KR20170055138A - Method for detecting obstacles in front of the vehicle radar - Google Patents

Method for detecting obstacles in front of the vehicle radar Download PDF

Info

Publication number
KR20170055138A
KR20170055138A KR1020150157943A KR20150157943A KR20170055138A KR 20170055138 A KR20170055138 A KR 20170055138A KR 1020150157943 A KR1020150157943 A KR 1020150157943A KR 20150157943 A KR20150157943 A KR 20150157943A KR 20170055138 A KR20170055138 A KR 20170055138A
Authority
KR
South Korea
Prior art keywords
information
target
unit
radar
feature vector
Prior art date
Application number
KR1020150157943A
Other languages
Korean (ko)
Other versions
KR102428267B9 (en
KR102428267B1 (en
Inventor
남상호
Original Assignee
현대모비스 주식회사
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 현대모비스 주식회사 filed Critical 현대모비스 주식회사
Priority to KR1020150157943A priority Critical patent/KR102428267B1/en
Publication of KR20170055138A publication Critical patent/KR20170055138A/en
Application granted granted Critical
Publication of KR102428267B1 publication Critical patent/KR102428267B1/en
Publication of KR102428267B9 publication Critical patent/KR102428267B9/en

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
    • G01S7/40—Means for monitoring or calibrating
    • G01S7/4004—Means for monitoring or calibrating of parts of a radar system
    • G01S7/4021—Means for monitoring or calibrating of parts of a radar system of receivers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
    • B60R21/0134—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to imminent contact with an obstacle, e.g. using radar systems
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

The present invention relates to a vehicle front obstacle radar detection method, and more particularly, to a method for detecting a still target which is performed in a radar detection system provided in a vehicle. The vehicle front obstacle radar detection method comprises: a radar detection processing step of processing a signal received every given update period to extract information such as distance, speed, angle, signal size of a target; and a radar tracking processing step of storing detection information and detection information combined with newly detected detection information to extract a feature vector from a cumulative result and applying the signal to an algorithm part for evaluation.

Description

차량 전방 장애물 레이더 검지 방법{Method for detecting obstacles in front of the vehicle radar}BACKGROUND OF THE INVENTION Field of the Invention [0001] The present invention relates to a vehicle front obstacle radar detecting method,

본 발명은 차량 전방 장애물 레이더 검지 방법에 관한 것으로, 보다 상세하게는 차량 전방의 장애물 정보를 획득하고, 분류하여 출력하는 차량 전방 장애물 레이더 검지 방법에 관한 것이다.The present invention relates to a vehicle front obstacle radar detecting method, and more particularly, to a vehicle front obstacle radar detecting method for obtaining obstacle information in front of a vehicle, and classifying and outputting obstacle information.

일반적으로 레이더 검지 방법은 레이더로 탐지된 거리 정보와 탐지된 속도 정보를 바탕으로 카메라 정보를 융합하여 위협 표적 유무를 판단한다. 이러한 기술은 정지되어 있는 차량을 인식하기 위해서 레이더와 카메라 정보를 융합을 하는 경우가 많이 활용되고 있다. Generally, the radar detection method is based on the distance information detected by the radar and the detected speed information, and the camera information is fused to determine whether there is a threat target. This technique is often used to integrate radar and camera information to recognize a stationary vehicle.

하지만, 기존 기술의 카메라의 경우 야간 및 악천후 상황에서 인식률이 저하된다는 문제점이 있다.However, the camera of the existing technology has a problem that the recognition rate is lowered in the nighttime and the bad weather conditions.

상기와 같은 종래 기술의 문제점을 해결하기 위하여, 본 발명은 일실시례에 따른 차량 전방 장애물 레이더 검지 방법은, 레이더 단독으로 정지되어 있는 차량과 기타 정지되어 있는 비 위협 고정 장애물을 구분하는 기술을 제공하는데 그 목적이 있다.In order to solve the above problems, the present invention provides a method for detecting a vehicle front obstacle radar according to an embodiment of the present invention, which includes a technique of distinguishing a stationary vehicle from a radar alone and other stationary obstacles It has its purpose.

본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 일실시례에 의해 보다 명확하게 이행될 수 있을 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.The objects of the present invention are not limited to the above-mentioned objects, and other objects not mentioned can be more clearly implemented by the following embodiment. It will also be readily apparent that the objects and advantages of the invention may be realized and attained by means of the instrumentalities and combinations particularly pointed out in the appended claims.

상기 목적을 달성하기 위하여, 본 발명의 일실시례에 따른 주행 장애물 레이더 검지 방법은 레이더 탐지 처리 단계, 레이더 추적 처리 단계를 포함한다. In order to achieve the above object, a traveling obstacle radar detection method according to an embodiment of the present invention includes a radar detection processing step and a radar tracking processing step.

기타 실시례들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.The details of other embodiments are included in the detailed description and drawings.

