KR101954005B1 - 자동차의 주위 영역 내의 물체를 분류하기 위한 방법, 운전자 보조 시스템 및 자동차 - Google Patents

자동차의 주위 영역 내의 물체를 분류하기 위한 방법, 운전자 보조 시스템 및 자동차 Download PDF

Info

Publication number
KR101954005B1
KR101954005B1 KR1020177005445A KR20177005445A KR101954005B1 KR 101954005 B1 KR101954005 B1 KR 101954005B1 KR 1020177005445 A KR1020177005445 A KR 1020177005445A KR 20177005445 A KR20177005445 A KR 20177005445A KR 101954005 B1 KR101954005 B1 KR 101954005B1
Authority
KR
South Korea
Prior art keywords
abs
intensity
value
cycle
radar
Prior art date
Application number
KR1020177005445A
Other languages
English (en)
Other versions
KR20170039242A (ko
Inventor
와커스 말릭
Original Assignee
발레오 샬터 운트 센소렌 게엠베아
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 발레오 샬터 운트 센소렌 게엠베아 filed Critical 발레오 샬터 운트 센소렌 게엠베아
Publication of KR20170039242A publication Critical patent/KR20170039242A/ko
Application granted granted Critical
Publication of KR101954005B1 publication Critical patent/KR101954005B1/ko

Links

Images

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
    • 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
    • G01S7/411—Identification of targets based on measurements of radar reflectivity
    • G01S7/412—Identification of targets based on measurements of radar reflectivity based on a comparison between measured values and known or stored values
    • 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
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • 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
    • 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
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/08—Systems for measuring distance only
    • G01S13/32—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated
    • G01S13/34—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated using transmission of continuous, frequency-modulated waves while heterodyning the received signal, or a signal derived therefrom, with a locally-generated signal related to the contemporaneously transmitted signal
    • G01S13/343—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated using transmission of continuous, frequency-modulated waves while heterodyning the received signal, or a signal derived therefrom, with a locally-generated signal related to the contemporaneously transmitted signal using sawtooth modulation
    • 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
    • G01S2013/9327—Sensor installation details
    • G01S2013/93271—Sensor installation details in the front of the vehicles
    • G01S2013/9375—

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)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

본 발명은 자동차(1)의 주위 영역(4) 내의 물체(18)를 분류하기 위한 방법에 있어서, a) 적어도 하나의 자동차 레이더 센서(3)에 의해 레이더 신호(5)를 주위 영역(4) 내로 송신하고 물체(18)로부터 반사되는 레이더 신호(6)를 수신하는 단계, b) 레이더 신호(5, 6)로부터 얻어진 정보를 레이더 데이터로서 제공하는 단계, c) 레이더 데이터가 정보로서 포함하는 적어도 하나의 거리 값(13) 및/또는 속도 값(14) 및/또는 세기 값(12)에 기초하여 파워 스펙트럼(11)을 생성하는 단계, d) 파워 스펙트럼(11)이 포함하는 적어도 하나의 스펙트럼 레인지(15)를 세기 임계 값과 비교하고, 세기 값(12)이 세기 임계 값보다 큰 경우 스펙트럼 레인지(15)를 잠재적인 물체(16)로서 선택하는 단계, e) 단계 a) 내지 단계 d)를 갖는 추가의 사이클을 수행하는 단계, f) 잠재적인 물체(16)가 단계 a) 내지 단계 d)에 따른 제 1 사이클과 적어도 단계 e)에 따른 제 2 사이클 둘 모두에서 선택되었는지에 기초하여 잠재적인 물체(16)를 실제 물체(18)로서 식별하는 단계, g) 식별된 물체(18)의 적어도 하나의 특징(Vabs, Aabs, σ2V, σ2A, y, RC)을 기준 물체의 기준 특징(Vabs, Aabs, σ2V, σ2A, y, RC)과 비교하는 단계, h) 단계 g)에 따른 비교에 기초하여 물체(18)를 다수의 상이한 부류(23, 24, 25)로부터 특정 부류(23, 24, 25)로 지정하는 단계를 갖는, 방법에 관한 것이다.

