CN111279186A - 借助于超声波测量数据确定降雨强度的方法和控制设备 - Google Patents

Abstract

本发明涉及一种用于测量降雨的方法，其中该方法具有读取步骤、识别步骤和确定步骤。在读取步骤中，读取至少一个超声波传感器（106）的数据分组（104）。在数据分组（104）中映射了在测量时间窗（206）内由所述超声波传感器（106）检测到的激励（202）。将所述激励（202）映射为时间值（216）和强度值（218）。所述时间值（216）表示激励（202）的检测时刻。所述强度值（118）表示激励（202）的振幅。在识别步骤中，将激励（202）识别为水滴事件（108）。在这种情况下，如果激励（202）的时间值（216）和/或强度值（218）满足水滴事件（108）的至少一个特征，则将所述激励（202）识别为通过击打的水滴（110）的脉冲引起的水滴事件（108）。在确定步骤中，使用每单位时间识别出的水滴事件（108）的数量来确定降雨强度。

Description

借助于超声波测量数据确定降雨强度的方法和控制设备

技术领域

本发明涉及一种用于测量特别是在车辆上的降雨的方法以及一种用于测量降雨的控制设备。

背景技术

通过车辆的雨水传感器可以识别雨水。所述雨水传感器基于所述车辆的挡风玻璃的不同润湿来识别雨水的强度。通过所述雨水传感器可以影响雨刮器间隔。但是，在这种情况下不能确定实际的雨量。对雨量的测量可以通过体积测量设备进行。这些测量设备通常与地点有关并且是气象测量网络的一部分。

发明内容

在这种背景下，利用这里提出的方案提出了根据独立权利要求的一种用于测量降雨的方法和一种用于测量降雨的控制设备，以及最后一种相应的计算机程序产品。这里提出的方案的有利扩展和改进从说明书中得到并且在从属权利要求中予以描述。

本发明的优点

本发明的实施方式可以有利地使得能够利用超声波传感器***、特别是车辆的超声波传感器来量化降雨。通过与所述车辆的位置确定***组合，可以确定在哪里下了多少雨水。该信息可以用于预测洪水事件和用于预测街道状态。

提出了一种用于测量降雨的方法，其中所述方法具有以下步骤：

读取至少一个超声波传感器的数据分组，其中，在数据分组中映射了在测量时间窗内由所述超声波传感器检测到的激励，其中将所述激励映射为时间值，其中所述时间值表示激励的检测时刻；

将激励识别为水滴事件，其中如果激励的时间值满足水滴事件的至少一个特征，则将所述激励识别为通过击打的水滴的脉冲引起的水滴事件；以及

使用每单位时间识别出的水滴事件的数量来确定降雨强度。

本发明的实施方式的构思尤其可以视为基于以下描述的思想和知识。

可以将超声波传感器用作车辆的环境传感器。但是，所述超声波传感器也可以位置固定地布置为降雨传感器。在发送时，通过电激励将所述超声波传感器的表面置于振荡中。将所述振荡作为超声波发射到周围的空气中。在发送后，所述超声波传感器准备好在测量时间窗期间接收。可以例如通过压电晶体将所述电激励转换为所述振荡。所述超声波在物体处反射并作为回波射回。当所述回波到达表面时，在接收时再次将所述表面激励到振荡。将所述振荡映射在电信号中。可以例如通过所述压电晶体将所述振荡映射在电信号中。可以根据发射所述超声波与接收到所述回波之间的飞越时间来确定至所述物体的距离。如果所述回波在所述测量时间窗到期后到达，则所述物***于所述超声波传感器的检测范围之外。

在水滴撞击所述超声波传感器的表面时，所述水滴的脉冲传输到所述表面。所述脉冲同样将所述表面激励到振荡。特别是将所述表面激励到在所述表面的固有频率附近振荡。所述超声波传感器还记录所述振荡并将所述振荡映射在电信号中。

由于在水滴事件的情况下将所述超声波传感器激励到以固有频率或近似以所述固有频率振荡，因此所述表面以大振幅振荡。因此，在所述电信号中通过强烈的信号脉冲映射出由水滴引起的所述激励。通过该强烈的脉冲可以识别出所述水滴事件。

