跡することができる。例えば、運転マヌーバ中「移動する」ターゲット車両２の車体３のレーダ反射点と比較すると、幾何学的重心１４は、確定的である。ターゲット車両２が、既に完全には周辺センサ類５，６の捕捉領域内に無い場合でも、特に、少なくとも部分的に所謂ブラインド・スポットにある場合でも、幾何学的重心１４を基準とすれば、ターゲット車両２を正確に追跡することが可能である。

加えて、全ての識別された車輪４ａ，４ｂ，４ｃ，４ｄの融合された位置データと全ての識別された車輪４ａ，４ｂ，４ｃ，４ｄの車輪重心の対応する位置における速度データから、ターゲット車両２のヨーレートと速度が、ターゲット車両２の更なるパラメータとして割出される。

ステップ１０８では、ターゲット車両２の幾何学的重心１４は、ターゲット車両２の現在地を、幾何学的重心１４を用いて推定し、ターゲット車両２を追跡するための追跡フィルタに入力される。この際、追跡フィルタは、それぞれ異なる運動モデルを基にしている４つの異なるＵｎｓｃｅｎｔｅｄカルマンフィルタを包含している。この際、４つの異なるＵｎｓｃｅｎｔｅｄカルマンフィルタ同士を組み合わせること、それぞれに加重することが想定されている。ここでは、並列にターゲット車両２の幾何学的重心１４を処理する４つのＵｎｓｃｅｎｔｅｄカルマンフィルタの相互作用を定義するＩＭＭ法（Ｉｎｔｅｒａｃｔｉｎｇ－Ｍｕｌｔｉｐｌｅ－Ｍｏｄｅｌ法）が、用いられている。これら４つのＵｎｓｃｅｎｔｅｄカルマンフィルタは、以下の運動モデルを基にしている：
－ 等速運動モデル（Ｃｏｎｓｔａｎｔ Ｖｅｌｏｃｉｔｙ Ｍｏｔｉｏｎ Ｍｏｄｅｌ）
－ 等加速運動モデル（Ｃｏｎｓｔａｎｔ Ａｃｃｅｌｅｒａｔｉｏｎ Ｍｏｔｉｏｎ Ｍｏｄｅｌ）
－ 一定操舵角・等速モデル（Ｃｏｎｓｔａｎｔ Ｓｔｅｅｒｉｎｇ Ａｎｇｌｅ ａｎｄ Ｖｅｌｏｃｉｔｙ Ｍｏｄｅｌ）
－ 明示的な横滑り推定を有する運動モデルと非線形シングルトラックモデル

この様な、追跡フィルタとして、４つの異なるＵｎｓｃｅｎｔｅｄカルマンフィルタを用意し、組み合わせることによって、起こり得る異なる状況に有利に対応し、これらを適宜考慮することができるため、具体的な状況に対して有利となる柔軟性の高い対応が可能になり、可能な限り正確な追跡を達成している。

ステップ１０９では、衝突に関連するデータ、特に、ターゲット車両２のヨーレート、速度及び操舵角は、幾何学的重心１４を用いたターゲット車両２の追跡を基に割出される。この様な割出しは、特に好ましくは、第二車輪捕捉データとして提供された操舵角、並びに、パラメータとして割出されたターゲット車両２のヨーレートと速度を衝突に関連するデータとして定めることであるとも解釈できる。この様な衝突に関連するデータは、特に好ましくは、プレ・クラッシュ・フェーズに、例えば、安全ベルトを引き締める、又は、エアバッグを作動させるなど、動力車両１の受動的安全システムを目的に応じて作動させることに用いられることができる。また、例えば、回避マヌーバを実施するために、又は、衝突が、動力車両１の少しでも安全な部位で起こるように、本方法１００を実施している動力車両１の制御に、介入することも可能である。

１ 動力車両
２ ターゲット車両
３ 車体
４ａ，４ｂ， 車輪
４ｃ，４ｄ
５ 第一周辺センサ（レーダセンサ）
６ 第二周辺センサ（ライダセンサ）
７ レーダセンサの捕捉領域
８ ライダセンサの捕捉領域
９ ライダ反射点
１０ セグメント
１１ パス
１２ 車輪中心点
１３ａ 車輪ゲート、前方・右
１３ｂ 車輪ゲート、前方・左
１３ｃ 車輪ゲート、後方・右
１３ｄ 車輪ゲート、後方・左
１４ 幾何学的重心
１００ 離れたターゲット車両を追跡するための方法
１０１ レーダセンサデータとターゲット車両のセンサデータを提供
１０２ レーダ反射点からターゲット車両の１つの車輪を同定
１０３ 第一レーダ捕捉データを提供
１０４ ライダ反射点からターゲット車両の１つの車輪を同定
１０５ 第二レーダ捕捉データを提供
１０６ 第一及び第二車輪捕捉データを統合
１０７ ターゲット車両のパラメータを割出す
１０８ 追跡フィルタにパラメータを入力
１０９ 衝突に関連するデータを割出す

Claims (17)

1. ターゲット車両（２）との迫っている衝突を認識するための動力車両（１）の衝突認識手段を用いた動力車両（１）の周辺領域内にある離れたターゲット車両（２）を、レーダセンサとして構成されている第一周辺センサ（５）のレーダセンサデータと、衝突認識手段の第二周辺センサ（６）のセンサデータとを融合することによって、追跡するための方法（１００）であって、
   レーダセンサ（５）と第二周辺センサ（６）は、それぞれ、双方の周辺センサ（５，６）によってターゲット車両（２）の少なくとも一部分が捕捉される様に重なり合った捕捉領域（７，８）を有し、
   且つ、
   以下のステップ、即ち、
   － ターゲット車両（２）のレーダセンサデータとセンサデータを、レーダセンサ（５）と第二周辺センサ（６）を用いて提供するステップ（１０１）であって、該レーダセンサデータからは、距離と方位角から割出される点、及び、ターゲット車両（２）にある点のドップラー速度に基づいて割出されるレーダ反射点が導出される、ステップ（１０１）、
   － レーダ反射点からターゲット車両（２）の車輪（４ａ，４ｂ，４ｃ，４ｄ）を識別するステップ（１０１）であって、各レーダ反射点の周りには、それぞれ距離次元と方位角次元の方向に広がる均一の大きさの二次元のウインドが設定され、該ウインド内に含まれている全てのレーダ反射点のドップラー速度の分散の合計が割出され、対応するレーダ反射点に帰属され、且つ、予め与えられている閾値よりも、それに帰属された合計が大きいレーダ反射点が、該車輪（４ａ，４ｂ，４ｃ，４ｄ）の１つの点として割出される、ステップ（１０１）、
   － レーダ反射点から識別された車輪（４ａ，４ｂ，４ｃ，４ｄ）に基づいて、第一レーダ捕捉データを提供するステップ（１０３）、
   － 第二周辺センサ（６）のセンサデータからターゲット車両（２）の車輪（４ａ，４ｂ，４ｃ，４ｄ）を識別（１０４）し、センサデータから識別された車輪（４ａ，４ｂ，４ｃ，４ｄ）に基づいて二番目の車輪捕捉データ（１２）を提供するステップ（１０５）、
   － 第一車輪捕捉データと第二車輪捕捉データを統合するステップ（１０６）、並びに、
   － 統合された第一及び第二車輪捕捉データに基づいてターゲット車両（２）のパラメータ（１４）を割出すステップ、
   を備えることを特徴とする方法（１００）。
2. レーダセンサデータからレーダ反射点を導出する工程が、以下のステップ、即ち、
   － レーダセンサデータからフーリエ変換を用いてレーダ反射点を割出すステップ、
   － レーダセンサデータのノイズからＣＦＡＲフィルタを用いてレーダ反射点を分離するステップ、
   － ターゲット車両から反射されたレーダ反射点を、クラスタ法、好ましくは、ＤＢＳＣＡＮ法によって、識別するステップ、
   を備えることを特徴とする請求項１に記載の方法（１００）。
3. １つのウインド内に含まれている全てのレーダ反射点のドップラー速度の分散の合計を割出す工程が、以下のステップ、
   － 該ウインド内に含まれている全てのレーダ反射点のドップラー速度から算術平均を割出すステップ、
   － レーダ反射点のドップラー速度の分散を、ウインド内に含まれている全てのレーダ反射点毎に、レーダ反射点のドップラー速度と平均値の差として割出すステップ、並びに、
   － 該ウインド内に含まれている全てのレーダ反射点のドップラー速度の割出された分散の合計を生成するステップ、
   を備えることを特徴とする請求項１又は２に記載の方法（１００）。
4. レーダ反射点からターゲット車両（２）の車輪（４ａ，４ｂ，４ｃ，４ｄ）を識別するステップ（１０１）が、更に、以下のステップ、即ち、
   － １つの車輪（４ａ，４ｂ，４ｃ，４ｄ）の点として割出されたレーダ反射点を車輪クラスタに、クラスタ法、好ましくは、ＤＢＳＣＡＮ法によって帰属させるステップ、並びに、
   － 車輪クラスタをターゲット車両（２）の車輪（４ａ，４ｂ，４ｃ，４ｄ）として識別するステップ、
   を備えることを特徴とする先行請求項のうち何れか一項に記載の方法（１００）。
5. 第一車輪捕捉データを提供するステップ（１０３）が、以下のステップ、即ち、
   － 車輪重心の位置データを、１つの車輪クラスタに帰属されたレーダ反射点から算出するステップ、並びに、
   － 車輪重心の位置データを第一レーダ捕捉データとして提供するステップ、
   を備えることを特徴とする請求項４に記載の方法（１００）。
6. 第一車輪捕捉データを提供するステップ（１０３）が、更に、以下のステップ、即ち、
   － 車輪重心に位置的に最も近いレーダ反射点の方位角を割出すステップ、
   － 特定の方位角を、それらの方位角として有しているレーダ反射点を１つのグループに集約するステップ、
   － グループのレーダ反射点を、但し、該グループ内において相対的に最も高い輝度値を有し、且つ、車輪の点（４ａ，４ｂ，４ｃ，４ｄ）としては割出されなかったレーダ反射点を、割出すステップ、