Description

자동차의 주위 영역 내의 물체를 분류하기 위한 방법, 운전자 보조 시스템 및 자동차{METHOD FOR CLASSIFYING AN OBJECT IN A SURROUNDING AREA OF A MOTOR VEHICLE, DRIVER ASSISTANCE SYSTEM AND MOTOR VEHICLE}
본 발명은 자동차의 주위 영역 내의 물체를 분류하기 위한 방법에 관한 것이다. 본 발명은 또한 자동차를 위한 운전자 보조 시스템, 및 운전자 보조 시스템을 갖는 자동차에 관한 것이다.
자동차의 주위 영역 내의 물체를 분류하기 위한 방법이 종래 기술로부터 알려져 있다. 그렇기 때문에, 미국 특허 출원 공개 제 2012/0119894　A1 호는 주위 영역이 동시에 레이더 센서와 카메라에 의해 포착되는 것을 보여준다. 주위 영역 내의 물체를 분류하기 위해, 카메라로부터의 이미지가 기준 이미지와 비교되고, 레이더 센서로부터의 데이터가 기준 데이터와 비교된다.
미국 특허 제 8314732　B2 호가 또한 레이더 센서와 비디오 카메라가 사용되는 것을 보여준다. 레이더 센서로부터의 레이더 데이터는 주위 영역을 전처리하는 데 사용되며, 이 전처리에서 표적 물체를 갖는 영역이 추출된다. 표적 물체를 갖는 영역은 후속하여 이미지 처리 방법 및 카메라로부터의 이미지를 사용하여 추가로 처리된다.
본 경우에서, 관심은 다른 센서와는 독립적으로 분류를 수행할 수 있는 레이더 센서에 있다. 그렇기 때문에, 예를 들어 미국 특허 제 7652617　B2 호는 물체를 추적 및 분류할 수 있는 FMCW(Frequency Modulation Continuous Wave, 주파수 변조 지속파) 레이더 센서가 사용되는 것을 보여준다. 레이더 센서는 레인지(range) 및 도플러(Doppler) 방향에서 수신된 레이더 신호로부터 푸리에 변환(Fourier transformation)을 산출하고, 그 결과로서 2차원 푸리에 변환이 얻어진다. 이것은 2차원 파워 스펙트럼(power spectrum)을 산출하는 데 사용될 수 있다. 이러한 파워 스펙트럼은 물체로부터의 상이한 거리에 대해 산출되고, 후속하여 물체를 분류하는 데 사용된다.
자동차의 주위 영역 내의 물체의 유형이 더 정확하게 식별될 수 있는 방법, 운전자 보조 시스템 및 자동차를 제공하는 것이 본 발명의 목적이다.
이러한 목적은 각자의 독립 특허 청구항에 따른 특징을 갖는, 방법에 의해, 운전자 보조 시스템에 의해, 그리고 자동차에 의해 본 발명에 따라 달성된다.
본 발명에 따른 방법의 경우에, 자동차의 주위 영역 내의 물체가 다음의 단계를 사용하여 분류된다:
a) 적어도 하나의 자동차 레이더 센서에 의해 레이더 신호를 주위 영역 내로 송신하고 물체로부터 반사되는 레이더 신호를 수신하는 단계,
b) 레이더 신호로부터 얻어진 정보를 레이더 데이터로서 제공하는 단계,
c) 레이더 데이터가 정보로서 포함하는 적어도 하나의 거리 값 및/또는 속도 값 및/또는 세기(intensity) 값에 기초하여 파워 스펙트럼을 생성하는 단계,
d) 파워 스펙트럼이 포함하는 적어도 하나의 스펙트럼 레인지를 세기 임계 값과 비교하고, 세기 값이 세기 임계 값보다 큰 경우 스펙트럼 레인지를 잠재적인 물체로서 선택하는 단계,
e) 단계 a) 내지 단계 d)를 갖는 추가의 사이클을 수행하는 단계,
f) 잠재적인 물체가 단계 a) 내지 단계 d)에 따른 제 1 사이클과 적어도 단계 e)에 따른 제 2 사이클 둘 모두에서 선택되었는지에 기초하여 잠재적인 물체를 실제 물체로서 식별하는 단계,
g) 식별된 물체의 적어도 하나의 특징을 기준 물체의 기준 특징과 비교하는 단계,
h) 단계 g)에 따른 비교에 기초하여 물체를 다수의 상이한 부류로부터 특정 부류로 지정하는 단계.
본 발명에 따른 방법은, 레이더 데이터에 기초하여 특히 정확하게, 물체가 분류되도록 또는 특정 부류로 지정되도록 허용한다. 특정 부류로의 지정은 물체의 특징과 기준 물체의 기준 특징의 비교에 의존한다.
바람직하게는, 제 1 사이클에서, 잠재적인 물체의 선택 후에, 스펙트럼 레인지를 특성화하는 적어도 하나의 파라미터 값의 결정이 수행되고, 또한 제 2 사이클에서, 잠재적인 물체의 선택 후에, 스펙트럼 레인지를 특성화하는 적어도 하나의 파라미터 값의 결정이 수행되며, 단계 f)에 따른 잠재적인 물체의 실제 물체로서의 식별은 파라미터 값이 적어도 파라미터 값의 값 범위를 한정하는, 특히 거의 0인, 편차 구간(deviation interval) 내에서 둘 모두의 사이클에서 발생했는지에 기초하여 수행된다. 이것은 잠재적인 물체가 실제 물체로서 특히 정확하게 식별되도록 허용한다는 것이 유리하다. 이것은 또한 측정에 있어서의 잡음을 감소시킬 수 있다. 목표는 예로서 적어도 하나의 파라미터 값에 기초하여 다수의 사이클에 걸쳐 물체, 특히 움직이는 물체를 추적하는 것일 수 있다. 예로서, 실제 물체는 적어도 2번의 사이클 또는 심지어 더 많은 사이클에서 검출되거나 식별될 수 있는 것으로 추정된다. 따라서, 잠재적인 물체는 이에 따라, 추적에 의한 오검출이 배제될 수 있으면, 실제 물체 또는 물체가 된다.
일 실시예에서, 고려되는 파라미터 값은 레이더 센서로부터 물체까지의 거리 값 및/또는 레이더 센서와 물체 간의 상대 속도 및/또는 레이더 센서로부터 물체까지의 방위각이다. 거리 값은 또한 레인지 값으로 지칭되며, 레이더 센서와 물체 사이의 거리를 말한다. 거리 값은 레이더 신호에 대한 전파 시간 측정에 의해 확인될 수 있다. 상대 속도는 레이더 센서에 대한 물체의 시선 속도(radial speed)를 말한다. 상대 속도는 도플러 편이(Doppler shift), 또는 레이더 신호에 있어서의 주파수 편이에 기초하여 확인될 수 있다.
방위각은 자동차를 위한 도로 또는 자동차를 위한 차도의 평면에서의 수평각을 의미한다. 방위각을 위한 기준점은 예를 들어 자동차의 종축일 수 있다. 그렇기 때문에, 방위각은 그것이 자동차의 종축과, 레이더 센서로부터 물체까지의 가상선 사이의 영역을 둘러싸도록 결정될 수 있다. 방위각은 예를 들어 2개의 상이한 수신 채널을 사용하여 결정될 수 있다. 이것으로부터, 위상차가 산출되며, 그 결과 기준 방위각을 포함하는 룩업 테이블(look-up table)이 물체의 방위각을 결정하거나 평가하는 데 사용될 수 있다.
