KR20200091141A - 타겟 개수 추정 장치 및 방법 - Google Patents

타겟 개수 추정 장치 및 방법 Download PDF

Info

Publication number
KR20200091141A
KR20200091141A KR1020190007997A KR20190007997A KR20200091141A KR 20200091141 A KR20200091141 A KR 20200091141A KR 1020190007997 A KR1020190007997 A KR 1020190007997A KR 20190007997 A KR20190007997 A KR 20190007997A KR 20200091141 A KR20200091141 A KR 20200091141A
Authority
KR
South Korea
Prior art keywords
feature point
point information
targets
angle
estimating
Prior art date
Application number
KR1020190007997A
Other languages
English (en)
Inventor
김영훈
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 KR1020190007997A priority Critical patent/KR20200091141A/ko
Priority to DE102020101079.6A priority patent/DE102020101079A1/de
Priority to US16/745,431 priority patent/US11726177B2/en
Priority to CN202010061420.6A priority patent/CN111458712B/zh
Publication of KR20200091141A publication Critical patent/KR20200091141A/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
    • 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
    • G01S13/04—Systems determining presence of a 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
    • G01S13/88—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
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G01S7/354—Extracting wanted echo-signals
    • 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
    • G01S7/417—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 involving the use of neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G01S13/42—Simultaneous measurement of distance and other co-ordinates
    • G01S13/44—Monopulse radar, i.e. simultaneous lobing
    • 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
    • G01S13/68—Radar-tracking systems; Analogous systems for angle tracking only
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Electromagnetism (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

본 발명은 타겟 개수 추정 장치에 관한 것으로, 레이더로부터 송신되는 탐지 신호가 지상에 위치하는 물체로부터 반사되는 레이더 신호를 수신하는 레이더 신호 수신부; 및 상기 수신한 레이더 신호를 처리하여 타겟 개수를 학습하고, 상기 학습된 정보에 기초하여 새로 수신하는 레이더 신호를 처리하여 타겟 개수를 추정하는 제어부;를 포함한다.

