CN112368593A - 借助用于机动车的雷达传感器来识别静态雷达目标的方法 - Google Patents

借助用于机动车的雷达传感器来识别静态雷达目标的方法 Download PDF

Info

Publication number
CN112368593A
CN112368593A CN201980044449.9A CN201980044449A CN112368593A CN 112368593 A CN112368593 A CN 112368593A CN 201980044449 A CN201980044449 A CN 201980044449A CN 112368593 A CN112368593 A CN 112368593A
Authority
CN
China
Prior art keywords
radar
static
occupancy
target
targets
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.)
Granted
Application number
CN201980044449.9A
Other languages
English (en)
Other versions
CN112368593B (zh
Inventor
S·朗
T·格斯内尔
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.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
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 Robert Bosch GmbH filed Critical Robert Bosch GmbH
Publication of CN112368593A publication Critical patent/CN112368593A/zh
Application granted granted Critical
Publication of CN112368593B publication Critical patent/CN112368593B/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
    • 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
    • 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
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • 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
    • 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

Landscapes

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

Abstract

一种用于借助机动车的雷达传感器对静态雷达目标进行识别和分类的方法，该方法包括：基于所接收到的、由该对象(14)所反射的雷达信号将对象(14)识别(S10)为静态雷达目标，基于所接收到的、由该对象(14)所反射的雷达信号在占用网格(20)中产生(S12)占用图样(24)，存储(S14)将所产生的占用图样(24)分配给该静态雷达目标的分配，基于所接收到的、由相应的对象(14)所反射的雷达信号的雷达签名的特有特征将该静态雷达目标分类(S16)为属于多个静态雷达目标组中的一个；以及一种用于执行该方法的雷达传感器。