특히, 고려되는 적어도 하나의 특징은 물체의 절대 속도 및/또는 물체의 절대 가속도 및/또는 물체의 속도에 있어서의 변동 및/또는 물체의 가속도에 있어서의 변동 및/또는 사이클에 걸쳐 누적된 물체의 세기 및/또는 파워 스펙트럼으로부터의 물체의 세기 레인지(intensity range)이다. 따라서 특징은 물체를 기준 물체와 비교하기 위해 제공된다. 특정 부류에서 특징이 더 현저할수록, 더 신뢰성 있게 물체가 이러한 특징에 기초하여 사전결정된 부류로 지정될 수 있다. 따라서, 물체의 절대 속도는 물체가 지구-고정 좌표계에서 경험하는 그 속도이다. 따라서, 물체의 절대 속도는 자동차의 속도와는 독립적이다. 동일한 것이 물체의 절대 가속도에 적용된다. 물체의 절대 가속도는 마찬가지로 지구-고정 좌표계에서 제공되며, 자동차의 속도와는 독립적이다. 속도에 있어서의 변동 또는 절대 속도에 있어서의 변동은 다수의 사이클에 걸친 물체의 속도를 제공하는 단계 f)에 따라 확인될 수 있다. 동일한 것이 물체의 가속도에 있어서의 변동 또는 물체의 절대 가속도에 있어서의 변동에 적용되며, 이는 마찬가지로 단계 f)에 따라 확인될 수 있다. 사이클에 걸쳐 누적된 물체의 세기는 물체로부터 반사되는 레이더 신호에 의존한다. 예로서, 그것은 파워 스펙트럼에서의 스펙트럼 레인지 또는 빈(bin)의 곡선의 높이로서 기술될 수 있다. 종종, 물체의 크기와 파워 스펙트럼에서의 물체의 세기 간에 관계가 존재한다. 그렇기 때문에, 예를 들어 대형 수송차(heavy goods vehicle)와 같은 큰 물체는 예를 들어 보행자와 같은 작은 물체보다 다 강한 반사를 생성한다. 물체로부터 반사되는 레이더 신호의 세기는 마찬가지로 파워 스펙트럼으로부터의 물체의 세기 레인지를 좌우한다. 이것 때문에, 파워 스펙트럼의 특정 세기 레인지, 즉 예로서 파워 스펙트럼으로부터의 다수의 빈 또는 스펙트럼 레인지가 물체의 세기 레인지의 특징에 대해 조합되는 것에 대한 대비가 존재한다. 이것은 타당할 수 있는데, 왜냐하면 물체가 다수의 빈 또는 파워 스펙트럼 레인지에 걸쳐 연장될 수 있기 때문이다. 이것은 첫째로 측정 정확도에 관련되고, 둘째로, 예를 들어 그의 팔을 움직이는 보행자와 같은 물체가 상이한 상대 속도를 갖는 것이 가능하다. 또한, 어느 정도까지는, 파워 스펙트럼에서의 물체의 상이한 속도가 또한 가능하다. 이것은 예를 들어 다수의 반사 - 이에 의해 더 긴 전파 시간을 가짐 - 에 기인할 수 있다.
추가 실시예에서, 사이클에 걸친 세기를 평균화하는 평균화 필터(average filter)가 사이클에 걸쳐 누적된 물체의 세기에 대해 고려된다. 평균화 필터는 선행 사이클을 이용하여 각자의 스펙트럼 레인지에서의 물체의 세기를 산출하거나 평균화한다. 이점은 이제 이에 따라 세기 또는 반사된 레이더 신호에 있어서의 높은 변동에 대항하여 조치를 취하는 것이 가능하다는 것이다. 그렇기 때문에, 처리되지 않은 또는 전처리되지 않은 상태의 반사된 레이더 신호의 강도는 부류가 지정될 수 있기에는 너무 가변적이다. 그렇기 때문에, 예로서, 레이더 신호를 큰 정도로 반사하거나 각자의 스펙트럼 레인지에서 높은 세기를 갖는 큰 물체가 다른 큰 물체에 의해 감춰지거나 단속적으로 감춰지는 것이 사실이다. 이것은 큰 물체가 몇 번의 사이클에 걸쳐 높은 세기를 갖고 이어서 급작스럽게 낮은 세기만을 갖는 결과를 가져올 것이다. 마찬가지로 큰 물체 또는 이 경우에 또한 작은 물체에 의해 적어도 단속적으로 감춰질 수 있는 작은 물체에 대해서도 동일한 것이 해당된다. 이러한 변화하는 세기를 평균화하기 위해, 평균화 필터가 적용될 수 있다.
추가적으로 또는 대안적으로, 부류로의 지정은 사이클에 걸쳐 누적된 물체의 세기에 기초하여 사이클에 걸쳐 누적된 세기의 특징 공간(feature space)의 적어도 하나의 선형 분할(linear division)에 의해 수행된다. 그렇기 때문에, 예로서, 거리에 기초하여 사이클에 걸쳐 누적된 물체의 세기를 나타내는 특징 공간은 그러한 선형 방식으로, 즉 직선을 사용하여 분할될 수 있으며, 상이한 부류가 그에 의해 결정된다.
또한, 파워 스펙트럼으로부터의 물체의 세기 레인지는 파워 스펙트럼으로부터의 직사각형 디테일(rectangular detail)에 기초하여 고려된다. 파워 스펙트럼에서의 물체의 세기 레인지는 예를 들어 다수의 스펙트럼 레인지를 포함한다. 물체로부터 반사된 레이더 신호는 보통 파워 스펙트럼의 다수의 스펙트럼 레인지에 걸쳐 분포된다. 그렇기 때문에, 이것은 다수의 반사, 또한 우회로(detour) 없이 반사된 것보다 더 긴 전파 시간을 갖는 레이더 신호의 반사 때문에, 예를 들어 물체에 의한 파워 스펙트럼의 거리 또는 레인지 축에서 설명될 수 있다. 이것은 물체가 거리 값의 축 상의 파워 스펙트럼에서 다수의 스펙트럼 레인지를 차지하는 결과를 가져온다. 추가적으로 또는 대안적으로, 예로서, 그러나, 물체로부터 반사된 레이더 신호가 속도 값의 축 또는 도플러 축의 방향에서 다수의 스펙트럼 레인지에 걸쳐 연장된다는 것이 또한 사실일 수 있다. 이것은 예를 들어 그의 팔을 움직이는 보행자에서 그러하다. 이 경우에, 물체는 상이한 속도를 갖는다. 따라서 바람직하게는 물체로부터의 파워 스펙트럼의 모든 세기를 사용하기 위해, 직사각형 디테일이 고려될 수 있다. 바람직하게는, 세기 레인지로부터의 직사각형 디테일은 속도 값에 걸쳐보다 더 큰 범위의 거리 값에 걸쳐 연장된다. 스펙트럼 레인지는 2차원 매트릭스의 형태인 파워 스펙트럼으로부터의 적어도 하나의 매트릭스 요소이다.
특히, 상이한 부류는 상이한 도로 유저를 특성화한다. 이것은 물체가 상이한 도로 유저로 지정되도록 허용하기 때문에 유리하다. 이에 따라 예로서 물체가 사람인지 또는 차량인지를 밝히는 것이 가능하다. 이것은 자율 주행의 경우에 특히 유리할 수 있다. 그렇기 때문에, 예를 들어 좌측 또는 우측으로의 회피적인 행위가 요구되는 상황이 있을 수 있다. 예로서, 이제 보호 장치가 없는 사람이 일측이고 보호 장치가 있는 차량이 타측이라면, 이것은 회피적인 행위를 위해 각자의 측에 유리한 결정을 내리기 위한 기초로서 취해질 수 있다.
바람직하게는, 고려되는 도로 유저는 오토바이 또는 승용차 또는 대형 수송차 또는 보행자 또는 자전거이다. 따라서, 적어도 하나의 그러한 도로 유저가 상황에 기초하여 고려된다. 이들 부류는 교통에서 가장 빈번하게 발생하는 것들이고, 이에 따라 유리하다. 물체가 전술된 부류 중 어느 것과도 연관될 수 없는 경우, 물체가 "미지" 부류와 연관되기 위한 대비가 또한 존재한다. 이것의 이점은 따라서 그것이 불확실성의 정도가 분류 또는 지정에서 표현되도록 허용한다는 것이다.
추가 실시예에서, 단계 g)는 비교의 신뢰도를 기술하는 신뢰 값(confidence value)을 고려하기 위한 기초로서 취해진다. 신뢰 값은, 예로서, 비교에 사용되는 유사성의 척도에 의해 제공될 수 있다. 이것의 이점은 물체의 부류로의 지정의 신뢰도에 관한 진술이 가능하다는 것이다. 신뢰 값은 이에 따라 얼마나 확실하게 지정이 이루어졌는지를 진술한다.
