TW202246799A - 雷達偵測中之多路徑分類 - Google Patents

雷達偵測中之多路徑分類 Download PDF

Info

Publication number
TW202246799A
TW202246799A TW111118209A TW111118209A TW202246799A TW 202246799 A TW202246799 A TW 202246799A TW 111118209 A TW111118209 A TW 111118209A TW 111118209 A TW111118209 A TW 111118209A TW 202246799 A TW202246799 A TW 202246799A
Authority
TW
Taiwan
Prior art keywords
scene
radar
specific
detections
orbit
Prior art date
Application number
TW111118209A
Other languages
English (en)
Inventor
安德斯 曼尼森
安德烈 努斯列恩
安東 薩丁
艾拉斯 帕帕戴麗斯
丹尼爾 史塔和
大衛 瓦德馬克
史貝斯坦 赫尼斯翠
斯特凡 阿黛布拉強爾森
Original Assignee
瑞典商安訊士有限公司
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 瑞典商安訊士有限公司 filed Critical 瑞典商安訊士有限公司
Publication of TW202246799A publication Critical patent/TW202246799A/zh

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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • 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
    • 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
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/505—Systems of measurement based on relative movement of target using Doppler effect for determining closest range to a target or corresponding time, e.g. miss-distance indicator
    • 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
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
    • G01S13/536—Discriminating between fixed and moving objects or between objects moving at different speeds using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves
    • 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
    • G01S13/886—Radar or analogous systems specially adapted for specific applications for alarm 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
    • 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
    • G01S7/414—Discriminating targets with respect to background clutter
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • 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
    • G01S13/46—Indirect determination of position data
    • G01S2013/462—Indirect determination of position data using multipath signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Landscapes

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

Abstract

本發明大體上係關於一種用於對由一靜態雷達單元(100)獲取之一場景(1)之雷達偵測中之軌道進行分類之方法，該方法包括：使用該靜態雷達單元獲取(S102)該場景之雷達偵測；將該等雷達偵測之至少一部分饋送(S104)至一跟蹤器模組(106)中用於產生指示該場景中一特定軌道(302)之軌道特定特徵資料，將該等雷達偵測之至少一部分饋送(S106)至一場景模型(208)中，該模型包括關於隨時間聚合之場景特定特徵之資訊，以及指示該場景中具有預期幻影目標偵測之區域(320)及具有預期真實目標偵測之區域(322)之資訊，其中自該等雷達偵測判定該等場景特定特徵之至少一子集；藉由將該特定軌道與該場景模型中之一位置相關聯，將該特定軌道分類為屬於一真實目標(102)或一幻影目標(109)。

Description

雷達偵測中之多路徑分類
本發明大體上係關於近範圍雷達監視領域，且特定言之係關於一種一場景之雷達偵測中之分類軌道方法及控制器。
雷達偵測之基礎係一經傳輸雷達信號由一物體反射且由雷達之天線偵測。藉由合適信號處理性質，諸如物體速度及相對位置，可估計雷達。然而，估計物體之位置經受與偵測所謂之幻影目標相關之挑戰，即環境中之多次反射被誤認為係一真實目標。
幻影目標之出現係歸因於難以判定經偵測信號之來源。沒有直接方法以高準確度判定一經偵測信號係來自真實目標之一直接反射，或經偵測信號係來自一附近表面之二次反射。
在其中存在許多反射表面之城市環境中，諸如建築物壁、容器、停放之汽車及交通標誌，幻影目標係一主要問題。
在城市環境中處理幻影目標之一個方法係要求使用者在由雷達覆蓋之區域之一地圖中繪製排除區域，藉此明確指示其中應忽略哪些信號之雷達。然而，此顯著降低雷達之易用性。另外，偵測區域可出現源自多次反射之幻影目標，且藉由添加排除區域不排除此等反射。進一步言之，場景中可引入新的反射表面，例如由場景中之一卡車停放引起，且場景之此等變化不由預定義排除區域處置。
鑑於現有技術之上述及其他缺陷，本發明之一目的係提供一種改良方法用於將一場景之雷達偵測中之軌道分類為屬於一幻影目標或一真實目標，其至少減輕現有技術之一些缺點。
根據本發明之一第一態樣，因此提供一種用於對由一靜態雷達單元獲取之一場景之雷達偵測中之軌道進行分類之方法。該方法包括以下步驟。使用該靜態雷達單元獲取該場景之雷達偵測。將該等雷達偵測之至少一部分饋送至一跟蹤器模組中用於產生指示該場景中一特定軌道之軌道特定特徵資料。將該等雷達偵測之至少一部分饋送至一場景模型中，該模型包括關於隨時間聚合之場景特定特徵之資訊以及關於該場景中具有預期幻影目標偵測之區域及具有預期真實目標偵測之區域之資訊。自該等雷達偵測判定該模型之該等場景特定特徵之至少一子集。該方法進一步包括藉由將該特定軌道與該場景模型中之一位置相關聯，將該特定軌道分類為屬於一真實目標或一幻影目標。
本發明基於該實現以藉由利用來自該雷達之偵測來產生場景特定特徵之一場景模型及產生軌道特定特徵兩者而將來自真實目標之軌道與幻影目標(亦稱為多路徑目標)之軌道分離。更明確言之，該場景模型係關於該場景隨時間之資訊之一時間聚合，其可包含關於經偵測物體及先前偵測之軌道之資訊。因此，該等場景特定特徵可包括關於該場景中之靜態物體及表面之資訊以及關於來自幻影目標及來自真實目標之軌道之資訊。換言之，該場景模型包括關於描述該場景之場景特定特徵之資訊(如自該等雷達偵測判定)以及歷史軌道之空間資訊。
發明人意識到，基於來自先前偵測之軌道及該場景中之場景特定特徵之該聚合資訊，此一場景模型提供關於在該場景中最有可能出現一幻影目標之位置以及最有可能出現一真實目標之位置之資訊。
該軌道特定特徵資料提供關於一特定軌道之資訊。藉由關聯，例如將該軌道特定特徵資訊與該場景模型中儲存之關於先前軌道及該場景之總體佈局之資訊相關聯，可預測該特定軌道屬於一幻影目標或一真實目標。換言之，該軌道特定特徵資料可提供關於該特定軌道之快照資訊，並將此資訊與該場景模型中之歷史資料進行比較以對該特定軌道進行分類。
藉由本發明之實施例，本文中所描述之目標分類提供減少數目各誤報，該數目可在(例如)監視應用中引起誤報。進一步言之，安裝變得不太複雜，因為(例如)無需排除區域。更進一步言之，該分類方法亦可在室內、在其中幻影軌道之數量比室外環境更大之更密集環境中使用。
該場景模型可為隨時間偵測之場景特定特徵之一地圖，且因此可包含關於(例如)反射表面及強目標區域之資訊，例如具有高信雜比、最近目標、弱目標，例如具有低信雜比及最遠目標，以及軌道特定特徵。最近及最遠目標很重要，因為幻影目標通常出現在比該真實目標更遠之距離處。
該等場景特定特徵可被認為係軌道特定、隨時間聚合之空間特徵，即該場景中軌道特定特徵之時空演化。進一步言之，歸因於聚合，該等場景特定特徵之時間尺度比一軌道特定特徵之生命週期長，其可指示該特定軌道之狀態之一快照。換言之，軌道特定資料可被認為與一特定軌道之當前狀態有關，例如，描述一當前時框中偵測之該特定軌道之資訊。一時框在本文中與該雷達之該離散化/數位化操作有關。
一靜態雷達應被解譯為靜態安裝且不四處移動之一雷達。進一步言之，一靜態雷達不具有掃描該場景之移動零件。相反，該雷達適於偵測來自所有方向之信號，而無需使用波束成型或掃描。
該靜態雷達單元可為經組態用於監視該場景之一近範圍雷達。
在一些實施例中，將來自與該特定軌道相關之該場景模型之該軌道特定特徵資料及該等場景特定特徵傳遞至用於對該特定軌道進行分類之一分類器模組。因此，該分類器模組適於將來自該軌道特定特徵資料中之資訊之該特定軌道與來自該場景模型之與該特定軌道相關之場景特定特徵資料進行分類。在一個可行實施方案中，該分類器模組包含用於對該特定軌道進行分類之一神經網路。
一神經網路提供一種有效分類用工具。該神經網路較佳地適於捕獲該特定軌道之時間演化。適於執行分類之各種類型之神經網路本身係可想像及已知。實例合適神經網路係一循環神經網路及一卷積神經網路。一循環神經網路對於捕獲時間演化特別有效。
進一步言之，其他合適分類器可為決策樹分類器，諸如對分類有效之隨機森林分類器。另外，亦可想到諸如支援向量機分類器及邏輯回歸分類器之分類器。
另外，該分類器可為一統計分類器、一啟發式分類器、一模糊邏輯分類器。進一步言之，使用一表亦係可行的，即具有諸如場景特定特徵及一軌道特定特徵之資料之組合之一查找表及對應分類、幻影目標或真實目標。
在一些實施例中，可基於該特定軌道在該場景中之一經判定位置為該特定軌道分配場景特定特徵。例如，此等場景特定特徵係該特定軌道由一反射表面遮擋之概率，以及來自相同區域中先前軌道之信號有多強。此提供更準確地分類該分類器中之特定軌道。特定言之，該分配步驟提供將最合適場景特定特徵轉發至該分類器。
進一步言之，分配給該特定軌道之該等場景特定特徵可有利地添加至該場景模型。另外，可將該特定軌道添加至該場景模型。據此，更多資訊經添加至該場景模型，其藉此改良該場景模型且因此亦改良該分類步驟在未來偵測中將軌道與真實目標與幻影目標之軌道分離之準確性。換言之，該場景模型係在線改良，同時使用該分類方法使得該場景模型對未來分類更準確。
在實施例中，產生軌道特定特徵資料可包括形成範圍量測、多普勒量測、方位角量測及仰角量測之至少一者之一時間演化之一表示，且在一神經網路中處理該表示。
可自自雷達偵測執行之各種類型之量測來判定軌道特定特徵。例如，諸如使用範圍量測、多普勒量測、方位角量測及仰角量測之至少一者，及該特定軌道係該當前最強特定軌道或一當前時框中距該雷達單元最近之軌道，或是否該特定軌道係最弱特定軌道或係一當前時框中距該靜態雷達單元最遠之軌道。
本發明之實施例適於各種類型之靜態雷達。在一個較佳實施例中，該靜態雷達係一調頻連續波雷達。
在一些實施例中，所有該等場景特定特徵可自該等雷達偵測判定。據此，該雷達可作為一獨立單元操作。
然而，在其他可行實施例中，該等場景特定特徵之至少一部分自由一光感測裝置捕獲之光影像資料判定。因此，該方法適於包括(例如)一相機及一雷達之融合系統，其中藉由亦包含由該相機偵測之場景特定特徵來改良場景特定特徵之細節。
雷達偵測至該場景模型及該跟蹤器模組中之饋送可依不同方式拆分或組合。例如，可將相同雷達偵測饋送至該跟蹤器模組及該場景模型中。此提供簡單且直接饋送，而無需分離不同類型之偵測。
然而，將所有雷達偵測饋送至該場景模型且僅將指示移動目標之雷達偵測饋送至該跟蹤器模組可為有利的。依此方式，該跟蹤器模組僅需處理與用於判定一特定軌道最相關之目標相關之資料，藉此減輕該跟蹤模組所需之處理公路，並潛在地提高隨後分類步驟之準確性。
在一些實施例中，可將一特定軌道與由一光感測裝置獲取之該場景之一表示進行比較，藉此，若在由該光感測裝置獲取之該場景之該表示中不存在對應軌道，則將該特定軌道分類為一幻影軌道。因此，包括一雷達單元及(例如)一相機之一融合系統可提供一空間對應性及非對應測試以提供一軌道係一幻影軌道或一真實軌道之指示。此類型之融合系統使用可進一步改良分類，因為其提供關於該場景及其中軌道之額外資訊。一光感測裝置之一個實施例係在相機中使用之一影像感測器。此等感測裝置之其他實例係光達及光飛行時間感測器。甚至可使用獲得與雷達類似之關於該等場景特定特徵之空間資料之聲感測器，特別係麥克風陣列。
根據本發明之一第二態樣，提供包括指令之電腦程式，當該程式由一電腦執行時該等指令使該電腦執行本文中所討論之實施例之任何者之方法。
本發明之此第二態樣之又一實施例及透過此第二態樣獲得之效果在很大程度上類似於以上針對本發明之第一態樣所描述之彼等。
根據本發明之一第三態樣，提供一種控制單元，其用於對由一靜態雷達單元獲取之一場景之雷達偵測中之軌道進行分類，該控制單元經組態以：獲取指示由該靜態雷達單元捕獲之該場景之雷達偵測之資料；在一跟蹤器模組中處理該等雷達偵測之至少一部分用於產生指示該場景中一特定軌道之軌道特定特徵資料，將該等雷達偵測之至少一部分饋送至一場景模型中，該模型包括關於隨時間聚合之場景特定特徵之資訊以及關於該場景中具有預期幻影目標偵測之區域及具有預期真實目標偵測之區域之資訊，其中自該等雷達偵測判定該等場景特定特徵之至少一子集；及藉由將該特定軌道與該場景模型中之一位置相關聯，將該特定軌道分類為屬於一真實目標或一幻影目標。
本發明之此第三態樣之又一實施例及透過此第三態樣獲得之效果在很大程度上類似於以上針對本發明之第一態樣及第二態樣所描述之彼等。
進一步提供一種系統，其包括一靜態雷達單元及根據第三態樣之一控制單元。該系統提供與本文中所描述之實施例之任何一者類似之優點及特徵。
當研究隨附申請專利範圍及以下描述時，將變得明白本發明之又一特徵及優點。熟習此項技術者意識到，在不脫離本發明之範疇的情況下，可組合本發明之不同特徵以創建不同於以下描述之實施例。
下文將參考附圖更全面地描述本發明，其中展示本發明之當前較佳實施例。然而，本發明可以許多不同形式體現，且不應被解釋為限於本文中所闡述之實施例；相反，提供此等實施例係為了徹底及完整，且將本發明之範疇完全傳達給技術人員。相同元件符號自始至終指代相同元件。
現轉至附圖且特別係圖1，展示一場景1及經配置以自場景1獲取雷達偵測之一靜態雷達單元100。在場景1中，亦考慮雷達單元100之偵測區域，一目標102正沿一路徑103移動。靜態雷達單元100朝向場景1發射雷達信號104。此處指示為105之一些信號由目標102反射並直接返回至靜態雷達單元100。雷達信號105由靜態雷達單元100之天線偵測。使用一雷達之雷達信號偵測及一雷達之操作在本技術中被認為係本身已知且將不在本文中詳細描述。
場景1進一步包括一反射物體106，諸如一建築物之一壁。自目標102直接返回至雷達單元100之信號105表示偵測一真實目標102。因此，真實目標102之一特定軌道屬於真實目標102。
真實目標102進一步將雷達信號107朝向物體106之表面108反射，在該表面108反射朝向雷達單元100。自表面108傳輸之此經反射信號107之偵測經解譯為屬於一物體109，「內部」，藉由標準雷達偵測技術，物體106已沿路徑110移動。因此，此目標109表示一幻影目標109，因為在該位置，在物體106內部可不存在一真實目標。
基於上文討論，藉由將經偵測軌道之位置與一場景模型中具有關於何處預期真實目標102及何處預期幻影目標109之資訊之位置相關，使用下文將描述之方法，一經偵測軌道可經分類為屬於一真實目標102或一幻影目標109。
雷達單元100可為各種類型，但在一種可行實施方案中，靜態雷達單元100係一調頻連續波雷達。其他合適實施方案係其他種類之調頻雷達、相位調變雷達，特別係連續波相位調變雷達、傳輸相干脈衝或脈衝串之雷達或使用多載波之雷達，特別係OFDM雷達。
圖2係一雷達單元100之一方塊圖及用於對一經偵測軌道進行分類之相關聯功能或模組。
來自雷達單元100之雷達偵測經饋送至一跟蹤器模組206。跟蹤器模組206可為在一單獨處理電路上或在用於分類方法之其他功能之一共同控制器上操作之一軟體模組。跟蹤器模組206經組態以處理自雷達單元100接收之雷達偵測以判定軌道特定特徵。
軌道特定特徵包括範圍量測、多普勒量測、方位角量測及仰角量測之至少一者，及特定軌道係當前最強特定軌道或一當前時框中距雷達單元最近之特定軌道，或是否特定軌道係最弱特定軌道或係一當前時框中距雷達單元最遠之軌道及特定軌道之一當前壽命。跟蹤器模組可在笛卡爾或極坐標中輸出空間坐標及一速度量測。可自多普勒量測或藉由本技術已知之其他方法判定速度。
跟蹤器模組206較佳地僅偵測相對於雷達單元具有非零速度之目標。此對於最接近雷達單元之偵測尤其重要，因為可存在比最近物體更接近雷達之靜態反射。藉由允許雷達跟蹤器僅偵測非零速度目標緩解此問題，因為跟蹤器模組不偵測靜態反射。
產生軌道特定特徵資料包括形成範圍量測、多普勒量測、方位角量測及仰角量測之至少一者之一時間演化之一表示，且在一神經網路中處理該表示。因此，跟蹤器模組206可為用於使用上文所提及之軌道特定特徵量測作為神經網路之輸入來產生軌道特定資料之一神經網路。
產生軌道特定特徵資料之一種方法係在若干時框上為各時框之一軌道繪製如範圍及多普勒量測之一量測分佈，為各軌道形成一影像。此等影像可被認為展示軌道特定特徵之一時間演化，且可用作一卷積神經網路之輸入，其中其等經轉換成密集特徵。軌道特定特徵之其他表示係可行的，例如所謂點雲。
進一步言之，來自雷達單元100之雷達偵測可經饋送至一場景模型208。場景模型208可儲存於一記憶體裝置中且包括隨時間聚合之場景特定特徵。場景模型208可由場景中已隨時間聚合之不同特徵之一圖來表示。場景中物體之位置及物體之軌道以及隨時間聚合之關於經偵測軌道之空間資訊可包含於場景模型208中。
特定言之，場景模型208包括指示場景中具有預期幻影目標偵測之區域及具有預期真實目標偵測之區域之資訊。
軌道特定特徵及場景特定特徵依某種方式連接或融合且接著用作一分類器210之輸入。分類器210具體經組態以利用來自場景模型208之資訊及由跟蹤器206偵測之一特定軌道之位置資訊，以將特定軌道分類為屬於一真實軌道或一幻影軌道。
分類器模組210可取決於具體實施方案來操作不同類型之分類器。例如，可使用適於執行分類步驟之一分類器神經網路。神經網路較佳地適於捕獲特定軌道之時間演化。適於執行分類之各種類型之神經網路本身係可想像及已知。實例合適神經網路係一循環神經網路及一卷積神經網路。其他合適分類器可為決策樹分類器，諸如隨機森林分類器。另外，分類器(諸如支持向量機分類器、邏輯回歸分類器、啟發式分類器、模糊邏輯分類器、統計分類器或查找表)亦可用於分類器模組210中。
分類器模組提供指示分類步驟之結果之一輸出212。
在跟蹤器模組206中判定之軌道可基於軌道在場景中之位置而經分配有場景特定特徵。據此，一旦偵測一特定軌道，其位置可與場景模型中之位置相關，藉此可將場景特定特徵分配給特定軌道。例如，可為特定軌道分配一場景特定特徵，其指示軌道由一反射表面遮擋，及來自相同區域中之先前軌道之信號有多強。此分配提供特定軌道源自一真實目標或一幻影目標之一指示。經分配場景特定特徵經饋送至分類器模組210。
另外，可藉由將分配給特定軌道之場景特定特徵添加至場景模型208來更新場景模型208。藉此聚合模型中之又一場景特定特徵。進一步言之，可將關於特定軌道之資訊添加至場景模型208。將特徵添加至場景模型208之優點係加強場景模型208用於隨後分類。進一步言之，其允許在場景1之一變化之情況下更新場景模型，因此提供軌道之自適應分類。
圖2指示雷達偵測經饋送至場景模型208及跟蹤器模組206兩者中。雷達偵測可依不同方式經分割或過濾，或相同雷達偵測可經饋送至跟蹤器模組206及場景模型208中。在一些實施方案中，所有雷達偵測經饋送至場景模型208中且僅指示移動目標之雷達偵測經饋送至跟蹤器模組206。
所有場景特定特徵可自雷達偵測判定。然而，在其他可行實施例中，雷達由一光感測裝置(諸如一相機)補充。在此等融合系統中，場景特定特徵之至少一部分可自由光感測裝置捕獲之光影像資料判定，藉此藉由添加來自一又一源之額外資料來進一步增強場景模型208。
圖3概念性地繪示一場景模型208及在與場景模型208中之一位置相關之過程中之一特定軌道302。
場景模型208包括指示場景中具有預期幻影目標偵測之區域320、324及具有預期真實目標偵測之區域322之資訊。資訊可包含可與一區域與真實目標偵測或幻影目標偵測相關或可導出之任何指示。場景模型208不直接指示一圖中之區域320、322、324本身。然而，若基於落於一位置中(例如區域320中)之一軌道自場景模型208提取場景特定特徵，則經提取場景特定特徵連同軌道之軌道特定特徵很可能導致一幻影目標分類。類似地，若基於落於區域322中之一位置之一軌道自場景模型208提取場景特定特徵，則經提取場景特定特徵連同軌道之特定軌道特徵很可能導致一真實目標分類。
作為一進一步實例，自先前經偵測軌道可知道，出現在一個位置之軌道通常延續至屬於場景之一物體之一位置之一區域，諸如其中一真實目標無法定位之一建築物或一容器或一停放卡車。因此，若一軌道302出現在其中預期發現幻影軌道之此一區域320中，則與此一軌道相關之場景模型208之場景特定特徵可導致分類器將該軌道分類為屬於一幻影目標。因此，自場景模型208中之聚合資料可知道，出現在區域320中之軌道很可能為幻影目標。
應理解，區域320並不一定係由場景中一物體佔據之區域。應理解為，一區域，若在該區域中偵測一軌道，則其很可能屬於一幻影目標。
每次偵測到一特定目標時，可為其分配一場景特定特徵。例如，可為特定軌道302分配與其經偵測之位置相關之場景特定特徵，例如，對應於區域320。此等場景特定特徵及對應軌道特定特徵經前饋至分類器用於對特定軌道進行分類。
進一步言之，為特定目標分配場景特定特徵可使場景模型208適應一變化場景。例如，假設在場景中引入一新物體。使用饋送至場景模型208之雷達偵測來偵測及映射此新物體，場景模型208隨時間聚合偵測且因此將新物體映射至場景模型208。隨著偵測到新軌道，越來越多之軌道經分配給與新物體相關之場景特定特徵。因此，與一又一區域324相關之場景特定特徵在預期一經偵測軌道屬於一幻影目標之處形成。據此，本發明概念允許分類適應一變化場景。
圖4係根據本發明之實施例之方法步驟之一流程圖。
在步驟S102中，使用一靜態雷達單元100獲取場景之雷達偵測。
在步驟S104中，將雷達偵測之至少一部分饋送至一跟蹤器模組106中用於產生指示場景中一特定軌道302之軌道特定特徵資料。
在步驟S106中，將雷達偵測之至少一部分饋送至一場景模型208中，場景模型208包括關於隨時間聚合之場景特定特徵之資訊，以及指示場景中具有預期幻影目標偵測之區域及具有預期真實目標偵測之區域322之資訊。自雷達偵測判定場景特定特徵之至少一子集。
在步驟S108中，藉由將特定軌道與場景模型208中之一位置相關，將特定軌道分類為屬於一真實目標102或一幻影目標109。
在可選步驟S110中提供一輸出。輸出可用於進一步處理步驟及/或作為對一使用者介面之一指示或信號。
圖5概念性地繪示根據本發明之實施例之一系統400。系統400包括一靜態雷達單元100及一控制單元402。
控制單元402經組態以對由一靜態雷達單元100獲取之一場景1之雷達偵測中之軌道進行分類。
控制單元402通信地連接至雷達單元100，使得其可獲取指示由靜態雷達單元100捕獲之場景之雷達偵測之資料。控制單元402可無線地連接至雷達單元100或其可硬連線至雷達單元100，使得資料可自雷達單元100傳送至控制單元402。在一些可行實施方案中，控制單元可位於一遠端伺服器或其類似者上，例如，在「雲」中實施分類方法。在其他可行實施方案中，控制單元402包括於雷達單元100中。
進一步言之，控制單元402經組態以在一跟蹤器模組206中處理雷達偵測資料之至少一部分用於產生指示場景中一特定軌道302之軌道特定特徵資料。此處，跟蹤器模組206概念性地繪示為控制單元402之部分，或在控制單元402上操作，例如作為一軟體模組。然而，跟蹤器模組同樣可在與主控制單元402通信之一單獨控制單元上操作。
控制單元402進一步經組態以將雷達偵測資料之至少一部分饋送至一場景模型208中，場景模型208包括關於隨時間聚合之場景特定特徵之資訊及關於場景中具有預期幻影目標偵測之區域320及具有預期真實目標偵測之區域322之資訊。自雷達偵測判定場景特定特徵之至少一子集。控制單元402因此可經組態以自雷達偵測產生場景特定特徵並將其等添加至場景模型208。場景模型208儲存於控制單元402可存取之一記憶體裝置中或作為控制單元402之部分。
控制單元402經組態以藉由將特定軌道與場景模型208中之一位置相關來將特定軌道分類為屬於一真實目標102或一幻影目標109。控制單元402將軌道特定特徵資料及場景模型208饋送至一分類器模組210，該分類器模組210包含適於對特定軌道進行分類之一分類器。
場景模型208可表示為(例如)一查找表或儲存於一記憶體裝置上之圖資料，或儲存為離散網格點。
圖6係本發明之一又一可行實施例之一方塊圖。除關於圖5討論之特徵及元件之外，系統500進一步包含一光感測裝置502，諸如一相機或一光達。進一步言之，亦可想到聲感測器，特別係麥克風陣列。
由跟蹤器模組206判定之一特定軌道可在分類器模組210中作為分類之部分與由光感測裝置502獲取之場景208之一表示或自場景提取之特徵進行比較。例如，若在由光感測裝置502獲取之場景之表示中不存在對應軌道，則分類器模組210可將特定軌道分類為一幻影軌道。換言之，若分類器模組210發現由相機502偵測之一軌道與由雷達100偵測之軌道之間沒有對應關係，則來自分類器模組210之輸出更可能係特定軌道屬於一幻影目標。
類似地，若分類器模組210指示由相機502偵測之一軌道與由雷達100偵測之軌道之間的一對應關係，則來自分類器模組210之輸出更可能係特定軌道屬於一真實目標。亦取決於分類模組210之輸出。
控制單元包含一微處理器、微控制器、可程式化數位信號處理器或另一可程式化裝置。控制單元亦可或替代地包含一專用積體電路、一可程式化閘陣列或可程式化陣列邏輯、一可程式化邏輯裝置或一數位信號處理器。在控制單元包含一可程式化裝置(諸如上文所提及之微處理器、微控制器或可程式化數位信號處理器)之情況下，處理器可進一步包含控制可程式化裝置之操作之電腦可執行碼。
本發明之控制功能可使用現有電腦處理器來實施，或藉由用於為此或另一目的併入之一適當系統之一專用電腦處理器或藉由一硬線系統來實施。本發明之範疇內之實施例包含程式產品，該程式產品包括機器可讀媒體，用於承載或具有儲存於其上之機器可執行指令或資料結構。此等機器可讀媒體可為可由一通用或專用電腦或具有一處理器之其他機器存取之任何可用媒體。藉由實例，此機器可讀媒體可包括RAM、ROM、EPROM、EEPROM、CD-ROM或其他光碟儲存裝置、磁碟儲存裝置或其他磁儲存裝置，或任何其他媒體，其等以機器可執行指令或資料結構之形式可用於攜帶或儲存所需程式碼且可由一通用或專用電腦或具有一處理器之其他機器存取。當資訊通過一網絡或另一通信連接(硬連線、無線或硬連線或無線之一組合)傳輸或提供給一機器時，機器將連接適當地視為一機器可讀媒體。因此，任何此連接適當地稱為一機器可讀媒體。以上之組合亦包含於機器可讀媒體之範疇內。機器可執行指令包含(例如)使一通用電腦、專用電腦或專用處理機器執行一特定功能或群組之功能之指令及資料。
儘管附圖可展示一順序，但步驟之順序可與所描繪之不同。此外，可同時或部分同時執行兩個或更多個步驟。此變化將取決於所選之軟體及硬體系統以及設計師之選擇。所有此等變化在本發明之範疇內。同樣，軟體實施方案可用標準程式化技術及基於規則之邏輯及其他邏輯來完成以完成各種連接步驟、處理步驟、比較步驟及決策步驟。另外，儘管本發明已參考其特定例示性實施例進行描述，但熟習此項技術者將變得明白許多不同改變、修改及其類似者。
另外，自研究附圖、揭示內容及隨附申請專利範圍，熟習此項技術者在實踐所主張發明時可理解及實現對所揭示實施例之變化。此外，在申請專利範圍中，字詞「包括」不排除其他元件或步驟，且不定冠詞「一」或「一個」不排除複數個。
1:場景 100:靜態雷達單元 102:目標 103:路徑 104:雷達信號 105:雷達信號 106:反射物體 107:雷達信號 108:表面 109:幻影目標 110:路徑 206:跟蹤器模組 208:場景模型 210:分類器 212:輸出 302:特定軌道 320:區域 322:區域 324:區域 400:系統 402:控制單元 500:系統 502:光感測裝置 S102:步驟 S104:步驟 S106:步驟 S108:步驟 S110:步驟
將自以下詳細描述及附圖容易理解本發明之各個態樣，包含其特定特徵及優點，其中： 圖1概念性地繪示經配置以自一場景獲取雷達偵測之一靜態雷達單元； 圖2係根據本發明之實施例之一雷達單元及用於對一經偵測軌道進行分類之相關聯功能或模組之一方塊圖； 圖3概念性地繪示根據本發明之實施例之一場景模型及在與場景模型中之一位置相關之過程中之一特定軌道； 圖4係根據本發明之實施例之方法步驟之一流程圖； 圖5係根據本發明之實施例之系統之一方塊圖；及 圖6係根據本發明之實施例之系統之一方塊圖。
100:靜態雷達單元
206:跟蹤器模組
208:場景模型
210:分類器
212:輸出

Claims (15)

  1. 一種用於對由靜態安裝之用於監視一場景之一靜態雷達單元獲取之該場景之雷達偵測中之軌道進行分類之方法，該方法包括： 使用該靜態雷達單元獲取該場景之雷達偵測； 將該等雷達偵測之至少一部分饋送至一跟蹤器模組中用於產生指示該場景中一特定軌道之軌道特定特徵資料， 將該等雷達偵測之至少一部分饋送至一場景模型中，該場景模型包括關於隨時間聚合之該場景之場景特定特徵之資訊，該資訊包含關於經偵測物體及來自該場景之幻影目標及真實目標兩者之先前偵測之軌道之資訊，以及指示該場景中具有預期幻影目標偵測之區域及具有預期真實目標偵測之區域之資訊，其中自該等雷達偵測判定該等場景特定特徵之至少一子集； 藉由將該特定軌道與該場景模型中之一位置相關聯，將該特定軌道分類為屬於一真實目標或一幻影目標。
  2. 如請求項1之方法，其進一步包括將來自與該特定軌道相關之該場景模型之該軌道特定特徵資料及該等場景特定特徵饋送至用於對該特定軌道進行分類之一分類器模組。
  3. 如請求項1之方法，其進一步包括基於該特定軌道在該場景中之一經判定位置為該特定軌道分配場景特定特徵。
  4. 如請求項3之方法，其進一步包括將該特定軌道及分配給該特定軌道之該等場景特定特徵之至少一者添加至該場景模型。
  5. 如請求項1之方法，其中產生軌道特定特徵資料包括形成範圍量測、多普勒量測、方位角量測及仰角量測之至少一者之一時間演化之一表示，且在一神經網路中處理該表示。
  6. 如請求項1之方法，其中軌道特定特徵包括範圍量測、多普勒量測、方位角量測及仰角量測之至少一者，及該特定軌道係當前最強特定軌道或一當前時框中距該雷達單元最近之軌道，或是否該特定軌道係最弱特定軌道或係一當前時框中距該靜態雷達單元最遠之軌道。
  7. 如請求項1之方法，其中該靜態雷達單元係一調頻連續波雷達。
  8. 如請求項1之方法，其中所有該等場景特定特徵係自該等雷達偵測判定。
  9. 如請求項1之方法，其中該等場景特定特徵之至少一部分係自由一光感測裝置捕獲之光影像資料判定。
  10. 如請求項1之方法，其進一步包括將相同雷達偵測饋送至該跟蹤器模組及該場景模型中。
  11. 如請求項1之方法，其進一步包括將所有雷達偵測饋送至該場景模型且僅將指示移動目標之雷達偵測饋送至該跟蹤器模組。
  12. 如請求項1之方法，其進一步包括將一特定軌道與由一光感測裝置獲取之該場景之一表示進行比較，藉此，若在由該光感測裝置獲取之該場景之該表示中不存在對應軌道，則將該特定軌道分類為一幻影軌道。
  13. 一種非暫時性電腦可讀記錄媒體，其包括一電腦程式，該電腦程式包括指令，當該程式由一電腦執行時該等指令使該電腦執行如請求項1之方法。
  14. 一種控制單元，其用於對由靜態安裝之用於監視一場景之一靜態雷達單元獲取之該場景之雷達偵測中之軌道進行分類，該控制單元經組態以： 獲取指示由該靜態雷達單元捕獲之該場景之雷達偵測之資料； 在一跟蹤器模組中處理該雷達偵測資料之至少一部分用於產生指示該場景中一特定軌道之軌道特定特徵資料， 將該雷達偵測資料之至少一部分饋送至一場景模型中，該模型包括關於隨時間聚合之該場景之場景特定特徵之資訊，該資訊包含關於經偵測物體及來自該場景之幻影目標及真實目標兩者之先前偵測之軌道之資訊，以及關於該場景中具有預期幻影目標偵測之區域及具有預期真實目標偵測之區域之資訊，其中自該等雷達偵測判定該等場景特定特徵之至少一子集；及 藉由將該特定軌道與該場景模型中之一位置相關聯，將該特定軌道分類為屬於一真實目標或一幻影目標。
  15. 一種系統，其包括一靜態雷達單元及如請求項14之一控制單元。
TW111118209A 2021-05-21 2022-05-16 雷達偵測中之多路徑分類 TW202246799A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP21175394.2A EP4092447A1 (en) 2021-05-21 2021-05-21 Multipath classification in radar detections
EP21175394.2 2021-05-21

Publications (1)

Publication Number Publication Date
TW202246799A true TW202246799A (zh) 2022-12-01

Family

ID=76076222

Family Applications (1)

Application Number Title Priority Date Filing Date
TW111118209A TW202246799A (zh) 2021-05-21 2022-05-16 雷達偵測中之多路徑分類

Country Status (6)

Country Link
US (1) US20220373672A1 (zh)
EP (1) EP4092447A1 (zh)
JP (1) JP2022179389A (zh)
KR (1) KR20220157896A (zh)
CN (1) CN115374833A (zh)
TW (1) TW202246799A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116167252B (zh) * 2023-04-25 2024-01-30 小米汽车科技有限公司 雷达配置信息的确定方法、装置、设备及存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8970429B2 (en) * 2012-06-14 2015-03-03 Raytheon Company Systems and methods for tracking targets by a through-the-wall radar using multiple hypothesis tracking
JP6892600B2 (ja) * 2017-07-12 2021-06-23 ミツミ電機株式会社 物体検出方法及び物体検出装置
JP2019038314A (ja) * 2017-08-23 2019-03-14 トヨタ自動車株式会社 車両運転支援装置
US20200293860A1 (en) * 2019-03-11 2020-09-17 Infineon Technologies Ag Classifying information using spiking neural network
DE102019216373A1 (de) * 2019-10-24 2021-04-29 Conti Temic Microelectronic Gmbh Verfahren zur Erfassung eines Zielobjekts
JP7466820B2 (ja) * 2020-05-29 2024-04-15 パナソニックオートモーティブシステムズ株式会社 レーダ装置、レーダシステム及び物体判定方法
DE102021001452A1 (de) * 2021-03-19 2021-05-12 Daimler Ag Verfahren zur Umgebungserfassung

Also Published As

Publication number Publication date
JP2022179389A (ja) 2022-12-02
CN115374833A (zh) 2022-11-22
US20220373672A1 (en) 2022-11-24
EP4092447A1 (en) 2022-11-23
KR20220157896A (ko) 2022-11-29

Similar Documents

Publication Publication Date Title
KR20210096607A (ko) 레이더 딥 러닝
JP5145986B2 (ja) 物体検出装置及び測距方法
CN110691990B (zh) 一种障碍物检测方法及设备
RU151809U1 (ru) Видеосистема для обеспечения безопасности транспортных средств
US20200041652A1 (en) Object detection based on lidar intensity
CN113536850B (zh) 基于77g毫米波雷达的目标物体大小测试方法和装置
WO2021111747A1 (ja) 画像処理装置、監視システム、及び画像処理方法
JP2011048485A (ja) 物標検出装置および物標検出方法
JP2003217099A (ja) 車載型周辺監視装置
TW202246799A (zh) 雷達偵測中之多路徑分類
US20240361449A1 (en) Techniques for generating motion information for videos
US20220108552A1 (en) Method and Apparatus for Determining Drivable Region Information
KR102062579B1 (ko) 영상 보정을 통해 그림자 및 빛 반사로 훼손된 차량번호판을 인식하는 차량번호판 인식 시스템
US20220120845A1 (en) Methods and system for predictive coordination of ego and interferer radar parameters
CN117409393A (zh) 一种焦炉机车激光点云与视觉融合障碍物检测方法及系统
WO2023083164A1 (zh) 目标追踪方法、信号融合方法、装置、终端和存储介质
US20220383146A1 (en) Method and Device for Training a Machine Learning Algorithm
US20210149412A1 (en) Position estimating apparatus, method for determining position of movable apparatus, and non-transitory computer readable medium
CN114581889A (zh) 一种融合方法、装置、设备、介质及产品
CN115359332A (zh) 基于车路协同的数据融合方法、装置、电子设备及系统
US20230391372A1 (en) Method of detecting moving objects, device, electronic device, and storage medium
US20230408686A1 (en) Method and apparatus for detecting static object by means of radar sensor of roadside unit
US12033482B1 (en) Techniques for implementing customized intrusion zones
WO2022115993A1 (en) Method and apparatus for tuning sensor fusion weights
US20230079545A1 (en) Method and control unit for monitoring a sensor system