如果在所述数据分组之前和/或之后的数据分组内未映射具有类似时间值的激励，则可以识别出水滴事件。每个水滴都是唯一的并且与其他水滴略有不同。因此，每个水滴事件都与其他水滴事件不同并且仅出现一次。如果在多个测量时间段期间识别出具有相似时间值的激励，则该激励大概率表示来自实际物体的回波，并且因此不被评估为水滴事件。

如果在至少两个超声波传感器的映射相同测量时间窗的不同数据分组中未映射具有相同时间值的激励，则可以识别出水滴事件。不同的超声波传感器可以在相同测量时间窗内的不同时刻映射水滴事件。也可以在测量时间窗内在一个超声波传感器上记录多个水滴事件。如果在不同超声波传感器上的两次激励的时间值相同，则信号源可能是到这些超声波传感器中的电磁输入耦合，例如通过闪光灯。

如果在两个超声波传感器的不同数据分组中两次激励的两个时间值相差以下持续时间，所述持续时间对应于声波信号在这些超声波传感器之间的飞越时间，则不能识别出水滴事件。特别地，如果这些时间值相差小于或等于这些超声波传感器之间的飞越时间的持续时间，则不能识别出水滴事件。两个超声波传感器可以在相同测量时间窗内接收相同声波信号。在此，所述声波首先到达第一超声波传感器，然后到达第二超声波传感器。可以忽略由所述声波信号引起的激励。

此外，可以在读取步骤中读取所述激励的强度值。所述强度值可以表示所述激励的振幅。如果所述强度值满足水滴事件的至少一个特征，则可以识别出水滴事件。在回波的情况下，从强度或振幅可推断出其实际上是来自物体的回波的概率。基于水滴事件的强度值，可以确定水滴大小并由此更精确地计算出降雨量。

此外，可以在读取步骤中读取所述激励的频率值。所述频率值可以表示所述激励的频率。如果所述频率值满足水滴事件的至少一个特征，则可以识别出水滴事件。这些传感器通过在发送过程内以特征性方式改变所述频率来对超声波信号进行编码。雨滴通常不产生这些频率变化曲线。由此可以将通过雨滴引起的激励与通过回波引起的激励区分开。例如，所述超声波传感器还可以发射频率斜坡或频率扫描。于是，通过水滴引起的激励可以以与基于发射频率所预期的频率不同的频率进行。从而同样可以识别出所述水滴事件。

此外，可以使用引起所述水滴事件的水滴的撞击速度来确定降雨强度。所述撞击速度与所述水滴的脉冲有关。如果已知所述撞击速度，则可以推断出水滴质量。如果水滴的数量相同，则在水滴较大的情况下比在水滴较小的情况下降落更多的降雨量。

可以使用具有所述超声波传感器的车辆的车速和/或所述超声波传感器上的风速来确定所述撞击速度。可以通过车速和风速的矢量相加来确定所述撞击速度。在此可以忽略横向于所述车辆的运动方向的速度分量，因为已知空气中水滴的下降速度。

此外，可以使用所述数据分组中映射的所述激励的后振荡时间值来确定水滴事件。后振荡时间值表征所述超声波传感器在所述激励之后的振荡持续时间。水滴事件随着所述超声波传感器的***特定的阻尼而衰减，因为水滴的脉冲是一次性的激励。通过水滴引起的激励比通过接收到的回波引起的激励更快地衰减，因为所述回波可以包括多个连续的超声波脉冲。

如果在所述超声波传感器前面的喷射区域中识别出物体，则不能评估水滴事件。由其他车辆或自己的车辆猛拉起的水滴也将所述超声波传感器激励到振荡。这些激励会使得对所述降雨强度的确定失真，并且可以忽略。来自其他车辆的溅水和泼水将被评估为过高的降雨强度。

该方法可以具有提供步骤，在该提供步骤中为上级信息网络提供表示降雨强度的降雨信息和属于所述降雨信息的位置信息。例如，可以提供所述降雨信息用于气象服务。由此可以收集和处理来自许多车辆的降雨信息。从而几乎可以覆盖区域地检测降雨强度。由此可以改善气象事件的预报。

