CN111491845B - 用于路面的雷达分类的方法 - Google Patents

用于路面的雷达分类的方法 Download PDF

Info

Publication number
CN111491845B
CN111491845B CN201880064201.4A CN201880064201A CN111491845B CN 111491845 B CN111491845 B CN 111491845B CN 201880064201 A CN201880064201 A CN 201880064201A CN 111491845 B CN111491845 B CN 111491845B
Authority
CN
China
Prior art keywords
data structure
information
radar
signal
classifier
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
CN201880064201.4A
Other languages
English (en)
Other versions
CN111491845A (zh
Inventor
托尔斯滕·巴格多纳特
马克-迈克尔·梅内克
安德烈亚斯·洛夫勒
托马斯·费希纳
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.)
Continental Germany Autonomous Driving Co ltd
Volkswagen AG
Original Assignee
Continental Germany Autonomous Driving Co ltd
Volkswagen AG
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 Continental Germany Autonomous Driving Co ltd, Volkswagen AG filed Critical Continental Germany Autonomous Driving Co ltd
Publication of CN111491845A publication Critical patent/CN111491845A/zh
Application granted granted Critical
Publication of CN111491845B publication Critical patent/CN111491845B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B60W40/064—Degree of grip
    • 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
    • G01S7/411—Identification of targets based on measurements of radar reflectivity
    • G01S7/412—Identification of targets based on measurements of radar reflectivity based on a comparison between measured values and known or stored values
    • 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
    • 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
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
    • 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
    • G01S13/88—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
    • G01S2013/932—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles using own vehicle data, e.g. ground speed, steering wheel direction
    • 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
    • G01S2013/9327—Sensor installation details
    • G01S2013/93271—Sensor installation details in the front of the vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及通过雷达传感器来分类车辆周围的地面状况的方法，包括以下步骤：在雷达***(1)的接收单元(3)处接收雷达信号的反射部分；通过雷达***(1)或与雷达***连接的控制单元(4)，为离散局部区域计算从雷达信号的接收部分推导出的信息；将信息分配给数据结构的数据结构单元，其中，每个数据结构单元与固定地理位置关联，并且信息的分配考虑了车辆的移动信息；在各个数据结构单元中收集多个信息，其中，这些信息是根据在不同时间发送的雷达信号的反射部分获得的；通过分类器评估数据结构中包含的所述信息，以获得关于地面状况的信息；根据由分类器获得的评估结果，将用于描述地面状况的地面状况类型分配给数据结构单元。