추가 실시예에서, 적어도 하나의 특징이 가중된다. 예로서, 사이클에 걸쳐 누적된 물체의 세기의 특징이 다른 특징보다 더 신뢰성이 있을 수 있다. 이것은 또한 특징 중 하나가 물체의 특정 부류로의 더 정성적인 분류 또는 더 고도로 정성적인 지정을 허용한다 - 왜냐하면 그 특정 부류가 이 특징에 의해 더 잘 또는 더 명확하게 기술되기 때문에 - 는 것을 의미할 수 있다. 이것이 미리, 예를 들어, 즉 예를 들어 경험적 발견에 의해 알려지면, 관련 특징은 그에 맞춰 가중될 수 있다.
특히, 물체의 절대 속도 및 물체의 절대 가속도의 산출은 각각 자동차의 속도 및 자동차의 가속도에 기초하여 수행된다. 이것은 자동차에 대한 물체의 이전에 알려진 상대 속도가 자동차의 알려진 속도 또는 자동차의 알려진 가속도를 사용하여 물체의 절대 속도 또는 물체의 절대 가속도로 변환될 수 있다는 것을 의미한다. 물체의 절대 속도 또는 물체의 절대 가속도는 물체의 상대 속도 또는 물체의 상대 가속도보다 더 명백한 특징이고, 이에 따라 물체를 특정 부류로 지정할 때 유리하다.
추가 실시예에서, 단계 f)는 예측 알고리즘, 특히 칼만 필터(Kalman filter)에 기초하여 수행된다. 예측 알고리즘은, 예를 들어 미래의 레이더 데이터에 관한 추정을 전달하기 위한 기초로서, 선행 사이클로부터 레이더 데이터를 취하려고 시도한다. 칼만 필터는 예측 알고리즘을 구현하는 방식이다. 칼만 필터는, 다시 말해서, 잘못된 측정치 및 잡음이 있는 시스템 상태에도 불구하고 시스템의 진정한 상태를 추정하는 데 사용될 수 있는 방정식의 세트이다. 대안적으로, 예를 들어 특정 필터를 사용하는 것이 가능하다. 예측 알고리즘은 잠재적인 물체가 특히 간단하게 그리고 유리하게 개별 사이클에 걸쳐 추적되도록 허용하며 이에 따라 실제 물체가 특히 유리하게 식별되도록 허용한다. 또한, 칼만 필터는 그것이 예를 들어 물체의 속도에 있어서의 변동 및 가속도에 있어서의 변동의 특징을 특히 간단하게 제공하기 때문에 유리할 수 있다.
자동차를 위한 본 발명에 따른 운전자 보조 시스템은 본 발명에 따른 방법을 수행하도록 설계된, 자동차의 주위 영역으로부터의 레이더 데이터를 제공하기 위한 적어도 하나의 레이더 센서를 포함한다.
본 발명에 따른 자동차, 특히 승용차는 본 발명에 따른 운전자 보조 시스템을 포함한다.
본 발명에 따른 방법에 관하여 제시된 바람직한 실시예 및 상기 실시예의 이점은 따라서 본 발명에 따른 운전자 보조 시스템에 그리고 본 발명에 따른 자동차에 적용된다.
본 발명의 추가의 특징이 청구범위, 도면 및 도면의 설명으로부터 얻어진다. 상기의 설명에 언급된 특징 및 특징의 조합, 및 하기의 도면의 설명에 그리고/또는 도면 단독에 언급된 특징 및 특징의 조합이 본 발명의 범위로부터 벗어남이 없이 각각 지시된 조합에서뿐만 아니라 다른 조합에서도 또는 단독으로 사용될 수 있다. 따라서, 도면에서 명시적으로 도시 및 설명되지 않지만, 특징의 별개의 조합에 의해 설명된 실시예로부터 떠오르고 생성될 수 있는 본 발명의 실시예가 또한 본 발명에 의해 커버 및 개시되는 것으로 간주될 수 있다.
본 발명의 예시적인 실시예가 개략적인 도면을 참조하여 아래에서 더 상세히 설명된다.
도 1은 물체를 분류하기 위한 본 발명에 따른 운전자 보조 시스템의 예시적인 실시예를 갖는 본 발명에 따른 자동차의 예시적인 실시예의 개략 평면도를 보여주는 도면,
도 2는 주파수 및 시간의 함수로서의 송신된 레이더 신호 및 수신된 레이더 신호의 그래프를 보여주는 도면,
도 3은 거리 값 및 속도 값의 함수로서의 수신된 레이더 신호의 세기를 갖는, 파워 스펙트럼을 보여주는 도면,
도 4는 세기 임계 값보다 큰 세기 값을 갖는, 도 3과 유사한 파워 스펙트럼을 보여주는 도면,
도 5는 속도 값으로서의 세로 좌표와, 레인지 또는 거리 값으로서의 가로 좌표를 갖는 파워 스펙트럼의 평면도를 보여주는 도면,
도 6은 본 발명에 따른 방법에 대한 부분 흐름도를 보여주는 도면,
도 7은 본 발명에 따른 방법에 대한 추가 흐름도를 보여주는 도면,
도 8은 가중치 및 결과적인 특징 벡터를 갖는 식별된 물체의 특징을 보여주는 도면,
도 9는 사이클에 걸쳐 누적된 물체의 세기의 특징의 그래프를 보여주는 도면, 및
도 10은 훈련 데이터에 기초하여 특징 "물체의 세기 레인지"의 그래프를 보여주는 도면.
도 1은 본 발명의 실시예에 따른 운전자 보조 시스템(2)을 갖는 자동차(1)의 평면도를 개략적으로 도시한다. 예시적인 실시예에서, 운전자 보조 시스템(2)은 레이더 센서(3)를 포함한다. 도 1의 예시적인 실시예에 따르면, 레이더 센서(3)는 자동차(1)의 전면(1a)에 배열된다. 레이더 센서(3)의 배열이 많은 방식으로 가능하지만, 바람직하게는 자동차(1)의 주위 영역(4)이 감지될 수 있도록 이루어진다.
레이더 센서(3)는 레이더 신호를 주위 영역(4) 내로 전송하도록 그리고 바람직하게는 또한 물체로부터 반사된 레이더 신호를 수신하도록 설계된다. 레이더 센서(3)는 바람직하게는 LFMCW 레이더(선형 주파수 변조 지속파 레이더)로서 설계된다. 이것은 램프(ramp)의 형태의 처프(chirp)가 반송파 신호 위에 변조되는 것을 수반한다. 본 발명에 따른 방법은 대안적으로 다른 FMCW 레이더 또는 주파수 변조 지속파 레이더를 사용하여 수행될 수 있다.
바람직하게는, LFMCW 레이더는 24 기가헤르츠의 반송 주파수에서 그리고 200 메가헤르츠의 대역폭을 갖고서 동작한다. 처프에 대한 변조는 대략 256 마이크로초를 필요로 하고 200 메가헤르츠를 커버한다. 대안적으로, 본 발명에 따른 방법을 사용하기 위한 모든 다른 이용가능한 반송 주파수 및 대역폭이 가능하다.
도 2는 송신된 레이더 신호(5) 및 수신된 레이더 신호(6)를 보여준다. 둘 모두의 레이더 신호(5, 6)가 주파수(7) 및 시간(8)의 함수로서 기술된다. 또한, 레이더 신호의 송신(5)과 수신(6) 사이의 전파 시간을 나타내는 시간 오프셋(9)과, 움직이는 물체, 특히 레이더 센서(3)에 관하여 반경 방향으로 움직이는 물체로부터의 반사로 인한 송신된 레이더 신호(5)의 주파수에 있어서의 변화를 나타내는 주파수 편이(10) 또는 도플러 편이가 나타나 있다.
도 3은 이제 다수의 처프에 기초하여 고속 푸리에 변환(fast Fourier transformation, FFT)에 의해 생성될 수 있는 파워 스펙트럼(11)을 보여준다. 바람직하게는, 파워 스펙트럼(11)은, 예를 들어 70 밀리초동안 지속되는 각각의 사이클에 대해 생성된다. 파워 스펙트럼(11)은 거리 값(13) 또는 레인지 값 및 속도 값(14) 또는 도플러 값에 기초하여 물체에 의해 반사되는 레이더 신호의 세기 또는 강도를 시각화한다. 파워 스펙트럼(11)은 스펙트럼 레인지(15)로 분할된다. 스펙트럼 레인지(15)는 이에 따라 파워 스펙트럼(11)을 기술하는 매트릭스의 요소를 표현한다. 스펙트럼 레인지(15)는 이에 따라 거리 값(13) 및 속도 값(14)을 갖는 개별 세기 값(12)이다.