   － ターゲット車両（２）の車輪重心の位置における速度として割出された、レーダ反射点のドップラー速度を、第一車輪捕捉データとして提供するステップ、
   を備えることを特徴とする請求項５に記載の方法（１００）。
7. 第一車輪捕捉データと第二車輪捕捉データを統合するステップ（１０６）が、以下のステップ、即ち、
   － 第一車輪捕捉データと第二車輪捕捉データを各々、ターゲット車両軸及びターゲット車両サイドに帰属するステップ、並びに、
   － 共通のターゲット車両軸及びターゲット車両サイドに帰属された第一及び第二車輪捕捉データを、Ｃｏｖａｒｉａｎｃｅ－Ｉｎｔｅｒｓｅｃｔｉｏｎアルゴリズムを基にして統合するステップ、
   を備えることを特徴とする先行請求項のうち何れか一項に記載の方法（１００）。
8. パラメータ（１４）を、ターゲット車両（２）を追跡するための追跡フィルタに入力するステップ（１０８）を備えることを特徴とする先行請求項のうち何れか一項に記載の方法（１００）。
9. ターゲット車両（２）の現在地を、パラメータ（１４）を基に推定するために、ターゲット車両（２）のパラメータ（１４）が、追跡フィルタとしてのＵｎｓｃｅｎｔｅｄカルマンフィルタに入力されることを特徴とする請求項８に記載の方法（１００）。
10. ターゲット車両（２）のパラメータ（１４）が、追跡フィルタとしての複数の異なるＵｎｓｃｅｎｔｅｄカルマンフィルタに入力され、複数の異なるＵｎｓｃｅｎｔｅｄカルマンフィルタが、それぞれ、異なる運動モデルをベースとしていることを特徴とする請求項９に記載の方法（１００）。
11. ターゲット車両（２）のパラメータ（１４）が、ターゲット車両（２）の幾何学的重心であることを特徴とする先行請求項のうち何れか一項に記載の方法（１００）。
12. 第二周辺センサ（６）が、ライダセンサとして構成され、該センサデータが、ライダ反射点（９）を備えることを特徴とする先行請求項のうち何れか一項に記載の方法（１００）。
13. ライダセンサ（６）のセンサデータからターゲット車両（２）の１つの車輪（４ａ，４ｂ，４ｃ，４ｄ）を識別する工程に、ターゲット車両（２）に属する予め定められた上限内の地面からの高さを有するライダ反射点（９）を選択することが含まれていて、車輪（４ａ，４ｂ，４ｃ，４ｄ）が、これらの選択されたライダ反射点（９）のみを基準に識別されることを特徴とする請求項１２に記載の方法（１００）。
14. 第二車輪捕捉データを提供するステップ（１０５）が、以下のステップ、即ち、
    － 予め定められている距離内において、少なくとも予め与えられている数の隣接するライダ反射点を有している選択されたライダ反射点（９）をキーポイントとして、識別するステップ、
    － 少なくとも１つのキーポイントに対して予め与えられている間隔以下の間隔を有し、予め与えられている間隔内において、予め与えられている数以下の数の隣接するライダ反射点を有している選択されたライダ反射点（９）を周縁点として識別するステップ、
    － 周縁点に囲まれたキーポイントの周りの領域としてそれぞれセグメント（１０）を認識するステップであって、個々のセグメント（１０）は、タイヤトレッド又はタイヤ側面に帰属される、ステップ、
    － 各々のセグメント（１０）によって対応するパス（１１）をフィッティングするステップ、
    － 対応するパス（１１）の中央に、各々のパスの対応するロットを割出すステップ、
    － これらのロットの交点として、車輪中心点（１２）を割出すステップ、
    － 第二車輪捕捉データとして、車輪中心点（１２）の位置データを提供するステップ、
    を備えることを特徴とする請求項１３に記載の方法（１００）。
15. 第二車輪捕捉データを提供するステップ（１０５）が、更に、以下のステップ、即ち、
    － フィッティングされたパスに基づいてターゲット車両（２）の操舵角を割出すステップ（１１）、並びに、
    － 第二車輪捕捉データとして操舵角を提供するステップ、
    を備えることを特徴とする請求項１４に記載の方法（１００）。
16. パラメータ（１４）を用いたターゲット車両（２）の追跡を基にして、衝突に関連するデータを割出すステップ（１０９）も更に備えることを特徴とする請求項８～１５のうち何れか一項に記載の方法（１００）。
17. レーダセンサとして構成されている第一周辺センサ（５）と第二周辺センサ（６）、並びに、制御装置を備えた離れたターゲット車両（２）との迫っている衝突を認識するための動力車両（１）用の衝突認識手段であって、該制御装置が、動力車両（１）の周辺領域にある離れたターゲット車両（２）の追跡を、先行請求項のうち何れか一項に記載の方法（１００）によって実施するために構成されていることを特徴とする衝突認識手段。