Description

借助用于机动车的雷达传感器来识别静态雷达目标的方法
技术领域
本发明涉及一种用于借助机动车的雷达传感器来对静态雷达目标进行识别和分类的方法，该方法包括：基于所接收到的、由对象所反射的雷达信号将该对象识别为静态雷达目标。
背景技术
在用于机动车的驾驶员辅助***中，例如在用于自动间距调节的***中或者在碰撞警告***中，通常使用雷达传感器以检测交通周围环境。除了动态对象之外，驾驶员辅助***还必须可靠地将静态对象探测为潜在碰撞危险的障碍物。然而，在单个雷达测量中，实际的静态障碍物和可驶越的(überfahrbar)对象(例如窨井盖、空薯片袋或者可乐罐)可能是无法相互区分的。到目前为止，通常随时间推移考虑静态对象的雷达签名并进行分类，以将对象分类为实际的静态障碍物或者分类为可驶越的对象。在此，将这些对象作为点状考虑。
最近，对以下雷达传感器的需求日益增加：针对对象，这些雷达传感器能够以更高的精度探测到明显更多的雷达反射。
发明内容
本发明的任务是，说明一种用于雷达传感器的方法，该方法允许更可靠地识别对静态障碍物。
根据本发明，该任务借助在独立权利要求中所说明的特征来解决。
解决方案构思的核心在于，对于随时间推移进行跟踪并基于分配给雷达目标的雷达反射的雷达签名进行分类的静态雷达目标，附加地将占用图样记入(eintragen)到占用网格中，其中，存储占用图样到雷达目标的分配。在此，将占用图样分配给雷达目标，该占用图样对应于分配给雷达目标的一个或多个雷达反射。因此，基于雷达反射的雷达签名进行占用图样与雷达目标的分类的关联。
占用图样可以针对相应的网格位置(网格单元)说明占用概率。对占用网格进行存储并且随时间推移进行更新。随时间推移可以在占用图样中积累雷达反射。占用图样的延伸(Ausdehnung)能够实现对静态障碍物的延伸的估计。如果将雷达目标分类为可驶越的，则可以将占用图样从占用网格中去除，相应于将占用概率置为说明“未占用”的值。在车辆驶离的情况下可以类似地进行。该方法可以对用于点目标分类和实际障碍物探测的常规方法进行补充。
特别有利的是，通过将占用图样分配给对象能够实现：针对在占用网格中所记入的占用概率，随后对所基于的对象进行分类，并且将关于占用网格中的占用概率的信息与关于分类的信息相互关联，例如在接近相应对象的过程中。
在接近对象的过程中，可能得出分配给该对象的多个雷达反射，例如在100的数量级或者更多的反射。即使在分配给对象多个雷达反射的情况下，占用图样到对象的分配也使得能够容易地分析处理占用图样，以估计对象的位置和/或估计对象大小。
另外，不同的静态雷达目标组的区分还能够实现将占用网格中彼此邻接的雷达目标进行相互区分。这使得能够实现机动车周围环境的更好的映射。一个示例是护栏与相邻的树木之间的可能区分。另一示例是停止车辆与其他静态雷达目标之间的区分。
将占用图样分配给对象的一个特别的优点是，在随后将对象估计为可驶越的情况下，可以将占用图样从占用网格中去除，因为占用网格中属于该对象的占用由于分配而是已知的。因此能够实现占用网格中的占用概率的可靠去除。因此，如果在接近障碍物的过程中证实该障碍物为可驶越的，则可以再次删除占用网格中的相应占用。一个示例是例如道路中的火车轨道(Bahnschiene)，例如电车轨道或者铁路道口的火车轨道。火车轨道表示具有大的延伸的静态雷达目标，但是，在分类为可驶越的之后，可以在占用网格中将该静态雷达目标删除。
相应地，对于以下雷达目标也可以从占用网格中删除占用图样：该雷达目标在占用网格中最初已经记录为静态雷达目标，而现在该雷达目标识别为置于运动中的车辆。
也有利的是，基于占用网格能够附加地估计对象的、尤其是常规地已经作为点目标进行处理的对象的延伸。这使得能够降低障碍物识别的误报率。
在随着时间的推移具有大量雷达反射的较大对象的情况下，基于占用图样对延伸进行附加的估计也是有利的，因为与大量雷达反射的参数相比，占用图样可以更简单地被分析处理。
此外有利的是，占用网格仍然能够实现机动车的静态周围环境的无模型表示。由此使得占用网格能够实现多方面的应用，例如用于护栏的估计，或者用于停车位搜索。此外，能够实现占用网格中的自由空间的建模。此外，可以通过去除识别为可驶越的对象的占用图样来更新自由空间的建模。因此可以改善占用网格的可靠性。
特别地，可以基于等于零的绝对速度(即相应于具有相反符号的机动车自身速度的相对速度)的估计将对象识别为静态雷达目标。
例如，可以为静态雷达目标存储所分配的占用图样，例如以在占用网格中所进行的属于该占用图样的记入内容的目录的形式。例如可以为占用网格中的、属于静态雷达目标的占用图样的每个网格单元存储分配有该占用图样的静态雷达目标的标识/识别符(ID)。
优选地，在占用网格的相应网格单元中记录占用概率。
占用图样可以包括占用网格中的一个或多个网格单元。
所接收到的、由对象所反射的雷达信号可以映射在占用网格中的一个或多个网格单元中，其中，相应的网格单元对应于所接收到的、由对象所反射的雷达信号的相应定位位置。
优选地，占用网格在至少两个维度上延伸。占用网格优选为二维网格，相应于机动车周围环境中的水平延伸的区域。
例如可以将所接收到的雷达信号的雷达签名与特有特征进行比较，并且基于比较结果进行静态雷达目标的分类。
例如以下可以作为特有特征用于静态雷达目标的分类：方位角、仰角、径向距离、相对速度和/或诸如雷达横截面(radar cross section)的反向散射特性以及这些特征中的多个的组合。
在随时间推移跟踪静态雷达目标时，例如可以进行静态雷达目标的分类的更新。
在从属权利要求中说明本发明的有利的扩展方案和构型。
优选地，基于定位位置的空间接近度，将源自不同定位位置的多个雷达反射合并为一个静态雷达目标，其中，占用网格中所产生的占用图样包括多个网格单元，在这些网格单元中映射多个雷达反射。因此，可以将分配给雷达目标的多个雷达反射以占用概率的形式记录在占用图样的相应网格单元中，其中，相应的网格单元对应于分配给雷达目标的雷达反射的相应定位位置。
此外，本发明的主题是一种用于机动车的雷达传感器，在该雷达传感器中实现上述方法之一。
附图说明
以下基于附图进一步阐述实施例。
附图示出：
图1示出雷达传感器的原理概图，在该雷达传感器中可应用本发明；
图2示出雷达反射、所估计的点目标以及占用网格的示意图；和
图3示出用于对静态雷达目标进行识别和分类的方法的流程图。
具体实施方式
在图1中所示出的雷达传感器包括具有发送天线和接收天线的传感器单元10，该传感器单元与控制与分析处理单元12连接。该控制与分析处理单元在相应的测量周期中操控传感器单元10，以发射雷达信号和接收由对象所反射的雷达信号。所接收到的雷达信号由控制与分析处理单元12进行分析处理，并且对各个雷达反射(即所接收到的、在对象14处所反射的雷达信号)的参数进行估计。将雷达反射的所估计的参数以及原始测量的其他数据输出到对象识别与跟踪单元16，该参数和其他数据也可以统一称为雷达签名。基于各个雷达反射(这些雷达反射以适当的方式具有几乎一致的相对速度)的定位位置的空间接近度，对象识别与跟踪单元16将雷达反射合并，并且将这些雷达反射识别为一个雷达目标。这也称为形成聚类(Clustern或Clustering)。随时间推移对所识别出的雷达目标进行跟踪(对象跟踪)。
在识别为静态的雷达目标(即对应于静止对象的雷达目标)的情况下，与对象识别与跟踪单元16连接的对象分类单元18在第一处理路径中基于其雷达签名的特有特征对所识别的静态雷达目标进行分类。分类例如可以借助深度学习方法、例如借助人工神经网络来进行。以下可以作为雷达反射的参数例如用于分类：方位角、仰角、径向距离、相对速度和反向散射特性(例如雷达横截面)。另外，可以将基于多个雷达反射的参数用于分类，例如雷达反射的数量、反射的布置、在考虑雷达反射的相应反向散射特性的情况下的布置的图样。在分类时例如可以区分：不可驶越的对象(静态障碍物)，例如静止的车辆、路缘石、护栏、标志牌、交通灯柱、树木和必要时未进一步分类的障碍物；以及可驶越的对象。
在第二处理路径中，将所识别出的静态雷达目标的雷达反射的所估计的参数同时记入到存储在存储器中的占用网格20中并且随时间推移进行积累。
这示例性地在图2中示出。占用网格20映射机动车的所识别出的静态周围环境。
图2(a)示出各个雷达反射的定位位置。图2(b)以所估计的点目标的形式示出雷达目标21，该点目标已经基于各个雷达反射进行估计。图2(c)示出如何由各个雷达反射的定位位置得出占用网格20的相应网格单元22的占用概率。雷达反射分配有相应的网格单元，这些网格单元标记为“可能占用”。在此，可以区分占用概率的不同值。通过网格单元22的不同标记表示不同的占用概率。图2(d)示出占用网格20中所获得的占用图样24。因此，占用图样24通过以下方式产生：以占用概率的形式将分配给雷达目标的多个雷达反射记录在占用图样24的相应于雷达反射定位位置的相应网格单元22中。
附加地，将占用图样24的所占用的网格单元22与相关的雷达目标之间的分配进行存储。例如可以在每个相关的网格单元22中存储占用概率和辨识所属雷达目标的对象标识(ID)。替代地或附加地，对象识别与跟踪单元16可以将占用图样24以分配给雷达目标的网格单元22的目录的形式进行存储。
占用网格20设计为用于，针对所探测到的多个静态雷达目标存储相关的占用图样24，其中，分别同样地存储分配。
对象识别与跟踪单元16设置为用于，基于所分配的占用图样24，对于雷达目标估计该雷达目标的延伸。例如可以相应于占用图样24的所占据的网格单元22确定该延伸。如此估计的延伸可以作为雷达目标的附加参数纳入到通过对象分类单元18所进行的雷达目标的分类中。
如果在跟踪静态雷达目标、尤其是点目标期间证实，该雷达目标不是重要相关的障碍物，而是(重新)分类为可驶越的，则对象识别与跟踪单元16设置为用于，基于占用图样24到该静态雷达目标的分配，删除占用网格20中所分配的占用图样24。为此的一个示例是呈窨井盖形式的对象。因此，占用网格20始终仅映射分级为潜在障碍物的静态雷达目标，而不因撤销将静态雷达目标分类为障碍物而在占用网格20中留下伪像。
如果在跟踪静态雷达目标期间证实，该雷达目标已经置于运动中，则对象识别与跟踪单元16设置为用于，基于占用图样24到该雷达目标的分配，删除占用网格20中所分配的占用图样24。因此，占用网格20始终仅映射识别为静态的雷达目标，而不因撤销将雷达目标分类为静态雷达目标而在占用网格20中留下伪像。
如果在跟踪两个或者更多的静态雷达目标期间证实，这些雷达目标属于唯一的对象，则对象识别与跟踪单元16设置为用于，基于占用图样24到这些雷达目标的分配，将占用图样24融合(verschmelzen)为雷达目标的统一的占用图样24。
对象识别与跟踪单元16以及占用网格20和对象分类单元18例如是驾驶员辅助***30的一部分。
在图3中所示出的方法可以在所描述的雷达传感器中实现，并且在下文中对其进行描述。在步骤S10中，基于所接收到的、由对象14所反射的雷达信号将至少一个对象14识别为静态雷达目标。在步骤S12中，基于所接收到的、由相应的对象14所反射的雷达信号，在占用网格20中产生相应的占用图样24。在步骤S14中，存储将所产生的占用图样24分配给静态雷达目标的分配。在步骤S16中，进行静态雷达目标的上述分类。
分类(步骤S16)可以与占用图样的产生(步骤S14)并行进行，或者可以在占用图样的产生之前或之后进行。
在步骤S18中，检查是否已经将雷达目标分类为可驶越的。如果是，则在步骤S22中对占用图样以及所存储的分配进行删除。然后，以对其他雷达目标进行识别和跟踪的步骤S10继续进行该方法。
如果不是，则在步骤S20中检查是否仍将该雷达目标识别为静态雷达目标。如果是，则重复该方法，其中，在步骤S10中继续跟踪该雷达目标，并且在步骤S12中通过积累分配给该雷达目标的雷达反射更新占用图样。否则，即如果该雷达目标现在识别为处于运动中，则在步骤S22中对占用图样以及所存储的分配进行删除。然后，再次以对其他雷达目标进行识别和跟踪的步骤S10继续进行该方法。
可以分别针对所识别出的全部雷达目标相应地实施所述步骤。

Claims (8)

1.一种用于借助机动车的雷达传感器对静态雷达目标进行识别和分类的方法，所述方法包括：
基于所接收到的、由对象(14)所反射的雷达信号将所述对象(14)识别(S10)为静态雷达目标；
基于所接收到的、由所述对象(14)所反射的雷达信号在占用网格(20)中产生(S12)占用图样(24)；
存储(S14)将所产生的占用图样(24)分配给所述静态雷达目标的分配；
基于所接收到的、由相应的对象(14)所反射的雷达信号的雷达签名的特有特征将所述静态雷达目标分类(S16)为属于多个静态雷达目标组中的一个。
2.根据权利要求1所述的方法，在所述方法中，所述多个静态雷达目标组包括至少一个可驶越的雷达目标组和一个不可驶越的雷达目标组，
其中，如果将静态雷达目标分类为可驶越的，则基于所述占用图样(24)到所述静态雷达目标的分配，在所述占用网格(20)中删除(S18，S22)分配给所述静态雷达目标的所述占用图样。
3.根据权利要求1或2所述的方法，其中，所述方法包括：
基于所述雷达传感器的多个测量周期的所接收到的、由相应的对象(14)所反射的雷达信号，随时间推移跟踪(S10)所述静止雷达目标；
其中，在将所述静态雷达目标分类(S16)为属于多个静态雷达目标组中的一个时，使用来自所述雷达传感器的多个测量周期的、所接收到的、由相应的对象(14)所反射的雷达信号。
4.根据以上权利要求中任一项所述的方法，其中，所述方法包括：
基于所述雷达传感器的多个测量周期的、所接收到的、由相应的对象(14)所反射的雷达信号，随时间推移跟踪(S10)所述静止雷达目标；
在所述占用网格(20)中更新(S12)分配给所述静态雷达目标的所述占用图样(24)，包括：基于所述雷达传感器的多个测量周期的、所接收到的、由相应的对象(14)所反射的雷达信号，在所述占用网格(20)的一个或多个网格单元(22)中积累占用概率。
5.根据以上权利要求中任一项所述的方法，在所述方法中，基于分配给静态雷达目标的占用图样(24)，估计所述静态雷达目标的延伸，并且在将所述静态雷达目标分类(S16)为属于多个静态雷达目标组中的一个时，使用所述静态雷达目标的所估计的延伸。
6.根据以上权利要求中任一项所述的方法，在所述方法中，基于定位位置的空间接近度，将源自不同定位位置的多个雷达反射合并为一个静态雷达目标，其中，在所述占用网格(20)中所产生的占用图样(24)包括多个网格单元(22)，在所述多个网格单元中映射所述多个雷达反射。
7.根据以上权利要求中任一项所述的方法，在所述方法中，在所述占用网格(20)中产生所述占用图样(24)之后并且在存储所述分配之后，基于所接收到的、由相应的对象(14)所反射的雷达信号的雷达签名的特有特征，将所述静态雷达目标分类(S16)或者再分类(S16)为属于多个静态雷达目标组中的一个。
8.一种用于机动车的雷达传感器，所述雷达传感器具有：
用于存储占用网格(20)的存储器，所述存储器对应于所述机动车的周围环境中的区域；
用于探测和跟踪由所述雷达传感器所检测到的静态雷达目标的对象识别和跟踪装置(16)；和
用于将静态雷达目标分类为属于多个静态雷达目标组中的一个的对象分类单元(18)，
其中，所述雷达传感器构造为用于执行根据权利要求1至7中任一项所述的方法。
CN201980044449.9A 2018-06-30 2019-04-27 借助用于机动车的雷达传感器来识别静态雷达目标的方法 Active CN112368593B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102018210814.5 2018-06-30
DE102018210814.5A DE102018210814A1 (de) 2018-06-30 2018-06-30 Verfahren zur Erkennung statischer Radarziele mit einem Radarsensor für Kraftfahrzeuge
PCT/EP2019/060835 WO2020001828A1 (de) 2018-06-30 2019-04-27 Verfahren zur erkennung statischer radarziele mit einem radarsensor für kraftfahrzeuge

Publications (2)

Publication Number Publication Date
CN112368593A true CN112368593A (zh) 2021-02-12
CN112368593B CN112368593B (zh) 2024-04-02

Family

ID=66429341

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980044449.9A Active CN112368593B (zh) 2018-06-30 2019-04-27 借助用于机动车的雷达传感器来识别静态雷达目标的方法

Country Status (7)

Country Link
US (1) US11879992B2 (zh)
EP (1) EP3814795A1 (zh)
JP (1) JP7037672B2 (zh)
KR (1) KR20210025613A (zh)
CN (1) CN112368593B (zh)
DE (1) DE102018210814A1 (zh)
WO (1) WO2020001828A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220026550A1 (en) * 2020-07-23 2022-01-27 Qualcomm Incorporated Beam management for bistatic air interface based radio frequency sensing in millimeter wave systems
DE102021210006B3 (de) 2021-09-10 2022-09-29 Zf Friedrichshafen Ag Verfahren und Steuereinrichtung zum Steuern eines Fahrzeugs
US20230242149A1 (en) * 2022-01-31 2023-08-03 Zoox, Inc. Radar object classification based on radar cross-section data

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010127650A1 (de) * 2009-05-06 2010-11-11 Conti Temic Microelectronic Gmbh Verfahren zur auswertung von sensordaten für ein kraftfahrzeug
CN104657740A (zh) * 2013-11-21 2015-05-27 罗伯特·博世有限公司 用于分割用于车辆的驾驶员辅助***的环境模型的占用栅格的方法和设备
DE102016015405A1 (de) * 2016-12-22 2017-07-06 Daimler Ag Umfassende Umgebungserfassung für einen Kraftwagen mittels Radar
JP2017166966A (ja) * 2016-03-16 2017-09-21 株式会社デンソーアイティーラボラトリ 周辺環境推定装置及び周辺環境推定方法

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5638281A (en) * 1991-01-31 1997-06-10 Ail Systems, Inc. Target prediction and collision warning system
US20010031068A1 (en) * 2000-04-14 2001-10-18 Akihiro Ohta Target detection system using radar and image processing
JP3918791B2 (ja) * 2003-09-11 2007-05-23 トヨタ自動車株式会社 物体検出装置
JP4396400B2 (ja) * 2004-06-02 2010-01-13 トヨタ自動車株式会社 障害物認識装置
DE102005024716B4 (de) * 2005-05-30 2023-09-21 Robert Bosch Gmbh Verfahren und Vorrichtung zur Erkennung und Klassifizierung von Objekten
EP2018628A1 (en) * 2006-05-15 2009-01-28 Telefonaktiebolaget LM Ericsson (PUBL) A method and system for automatic classification of objects
JP2008172441A (ja) 2007-01-10 2008-07-24 Omron Corp 検出装置および方法、並びに、プログラム
KR101141874B1 (ko) * 2008-06-04 2012-05-08 주식회사 만도 위험 지역의 검출 장치, 방법 및 그를 이용한 보행자 검출장치
DE102008038365A1 (de) * 2008-07-02 2010-01-07 Adc Automotive Distance Control Systems Gmbh Fahrzeug-Radarsystem und Verfahren zur Bestimmung einer Position zumindest eines Objekts relativ zu einem Fahrzeug
DE102009018453A1 (de) * 2009-04-22 2010-10-28 Conti Temic Microelectronic Gmbh Verfahren zur Klassifizierung eines Objekts als Hindernis
US9429650B2 (en) * 2012-08-01 2016-08-30 Gm Global Technology Operations Fusion of obstacle detection using radar and camera
US20140266860A1 (en) * 2013-03-14 2014-09-18 Gaddi BLUMROSEN Method and system for activity detection and classification
DE102013209530A1 (de) * 2013-05-23 2014-11-27 Robert Bosch Gmbh Bestimmung eines elevations-dejustagewinkels eines radarsensors eines kraftfahrzeugs
DE102013210928A1 (de) * 2013-06-12 2014-12-18 Robert Bosch Gmbh Verfahren zur Unterscheidung zwischen echten Hindernissen und Scheinhindernissen in einem Fahrerassistenzsystem für Kraftfahrzeuge
US9110163B2 (en) * 2013-06-14 2015-08-18 Microsoft Technology Licensing, Llc Lidar-based classification of object movement
JP5929870B2 (ja) * 2013-10-17 2016-06-08 株式会社デンソー 物標検出装置
US9255988B2 (en) * 2014-01-16 2016-02-09 GM Global Technology Operations LLC Object fusion system of multiple radar imaging sensors
US9834207B2 (en) * 2014-04-15 2017-12-05 GM Global Technology Operations LLC Method and system for detecting, tracking and estimating stationary roadside objects
DE102014220687A1 (de) * 2014-10-13 2016-04-14 Continental Automotive Gmbh Kommunikationsvorrichtung für ein Fahrzeug und Verfahren zum Kommunizieren
DE102014114999A1 (de) * 2014-10-15 2016-04-21 Valeo Schalter Und Sensoren Gmbh Verfahren zum Erfassen zumindest eines Objekts in einem Umgebungsbereich eines Kraftfahrzeugs, Fahrerassistenzsystem sowie Kraftfahrzeug
KR101734654B1 (ko) * 2015-06-25 2017-05-11 현대자동차주식회사 레이저 스캐너를 이용한 센서 중심 좌표계의 점유 격자 지도를 작성하는 시스템 및 방법
JP6559535B2 (ja) * 2015-10-22 2019-08-14 株式会社東芝 障害物マップ生成装置、その方法、及び、そのプログラム
EP3252658B1 (en) * 2016-05-30 2021-08-11 Kabushiki Kaisha Toshiba Information processing apparatus and information processing method
JP6701983B2 (ja) * 2016-06-02 2020-05-27 株式会社デンソー 物標検出装置
JP6970936B2 (ja) * 2016-12-20 2021-11-24 パナソニックＩｐマネジメント株式会社 物体検出装置、物体検出プログラム、および記録媒体
JP6895089B2 (ja) 2018-03-23 2021-06-30 株式会社豊田中央研究所 炭素材料製造用前駆体材料、それを含有する炭素材料製造用前駆体組成物材料、及びそれらを用いた炭素材料の製造方法
US11372424B2 (en) * 2018-05-10 2022-06-28 GM Global Technology Operations LLC Generalized 3D inverse sensor model

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010127650A1 (de) * 2009-05-06 2010-11-11 Conti Temic Microelectronic Gmbh Verfahren zur auswertung von sensordaten für ein kraftfahrzeug
CN104657740A (zh) * 2013-11-21 2015-05-27 罗伯特·博世有限公司 用于分割用于车辆的驾驶员辅助***的环境模型的占用栅格的方法和设备
JP2017166966A (ja) * 2016-03-16 2017-09-21 株式会社デンソーアイティーラボラトリ 周辺環境推定装置及び周辺環境推定方法
DE102016015405A1 (de) * 2016-12-22 2017-07-06 Daimler Ag Umfassende Umgebungserfassung für einen Kraftwagen mittels Radar

Also Published As

Publication number Publication date
DE102018210814A1 (de) 2020-01-02
JP7037672B2 (ja) 2022-03-16
US20210173043A1 (en) 2021-06-10
CN112368593B (zh) 2024-04-02
EP3814795A1 (de) 2021-05-05
KR20210025613A (ko) 2021-03-09
WO2020001828A1 (de) 2020-01-02
JP2021530679A (ja) 2021-11-11
US11879992B2 (en) 2024-01-23

Similar Documents

Publication Publication Date Title
CN111382768B (zh) 多传感器数据融合方法和装置
CN106980113B (zh) 物体检测装置和物体检测方法
CN109254289B (zh) 道路护栏的检测方法和检测设备
Lombacher et al. Semantic radar grids
CN112368593B (zh) 借助用于机动车的雷达传感器来识别静态雷达目标的方法
KR100201739B1 (ko) 물체 관측 방법 및 그 방법을 이용한 물체 관측장치와,이 장치를 이용한 교통흐름 계측장치 및 주차장 관측장치
US8731816B2 (en) Method for classifying an object as an obstacle
US8233663B2 (en) Method for object formation
KR101752858B1 (ko) 레이더 기반 고 정밀 돌발상황 검지 시스템
CN111722249B (zh) 物体识别装置以及车辆控制***
EP3349038A1 (en) Method to classify objects in a vehicle environment based on radar detections
CN108960083B (zh) 基于多传感器信息融合的自动驾驶目标分类方法及***
CN113378751A (zh) 一种基于dbscan算法的交通目标识别方法
CN112558049A (zh) 用于识别在车辆的周围环境中的对象的方法和控制设备
CN114093165A (zh) 一种基于路侧激光雷达的车辆-行人冲突自动识别方法
CN111742235A (zh) 用于识别针对车辆适合的空停车位的方法和***
CN113227832A (zh) 借助于雷达或者通过使用电磁询问辐射来确定对象的取向
CN111483464A (zh) 基于路侧单元的动态自动驾驶换道方法、设备、存储介质
CN113942516A (zh) 车辆操作
CN112990253A (zh) 来自动态场景的雷达数据的更可靠分类
Argüello et al. Radar classification for traffic intersection surveillance based on micro-Doppler signatures
Fatseas et al. Neural network based multiple object tracking for automotive FMCW radar
CN116964472A (zh) 用于借助于雷达传感器***的反射信号来探测环境的至少一个对象的方法
CN113589288A (zh) 基于毫米波雷达的目标筛选方法、装置、设备及存储介质
CN114067552A (zh) 一种基于路侧激光雷达的行人过街轨迹追踪与预测方法

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