Description

用于路面的雷达分类的方法
技术领域
本发明涉及用于分类机动车辆周围的地面状况的方法和雷达***。
背景技术
对于具有自动驾驶能力的机动车辆，需要稳健的周围感知。这种稳健性可以通过传感器中的冗余或互补实现。在此，互补是指对不同的、相互补充的传感器数据进行评估，以便将它们合并为共同的检测结果。
在现代***中，诸如车道标识等光学特征基本上用于车道检测。这些光学特征通过诸如相机等光学检测***来检测。对于冗余，需要使用(例如，激光或雷达***中的)不同传感器收集关于车道路线的信息。众所周知，所述类型的***能够检测周围的具有相对较大的反向散射横截面的边界结构(例如，护栏、路缘石等)，该边界结构给出关于车道路线的提示。边界结构可以根据测量的反向散射横截面粗略地分类。
迄今为止已知的雷达***的缺点在于，如果不存在具有显著反向散射横截面的清晰的边界结构，则不能通过这种***实现车道识别。迄今为止，还不能借助可用的雷达***仅根据相应的地面结构的反向散射特性来分类地面状况。
发明内容
鉴于此，本发明的目的是提供一种方法，该方法可以根据雷达信号的反射部分将地面状况分类为地面状况类型，从而能够由此获得关于车道路线的结论。
根据第一方面，本发明涉及一种通过雷达传感器对机动车辆周围的地面状况进行分类的方法。该方法包括以下步骤：
首先，在雷达***的接收单元中接收雷达信号的反射部分。优选地，雷达信号在76GHz和81GHz之间的频率范围内，以便达到尽可能高的分辨率，但也可以在24GHz的频率范围内进行选择。
通过雷达***或与其连接的控制单元经由适当的数学方法(例如，频谱范围内的变换，特别是快速傅立叶变换(FFT))根据雷达信号的接收部分推导出与雷达图像的离散的局部区域有关的信息。例如，信息可以涉及所接收的雷达信号的反射部分的振幅、所接收的雷达信号的反射部分的功率、所接收的雷达信号的反射部分的复数表示等，或者可以是根据这些量推导出的测量值。
将由此获得的信息分配给数据结构的数据结构单元。此外，每个数据结构单元与固定的地理位置关联，并且在考虑到车辆的移动信息的情况下将信息分配给相应的数据结构单元。换句话说，数据结构单元对应于在地理上固定的(即，不与车辆一起移动的)雷达地图的网格区域，并且信息到数据结构单元的分配考虑了反射(其是雷达***中的信息的生成原因)的位置，并补偿车辆移动。
优选地，雷达传感器先后执行作为上述信息的来源的多个单独测量。这些先后获得的信息以空间分辨的方式(即，根据作为信息来源的反射的位置)存储在数据结构单元中。换句话说，在各个数据结构单元中收集多个信息，其中，这些信息是根据在不同时间发射的雷达信号的反射部分获得的。因此在多次单独测量之后，每个数据结构单元包括在不同时间获得的多个信息，从而可以基于各个数据结构单元中包含的信息来评估各个位置处的反射的时间曲线。
为了分类地面状况，通过分类器来评估数据结构中包含的信息，以获得有关地面状况的信息。特别地，分类器可以被构造为从信息中提取对于地面状况的分类来说必不可少的特征，并将其与已知标准进行比较，以由此获得在各个位置处存在何种地面状况类型的结论。
随后，基于分类器获得的评估结果，将用于描述地面状况的地面状况类型分配给数据结构单元。由此，可获得在雷达地图的与相应数据结构单元关联的各个网格区域中存在何种地面状况类型的结论。
根据本发明的方法的主要优点在于，可以根据由雷达传感器确定的功率谱的时空曲线来分类平坦结构(例如，根据沥青、草、铺石路面等类别)，并从而可以预估车道路线。
根据一示例性实施例，仅将由于非移动(即，固定的)目标上的反射而产生的信息用于地面状况分类。换句话说，因此，可例如通过多普勒频移识别出的移动目标的所有信息都不会提供给数据结构单元，并因此该信息不会用于分类地面状况。
根据一示例性实施例，当通过分类器评估数据结构中包含的信息时，仅使用振幅或信号强度低于阈值或阈值曲线的信息(例如，信号值或测量值)。在常用的雷达信号的评估中，信息评估以相反的方式进行，即，仅使用具有高振幅的信号值或测量值来选择主反射，以最大程度地减少所需的计算能力。与此相反，本发明精确地评估了低振幅范围内的信号值或测量值，因为这些信号值或测量值通常是由地面反射引起的，并因此可以获得关于地面状况的结论。
根据一示例性实施例，数据结构中存储的信息是与离散的局部区域中的雷达信号的反射部分的功率成比例的信号值或测量值，或者是根据这些信号值或测量值推导出的量。雷达信号的反射部分的功率是发生反射的物体或结构的反向散射横截面的量度。可以根据信号值的时空曲线推导出地面状况。
根据一示例性实施例，数据结构中存储的信息是以在信号值的低振幅范围内没有量的限制或至少没有删减的方式被分配给数据结构单元的信号值或测量值。由此，将特别是低振幅范围内的信号值或测量值存储在数据结构单元中，以便能够基于低振幅范围内的信息执行地面状况分类。
根据一示例性实施例，每个数据结构单元与二维雷达地图的网格区域关联。特别地，雷达地图是关于固定地理点(即，不与车辆一起移动)的固定雷达地图。因此，从数据结构单元获得的分类信息可以转移到雷达地图的网格区域。
根据一示例性实施例，与特定的离散局部区域关联的各个信息与单个数据结构单元相关联，或者与特定的离散局部区域关联的信息与多个数据结构单元相关联，其中，数据结构单元与二维雷达地图的相邻网格区域相关。例如，雷达传感器可以提供与车辆一起移动的、局部离散的雷达图像，在该雷达图像中记录有由雷达***提供的信息，特别是在各个位置处反射的雷达信号的功率。在此，移动的雷达图像的离散化可以不同于数据结构至数据结构单元的离散化，或者不同于固定的雷达地图的离散化。换句话说，可以将移动的雷达图像的网格区域的尺寸选择为与固定的雷达地图的网格区域的尺寸相同或不同。优选地，移动的雷达图像比固定的雷达地图具有更粗糙的离散化。因此，在单独测量中获得的且与移动的雷达图像的网格区域关联的信息与固定的雷达地图的由多个数据结构单元或多个网格区域组成的组相关联。固定的雷达地图的每个组中的网格区域彼此相邻地布置。因此，实现更高的分辨率，并显著提高地面状况分类的准确性。
根据一示例性实施例，数据结构中包含的信息基于数据结构单元中包含的信息单独地进行评估。换句话说，在不考虑来自其它数据结构单元的信息的情况下评估数据结构单元的信息。因此，例如关于位置记录的功率谱可用于地面状况分类。