Description

타겟 개수 추정 장치 및 방법{APPARATUS AND METHOD FOR ESTIMATING THE NUMBER OF TARGETS}
본 발명은 타겟 개수 추정 장치 및 방법에 관한 것으로, 보다 상세하게는 차량용 레이더에서 목표물(즉, 타겟)의 개수를 정확하게 추정할 수 있도록 하는, 타겟 개수 추정 장치 및 방법에 관한 것이다.
일반적으로 차량용 레이더는 차량에 탑재될 수 있는 다양한 형태의 레이더 장치를 의미하는 것으로 열악한 기상조건 또는 운전자의 부주의로 인한 사고 발생 가능성을 예방하고, 차량 주변의 물체를 감지하는 데 사용된다.
근래 안전과 운전자 편의에 대한 관심이 높아지면서, 이러한 차량용 레이더 장치를 이용한 다양한 차량 안전 및 편의 기술이 개발되고 있다.
예컨대 전방 차량을 감지하고, 감지된 전방 차량을 자동으로 추종하여 주행하도록 하는 스마트 크루즈 기술, 자동 주행 기술 및 자동 긴급 정지 기술 등의 다양한 기술이 개발되고 있다.
이러한 기술에 광범위하게 사용될 수 있는 차량용 레이더는 레이더 신호를 송신한 후 반사되는 반사신호를 이용하여 주변 물체를 감지할 수 있다.
하지만 이러한 차량용 레이더 장치를 이용한 다양한 차량 안전 및 편의 기술은 기본적으로 차량용 레이더에서 타겟의 개수를 정확하게 추정할 수 있음에 기반한다. 즉, 타겟(즉, 목표물)의 개수를 정확하게 추정해야만 비로소 타겟의 각도도 정확하게 추정할 수 있게 되는 것이다.
하지만 기존에는 타겟의 각도를 추정하는 것에 대해서는 많이 연구되고 있으나, 타겟의 개수를 정확하게 추정하는 것에 대한 연구는 미흡한 실정이다.
본 발명의 배경기술은 대한민국 공개특허공보 10-2017-0075474호(2017.07.03)의 '타켓 물체 감지 방법 및 그 장치'에 개시되어 있다.
본 발명의 일 측면에 따르면, 본 발명은 상기와 같은 문제점을 해결하기 위해 창작된 것으로서, 차량용 레이더에서 목표물(즉, 타겟)의 개수를 정확하게 추정할 수 있도록 하는, 타겟 개수 추정 장치 및 방법을 제공하는 데 그 목적이 있다.
본 발명의 일 측면에 따른 타겟 개수 추정 장치는, 레이더로부터 송신되는 탐지 신호가 지상에 위치하는 물체로부터 반사되는 레이더 신호를 수신하는 레이더 신호 수신부; 및 상기 수신한 레이더 신호를 처리하여 타겟 개수를 학습하고, 상기 학습된 정보에 기초하여 새로 수신하는 레이더 신호를 처리하여 타겟 개수를 추정하는 제어부;를 포함하는 것을 특징으로 한다.
본 발명에 있어서, 상기 제어부는, 상기 수신한 레이더 신호를 처리하여 타겟 개수를 학습하는 학습부; 및 상기 학습된 정보에 기초하여 새로 수신하는 레이더 신호를 처리하여 타겟 개수를 추정하는 추정부;를 포함하는 것을 특징으로 한다.
본 발명에 있어서, 상기 제어부는, 미리 알고 있는 타겟 수와 해당 각도 스펙트럼(Angular spectrum)을 입력받아 특징점 정보를 추출하고, 이 특징점 정보를 NN(Neural Network)을 이용하여 학습하는 것을 특징으로 한다.
본 발명에 있어서, 상기 각도 스펙트럼은, 타겟의 개수에 따라 각도 스펙트럼의 모양이 특정되는 것을 특징으로 한다.
본 발명에 있어서, 상기 특징점 정보는, 상기 각도 스펙트럼의 모양에 대응하여 미리 지정된 주요 부분에 대한 특징점 정보가 특정되는 것을 특징으로 한다.
본 발명에 있어서, 상기 제어부는, 학습하는 과정과 추정하는 과정에서 각도 스펙트럼의 추출 시, 각도(θ)의 범위와 가중치(W, weighting)를 동일하게 설정하는 것을 특징으로 한다.
본 발명에 있어서, 상기 제어부는, 상기 각도 스펙트럼의 가장 큰 신호를 기준으로 그 양측의 지정된 개수의 신호으로부터, 상기 특징점 정보로서, 상기 가장 큰 신호의 크기와 위치에 대응하는 각도, 상기 가장 큰 신호에서 3dB 작은 위치의 각도 정보, 사이드 로브(Side-lobe)의 크기 및 위치에 대응하는 각도, 및 널링(Nulling)의 크기와 위치에 대응하는 각도 정보 중 적어도 하나 이상을 추출하는 것을 특징으로 한다.
본 발명에 있어서, 상기 제어부는, 상기 특징점 정보를 NN(Neural Network)에 입력할 수 있도록 파라미터화 하고, 상기 파라미터화된 특징점 정보를 입력받아 NN(Neural Network)으로 학습하는 것을 특징으로 한다.
본 발명에 있어서, 상기 제어부는, 타겟의 개수를 알고자 하는 레이더 신호의 각도 스펙트럼을 입력을 받아 특징점 정보를 추출하고, 학습 과정에서 추출된 가중치(weighting)를 추정부에 동일하게 적용 후 학습부에서 사용한 동일한 NN(Neural Network)에 입력하여 타겟의 개수를 추정하는 것을 특징으로 한다.
본 발명의 다른 측면에 따른 타겟 개수 추정 방법은, 레이더 신호 수신부가 레이더로부터 송신되는 탐지 신호가 지상에 위치하는 물체로부터 반사되는 레이더 신호를 수신하는 단계; 및 제어부가 상기 수신한 레이더 신호를 처리하여 타겟 개수를 학습하고, 상기 학습된 정보에 기초하여 새로 수신하는 레이더 신호를 처리하여 타겟 개수를 추정하는 단계;를 포함하는 것을 특징으로 한다.
본 발명에 있어서, 상기 제어부는, 학습부를 통해 상기 수신한 레이더 신호를 처리하여 타겟 개수를 학습하는 단계; 및 추정부를 통해 상기 학습된 정보에 기초하여 새로 수신하는 레이더 신호를 처리하여 타겟 개수를 추정하는 단계;를 포함하는 것을 특징으로 한다.
본 발명에 있어서, 상기 타겟 개수를 학습하는 단계에서, 상기 제어부는, 미리 알고 있는 타겟 수와 해당 각도 스펙트럼(Angular spectrum)을 입력받아 특징점 정보를 추출하고, 이 특징점 정보를 NN(Neural Network)을 이용하여 학습하는 것을 특징으로 한다.
본 발명에 있어서, 상기 각도 스펙트럼은, 타겟의 개수에 따라 각도 스펙트럼의 모양이 특정되는 것을 특징으로 한다.
본 발명에 있어서, 상기 특징점 정보는, 상기 각도 스펙트럼의 모양에 대응하여 미리 지정된 주요 부분에 대한 특징점 정보가 특정되는 것을 특징으로 한다.
본 발명에 있어서, 학습하는 단계와 추정하는 단계에서 각도 스펙트럼의 추출 시, 상기 제어부는, 각도(θ)의 범위와 가중치(W, weighting)를 동일하게 설정하는 것을 특징으로 한다.
본 발명에 있어서, 상기 특징점 정보를 추출하기 위하여, 상기 제어부는, 상기 각도 스펙트럼의 가장 큰 신호를 기준으로 그 양측의 지정된 개수의 신호으로부터, 상기 특징점 정보로서, 상기 가장 큰 신호의 크기와 위치에 대응하는 각도, 상기 가장 큰 신호에서 3dB 작은 위치의 각도 정보, 사이드 로브(Side-lobe)의 크기 및 위치에 대응하는 각도, 및 널링(Nulling)의 크기와 위치에 대응하는 각도 정보 중 적어도 하나 이상을 추출하는 것을 특징으로 한다.
본 발명에 있어서, 상기 특징점 정보가 추출되면, 상기 제어부는, 상기 특징점 정보를 NN(Neural Network)에 입력할 수 있도록 파라미터화 하고, 상기 파라미터화된 특징점 정보를 입력받아 NN(Neural Network)으로 학습하는 것을 특징으로 한다.
본 발명에 있어서, 상기 타겟 개수를 추정하는 단계에서, 상기 제어부는, 타겟의 개수를 알고자 하는 레이더 신호의 각도 스펙트럼을 입력을 받아 특징점 정보를 추출하고, 학습하는 단계에서 추출된 가중치(weighting)를 추정부에 동일하게 적용 후 학습부에서 사용한 동일한 NN(Neural Network)에 입력하여 타겟의 개수를 추정하는 것을 특징으로 한다.
본 발명의 일 측면에 따르면, 본 발명은 차량용 레이더에서 목표물(즉, 타겟)의 개수를 정확하게 추정함으로써, 상기 정확하게 추정된 타겟 개수를 기반으로 타겟의 각도를 정확하게 추정할 수 있고, 또한 오탐지 및 미탐지 확률을 줄일 수 있도록 한다.
도 1은 본 발명의 일 실시예에 따른 타겟 개수 추정 장치의 개략적인 구성을 보인 예시도.
도 2는 상기 도 1에 있어서, 학습부의 구체적인 동작을 설명하기 위한 흐름도.
도 3은 상기 도 2에 있어서, 각도 스펙트럼의 특징점 정보에 대해서 설명하기 위하여 보인 예시도.
도 4는 상기 도 3에 있어서, 특징점 정보를 추출하는 과정을 설명하기 위한 흐름도.
도 5는 상기 도 2에 있어서, 타겟의 개수에 따른 각도 스펙트럼의 모양을 보인 예시도.
도 6은 상기 도 1에 있어서, 추정부의 구체적인 동작을 설명하기 위한 흐름도.
이하, 첨부된 도면을 참조하여 본 발명에 따른 타겟 개수 추정 장치 및 방법의 일 실시예를 설명한다.
이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로, 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 발명의 일 실시예에 따른 타겟 개수 추정 장치의 개략적인 구성을 보인 예시도이다.
도 1에 도시된 바와 같이, 본 실시예에 따른 타겟 개수 추정 장치는, 레이더 신호 수신부(100), 제어부(200), 및 타겟 개수 정보 출력부(300)를 포함한다.
상기 레이더 신호 수신부(100)는 레이더(미도시)로부터 송신되는 탐지 신호가 지상에 위치하는 물체로부터 반사되는 신호(이하, 레이더 신호로 기재함)를 수신한다.
상기 제어부(200)는 상기 수신한 레이더 신호를 처리하여 타겟 개수를 학습하고, 아울러 상기 학습에 기초하여 새로 수신하는 레이더 신호를 처리하여 타겟 개수를 추정한다.
상기 제어부(200)는 상기 수신한 레이더 신호를 처리하여 타겟 개수를 학습하는 학습부(210)와 상기 학습에 기초하여 새로 수신하는 레이더 신호를 처리하여 타겟 개수를 추정하는 추정부(220)를 포함한다. 다만 본 실시예에서는 편의상 학습부(210)와 추정부(220)의 동작을 개별적으로 설명하지만, 제어부(200)로 통합하여 기재할 수도 있다.
상기 타겟 개수 정보 출력부(300)는 상기 제어부(200)에서 추정한 타겟 개수 정보를 출력한다. 예컨대 상기 추정한 타겟 개수 정보를 이용하여 각도 알고리즘을 수행하여 타겟의 각도를 추정할 수 있다.
도 2는 상기 도 1에 있어서, 학습부(210)의 구체적인 동작을 설명하기 위한 흐름도이다.
도 2를 참조하면, 상기 학습부(210)는 미리 알고 있는 타겟 수와 해당 각도 스펙트럼(Angular spectrum)을 입력하여 특징점 정보를 추출하고, 이 특징점 정보를 학습시켜(예 : NN(Neural Network)을 이용하여 학습할 수 있음), 해당 NN(Neural Network)의 가중치(weighting)를 계산한다.
좀 더 구체적으로, 상기 학습부(210)는 타겟의 수와 각도에 따른 각도 스펙트럼(Angular Spectrum)을 입력받는다(S101).
여기서 상기 각도 스펙트럼(Angular Spectrum)은 디지털 빔 포밍(Digital Beam Forming) 기법을 이용해 입력받을 수 있다. 이 때 기존에는 상기 각도 스펙트럼(Angular Spectrum)을 이용해 전방(레이더의 방향)에 타겟이 있는지 여부와 방향(또는 각도)만을 확인할 수 있었다.
하지만 본 실시예에서, 상기 학습부(210)는 상기 각도 스펙트럼(Angular Spectrum)에서 특징점 정보(즉, 타겟의 개수에 대응하는 각도 스펙트럼의 특징점 정보)를 추출하고(S102), 상기 특징점 정보를 이용하여 타겟의 개수를 학습한다(S103)(예 : NN(Neural Network)을 이용하여 학습할 수 있음).
다만 상기 특징점 학습(즉, 특징점 정보의 학습)을 위한 NN(Neural Network) 기법은 Feed-forward Neural Network를 포함한 공개된 어느 하나의 NN을 이용할 수 있다.
참고로 본 실시예에서 상기 각도 스펙트럼(Angular Spectrum)은 타겟의 개수에 따라 모양이 상이하며, 이에 따라 상기 각도 스펙트럼(Angular Spectrum)의 주요 부분에 대한 특징점 정보가 달라진다(도 5 참조). 따라서 본 실시예에서는 이러한 특징점 정보를 학습하여 타겟의 개수를 추정한다.
이 때 상기 각도 스펙트럼(Angular Spectrum)의 추출 시, 각도(θ)의 범위(예 : -50도에서 +50도 범위)와 가중치(W, weighting)를 동일하게 설정함으로써, 동일한 기준에서 학습과 추정이 이루어질 수 있도록 한다.
도 3은 상기 도 2에 있어서, 각도 스펙트럼(Angular Spectrum)의 특징점 정보에 대해서 설명하기 위하여 보인 예시도이다.
도 3을 참조하면, 가장 큰 신호를 기준으로 그 양측의 지정된 개수의 신호(예 : 좌우 각 2개씩의 신호)으로부터 특징점 정보(예 : 가장 큰 신호의 크기와 위치의 각도(Largest Peak), 3dB 빔폭에 해당하는 각도, 각 사이드 로브(Side-lobe)의 각도 및 크기, Nulling의 각도 및 크기)를 추출한다.
도 4는 상기 도 3에 있어서, 특징점 정보를 추출하는 과정을 설명하기 위한 흐름도이다.
도 4를 참조하면, 상기 학습부(210)는 각도 스펙트럼(Angular Spectrum)을 입력받으면(S201), 특징점 정보로서, 가장 큰 신호의 크기와 위치의 각도(즉, 위치에 대응하는 각도)를 추출하고, 상기 가장 큰 신호에서 3dB 작은 위치의 각도 정보를 추출하고, 사이드 로브(Side-lobe)의 크기 및 위치의 각도(즉, 위치에 대응하는 각도)를 추출하며, 널링(Nulling)의 크기와 위치의 각도 정보를 추출한다(S202). 그리고 상기 추출한 특징점 정보를 NN(Neural Network)에 입력할 수 있도록 파라미터화 한다(S203).
결과적으로, 상기 학습부(210)는 상기 NN(Neural Network)에 입력할 수 있도록 파라미터화된 특징점 정보를 입력받아 학습한다(예 : NN(Neural Network)을 이용하여 학습할 수 있음).
다시 도 2를 참조하면, 상기 학습부(210)에서 특징점 정보의 학습 시, 해당 NN(Neural Network)의 가중치(weighting)를 추출한다(S104).
이는 타겟의 개수 추정 시 상기 NN(Neural Network)에서 학습된 가중치(weighting)를 동일하게 적용할 수 있도록 함으로써, 동일한 기준에서 학습과 추정이 이루어질 수 있도록 하기 위한 것이다.
도 5는 상기 도 2에 있어서, 타겟의 개수에 따른 각도 스펙트럼(Angular Spectrum)의 모양을 보인 예시도이다. 참고로 도 5에 도시된 각도 스펙트럼(Angular Spectrum)은 안테나 간격(Antenna Spacing)=1λ, 배열 안테나의 수가 9개인 경우의 각도 스펙트럼을 보인 예시도이다.
도 5를 참조하면, 상기 각도 스펙트럼(Angular Spectrum)은 타겟의 개수에 따라 모양(또는 형태)이 상이하며, 이에 따라 상기 각도 스펙트럼(Angular Spectrum)의 주요 부분에 대한 특징점 정보가 달라진다.
다만 도 5의 (b)와 (c)는 모두 타겟의 개수가 2개인 경우로 동일한 신호 파형을 가져야 한다. 하지만, (b)와 (c)의 신호 파형은 전체적으로는 유사한 형태를 보이지만 세부적으로 다른 신호 파형을 갖는다. 이는 레이더의 해상도(resolution)에 따라 차이가 있기 때문이다. 따라서 이는 차량별 레이더에 따라 각기 학습과 추정이 이루어져야 함을 의미한다.
상기와 같이 학습된 정보(즉, 타겟의 개수에 따른 각 스펙스턺의 형태와 특징점 정보)는 내부 데이터베이스(미도시)나 메모리(미도시)에 저장된다.
도 6은 상기 도 1에 있어서, 추정부(220)의 구체적인 동작을 설명하기 위한 흐름도이다.
도 6을 참조하면, 상기 추정부(220)는 타겟의 개수를 알고자 하는 각도 스펙트럼(Angular spectrum)을 입력을 받아 해당 각도 스펙트럼의 특징점 정보를 추출하고, 학습부(210)에서 추출된 가중치(weighting)를 적용 후 해당 NN에 입력으로 넣어 타겟의 개수를 추정한다.
좀 더 구체적으로, 상기 추정부(220)는 새로운 타겟(즉, 개수를 추정하고자 하는 타겟)의 각도 스펙트럼(Angular Spectrum)을 입력받는다(S301).
그리고 상기 추정부(220)는 상기 각도 스펙트럼(Angular Spectrum)에서 특징점 정보(즉, 타겟의 개수에 대응하는 각도 스펙트럼의 특징점 정보)를 추출한다(S302).
그리고 상기 추정부(220)는 이전에 상기 학습부(210)에서 특징점 정보를 이용하여 타겟의 개수를 학습할 때 추출한 가중치(weighting)를 추정부(220)에 동일하게 적용한다(S303)(예 : 상기 추정부(220)는 상기 학습부(210)에서 사용한 동일한 NN(Neural Network)을 이용할 수 있다).
이에 따라 상기 추정부(220)는 상기 가중치(weighting)를 적용하여 기 학습된 정보를 바탕으로 상기 추출한 특징점 정보에 대응하는 타겟의 개수를 추정한다(S304).
상기와 같이 본 실시예는 차량용 레이더에서 목표물(즉, 타겟)의 개수를 정확하게 추정함으로써, 상기 정확하게 추정된 타겟 개수를 기반으로 타겟의 각도를 정확하게 추정할 수 있도록 하는 효과가 있다. 또한 오탐지 및 미탐지 확률을 줄일 수 있도록 하는 효과가 있다.
이상으로 본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 기술적 보호범위는 아래의 특허청구범위에 의해서 정하여져야 할 것이다. 또한 본 명세서에서 설명된 구현은, 예컨대, 방법 또는 프로세스, 장치, 소프트웨어 프로그램, 데이터 스트림 또는 신호로 구현될 수 있다. 단일 형태의 구현의 맥락에서만 논의(예컨대, 방법으로서만 논의)되었더라도, 논의된 특징의 구현은 또한 다른 형태(예컨대, 장치 또는 프로그램)로도 구현될 수 있다. 장치는 적절한 하드웨어, 소프트웨어 및 펌웨어 등으로 구현될 수 있다. 방법은, 예컨대, 컴퓨터, 마이크로프로세서, 집적 회로 또는 프로그래밍가능한 로직 디바이스 등을 포함하는 프로세싱 디바이스를 일반적으로 지칭하는 프로세서 등과 같은 장치에서 구현될 수 있다. 프로세서는 또한 최종-사용자 사이에 정보의 통신을 용이하게 하는 컴퓨터, 셀 폰, 휴대용/개인용 정보 단말기(personal digital assistant: "PDA") 및 다른 디바이스 등과 같은 통신 디바이스를 포함한다.
100 : 레이더 신호 수신부
200 : 제어부
210 : 학습부
220 : 추정부
300 : 타겟 개수 정보 출력부

Claims (18)

  1. 레이더로부터 송신되는 탐지 신호가 지상에 위치하는 물체로부터 반사되는 레이더 신호를 수신하는 레이더 신호 수신부; 및
    상기 수신한 레이더 신호를 처리하여 타겟 개수를 학습하고, 상기 학습된 정보에 기초하여 새로 수신하는 레이더 신호를 처리하여 타겟 개수를 추정하는 제어부;를 포함하는 것을 특징으로 하는 타겟 개수 추정 장치.
  2. 제 1항에 있어서, 상기 제어부는,
    상기 수신한 레이더 신호를 처리하여 타겟 개수를 학습하는 학습부; 및
    상기 학습된 정보에 기초하여 새로 수신하는 레이더 신호를 처리하여 타겟 개수를 추정하는 추정부;를 포함하는 것을 특징으로 하는 타겟 개수 추정 장치.
  3. 제 2항에 있어서, 상기 제어부는,
    미리 알고 있는 타겟 수와 해당 각도 스펙트럼(Angular spectrum)을 입력받아 특징점 정보를 추출하고, 이 특징점 정보를 NN(Neural Network)을 이용하여 학습하는 것을 특징으로 하는 타겟 개수 추정 장치.
  4. 제 3항에 있어서, 상기 각도 스펙트럼은,
    타겟의 개수에 따라 각도 스펙트럼의 모양이 특정되는 것을 특징으로 하는 타겟 개수 추정 장치.
  5. 제 3항에 있어서, 상기 특징점 정보는,
    상기 각도 스펙트럼의 모양에 대응하여 미리 지정된 주요 부분에 대한 특징점 정보가 특정되는 것을 특징으로 하는 타겟 개수 추정 장치.
  6. 제 2항에 있어서, 상기 제어부는,
    학습하는 과정과 추정하는 과정에서 각도 스펙트럼의 추출 시,
    각도(θ)의 범위와 가중치(W, weighting)를 동일하게 설정하는 것을 특징으로 하는 타겟 개수 추정 장치.
  7. 제 3항에 있어서, 상기 제어부는,
    상기 각도 스펙트럼의 가장 큰 신호를 기준으로 그 양측의 지정된 개수의 신호으로부터,
    상기 특징점 정보로서, 상기 가장 큰 신호의 크기와 위치에 대응하는 각도, 상기 가장 큰 신호에서 3dB 작은 위치의 각도 정보, 사이드 로브(Side-lobe)의 크기 및 위치에 대응하는 각도, 및 널링(Nulling)의 크기와 위치에 대응하는 각도 정보 중 적어도 하나 이상을 추출하는 것을 특징으로 하는 타겟 개수 추정 장치.
  8. 제 3항에 있어서, 상기 제어부는,
    상기 특징점 정보를 NN(Neural Network)에 입력할 수 있도록 파라미터화 하고, 상기 파라미터화된 특징점 정보를 입력받아 NN(Neural Network)으로 학습하는 것을 특징으로 하는 타겟 개수 추정 장치.
  9. 제 2항에 있어서, 상기 제어부는,
    타겟의 개수를 알고자 하는 레이더 신호의 각도 스펙트럼을 입력을 받아 특징점 정보를 추출하고, 학습 과정에서 추출된 가중치(weighting)를 추정부에 동일하게 적용 후 학습부에서 사용한 동일한 NN(Neural Network)에 입력하여 타겟의 개수를 추정하는 것을 특징으로 타겟 개수 추정 장치.
  10. 레이더 신호 수신부가 레이더로부터 송신되는 탐지 신호가 지상에 위치하는 물체로부터 반사되는 레이더 신호를 수신하는 단계; 및
    제어부가 상기 수신한 레이더 신호를 처리하여 타겟 개수를 학습하고, 상기 학습된 정보에 기초하여 새로 수신하는 레이더 신호를 처리하여 타겟 개수를 추정하는 단계;를 포함하는 것을 특징으로 하는 타겟 개수 추정 방법.
  11. 제 10항에 있어서, 상기 제어부는,
    학습부를 통해 상기 수신한 레이더 신호를 처리하여 타겟 개수를 학습하는 단계; 및 추정부를 통해 상기 학습된 정보에 기초하여 새로 수신하는 레이더 신호를 처리하여 타겟 개수를 추정하는 단계;를 포함하는 것을 특징으로 하는 타겟 개수 추정 방법.
  12. 제 11항에 있어서, 상기 타겟 개수를 학습하는 단계에서,
    상기 제어부는,
    미리 알고 있는 타겟 수와 해당 각도 스펙트럼(Angular spectrum)을 입력받아 특징점 정보를 추출하고, 이 특징점 정보를 NN(Neural Network)을 이용하여 학습하는 것을 특징으로 하는 타겟 개수 추정 방법.
  13. 제 12항에 있어서, 상기 각도 스펙트럼은,
    타겟의 개수에 따라 각도 스펙트럼의 모양이 특정되는 것을 특징으로 하는 타겟 개수 추정 방법.
  14. 제 12항에 있어서, 상기 특징점 정보는,
    상기 각도 스펙트럼의 모양에 대응하여 미리 지정된 주요 부분에 대한 특징점 정보가 특정되는 것을 특징으로 하는 타겟 개수 추정 방법.
  15. 제 11항에 있어서,
    상기 학습하는 단계와 추정하는 단계에서 각도 스펙트럼의 추출 시,
    상기 제어부는,
    각도(θ)의 범위와 가중치(W, weighting)를 동일하게 설정하는 것을 특징으로 하는 타겟 개수 추정 방법.
  16. 제 12항에 있어서, 상기 특징점 정보를 추출하기 위하여,
    상기 제어부는,
    상기 각도 스펙트럼의 가장 큰 신호를 기준으로 그 양측의 지정된 개수의 신호으로부터,
    상기 특징점 정보로서, 상기 가장 큰 신호의 크기와 위치에 대응하는 각도, 상기 가장 큰 신호에서 3dB 작은 위치의 각도 정보, 사이드 로브(Side-lobe)의 크기 및 위치에 대응하는 각도, 및 널링(Nulling)의 크기와 위치에 대응하는 각도 정보 중 적어도 하나 이상을 추출하는 것을 특징으로 하는 타겟 개수 추정 방법.
  17. 제 12항에 있어서, 상기 특징점 정보가 추출되면,
    상기 제어부는,
    상기 특징점 정보를 NN(Neural Network)에 입력할 수 있도록 파라미터화 하고, 상기 파라미터화된 특징점 정보를 입력받아 NN(Neural Network)으로 학습하는 것을 특징으로 하는 타겟 개수 추정 방법.
  18. 제 11항에 있어서, 상기 타겟 개수를 추정하는 단계에서,
    상기 제어부는,
    타겟의 개수를 알고자 하는 레이더 신호의 각도 스펙트럼을 입력을 받아 특징점 정보를 추출하고, 학습하는 단계에서 추출된 가중치(weighting)를 추정부에 동일하게 적용 후 학습부에서 사용한 동일한 NN(Neural Network)에 입력하여 타겟의 개수를 추정하는 것을 특징으로 타겟 개수 추정 방법.
KR1020190007997A 2019-01-22 2019-01-22 타겟 개수 추정 장치 및 방법 KR20200091141A (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020190007997A KR20200091141A (ko) 2019-01-22 2019-01-22 타겟 개수 추정 장치 및 방법
DE102020101079.6A DE102020101079A1 (de) 2019-01-22 2020-01-17 Vorrichtung und verfahren zum schätzen der anzahl von targets
US16/745,431 US11726177B2 (en) 2019-01-22 2020-01-17 Apparatus and method for estimating number of targets
CN202010061420.6A CN111458712B (zh) 2019-01-22 2020-01-19 估计目标数量的装置和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190007997A KR20200091141A (ko) 2019-01-22 2019-01-22 타겟 개수 추정 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20200091141A true KR20200091141A (ko) 2020-07-30

Family

ID=71403062

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190007997A KR20200091141A (ko) 2019-01-22 2019-01-22 타겟 개수 추정 장치 및 방법

Country Status (4)

Country Link
US (1) US11726177B2 (ko)
KR (1) KR20200091141A (ko)
CN (1) CN111458712B (ko)
DE (1) DE102020101079A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2761106C1 (ru) * 2021-02-15 2021-12-06 Сергей Евгеньевич Мищенко Способ определения направления на цель цифровой антенной решеткой моноимпульсной радиолокационной станции

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112303765B (zh) * 2020-11-05 2023-11-21 青岛海信日立空调系统有限公司 一种空调器和控制方法
CN113721232B (zh) * 2021-11-02 2022-02-18 浙江宇视科技有限公司 目标对象检测方法、装置、电子设备及介质

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5768477A (en) 1996-09-10 1998-06-16 Southwest Research Institute Radio direction finding system for narrowband multiple signals
US6035057A (en) * 1997-03-10 2000-03-07 Hoffman; Efrem H. Hierarchical data matrix pattern recognition and identification system
US7592945B2 (en) * 2007-06-27 2009-09-22 Gm Global Technology Operations, Inc. Method of estimating target elevation utilizing radar data fusion
WO2009081981A1 (ja) * 2007-12-25 2009-07-02 Honda Elesys Co., Ltd. 電子走査型レーダ装置、受信波方向推定方法及び受信波方向推定プログラム
CN103412290B (zh) * 2013-08-06 2015-01-21 电子科技大学 知识辅助的apr非均匀样本检测方法
JP6567832B2 (ja) * 2015-01-29 2019-08-28 日本電産株式会社 レーダシステム、レーダ信号処理装置、車両走行制御装置および方法、ならびにコンピュータプログラム
US9720415B2 (en) * 2015-11-04 2017-08-01 Zoox, Inc. Sensor-based object-detection optimization for autonomous vehicles
KR102404891B1 (ko) 2015-12-23 2022-06-07 주식회사 에이치엘클레무브 타켓 물체 감지 방법 및 그 장치
JP6799805B2 (ja) * 2016-05-25 2020-12-16 パナソニックＩｐマネジメント株式会社 物体検出装置、プログラムおよび記録媒体
KR101969782B1 (ko) 2017-07-14 2019-04-17 (유)이안지오텍 도로안전시설물용 야생동물 로드킬 방지장치 및 방법
CN111433627B (zh) * 2018-04-05 2023-09-22 谷歌有限责任公司 使用机器学习执行角估计的基于智能设备的雷达系统
KR20200131349A (ko) * 2018-04-12 2020-11-23 메타웨이브 코포레이션 메타 물질 안테나 사이드 로브 특성을 포함하는 물체 검출 장치 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2761106C1 (ru) * 2021-02-15 2021-12-06 Сергей Евгеньевич Мищенко Способ определения направления на цель цифровой антенной решеткой моноимпульсной радиолокационной станции

Also Published As

Publication number Publication date
US20200233062A1 (en) 2020-07-23
CN111458712A (zh) 2020-07-28
CN111458712B (zh) 2023-11-03
DE102020101079A1 (de) 2020-07-23
US11726177B2 (en) 2023-08-15

Similar Documents

Publication Publication Date Title
CN111458712B (zh) 估计目标数量的装置和方法
US20150198705A1 (en) Method, antenna array, radar system and vehicle
EP3982160A1 (en) Method and system for indoor multipath ghosts recognition
WO2019093261A1 (en) Automotive radar system with direct measurement of yaw rate and/or heading of object vehicle
WO2019220503A1 (ja) 物体検出装置及び物体検出方法
CN110618426A (zh) 雷达系统中的天线间距和目标角度估计的联合优化
KR101509121B1 (ko) 레이더 시스템의 부엽제거 및 적응 빔형성을 지능적으로 제어하는 방법 및 장치
US11428782B2 (en) Neural network-based object surface estimation in radar system
CN109782290B (zh) 一种防止跟踪偏离的自动水声目标方位跟踪方法
EP3588135B1 (en) Method of determining an alignment error of an antenna and vehicle with an antenna and a detection device
CN111157954B (zh) 地面雷达目标检测门限系数自适应调整方法
EP4012449A1 (en) Target detection device
KR101796472B1 (ko) 레이더 장치 및 그것을 이용한 도래각 추정 방법
US11187788B2 (en) Nonlinear array antenna radar and method thereof
US10732255B2 (en) Method and apparatus for detection of a signal
RU2746175C1 (ru) Способ повышения надежности опознавания в радиолокационной системе активного запроса-ответа
KR102192761B1 (ko) 타겟 탐지 방법 및 장치
KR101334734B1 (ko) 빔 함수를 이용한 입사신호의 도래각 추정방법 및 장치
CN114690115A (zh) 一种测向定位方法及装置
CN113115437B (zh) 定位标签与基站前后位置关系判定方法及系统
EP3705904A1 (en) Removing interference from signals received by detectors installed on a vehicle
CN113030897B (zh) 基于多径的雷达目标聚类方法、装置、设备和存储介质
KR102428110B1 (ko) 레이더 신호 처리 장치 및 방법
KR20200040149A (ko) 타깃 탐지 장치 및 방법과, 차량 제어 장치 및 방법
KR102681757B1 (ko) 이동체의 위치 추정 시스템 및 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal