CN110678776B - 用于增强的对象跟踪的*** - Google Patents

用于增强的对象跟踪的*** Download PDF

Info

Publication number
CN110678776B
CN110678776B CN201880035491.XA CN201880035491A CN110678776B CN 110678776 B CN110678776 B CN 110678776B CN 201880035491 A CN201880035491 A CN 201880035491A CN 110678776 B CN110678776 B CN 110678776B
Authority
CN
China
Prior art keywords
statistical distribution
radar detection
detection points
vector
tracking algorithm
Prior art date
Legal status (The legal status 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 status listed.)
Active
Application number
CN201880035491.XA
Other languages
English (en)
Other versions
CN110678776A (zh
Inventor
S·马尔希
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Magna Electronics Sweden AB
Original Assignee
Vennell Sweden
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 Vennell Sweden filed Critical Vennell Sweden
Publication of CN110678776A publication Critical patent/CN110678776A/zh
Application granted granted Critical
Publication of CN110678776B publication Critical patent/CN110678776B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S13/93—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
    • 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
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/589—Velocity or trajectory determination systems; Sense-of-movement determination systems measuring the velocity vector
    • 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
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/588—Velocity or trajectory determination systems; Sense-of-movement determination systems deriving the velocity value from the range measurement
    • 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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle

Landscapes

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

Abstract

本公开涉及一种车辆雷达***(3)，其包括控制单元布置(8)和至少一个雷达传感器布置(4)，该至少一个雷达传感器布置被布置成获取不同时间的多个测量的雷达检测点(zt,zt+1)。控制单元布置(8)被布置成使用当前测量的雷达检测点(zt,zt+1)作为输入来接合跟踪算法。对于每个轨迹，针对多个测量的雷达检测点(zt,zt+1)中的每一个，控制单元布置(8)被布置成计算对应的预测的检测点(xt│t‑1│,xt+1│t│)和经校正的预测的检测点(xt│t│,xt+1│t+1│)，并且还计算由第一向量类型
Figure DDA0004017004010000011
和第二向量类型(18b,Δr)构成的新息向量(18,19)。控制单元布置(8)被布置成计算向量类型
Figure DDA0004017004010000012
中的至少一个的统计分布
Figure DDA0004017004010000013
以及确定所计算的统计分布与另一统计分布
Figure DDA0004017004010000014
如何相关；以及/或者确定所计算的统计分布的对称特征。根据结果来保持或重新初始化跟踪算法。

Description

用于增强的对象跟踪的***
公开内容的描述
本公开涉及一种车辆雷达***，该车辆雷达***包括控制单元布置以及被布置成发射信号和接收反射信号的至少一个雷达传感器布置。该车辆雷达***被布置成获取不同时间的多个测量的雷达检测点并接合跟踪算法。
许多车辆都包括雷达***，所述雷达***被布置成用于对象检测，从而能够向驾驶员提供关于车辆路径上的对象的警告，以及向诸如自适应巡航控制(ACC)***和后方交叉交通避让(RCTA)***的车辆***提供输入，所述车辆***可同时提供警告并激活自主紧急制动(AEB)以避免与主车辆后方的对象发生碰撞。
此类雷达***在自主车辆中包括一个或多个前视雷达收发器和一个或多个后视雷达收发器。可能难以准确地估计远程车辆或对象的航向，尤其是在远程车辆或对象相对于自主车辆在主要是横向方向或切向方向上移动的情况下。例如，当自主车辆从停车位退出，在进入道路时有即将到来的远程车辆正在驶向主车辆后方的某个位置，就是这种情况，并且在这种情况下使用RCTA***。
RCTA***需要远程车辆的速度、距离和方位角，以便确定是否需要任何警告或紧急制动。为了能够提供早期预测，RCTA***包括控制单元，该控制单元被布置成运行跟踪算法，该跟踪算法继而被布置成例如通过卡尔曼滤波器来预测远程车辆的移动。
雷达传感器将从远程车辆获得多个检测点，并且每次雷达扫描都将返回不同的点。这又会导致切向速度不确定性以及角噪声，这对于需要一定量的一致雷达检测点才能充分程度地预测远程车辆的移动的跟踪算法是不利的。
跟踪算法能够对远程车辆的移动越快地产生充分的预测，RCTA***就能够越早地确定是否需要采取任何动作。
RCTA***在US 2016/291149和US 2008/306666中有所描述，其中摄像头数据与雷达数据一起使用。
一般来讲，希望跟踪算法尽可能快地产生对远程车辆或其他目标对象的移动的充分预测，而不管该跟踪算法是用于RCTA***中还是用于任何其他相关目的，诸如例如一般碰撞避让或自动和/或辅助驾驶。
本公开的目的是提供一种雷达***，该雷达***包括跟踪算法，该跟踪算法被布置成以比先前更快速且更可靠的方式充分程度地预测远程车辆或其他目标对象的移动，而不必添加另外的部件。
该目的使用车辆雷达***来实现，该车辆雷达***包括控制单元布置以及被布置成发射信号和接收反射信号的至少一个雷达传感器布置。该车辆雷达***被布置成获取不同时间的多个测量的雷达检测点，并且该控制单元布置被布置成使用当前测量的雷达检测点作为输入来接合跟踪算法，使得至少一个轨迹被初始化。对于每个轨迹，针对多个测量的雷达检测点中的每一个，该控制单元布置被布置成计算对应的预测的检测点和对应的经校正的预测的检测点，并且还计算在当前测量的雷达检测点和对应的当前预测的检测点之间延伸的对应的距离向量，即新息向量。每个新息向量由第一向量类型的向量部分和第二向量类型的向量部分构成。该控制单元布置被布置成计算多个至少一种所述向量类型的统计分布，并且确定所计算的统计分布与另一统计分布如何相关以及/或者确定所计算的统计分布的对称特征。控制单元布置还被布置成根据为所述轨迹的质量度量提供数据的所确定的结果来保持或重新初始化跟踪算法。
该目的还使用用于车辆雷达***的方法来实现，其中该方法包括发射信号和接收反射信号，获取不同时间的多个测量的雷达检测点，以及使用当前测量的雷达检测点作为输入来接合跟踪算法，使得至少一个轨迹被初始化。对于每个轨迹，针对多个测量的雷达检测点中的每一个，该方法包括计算对应的预测的检测点和对应的经校正的预测的检测点，以及计算在当前测量的雷达检测点和对应的当前预测的检测点之间延伸的距离向量，即新息向量。每个新息向量由第一向量类型的向量部分和第二向量类型的向量部分构成。该方法还包括计算多个至少一种所述向量类型的统计分布，确定所计算的统计分布与另一统计分布如何相关以及/或者确定所计算的统计分布的对称特征。该方法还包括确定是否应根据为所述轨迹的质量度量提供数据的所确定的结果来重新初始化跟踪算法；并且如果确定经重新初始化的跟踪算法未被重新初始化，则该方法包括保持跟踪算法。
根据一些方面，所述另一统计分布由预先确定的统计分布构成，其中控制单元布置被布置成确定所计算的统计分布偏离预先确定的统计分布的程度。如果确定所述偏离超过预定义阈值，则控制单元布置被布置成重新初始化跟踪算法。
根据一些方面，所述另一统计分布由对应的测量的雷达检测点的部分的统计分布构成，其中控制单元布置被布置成确定所计算的统计分布与所述另一统计分布之间的比率。如果确定所述比率偏离超过预定义阈值，则控制单元布置被布置成重新初始化跟踪算法。
根据一些方面，对于每个新轨迹，控制单元布置被布置成：
-计算在当前测量的雷达检测点之前的计算的先前雷达检测点。
-结合所计算的先前雷达检测点，使用当前测量的雷达检测点来重新初始化跟踪算法。
其他示例在从属权利要求中公开。
通过本公开获得了多个优点。主要提供了一种跟踪算法，该跟踪算法尽可能快地对远程车辆的移动产生充分的预测。
附图说明
现在参考附图更详细地描述本公开，附图中：
图1示出了自主车辆的示意性顶视图；
图2示出了自主车辆和正在接近的目标车辆的示意性顶视图；
图3示出了不同时间的测量的检测点、预测的检测点和校正的检测点；
图4示出了根据第一示例的不同时间的测量的检测点、预测的检测点和校正的检测点以及新息向量；
图5示出了新息向量部分的统计分布；
图6示出了新息向量部分的统计分布和预先确定的统计分布；
图7示出了根据第二示例的测量的检测点和预测的检测点以及新息向量；
图8示出了新息向量部分的第一统计分布和测量的检测部分的第一统计分布；
图9示出了新息向量部分的第二统计分布和测量的检测部分的第二统计分布；并且
图10示出了根据本公开的方法的流程图。
具体实施方式
图1示意性地示出了自主车辆1的顶视图，该自主车辆被布置成沿向前方向F在道路2上行驶，其中自主车辆1包括车辆雷达***3。车辆雷达***3包括后部雷达传感器布置4，该后部雷达传感器布置被布置成通过发射信号6和接收反射信号7并以先前公知的方式使用多普勒效应将单个目标5与周围环境区别开以及/或者分辨单个目标与周围环境。根据一些方面，所发射的信号6由呈先前已知类型的FMCW(频率调制连续波)啁啾信号6形式的扫描信号构成。
车辆雷达***3还包括控制单元布置8，该控制单元布置连接到后部雷达传感器布置4并被布置成通过以先前公知的方式同时对接收到的信号进行采样并对所述信号的相位和振幅进行分析，来提供可能目标对象5的方位角。在图1中，示出了一个雷达检测点9，其具有相对于雷达基准线22(合适地为雷达传感器布置视轴方向)的特定检测方位角
Figure GDA0004017004000000041
距离r和径向速度v。
如图2所示，正在接近的目标车辆31正以速度vtarget向自主车辆移动，并且自主车辆使用后部雷达传感器布置4对其进行检测。存在由后部雷达传感器布置4在不同时间测量的多个测量的雷达检测点；在初始时间t0，存在一个雷达检测点10，在其之前是在三个对应的先前时间t-1、t-2、t-3的三个先前雷达检测点11、12、13。还参考图3，每个测量的雷达检测点10,11,12,13都具有特定的对应的测量的方位角
Figure GDA0004017004000000042
距离r0、r-1、r-2、r-3和径向速度v0、v-1、v-2、v-3。所有方位角
Figure GDA0004017004000000043
均相对于雷达基准线22定义。
控制单元布置8被布置成在初始时间t0使用卡尔曼滤波器，使用当前四个测量的雷达检测点10,11,12,13作为输入来接合跟踪算法。跟踪算法的中心部分是对轨迹进行滤波处理。可以自由地选择所使用的滤波器算法。卡尔曼滤波器是常见的，但存在各种滤波器，例如α-β滤波器或α-β-γ滤波器。在这种背景下，轨迹至少由滤波器状态定义，该滤波器状态由位置及其导数；至少速度组成，但也可包含加速度和更高阶的导数。当车辆1、31之间的距离d尽可能大时，期望尽可能早地接合可靠的轨迹。
根据本公开，控制单元布置8被布置成使用跟踪算法来在对应的先前时间t-4计算当前四个测量的雷达检测点10,11,12,13之前的计算的先前雷达检测点14，其中所计算的先前雷达检测点14具有特定的对应的计算的方位角
Figure GDA0004017004000000051
距离r-4和径向速度v-4。
控制单元布置8被布置成使用当前四个雷达检测点10,11,12,13和所计算的先前雷达检测点14来重新启动跟踪算法，然后在对应的下一时间t+1计算下一计算的雷达检测点15。在下一时间t+1，后部雷达传感器布置4还检测到对应于下一计算的雷达检测点15的下一测量的雷达检测点16。在再下一时间t+2，后部雷达传感器布置4检测到下一测量的雷达检测点17。在图3中，为清楚起见，未示出最后的检测点15、16、17的方位角、距离和径向速度。
上述所计算的雷达检测点是在跟踪算法中校正之前的预测的雷达检测点。在下文中，将讨论针对运行的跟踪算法的一般的测量的雷达检测点、预测的雷达检测点和校正的雷达检测点。
参考图4，将讨论本公开的另一方面。这里，在所述另一方面的第一示例中，示出了在时间t的第一预测的雷达检测点xt│t-1│和第一测量的雷达检测点zt。对第一预测的雷达检测点xt│t-1│进行校正，以便在时间t形成第一校正的雷达检测点xt│t│。在下一时间t+1，对应于随后的雷达周期，该过程以公知的方式继续，以便获得在时间t+1的第二测量的雷达检测点zt+1、第二预测的雷达检测点xt+1│t│和第二校正的雷达检测点xt+1│t+1│。这里，xi│j│表示当j＝i-1时在时间i的预测的雷达检测点，以及当j＝i时在时间i的校正的雷达检测点。
第一测量的雷达检测点zt具有测量的速度向量m1，第一预测的雷达检测点xt│t-1│具有预测的速度向量p1，并且第一校正的雷达检测点xt│t│具有第一校正的速度向量c1。在第一预测的雷达检测点xt│t-1│和第一测量的雷达检测点zt之间，存在对应于从第一预测的雷达检测点xt│t-1│延伸到第一测量的雷达检测点zt的所谓滤波器残差(residium)或第一新息向量18的距离。第一新息向量18由两部分构成：沿着预测的速度向量p1延伸的第一主要部分18a和垂直于第一主要部分18a的第一垂直部分18b。
相应地，在下一时间t+1，第二测量的雷达检测点zt+1具有测量的速度向量m2，第二预测的雷达检测点xt+1│t│具有预测的速度向量p2，并且第二校正的雷达检测点xt+1│t+1│具有第二校正的速度向量c2。在第二预测的雷达检测点xt+1│t│和第二测量的雷达检测点zt+1之间，存在第二新息向量23。第二新息向量23由两部分构成：沿着预测的速度向量p2延伸的第二主要部分23a和垂直于第二主要部分23a的第一垂直部分23b。
根据本公开，还参考图5和图6，控制单元布置8被布置成确定针对对应的多个雷达周期的多个垂直部分18b、23b，并且计算针对所述垂直部分18b、23b的统计分布24。然后，控制单元布置8被布置成确定所计算的统计分布偏离预先确定的统计分布25的程度(根据一些方面为正态分布或高斯分布)，和/或其对称特征，诸如围绕零点的对称性。如果偏离超过预定义阈值，则将重新启动跟踪算法。根据一些方面，所述多个垂直部分18b、23b由约10-30个垂直部分构成。
主要部分18a、23a取决于预测的速度向量p1、p2。根据一些方面，作为替代或补充，控制单元布置8被布置成确定针对对应的多个雷达周期的多个主要部分，并且计算针对所述主要部分的统计分布。然后，控制单元布置8被布置成确定所计算的统计分布与轨迹的方向的相关程度。如果所计算的统计分布正指向轨迹后部，则轨迹过快，而如果所计算的统计分布正指向轨迹的前部，则轨迹过慢。
换句话讲，此处还确定所计算的统计分布24是否偏离预先确定的统计分布25(根据一些方面是正态分布或高斯分布)，以及/或者其对称特征，诸如围绕零点的对称性。如果偏离超过预定义阈值，则也会在此情况下重新启动跟踪算法。
在下文中，参考图7，将提供其中使用极性坐标的所述另一方面的第二示例。第一预测的雷达检测点xt│t-1│具有特定的计算的方位角
Figure GDA0004017004000000061
距离rp和径向速度vp，而第一测量的雷达检测点zt具有特定的测量的方位角
Figure GDA0004017004000000062
距离rm和径向速度vm。方位角
Figure GDA0004017004000000063
是相对于雷达基准线22测量的。在方位角
Figure GDA0004017004000000064
之间存在差值角
Figure GDA0004017004000000065
并且在距离rp、rm之间存在差值距离Δr。
如在前面的示例中，在第一预测的雷达检测点xt│t-1│和第一测量的雷达检测点zt之间存在对应于新息向量19的距离。新息向量19由两部分构成：角部分，即差值角
Figure GDA00040170040000000712
和径向部分，即差值距离Δr。为清楚起见，在图6中仅示出了一个测量的雷达检测点zt和预测的雷达检测点xt│t-1│。当然，预测的雷达检测点xt│t-1│具有对应的校正的雷达检测点，并且当然，在多个雷达周期期间获得多个测量的雷达检测点、预测的雷达检测点和预测的雷达检测点。
根据本公开，还参考图8，控制单元布置8被布置成确定针对对应的多个雷达周期的多个角部分
Figure GDA0004017004000000071
和多个测量的方位角
Figure GDA0004017004000000072
并且计算针对角部分
Figure GDA0004017004000000073
的第一角度统计分布
Figure GDA0004017004000000074
和针对测量的方位角
Figure GDA0004017004000000075
的第二角度统计分布
Figure GDA0004017004000000076
然后，控制单元布置8被布置成通过将第一角度统计分布
Figure GDA0004017004000000077
与第二角度统计分布
Figure GDA0004017004000000078
相除来确定角噪声比率。
相应地，还参考图9，控制单元8被布置成确定针对对应的多个雷达周期的多个径向部分Δr和多个测量的距离rm，并且计算针对径向部分Δr的第一距离统计分布σinno,r和针对测量的距离rm的第二距离统计分布σmeas,r。然后，控制单元布置8被布置成通过将第一距离统计分布σinno,r与第二距离统计分布σmeas,r相除来确定距离噪声比率。
通过这种方式，可以确定新息向量部分
Figure GDA00040170040000000713
Δr的统计分布
Figure GDA0004017004000000079
σinno,r是否比测量噪声宽，以及宽到什么程度。如果存在被确定为偏离超过预定义阈值的偏离，则如在第一示例中那样重新启动跟踪算法。
根据一些方面，统计分布
Figure GDA00040170040000000710
σinno,r、
Figure GDA00040170040000000711
σmeas,r由正态分布或高斯分布构成。
根据一些方面，在两个相邻的时间之间，经过了雷达周期。在这种背景下，雷达周期是一个观察阶段，在该观察阶段期间，车辆雷达***2被布置成采集数据、在几个信号处理电平上处理所述数据并发送出可用结果。这可以是固定时间间隔，或者它可以是取决于环境条件和处理负载的动态时间间隔。
使用可用于任何类型的车辆雷达传感器布置的本公开，可确定特定轨迹是否满足某些质量度量，如果否，则可重新启动或重新初始化跟踪算法。质量度量定义特定轨迹与对应测量值拟合的良好程度。本公开的核心不在于确定并研究新息向量部分18a、18b；
Figure GDA0004017004000000084
Δr的统计分布。研究结果为上述质量度量提供了数据。
根据一些方面，跟踪过程沿循以下步骤：
1.在若干测量周期内搜索一致的测量值。如果发现一致，则轨迹被打开。打开轨迹意味着查找滤波器状态空间的良好初始值。这通常是一个至关重要的部分，因为并没有许多测量值可用。随时间推移获得轨迹的列表。
2.预测状态空间到下一个测量周期。
3.在下一雷达周期中，搜索可能属于轨迹的测量值。这些测量值与轨迹相关联。如果未找到关联，则不进行校正。每个状态空间由其相关联的测量值校正。
4.如果轨迹不趋于中断，则继续点2，否则从列表中移除该轨迹。
如图1所示，自主车辆1包括安全控制单元20和安全装置21，例如紧急制动***和/或警报信号装置。安全控制单元20被布置成根据来自雷达***3的输入来控制安全装置21。此类输入可经由控制单元布置8输入。
参考图10，本公开还涉及用于车辆雷达***3的方法。该方法包括：
26：发射信号6并接收反射信号7。
27：获取不同时间的多个测量的雷达检测点zt,zt+1。
28：使用当前测量的雷达检测点zt,zt+1作为输入来接合跟踪算法，使得至少一个轨迹被初始化。
对于每个轨迹，针对多个测量的雷达检测点zt,zt+1中的每一个，该方法包括：
29：计算对应的预测的检测点xt│t-1│,xt+1│t│和经校正的预测的检测点xt│t│,xt+1│t+1│。
30：计算在当前测量的雷达检测点zt和对应的当前预测的检测点xt│t-1│之间的距离向量，即新息向量18,19，其中每个新息向量18,19由第一向量类型18a,
Figure GDA0004017004000000081
的向量部分和第二向量类型18b,Δr的向量部分构成。
31：计算多个至少一种所述向量类型18a,
Figure GDA0004017004000000082
18b,Δr的统计分布24；
Figure GDA0004017004000000083
σinno,r。
32：确定所计算的统计分布24；
Figure GDA0004017004000000091
σinno,r与另一统计分布25；
Figure GDA0004017004000000092
σmeas,r如何相关，以及/或者确定所计算的统计分布24；
Figure GDA0004017004000000093
σinno,r的对称特征。
33：确定是否应根据为所述轨迹的质量度量提供数据的所确定的结果来重新初始化跟踪算法。
如果确定经重新初始化的跟踪算法未被重新初始化，则该方法还包括：
34：保持跟踪算法。
本公开不限于以上示例，而可以在所附权利要求书的范围内自由变化。例如，雷达***可在任何类型的车辆中实现，诸如汽车、卡车和公共汽车以及船和飞机。
示出的统计分布24,25；
Figure GDA0004017004000000094
σinno,r,σmeas,r仅仅是用于解释本公开的统计分布的示例。统计分布24，25；
Figure GDA0004017004000000095
σinno,r,σmeas,r可具有在本公开范围内可能和/或合适的任何形式。
数据处理(诸如，计算和确定过程)在实施过程中如何确切实现可能是不同的，以上公开的示例仅仅是一个示例。控制单元布置8可由一个或多个单独或集成的控制单元构成。根据一些方面，安全控制单元20包括在控制单元布置8中。
在所讨论的示例中，存在被跟踪目标车辆；一般来讲，可存在任何类型的被跟踪目标对象，诸如例如自行车或行人。
还可设想其他种类的FMCW信号和FMCW信号配置，以及其他类型的多普勒雷达信号。不仅能够想到FMCW雷达***，而且也可设想其他类型的雷达***。与所有其他种类的合适调制技术一样，还可设想脉冲雷达、FSK(频移键控)或CW(连续波)波形。
简化了车辆雷达***的示意图，仅示出了认为与本公开的充分描述相关的部分。应当理解，此类雷达***的整体设计在本领域是众所周知的。
在图1和图2中示出了后部车辆雷达***，但以上示例当然也适用于车辆中任何位置处的任何类型的车辆雷达***。
诸如垂直之类的措辞不应旨在被理解为数学上精确的，而是在本发明上下文中实际可获得的范围内。
一般来讲，本公开涉及车辆雷达***3，该车辆雷达***包括控制单元布置8和被布置成发射信号6和接收反射信号7的至少一个雷达传感器布置4，其中车辆雷达***3被布置成获取不同时间的多个测量的雷达检测点zt,zt+1；其中控制单元布置8被布置成使用当前测量的雷达检测点zt,zt+1作为输入来接合跟踪算法，使得至少一个轨迹被初始化。对于每个轨迹，针对多个测量的雷达检测点zt,zt+1中的每一个，控制单元布置8被布置成计算对应的预测的检测点xt│t-1│,xt+1│t│和对应的经校正的预测的检测点xt│t│,xt+1│t+1│，并且还计算在当前测量的雷达检测点zt和对应的当前预测的检测点xt│t-1│之间延伸的对应的距离向量，即新息向量18,19，其中每个新息向量18,19由第一向量类型18a,
Figure GDA0004017004000000101
的向量部分和第二向量类型18b,Δr的向量部分构成，其中控制单元布置8被布置成：
-计算多个至少一种所述向量类型18a,
Figure GDA0004017004000000102
18b,Δr的统计分布24；
Figure GDA0004017004000000103
σinno,r；
-确定所计算的统计分布24；
Figure GDA0004017004000000104
σinno,r与另一统计分布25；
Figure GDA0004017004000000105
σmeas,r如何相关；以及/或者
-确定所计算的统计分布24；
Figure GDA0004017004000000106
σinno,r的对称特征；
-以及根据为所述轨迹的质量度量提供数据的所确定的结果来保持或重新初始化所述跟踪算法。
根据一些方面，所述另一统计分布由预先确定的统计分布25构成，其中控制单元布置8被布置成确定所计算的统计分布偏离预先确定的统计分布25的程度，并且如果所述偏离被确定为超过预定义阈值，则重新初始化跟踪算法。
根据一些方面，所述另一统计分布由对应的测量的雷达检测点zt,zt+1的部分的统计分布
Figure GDA0004017004000000107
σmeas,r构成，其中控制单元布置8被布置成确定所计算的统计分布
Figure GDA0004017004000000108
σinno,r和所述另一统计分布
Figure GDA0004017004000000109
σmeas,r之间的比率，并且如果所述比率被确定为偏离超过预定义阈值，则重新初始化跟踪算法。
根据一些方面，对于每个新轨迹，控制单元布置8被布置成：
-计算在当前测量的雷达检测点10,11,12,13之前的计算的先前雷达检测点14；以及
-结合所计算的先前雷达检测点14，使用当前测量的雷达检测点10,11,12,13来重新初始化跟踪算法。
根据一些方面，所述多个测量的雷达检测点10,11,12,13构成至少四个测量的雷达检测点10,11,12,13。
根据一些方面，跟踪算法包括卡尔曼滤波器。
一般地讲，本公开涉及用于车辆雷达***3的方法，其中该方法包括：
26：发射信号6并接收反射信号7；
27：获取不同时间的多个测量的雷达检测点zt,zt+1；
28：使用当前测量的雷达检测点zt,zt+1作为输入来接合跟踪算法，使得至少一个轨迹被初始化。
对于每个轨迹，针对多个测量的雷达检测点zt,zt+1中的每一个，该方法包括：
29：计算对应的预测的检测点xt│t-1│,xt+1│t│和对应的经校正的预测的检测点xt│t│,xt+1│t+1│；
30：计算在当前测量的雷达检测点zt和对应的当前预测的检测点xt│t-1│之间延伸的对应的距离向量，即新息向量18,19，其中每个新息向量18,19由第一向量类型18a,
Figure GDA0004017004000000111
的向量部分和第二向量类型18b,Δr的向量部分构成；
31：计算多个至少一种所述向量类型18a,
Figure GDA0004017004000000112
18b,Δr的统计分布24；
Figure GDA0004017004000000113
σinno,r；
32：确定所计算的统计分布24；
Figure GDA0004017004000000114
σinno,r与另一统计分布25；
Figure GDA0004017004000000115
σmeas,r如何相关，以及/或者确定所计算的统计分布24；
Figure GDA0004017004000000116
σinno,r的对称特征；以及
33：确定是否应根据为所述轨迹的质量度量提供数据的所确定的结果来重新初始化跟踪算法；并且如果确定经重新初始化的跟踪算法未被重新初始化，则该方法包括：
34：保持跟踪算法。
根据一些方面，所述另一统计分布由预先确定的统计分布25构成，其中所述方法包括确定所计算的统计分布偏离预先确定的统计分布25的程度，并且如果所述偏离被确定为超过预定义阈值，则该方法包括重新初始化跟踪算法。
根据一些方面，所述另一统计分布由对应的测量的雷达检测点zt,zt+1的部分的统计分布
Figure GDA0004017004000000121
σmeas,r构成，其中该方法包括确定所计算的统计分布
Figure GDA0004017004000000122
σinno,r和所述另一统计分布
Figure GDA0004017004000000123
σmeas,r之间的比率，并且如果所述比率被确定为偏离超过预定义阈值，则该方法包括重新初始化跟踪算法。
根据一些方面，对于每个新轨迹，该方法包括：
-计算在所述当前测量的雷达检测点10,11,12,13之前的计算的先前雷达检测点14；以及
-结合所计算的先前雷达检测点14，使用当前测量的雷达检测点10,11,12,13来重新初始化跟踪算法。
根据一些方面，所述多个测量的雷达检测点10,11,12,13构成至少四个测量的雷达检测点10,11,12,13。
根据一些方面，跟踪算法使用卡尔曼滤波器。

Claims (12)

1.一种车辆雷达***(3)，包括控制单元布置(8)和被布置成发射信号(6)并接收反射信号(7)的至少一个雷达传感器布置(4)，其中所述车辆雷达***(3)被布置成获取不同时间的多个测量的雷达检测点(zt,zt+1)；其中所述控制单元布置(8)被布置成使用所述多个测量的雷达检测点(zt,zt+1)作为输入来接合跟踪算法，使得至少一个轨迹被初始化，其特征在于，对于每个轨迹，针对多个测量的雷达检测点(zt,zt+1)中的每一个，控制单元布置(8)被布置成计算对应的预测的检测点(xt│t-1│,xt+1│t│)和对应的经校正的预测的检测点(xt│t│,xt+1│t+1│)，并且还计算在当前测量的雷达检测点和对应的当前预测的检测点之间延伸的对应的距离向量，即新息向量(18,19)，其中每个新息向量(18,19)由第一向量类型
Figure FDA0004017003990000011
的向量部分和第二向量类型(18b,Δr)的向量部分构成，其中所述控制单元布置(8)被布置成：
-计算多个至少一种所述向量类型
Figure FDA0004017003990000012
的统计分布
Figure FDA0004017003990000013
-确定所计算的统计分布
Figure FDA0004017003990000014
与另一统计分布如何相关；以及/或者
-确定所计算的统计分布
Figure FDA0004017003990000015
的对称特征；
-以及根据为所述轨迹的质量度量提供数据的确定的结果来保持或重新初始化所述跟踪算法。
2.根据权利要求1所述的车辆雷达***(3)，其特征在于，所述另一统计分布由预先确定的统计分布(25)构成，其中所述控制单元布置(8)被布置成确定所计算的统计分布偏离所述预先确定的统计分布(25)的程度，并且如果所述偏离被确定为超过预定义阈值，则重新初始化所述跟踪算法。
3.根据权利要求1所述的车辆雷达***(3)，其特征在于，所述另一统计分布由所述多个测量的雷达检测点(zt,zt+1)的部分的统计分布
Figure FDA0004017003990000016
构成，其中所述控制单元布置(8)被布置成确定所计算的统计分布和所述另一统计分布之间的比率，并且如果所述比率被确定为偏离超过预定义阈值，则重新初始化所述跟踪算法。
4.根据前述权利要求中任一项所述的车辆雷达***(3)，其特征在于，对于每个新轨迹，所述控制单元布置(8)被布置成：
-计算在所述多个测量的雷达检测点的时间之前的计算的先前雷达检测点(14)；以及
-结合所计算的先前雷达检测点(14)，使用所述多个测量的雷达检测点来重新初始化所述跟踪算法。
5.根据权利要求4所述的车辆雷达***(3)，其特征在于，所述多个测量的雷达检测点构成至少四个测量的雷达检测点。
6.根据权利要求5所述的车辆雷达***(3)，其特征在于，所述跟踪算法包括卡尔曼滤波器。
7.一种用于车辆雷达***(3)的方法，其中所述方法包括：
(26)发射信号(6)并接收反射信号(7)；
(27)获取不同时间的多个测量的雷达检测点(zt,zt+1)；
(28)使用所述多个测量的雷达检测点(zt,zt+1)作为输入来接合跟踪算法，使得至少一个轨迹被初始化，其特征在于，对于每个轨迹，针对多个测量的雷达检测点(zt,zt+1)中的每一个，所述方法包括：
(29)计算对应的预测的检测点(xt│t-1│,xt+1│t│)和对应的经校正的预测的检测点(xt│t│,xt+1│t+1│)；
(30)计算在当前测量的雷达检测点和对应的当前预测的检测点之间延伸的对应的距离向量，即新息向量(18,19)，其中每个新息向量(18,19)由第一向量类型
Figure FDA0004017003990000021
的向量部分和第二向量类型(18b,Δr)的向量部分构成；
(31)计算多个至少一种所述向量类型
Figure FDA0004017003990000022
的统计分布
Figure FDA0004017003990000023
(32)确定所计算的统计分布
Figure FDA0004017003990000024
与另一统计分布如何相关，以及/或者确定所计算的统计分布
Figure FDA0004017003990000025
的对称特征；以及
(33)确定是否应根据为所述轨迹的质量度量提供数据的所确定的结果来重新初始化所述跟踪算法；并且如果确定经重新初始化的跟踪算法未被重新初始化，则所述方法包括：
(34)保持所述跟踪算法。
8.根据权利要求7所述的方法，其特征在于，所述另一统计分布由预先确定的统计分布(25)构成，其中所述方法包括确定所计算的统计分布偏离所述预先确定的统计分布(25)的程度，并且如果所述偏离被确定为超过预定义阈值，则所述方法包括重新初始化所述跟踪算法。
9.根据权利要求7所述的方法，其特征在于，所述另一统计分布由所述多个测量的雷达检测点(zt,zt+1)的部分的统计分布
Figure FDA0004017003990000031
构成，其中所述方法包括确定所计算的统计分布和所述另一统计分布之间的比率，并且如果所述比率被确定为偏离超过预定义阈值，则所述方法包括重新初始化所述跟踪算法。
10.根据权利要求7至9中任一项所述的方法，其特征在于，对于每个新轨迹，所述方法包括：
-计算在所述多个测量的雷达检测点的时间之前的计算的先前雷达检测点(14)；以及
-结合所计算的先前雷达检测点(14)，使用所述多个测量的雷达检测点来重新初始化所述跟踪算法。
11.根据权利要求10所述的方法，其特征在于，所述多个测量的雷达检测点构成至少四个测量的雷达检测点。
12.根据权利要求11所述的方法，其特征在于，所述跟踪算法使用卡尔曼滤波器。
CN201880035491.XA 2017-06-30 2018-06-15 用于增强的对象跟踪的*** Active CN110678776B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP17178910.0 2017-06-30
EP17178910.0A EP3422046B1 (en) 2017-06-30 2017-06-30 A system for enhanced object tracking
PCT/EP2018/065996 WO2019001993A1 (en) 2017-06-30 2018-06-15 ENHANCED OBJECT MONITORING SYSTEM

Publications (2)

Publication Number Publication Date
CN110678776A CN110678776A (zh) 2020-01-10
CN110678776B true CN110678776B (zh) 2023-04-21

Family

ID=59269859

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880035491.XA Active CN110678776B (zh) 2017-06-30 2018-06-15 用于增强的对象跟踪的***

Country Status (4)

Country Link
US (1) US11391833B2 (zh)
EP (1) EP3422046B1 (zh)
CN (1) CN110678776B (zh)
WO (1) WO2019001993A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7181010B2 (ja) * 2018-06-11 2022-11-30 株式会社デンソーテン レーダ装置および物標検出方法
EP3904907A1 (en) * 2020-04-29 2021-11-03 Aptiv Technologies Limited Methods and systems for tracking an object
US20220146667A1 (en) * 2022-01-25 2022-05-12 Intel Corporation Apparatus, system and method of radar tracking

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101464152A (zh) * 2009-01-09 2009-06-24 哈尔滨工程大学 一种sins/gps组合导航***自适应滤波方法
EP2799902A1 (en) * 2013-04-30 2014-11-05 Baselabs GmbH Method and apparatus for the tracking of multiple objects
CN106093991A (zh) * 2016-06-21 2016-11-09 武汉大学 一种用于gnss定位的模糊度快速恢复方法及***

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7991550B2 (en) * 2006-02-03 2011-08-02 GM Global Technology Operations LLC Method and apparatus for on-vehicle calibration and orientation of object-tracking systems
US20080306666A1 (en) 2007-06-05 2008-12-11 Gm Global Technology Operations, Inc. Method and apparatus for rear cross traffic collision avoidance
US8812226B2 (en) * 2009-01-26 2014-08-19 GM Global Technology Operations LLC Multiobject fusion module for collision preparation system
DE112013007129B4 (de) * 2013-05-31 2021-08-12 Toyota Jidosha Kabushiki Kaisha Bewegungstrajektorienvorhersagevorrichtung und Bewegungstrajektorienvorhersageverfahren
US9599706B2 (en) 2015-04-06 2017-03-21 GM Global Technology Operations LLC Fusion method for cross traffic application using radars and camera
US9786177B2 (en) * 2015-04-10 2017-10-10 Honda Motor Co., Ltd. Pedestrian path predictions

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101464152A (zh) * 2009-01-09 2009-06-24 哈尔滨工程大学 一种sins/gps组合导航***自适应滤波方法
EP2799902A1 (en) * 2013-04-30 2014-11-05 Baselabs GmbH Method and apparatus for the tracking of multiple objects
CN106093991A (zh) * 2016-06-21 2016-11-09 武汉大学 一种用于gnss定位的模糊度快速恢复方法及***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种改进的α-β目标跟踪滤波算法;朱薇等;《计算机应用》;20070801(第08期);全文 *
基于反向预测卡尔曼滤波自适应算法研究;李中志等;《计算机工程与应用》;20101011(第29期);全文 *

Also Published As

Publication number Publication date
WO2019001993A1 (en) 2019-01-03
EP3422046A1 (en) 2019-01-02
CN110678776A (zh) 2020-01-10
EP3422046B1 (en) 2021-04-28
US20200191941A1 (en) 2020-06-18
US11391833B2 (en) 2022-07-19

Similar Documents

Publication Publication Date Title
EP3151034B1 (en) Automated vehicle radar system to determine yaw-rate of a target vehicle
US10605896B2 (en) Radar-installation-angle calculating device, radar apparatus, and radar-installation-angle calculating method
US11131766B2 (en) Method for the recognition of an object
US8130138B2 (en) Object detecting apparatus
US10929653B2 (en) Method for the recognition of a moving pedestrian
US9812008B2 (en) Vehicle detection and tracking based on wheels using radar and vision
US20180095103A1 (en) State calculation apparatus, state calculation method, and recording medium storing program for moving object
JP6714148B2 (ja) 自動車レーダを利用する標的対象物の改善された検出
JP2001242242A (ja) 検知性能向上機能を備えたミリ波レーダ装置
CN110678776B (zh) 用于增强的对象跟踪的***
CN111615641B (zh) 用于探测关键横向运动的方法和设备
CN111386476B (zh) 确定车辆雷达***中的对象运动和加速度矢量
Macaveiu et al. Automotive radar target tracking by Kalman filtering
JP2019158787A (ja) レーダ装置及び信号処理方法
CN110691985B (zh) 用于增强的对象追踪的***
US20200132833A1 (en) Vehicle system for detection of oncoming vehicles
US20230258773A1 (en) Radar apparatus
US20230204763A1 (en) Radar measurement compensation techniques
CN114402224A (zh) 用于物体跟踪的方法
KR20150134063A (ko) 차량용 레이다를 이용한 터널 내 미러 트랙 제거 방법 및 시스템
CN116893391A (zh) 至少部分地基于低置信度检测的跟踪关联
CN117897632A (zh) 车辆用雷达装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: Sweden Wogaerda

Patentee after: Magna Electronics Sweden

Country or region after: Sweden

Address before: Sweden Wogaerda

Patentee before: Vennell Sweden

Country or region before: Sweden

CP03 Change of name, title or address