根据一示例性实施例，对数据结构的数据结构单元中包含的信息进行时间/频谱特性的评估。如上所述，在每个数据结构单元中存储来自在时间上连续执行的多个单独测量的信息。这与已知方法相反，在已知方法中对根据位置获得的反射功率值求和。也就是说，在已知的方法中，在多次单独测量之后，固定的雷达地图的每个网格区域上不存在更多信息，而是通过对多个信息或测量变量求和来仅形成一个总值。有利地，可以根据关于位置记录的信息的时间曲线执行地面状况分类。
根据一示例性实施例，数据结构中包含的信息基于数据结构单元的组进行评估，其中，数据结构单元的每个组包含与二维雷达地图的相邻网格区域相关的多个数据结构单元。因此，可以以跨越数据结构单元的方式将信息用于地面状况分类，并因此可以评估存储信息的与位置相关的特性。
根据一示例性实施例，数据结构的多个数据结构单元中包含的信息以跨越数据结构单元的方式进行时间/频谱特性的评估。一方面，可以根据关于位置记录的信息的时间曲线来确定信息随时间(并因此基于车辆从不同方向的移动引起)的变化，另一方面，可以在考虑来自多个数据结构单元的信息的情况下确定信息随位置(例如，在具有密切位置关系的区域中)的变化。通过分析反射的位置依赖性，可以例如识别出局部不同的结构尺寸。因此，可以改善至不同地面状况类型的地面状况分类。
根据一示例性实施例，分类器使用统计分类器、机器学习方法或基于模型的方法。特别地，可以使用所谓的“深度学习”方法，例如诸如“卷积神经网络(CNN)”等神经网络。因此可以实现较高的分类精度。
根据一示例性实施例，执行校正步骤，在该校正步骤中，基于来自与二维雷达地图的相邻网格区域相关的数据结构单元的信息至少部分地校正被分配给数据结构单元的地面状况类型。换句话说，基于来自其它数据结构单元的信息，消除了数据结构单元的区域或网格区域中的分类误差。该校正步骤可以基于已知的校正方法或平滑方法进行。因此，通过参考相邻网格区域中的分类结果，可以有效地消除单独分类误差。
根据一示例性实施例，基于被分配给数据结构单元的地面状况类型来预估车道线路。例如，可以基于已识别的地面状况类型来识别特定地面状况类型的相关区域或者不同地面状况类型之间的边界线。边界线可用于之后的车道路线预估，特别是用于除诸如基于相机方法等光学方法之外的车道线路预估。
作为上述示例性实施例的替代例，雷达地图可以是三维雷达地图，即，雷达***不被构造为2D雷达***(即，方位角和距离的分辨率)而是被构造为3D雷达***(即，方位角、仰角和距离的分辨率)。通过使用三维雷达***创建三维雷达地图，可以更好地将地面区域与其它周围区域划定界线，即，在分类时可以仅考虑雷达地图中的实际代表地面区域的区域。
根据另一方面，本发明涉及用于通过雷达传感器来分类车辆周围的地面状况的计算机程序产品，其中，计算机程序产品包括具有程序指令的计算机可读存储介质，其中，程序指令能够通过处理器执行，以使处理器执行根据上述任一示例性实施例的方法。
根据另一方面，本发明涉及一种用于车辆的雷达***，雷达***包括雷达传感器和控制单元，控制单元用于评估由雷达传感器接收的雷达信号的反射部分。在此，控制单元被构造为：
-根据与特定的离散局部区域有关的雷达信号的接收部分来计算信息；
-将信息分配给数据结构的数据结构单元，其中，每个数据结构单元与固定的地理位置关联，并且信息的分配考虑了车辆的移动信息；
-将根据在不同时间发射的雷达信号的反射部分获得的多个信息存储在相应的数据结构单元中；
-通过分类器评估数据结构中包含的信息，以获得关于车辆的周围区域中的地面状况的信息；并且
-基于由分类器获得的评估结果，将用于描述地面状况的地面状况类型分配给数据结构单元。
在本发明中，“分类器”应被理解为用于将特征空间映射到一组的类的算法或数学函数。特别地，分类器被构造为分析数据结构单元中存储的信息，并识别特定信息应该归类为分配何种地面状况类型。
在本发明中，“根据雷达信号的反射部分获得的信息”应被理解为可以通过适当的分析方法或计算方法获得的任何信息，特别是信号强度、反射信号振幅、反射功率或从这些量推导出的物理量。
在本发明中，“数据结构”应被理解为任何信息存储结构，特别是数据存储结构。例如，数据结构可以存储在雷达***的诸如随机存取存储器(RAM)等易失性或非易失性存储单元中。
在本发明中，“数据结构单元”应被理解为数据结构中的能够存储多个可彼此区分的信息的逻辑单元。数据结构单元特别可以通过雷达***的存储单元中的存储区域形成。
在本发明中，术语“近似”、“基本上”或“大约”是指相对精确值的+/-10％，优选为+/-5％的偏差和/或是指相对函数稍微变化的形式的偏差。
本发明的改进示例、优点和应用可能性也从下述示例性实施例和附图中给出。在此，不论它们在权利要求书中或它们之间的关系如何概括，所描述和/或描绘的所有特征本身或以任何组合的形式基本上是本发明的主题。权利要求的内容也作为说明书的一部分。
附图说明
根据示例性实施例中的附图将更详细地说明本发明。
图1示意性地示出了由车辆雷达***通过单独测量获得的雷达图像的示例。
图2a示出了沥青的关于位置和时间的反射特性的示例。
图2b示出了大型铺石路面的关于位置和时间的反射特性的示例。
图2c示出了草地的关于位置和时间的反射特性的示例。
图3通过示例并示意性地示出了将随车辆移动的雷达图像的网格区域与数据结构的多个数据结构单元关联或与固定雷达地图的多个网格区域关联。
图4示意性地示出了具有多个网格区域的未调整的雷达地图的示例，其中，每个网格区域关联到与地面状况类型有关的信息。
图5示意性地示出了根据图4调整后的雷达地图的示例。
图6示出了用于地面状况分类的方法的说明性框图的示例。
图7示出了可用于地面状况分类的雷达***的框图的示例。
具体实施方式
图1示出了由车辆10的雷达***1产生的雷达图像的示例。在此，雷达图像例如是关于方位角Φ和距离r绘制的信息，特别是在单独测量和傅里叶变换之后雷达信号的被反射回雷达***1的雷达传感器的部分的功率谱。在此，黑化的密度或强度是从空间中各个位置被反射回车辆的雷达传感器的雷达信号的部分或多少功率的量度。
为了能够对周围的地面状况进行分类，即，例如为了能够在其中车辆10正在移动的特定区域中确定地面是草还是沥青，使用多个单独测量(例如，以图1所示的雷达图像的形式)来位置正确地关联它们的地理位置，即补偿单独测量之间的车辆移动，并且分析多个单独测量的信号值，以便获得有关地面状况的信息。
