CN110554376A

CN110554376A - 用于运载工具的雷达测程法

Info

Publication number: CN110554376A
Application number: CN201910449670.4A
Authority: CN
Inventors: 吴镇炯; 莫森·莱克哈尔-阿亚特
Original assignee: Ford Global Technologies LLC
Current assignee: Ford Global Technologies LLC
Priority date: 2018-05-30
Filing date: 2019-05-28
Publication date: 2019-12-10
Also published as: DE102019114511A1; US20190369222A1; US10634777B2

Abstract

本公开提供了“用于运载工具的雷达测程法”。描述了与使用安置在运载工具上的一个或多个雷达的运载工具测程法相关的技术和示例。一种用于雷达测程的方法可涉及由处理器从雷达接收位于运载工具所穿过的环境中的静止对象和移动对象的测量数据。所述方法还可涉及由所述处理器执行随机抽样一致性(RANSAC)计算，以选择所述静止对象的所述测量数据并忽略所述移动对象的所述测量数据。所述方法还可涉及由所述处理器基于所述静止对象的所述测量数据计算所述运载工具的一个或多个动态变量。所提出的方法利用单次RANSAC计算和一个最小二乘问题求解对所述静止对象的所述测量数据进行处理，从而大大降低计算成本和时间并缩短操作延迟以提供所述运载工具测程法。

Description

用于运载工具的雷达测程法

技术领域

本公开总体上涉及汽车，并且更具体地，涉及使用移动运载工具周围的静止对象的实时无线电检测和测距(“RADAR”或“radar”(雷达))测量对移动运载工具进行测程的方法和设备。

背景技术

测程法使用通常由运载工具中配备的各种传感器获取或以其他方式感测的数据来估计运载工具随着时间推移特别是当运载工具移动时的位置变化。具体地，估计运载工具的位置变化需要运载工具的一些动态变量，诸如运载工具的线速度和角速度。估计值越接近运载工具的实际位置，测程法就越准确。准确的测程法在表征运载工具的各种动态特性方面起着重要作用，这些特性包括用于控制或以其他方式导航运载工具的关键数据，特别是当运载工具是无人驾驶或自主操作时。例如，对于诸如汽车、移动机器人或空中无人机等运载工具，准确的测程法可以提供关于运载工具相对于其周围二维(2D)或三维(3D)环境的位置、取向、线速度和角速度的精确信息。动态信息在诸如运载工具的稳定性控制和准确导航等应用中至关重要。

传统上，对于汽车来说，可以使用车轮测程法来估算线速度，并通过车辆内嵌的惯性测量单元(IMU)来测量角速度，从而实现测程法。然而，由于诸如轮胎尺寸不确定性(例如，用户改装轮胎或胎压不足)和车轮编码器分辨率低等因素，车轮测程法的准确度有限。IMU还存在测量误差，特别是在低速操纵中。移动机器人和无人机通常与IMU一起使用视觉测程法(通过运载工具上配备的摄像头)。然而，视觉测程法往往存在积分漂移问题；也就是说，线速度和/或角速度的测量误差可能随着时间的推移而积分或以其他方式累积，从而导致计算出的导航位置和/或高度出现随机无边界漂移。

最近，随着越来越多的车辆配备有可包括GPS或激光雷达的先进驾驶辅助***(ADAS)传感器，已开发出基于全球定位***(GPS)以及光检测和测距(“LIDAR”或“lidar”(激光雷达))技术的测程法。然而，GPS可能无法在卫星接收受到限制的地方起作用(例如，在隧道中)，而激光雷达不能在所有天气条件下工作。

此外，许多现有的测程方法仅限于提供2D动态变量(即，在2D平面上的运载工具的线速度和角速度)，而不能提供在3D空间中的运载工具的动态变量。2D变量不足以控制和导航在3D空间中穿过的运载工具(如无人机)，这需要3D测程能力。

发明内容

本公开的目的是使用配备在运载工具中或运载工具上的一个或多个雷达装置或雷达收集的测量数据对运载工具的动态变量提供准确的估计或计算。特别是，因与其他类型的汽车雷达相比更高的测量准确度而使用多普勒雷达。一种根据本公开的方法涉及处理器从安置在运载工具上或运载工具中的一个或多个雷达接收位于运载工具所穿过的环境中的静止对象和移动对象的测量数据。该方法还涉及处理器执行随机抽样一致性(RANSAC)计算，以识别静止对象的测量数据。该方法还涉及处理器基于静止对象的测量数据计算运载工具的一个或多个动态变量。

附图说明

参照以下附图描述本公开的非限制性和非穷尽性实施例，其中除非另外说明，否则在所有各种附图中，相似的附图标记指代相似的部分。

图1是描绘穿过2D和3D环境的运载工具的示例动态变量的图解。

图2是示出根据本公开的雷达测程法的示例目标检测的图解。

图3是示出根据本公开的随机抽样一致性算法的结果的图解。

图4是描绘根据本公开的实施例的示例过程的流程图。

图5是描绘根据本公开的实施例的另一示例过程的流程图。

图6示出了根据本公开的实施例的带有和不带有静止度标签的雷达目标图。

图7是描绘根据本公开的实施例的示例设备的框图。

具体实施方式

在以下描述中，参考了附图，这些附图构成以下描述的一部分，并且在这些附图中，通过说明的方式示出了可以实践本公开的具体示例性实施例。足够详细地描述这些实施例以使本领域技术人员能够实践本文所公开的概念，并且应理解，在不脱离本公开的范围的情况下，可以对各种公开的实施例进行修改并且可以利用其他实施例。因此，以下详细描述不应被视为具有限制意义。

如上所述，准确的测程法对主要在2D平面上(如汽车)或3D空间中(如空中无人机)运行的运载工具至关重要。也就是说，为了控制、调整、校准、导航或以其他方式操纵运载工具，可能需要通过测程方法准确地确定运载工具的动态变量，诸如图1所示的线速度和角速度。图1示出第一运载工具10(例如，汽车)以及与运载工具10相关联的三个动态变量。图1还示出第二运载工具50(例如，空中无人机)以及与运载工具50相关联的六个动态变量。具体地，***作以主要在2D平面120上移动的运载工具10可由以下三个动态变量来表征：纵向速度11、横向速度12和横摆率13。纵向速度11表示运载工具10在2D平面120上相对于运载工具10沿纵向方向的线速度分量，该纵向方向通常朝向运载工具10的前方且可互换地称为“x轴”或“x方向”。横向速度12表示运载工具10在2D平面120上沿运载工具10的横向方向的线速度分量，该横向方向与纵向方向正交且可互换地称为“y轴”或“y方向”。横摆率13表示运载工具10绕垂直于2D平面120的轴(通常称为“z轴”或“z方向”)的角速度。

类似地，***作以主要在3D空间130中移动的运载工具50可由以下有六个动态变量来表征：纵向速度51、横向速度52、垂直速度53、滚转率54、俯仰率55和偏航率56。纵向速度51、横向速度52和偏航率56以与在2D平面120上相对于运载工具10来定义纵向速度11、横向速度12和横摆率13类似的方式在3D空间130中相对于运载工具50来定义。也就是说，纵向速度51表示运载工具50在3D空间130中相对于运载工具50沿纵向方向的线速度分量，该纵向方向可互换地称为“x轴”或“x方向”。横向速度52表示运载工具50在3D空间130中沿运载工具50的横向方向的线速度分量，该横向方向与纵向方向正交且可互换地称为“y轴”或“y方向”。垂直速度53表示运载工具50在3D空间130中沿运载工具50的垂直方向的线速度分量，该垂直方向在3D空间130中与纵向方向和横向方向正交且可互换地称为“z轴”或“z方向”。滚转率54、俯仰率55和偏航率56各自相应地表示运载工具50在3D空间130中围绕x轴、y轴和z轴的角速度。

本公开提供了用于实现雷达测程法的方法和设备。也就是说，本公开提供了使用由配备在运载工具中或运载工具上的一个或多个雷达装置或雷达收集的测量数据对运载工具的动态变量(诸如图1所示的那些)提供准确估计或计算的方法和设备。优选地，因与其他类型的汽车雷达相比更高的测量准确度而使用多普勒雷达。虽然根据本公开的雷达测程法在下面主要以穿过2D平面120的运载工具10为实施例进行说明，但作为另一实施例，相同的雷达测程方法也适用于穿过3D空间130的运载工具50。

图2示出了当运载工具10穿过2D平面120时，运载工具10的俯视图以及安置在运载工具10前端附近的雷达40。雷达40用于当运载工具10在平面120上穿过时检测一个或多个静止对象(即，相对于2D平面120静止)，如图2中的目标60。雷达40可以具有瞄准方向44，它通常定义雷达40的最大天线增益轴。也就是说，雷达40在检测运载工具10的周围环境时，可沿着瞄准方向44发射其大部分辐射电磁功率。如上文所述和图2中所示，可以限定x方向以与运载工具10的正向对齐，即，默认情况下，运载工具10所朝向的方向。雷达40的一些安装参数可用于确定雷达40相对于运载工具10的位置和取向。安装参数可以包括从运载工具10的参考点(例如，运载工具10的质心或任意点)到雷达40的参考点(例如，雷达40的质心、传感器坐标系原点或任意点)的2D位置矢量，在图2中表示为运载工具10的参考点在图2中表示为C。此外，安装参数可以包括雷达安装角，在图2中表示为φ，其定义为运载工具10的x方向与雷达40的瞄准方向44之间的角度。雷达40的安装参数在雷达40安装或以其他方式安置在运载工具10上后即具有已知且固定的值。

如图1所示，雷达测程法可以提供运载工具10的动态变量的估计值，包括纵向速度11、横向速度12和横摆率13。运载工具10的横摆率13在图2中表示为将纵向速度11表示为且将横向速度12表示为当运载工具10穿过2D平面120时，运载工具10在参考点C处的速度可表示为：

其中表示运载工具10的x轴单位矢量，而表示运载工具10的y轴单位矢量。

目标60的速度可用2D矢量表示，该矢量满足以下关系：

其中表示从雷达40到目标60的2D位置矢量，如图2所示，且因此表示由雷达40测得的目标60的多普勒速度。

方程(2)右侧的第二项可写为：

其中和分别是的x坐标和y坐标，并注意且

参考图2并注意且方程(2)右侧的第三项可写为：

其中r表示由雷达40测得的目标60的径向距离，表示由雷达40测得的目标60的径向速度，并且θ(也如图2所示)表示由雷达40测得的目标60的方位角。

利用方程(1)、(3)和(4)，方程(2)可写为：

假设目标60是静止对象，它规定且因此可以导出以下方程：

值得注意的是，方程(8)是一阶线性方程，其中运载工具10的线速度和角速度作为变量：(即纵向速度11)、(即横向速度12)和(即横摆率13)。方程(8)的系数包括雷达40对目标60的雷达测量值(即，和θ)，以及雷达40的安装参数(即，其中和φ)。对于雷达40检测到的每个静止对象，可以写出相关联的方程(8)。因此，当雷达40检测到多个静止对象时，可以生成一组方程(8)，每个方程与其中一个静止对象相关联。该组方程(8)(每个方程是运载工具10的线速度和角速度的一阶线性方程)因此可以形成数学意义上的最小二乘问题。然后可以对该最小二乘问题求解，以得到运载工具10的线速度和角速度，从而实现运载工具10的测程法。

当应用于多个静止对象时，上述雷达测程法也可受益于固有噪声的抵消。也就是说，当雷达40测量多个静止对象如目标60时，由于在对该最小二乘问题求解的过程中，由雷达40中和周围环境中的噪声引入的测量误差将被相互抵消或以其他方式得到补偿，因此运载工具10的所得动态变量固有地可能更准确，从而导致以更高的准确度估计运载工具10的线速度和角速度。

除了使用安置在运载工具10上的一个雷达检测多个静止对象外，上文公开的雷达测程方法还可适用于运载工具10使用多个雷达装置来检测多个静止对象的情况。例如，运载工具10可以配备有N个雷达，并且运载工具10的周围环境中可以存在K个静止对象，以被N个雷达中的每一个检测。分别令和是第n个雷达检测到的第k个对象的径向速度和方位角。因此，对于由第n个雷达检测到的第k个对象，方程(8)可写为：

其中n＝1，...，N并且k＝1，...，K。注意，方程(9)包括N个雷达的安装参数；也就是说，和分别是第n个雷达相对于运载工具10的参考点C的x和y坐标，而φⁿ是第n个雷达相对于x方向的雷达安装角。如上所述，所有雷达安装参数都是最小二乘问题中的已知值。方程(9)表示检测K个静止对象的N个雷达的最小二乘问题。以矩阵形式书写，方程(9)可变为：

方程(10)可通过定义以下矩阵而简化表示或以替代形式重新书写：

注意，矩阵X、Y、Z和W中的每一个都包括N·K×1矩阵，即具有N·K行和1列的矩阵。还应注意，矩阵X、Y、Z和W的每个元素都包括雷达的安装参数和/或由运载工具10的雷达测得的静止对象的测量参数。根据方程(11)–(14)中定义的矩阵X、Y、Z和W，方程(10)可重写为：

因此，运载工具10的线速度和角速度即(即纵向速度11)、(即横向速度12)和(即横摆率13)可通过对由方程(15)表示的最小二乘问题求解而基本上同时获得。

在一些实施例中，方程(9)中的角速度(即横摆率13)可视为已知变量。例如，运载工具10可以依靠运载工具10中配备的陀螺仪或其他IMU来确定横摆率13。在这种情况下，方程(9)表示的最小二乘问题可以如下以矩阵形式书写：

其中矩阵Z′(也是N·K×1矩阵)定义为：

与矩阵X、Y、Z和W类似，矩阵Z′的每个元素也包括雷达的安装参数和/或由运载工具10的雷达测得的静止对象的测量参数。因此，由于横摆率13被视为已知的参数，运载工具10的线速度即(即纵向速度11)和(即横向速度12)可通过对由方程(17)表示的最小二乘问题求解来获得。

值得注意的是，上述方程是基于N个雷达检测到的K个对象中的每一个都是静止对象的假设而导出的。也就是说，K个对象中的每一个均在2D平面120上或3D空间130中具有零速度，因此矩阵X、Y、Z、Z′和W中的每一个都具有N·K个元素的大小，其中每个元素对应于由N个雷达中的相应一个检测到的K个对象中的相应一个。然而，这种假设在实际环境中是无效的。实际环境可能既包括静止对象(即，在环境中静止的对象)又包括移动对象(即，正在环境中移动的对象)。例如，除了静止的K个对象外，实际的环境还可能包括正在移动的P个对象。安置在运载工具10或运载工具50中或上的雷达将检测运载工具10或运载工具50的周围环境中的(K+P)个对象，无论是静止的还是移动的。也就是说，由N个雷达获得的测量数据(例如，检测到的对象的径向距离、径向速度和方位角)可包括来自K个静止对象(所需的)和P个移动对象(不需要的)两者的数据。虽然来自静止对象的测量数据可用于构造正确的最小二乘问题(例如，如方程9、10或15所示)，该问题可求解以获得运载工具10或运载工具50的动态变量，但来自移动对象的测量数据是不需要的，因为它会干扰或以其他方式扭曲最小二乘问题，这在对最小二乘问题求解时，会导致运载工具10或运载工具50的动态变量的估计不准确。因此，需要一种筛选方法来区分静止对象的测量数据与移动对象的测量数据。

为了消除大部分(即便不是全部)来自移动对象的不想要的测量数据，可以使用数据过滤算法或选择过程。为此，可以使用一种或多种不同的数据处理技术，并且这些技术可以使用软件方法、硬件方法或两者的组合来实现。在下面的一个实施例中，使用随机抽样一致性(RANSAC)算法作为示例，但无意限制本公开的范围。RANSAC是一种迭代方法，它能够从包含外点的一组观测数据中估计数学模型的参数。也就是说，在由N个雷达检测到的(K+P)个对象的测量数据之中，如果静止对象的检测次数占主导地位，则移动对象的检测将表现为外点。

如果将由N个雷达检测到的(K+P)个对象的测量数据绘制在数学坐标空间中，则可以直观地识别外点。以由方程(17)表示的最小二乘问题为例。对于N个雷达中的一个对(K+P)个对象中的一个的每次检测，可在3D数学空间中绘制相应的代表点，其中该代表点的三个坐标分别具有矩阵X、Y和Z′的对应元素的值。具体地，对于由N个雷达中的第n个雷达检测或以其他方式测量的(K+P)个对象中的第k个对象，可以在数学空间中绘制代表点来表示该测量，其中该代表点的每个坐标都是矩阵X、Y和Z′的对应元素，即和

图3示出了示例数学空间300以及在数学空间300内的一些代表点，这些代表点表示运载工具10的雷达检测到的一些静止对象和移动对象的测量数据，或者以其他方式从该测量数据导出。如图3所示，检测静止对象的测量数据的代表点主要位于2D平面320(称为“最适平面”)上或在平面320附近的预定接近度内，因为这些代表点的坐标满足方程(9)或等同地满足方程(17)。这些位于最适平面320上或附近的代表点被称为“内点”，并被RANSAC算法视为表示来自运载工具10周围环境中的静止对象的测量数据。内点用于构造或以其他方式形成由方程(17)表示的最小二乘问题，并且在最小二乘问题中运载工具10的动态变量(即线速度和)可通过对方程(17)求解相应地获得。

另一方面，图3中远离最适平面320的其他代表点称为“外点”。外点被RANSAC算法视为表示来自运载工具10周围环境中的移动对象的测量数据。外点不位于平面320上或附近，因为它们表示来自移动对象的测量数据，且因此这些外点的坐标不满足方程(9)或方程(17)。与内点形成对照，外点被排除在用于构造或以其他方式形成由方程(17)表示的最小二乘问题之外。

简而言之，RANSAC算法旨在找到适合图3中的大多数代表点的最适平面320。一旦找到最适平面320，就仅使用与平面320相关联的内点来构造雷达测程法旨在确定的运载工具的线速度和/或角速度的最小二乘问题。然后，对该最小二乘问题求解，以确定线速度和/或角速度。

上文针对图1的运载工具10所述的RANSAC迭代过程可以使用图4中所示的过程400来实现。过程400可包括一个或多个操作、动作或功能，如图4中的410、420、430、440、450、460、470、480和490等框所示。尽管示出为分立的框，但是依据期望的实现方式，可以将过程400的各种框划分为附加的框、组合成更少的框或者取消。过程400可从框410开始。

在410处，过程400可涉及处理器(例如，计算机或专用集成电路)设置具有正值的RANSAC阈值ζ以及作为正整数的最大RANSAC迭代次数M。过程400可以从410继续到420。

在420处，过程400可涉及处理器基于雷达测量数据计算3D数学空间中代表点的坐标，其中每个代表点对应于由N个雷达中的一个对K个对象中的一个的检测。如上所述，代表点的每个坐标可以包括矩阵X、Y和Z′的对应元素，如方程(11)、(12)和(18)中所定义，即和过程400可以从420继续到430。

在430处，过程400可涉及处理器随机选择***点并找到涵盖这三个随机选择的代表点的2D平面。过程400可以从430继续到440。

在440处，过程400可涉及处理器计算每个代表点与在框430处发现的2D平面之间的距离。该距离的计算可以通过一系列矢量运算来执行。例如，令框430处的三个随机选择的代表点分别为和包含和的2D平面的法向矢量可由下式给出：

2D平面与3D数学空间中的代表点之间的距离可以通过以下方式求得：首先在该代表点与2D平面之间找到矢量，然后计算该矢量与之间的点积。具体地，令为3D数学空间中的第n个代表点。与包含和的2D平面之间的距离d_n由下式给出：

过程400可以从440继续到450。

在450处，过程400可涉及处理器对与2D平面的距离小于ζ的代表点的数量进行计算或计数。靠近2D平面在ζ以内的代表点越多，将外点与内点分开的2D平面就越适合。也就是说，最适2D平面能够最准确地区分外点和内点。因此，由通过RANSAC迭代过程400找到的最适2D平面确定的测量数据的内点将形成最小二乘问题，其由来自外点的测量数据(即，来自移动对象的测量数据)引起的扭曲或干扰最小。过程400可以从450继续到460。

在460处，过程400可涉及处理器确定在框450处获得的计数是否大于在RANSAC迭代中获得的先前最高计数。如果在框450处获得的计数不大于先前最高计数，则过程400可以从460继续到480，而无需在框470处更新最适2D平面。如果在框450处获得的计数大于先前最高计数，则过程400可以从460继续到470。

在470处，过程400可涉及处理器将最适2D平面更新为在框430处的本轮迭代中发现的2D平面。过程400可以从470继续到480。

在480处，过程400可涉及处理器检查是否达到在框410处设置的最大迭代次数M。如果没有达到最大迭代次数，则过程400可以从480继续到430以进行另一轮迭代。如果达到最大迭代次数，则过程400可以从480继续到490。

在490处，过程400可涉及处理器基于迭代中找到的最适2D平面在代表点之中分离内点和外点。然后，可以使用内点来构造最小二乘问题，诸如由方程(17)表示的最小二乘问题。

尽管上文详细描述的雷达测程方法(包括方程(1)–(21)和过程400)是使用穿过2D平面的运载工具(例如，如图1所示，穿过2D平面120的运载工具10)来说明的，但同样的方法也可适用于实现穿过3D空间的运载工具(例如，如图1所示，穿过3D空间的运载工具50)的雷达测程法。也就是说，对于穿过3D空间的运载工具，雷达测程方法可同样涉及使用穿过3D空间的运载工具的多个雷达检测3D空间内的多个静止对象和移动对象以获得测量数据，基于测量数据执行RANSAC计算以识别来自静止对象的测量数据，以及使用来自静止对象的测量数据形成运载工具的动态变量的最小二乘问题。对于3D空间中的目标，除了就2D平面上的目标而言的径向距离、径向速度和方位角外，测量数据还可以包括仰角(即，地面与从运载工具50的雷达向目标延伸的位置矢量之间的角度)。也就是说，对于雷达测程法的3D实施例，可以导出与上文针对雷达测程法的2D实施例的方程(1)–(21)类似的方程，并且可以采用与图4的过程400类似的RANSAC过程，从而准确估计穿过3D空间的运载工具的线速度和角速度，诸如如图1所示的运载工具50的纵向速度51、横向速度52、垂直速度53、滚转率54、俯仰率55和偏航率56。值得注意的是，对于3D实施例，鉴于要求解多达六个动态变量，每个代表点可以是七维超空间中的点，并因此具有多达六个坐标分量。要在RANSAC迭代中找到的最适平面将是接近大多数代表点的六维超平面。

图5示出了根据本公开的实施例描绘雷达测程法的示例过程500的流程图。过程500可包括一个或多个操作、动作或功能，如图5中的510、520、530、540、550和560等框所示。尽管示出为分立的框，但是依据期望的实现方式，可以将过程500的各种框划分为附加的框、组合成更少的框或者取消。过程500既可适用于图1中穿过其2D平面120的运载工具10又可适用于图1中穿过其3D空间130的运载工具50。过程500可从框510开始。

在510处，过程500可涉及处理器(例如，计算机或专用集成电路)在运载工具穿过周围环境时接收由安置在运载工具中或运载工具上的一个或多个雷达检测或测量的固定对象和/或移动对象的测量数据。如上所述，测量数据可包括静止对象或移动对象(例如图2的目标60)的径向距离、径向速度、方位角、仰角或者其两个或更多个的组合。过程500可以从510继续到520。

在520处，过程500可涉及处理器使用在510处接收到的测量数据执行RANSAC计算(例如，图4中的过程400)。RANSAC计算的结果可用于识别在510处接收到的测量数据中哪些来自静止对象，以及在510处接收到的测量数据中哪些来自移动对象。例如，如图3所示，与图3的“内点”(即，位于平面320上或附近的代表点)相关联的测量数据可被识别为来自静止对象的测量数据。另一方面，与图3的“外点”(即，远离平面320的代表点)相关联的测量数据可被识别为来自移动对象的测量数据。过程500可以从520继续到530。

在530处，过程500可涉及处理器使用在520处识别的来自静止对象的测量数据形成一个或多个动态变量(例如，图1中所示的线速度11、12、51、52和53以及角速度13、54、55和56)的最小二乘问题。如上文所述，最小二乘问题可包括一个或多个动态变量的一组一阶线性方程(如上所示的方程(15)或(17))。每个一阶线性方程具有与雷达检测到的静止对象的测量数据相关联或有关的系数，以及雷达的安装参数(如图2所示的安装角φ和位置矢量)。例如，上面导出的矩阵X、Y、Z、Z’和W的每个元素都是最小二乘问题的一阶线性方程的系数。过程500可以从530继续到540。

在540处，过程500可涉及处理器对在530处形成的最小二乘问题求解，并获得表征运载工具如何穿过运载工具周围环境的运载工具动态变量。例如，图1中运载工具10的纵向速度11、横向速度12和横摆率13可通过使用方程(19)对方程(17)中表示的最小二乘问题求解而基本上同时获得。

在一些实施例中，在540处，过程500还可涉及处理器基于所得的动态变量计算一个或多个次要变量。例如，处理器可以对最小二乘问题求解，并获得运载工具的纵向速度和横向速度，且进一步地直接从纵向速度与横向速度之间的比率计算运载工具的侧滑角(作为次要变量)。侧滑角定义为运载工具实际行驶方向与运载工具预期航向之间的角度。侧滑角在运载工具动力学的许多领域中起着重要作用，包括运载工具的稳定性控制。然而，现有的测程方法难以估计侧滑角，特别是由于对运载工具的横向速度的估计不准确。相比之下，根据本公开的雷达测程法能够以实时方式直接从纵向速度和横向速度计算侧滑角，从而以高准确度估计侧滑角。

在一些实施例中，过程500可在540处结束。在一些实施例中，过程500可从540继续以执行进一步的估计、计算、应用或数据后处理。例如，过程500可从540继续到550以操纵运载工具，或从540继续到560以识别和跟踪移动对象，如下所述。应注意，550和560是处理器可以在步骤540后执行的另外步骤的示例，而无意进行限制。

在550处，过程500可涉及处理器基于在540处获得的动态变量和/或其他次要变量操纵运载工具，特别是当运载工具是自主运载工具时。也就是说，处理器可以基于在540处获得的线速度、角速度和/或侧滑角来控制、调整、校准或导航运载工具，有时通过运载工具中配备的自主驾驶控制器。

在560处，过程500可涉及处理器基于在540处获得的动态变量和/或其他次要变量识别移动对象中的一个或多个。过程500还可以涉及处理器在运载工具穿过周围环境时跟踪一个或多个移动对象。在一些实施例中，处理器可以通过在移动对象中的一个或多个周围设置虚拟框(称为边界框)来识别和/或跟踪一个或多个移动对象。边界框可以设置在移动对象集群(即在空间中接近的多个移动对象)周围，特别是当它们以基本相同的速度移动时。在移动对象集群周围的边界框可被处理器视为周围环境中的移动运载工具。

图6可用于进一步示出上述边界框的概念。如图6所示，配备有一个或多个雷达的运载工具(图6中称为“主机运载工具”)由图表61、62和63中的每一个的中心处的纯色框表示，该框在具有坐标(0,0)的位置周围。图6的图表61示出了雷达目标图(其中主机运载工具位于该图的(0,0)处)以及由主机运载工具的雷达检测到的多个静止对象或移动对象。注意，环境中的物理实体，诸如公共汽车、卡车、广告牌或建筑物，可能会在图表61中产生多于一个对象标记。例如，当卡车由主机运载工具驱动时，卡车不同位置的各个卡车部分可各自被主机运载工具的雷达检测到，从而在图表61的雷达目标图上产生相应的对象标记。

由于已在过程500的框530中形成最小二乘问题，以及随后在过程500的框540中针对主机运载工具的动态变量求解，过程500的处理器能够确定对象的静止度，即识别雷达检测到的对象是移动的还是静止的。具体地，方程(8)可用于确定图1中的运载工具10正在穿过的环境中的对象的静止度。令和分别为运载工具10的第n个雷达检测到的对象的径向速度测量值和方位角测量值。根据在过程500的框540中获得的纵向速度横向速度和横摆率/偏航率当且仅当满足以下条件时，认为对象是静止的：

其中是第n个雷达中的径向速度测量值的相加噪声。注意，(22)的左侧仅取决于和它们在雷达运行的每个周期都可用。同时也要注意，条件(22)的上限是(通常是较小的数字)，因为多普勒雷达是各种类型的汽车雷达中最准确的测量方式。

一旦处理器使用条件(22)确定图表61中每个对象的静止度，处理器便可以使用静止度信息更新图表61，以产生图6的图表62，其中静止对象与移动对象以不同的方式标记。处理器还可以继续在移动对象集群周围放置或以其他方式设置边界框，特别是当移动对象集群以类似速度沿相同方向移动时。如图6的图表63所示，边界框631、632、633、634、635和636被设置在其中的几个移动对象集群周围或以其他方式分配给这些集群。每个边界框可以表示移动的物理实体，诸如由主机运载工具驱动的卡车。

值得注意的是，处理器可能够在相对短的时间段内(例如几毫秒到几百毫秒)执行或以其他方式实施过程500的步骤510–560，使得过程500可以提供应用意义上的实时或伪实时雷达测程。

图7示出了可对运载工具实施(诸如图1中的运载工具10和运载工具50)的雷达测程设备700(下文称为“设备700”)的示例框图。如图7所示，设备700可包括一个或多个雷达装置，诸如雷达740(1)、740(2)…和740(N)。设备700还可以包括处理器710和处理器710可访问的存储器720。处理器710可以与雷达740(1)–740(N)以及与存储器720通信耦合。存储器720可以存储一组或多组安装参数，并且每组安装参数都与雷达中的相应一个相关联。对于每个雷达，相关联的一组安装参数可以包括雷达的安装角，以及雷达相对于运载工具参考点的位置，该位置通常由从运载工具参考点向雷达延伸的位置矢量表示。

在一些实施例中，处理器710可包括能够执行如在图5的过程500的框520中实施的RANSAC计算的RANSAC电路712。也就是说，RANSAC电路712可能能够执行如图4的过程400所述的RANSAC计算，并找到最适平面(例如，图3中的平面320)，该平面可用于分离或以其他方式区分表示来自静止对象的测量数据的内点与表示来自移动对象的测量数据的外点，如图3所示。

在一些实施例中，处理器710还可以包括最小二乘电路714，该最小二乘电路可用于在每个雷达周期内获得运载工具的瞬时线速度(例如，图1中的11、12、51、52和53)和/或角速度(例如，图1中的13、54、55和56)。具体地，最小二乘电路714可能够基于来自静止对象的测量数据形成线速度和/或角速度的最小二乘问题，诸如由方程(9)、(15)或(17)表示的最小二乘问题。此外，最小二乘电路714还可能够对最小二乘问题求解，以获得运载工具的线速度和/或角速度值。在一些实施例中，处理器710还可能够基于由最小二乘电路714获得的线速度和/或角速度值计算一个或多个次要变量，诸如侧滑角。

在一些实施例中，处理器710还可以包括对象跟踪电路716，该对象跟踪电路能够通过设置边界框(诸如图6的图表63所示的边界框)来跟踪雷达目标图上的一个或多个移动对象，该边界框围绕可在基本上相同的速度下沿基本上相同的方向移动的移动对象集群。

在一些实施例中，设备700还可以包括自主驾驶控制器730，特别是当设备700在自主运载工具中实施时。通过自主驾驶控制器730，处理器710可能够基于由最小二乘电路714获得的一个或多个线速度或角速度以及由处理器710从一个或多个线速度或角速度导出的次要变量(诸如侧滑角)来操纵自主运载工具。

显而易见的是，尽管相对于一个或多个雷达装置进行了描述，但是上述所有方面同样可适用于能够测量多普勒频率的任何类型的传感器，诸如激光雷达装置或超声传感器。

在以上公开中，参考了附图，这些附图构成以上公开的一部分，并且在这些附图中，通过说明的方式示出了可实践本公开的具体实现方式。应理解，在不脱离本公开的范围的情况下，可利用其他实现方式并且可做出结构改变。在说明书中对于“一个实施例”、“实施例”、“示例实施例”等的提及指示所述实施例可以包括特定特征、结构或特性，但是可能未必每一个实施例都包括所述特定特征、结构或特性。此外，此类短语不一定是指同一实施例。此外，当结合一个实施例来描述特定特征、结构或特性时，应认为，无论是否明确描述，结合其他实施例来影响这种特征、结构或特性是在本领域技术人员的知识范围内。

本文公开的***、设备和方法的实现方式可包括或利用包括计算机硬件(例如，如本文所讨论的一个或多个处理器和***存储器)的专用或通用计算机。本公开的范围内的实现方式还可以包括用于携带或存储计算机可执行指令和/或数据结构的物理介质和其他计算机可读介质。这种计算机可读介质可以是可由通用或专用计算机***访问的任何可用介质。存储计算机可执行指令的计算机可读介质是计算机存储介质(装置)。携带计算机可执行指令的计算机可读介质是传输介质。因此，作为示例而非限制，本公开的实现方式可包括至少两种截然不同的计算机可读介质：计算机存储介质(装置)和传输介质。

计算机存储介质(装置)包括RAM、ROM、EEPROM、CD-ROM、固态驱动器(“SSD”)(例如，基于RAM)、快闪存储器、相变存储器(“PCM”)、其他类型的存储器、其他光盘存储装置、磁盘存储装置或其他磁存储装置、或可用于存储呈计算机可执行指令或数据结构形式的所需程序代码手段并且可由通用或专用计算机访问的任何其他介质。

本文公开的装置、***和方法的实现方式可通过计算机网络进行通信。“网络”被定义为使得能够在计算机***和/或模块和/或其他电子装置之间传输电子数据的一个或多个数据链路。当通过网络或另一种通信连接(硬接线、无线或者硬接线或无线的任何组合)向计算机传递或提供信息时，计算机适当地将该连接视为传输介质。传输介质可包括网络和/或数据链路，其可用于携带呈计算机可执行指令或数据结构形式的所需程序代码手段并且可由通用或专用计算机访问。上述组合也应包括在计算机可读介质的范围内。

计算机可执行指令包括例如在处理器中执行时使通用计算机、专用计算机或专用处理装置执行某项功能或一组功能的指令和数据。计算机可执行指令可以是例如二进制代码、中间格式指令(诸如汇编语言)或者甚至源代码。虽然已经用特定于结构特征和/或方法动作的语言描述了本主题，但是应理解，在所附权利要求中限定的主题不一定限于上述特征或动作。相反，所述特征和动作作为实现权利要求的示例形式而公开。

本领域技术人员应理解，本公开可在具有许多类型的计算机***配置的网络计算环境中实践，这些计算机***配置包括内置式运载工具计算机、个人计算机、台式计算机、膝上型计算机、消息处理器、手持装置、多处理器***、基于微处理器的或可编程的消费型电子产品、网络PC、小型计算机、大型计算机、移动电话、PDA、平板计算机、寻呼机、路由器、交换机、各种存储装置等。本公开还可以在分布式***环境中实践，其中通过网络链接(通过硬接线数据链路、无线数据链路或通过硬接线与无线数据链路的任何组合)的本地和远程计算机***两者都执行任务。在分布式***环境中，程序模块可位于本地和远程存储器存储装置这两者中。

此外，在适当的情况下，本文所述的功能可在以下一者或多者中执行：硬件、软件、固件、数字部件或模拟部件。例如，可对一个或多个专用集成电路(ASIC)编程以执行本文描述的***和过程中的一个或多个。某些术语在整个说明书和权利要求中用于指代特定的***部件。本领域技术人员应理解，可通过不同的名称来提及部件。本文件并不意图对名称不同但功能相同的部件进行区分。

应注意，以上讨论的传感器实施例可以包括计算机硬件、软件、固件或其任何组合以执行它们的功能的至少一部分。例如，传感器可包括被配置成在一个或多个处理器中执行的计算机代码，并且可包括由计算机代码控制的硬件逻辑/电路。这些示例装置在本文出于说明的目的而提供，而无意进行限制。本公开的实施例可在其他类型的装置中实现，如相关领域的技术人员已知的那样。

本公开的至少一些实施例涉及计算机程序产品，所述计算机程序产品包括存储在任何计算机可用介质上的这种逻辑(例如，呈软件的形式)。这种软件在一种或多种数据处理装置中执行时使装置如本文所述进行操作。

虽然以上已经描述了本公开的各种实施例，但是应理解，仅以举例的方式而不是限制的方式呈现所述实施例。对相关领域的技术人员来说将显而易见的是，可在不脱离本公开的精神和范围的情况下作出形式和细节方面的各种改变。因此，本公开的广度和范围不应受任何上述示例性实施例的限制，而是应仅根据所附权利要求及其等效物定义。出于说明及描述目的已呈现以上描述。无意为穷举性的或将本公开限制为所公开的精确形式。鉴于上述教导，许多修改和变化是可能的。此外，应注意，前面提及的替代实现方式中的任一个或全部可以按形成本公开的额外混合实现方式所需的任意组合使用。

根据本发明，一种方法包括：由处理器从安置在运载工具上或运载工具中的一个或多个雷达接收位于所述运载工具所穿过的环境中的静止对象和移动对象的测量数据；由所述处理器执行随机抽样一致性(RANSAC)计算，以识别所述静止对象的所述测量数据；以及由所述处理器基于所述静止对象的所述测量数据计算所述运载工具的一个或多个动态变量。

根据一个实施例，所述测量数据包括如由所述一个或多个雷达中的一个所检测到的所述静止对象和所述移动对象中的一个的径向距离、径向速度、方位角、仰角或者其两个或更多个的组合。

根据一个实施例，所述环境包括二维(2D)平面，并且其中所述运载工具的所述一个或多个动态变量包括所述运载工具的纵向速度、横向速度和横摆率。

根据一个实施例，所述环境包括三维(3D)空间，并且其中所述运载工具的所述一个或多个动态变量包括所述运载工具的纵向速度、横向速度、垂直速度、滚转率、俯仰率和偏航率。

根据一个实施例，所述执行RANSAC计算以识别所述静止对象的所述测量数据包括：计算数学空间中的多个代表点，所述代表点中的每一个与如由所述一个或多个雷达中的一个所检测到的所述静止对象或移动对象中的一个的相应测量数据相关联；在所述数学空间中找到最适平面，所述最适平面涵盖预定阈值内的大部分代表点；从所述最适平面识别位于所述预定阈值内的一个或多个代表点作为内点；以及将所述测量数据的与所述内点相关联的部分指定为所述静止对象的所述测量数据。

根据一个实施例，所述计算一个或多个动态变量包括：形成所述一个或多个动态变量的最小二乘问题，所述最小二乘问题包括一组一阶线性方程，每个一阶线性方程具有与所述静止对象的所述测量数据相关的系数；以及对所述最小二乘问题求解，以得到所述一个或多个动态变量的值。

根据一个实施例，所述计算一个或多个动态变量还基于一组或多组安装参数，并且其中所述一组或多组安装参数中的每一组与所述一个或多个雷达中的对应一个相关联。

根据一个实施例，所述一组或多组安装参数中的每一组包括所述一个或多个雷达中的所述对应一个的安装角和从所述运载工具的参考点向所述一个或多个雷达中的所述对应一个延伸的位置矢量。

根据一个实施例，所述计算一个或多个动态变量包括：形成所述一个或多个动态变量的最小二乘问题，所述最小二乘问题包括一组一阶线性方程，每个一阶线性方程具有与所述静止对象的所述测量数据相关的系数和所述一组或多组安装参数；以及对所述最小二乘问题求解，以得到所述一个或多个动态变量的值。

根据一个实施例，由处理器基于所述一个或多个动态变量操纵所述运载工具。

根据本发明，提供了一种可在运载工具中实现的雷达测程设备，所述雷达测程设备具有：一个或多个雷达，所述一个或多个雷达安置在所述运载工具中或所述运载工具上，所述一个或多个雷达中的每一个能够接收处于所述运载工具所穿过的环境中的一个或多个对象的测量数据；存储器，所述存储器能够存储一组或多组安装参数，所述一组或多组安装参数中的每一组与所述一个或多个雷达中的对应一个相关联；以及处理器，所述处理器与所述存储器和所述一个或多个雷达通信耦合，并且能够基于所述测量数据和所述一组或多组安装参数计算所述运载工具的一个或多个线速度或角速度。

根据一个实施例，所述一个或多个对象包括在所述环境中静止的一个或多个静止对象，并且其中所述一个或多个对象的所述测量数据包括所述一个或多个静止对象的径向距离、径向速度、方位角、仰角或者其两个或更多个的组合。

根据一个实施例，所述环境包括二维(2D)平面，并且其中所述运载工具的所述一个或多个线速度或角速度包括所述运载工具的纵向速度、横向速度和横摆率。

根据一个实施例，所述环境包括三维(3D)空间，并且其中所述运载工具的所述一个或多个线速度或角速度包括所述运载工具的纵向速度、横向速度、垂直速度、滚转率、俯仰率和偏航率。

根据一个实施例，所述一个或多个对象包括在所述环境中静止的一个或多个静止对象和在所述环境中移动的一个或多个移动对象，并且所述处理器包括能够区分所述一个或多个静止对象的相应测量数据与所述一个或多个移动对象的相应测量数据的随机抽样一致性(RANSAC)电路。

根据一个实施例，所述处理器还包括最小二乘电路，所述最小二乘电路能够基于所述一个或多个静止对象的所述相应测量数据和所述一组或多组安装参数计算所述运载工具的所述一个或多个线速度或角速度。

根据一个实施例，所述处理器还包括对象跟踪电路，所述对象跟踪电路能够通过基于所述移动对象中的一个或多个的相应测量数据在包含所述移动对象中的所述一个或多个的集群周围设置边界框来跟踪所述集群。

根据一个实施例，所述运载工具的所述一个或多个线速度或角速度包括所述运载工具的纵向速度和横向速度，并且其中所述处理器还能够基于所述纵向速度与所述横向速度之间的比率来计算侧滑角。

根据一个实施例，本发明的特征还在于一种自主驾驶控制器，其中所述运载工具是自主运载工具，并且其中所述处理器还能够基于所述一个或多个线速度或角速度通过所述自主驾驶控制器操纵所述自主运载工具。

Claims

1.一种方法，所述方法包括：

由处理器从安置在运载工具上或运载工具中的一个或多个雷达接收位于所述运载工具所穿过的环境中的静止对象和移动对象的测量数据；

由所述处理器执行随机抽样一致性(RANSAC)计算，以识别所述静止对象的所述测量数据；以及

由所述处理器基于所述静止对象的所述测量数据计算所述运载工具的一个或多个动态变量。

2.如权利要求1所述的方法，其中所述测量数据包括如由所述一个或多个雷达中的一个所检测到的所述静止对象和所述移动对象中的一个的径向距离、径向速度、方位角、仰角或者其两个或更多个的组合。

3.如权利要求1所述的方法，其中所述环境包括二维(2D)平面，并且其中所述运载工具的所述一个或多个动态变量包括所述运载工具的纵向速度、横向速度和横摆率。

4.如权利要求1所述的方法，其中所述环境包括三维(3D)空间，并且其中所述运载工具的所述一个或多个动态变量包括所述运载工具的纵向速度、横向速度、垂直速度、滚转率、俯仰率和偏航率。

5.如权利要求1所述的方法，其中所述执行所述RANSAC计算以识别所述静止对象的所述测量数据包括：

计算数学空间中的多个代表点，所述代表点中的每一个与如由所述一个或多个雷达中的一个所检测到的所述静止对象或移动对象中的一个的相应测量数据相关联；

在所述数学空间中找到最适平面，所述最适平面涵盖预定阈值内的大部分代表点；

从所述最适平面识别位于所述预定阈值内的一个或多个代表点作为内点；以及

将所述测量数据的与所述内点相关联的部分指定为所述静止对象的所述测量数据。

6.如权利要求1所述的方法，其中所述计算所述一个或多个动态变量包括：

形成所述一个或多个动态变量的最小二乘问题，所述最小二乘问题包括一组一阶线性方程，每个一阶线性方程具有与所述静止对象的所述测量数据相关的系数；以及

对所述最小二乘问题求解，以得到所述一个或多个动态变量的值。

7.如权利要求1所述的方法，其中所述计算所述一个或多个动态变量还基于一组或多组安装参数，其中所述一组或多组安装参数中的每一组与所述一个或多个雷达中的对应一个相关联，其中所述一组或多组安装参数中的每一组包括所述一个或多个雷达中的所述对应一个的安装角和从所述运载工具的参考点向所述一个或多个雷达中的所述对应一个延伸的位置矢量，并且其中所述计算所述一个或多个动态变量包括：

形成所述一个或多个动态变量的最小二乘问题，所述最小二乘问题包括一组一阶线性方程，每个一阶线性方程具有与所述静止对象的所述测量数据相关的系数和所述一组或多组安装参数；以及

8.如权利要求1所述的方法，所述方法还包括：

由所述处理器基于所述一个或多个动态变量操纵所述运载工具。

9.一种可在运载工具中实施的雷达测程设备，所述雷达测程设备包括：

一个或多个雷达，所述一个或多个雷达安置在所述运载工具中或所述运载工具上，所述一个或多个雷达中的每一个能够接收处于所述运载工具所穿过的环境中的一个或多个对象的测量数据；

存储器，所述存储器能够存储一组或多组安装参数，所述一组或多组安装参数中的每一组与所述一个或多个雷达中的对应一个相关联；以及

处理器，所述处理器与所述存储器和所述一个或多个雷达通信耦合，并且能够基于所述测量数据和所述一组或多组安装参数计算所述运载工具的一个或多个线速度或角速度。

10.如权利要求9所述的雷达测程设备，其中所述一个或多个对象包括在所述环境中静止的一个或多个静止对象，并且其中所述一个或多个对象的所述测量数据包括所述一个或多个静止对象的径向距离、径向速度、方位角、仰角或者其两个或更多个的组合。

11.如权利要求9所述的雷达测程设备，其中所述一组或多组安装参数中的每一组包括所述一个或多个雷达中的所述对应一个的安装角和从所述运载工具的参考点向所述一个或多个雷达中的所述对应一个延伸的位置矢量，其中所述运载工具的所述一个或多个线速度或角速度包括所述运载工具的纵向速度和横向速度，并且其中所述处理器还能够基于所述纵向速度与所述横向速度之间的比率来计算侧滑角。

12.如权利要求9所述的雷达测程设备，其中所述环境包括二维(2D)平面，并且其中所述运载工具的所述一个或多个线速度或角速度包括所述运载工具的纵向速度、横向速度和横摆率。

13.如权利要求9所述的雷达测程设备，其中所述环境包括三维(3D)空间，并且其中所述运载工具的所述一个或多个线速度或角速度包括所述运载工具的纵向速度、横向速度、垂直速度、滚转率、俯仰率和偏航率。

14.如权利要求9所述的雷达测程设备，其中：

所述一个或多个对象包括在所述环境中静止的一个或多个静止对象和在所述环境中移动的一个或多个移动对象，并且

所述处理器包括：

随机抽样一致性(RANSAC)电路，所述RANSAC电路能够区分所述一个或多个静止对象的相应测量数据与所述一个或多个移动对象的相应测量数据；

最小二乘电路，所述最小二乘电路能够基于所述一个或多个静止对象的所述相应测量数据和所述一组或多组安装参数计算所述运载工具的所述一个或多个线速度或角速度；以及

对象跟踪电路，所述对象跟踪电路能够通过基于所述移动对象中的一个或多个的相应测量数据在包含所述移动对象中的所述一个或多个的集群周围设置边界框来跟踪所述集群。

15.如权利要求9所述的雷达测程设备，所述雷达测程设备还包括：

自主驾驶控制器，其中所述运载工具是自主运载工具，并且其中所述处理器还能够基于所述一个或多个线速度或角速度通过所述自主驾驶控制器操纵所述自主运载工具。