所述方法可以例如以软件或硬件或以软件和硬件的混合形式例如在控制设备中实现。

此外，这里提出的方案还实现了一种用于测量降雨的控制设备，其中所述控制设备被构造为在相应装置中执行、操控或实现这里提出的方法的变体的步骤。

所述控制设备可以是电设备，其具有用于处理信号或数据的至少一个计算单元、用于存储信号或数据的至少一个存储单元以及用于读取或输出嵌入到通信协议中的数据的至少一个接口和/或通信接口。所述计算单元可以是例如信号处理器、所谓的***ASIC或微控制器，用于处理传感器信号并根据所述传感器信号输出数据信号。所述存储单元可以是例如闪存、EPROM或磁性存储单元。可以将所述接口构造为用于从传感器读取传感器信号的传感器接口和/或构造为用于向执行器输出数据信号和/或控制信号的执行器接口。可以将所述通信接口构造用于无线和/或有线地读取或输出数据。这些接口也可以是软件模块，这些软件模块例如和其他软件模块一起存在于微控制器上。

具有程序代码的计算机程序产品或计算机程序也是有利的，所述程序代码可以存储在诸如半导体存储器、硬盘存储器或光学存储器之类的机器可读载体或存储介质上，并且用于执行、实现和/或操控根据上述实施方式之一的方法的步骤，特别是在所述程序产品或程序在计算机或设备上执行时如此。

提示：本文参照作为方法和超声波传感器控制设备的不同实施方式描述了本发明的一些可能的特征和优点。本领域技术人员认识到，可以以适合的方式组合、适配或交换这些特征，以获得本发明的其他实施方式。

附图说明

下面参照附图描述本发明的实施方式，其中附图和说明书均不应解释为对本发明的限制。

图1示出了具有根据一个实施例的控制设备的车辆的图示；

图2示出了利用通过水滴事件引起的激励的超声波传感器的信号的图示；以及

图3示出了来自大量测量时间段的超声波传感器的数据分组的图示。

附图仅是示意性的，并且没有按比例绘制。在附图中，相同的附图标记表示相同或作用相同的特征。

具体实施方式

这里提出的方案使得能够通过精确的降雨测量来预测漂滑风险。通过所述预测可以提高自主驾驶的可用性。

在小阵雨时，10分钟内会降落0.1mm和0.4mm之间的降雨量。在中度阵雨时，10分钟内降落0.4mm和2mm之间的降雨量。在强阵雨时，10分钟内降落2mm和8mm之间的降雨量。在极强阵雨时，10分钟内降落8mm以上的降雨量。

在小雨时，一小时内降落0.1mm和0.5mm之间的降雨量。在中雨时，一小时内降落0.5mm和4mm之间的降雨量。在大雨时，一小时内降落4mm和10mm之间的降雨量。

相距几公里的气象站可以测量降雨。在此，通常通过累积较长时间段期间的雨量来进行所述测量。

可以使用雨水传感器来控制雨刮器活动。在内部在挡风玻璃上施加了雨水传感器的情况下，LED（发光二极管）发出红外光，所述雨水传感器根据玻璃上的水量控制雨刮器活动。在玻璃干燥时，所述光几乎被完全反射，使得光电二极管接收到很多光。所述玻璃上的水越多，光反射就越少，所述雨刮器就工作越快。集成的光传感器在天越来越黑时以及在进入隧道时会自动打开前大灯。

与真实的降雨测量仪的区别在于，没有测量确切的降雨量，而是仅记录了诸如雨天玻璃的润湿或视觉妨碍之类的次要效果。

所述雨水传感器在大雨时测量到很少的光反射，并使得雨刮器以最大速度工作。但是，大量的水滴在传感器表面上彼此溶解在一起，并导致不是较少而是更多的光被反射。因此，利用常规传感器只能有限地检测实际雨量。在大雨时不再可能对降雨量进行定量测量。

雨滴可能干扰利用超声波***的距离测量，因为所述雨滴在击打传感器表面时部分引起非常强烈的超声波噪声。水滴的撞击激励所述传感器以其固有频率振荡。将所述传感器的固有频率选择为使得所述固有频率与所述传感器的工作频率相对应。由此导致所述传感器对撞击的雨滴的高灵敏度。在车辆静止的情况下或在低运动速度并且正常下雨的情况下，几乎无法测量到任何影响。特别是在毛毛雨或雨雾的情况下，水滴的能量似乎不足以激励所述传感器。但是，在较高的速度和小雨的情况下是这样的情况，但也仅对于在行驶方向上前置的传感器而言。需要进行大量的开发耗费才能在强降雨时也执行距离测量，尤其是当所述车辆以较高的速度运动并且由此水滴特别快地击打所述传感器表面时。

图1示出了具有根据一个实施例的控制设备102的车辆100的图示。控制设备102评估来自车辆100的超声波传感器106的数据分组104。控制设备102经由车辆100的数据线路接收数据分组104。控制设备102被构造为使用在数据分组104中映射的水滴事件108来确定降雨强度。

水滴事件108表示击打超声波传感器106的水滴110的脉冲。水滴110在撞击时将其脉冲传输到超声波传感器106并激励所述超声波传感器以其固有频率振荡。所述激励的时刻和所述激励的强度被映射在电信号中。在此，所述激励与通过先前发出的超声波信号114的接收回波112引起的振荡没有不同。

在数据分组104中映射了所有以下激励，这些激励的时刻位于在发出超声波信号114之后的测量时间窗内并且这些激励的强度大于阈值。对于每次激励，在数据分组104中映射表示所述时刻的至少一个时间值。随着下一个超声波信号114的发出开始新的测量时间窗。在新的测量窗中检测的激励被映射在新的数据分组104中。

在实际回波112的情况下，所述激励的时刻映射超声波信号114的发出与回波112的到达之间的飞越时间。所述飞越时间与超声波传感器106和射回超声波信号114的物体116之间的距离成比例。

在水滴事件108的情况下，所述激励的时刻仅映射水滴110到达超声波传感器106的时刻。

此外，对于每次激励可以在数据分组中映射表示强度的强度值。在实际回波112的情况下，所述激励的强度与所述距离成比例，因为超声波信号114和回波112随着距离的增加而减弱。附加地，真实回波112的强度取决于物体116的表面状况和物体116的取向。

在水滴事件108的情况下，所述强度映射水滴110的脉冲并由此映射水滴110的撞击能量。所述脉冲取决于水滴110的质量和水滴110的撞击速度。所述质量表示水滴110的大小。所述撞击速度取决于水滴110在空中的水平速度和车辆100的速度。

水滴110的撞击速度对应于车辆100的迎面风的速度。可以经由车辆100前面的冲击压力来检测所述迎面风。例如，可以经由车辆100的被入流的风扇叶轮的转速来检测所述迎面风。因此可以从所述脉冲以计算方式补偿所述撞击速度。因此，所述激励的强度取决于水滴大小。

控制设备102具有识别装置118和确定装置120。在识别装置118中，从数据分组104中映射的激励中过滤水滴事件108。为此，对所述激励检查水滴事件108的特征。在确定装置120中，对水滴事件108进行计数并且形成水滴速率或每单位时间的水滴事件的数量。每单位时间可以计数的水滴事件108越多，降雨强度就越高。确定装置120将所述降雨强度映射在降雨信息122中。

如果超声波传感器106的激励是通过由物体116射回的回波112引起的，则在多个连续的测量时间窗中得到具有相似强度和时刻的激励。所述测量时间窗例如为70毫秒长。即使在车辆100和物体116之间的相对速度高时，所述激励的时刻在多个测量时间窗期间也变化很小。在超出多个测量窗期间具有相似时刻和/或相似强度的激励不被识别为水滴事件108。

由水滴110引起的激励在统计上是分布式的并且不遵循任何模式。在真实水滴事件108的情况下，在至少一个先前的测量时间窗和至少一个后续的测量时间窗中没有记录在与所述测量时间窗中类似时刻的激励。

附加地，一个水滴110仅击打一个超声波传感器106。通过两个同时到达的水滴110来引起同时激励只能是非常小概率的。多个超声波传感器的同时激励不被识别为水滴事件108。

在相邻的超声波传感器106上的以下激励同样不被识别为水滴事件108，这些激励最大以与超声波传感器之间的声信号的飞越时间相对应的时间偏移予以记录。

在一个实施例中，考虑到水滴大小来对所述水滴事件计数。在此，还考虑了水滴事件108的强度值。水滴110的撞击速度可以从所述强度值中计算出，以获得所述水滴大小。由此可以高精度地检测降雨量。

在一个实施例中，控制设备102还具有提供装置124，经由该提供装置124将降雨信息122和属于降雨信息122的位置信息126提供给上级信息网络128。降雨信息122和位置信息126是无线传输的。从车辆100的位置检测***130读取位置信息126。

车辆100将降雨量连同GPS位置一起发送至云，以计算街道泛洪的风险。淹没的风险极度依赖于街道和环境。所述车辆同样可以借助于超声波传感器检测街道上的水有多深，并将该信息同样发送到云。由此，云能够了解在哪个街道区段多长时间段期间的多大降雨量导致多高的水位和淹没。

EMV和来自环境的干扰噪声可能导致类似于雨滴的测量结果。为了能够将这些干扰与雨滴区分开，不仅仅评估前向传感器的信号。由于这些干扰通常不仅仅限于前置传感器中的单个传感器，而是同时影响多个传感器并且还影响后置传感器，因此控制设备102可以通过包括所有传感器来识别这些干扰。可以由多个相邻传感器同时检测的信号不被解释为雨滴。附加地，在干扰水平高的环境中，如果可以通过测量风速来排除通过顺风将雨水携带到后置传感器上，则可以通过后置传感器的信号平均值计算出该干扰水平。为了计算实际的降雨量，从前置传感器的测量值中减去所述干扰水平。

所述传感器还具有自然的测量噪声，所述测量噪声同样导致对物体的错误识别（假阳性或FP物体）。所述传感器被设计为使得理论上20％的FP物体归因于所述测量噪声。通过这种设计保证即使很弱的回波112仍然可以被所述传感器识别，转发到控制设备102并由所述控制设备进行评估。小雨滴在低速的情况下引起与所述测量噪声非常相似的物体模式，但是可以通过增加强度来识别出增加的降雨。对于每个传感器来说，通过测量噪声而导致的错误识别的物体的数量可能随着时间的推移而个别增大或减小，并且还可能取决于诸如温度的环境条件。但是，如果所有四个传感器上这些物体的数量突然明显增加，尽管所述环境条件只是不显著地变化，这种增加也很可能归因于降雨增加。如果FP物体的数量明显超过20％，则这种超过很可能归因于降雨。此外，可以归因于所述测量噪声的所述物体的数量和识别概率与车速无关，而可以归因于雨滴的物体的数量和识别概率随着撞击速度的增加而增加。因此，在经常改变车速的情况下，可以特别好地将通过降雨引起的FP物体与通过测量噪声引起的FP物体区分开。

风噪声和湿气可能增加所述传感器上的噪声，并由此使得FP物体的数量上升到超过20％。因此，有利的是，借助于计算的噪声水平来补偿预期的FP物体的数量，即为了确定雨滴的数量，从测量的FP物体的数量中减去由于噪声而预期的FP物体的数量。

每当在一个测量窗内仅识别出“物体”一次，而在前一个测量窗和后一个测量窗中均未识别出该物体时，可以假定这是雨滴。但是，如果该物体同时被相邻的传感器识别出，则可以推断这是EMV干扰。每当该物体几乎同时被相邻的传感器识别出时，可以推断这是干扰噪声。借助于例如0.343m的传感器距离和例如343m/s的声波速度来计算最大时差为1ms。在识别出雨滴时可以丢弃所报告的传感器距离信息，因为对所述传感器的激励不是通过接收回波112来完成的。为了能够特别精确地计算大小和撞击速度，所述传感器可以向控制设备102报告所述激励的绝对值。替代地，所述传感器也可以将计算的平均值发送给控制设备102，以便控制设备102可以与识别概率一起计算所述激励的绝对值。

图2示出了利用通过水滴事件108引起的激励202的超声波传感器的信号200的图示。信号200映射了所述超声波传感器在测量时间段206期间的振荡强度204。在此，所述超声波传感器例如对应于如图1中描绘的超声波传感器。测量时间段206开始于通过所述超声波传感器发出这里未示出的超声波信号。所述超声波传感器通过到达的声波激励到振荡。所述超声波传感器还通过环境噪声208激励到振荡。由环境噪声208引起的振荡只能通过其强度204与通过所述超声波信号的回波引起的振荡区分开。

在所述信号中映射了所述超声波传感器的所有振荡。通过在水滴事件108期间在水滴撞击时的脉冲传输引起的振荡也像接收到的声波那样映射在信号200中。

为了能够将通过真实回波和水滴事件108引起的激励202与环境噪声208区分开，在所述超声波传感器中形成了强度204的滑动平均值210。滑动平均值210例如向更高的强度204偏移一绝对量和/或因数，并得到自适应极限值212。具有大于极限值212的强度204的激励作为数据记录214映射在属于测量时间段206的数据分组中。在此，数据记录214包括表示激励202的时刻的至少一个时间值216和表示激励202的最大强度204的至少一个强度值218。

数据记录214也可以包括在时间值216时的极限值212的值和/或平均值210和/或激励202的持续时间。可以将极限值212或平均值210称为噪声水平。

例如，超声波***在70毫秒的测量窗期间计算声波强度。在此，所述超声波***对每毫秒计算先前强度和随后强度的平均值（移动平均值）。如果所观察的毫秒的声波强度比所述平均值高一个小阈值，则所述传感器将具有低概率的物体报告给所述控制设备（自适应阈值）。此外，如果所述声波强度比所述平均值高一个大阈值，则代替于此，所述传感器报告具有大概率的物体。

图3示出了来自大量测量时间段的超声波传感器的数据分组104的图示。每个数据分组104表示一个测量时间段，如该测量时间段例如在图2中示出那样。在图表的列中示出了在一个测量时间段内检测的激励202，该图表在横坐标上绘出以秒[s]为单位的连续时间，并且在纵坐标上绘出以厘米[cm]为单位的距离。激励202的距离值对应于相应测量时间段内的时间值。激励202的灰度值对应于激励202的强度值。

附加地，在纵坐标上绘出在这些测量时间段中的环境噪声208的响度。环境噪声208以分贝[dB]绘出。

正好在大雨时，感兴趣的是降雨量准确地有多大，因为利用该信息可以更加可靠地做出街道突然泛洪的预测并且由此可以更加可靠地做出漂滑的预测。

通过这里提出的方案，所述控制设备评估由雨滴引起的干扰噪声，以便从中计算出准确的降雨量。这可以与借助于回波定位的物体识别和/或使用所述超声波传感器的湿度识别同时或交替地进行。

雨滴以所述传感器的固有频率的大小引起突然出现且快速衰减的声音。水滴越大并且所述水滴在所述传感器上的撞击速度越大，所述激励的测量的声波强度和后振荡时间就越大。为了计算水滴大小，通过测量的车速（车轮转速传感器）和风速（风扇叶轮）来校正所测量的强度或后振荡时间。所述控制设备计数在何时测量了多少、多大的雨滴，并从中计算出准确的降雨量。由于迎面驶来的车辆和前方行驶的车辆例如也通过雨雾而可能影响落在所述传感器上的水滴，因此特别是评估以下测量：在这些测量中未在环境中识别到迎面驶来的车辆和前方行驶的车辆（超声波-回波定位、雷达、视频或激光雷达）。

换句话说，图3示出了当以30km/h和100km/h之间的车速通过漂滑洼地时前侧传感器的测量。

在通过所述漂滑洼地时，噪声水平208明显增加，因此此时也识别出增多的FP物体。在进一步的过程中，噪声水平208和FP物体的数量又降低。

在传感器直径为2cm或传感器表面积为314.16mm²且测量窗为70ms的假设下进行示例计算。在降落速度为6m/s、风速为0km/h、车速为50km/h或13.89m/s、水滴直径为1mm或体积为0.52mm³的情况下，水滴以15.13m/s或以50.5mJ的撞击能量落到所述传感器上。

在600秒内有2毫米降雨的情况下，一立方米的空气内有1061个水滴。每秒有4.63个水滴或每0.216秒一个水滴落到传感器上。考虑0.07秒的测量窗，在所有测量的32.4％中记录到一个水滴。在四个传感器的情况下，甚至每0.054秒有一个水滴落到所述四个传感器之一上。

在强阵雨到极强阵雨（8mm/10分钟）的情况下，涉及到雨滴撞击的测量的130％，因此在超过30％的测量中，在一个测量窗期间有两个水滴落到所述传感器上，其中仍然可以彼此分开地测量这两个水滴。如图所示，在中度阵雨到强阵雨（2mm/10分钟）的情况下，涉及到所有测量的32.4％。在小阵雨至中度阵雨（0.4mm/10分钟）的情况下仍然涉及到所有测量的6.4％，这在使用四个前向传感器的情况下相当于每0.27秒测量到一个水滴。

在车速加倍的情况下，大约有两倍的水滴落到传感器表面上，其中这些水滴的撞击能量增加到四倍。

可以非常精确地并且在很大的测量范围上定量地检测降雨量。在此，也可以良好地检测非常短暂的降雨变化。对漂滑警告的鲁棒性也提高。

如果可以使用超声波可靠地测量雨量并且可以排除通过突然泛洪的街道引起的漂滑，则不必因为较大雨而结束自主驾驶。

可以提出在更小的地区中进行更准确的降雨测量并提供给气象服务。借助这些数据，气象服务至少在短期内更好地预测诸如夏季雷暴的本地气象事件。可以更好地预测本地的洪水。

可以将本来在很多情况下安装的用于泊车向导的超声波***用于识别雨水。不产生额外的组件成本。计算雨水强度，并部分地借助于来自云的信息生成漂滑警告。

最后应当提示：诸如“具有”、“包括”等术语不排除其他元件或步骤，并且诸如“一”或“一个”的术语不排除多个。权利要求中的附图标记不应视为限制。

Claims (14)

1.用于测量降雨的方法，其中所述方法具有以下步骤：

读取至少一个超声波传感器（106）的数据分组（104），其中，在数据分组（104）中映射了在测量时间窗（206）内由所述超声波传感器（106）检测到的激励（202），其中将所述激励（202）映射为时间值（216），其中所述时间值（216）表示激励（202）的检测时刻；

将激励（202）识别为水滴事件（108），其中如果激励（202）的时间值（216）满足水滴事件（108）的至少一个特征，则将所述激励（202）识别为通过击打的水滴（110）的脉冲引起的水滴事件（108）；以及

使用每单位时间识别出的水滴事件（108）的数量来确定降雨强度。

2.根据权利要求1所述的方法，其中，如果在所述数据分组（104）之前和/或之后的数据分组（104）内未映射具有类似时间值（216）的激励（202），则在识别步骤中识别出水滴事件（108）。

3.根据前述权利要求中任一项所述的方法，其中，如果在至少两个超声波传感器（106）的映射相同测量时间窗（206）的不同数据分组（104）中未映射具有相同时间值（216）的激励（202），则在识别步骤中识别出水滴事件（108）。

4.根据前述权利要求中任一项所述的方法，其中，如果在两个超声波传感器（106）的不同数据分组（104）中两次激励（202）的两个时间值（216）相差以下持续时间，所述持续时间对应于声波信号在所述超声波传感器（106）之间的飞越时间，则在识别步骤中没有识别出水滴事件（108）。

5.根据前述权利要求中任一项所述的方法，其中，在读取步骤中还读取强度值（218），其中所述强度值（218）表示所述激励（202）的振幅，其中如果所述强度值（218）满足水滴事件（108）的至少一个特征，则在识别步骤中识别出水滴事件（108）。

6.根据前述权利要求中任一项所述的方法，其中，在读取步骤中还读取频率值，其中所述频率值表示所述激励（202）的频率，其中如果所述频率值满足水滴事件（108）的至少一个特征，则在识别步骤中识别出水滴事件（108）。

7.根据前述权利要求中任一项所述的方法，其中，在确定步骤中还使用引起所述水滴事件（108）的水滴（110）的撞击速度来确定所述降雨强度。

8.根据权利要求7所述的方法，其中，在确定步骤中使用具有所述超声波传感器（106）的车辆（100）的车速和/或所述超声波传感器（106）上的风速来确定所述撞击速度。

9.根据前述权利要求中任一项所述的方法，其中，在识别步骤中还使用所述数据分组（104）中映射的所述激励（202）的后振荡时间值来确定水滴事件（108）。

10.根据前述权利要求中任一项所述的方法，其中，如果在所述超声波传感器（106）前面的喷射区域中识别出物体（116），则在确定步骤中不评估所述水滴事件（108）。

11.根据前述权利要求中任一项所述的方法，具有提供步骤，在所述提供步骤中为上级信息网络（128）提供表示所述降雨强度的降雨信息（122）和属于所述降雨信息（122）的位置信息（126）。

12.用于测量降雨的控制设备（102），所述控制设备被构造为在相应装置（118、120）中执行、实现和/或操控根据前述权利要求中任一项所述的方法。

13.计算机程序产品，其被设计为执行、实现和/或操控根据权利要求1至11中任一项所述的方法。

14.机器可读存储介质，在其上存储有根据权利要求13所述的计算机程序产品。

Images