为了将地面状况分类或归类为不同的地面状况类型，雷达***1包括控制单元4。控制单元4可以由如下模块构成，在该模块中仅执行雷达***1所需的计算步骤和控制步骤，例如，所接收的雷达信号从模拟信号到数字信号的转换以及对数字信号的计算，特别是用于频谱范围中的变换的计算以及用于物体检测的计算(例如，该模块被构造作为微控制器控制单元)。此外，控制单元4可以属于雷达***1，特别是控制单元4可以设置成紧邻雷达传感器，并仅能够执行雷达***1的计算任务和控制任务。此外，替代地，控制单元4也可以由远程控制单元构成，该远程控制单元除了处理来自雷达传感器的信息之外还执行车辆中的其它控制任务。在该情况下，控制单元4可以经由具有足够带宽的数据连接结构(例如，以太网等)连接至雷达传感器。还可以想到的是，在远程控制单元4的情况下，在雷达传感器内或其相邻区域中已经对接收的雷达信号执行了部分处理(例如，模拟/数字转换)，从而接收的被数字化的雷达信号可以传输至远程控制单元4。
为了检测具有较大雷达散射截面(radar cross section，RCS)的物体并因此检测雷达信号的被物体反射回的部分的较大功率，通常会丢弃振幅低于阈值的信号值，以便抑制被非目标物体反射的部分或背景噪声，并从而实现更有效的信号处理。
另一方面，为了将地面状况分类或归类为不同的地面状况类型，在考虑各个反射的地理位置的情况下，在多个单独测量中存储具有较低振幅的信号值。随后，通过合适的分类方法，评估并分析与定义的地理位置有关的单独测量的信号值，以基于具有低振幅的信号值确定在各个地理位置处存在何种地面状况类型。
在此，本发明基于以下发现：反射特性随着存在的地面结构而不同。例如，草具有非常分散的反射特性，而沥青类似于镜子引起在空间上非常集中的反射。另一方面，诸如大石头铺石路面或小石头铺石路面等铺石路面由于铺路石之间的周期性或基本上周期性的接缝或间隔而具有不同的反射特性。
图2a至2c示意性地示出了不同地面状况的关于位置r(左侧图示)或时间t(右侧图示)的反射功率(P，垂直轴)的示例。在此，图2a中的图示示出了在沥青的情况下与位置、时间相关的反射功率，图2b中的图示示出了在大石头铺石路面的情况下与位置、时间相关的反射功率，且图2c中的图示示出了在草或草地的情况下与位置、时间相关的反射功率。在此，关于位置和时间的曲线示出处于低振幅范围内的反射功率值，这些反射功率值显著低于位于雷达***1的检测区域内的主反射(例如，车辆、护栏等)。例如，低振幅范围内的反射功率值比主反射的功率值低15dB至30dB。
如上所述，图1所示的雷达图像示出了单独测量的瞬时图示，雷达图像由于车辆的移动而随时间变化，即，在连续执行单独测量时，雷达图像发生变化。
为了获得与车辆10的移动无关的关于地面反射特性的数据库，雷达***1包括具有多个数据结构单元的数据结构。数据结构例如可以存储在存储单元中，并且数据结构单元表示存储单元中的区域，例如逻辑存储区域。这些存储区域用于存储通过单独测量先后确定的多个信息。这些信息例如可以通过在各个单独测量中接收的雷达信号的反射部分的数字变换(快速傅里叶变换，FFT)来获得。例如，这些信息可以涉及所接收的雷达信号的反射部分的振幅、所接收的雷达信号的反射部分的功率等，或者可以是从这些量推导出的测量值。
此外，数据结构单元分别与固定的地理位置相关联，即，每个数据结构单元包含均与同一个定义的地理位置处的反射有关的信息。因此，数据结构的数据结构单元中包含的信息可以用于产生在地理上固定的雷达地图(参见图4和5)，其中，数据结构单元中包含的信息表明了测量变量的时间曲线，时间曲线源自于雷达地图上的定义位置处的反射。换句话说，数据结构单元分别与固定的雷达地图的网格的网格区域关联，并且在这些数据结构单元中存储如下的信息，这些信息源自于在与固定雷达地图的相应网格区域关联的地理位置处发生的反射。
为了能够将根据图1的雷达图像的信号值以位置正确的方式转移到数据结构的数据结构单元中，必须补偿车辆10的移动，即，基于车辆的移动信息，将雷达图像的信息以位置正确的方式分配给数据结构的一个或多个数据结构单元。因此，可以使用由车辆10提供的移动信息(例如，来自车辆里程表的移动信息)将在相应单独测量中获得的信息关联到相应的数据结构单元，并将这些信息存储在相应数据结构单元中。因此，在执行多个单独测量之后，每个数据结构单元包含在不同时间检测的一系列信息，这些信息源自于固定的地理区域处的反射。
图1所示的雷达图像由基于单独测量计算的多个离散信息形成。特别地，使用离散的方位角值和距离值计算这些信息。各个单独测量(即，雷达图像)的空间离散化以及将数据结构到数据结构单元的与空间离散化相对应的划分可以相同或不同。特别地，与单独测量所基于的空间离散化相比，数据结构可被更精细地离散化(超分辨率原理)。相比于与车辆一起移动的雷达图像的空间离散化，数据结构的更高离散化意味着一个信号值不仅关联到单个数据结构单元，而且还如图3中的示例所示地关联到一组的多个数据结构单元。由雷达***1接收的信息(其由根据图3的上部网格中的划线框表示)关联至或存储在固定雷达地图的多个数据结构单元(数据结构单元对应于根据图3的下部网格中的框)或网格区域中。
当车辆移动时，车辆的位置相对于反射点发生改变，因此根据图1的雷达图像与数据结构的关联发生改变。因此，图3中的网格关联也发生改变。在此，数据结构的更高的空间离散化确保了更高的分辨率，并因此能够提高地面状况分类的精度。
为了分类地面状况，存储在数据结构的数据结构单元中的信息被传输至分类器。分类器被构造为对存储在数据结构中的有关时空变化的信息进行评估。评估的目的在于确定在相应地理位置处存在何种类型的地面状况(例如，草、铺石路面、沥青、冰、诸如灌木丛等植物等)。
任何适于识别数据结构中存储的信息中的特征并将这些特征关联至特定类别的计算机实施算法都可以用作分类器，使得分类器将数据结构单元中存储的信息最接近的地面状况类型作为结果输出(也称为模式识别)。作为分类器，可以考虑统计分类方法、机器学习方法(例如，深度学习算法，特别是具有“卷积神经网络(CNN)”的深度学习)或基于模型的方法。
此外，可以单独地对通过时移获得并存储在单个数据结构单元中的信息进行分类。优选地，基于来自多个数据结构单元的信息进行分类，使得尤其对具有紧密空间关系的雷达信号的反射部分进行评估。特别地，信息随时间和位置的变化都可以用于分类。
图4示出了车辆10的周围区域的分类结果的示例。在结果中存在作为雷达地图RK的空间离散信息，该信息指示在相应空间离散位置处存在何种地面状况类型。在此，例如，图4中的雷达地图RK的网格的网格区域R对应于上述数据结构的数据结构单元。在此，网格区域R的不同的阴影线或填充物代表不同的地面状况类型。因此，例如，标记有大写字母“A”的左侧和右侧条带可以分别代表草地区域，标记有字母“C”的较窄条带可以代表铺设的人行道，标记有字母“B”的较宽条带可以代表铺设的马路或车道。
如图4所示，分类结果可能具有误差或不准确性。这些分类结果通过分离的、不规则分散布置的框表示，所述框具有与其直接相邻区域不同的颜色。
可以通过适当的方法消除所述误差或不准确性，从而获得图5所示的调整后的分类结果。假定在特定地面状况类型的大面积区域中没有局部非常有限的另一种地面状况类型的区域，例如，在草面上没有非常小的沥青面。可以通过将其它地面状况类型的局部区域重新分类为与误差区域紧邻的地面状况类型以完成误差排除。为此，可以使用已知的算法，例如，通过基于模型的平滑方法、曲线逼近方法、低通滤波器等。
图5所示的调整后的雷达地图RK可用于识别车辆周围区域中的可行驶区域，确定各个区域之间的边界线，并从而预估车道线路。在此，通过雷达***1获得的信息可以冗余地或补充地用于车辆10的诸如图像获取***(相机等)等其它传感器***。
图6示意性地示出了对于车辆10周围的地面状况进行分类的方法的基于块的流程图。
在步骤S10中，首先接收雷达信号的反射。在此，在单独测量时，从雷达传感器发射一个或多个雷达信号，并且在雷达传感器处再次接收雷达信号的反射部分。
根据雷达信号的接收部分来计算离散局部区域的信息，例如代表各个局部区域的反射率的量度的信号值(S11)。信息或信号值可以例如是表示各个局部区域处的反射功率的振幅值。可以在以车辆10为空间参考的雷达图像中示出反射，例如，基于具有作为参考点的车辆10的坐标系。
例如通过使用变换方法进行计算，例如FFT，特别是3D FFT。该计算可以在雷达***1内置的控制单元4中进行，控制单元4直接与雷达传感器关联，并且例如在雷达传感器上执行上述计算以及可能的控制任务。替代地，控制单元4可以是上级控制单元，该控制单元除了雷达***1的控制任务之外还执行车辆10的其它***的控制任务。
然后，将通过计算获得的信息分配给数据结构的数据结构单元(S12)。数据结构单元例如形成堆栈类存储区域，在该存储区域中可以存储多个信息，这些信息源自于在不同时间获得的单独测量。在此，数据结构单元例如分别与固定的雷达地图RK的网格区域(也称为雷达网格)相关联，即，每个数据结构单元分别存储的信息源自于与相应数据结构单元关联的位置区域上的反射。
为了根据与车辆有关的信息并因而根据与车辆一起移动的雷达信息获得能够与数据结构单元关联的信息，必须通过车辆的移动信息将该信息转换为与固定的地理位置有关的信息。例如，这可以通过车辆里程数据实现。
为了(在车辆10行驶时)在不同位置和不同时间获得信息，连续执行多次单独测量并根据上述步骤将它们关联到数据结构单元(S13)。因此，在执行了多次单独测量之后，数据结构单元包含多个信息，这些信息源自于在不同时间和不同位置(由于车辆10的移动)发射的雷达信号的反射部分。
随后，将存储在数据结构中的信息传输至分类过程，以便基于数据结构中存储的信息根据预定的地面状况类型对地面状况分类(S14)。在此，分类器可以仅使用与网格区域关联的单个数据结构单元中的信息对网格区域分类。然而，优选地使用多个数据结构单元对网格区域进行分类，这些数据结构单元与和待被分类的网格区域密切相关的网格区域相关。
作为分类过程的结果，将地面状况类型分配给数据结构单元，并因此分配给与这些数据结构单元关联的网格区域(S15)。因此，产生具有网格区域的雷达地图，其中，每个网格区域被分配由雷达***1确定的地面状况类型。因此，能够在不同地面状况类型之间确定边界线，边界线例如可用于预估车道路线或车道路线的冗余识别。
图7通过示例并示意性示出了可用于分类地面状况的雷达***1的框图。雷达***1包括发射单元2、接收单元3和控制单元4。控制单元4具有雷达控制单元4.1。雷达控制单元4.1连接至发射单元2，以便适当地控制发射单元2中的RF信号发生器2.1。RF信号发生器2.1可以例如是压控振荡器(VCO)或锁相环(PLL)。在此，雷达***1可以使用24GHz的范围内的频率或76GHz至81GHz的范围内的频率。优选地雷达***在76GHz至81GHz的范围内，因为更大的带宽可以获得更高的分辨率。从RF信号发生器2.1产生的信号可以优选地经由移相器2.2传输至放大器单元，该信号经由该放大器单元放大并随后供应给传输天线2.4。
接收单元3具有至少一个接收天线3.1，接收天线耦接到至少一个放大器3.2。优选地，设置有至少两个接收天线3.1，以便在接收单元3实现期望的接收特性(波束成形)。放大器3.2在输出侧耦接到混频器3.3。发射信号(即，由RF信号发生器2.1产生的信号)被供应给混频器3.3，以便基于发射信号的发射频率对接收信号进行下混频。特别地，雷达***1可以是所谓的连续波雷达(调频连续波雷达，FMCW雷达)。在混频器3.3的输出端，可以获得所谓的拍差频率，拍差频率是通过将接收信号与发射信号混合产生的。随后，可以在低通滤波器3.4中对经过下混频的信号进行低通滤波。
随后，将混频器3.3的可能被滤波的输出信号供应给控制单元4。
控制单元4对接收单元的输出信号进行数字信号处理。特别地，混频器3.3的可能被低通滤波的输出信号通过模拟/数字转换器4.2被转换为数字信号。该数字化的信号通过使用变换方法(例如，三维快速傅里叶变换(3D-FFT)单元4.3)转化到频谱范围内。
在3D FFT单元4.3的输出端，可获得关于雷达信号的反射部分及其信号强度的空间分辨信息。一方面，该信息可用于基本检测，即，可以识别出引起高的背向反射的物体。在此，还可以通过多普勒效应确定物体的速度。
此外，如上所述，3D FFT单元4.3的输出信号可用于将地面状况分类为地面状况类型。
特别地，控制单元4及其功能性可以通过微处理器或包含微处理器的控制单元形成。随后，控制单元4的输出信号通过车辆接口5(例如，通过诸如CAN总线等车辆总线***)被传输到一个或多个上级控制单元。
通过使用上述示例性实施例说明了本发明。应理解，在不脱离专利权利要求限定的保护范围的情况下，可以进行多种改变和修改。
附图标记列表
1 雷达***
2 发射单元
2.1 RF信号发生器
2.2 移相器
2.3 放大器
2.4 发射天线
3 接收单元
3.1 接收天线
3.2 放大器
3.3 混频器
3.4 低通滤波器
4 控制单元
4.1 雷达控制单元
4.2 模拟/数字转换器
4.3 3D-FFT单元
5 车辆接口
10 车辆
R 网格区域
RK 雷达地图

Claims (17)

1.一种通过雷达传感器对车辆周围的地面状况进行分类的方法，包括以下步骤：
在雷达***(1)的接收单元(3)处，接收雷达信号的反射部分；
通过所述雷达***(1)或与所述雷达***连接的控制单元(4)，为离散局部区域计算从雷达信号的接收部分推导出的信息；
将所述信息分配给数据结构的数据结构单元，其中，每个所述数据结构单元与固定的地理位置相关联，并且所述信息的分配考虑了所述车辆的移动信息；
在各个所述数据结构单元中收集分配给各个所述数据结构单元的多个信息，其中，所述多个信息是根据在不同时间发射的所述雷达信号的反射部分获得的，其中，在多个单独测量之后，每个所述数据结构单元由此包括在不同时间获得的所述多个信息，使得能够基于在相应的所述数据结构单元中包含的信息来评估在相应的位置处的反射的时间曲线；
通过分类器，评估所述数据结构中包含的信息，以获得关于所述地面状况的信息；
基于由所述分类器获得的评估结果，将用于描述所述地面状况的地面状况类型分配给所述数据结构单元，
其中，在通过所述分类器评估所述数据结构中包含的信息时，仅使用振幅或信号强度低于阈值或阈值曲线的信息。
2.根据权利要求1所述的方法，其特征在于，仅将由于非移动目标上的反射而产生的信息用于所述地面状况的分类。
3.根据权利要求1或2所述的方法，其特征在于，所述数据结构中存储的信息是与所述离散局部区域中的所述雷达信号的反射部分的功率成比例的信号值或测量值，或者是根据所述信号值或测量值推导出的量。
4.根据权利要求1或2所述的方法，其特征在于，所述数据结构中存储的信息是以在信号值的低振幅区域内没有量的限制或至少没有删减的方式被分配给所述数据结构单元的信号值或测量值，或者是根据所述信号值或测量值推导出的量。
5.根据权利要求1或2所述的方法，其特征在于，每个所述数据结构单元与二维或三维雷达地图(RK)的网格区域(R)关联。
6. 根据权利要求5所述的方法，其特征在于，
与特定的所述离散局部区域关联的信息分别与单个所述数据结构单元相关联，或者
与特定的所述离散局部区域关联的信息分别与多个所述数据结构单元相关联，其中，这些数据结构单元与所述二维或三维雷达地图(RK)的相邻网格区域(R)相关。
7.根据权利要求1或2所述的方法，其特征在于，所述数据结构中包含的信息的评估是基于所述数据结构单元中包含的信息单独地进行的。
8.根据权利要求7所述的方法，其特征在于，对所述数据结构的所述数据结构单元中包含的信息进行时间/频谱特性的评估。
9.根据权利要求5所述的方法，其特征在于，所述数据结构中包含的信息的评估是基于所述数据结构单元的组进行的，其中，所述数据结构单元的每个组包含与所述二维或三维雷达地图(RK)的相邻网格区域(R)相关的多个所述数据结构单元。
10.根据权利要求9所述的方法，其特征在于，以跨越所述数据结构单元的方式，对所述数据结构的多个所述数据结构单元中包含的信息进行时间/频谱和/或局部特性的评估。
11.根据权利要求1或2所述的方法，其特征在于，所述分类器使用统计分类器。
12.根据权利要求1或2所述的方法，其特征在于，所述分类器使用机器学习方法。
13.根据权利要求1或2所述的方法，其特征在于，所述分类器使用基于模型的方法。
14.根据权利要求5所述的方法，其特征在于，执行校正步骤，在校正步骤中，基于来自与所述二维或三维雷达地图的相邻网格区域相关的所述数据结构单元的信息，至少部分地校正被分配给所述数据结构单元的所述地面状况类型。
15.根据权利要求1或2所述的方法，其特征在于，基于被分配给所述数据结构单元的所述地面状况类型，预估车道路线。
16.一种通过雷达传感器对车辆周围的地面状况进行分类的计算机程序产品，其中，所述计算机程序产品包括具有程序指令的计算机可读存储介质，其中，所述程序指令能够由处理器执行，以使所述处理器执行根据权利要求1-15中任一项所述的方法。
17.一种用于车辆的雷达***，所述雷达***包括雷达传感器和控制单元(4)，所述控制单元用于评估由所述雷达传感器接收的雷达信号的反射部分，其中，所述控制单元(4)被构造为：
根据与特定的离散局部区域有关的雷达信号的接收部分，计算信息；
将所述信息分配给数据结构的数据结构单元，其中，每个所述数据结构单元与固定的地理位置相关联，并且所述信息的分配考虑了所述车辆的移动信息；
在各个所述数据结构单元中收集分配给各个所述数据结构单元的多个信息，其中，所述多个信息是根据在不同时间发射的雷达信号的反射部分获得的，其中，在多个单独测量之后，每个所述数据结构单元由此包括在不同时间获得的所述多个信息，使得能够基于在相应的所述数据结构单元中包含的信息来评估在相应的位置处的反射的时间曲线；
通过分类器评估所述数据结构中包含的信息，以获得关于所述车辆的周围区域的地面状况的信息；
基于由所述分类器获得的评估结果，将用于描述所述地面状况的地面状况类型分配给所述数据结构单元，
其中，在通过所述分类器评估所述数据结构中包含的信息时，仅使用振幅或信号强度低于阈值或阈值曲线的信息。
CN201880064201.4A 2017-10-16 2018-10-15 用于路面的雷达分类的方法 Active CN111491845B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102017123969.3A DE102017123969B4 (de) 2017-10-16 2017-10-16 Verfahren zur Klassifikation von flächigen Strukturen
DE102017123969.3 2017-10-16
PCT/EP2018/078074 WO2019076812A1 (de) 2017-10-16 2018-10-15 Verfahren zur radar-klassifikation der strassenoberfläche

Publications (2)

Publication Number Publication Date
CN111491845A CN111491845A (zh) 2020-08-04
CN111491845B true CN111491845B (zh) 2024-04-16

Family

ID=63896141

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880064201.4A Active CN111491845B (zh) 2017-10-16 2018-10-15 用于路面的雷达分类的方法

Country Status (5)

Country Link
US (1) US11500087B2 (zh)
EP (1) EP3652035A1 (zh)
CN (1) CN111491845B (zh)
DE (1) DE102017123969B4 (zh)
WO (1) WO2019076812A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE542921C2 (en) 2019-01-24 2020-09-15 Acconeer Ab Autonomous moving object with radar sensor
US20220260673A1 (en) * 2019-06-28 2022-08-18 Nec Corporation Radar device, imaging method, and imaging program
CN113587941A (zh) * 2020-05-01 2021-11-02 华为技术有限公司 高精度地图的生成方法、定位方法及装置
CN112184549B (zh) * 2020-09-14 2023-06-23 阿坝师范学院 基于时空变换技术的超分辨图像重建方法
CN113140048B (zh) * 2021-04-15 2023-02-24 北京世纪高通科技有限公司 一种车辆里程确定方法、装置、***及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106127113A (zh) * 2016-06-15 2016-11-16 北京联合大学 一种基于三维激光雷达的道路车道线检测方法
CN106324618A (zh) * 2015-06-17 2017-01-11 百利得汽车主动安全***（苏州）有限公司 基于激光雷达检测车道线的***及其实现方法
WO2017110159A1 (ja) * 2015-12-25 2017-06-29 日立建機株式会社 オフロードダンプトラック及び障害物判別装置
DE102016200642A1 (de) * 2016-01-19 2017-07-20 Conti Temic Microelectronic Gmbh Verfahren und vorrichtung zum klassifizieren von fahrbahnbegrenzungen und fahrzeug

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19545704C2 (de) * 1995-12-07 2000-11-30 Horsch Maschinen Gmbh Verfahren und Einrichtung zum Vermessen bzw. Zuordnen von Messdaten zu landwirtschaftlichen Nutzflächen unter Verwendung von GPS oder DGPS
DE19932094A1 (de) * 1999-07-09 2001-01-25 Daimler Chrysler Ag Multisensorielle, vorausschauende Straßenzustandserkennung
US9377528B2 (en) * 2010-03-19 2016-06-28 Northeastern University Roaming mobile sensor platform for collecting geo-referenced data and creating thematic maps
US8996228B1 (en) * 2012-09-05 2015-03-31 Google Inc. Construction zone object detection using light detection and ranging
WO2014065856A1 (en) * 2012-10-25 2014-05-01 Massachusetts Institute Of Technology Vehicle localization using surface penetrating radar
DE102013002333A1 (de) * 2013-02-12 2014-08-14 Continental Teves Ag & Co. Ohg Verfahren und Strahlensensormodul zur vorausschauenden Straßenzustandsbestimmung in einem Fahrzeug
US10145837B2 (en) * 2013-03-14 2018-12-04 Robert Ernest Troxler Systems and methods for asphalt density and soil moisture measurements using ground penetrating radar
JP6321448B2 (ja) * 2013-06-03 2018-05-09 株式会社デンソー レーダ装置、及びプログラム
US9383426B2 (en) * 2013-09-17 2016-07-05 Farrokh Mohamadi Real-time, two dimensional (2-D) tracking of first responders with identification inside premises
DE102013017347A1 (de) * 2013-10-18 2015-04-23 Knorr-Bremse Systeme für Nutzfahrzeuge GmbH Verfahren zum Klassifizieren von Hindernissen
DE102014210770A1 (de) * 2014-06-05 2015-12-17 Conti Temic Microelectronic Gmbh Verfahren und system zur bestimmung einer fahrzeugposition eines fahrzeuges
DE102015001386A1 (de) 2015-02-04 2016-08-04 Audi Ag Verfahren zur Ermittlung einer Querpositionsinformantion eines Kraftfahrzeugs auf einer Fahrbahn und Kraftfahrzeug
DE102015003115B4 (de) * 2015-03-11 2021-10-07 Audi Ag Verfahren zur Ermittlung einer Fahrbahnzustandsinformation und Kraftfahrzeug
CN107924625B (zh) * 2015-08-19 2021-11-12 三菱电机株式会社 车道识别装置以及车道识别方法
US20170248953A1 (en) 2016-02-25 2017-08-31 Ford Global Technologies, Llc Autonomous peril control
EP3432022A4 (en) * 2016-03-14 2019-12-04 Hitachi Construction Machinery Co., Ltd. MINE WORK MACHINE
US10353053B2 (en) * 2016-04-22 2019-07-16 Huawei Technologies Co., Ltd. Object detection using radar and machine learning
DE102017000753A1 (de) 2017-01-27 2017-07-13 Daimler Ag Verfahren zur Detektion von Feuchtigkeit in einer Fahrzeugumgebung
US10127462B1 (en) * 2017-05-09 2018-11-13 Toyota Research Institute, Inc. Systems and methods for detecting markers on a roadway

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106324618A (zh) * 2015-06-17 2017-01-11 百利得汽车主动安全***（苏州）有限公司 基于激光雷达检测车道线的***及其实现方法
WO2017110159A1 (ja) * 2015-12-25 2017-06-29 日立建機株式会社 オフロードダンプトラック及び障害物判別装置
DE102016200642A1 (de) * 2016-01-19 2017-07-20 Conti Temic Microelectronic Gmbh Verfahren und vorrichtung zum klassifizieren von fahrbahnbegrenzungen und fahrzeug
CN106127113A (zh) * 2016-06-15 2016-11-16 北京联合大学 一种基于三维激光雷达的道路车道线检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
贾伯年、俞朴.《传感器技术》.东南大学出版社,1992,第295-296页. *

Also Published As

Publication number Publication date
WO2019076812A1 (de) 2019-04-25
US11500087B2 (en) 2022-11-15
US20200256980A1 (en) 2020-08-13
DE102017123969A1 (de) 2019-04-18
CN111491845A (zh) 2020-08-04
EP3652035A1 (de) 2020-05-20
DE102017123969B4 (de) 2019-11-28

Similar Documents

Publication Publication Date Title
CN111491845B (zh) 用于路面的雷达分类的方法
US10404261B1 (en) Radar target detection system for autonomous vehicles with ultra low phase noise frequency synthesizer
US10180494B2 (en) Method for angle estimation and radar sensor for motor vehicles
CN104793202B (zh) 多雷达成像传感器的对象融合***
US20200174096A1 (en) Method and apparatus for processing radar data
US8605947B2 (en) Method for detecting a clear path of travel for a vehicle enhanced by object detection
CN104181516B (zh) 用于在机动车的驾驶员辅助***中评估障碍物的方法
CN104730522B (zh) 基于调频连续波雷达的道路环境检测方法及装置
Kaliyaperumal et al. An algorithm for detecting roads and obstacles in radar images
JP6383364B2 (ja) 距離範囲分類を有するｆｍｃｗレーダ
EP4137846A1 (en) High-precision map generation method, localization method, and device
CN112824931A (zh) 使用参考数据改善雷达数据的方法和设备
JP2019525164A (ja) 自動車から物体を走査するためのシステム、および、自動車から物体を走査する方法
JP7138970B2 (ja) 物体の少なくとも１つのパラメータを決定する方法および装置
CA2747652A1 (en) Method for assessing a ground area for suitability as a landing zone or taxi area for aircraft
CN115616554A (zh) 配置用于确定空闲域的车辆雷达***
Wang et al. Automatic road extraction from mobile laser scanning data
CN105093213A (zh) 具有改进的多目标区分的雷达***
Homm et al. Fusion of laserscannner and video based lanemarking detection for robust lateral vehicle control and lane change maneuvers
JP7103767B2 (ja) レーダ装置および物標検出方法
JP6993136B2 (ja) レーダ装置および物標検知方法
Hinz et al. Traffic monitoring with spaceborne SAR—Theory, simulations, and experiments
JP7019059B2 (ja) レーダセンサによる点目標の横速度またはデカルト速度の推定
Mujica et al. Internet of Things in the railway domain: Edge sensing system based on solid-state LIDAR and fuzzy clustering for virtual coupling
Harrer et al. Automotive synthetic aperture radar system based on 24 GHz series sensors

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
TA01 Transfer of patent application right

Effective date of registration: 20230725

Address after: Dusseldorf

Applicant after: Continental Germany Autonomous Driving Co.,Ltd.

Applicant after: VOLKSWAGEN AG

Address before: Nuremberg, Germany

Applicant before: CONTI TEMIC MICROELECTRONIC GmbH

Applicant before: VOLKSWAGEN AG

TA01 Transfer of patent application right
CB02 Change of applicant information

Address after: Germany Ingolstadt

Applicant after: Continental Germany Autonomous Driving Co.,Ltd.

Applicant after: VOLKSWAGEN AG

Address before: Dusseldorf

Applicant before: Continental Germany Autonomous Driving Co.,Ltd.

Applicant before: VOLKSWAGEN AG

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant