CN103593979A

CN103593979A - 用于通过跟踪车辆位置参数来将行驶车辆分类的方法

Info

Publication number: CN103593979A
Application number: CN201310353732.4A
Authority: CN
Inventors: 迈克尔·莱宁
Original assignee: Jenoptik Robot GmbH
Current assignee: Jenoptik Robot GmbH
Priority date: 2012-08-14
Filing date: 2013-08-14
Publication date: 2014-02-19
Anticipated expiration: 2033-08-14
Also published as: DE102012107444B3; US20140049419A1; EP2698646A1; AU2013216597B2; CN103593979B; RU2013137830A; US9304197B2; AU2013216597A1

Abstract

本发明涉及一种用于通过跟踪车辆位置参数来将行驶车辆分类的方法，尤其是一种对车辆（3）在行驶穿过雷达锥（12）时进行多次测量并配属于测量时间点（t_n）地形成特定位置参数（32）的方法。该特定位置参数可以是特定径向距离（s_r）或特定对象角度（β）。对于它们在时间上的变化分析非连续性区段（U）。该区段的长度依赖于车辆（3）的长度并且使分类成为可能。

Description

用于通过跟踪车辆位置参数来将行驶车辆分类的方法

技术领域

本发明涉及一种用于车辆分类的方法，如其按类属由专利文件EP2011103B1所公知的那样。

背景技术

在流动的交通中车辆分类具有广泛的应用范围。尤其是在自动化监控和控制道路交通的框架内，特别有意义的是自动化的粗略分类，以将车辆划分为大型且缓慢的车辆（载重汽车LKW、巴士）和小型且快速的车辆（轿车PKW）。根据检测到的车辆类别例如可以按照车辆类别有区别地提高通行费、控制红绿灯或者惩罚交通违章。

在根据现有技术公知的粗略车辆分类的方法中，经常通过根据车辆进入和离开测量装置的测量区域来测定个别的车辆长度而实现与车辆类别的配属。借助评估方法可以从接收到的具有足够安全性的测量信号生成针对车辆长度的可评估的特征，其允许将车辆配属于巴士或载重汽车类或者轿车类。为此公知的设备在此或者利用感应线圈（其根据在驶过时测定的车辆长度和车辆离地间隙来执行分类）工作，或者利用雷达设备（其根据车辆驶过雷达辐射的锥体（雷达锥）借助于由驶过持续时间和速度所测定的车辆长度来执行分类）工作。

在公开文件EP1990654A1公开的方法中，通过在车道旁以相对于车道边缘的锐角安装的雷达设备来测定车辆长度。根据车辆进入和离开时测定的距离点以及公知的安装角度可以测定车辆穿过雷达锥的驶过路径的长度。由所测定的车辆速度和驶过时间可以测定在该时间内车辆走过的总路径。由此可以由总路径与驶过路径的差计算出车辆长度并且通过与针对一种类别典型的车辆长度进行比较来将检测到的车辆分类。车辆间的彼此遮挡带来的误差影响通过该方法无法解决。

在公开文件DE3810357A1所描述的方法中，同样根据所测定的车辆长度来分类。为此首先在车辆驶过雷达设备的雷达锥期间吸收多普勒回波（Dopplerecho）并由其频谱来测定具有最大振幅的频率。根据该频率测定速度。于是由该速度和多普勒回波的信号持续时间可以测定车辆长度。通过信号持续时间来测量车辆长度与多个误差影响相联系。因为雷达辐射被依赖于车辆长度的大的面反射，所以信号持续时间原则上关于车辆长度那么多地被错误地检测到。此外，倾斜地指向车辆的雷达辐射在车辆部分上的遮蔽导致错误的长度测量。为了提高长度测量精度，应用针对每个影响参数分开地和以经验为依据地测定的校正因数。最后通过将多普勒回波的经校正的在时间上的曲线与所存储和识别的模型进行比较进行分类。然而最终所测定的车辆长度只是非常粗略的估计，其中，很容易会出现有误的分类结果。