도 4는 파워 스펙트럼(11)을 보여주는데, 여기서 스펙트럼 레인지(15)는 각각 세기 임계 값과 비교되었고, 세기 임계 값보다 큰 세기(12)를 갖는 스펙트럼 레인지(15)는 잠재적인 물체(16)를 표현한다.
도 5는 파워 스펙트럼(11)을 2차원 도면 또는 평면도로 보여준다. 세로 좌표는 속도 값(14)인 반면, 가로 좌표는 거리 값(13)이다. 도 3 내지 도 5의 합동 고려는 이에 따라 잠재적인 물체(16)가 몇 개의 스펙트럼 레인지(15)에 걸쳐 연장되거나 연장될 수 있다는 것을 보여준다. 그 이유는 물체가 상이한 속도 또는 상대 속도를 가질 수 있다는 것, 또는 물체가 하나의 거리 또는 거리 값(13) 중 하나에 명확하게 지정될 수 없다는 것이다. 예로서, 물체가 예를 들어 그의 팔을 움직이는 보행자인 경우 물체는 상이한 속도를 가질 수 있다. 거리 값(13)의 결정에 있어서의 불명료함은 예를 들어 레이더 신호의 전파 시간에 있어서의 지연에 의해 설명될 수 있는데, 그러한 지연은 예를 들어 레이더 신호의 다수의 반사의 결과로서 발생한다. 또한, 거리 값(13)의 해상도는 레이더 센서(3)에 의존할 수 있다.
도 6은 특정 단계에서 본 발명에 따른 방법을 기술하는 흐름도를 보여준다. 단계 S1에서, 처프가 레이더 신호 위에 변조되고, 레이더 신호는 추가 단계 S2에서 송신되고 수신된다. 단계 S2에서, 주파수 편이(10) 및 시간 오프셋(9)의 성분이 결정되며, 이때 파워 스펙트럼(11)은 세기(12)를 포함시키는 것에 의해 제공될 수 있다. 파워 스펙트럼(11)은 각각의 사이클에 대해 제공된다. 후속하여, 단계 S3에서, 거리 값(13), 속도 값(14) 및 방위각(17)이 파워 스펙트럼(11)에서 각각의 잠재적인 물체(16)에 대해 결정된다. 거리 값(13), 속도 값(14) 및 방위각(17)은 이 경우에 파라미터 값이다. 파라미터 값(13, 14, 17)은 단계 S4에서 다수의 사이클, 즉 다수의 파워 스펙트럼(11)에 걸쳐 잠재적인 물체(16)를 추적하는 데 사용된다. 잠재적인 물체(16)가 단계 S4에서 추적가능한 경우, 그것은 실제 물체(18)인 것으로 추정될 수 있다. 실제 물체(18)는 특징 Vabs, Aabs, σ2V, σ2A, y, RC에 기초하여 추가 단계 S5에서 기준 물체의 기준 특징 Vabs, Aabs, σ2V, σ2A, y, RC와 비교된다. 이 비교에 기초하여, 물체는 사전결정된 부류로 지정된다. 마지막으로, 이 정보는 이어서 예를 들어 RPC(Rear Pre-Crash) 시스템을 위한 경고 신호를 출력하기 위한 기초로서 취해질 수 있다. 특히 단계 S4에 의해, 방법은 분류가 실제 물체(18)에 대해서만 수행되고 잠재적인 물체(16)에 대해서는 수행되지 않는 것을 보장할 수 있다.
도 7은 도 5와 유사하게 일어나는 단계 S2, 단계 S3, 단계 S4를 갖는, 본 발명에 따른 방법에 대한 추가 흐름도를 보여준다. 분류 또는 연관을 예시하기 위해 단계 S6이 추가된다. 앞서 도 5에서와 같이, 식별된 물체(18)의 특징 Vabs, Aabs, σ2V, σ2A, y, RC가 여기서 기준 물체의 기준 특징 Vabs, Aabs, σ2V, σ2A, y, RC와 비교된다. 특징 Vabs, Aabs, σ2V, σ2A, y, RC는 예로서, 물체(18)의 절대 속도 Vabs, 물체(18)의 절대 가속도 Aabs, 물체(18)의 속도에 있어서의 변동 σ2V, 물체(18)의 가속도에 있어서의 변동 σ2A, 사이클에 걸쳐 누적된 물체(18)의 세기 y, 및 파워 스펙트럼(11)으로부터의 물체(18)의 세기 레인지 RC이다. 물체(18)의 절대 속도 Vabs 및 물체(18)의 절대 가속도 Aabs는 예로서 단계 S7에서 제공되는, 자동차(1)의 속도 및 자동차(1)의 가속도를 사용하여 확인될 수 있다. 속도에 있어서의 변동 σ2V 및 가속도에 있어서의 변동 σ2A는 예로서 예측 알고리즘, 예를 들어 단계 S4에서 추적에 사용되는 칼만 필터(Kalman filter)에 의해 제공될 수 있다. 나머지 특징 y, RC는 후속하여 그래픽을 사용하여 기술된다. 단계 S6 후에, 도 7은 마찬가지로 분류가 일어난 후에 경고 신호를 출력하는 단계 S5를 보여준다. 경고 신호는 자동차의 운전자에게, 구체적으로 시각적으로 그리고/또는 가청적으로 그리고/또는 촉각적으로 출력될 수 있지만, 그것은 또한 추가적으로 또는 대안적으로 자동차(1)에 제어 신호로서 출력될 수 있다.
단계 S6에서 수행된 바와 같은 분류는 물체(18)를 다수의 상이한 부류로부터의 특정 부류로 지정한다. 상이한 부류는 바람직하게는 상이한 도로 유저를 특성화한다. 이러한 도로 유저는 예로서 오토바이 및/또는 승용차 및/또는 대형 수송차 및/또는 보행자 및/또는 자전거일 수 있다. 추가적으로 또는 대안적으로, 미지의 물체가 또한 특정 부류 중 하나로서 제공될 수 있다. 미지의 물체는 불확실한 또는 불분명한 경우에 그 부류로서 선택될 수 있다. 하나의 특정 실시예에서, 도로 표지판 또는 교량이 분류되는 것에 대한 대비가 또한 있을 수 있다.
분류를 위해, 예를 들어 절대 속도 Vabs를 사용하는 것이 가능한데, 왜냐하면 예를 들어 대형 수송차와 같은 더 큰 물체(18)는 보통 고속으로 이동하지 않는다. 물체(18)는 이에 따라 예를 들어 절대 속도 Vabs의 특징을 사용하여 소정 부류로 지정될 수 있다. 절대 속도 Vabs는 다음과 같이 산출되며:
Vabs = Vmotor vehicle - Vobject
만약 (Vabs > 한계 값)이면, 물체(18) ≠ 대형 수송차가 된다.
Vmotor vehicle는 자동차(1)의 속도이고, Vobject는 자동차(1)에 비한 물체(18)의 속도이다.
유사하게, 절대 가속도 Aabs가 물체(18)를 특정 부류로 지정하기 위해 특징으로서 사용될 수 있다. 절대 가속도 Aabs는 다음과 같이 산출되며:
Aabs = Amotor vehicle - Aobject
만약 (Aabs > 한계 값)이면 물체(18) ≠ 대형 수송차가 된다.
각자의 한계 값은 훈련 과정에서의 훈련 데이터에 기초하여 결정될 수 있다.
속도에 있어서의 변동 σ2V 및 가속도에 있어서의 변동 σ2A의 평가를 위해, 예를 들어 하기의 수학적 관계가 가정되며:
Figure 112017019486640-pct00001
여기서 Vabs는 절대 속도 Vabs이고 i는 각자의 사이클을 나타내며, n은 최대 사이클 수를 나타낸다. Vmean은 모든 사이클에 걸친 모든 절대 속도 Vabs의 산술 평균이다.
Figure 112017019486640-pct00002
여기서 Aabs는 절대 가속도 Aabs를 나타내고 Amean은 모든 사이클에 걸친 평균 가속도를 나타낸다. 속도에 있어서의 변동 σ2V 및 가속도에 있어서의 변동 σ2A에 대해, 또한, 각자의 한계 값이 존재한다.
만약 (σ2V > 한계 값)이면, 물체(18) ≠ 대형 수송차가 되거나,
만약 (σ2A > 한계 값)이면, 물체(18) ≠ 대형 수송차가 된다.
이러한 경우에, 따라서 물체(18)는 대형 수송차와는 상이한 부류인 것으로 항상 추정되는데, 왜냐하면 절대 속도 Vabs 및/또는 절대 가속도 Aabs 및/또는 속도에 있어서의 변동 σ2V 및/또는 가속도에 있어서의 변동 σ2A이 대형 수송차에 대한, 한계 값인, 훈련 데이터로부터 알려진 표준 값보다 높기 때문이다.
도 8은 절대 속도 Vabs, 절대 가속도 Aabs, 속도에 있어서의 변동 σ2V, 가속도에 있어서의 변동 σ2A, 사이클에 걸쳐 누적된 물체(18)의 세기 y 및 세기 레인지 RC에 기초하여 특징 벡터(19)가 어떻게 결정되는지를 보여준다. 이들 특징 Vabs, Aabs, σ2V, σ2A, y, RC 각각은 추가적으로 가중치 G1 내지 G6을 사용하여 가중될 수 있다.
도 9는 사이클에 걸쳐 누적된 세기 y의 특징을 기술한다. 물체(18) 또는 스펙트럼 레인지(15)의, 평균화 필터(average filter)를 사용하여 산출된, 누적된 세기가 세로 좌표에 플로팅되는 반면, 대응하는 스펙트럼 레인지(15)의 거리 값(13)이 가로 좌표에 플로팅된다. 본 경우에 물체(18)가 지정되는 3개의 부류 사이에 구별이 이루어진다. 이들 부류는 선형으로, 예를 들어 즉 직선을 사용하여 서로 분리될 수 있다. 가장 높은 y 값을 갖는 부류는 예를 들어 본 경우에서 대형 수송차이고, 가장 낮은 y 값을 갖는 부류는 오토바이이고, 다른 두 부류 사이의 부류는 승용차이다.
사이클에 걸쳐 누적된 세기 y는 다음과 같이 산출된다. 추가적으로, 산출은 이전 사이클로부터의 세기를 고려하는 평균화 필터를 포함한다.
Figure 112017019486640-pct00003
n은 각자의 사이클이고, x는 물체(18)로부터 반사되는 레이더 신호의 세기(12) 또는 강도이다. α = 1/m이고 β = 1-1/m이다. m은 첫 번째 사이클에 대한 사이클의 수이다. y의 산출을 위해, m은 1로 설정된다. m은 그렇다면 매 추가 사이클마다 1만큼 증가한다.
물체(18)의 세기 레인지 RC의 특징은 파워 스펙트럼(11)에 기초하여 생성된다. 이를 위해, 직사각형 윈도우 또는 직사각형 세기 레인지가 파워 스펙트럼(11) 위에서 선택된다. 일반적으로, 그러나, 선택된 세기 레인지는 임의의 다른 형상 또는 크기를 가질 수 있다. 또한, 사전결정된 세기 임계 값을 초과하는 직사각형 디테일(20) 내의 모든 스펙트럼 레인지(15) 또는 빈(bin)이 이제 카운팅된다. 세기 임계 값은 예를 들어 20　dB일 수 있다. 따라서, 물체(18)의 세기 레인지 RC의 특징은 이에 따라 파워 스펙트럼(11)에서 각각의 물체(18)에 대해 정수 또는 정수 값이다. 다음 사이클의 파워 스펙트럼(11)을 위해, 물체(18)의 세기 레인지 RC의 특징에 대해 새로운 값이 결정된다. 물체(18)의 세기 레인지 RC의 특징은 또한 레인지 카운터(range counter)로 지칭될 수 있다.
도 10은 복수의 기준 물체에 기초하여 물체(18)의 세기 레인지 RC의 특징의 묘사를 보여준다. 그렇기 때문에, 그것은 예로서 그래프의 하부 영역에 있는 오토바이 부류(25) - 이 부류는 세로 좌표 또는 물체(18)의 세기 레인지 RC의 값에서 본질적으로 0에서 10까지 확장됨 - 가 어떻게 그 위의 부류 - 이는 본 경우에 승용차를 나타냄 - 로부터 분리되는지를 개략적으로 보여준다. 오토바이 부류(25)와 승용차 부류(23) 사이의 분리는 분리선(21)에 의해 시각화된다. 또한, 승용차 부류(23)와 대형 수송차 부류(24)의 분리는 제 2 분리선(22)에 의해 나타내어진다. 도 10의 가로 좌표는 거리 값(13)을 나타낸다.
직사각형 디테일(20)의 치수는 예를 들어 스펙트럼 레인지(15)의 3 및 거리 값(13)의 20일 수 있다. 그러나, 직사각형 디테일(20)의 다른 치수가 또한 가능하다.
또한, 특징 벡터(19)가 분류의 신뢰도에 관한 진술을 허용하는 신뢰 값(confidence value)을 제공하기 위한 기초로서 취해질 수 있다. 그렇기 때문에, 부류는 예를 들어 특징 벡터(19)에서의 각자의 특징 Vabs, Aabs, σ2V, σ2A, y, RC의 가장 높은 값에 기초하여 지정될 수 있다. 특징 벡터(19)의 특징 Vabs, Aabs, σ2V, σ2A, y, RC가 예를 들어 특징 벡터(19)의 다른 특징 Vabs, Aabs, σ2V, σ2A, y, RC보다 상당히 더 높다면, 예를 들어 매우 신뢰성 있는 분류가 추정될 수 있다. 반면에, 특징 벡터(19)의 모든 특징 Vabs, Aabs, σ2V, σ2A, y, RC에 대해 특징 Vabs, Aabs, σ2V, σ2A, y, RC와 기준 특징 Vabs, Aabs, σ2V, σ2A, y, RC의 비교의 결과가 서로 가깝게 위치된다면, 예를 들어 분류는 낮은 신뢰도를 갖는 것으로 추정될 수 있다.
특징 벡터(19)는 예를 들어 어레이(array)로서 실현될 수 있으며, 이때 특징 벡터(19)의 각각의 지수 또는 각각의 요소는 특정 부류를 위해 의도된다. 이 지수에 저장된 값은 얼마나 자주 특징 Vabs, Aabs, σ2V, σ2A, y, RC의 결과가 이 부류를 기술했는지를 기술한다. 이것은 특징 Vabs, Aabs, σ2V, σ2A, y, RC가 특정 부류를 기술했을 때마다, 카운터가 그에 맞춰 증가된다는 것을 의미한다. 하나의 특정 실시예에서, 카운터는 가중치 G에 기초하여 증가된다. 그렇기 때문에, 특징 벡터(19)에 의해 기술되는 결과는 예를 들어 하기의 외양을 가질 수 있다.
Figure 112017019486640-pct00004
본 경우에, 따라서 대형 수송차, 즉 대형 수송차 부류(24)에 대한 표(vote)가 4회 있었다. 추가 실시예에서, 신뢰성 있는 부류 지정을 달성하기 위해, 예를 들어 최소 사이클 수가 요구될 수 있다. 그렇기 때문에, 예로서 특정 부류로의 지정에 관한 신뢰성 있는 진술을 할 수 있기 위해 적어도 5번의 사이클이 필요하다는 것이 추정될 수 있다. 그렇기 때문에, 추가의 특징 벡터(19)는 예를 들어 하기의 외양을 가질 수 있다.
Figure 112017019486640-pct00005
이 경우에, 이용가능한 5번 초과의 사이클이 존재하고, 결과는 신뢰성 있는 것으로 추정될 수 있다. 예로서, 대형 수송차 또는 대형 수송차 부류(24)의 확률은 70%인 반면, 승용차 부류(23)의 확률은 20%이고 오토바이 부류(25)는 단지 10% 확률만을 갖는다는 것이 여기서 추정될 수 있다.