본 발명의 차량 전방 장애물 레이더 검지 방법에 따르면 다음과 같은 효과가 하나 혹은 그 이상 있다.According to the vehicle front obstacle radar detecting method of the present invention, one or more of the following effects can be obtained.

첫째, 차량용 레이더에서 인식되는 정지 물체 중에서 제동 미 대상 정지 물체와 제동 대상 정지 물체를 구분하여 레이더 단독으로 대응할 수 있는 기능이 부과되어 성능 향상을 가져오는 장점이 있다.First, among the stationary objects recognized by the on-vehicle radar, there is an advantage that the stationary object to be braked is distinguished from the stationary object to be braked and a function of coping with the radar alone is provided.

둘째, 정지 차량 인식 시 카메라와 센서 퓨전이 일반적인데, 센서 퓨전을 수행하는 경우에도 레이더에서의 인식 결과가 제공되기 때문에 성능 향상을 가져오는 장점도 있다. Second, camera and sensor fusion are common when recognizing a stationary vehicle. Even when sensor fusion is performed, there is an advantage that performance is improved because recognition result is provided by radar.

셋째, 레이더 단독으로 대응할 수 있게 될 경우 센서 퓨전이 필요하지 않기 때문에 원가 절감을 가져오는 장점도 있다.Third, if the radar can be used alone, sensor fusion is not necessary, which leads to cost reduction.

본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시례에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.The objects of the present invention are not limited to the above-mentioned objects, and other objects and advantages of the present invention which are not mentioned can be understood by the following description, and will be more clearly understood by the embodiments of the present invention. It will also be readily apparent that the objects and advantages of the invention may be realized and attained by means of the instrumentalities and combinations particularly pointed out in the appended claims.

도 1은 본 발명의 일 실시례에 따른 차량 전방의 장애물 레이더 검지 장치의 구성을 나타내는 구성도
도 2는 본 발명의 일 실시례에 따른 차량 전방 장애물 레이더 검지 방법의 흐름을 나타내는 구성도.
도 3은 본 발명의 일 실시례에 따른 거리별로 상쇄 및 보강에 대한 결과를 설명하기 위한 참조도.
도 4는 본 발명의 일 실시례에 따른 발명의 실시례에 따라 거리별 예상되는 수신 신호의 크기를 설명하기 위한 참조도.
도 5는 본 발명의 일 실시례에 따른 실제 차량용 레이더를 활용한 시험 결과를 설명하기 위한 참조도.
도 6은 본 발명의 일 실시례에 따른 차량용 레이더를 이용한 수신 신호 크기 데이터를 설명하기 위한 참조도.
도 7은 본 발명의 일 실시례에 따른 특징 벡터를 생성하는 신호처리 과정을 도시한 블록도.
도 8은 본 발명의 일 실시례에 따른 정지 차량과 비 위협 대상 정지 물체를 구분하기 위한 학습 과정을 도시한 블록도.BRIEF DESCRIPTION OF THE DRAWINGS FIG. 1 is a block diagram showing a configuration of an obstacle radar detecting device in front of a vehicle according to an embodiment of the present invention; FIG.
2 is a configuration diagram showing a flow of a vehicle front obstacle radar detection method according to an embodiment of the present invention;
3 is a reference diagram for explaining results for cancellation and reinforcement by distance according to one embodiment of the present invention;
4 is a reference diagram for explaining the magnitude of a received signal expected by distance according to an embodiment of the invention according to an embodiment of the present invention;
5 is a reference diagram for explaining a test result using an actual vehicle radar according to an embodiment of the present invention.
6 is a reference diagram for explaining received signal size data using a radar for a vehicle according to an embodiment of the present invention;
FIG. 7 is a block diagram illustrating a signal processing process for generating a feature vector according to an embodiment of the present invention. FIG.
FIG. 8 is a block diagram illustrating a learning process for distinguishing a stationary vehicle and a non-threatened stationary object according to an embodiment of the present invention. FIG.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시례들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시례들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시례들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.Brief Description of the Drawings The advantages and features of the present invention, and how to accomplish them, will become apparent with reference to the embodiments described in detail below with reference to the accompanying drawings. The present invention may, however, be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. Rather, these embodiments are provided so that this disclosure will be thorough and complete, and will fully convey the scope of the invention to those skilled in the art. To fully disclose the scope of the invention to those skilled in the art, and the invention is only defined by the scope of the claims. Like reference numerals refer to like elements throughout the specification.

이하, 첨부된 도면을 참조하여 본 발명에 따른 실시례를 설명한다.Hereinafter, an embodiment according to the present invention will be described with reference to the accompanying drawings.

도 1은 본 발명의 일 실시례에 따른 차량 전방의 정지된 장애물 레이더 검지 장치의 구성을 나타내는 구성도이다. 본 실시례에서는 레이더부(10), 보정 계산부(20), 정보 처리부(30), 알고리즘부(40), 패턴 학습부(50), 메모리부(60), 출력부(70)를 포함한다.1 is a configuration diagram showing a configuration of a stationary obstacle radar detecting device in front of a vehicle according to an embodiment of the present invention. The present embodiment includes a radar unit 10, a correction calculation unit 20, an information processing unit 30, an algorithm unit 40, a pattern learning unit 50, a memory unit 60, and an output unit 70 .

레이더부(10)는 차량 외부에 설치되어 있는 센서로 전자파를 송신하는 송신부와 물체에서 반사된 전자파를 수신하는 수신부를 통하여 신호를 출력한다.The radar unit 10 outputs a signal through a transmitting unit that transmits an electromagnetic wave to a sensor installed outside the vehicle and a receiving unit that receives the electromagnetic wave reflected from the object.

보정 계산부(20)는 상기 레이더부(10)에서 출력된 신호를 표적의 거리와 높이에 따라 보강 및 상쇄를 하여 신호를 보정한다. 상기 신호의 보강 및 상쇄는 레이더가 지면에서 장착된 높이, 표적의 지면에서의 높이, 지면의 반사 계수, 표적과 레이더 사이의 거리 등의 변수에 의해 처리된다. 이때, 레이더가 장착된 높이, 표적의 지면에서의 높이, 지면의 반사계수는 고정 변수라고 할 수 있으며, 표적과 레이더 사이의 거리는 레이더가 표적에 다가감에 따라 변화하게 된다. 이 경우 수신된 신호는 수학식 1 에 의해 산출된다.The correction calculation unit 20 corrects the signal by reinforcing and canceling the signal output from the radar unit 10 according to the distance and height of the target. The reinforcement and cancellation of the signal is handled by variables such as the height at which the radar is mounted on the ground, the height of the target at the ground, the reflection coefficient of the ground, and the distance between the target and the radar. At this time, the height of the radar, the height of the target on the ground, and the reflection coefficient of the ground are fixed variables, and the distance between the target and the radar changes as the radar approaches the target. In this case, the received signal is calculated by Equation (1).

수학식 1Equation 1

Figure pat00001
Figure pat00001

수학식 1을 통하여 표적에 반사되어 수신된 신호의 신호 크기를 알 수 있다. Pr은 수신된 신호의 크기를 의미하며, Pt는 송신된 신호의 크기, Gt는 송신 안테나 이득, Gr은 수신안테나 이득, λ는 송신된 전자기파의 파장, σ는 표적의 반사계수(RCS, Radar Cross Section), R은 표적과 레이더 간의 거리를 의미한다. 이렇게 수학식 1에 산출된 레이더 신호는 매 주기마다 갱신된다.The signal magnitude of the received signal reflected by the target can be determined through Equation (1). P r is the magnitude of the received signal, P t is the magnitude of the transmitted signal, G t is the transmit antenna gain, G r is the receive antenna gain, λ is the wavelength of the transmitted electromagnetic wave, RCS, Radar Cross Section), R is the distance between the target and the radar. The radar signal calculated in Equation (1) is updated every cycle.

정보 처리부(30)는 상기 보정 계산부(20)에서 보정된 신호에서 물체 정보를 생성한다. 상기 보정 신호를 분석하여 정지되어 있는 차량과 비 위협 대상의 정지 물체를 구분할 수 있다.The information processing unit (30) generates object information from the signal corrected by the correction calculation unit (20). The stationary vehicle can be distinguished from the non-threatened stationary object by analyzing the correction signal.

알고리즘부(40)는 상기 정보 처리부(30)의 정보를 바탕으로 정지되어 있는 차량과 비 위협 대상 정지 물체를 구분할 수 있도록 해당 정보를 특징 벡터화할 수 있다. 메모리부(60)에서 물체의 특징 벡터 데이터를 호출하여, 상기 정보 처리부(30)의 데이터에 대응하는 물체를 구분할 수 있다.The algorithm unit 40 may feature-vectorize the information so as to distinguish the stopped vehicle from the non-threatened stationary object based on the information of the information processing unit 30. [ The object corresponding to the data of the information processing unit 30 can be distinguished by calling the feature vector data of the object in the memory unit 60. [

패턴 학습부(50)는 상기 알고리즘부(40)의 패턴에 근거하여 물체의 데이터 패턴을 학습하고, 물체별 패턴 학습정보를 메모리부(60)에 저장한다. The pattern learning unit 50 learns the data pattern of the object based on the pattern of the algorithm unit 40 and stores the object pattern learning information in the memory unit 60. [

메모리부(60)는 상기 패턴 학습부(50)로부터 데이터 패턴을 저장하고, 상기 알고리즘부(40)에 데이터 패턴을 출력한다.The memory unit 60 stores the data pattern from the pattern learning unit 50 and outputs the data pattern to the algorithm unit 40. [

출력부(70)는 상기 알고리즘부(40)에서 구분된 물체를 운전자에게 화면, 음성 중 어느 하나를 통해 출력할 수 있다. 또한, 상기 구분된 물체가 정지 표적 중에서 차량이라 인식된 정지 물체의 경우에는 차량이 제동될 수 있도록 신호를 출력할 수 있다.The output unit 70 can output the object classified by the algorithm unit 40 to the driver through either a screen or a voice. Further, in the case of the stationary object in which the separated object is recognized as a vehicle among the stationary targets, the signal can be outputted so that the vehicle can be braked.

도 2는 본 발명의 일 실시례에 따른 차량 전방 장애물 레이더 검지 방법의 흐름을 나타내는 구성도이다. 본 실시례에서는 차량 구비된 레이더 검지 장치에서 수행되는 정지된 표적 검지 방법에서, 레이더 신호의 처리방법은 탐지처리 단계와 추적처리 단계로 구성된다. 2 is a configuration diagram showing the flow of a vehicle front obstacle radar detection method according to an embodiment of the present invention. In this embodiment, in the stopped target detection method performed in the vehicle-equipped radar detection apparatus, the method of processing the radar signal comprises a detection processing step and a tracking processing step.

탐지처리 단계는 주어진 갱신주기마다 수신된 신호를 처리하여 표적의 거리, 속도, 각도, 신호 크기 등의 정보를 추출할 수 있다(S100). The detection processing step may process the received signal for each given update period to extract information such as distance, speed, angle, and signal size of the target (S100).

기존 추적과 입력된 탐지 정보의 결합 단계는 추적 처리 과정에서 탐지 정보가 지속적으로 인가되면, 새로운 추적 정보가 생성되며, 새롭게 생성된 추적 정보는 새롭게 인가되는 탐지 정보와 결합한다(S110). 이전에 결합된 탐지 정보들과의 필터링 과정을 통하여 잡음이 제거된 표적의 위치와 속도 정보 등을 제공한다. 또한, 다음 갱신 주기에서의 표적의 거리, 속도를 예측하여 다음 갱신 주기에서 탐지 정보와의 결합을 준비하는 과정을 수행한다. When the detection information is continuously applied in the tracking process, new tracking information is generated and the newly generated tracking information is combined with the newly detected detection information (S110). Through the filtering process with previously combined detection information, it provides location and speed information of the noise-removed target. In addition, the distance and speed of the target in the next update period are predicted, and the process of preparing the combination with the detection information in the next update period is performed.

추적된 표적을 정지물체로 식별하는 단계는 상기 결합된 추적 정보에서 자차 속도 정보와 추적 처리된 표적의 속도 정보를 통하여 해당 표적의 속성이 이동물체인지 정지물체인지 식별한다(S120). In the step of identifying the tracked target as a stationary object, whether the attribute of the target is a moving object or a stationary object is identified through the speed information of the tracked target and the vehicle speed information in the combined tracking information (S120).

결합된 탐지 정보 저장 단계는 추적 처리가 되고 있는 표적의 속성이 정지물체인 경우에 대해서 지금까지 결합된 탐지 정보를 저장하여 누적한다(S130). 누적된 탐지 정보를 통해 누적된 결과에서 추적의 이동 거리가 임계값 이상인지 판단한다(S140).In the combined detection information storage step, the combined detection information is accumulated and accumulated in a case where the attribute of the target being traced is a stationary object (S130). In step S140, it is determined whether the moving distance of the tracking is greater than or equal to a threshold value in the cumulative result of the cumulative detection information.

추적 이동 거리가 임계값 이상인 경우 누적된 탐지 정보를 바탕으로 특징 벡터를 추출을 한다(S150). 추출된 특징 벡터를 바탕으로 기존에 학습 된 정보를 통하여 해당 표적이 위협 대상의 표적 여부를 구분한다(S160). If the tracking movement distance is equal to or greater than the threshold value, the feature vector is extracted based on the accumulated detection information (S150). Based on the extracted feature vectors, whether the target is the target of the threat is classified through the learned information (S160).

도 3은 본 실시례에 따른 거리별로 상쇄 및 보강에 대한 결과를 설명하기 위한 참조도이다. Fig. 3 is a reference diagram for explaining the results of cancellation and reinforcement for each distance according to this embodiment.

도 3을 참고하면, 레이더 높이가 30cm이고, 표적 높이가 0cm / 30cm / 5m 인 경우에 대해 상쇄 및 보강 신호이다. 상기 표적의 높이가 0cm인 경우 별도의 상쇄 혹은 보강이 거리별로 나타나지 않는다. 상기 표적의 높이가 증가할수록 거리에 따른 상쇄 및 보강의 횟수가 좀 더 빈번하게 변화한다 Referring to FIG. 3, it is a canceling signal and a reinforcement signal when the radar height is 30 cm and the target height is 0 cm / 30 cm / 5 m. When the height of the target is 0 cm, no offset or reinforcement is shown for each distance. As the height of the target increases, the number of cancellation and reinforcement varies with distance more frequently

도 4는 본 발명의 실시례에 따라 거리별 예상되는 수신 신호의 크기를 설명하기 위한 참조도이다. 4 is a reference diagram for explaining a magnitude of a reception signal expected according to an embodiment of the present invention.

도 4를 참고하면, 상기 표적 높이 0m / 30cm / 5m인 경우에 대해 갖는 표적의 거리에 따른 수신 신호의 크기이다. 상기 신호는 표적의 높이에 따라 각각 다른 양상을 갖게 된다. 바닥 면에 위치한 표적의 경우 거리에 따른 신호의 파동이 전혀 없으며, 높이가 높은 표적의 경우 거리에 따른 신호의 파동이 심해진다. 0m 표적의 경우 근거리로 다가오는 경우 신호의 크기가 급격히 감소하며, 높이가 높은 표적의 경우 거리가 가까워져도 신호 크기가 상대적으로 커지지 않는다. 이러한 특징을 벡터화하여 그 패턴을 학습하여 정지되어 있는 차량과 그렇지 않은 정지 물체를 구분한다.Referring to FIG. 4, it is a magnitude of the received signal according to the distance of the target for the target height of 0 m / 30 cm / 5 m. The signals have different aspects depending on the height of the target. In the case of a target placed on the floor, there is no signal fluctuation depending on the distance. In the case of a target having a high height, the fluctuation of the signal due to the distance is increased. In the case of 0m target, the signal size decreases sharply when approaching near and the signal size does not become relatively large even if the distance is close to the target with high height. This feature is vectorized and the pattern is learned to distinguish a stationary vehicle from a stationary object that is not stationary.

도 5는 본 실시례에 따른 실제 차량용 레이더를 활용한 시험 결과를 설명하기 위한 참조도이다. 5 is a reference diagram for explaining a test result using an actual vehicle radar according to the present embodiment.

도 5를 참조하면, 본 발명의 일 실시례의 시험 대상은 승용차와 실제 바닥면에 존재하며 주행 시 위협이 되지 않는 표적으로 상대적으로 크기가 작은 표적인 바닥면에 떨어진 캔, 콘, 그리고 과자 봉지이다. 상기 시험 대상의 실험 결과는 수학식1 에서 거리에 대한 성분인 R4 성분을 보상하여 정규화한 수신 신호 크기에 대해 분포로 나타난다. 상기 결과에 의하면 거리에 대한 성분을 보상한 수신 신호의 크기만으로도 정지되어 있는 차량과 비위협 대상의 정지 물체를 구분할 수 있다.Referring to FIG. 5, the test subject of an embodiment of the present invention is a passenger car, a cans, a cone, and a bag of confectionery that are on the actual floor and are on the floor, to be. The experimental result of the test object is shown as a distribution with respect to the normalized received signal magnitude by compensating the R 4 component for the distance in Equation (1). According to the above results, it is possible to distinguish between a stationary vehicle and a non-threatened stationary object only by the magnitude of the received signal compensated for the distance component.

도 6은 본 발명의 일 실시례에 따른 차량용 레이더를 이용한 수신 신호 크기 데이터를 설명하기 위한 참조도이다. 도 5는 실제 차량용 레이더를 통하여, 정면에 정차하고 있는 상기 승용차에 대해 거리에 따른 수신 신호 크기와 바닥 면의 상기 캔에 대해 거리에 따른 수신 신호 크기를 획득한 데이터이다. 이러한 데이터를 바탕으로 정지되어 있는 차량과 그렇지 않은 표적에 대해 구분할 수 있도록 해당 데이터를 특징 벡터화하는 과정을 진행한다.6 is a reference diagram for explaining received signal size data using a radar for a vehicle according to an embodiment of the present invention. 5 is data obtained by obtaining the magnitude of the received signal along the distance with respect to the passenger car standing on the front face and the magnitude of the received signal according to the distance with respect to the can on the floor through the actual vehicle radar. Based on such data, the process of characteristic vectorization of the data is performed so as to be able to distinguish between the stopped vehicle and the non-stationary target.

도 7은 본 발명의 일 실시례에 따른 특징 벡터를 생성하는 신호처리 과정을 도시한 블록도이다. 도 6에서의 과정에서 정지표적이라 인식된 추적에 대해 결합된 탐지 정보가 특징거리만큼 데이터를 누적한다(S610). 7 is a block diagram illustrating a signal processing process for generating a feature vector according to an embodiment of the present invention. In the process of FIG. 6, the combined detection information for tracking recognized as a stop target accumulates data by the feature distance (S610).

상기 누적된 데이터를 거리와 신호 크기 영역에서 1차 함수 Fitting을 수행한다(S620). 상기 Fitting을 수행한 뒤 Fitting 된 함수와 누적된 데이터 간의 Error의 편차를 도출한다(S630). 특정 거리 누적 데이터를 바탕으로 특징 벡터를 생성한다(S640). The accumulated data is subjected to first-order function fitting in the range of distance and signal size (S620). After performing the fitting, deviation of the error between the fitted function and the accumulated data is derived (S630). The feature vector is generated based on the specific distance cumulative data (S640).

특징 벡터의 경우에는 상기 1차 함수 Fitting의 기울기와 누적 데이터의 Fitting 함수와의 Error에 대한 편차 외에 다양한 방법으로 도출될 수 있다. 특정 거리를 이동하는 동안의 데이터를 누적하여, 거리에 따른 신호의 흔들림 정도와 신호의 상대적인 크기 등을 수치로 표현하는 다양한 방법이 적용될 수 있다. In the case of the feature vector, it can be derived by various methods other than the deviation of the error between the slope of the linear function fitting and the fitting function of the accumulated data. Various methods of accumulating data while moving a specific distance and representing the degree of shaking of the signal depending on the distance and the relative size of the signal can be applied.

도 8은 본 발명의 일 실시례에 따른 정지 차량과 비 위협 대상 정지 물체를 구분하기 위한 학습 과정을 도시한 블록도이다. 본 실시례에서 특징 벡터의 경우에는 특정 거리 누적데이터의 1차 함수 Fitting 된 기울기, 누적 데이터의 Fitting 된 함수와의 Error에 대한 편차, 추적에 결합된 탐지 결과의 개수, 거리 성분이 정규화된 신호 크기, 표적의 거리 등의 특징 벡터를 추출한다(S710). 8 is a block diagram illustrating a learning process for distinguishing a stationary vehicle and a non-threatened stationary object according to an embodiment of the present invention. In the present embodiment, in the case of the feature vector, the deviation of the error from the fitted function of the cumulative data, the slope of the linear function fitted to the specific distance accumulated data, the number of detection results combined with the tracking, , The distance of the target, and the like (S710).

본 실시례에서는 5개의 특징 벡터를 사용하였으나, 경우에 따라서 특징 벡터 수를 늘리거나 혹은 줄일 수 있다. 또한, 특징 벡터 추출 시 파라미터를 변경할 수 있다.Although five feature vectors are used in this embodiment, the number of feature vectors can be increased or decreased in some cases. In addition, parameters can be changed when extracting feature vectors.

상기 알고리즘부(40)는 상기 특징 벡터의 조합을 통하여 알고리즘을 적용하여 실제 알고 있는 값과 비교하여 평가를 하는 과정을 거친다(S720). 이때, 실제 정지 차량인데 정지 차량이라 인식한 경우, 정지 차량이 아닌데 정지차량이라 인식한 경우, 정지 차량이지만 정지차량이라 인식하지 못한 경우, 정지 차량이 아니며 정지 차량이 아니라고 인식한 경우 등에 대해 평가 지표를 통하여 인식 성공률을 계산한다. 이 경우 인식 성공률이 충분하지 않을 경우 특징 벡터 조합을 다르게 하거나 혹은 알고리즘부(40)의 파라미터 등을 변화시키며 최적의 인식 성공률을 획득하기 위한 조합을 도출한다. The algorithm unit 40 applies an algorithm through a combination of the feature vectors, and compares the calculated feature vector with a known value to perform evaluation (S720). At this time, when the vehicle is actually stopped, it is recognized as a stopped vehicle, when it is recognized as a stopped vehicle, when it is recognized as a stopped vehicle, when it is not recognized as a stopped vehicle, when it is recognized as not a stopped vehicle, The recognition success rate is calculated. In this case, when the recognition success rate is not sufficient, the combination of the feature vector is changed or the parameter of the algorithm unit 40 is changed to derive a combination for obtaining the optimal recognition success rate.

알고리즘부(40)는 학습에 의하여 최적의 특징 벡터 조합과 파라미터 조건을 도출하여 평가한다(S730). The algorithm unit 40 derives and evaluates optimal feature vector combinations and parameter conditions by learning (S730).

이상에서는 본 발명의 바람직한 실시례에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특징의 실시례에 한정되지 아니하며, 특허청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed exemplary embodiments, but, on the contrary, It should be understood that various modifications may be made by those skilled in the art without departing from the spirit and scope of the present invention.

10 : 레이더부
20 : 보정 계산부
30 : 정보 처리부
40 : 알고리즘부
50: 패턴 학습부
60 : 메모리부
70 : 출력부10: Radar section
20:
30: Information processor
40: Algorithm
50: pattern learning unit
60:
70:

Claims (9)

전자파를 송신, 수신하는 레이더부;
상기 레이더부에서 출력된 신호를 표적의 거리와 높이에 따라 상쇄와 보강을 하는 보정 계산부;
상기 보정 계산부에서 보정된 신호에서 물체 정보를 생성하는 정보 처리부;
상기 정보 처리부의 물체 정보를 바탕으로 정지되어 있는 차량과 비 위협 대상 정지 물체를 구분할 수 있도록 해당 정보를 특징 벡터화 하는 알고리즘부;
상기 알고리즘부의 패턴에 근거하여 물체의 데이터 패턴을 학습하고, 물체별 패턴 학습정보를 메모리부에 저장하는 패턴 학습부;
상기 알고리즘부와 패턴 학습부의 정보를 저장하는 메모리부;
상기 물체의 정보를 출력하는 출력부;
을 포함하는 것을 특징으로 하는 차량 전방 장애물 레이더 검지 장치.A radar unit for transmitting and receiving electromagnetic waves;
A correction calculation unit for canceling and reinforcing the signal output from the radar unit according to the distance and height of the target;
An information processing unit for generating object information from the signal corrected by the correction calculation unit;
An algorithm unit for subjecting the information to a feature vector so as to distinguish the stopped vehicle from the non-threatened stationary object based on the object information of the information processing unit;
A pattern learning unit for learning a data pattern of an object based on the pattern of the algorithm unit and storing pattern learning information for each object in a memory;
A memory unit for storing information of the algorithm unit and the pattern learning unit;
An output unit for outputting information of the object;
Wherein the vehicle front obstacle radar detecting device comprises: 제1항에 있어서,
상기 알고리즘부는 상기 메모리부에 등록된 패턴을 호출하여, 상기 정보 처리부의 패턴에 대응하는 물체를 구분하는 것을 특징으로 하는 차량 전방 장애물 레이더 검지 장치.The method according to claim 1,
Wherein the algorithm unit calls a pattern registered in the memory unit and identifies an object corresponding to the pattern of the information processing unit. 갱신주기마다 수신된 신호를 처리하여 표적의 거리, 속도, 각도, 신호 크기 중 하나 이상의 정보를 추출해 내는 탐지 처리 단계;
상기 탐지 처리 단계에 의하여 얻어진 탐지 정보를 처리하는 추적 처리 단계;
을 포함하는 것을 특징으로 하는 차량 전방 장애물 레이더 검지 방법.A detection processing step of processing the received signal every update period and extracting at least one of the distance, speed, angle and signal size of the target;
A tracking processing step of processing detection information obtained by the detection processing step;
And detecting the radar position of the vehicle. 제 3항에 있어서,
추적 처리 단계는,
상기 탐지 정보가 지속적으로 인가되면 추적을 생성하고, 생성된 추적을 새롭게 인가되는 탐지 정보와 결합하는 추적 결합 단계;
상기 결합된 탐지 정보를 저장하는 단계;
상기 탐지 정보를 통해 특징 벡터를 추출하는 추출 단계;
상기 분류된 특징 벡터를 통해 위협 물체와 비 위협 물체로 구분하는 단계;
을 포함하는 차량 전방 장애물 레이더 검지 방법The method of claim 3,
In the tracking processing step,
Generating a trace when the detection information is continuously applied, and combining the generated trace with newly detected detection information;
Storing the combined detection information;
An extracting step of extracting a feature vector through the detection information;
Dividing the object into a threat object and a non-threat object through the classified feature vector;
A vehicle front obstacle radar detecting method 제 4항에 있어서,
상기 결합된 탐지 정보를 저장하는 단계는,
차량 속도 정보와 추적된 표적의 속도 정보를 통하여 해당 표적의 속성이 이동물체인지 정지물체인지 식별하는 것을 특징으로 하는 차량 전방 장애물 레이더 검지 방법5. The method of claim 4,
Wherein the storing the combined detection information comprises:
The vehicle front obstacle radar detecting method is characterized by identifying whether the attribute of the target is a moving object or a stationary object through the vehicle speed information and the speed information of the tracked target 제 5항에 있어서,
상기 표적이 이동 표적인 경우 모든 제동 및 추종 대상의 표적이 되는 것을 특징으로 하는 차량 전방 장애물 레이더 검지 방법.6. The method of claim 5,
And when the target is a moving target, the target is a target of all braking and tracking targets. 제 3항에 있어서,
상기 탐지 정보를 통해 특징 벡터를 추출하는 추출 단계는,
상기 표적이 정지 물체일 경우 지금까지 결합된 탐지 정보를 저장하여 누적 결과를 바탕으로 특징 벡터를 추출하는 것을 특징으로 하는 차량 전방 장애물 레이더 검지 방법.The method of claim 3,
Wherein the extracting step of extracting the feature vector through the detection information comprises:
Wherein when the target is a stationary object, the combined detection information is stored and the feature vector is extracted based on the cumulative result. 제 4항에 있어서,
상기 분류된 특징 벡터를 통해 위협 물체와 비 위협 물체로 구분하는 단계는 상기 분류 알고리즘을 적용하여 실제 알고 있는 값과 비교하여 평가하는 것을 특징으로 하는 하는 차량 전방 장애물 레이더 검지 방법.5. The method of claim 4,
Wherein the step of distinguishing between the threat object and the non-threat object through the classified feature vector is performed by comparing the evaluated value with an actually known value by applying the classification algorithm. 제 8항에 있어서,
상기 분류 알고리즘은 상기 특징 벡터의 조합을 통하여 특징 벡터 정보를 학습하는 것을 특징으로 하는 차량 전방 장애물 레이더 검지 방법.

9. The method of claim 8,
Wherein the classification algorithm learns feature vector information through a combination of the feature vectors.

KR1020150157943A 2015-11-11 2015-11-11 Method for detecting obstacles in front of the vehicle radar KR102428267B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150157943A KR102428267B1 (en) 2015-11-11 2015-11-11 Method for detecting obstacles in front of the vehicle radar

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150157943A KR102428267B1 (en) 2015-11-11 2015-11-11 Method for detecting obstacles in front of the vehicle radar

Publications (3)

Publication Number Publication Date
KR20170055138A true KR20170055138A (en) 2017-05-19
KR102428267B1 KR102428267B1 (en) 2022-08-01
KR102428267B9 KR102428267B9 (en) 2023-05-11

Family

ID=59049440

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150157943A KR102428267B1 (en) 2015-11-11 2015-11-11 Method for detecting obstacles in front of the vehicle radar

Country Status (1)

Country Link
KR (1) KR102428267B1 (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190040550A (en) * 2017-10-11 2019-04-19 현대모비스 주식회사 Apparatus for detecting obstacle in vehicle and control method thereof
US20220044555A1 (en) * 2020-08-06 2022-02-10 Toyota Jidosha Kabushiki Kaisha In-vehicle detection device and detection method
US11548504B2 (en) 2019-12-20 2023-01-10 Hl Klemove Corp. Driver assistance system and control method thereof

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007148835A (en) * 2005-11-28 2007-06-14 Fujitsu Ten Ltd Object distinction device, notification controller, object distinction method and object distinction program
US20090015462A1 (en) * 2006-03-27 2009-01-15 Murata Manufacturing, Co., Ltd. Radar Apparatus and Mobile Object

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007148835A (en) * 2005-11-28 2007-06-14 Fujitsu Ten Ltd Object distinction device, notification controller, object distinction method and object distinction program
US20090015462A1 (en) * 2006-03-27 2009-01-15 Murata Manufacturing, Co., Ltd. Radar Apparatus and Mobile Object

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190040550A (en) * 2017-10-11 2019-04-19 현대모비스 주식회사 Apparatus for detecting obstacle in vehicle and control method thereof
US11548504B2 (en) 2019-12-20 2023-01-10 Hl Klemove Corp. Driver assistance system and control method thereof
US20220044555A1 (en) * 2020-08-06 2022-02-10 Toyota Jidosha Kabushiki Kaisha In-vehicle detection device and detection method

Also Published As

Publication number Publication date
KR102428267B9 (en) 2023-05-11
KR102428267B1 (en) 2022-08-01

Similar Documents

Publication Publication Date Title
US9188667B2 (en) Moving object detecting apparatus, moving object detecting method, and computer readable recording medium
US20090027180A1 (en) Forward Object Sensor
US9429650B2 (en) Fusion of obstacle detection using radar and camera
EP3306340B1 (en) Radar signal processing device
CN102997900B (en) Vehicle systems, devices, and methods for recognizing external worlds
US8452054B2 (en) Obstacle detection procedure for motor vehicle
JP4753765B2 (en) Obstacle recognition method
CN107103275B (en) Wheel-based vehicle detection and tracking using radar and vision
US10228457B2 (en) Radar device and sensor fusion system using the same
JP6458651B2 (en) Road marking detection device and road marking detection method
KR102404891B1 (en) Method for detecting target object and apparatus thereof
KR101752651B1 (en) Clutter elimination and multi target trace method of radar system
KR20170055138A (en) Method for detecting obstacles in front of the vehicle radar
US10705186B2 (en) Apparatus for detecting axial misalignment
CN113227832A (en) Determining the orientation of an object by means of radar or by using electromagnetic interrogation radiation
US20220108552A1 (en) Method and Apparatus for Determining Drivable Region Information
CN111157954B (en) Self-adaptive adjustment method for ground radar target detection threshold coefficient
KR101704635B1 (en) Method and apparatus for detecting target using radar and image raster data
CN105774779B (en) The device and method that automatic emergency brake system is inhibited to delay work small barrier
US20050004719A1 (en) Device and method for determining the position of objects in the surroundings of a motor vehicle
KR101702371B1 (en) Apparatur for processing signal of radar and method for processing signal thereof
CN113253262B (en) One-dimensional range profile recording-based background contrast target detection method
US11933887B2 (en) Apparatus and method for controlling radar
KR102380013B1 (en) Rainfall intensity estimation device and method using vehicle radar
CN111433629A (en) Radar signal processing device, radar device, and radar signal processing method

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
G170 Re-publication after modification of scope of protection [patent]