专利文件EP2011103B1中描述了一种无需直接检测车辆长度来执行车辆分类的可能性。利用雷达设备使雷达辐射沿交通路段取向。应用一种线性调频CW雷达设备，利用该雷达设备可以测定交通参与方的速度和距离。将由交通参与方反射的信号与噪声分离并在数据处理装置中进行评估。作为处理结果产生两个傅里叶变换系数，其中，一个系数是检测到的交通参与方的距离函数，而另一个系数是检测到的交通参与方的速度函数。如果将两个函数相对彼此绘制在笛卡尔二维图中，那么就产生表征不同的交通参与方特性的模型。在此，这些模型的组合和形状是用于交通参与方的速度和反射信号间距的分散性的量度，其统计评估允许将交通参与方配属于预先限定的类别。然而基于线性调频CW雷达设备的测量原理没有角度可以配属于所检测的对象。由此虽然可以确定例如是轿车或者载重汽车位于雷达锥内，然而只要有多个交通参与方同时位于雷达锥内，这个主张就无法可靠地被配属。

发明内容

本发明的任务是，找到一种适用于同时且可靠地将多个行驶穿过雷达锥的车辆分类的方法。

根据本发明，在一种用于通过跟踪车辆的位置参数来将行驶车辆分类的方法中，车辆在行驶穿过由雷达辐射形成的雷达锥时，通过车辆的被施以雷达辐射的表面反射雷达辐射并且在发射和接收雷达辐射的雷达设备中生成测量信号的方式被测量，针对该方法，该任务以如下方法步骤来解决。

以相对于车道的车道表面的已知的竖直安装角度和已知的安装高度以及相对于车道的车道边缘的已知的水平安装角度和间距来布置雷达设备，该雷达设备在测量持续时间内在多个测量时间点接收大量测量信号，其中，每个测量信号可以推导出径向速度、作为位置参数的径向距离和对象角度。

该雷达设备发射出形成雷达锥的雷达辐射，并且测量信号在多个测量时间点被检测。

为每个测量时间点从这些测量信号中推导出径向速度、对象角度以及径向距离，并将该径向速度、对象角度以及径向距离配属于可能引起他们的行驶穿过雷达锥的车辆。

为每个测量时间点以各自相同的计算规则从配属于车辆的径向距离和对象角度中形成特定位置参数并计算出车辆速度。

特定位置参数被存储为在包括测量时间点在内的测量持续时间上的函数，并且在函数的曲线中确定非连续性区段，其通过特定位置参数在测量时间上的跳跃式变化来限定边界。

最终，借助计算出的车辆速度来测定非连续性区段对速度标准化后的长度，并且将该区段对速度标准化后的长度与所存储的对于不同车辆类别而言典型的这种区段对速度标准化后的长度进行比较，以便由此将车辆分类。车辆于是被分类到区段对速度标准化后的长度与所存储的典型长度最接近的车辆类别中。

有利地，每个测量时间点上特定位置参数通过计算配属于该测量时间点的径向距离的算数平均值形成，其中，至少其中一个安装角度是锐角。

备选地，每个测量时间点上特定位置参数通过计算配属于该测量时间点的对象角度的算数平均值有利地形成，其中，至少一个水平安装角度是锐角，而竖直安装角度小于<5°。

也有利的是，从配属的测量信号中与测量时间点相关地计算出至少一个与车辆相关的坐标***（优选在每个测量时间点都进行校对），该坐标***的位置和取向在每个测量时间点都通过坐标原点的通过特定位置参数和暂时行驶方向来确定的暂时地点来确定，并且每个测量时间点推导出的径向距离和对象角度（它们在该测量时间点分别表示车辆上的粗糙目标的地点坐标）分别换算到与车辆相关的坐标***中，以便然后将粗糙目标的位置的统计分布与所存储的对于不同车辆类别而言典型的分布（由车辆的几何形状来确定）进行比较，由此校验对车辆所做的分类。

特别有利地，将粗糙目标在各测量时间点的位置的统计分布通过叠加坐标***的方式汇总。

附图说明

接下来应借助实施例详细阐释本发明。在附图中：

图1示出雷达设备相对于车道布置的一种可能性的示意图；

图2a示出检测在运动穿过雷达锥的车辆上的粗糙目标的原理流程图；

图2b示出距离-时间图；

图2c示出对象角度-时间图；以及

图3示出检测粗糙目标的典型统计分散性的图示。

具体实施方式

针对用于将一个或也同时将多个在车道2上前进的车辆3分类的方法，使用FSK-雷达设备（一种由现有技术公知的FMCW-雷达设备的特殊形式）作为雷达设备1，利用该雷达设备可以同时检测和跟踪（Tracking）多个车辆3。FSK-雷达设备1（FSK=Frequency Shift Keying移频键控）以至少两个交替的载波频率发射出雷达辐射11或再次接收该至少两个交替的载波频率的由被检测的车辆3引起的反射信号。通过评估在由车辆3反射的至少两个载波频率之间以及内部的频移，在很短的测量持续时间内可以与车辆相对于雷达设备1的径向距离、径向速度和对象角度相应地实现多个车辆3之间很好的分辨率。

为了执行根据本发明的方法，原则上需要准确地了解雷达设备1相对于车道2的位置和取向，除非直接在执行该方法之前进行雷达设备1的培训并且该方法与可选的且因车而异的必须计算出实际车辆速度的交通违章惩罚无关。

为了更好的阐释雷达设备1相对于车道2可以占据的可能的位置和取向，在图1中示出雷达设备1跟实践相关的安装方式。雷达设备1在此布置在如下位置中，在该位置中雷达设备位于车道2旁紧邻车道边缘21，且在车道2的表面上方位于跨过车道2的桥22的高度上。雷达设备1的位置可以借助相对于车道边缘21的水平垂直安装间距14和相对于车道2的表面竖直垂直安装间距16来描述。依赖于雷达设备1的辐射特性，雷达辐射11形成由雷达设备1发射出且逐渐张开的带对称轴线13的雷达锥12。雷达锥12以及进而雷达设备1相对于车道2的取向可以借助对称轴线13相对于车道边缘21的水平安装角15以及对称轴线13相对于车道2的表面的竖直安装角17来描述。

由雷达设备1的位置和取向以及从由反射信号产生的、可直接推导出的测量参数（径向速度、径向距离和对象角度），于是可以计算出所检测车辆3的其他可推导出的特征。其他可推导出的特征例如可以是行驶方向或车辆角度α以及车辆速度。

行驶方向在此是车辆3在车道2上实际的前进方向，该前进方向与相对于雷达设备1的径向距离的方向不一致，并且此外，例如由于车辆3的行驶轨迹变化可知该前进方向不必强制与车道2的延伸方向相应，也就是说不必平行于车道边缘21延伸。

从行驶方向同时可以推导出车辆角度α，该车辆角度由车辆3分别以其沿行驶方向的纵轴线与相对于雷达设备1的径向距离的方向围成。

车辆速度是车辆3的实际速度，车辆3以该实际速度沿行驶方向在车道2上前进。

如果为了简化术语的解释，将车辆3简化到唯一的点状反射体的反射信号，那么径向距离与点状反射体相对于雷达设备1的发出雷达辐射11的发射单元的中点的直接间距相应，雷达锥12的对称轴线13延伸穿过该中点。径向距离可以直接由FSK雷达1的至少两个所使用的载波频率的反射信号之间的所测到的相移推导出。因为雷达设备1在车道2之外，与车道边缘21和车道2的表面成角度地布置，所以径向速度仅是实际车辆速度的速度分量，该速度分量通过点状反射体直接向雷达设备1的方向（沿径向距离的方向）靠近而被检测到。

如下角度在此应被称为对象角度，该角度在雷达设备1的发出雷达辐射11的发射单元的中点处，在雷达锥12的对称轴线13与在点状反射体与雷达设备1发射单元中点间的直接连接线（径向距离的方向）之间张开。对于技术人员而言清楚的是，在此进行了简化，以便不会由于引入角度分辨式接收器单元的轴线（该轴线平行于且可忽略不计地靠近对称轴线13延伸）而不必要地复杂化对本发明的描述。

为了记录可直接推导出的测量参数，在第一方法步骤中将雷达设备1相对于车道2定位成使车辆3可以运动穿过雷达锥12，并且可以检测到出现在车辆3的被施以雷达辐射11并反射雷达辐射11的表面上的反射信号。车辆3的反射表面在此由大量小反射体形成。小反射体是车辆3最小的表面区段，其相对于雷达辐射11的表面延展和表面取向可以产生反射信号。对于探测而言足够强的反射信号出现在车辆3的大量小反射体在空间上彼此靠得很近的表面区段上。小反射体的这种局部聚集在记录可直接推导出的测量参数时被组合在一起并被称为粗糙目标31。车辆3在靠近雷达设备1期间具有数量增加的粗糙目标31，它们有助于形成从车辆3出发的测量信号。粗糙目标31例如经常出现在如下元件上，如车辆3的车牌、外后视镜或门把手。

雷达设备1可以在底部附近，例如在车辆3的轮轴的标准高度，在车道边缘21旁，以平行于车道2的表面取向的对称轴线13定位。竖直角度17由此安置成相对于车道2成0°并且在计算其他可评估的特征时不再需要考虑。在水平间距14上，雷达锥12优选如下这样取向，即，车辆3可以在远离雷达设备1的地点（几乎正面地）直至靠近雷达设备1的地点（几乎侧向地）被检测到。为此，雷达锥12的对称轴线13相对于车道边缘21如下这样取向，即，它以水平角度15与车道2相交。

雷达设备1也可以在跨过车道2的桥22的高度上，直接在车道2上方并以平行于车道边缘21取向的对称轴线13来定位。水平角度15由此安置成相对于车道边缘21成0°并且在计算其他可评估的特征时不再需要考虑。在竖直间距16上，雷达锥12如下这样取向，即，车辆3可以在远离雷达设备1的地点（几乎正面地）直至靠近雷达设备1的地点（几乎从上方）被检测到。为此，雷达锥12的对称轴线13相对于车道2呈如下角度，即，它以竖直角度17出现到车道2的表面上。

在随后的第二方法步骤中，形成雷达锥12的雷达辐射11由雷达设备1发射出去，并且由车辆3通过反射产生的测量信号在多个测量时间点t_n由雷达设备1检测到。

为了建立起按照原理一起检测到的背景噪声与检测到的测量信号的足够的间距以及为了提高信号检测的单值性，针对信号强度来确定阈值，测量信号必须超过该阈值，以便可用于进一步的信号处理。

阈值原则上也可以通过雷达设备1的接收器的由技术决定的不能主动确定的灵敏度极限来预定。

如图2a所示简化到5个测量时间点t_n，在车辆3行驶穿过雷达锥12期间在多个测量时间点t_n检测测量信号。在测量时间点t_n之间的间隔在此可以根据所需的测量分辨率、雷达设备1的技术特性以及附属的信号处理装置来匹配。

在第三方法步骤中，从在测量时间点t_n检测到的测量信号分别推导出针对大量粗糙目标31的径向距离、对象角度以及径向速度（一起被称为测量参数）。径向距离和对象角度是位置参数。它们然后尽可能在考虑到测量参数的最大可能的分散性的情况下，针对在车辆3上可能的粗糙目标31，被存储为配属于车辆3。因为测量值同时包括粗糙目标31的位置参数，所以可以同时实现多个行驶穿过雷达锥12的车辆3的单值配属。该配属可以借助粗糙目标31的可直接推导出的测量参数的类似性来实现。在径向速度、径向距离以及对象角度上很难区分的粗糙目标31，能以很高的概率配属于一个且同一个被检测到的车辆3。如果该配属可以在多个测量时间点t_n上被执行，那么概率呈指数上升，从而使该配属在几个间隔之后就已经具有很高的可靠性。在至少其中几个在多个测量时间点t_n上的测量信号和进而至少所有检测到的粗糙目标31中的部分量可以单值地配属于车辆3之后，为此提供了在车辆3继续穿过雷达锥12的路段上跟踪（Tracking）相应的车辆3并将进一步出现的具有与该部分量相应的特性的粗糙目标31同样配属于该车辆3的前提。

在第四方法步骤中，从配属于车辆3和测量时间点t_n的、推导出的径向距离，在每个测量时间点t_n上以同一计算规则分别形成特定位置参数32，在此是特定径向距离s_r。所述计算规则可以考虑各种不同的计算规则。

例如特定位置参数32在每个测量时间点t_n应该由从车辆3检测到的粗糙目标31的所有径向距离的算数平均值来确定。代替形成平均值的计算规则也可以利用其他计算规则形成特定位置参数32。

借助径向距离s_r形成特定位置参数32在图2a中被说明，并且在说明书中还会详细阐释第五方法步骤。

在形成特定位置参数32之后，车辆3在每个测量时间点t_n由特定位置参数32来表示，并且可以在信号处理期间被简化为该位置参数。针对该特定位置参数32于是就像针对单个粗糙目标31那样，可以测定并存储径向速度、径向距离以及对象角度。针对特定位置参数32所测定的测量参数同样可以用于计算车辆3的其他可评估的特征（行驶方向以及车辆速度）。

为了车辆3分类，评估特定位置参数32对本发明有重要意义。在第五方法步骤中，将所有在车辆3行驶穿过雷达锥12期间在测量时间点t_n形成的特定位置参数32存储为在包括测量时间点t_n在内的测量持续时间上的函数。评估函数的曲线，并在函数的曲线中确定出非连续性区段U。如依据经验可以证明的那样，这个非连续性区段U表征车辆尺寸。

非连续性区段U的产生借助图2b来阐释。如已经描述的那样，针对测量时间点t_n的特定位置参数32根据第一实施例由车辆3的所有在该测量时间点t_n检测到的粗糙目标31的径向距离形成。车辆3在行驶穿过雷达锥12时的行驶方向相对于雷达锥12的对称轴线13占据车辆角度α，根据该车辆角度α，被检测的粗糙目标31不断变化，也就是说，在各测量时间点t_n检测到相同但也可以是不同的粗糙目标31，由此特定位置参数32（具有特定径向距离s_r以及特定对象角度β）可以配属于的地点不是在车辆3上的固定点，而是在车辆3的表面上移动，这通过特定径向距离s_r和特定对象角度β的非连续性的变化来体现。

在图2a和图2b所示的示例中，在较早的测量时间点t₁和t₂主要是车辆正面33的表面被雷达辐射11检测到。与之相应地，粗糙目标31也仅由这些表面（例如车辆牌照、水箱以及车身的凸出于驾驶室的部分）形成，由此在这些测量时间点（t₁和t₂）检测到的径向距离以及因此所测定的特定径向距离s_r仅由车辆正面33的地点来确定。

在测量时间点t₃，车辆3已经处于如下这样的对象角度区域内，即，除了车辆正面33的表面之外雷达辐射11也可以检测到车辆侧面34的表面。在此需要注意的是，在图2a的图示中，随着车辆3的穿过行驶，观察角绕穿过雷达设备1延伸的虚拟的垂直轴线旋转，以便可以更好的看到粗糙目标31的分布。但是实际上，雷达设备1连同由它出发的雷达锥12在整个测量持续时间内处于相对于车道2不变的位置中。通过第一次检测车辆侧面34的粗糙目标31，加入尽管车辆3连续靠近但还会再次变大的径向距离用于形成特定径向距离s_r，由此特定径向距离s_r以很小的量增大。

但是变化是很小的，以致于在函数在时间上的曲线上（参见图2b）该变化几乎是不可见的。因此函数的曲线图以线性下降的直线形式延伸直到测量时间点t₃，该线性下降的直线表示粗糙目标31连续下降的径向距离并进而表示由于车辆3靠近雷达设备1引起的特定径向距离值s_r连续下降的径向距离。

在测量时间点t₃与t₄之间出现特定径向距离值s_r的明显的相反变化。车辆3相对于雷达设备1到达如下对象角度区域中，在该区域中在车辆侧面34上的粗糙目标31比在车辆正面33的上粗糙目标31更强地分散开。因为现在主要是车辆侧面34上的粗糙目标31有助于形成特定径向距离s_r，所以特定径向距离s_r在很短的时间段内连续地从车辆正面33移到车辆3的侧面上。特定径向距离s_r的这种短时间的相反的变化在曲线图的曲线中导致明显可见的、偏离曲线图之前的曲线而上升的非连续性区段U。

在车辆3直到离开雷达锥12所经过的剩余路段（在测量时间点t₄之后）上，不再出现特定径向距离s_r的明显变化。函数的曲线图在非连续性区段U之后，如在测量时间点t₃之前那样，作为几乎线性下降的直线延伸。

非连续性区段U的长度表征车辆3的长度并且可以与之相应地被评估。在长的车辆3（例如载重汽车或巴士）中，与车辆侧面34的后端部相对于车辆正面33具有明显更小的间距的短的车辆3（例如轿车）相比，特定径向距离s_r由于车辆正面33与车辆侧面34的后端部之间较大的间距，得到径向距离的较大的且在较长时间段上进行的变化。

因为特定径向距离s_r的变化是时间的函数，所以评估也依赖于车辆速度。因此在第六方法步骤（未示出）中，将所测定的非连续性区段U的长度对计算出的车辆速度进行标准化。

紧接着，通过将检测到的车辆3的所测定且标准化的非连续性区段U的长度与存储的典型的对速度标准化的区段长度（模型长度）进行比较可以将车辆3分类。

该模型长度可以如下这样得到，即，用相同的方法来检测车辆3，这些车辆的分类是已知的并且它们以标准化的速度行驶穿过同一或相同的雷达锥12。

在理论上，这种培训可以直接在实际执行方法之前在将雷达设备1相对于车道2布置之后进行。车辆3于是行驶穿过同一雷达锥12。在这种情况下，当对径向速度进行标准化，而不是对车辆速度进行标准化时，雷达设备1不必非要精确地以相对于车道2的预定的安装角15、17和间距14、16来布置。

但是实际上优选一次性地培训雷达设备1，然后针对稍后的方法执行将雷达设备1完全像为了培训而安装那样来安装。车辆3于是在一定程度上行驶穿过相同的雷达锥12。

在第二实施例中，代替特定径向距离s_r的变化应该根据图2c利用特定对象角度β的变化，用于评估和分类。在此在函数的曲线图中也示出了非连续性区段U，其依赖于车辆类别具有典型长度。

在该方法的另一实施例中，所做出的分类，如其根据第一或第二实施例中所阐述的那样，应该通过结合另一评估方式来校验或改进。

为此，在跟踪（Tracking）车辆3在其路段上穿过雷达锥12时在预定的测量时间点t_n检测粗糙目标31的统计分布。粗糙目标31的统计分布表示检测到的车辆3的规格的粗略的量度并且提供了车辆类别的指示。

如在图3中示意性所示，为了记录粗糙目标31的统计分布可以针对每个检测到的车辆3使用如下暂时的坐标***，其在跟踪（Tracking）期间与车辆3一起运动。暂时的坐标***与检测到的车辆3的联结，与测量时间点相关地通过针对粗糙目标31在相关的形成坐标***的原点的测量时间点t_n测定的特定径向距离s_r来实现。在确定的位置上（车辆3在行驶穿过雷达锥12时到达这些位置并且这些位置对于每个另外检测到的车辆3是相同的），车辆3的所有可在这些测量时间点t_n检测到的粗糙目标31都被记入并存储在暂时的坐标***中。

最后通过将暂时的坐标***叠加并测定在坐标***中粗糙目标31的统计分散性，将所有从该车辆3检测到并存储的单个分布叠加。该分散性表征不同的车辆类别。在此不仅主要包括车辆长度，而且也包括车辆宽度和车辆高度。通过与已经分类的车辆3的分散性进行比较可以将检测到的车辆3配属于车辆类别。

仅在一个测量时间点t_n检测车辆3的粗糙目标31的分布也可以是足够的。该测量时间点t_n有利地如下这样来选择，即，使在所检测车辆3上的不同的粗糙目标31的最大的空间差别和最表征特征的分布可以被期待。最适合于此的位置是，在这些位置中在车辆侧面34上检测到比在车辆正面33上更多的粗糙目标31，并且在透视角度上来看车辆3处于雷达设备1附近。与图2a相应地，这尤其适用于测量时间点t₄之后的所有测量时间点t_n。如果在这样的测量时间点t_n来评估粗糙目标31的几何分布，那么根据几何分布的分散性并与之前测定且分类的分散性进行比较可以得出关于车辆类别的结论。

在该方法的另一实施例中，该方法根据第一和第二实施例为了校验应该补充其他评估方式用以分类。为此，可以应用由J.X.Fang等人（“A ground vehicle classification approach using unmodulatedcontinous-wave radar”在：IET International Conference on Radar Systems2007，1至4页）已经针对CW雷达所描述的方法，其在此被拓展到应用FSK雷达1。

每个车辆3通常具有不同的特别高地反射雷达辐射11的表面区段。如下从车身凸出的附加部分经常属于此，例如车辆牌照、车侧镜、门把手、保险杠边沿、挡风玻璃框架、具有陡的角梯度的车身区段等。如果在车辆3上仅检测到并评估这些表面区段的反射信号，那么在这些表面区段中的一些上可以证明有表征特征的反射模型，这些反射模型在一种车辆类别的不同车辆3的相同的表面区段上可以再次找到。利用适合的查找方法可以在反射信号中查找这些反射模型并对其布置进行评估。将该反射模型的类型和布置与已经分类的反射模型进行比较于是可以实现所检测车辆3的分类。

附图标记列表

1 雷达设备

11 雷达辐射

12 雷达锥

13 对称轴线

14 水平安装间距

15 水平角度

16 竖直安装间距

17 竖直角度

2 车道

21 车道边缘

22 桥

3 车辆

31 粗糙目标

32 特定位置参数

33 车辆正面

34 车辆侧面

t_n 测量时间点

s_r 特定位置参数的径向距离、特定径向距离

β 特定对象角度、特定位置参数的对象角度

U 非连续性区段

α 车辆角度

Claims

1.一种用于通过跟踪车辆（3）的位置参数来将行驶车辆（3）分类的方法，其中，车辆（3）在行驶穿过由雷达辐射（11）形成的雷达锥（12）时，通过所述车辆（3）的被施以雷达辐射（11）的表面反射所述雷达辐射（11）并且在发射和接收所述雷达辐射（11）的雷达设备（1）中生成测量信号的方式被测量，所述方法具有如下方法步骤：

a）以相对于车道（2）的车道表面的已知的竖直安装角度（17）和已知的竖直安装间距（16）以及相对于所述车道（2）的车道边缘（21）的已知的水平安装角度（15）和水平安装间距（14）来布置雷达设备（1），所述雷达设备在测量持续时间内在多个测量时间点（t_n）接收大量测量信号，其中，每个测量信号能推导出径向速度、作为位置参数（32）的径向距离（s_r）和对象角度（β）；

b）借助所述雷达设备（1）发射出形成雷达锥（12）的雷达辐射（11），并且在多个测量时间点（t_n）检测测量信号；

c）为每个测量时间点（t_n）从所述测量信号中推导出径向速度、对象角度以及径向距离，并且将所述径向速度、对象角度以及径向距离配属于可能引起他们的行驶穿过所述雷达锥（12）的车辆（3）；

d）为每个测量时间点（t_n）以各自相同的计算规则从配属于车辆（3）的径向距离（s_r）和对象角度（β）中形成特定位置参数（32）并计算出车辆速度；

e）将所述特定位置参数（32）存储为在包括所述测量时间点（t_n）在内的测量持续时间上的函数，并且在所述函数的曲线中确定非连续性区段（U），所述非连续性区段通过所述特定位置参数（32）在测量时间上的跳跃式变化来限定边界；

f）借助计算出的车辆速度来测定所述非连续性区段（U）对速度标准化后的长度，并且将所述区段对速度标准化后的长度与所存储的对于不同车辆类别而言典型的这种区段对速度标准化后的长度进行比较，以便由此将车辆（3）分类。

2.根据权利要求1所述的方法，其特征在于，每个测量时间点（t_n）上所述特定位置参数（32）通过计算配属于该测量时间点的径向距离（s_r）的算数平均值来形成，并且，至少其中一个安装角度（15、17）是锐角。

3.根据权利要求1所述的方法，其特征在于，每个测量时间点（t_n）上所述特定位置参数（32）通过计算配属于该测量时间点（t_n）的对象角度（β）的算数平均值来形成，并且，所述水平安装角度（15）是锐角，而所述竖直安装角度（17）<5°。

4.根据权利要求1所述的方法，其特征在于，从配属的测量信号中与测量时间点相关地计算出至少一个与车辆相关的坐标***，所述坐标***的位置和取向在每个测量时间点（t_n）都通过坐标原点的通过所述特定位置参数（32）和暂时行驶方向来确定的暂时地点来确定；将每个测量时间点（t_n）推导出的、在该测量时间点（t_n）分别表示车辆（3）上粗糙目标（31）的地点坐标的径向距离（s_r）和对象角度（β）分别换算到所述与车辆相关的坐标***中，并且将所述粗糙目标（31）的位置的统计分布与所存储的对于不同车辆类别而言典型的分布进行比较，以便由此校验对车辆（3）所做的分类。

5.根据权利要求4所述的方法，其特征在于，将所述粗糙目标（31）在各测量时间点（t_n）的位置的统计分布通过叠加所述坐标***的方式汇总。