Claims (15)

  1. 자동차(1)의 주위 영역(4) 내의 물체(18)를 분류하기 위한 방법에 있어서,
    a) 적어도 하나의 자동차 레이더 센서(3)에 의해 레이더 신호(5)를 상기 주위 영역(4) 내로 송신하고 상기 물체(18)로부터 반사되는 레이더 신호(6)를 수신하는 단계,
    b) 상기 레이더 신호(5, 6)로부터 얻어진 정보를 레이더 데이터로서 제공하는 단계,
    c) 상기 레이더 데이터가 정보로서 포함하는 거리 값(13), 속도 값(14) 및 세기(intensity) 값(12) 중 적어도 하나에 기초하여 파워 스펙트럼(power spectrum)(11)을 생성하는 단계,
    d) 상기 파워 스펙트럼(11)이 포함하는 적어도 하나의 스펙트럼 레인지(spectrum range)(15)를 세기 임계 값과 비교하고, 상기 세기 값(12)이 상기 세기 임계 값보다 큰 경우 상기 스펙트럼 레인지(15)를 잠재적인 물체(16)로서 선택하는 단계,
    e) 단계 a) 내지 단계 d)를 갖는 추가의 사이클을 수행하는 단계,
    f) 상기 잠재적인 물체(16)가 단계 a) 내지 단계 d)에 따른 제 1 사이클과 적어도 단계 e)에 따른 제 2 사이클 둘 모두에서 선택되었는지에 기초하여 상기 잠재적인 물체(16)를 실제 물체(18)로서 식별하는 단계,
    g) 식별된 물체(18)의 적어도 하나의 특징(Vabs, Aabs, σ2V, σ2A, y, RC)을 기준 물체의 기준 특징(Vabs, Aabs, σ2V, σ2A, y, RC)과 비교하는 단계,
    h) 단계 g)에 따른 비교에 기초하여 상기 물체(18)를 다수의 상이한 부류(23, 24, 25)로부터 특정 부류(23, 24, 25)로 지정하는 단계를 갖고,
    고려되는 상기 적어도 하나의 특징(Vabs, Aabs, σ2V, σ2A, y, RC)은 상기 파워 스펙트럼(11)으로부터의 상기 물체(18)의 세기 레인지(intensity range)(RC)이고,
    상기 파워 스펙트럼(11)에서의 상기 물체(18)의 세기 레인지(RC)는 다수의 스펙트럼 레인지를 포함하고,
    상기 파워 스펙트럼(11)으로부터의 상기 물체(18)의 세기 레인지(RC)는 상기 파워 스펙트럼(11)으로부터의 직사각형 디테일(rectangular detail)에 기초하여 고려되는 것을 특징으로 하는
    물체 분류 방법.
  2. 제 1 항에 있어서,
    상기 제 1 사이클에서, 상기 잠재적인 물체(16)의 선택 후에, 상기 스펙트럼 레인지(15)를 특성화하는 적어도 하나의 파라미터 값(13, 14, 17)의 결정이 수행되고, 또한 상기 제 2 사이클에서, 상기 잠재적인 물체(16)의 선택 후에, 상기 스펙트럼 레인지(15)를 특성화하는 상기 적어도 하나의 파라미터 값(13, 14, 17)의 결정이 수행되며, 단계 f)에 따른 상기 잠재적인 물체(16)의 실제 물체(18)로서의 식별은 상기 파라미터 값(13, 14, 17)이 적어도 상기 파라미터 값의 값 범위를 한정하는 편차 구간(deviation interval) 내에서 둘 모두의 사이클에서 발생했는지에 기초하여 수행되는 것을 특징으로 하는
    물체 분류 방법.
  3. 제 2 항에 있어서,
    고려되는 상기 파라미터 값(13, 14, 17)은 상기 레이더 센서(3)로부터 상기 물체(16)까지의 거리 값(13), 상기 레이더 센서(3)와 상기 물체(16) 간의 상대 속도(14) 및 상기 레이더 센서(3)로부터 상기 물체(16)까지의 방위각(17) 중 적어도 하나인 것을 특징으로 하는
    물체 분류 방법.
  4. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
    고려되는 상기 적어도 하나의 특징(Vabs, Aabs, σ2V, σ2A, y, RC)은 상기 물체(18)의 절대 속도(Vabs), 상기 물체(18)의 절대 가속도(Aabs), 상기 물체(18)의 속도에 있어서의 변동(σ2V), 상기 물체(18)의 가속도에 있어서의 변동(σ2A) 및 상기 사이클에 걸쳐 누적된 상기 물체(18)의 세기(intensity)(y) 중 적어도 하나를 더 포함하는 것을 특징으로 하는
    물체 분류 방법.
  5. 제 4 항에 있어서,
    상기 물체(18)의 절대 속도(Vabs) 및 상기 물체(18)의 절대 가속도(Aabs)의 산출은 각각 상기 자동차(1)의 속도 및 상기 자동차(1)의 가속도에 기초하여 수행되는 것을 특징으로 하는
    물체 분류 방법.
  6. 제 4 항에 있어서,
    상기 사이클에 걸친 상기 세기(12)를 평균화하는 평균화 필터(average filter)가 상기 사이클에 걸쳐 누적된 상기 물체(18)의 세기(y)에 대해 고려되는 것을 특징으로 하는
    물체 분류 방법.
  7. 제 4 항에 있어서,
    부류(23, 24, 25)로의 지정은 상기 사이클에 걸쳐 누적된 상기 물체(18)의 세기(y)에 기초하여 상기 사이클에 걸쳐 누적된 상기 세기(y)의 특징 공간(feature space)의 적어도 하나의 선형 분할(linear division)에 의해 수행되는 것을 특징으로 하는
    물체 분류 방법.
  8. 삭제
  9. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
    상기 상이한 부류(23, 24, 25)는 상이한 도로 유저를 특성화하는 것을 특징으로 하는
    물체 분류 방법.
  10. 제 9 항에 있어서,
    고려되는 도로 유저는 오토바이, 승용차, 대형 수송차(heavy goods vehicle), 보행자 및 자전거 중 적어도 하나인 것을 특징으로 하는
    물체 분류 방법.
  11. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
    단계 g)는 비교의 신뢰도를 기술하는 신뢰 값(confidence value)을 고려하기 위한 기초로서 취해지는 것을 특징으로 하는
    물체 분류 방법.
  12. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
    상기 적어도 하나의 특징(Vabs, Aabs, σ2V, σ2A, y, RC)은 가중되는 것을 특징으로 하는
    물체 분류 방법.
  13. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
    단계 f)는 예측 알고리즘을 사용하여 수행되는 것을 특징으로 하는
    물체 분류 방법.
  14. 자동차(1)의 주위 영역(4)으로부터의 레이더 데이터를 제공하기 위한 적어도 하나의 레이더 센서(3)를 갖는 운전자 보조 시스템(2)에 있어서,
    제 1 항 내지 제 3 항 중 어느 한 항에 기재된 방법을 수행하도록 설계되는
    운전자 보조 시스템.
  15. 제 14 항에 기재된 운전자 보조 시스템(2)을 갖는
    자동차(1).
KR1020177005445A 2014-07-29 2015-07-27 자동차의 주위 영역 내의 물체를 분류하기 위한 방법, 운전자 보조 시스템 및 자동차 KR101954005B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102014110667.9 2014-07-29
DE102014110667.9A DE102014110667A1 (de) 2014-07-29 2014-07-29 Vefahren zum Klassifizieren eines Objektes in einem Umgebungsbereich eines Kraftfahrzeugs, Fahrerassistenzsystem und Kraftfahrzeug
PCT/EP2015/067105 WO2016016161A1 (de) 2014-07-29 2015-07-27 Verfahren zum klassifizieren eines objektes in einem umgebungsbereich eines kraftfahrzeugs, fahrerassistenzsystem und kraftfahrzeug

Publications (2)

Publication Number Publication Date
KR20170039242A KR20170039242A (ko) 2017-04-10
KR101954005B1 true KR101954005B1 (ko) 2019-03-04

Family

ID=53758212

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020177005445A KR101954005B1 (ko) 2014-07-29 2015-07-27 자동차의 주위 영역 내의 물체를 분류하기 위한 방법, 운전자 보조 시스템 및 자동차

Country Status (6)

Country Link
US (1) US10481244B2 (ko)
EP (1) EP3175256B1 (ko)
KR (1) KR101954005B1 (ko)
CN (1) CN107076836B (ko)
DE (1) DE102014110667A1 (ko)
WO (1) WO2016016161A1 (ko)

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015115135A1 (de) 2015-09-09 2017-03-09 Valeo Schalter Und Sensoren Gmbh Verfahren zum Bestimmen einer Schwere einer möglichen Kollision zwischen einem Kraftfahrzeug und einem weiteren Fahrzeug, Steuereinrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug
KR102438228B1 (ko) * 2015-10-07 2022-08-31 주식회사 에이치엘클레무브 차량용 레이더 장치와 이를 이용한 타겟의 각도 추정 방법
CN108885257A (zh) * 2016-04-11 2018-11-23 古野电气株式会社 信号处理装置以及雷达装置
DE102017203944A1 (de) * 2017-03-09 2018-09-13 Continental Automotive Gmbh Verfahren zum Klassifizieren eines Objekts in einem Umfeld eines Kraftfahrzeugs und Fahrerassistenzsystem
WO2018183546A1 (en) * 2017-03-28 2018-10-04 Sri International Identification system for subject or activity identification using range and velocity data
DE102017206340A1 (de) 2017-04-12 2018-10-18 Robert Bosch Gmbh Klassifizieren eines Objekts im Umfeld eines Kraftfahrzeugs
EP3676628A1 (en) * 2017-08-28 2020-07-08 HELLA GmbH & Co. KGaA Method for operation of a radar system
JP6929183B2 (ja) * 2017-09-29 2021-09-01 株式会社デンソーテン レーダ装置および物標検出方法
US10534071B2 (en) * 2017-10-24 2020-01-14 Robert Bosch Gmbh Using data from a radar sensor for machine learning based perception
US10598764B2 (en) * 2017-10-30 2020-03-24 Yekutiel Josefsberg Radar target detection and imaging system for autonomous vehicles with ultra-low phase noise frequency synthesizer
CN111344591B (zh) 2017-11-13 2023-12-29 罗宾雷达设施有限公司 调频连续波雷达系统、生成雷达图的方法以及无人飞行器系统
US20190146081A1 (en) * 2017-11-16 2019-05-16 GM Global Technology Operations LLC Vehicle radar control
CN111629988A (zh) * 2018-01-18 2020-09-04 索尤若驱动有限及两合公司 用于运行设施的方法和设施
EP3553559B1 (en) * 2018-04-11 2022-06-01 Aptiv Technologies Limited Method for the recognition of objects
US11237260B2 (en) * 2018-06-13 2022-02-01 Denso Ten Limited Processing apparatus for estimating a movement direction of a target
US10754030B2 (en) * 2018-10-23 2020-08-25 Baidu Usa Llc Methods and systems for radar simulation and object classification
US10996313B2 (en) * 2018-10-29 2021-05-04 Texas Instruments Incorporated FMCW radar reduced power mode
KR102227393B1 (ko) * 2020-02-03 2021-03-15 재단법인대구경북과학기술원 도플러 정보 기반의 보행자 및 차량 인식 장치 및 그 방법
US20220043108A1 (en) * 2020-08-09 2022-02-10 Tal Lavian Systems methods and apparatus for deep-learning multidimensional detection segmentation and classification
US20240103130A1 (en) * 2020-10-29 2024-03-28 Sri International Feature extraction for remote sensing detections
DE102021203976A1 (de) * 2021-04-21 2022-10-27 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zur Ermittlung von Signallaufzeiten und System zur Fusion von Sensordaten mindestens zweier Sensoren zur Objekterkennung
CN114429486A (zh) * 2021-08-09 2022-05-03 深圳市速腾聚创科技有限公司 目标对象的运动信息确定方法、装置、介质及终端
DE102021130032A1 (de) 2021-11-17 2023-05-17 Jenoptik Robot Gmbh Verfahren und Vorrichtung zur Erkennung der Gültigkeit eines Fahrzeugparameters
US20230204749A1 (en) * 2021-12-23 2023-06-29 Gm Cruise Holdings Llc Radar sensor processing chain
DE102022111280A1 (de) 2022-05-06 2023-11-09 Valeo Schalter Und Sensoren Gmbh Verfahren, Computerprogrammprodukt, Parkassistenzsystem und Parkanlage
CN116699590B (zh) * 2023-02-15 2024-05-10 深圳觅感科技有限公司 一种基于5.8g微波雷达的fmcw多目标测距方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10344299A1 (de) * 2003-09-23 2005-04-21 Volkswagen Ag Klassifizierung der in einer Umgebung eines Kraftfahrzeugs befindlichen Objekte
US7652617B2 (en) * 2006-06-01 2010-01-26 University Of Florida Research Foundation, Inc. Radar microsensor for detection, tracking, and classification
JP2011186584A (ja) * 2010-03-05 2011-09-22 Daihatsu Motor Co Ltd 物体認識装置
JP2012058018A (ja) * 2010-09-07 2012-03-22 Denso Corp レーダ装置
DE102011121560A1 (de) * 2011-12-20 2013-06-20 Daimler Ag Verfahren zur Detektion und Klassifikation von Objekten

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0701869D0 (en) 2007-01-31 2007-03-14 Cambridge Consultants Adaptive radar
US8493196B2 (en) 2010-11-15 2013-07-23 Bendix Commercial Vehicle Systems Llc ACB following distance alert and warning adjustment as a function of forward vehicle size and host vehicle mass

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10344299A1 (de) * 2003-09-23 2005-04-21 Volkswagen Ag Klassifizierung der in einer Umgebung eines Kraftfahrzeugs befindlichen Objekte
US7652617B2 (en) * 2006-06-01 2010-01-26 University Of Florida Research Foundation, Inc. Radar microsensor for detection, tracking, and classification
JP2011186584A (ja) * 2010-03-05 2011-09-22 Daihatsu Motor Co Ltd 物体認識装置
JP2012058018A (ja) * 2010-09-07 2012-03-22 Denso Corp レーダ装置
DE102011121560A1 (de) * 2011-12-20 2013-06-20 Daimler Ag Verfahren zur Detektion und Klassifikation von Objekten

Also Published As

Publication number Publication date
US10481244B2 (en) 2019-11-19
EP3175256A1 (de) 2017-06-07
CN107076836A (zh) 2017-08-18
WO2016016161A1 (de) 2016-02-04
US20170254882A1 (en) 2017-09-07
KR20170039242A (ko) 2017-04-10
CN107076836B (zh) 2020-09-22
EP3175256B1 (de) 2020-08-12
DE102014110667A1 (de) 2016-02-04

Similar Documents

Publication Publication Date Title
KR101954005B1 (ko) 자동차의 주위 영역 내의 물체를 분류하기 위한 방법, 운전자 보조 시스템 및 자동차
US10317522B2 (en) Detecting long objects by sensor fusion
JP7394582B2 (ja) レーダーデータを処理する装置及び方法
EP2998761B1 (en) Radar system with phase based multi-target detection
US11131766B2 (en) Method for the recognition of an object
US10386462B1 (en) Systems and methods for stereo radar tracking
CN105093213B (zh) 具有改进的多目标区分的雷达系统
KR102437345B1 (ko) 하나 이상의 표적의 반경방향 상대 가속도를 결정하기 위한 방법 및 레이더 장치
US20200400810A1 (en) Method and device with improved radar resolution
CN110361737B (zh) 识别移动的行人的方法
CN107103275B (zh) 使用雷达和视觉基于车轮进行的车辆检测和追踪
CN109219760B (zh) 用于识别用于车辆的至少一个泊车空位的方法
US11585895B2 (en) Detection of parking slot configuration based on repetitive patterns
KR20180090856A (ko) 비점유된 도메인을 결정하도록 구성된 차량 레이더 시스템
JP2019525164A (ja) 自動車から物体を走査するためのシステム、および、自動車から物体を走査する方法
CN111566506A (zh) 用于确定对象的至少一个参数的方法和装置
US11158192B2 (en) Method and system for detecting parking spaces which are suitable for a vehicle
JP6311211B2 (ja) 障害物検出装置
Akita et al. Object tracking and classification using millimeter-wave radar based on LSTM
CN113227832A (zh) 借助于雷达或者通过使用电磁询问辐射来确定对象的取向
JP2024508909A (ja) 自動車グレードのレーダ信号においてオブジェクトを分類するための方法
US11971472B2 (en) Method for determining an ego-velocity estimated value and an angle estimated value of targets
US11892557B2 (en) Radar device
Abedi et al. On the Use of Low-Cost Radars and Machine Learning for In-Vehicle Passenger Detection

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant