DE102020105642A1

DE102020105642A1 - Entwerfen von und verarbeiten mit antennenarrays zur beseitigung von fehldetektionen in einem radarsystem

Info

Publication number: DE102020105642A1
Application number: DE102020105642.7A
Authority: DE
Inventors: Amnon Jonas; Oded Bialer
Original assignee: GM Global Technology Operations LLC
Current assignee: GM Global Technology Operations LLC
Priority date: 2019-04-01
Filing date: 2020-03-03
Publication date: 2020-10-01
Also published as: US20200309899A1; US11262434B2

Abstract

Ein System und Verfahren zur Beseitigung von Fehldetektionen in einem Radarsystem beinhaltet die Anordnung eines Arrays von Antennenelementen in zwei oder mehr Sub-Arrays, wobei ein Abstand zwischen benachbarten Antennenelementen einer der zwei oder mehr Sub-Arrays sich von einem Abstand zwischen benachbarten Antennenelementen mindestens einer anderen der zwei oder mehr Sub-Arrays unterscheidet. Das Verfahren umfasst den Empfang von reflektierten Signalen an den zwei oder mehr Sub-Arrays, die aus dem Senden von Übertragungssignalen von den Antennenelementen der zwei oder mehr Sub-Arrays resultieren, und die Verarbeitung der reflektierten Signale, um einen tatsächlichen Winkel vom Radarsystem zu einem Objekt zu unterscheiden, der zu den reflektierten Signalen beigetragen hat, von mehrdeutigen Winkeln, bei denen die falschen Erkennungen des Objekts erhalten werden. Als Ergebnis der Verarbeitung wird ein Standort des Objekts bestimmt.

Description

EINLEITUNG
Die Offenbarung des Themas bezieht sich auf das Entwerfen von und das Verarbeiten mit Antennengruppen, um falsche Detektionen in einem Radarsystem zu eliminieren.
Radarsysteme und andere Sensoren werden zunehmend in Fahrzeugen (z.B. Autos, Lastwagen, landwirtschaftlichen Geräten, Baumaschinen, automatisierten Fabriken) eingesetzt, um Informationen über das Fahrzeug und seine Umgebung zu erhalten. Ein Radarsystem kann z.B. Objekte in der Bahn des Fahrzeugs identifizieren und den autonomen oder halbautonomen Betrieb des Fahrzeugs erleichtern. Ein Radarsystem mit einem großen Sichtfeld (d.h. mit einer großen Öffnung) erleichtert die Gewinnung von mehr Informationen über die Umgebung des Fahrzeugs. Die Anordnung von Antennenelementen mit einem Abstand von höchstens der halben Wellenlänge (1/2 λ) über eine große Apertur führt jedoch zu einer relativ großen Anzahl von Antennenelementen und entsprechend hohen Anforderungen an Komplexität, Leistung und Kosten. Eine spärlichere Anordnung von Antennenelementen über die gleiche Öffnungsweite führt jedoch zu einer Winkelmehrdeutigkeit, die zu Fehldetektionen führt. Dementsprechend ist es wünschenswert, ein Antennengruppendesign und eine Verarbeitung zur Verfügung zu stellen, um Fehldetektionen in einem Radarsystem zu eliminieren.
BESCHREIBUNG
In einer beispielhaften Ausführung umfasst ein Verfahren zur Beseitigung von Fehldetektionen in einem Radarsystem die Anordnung eines Arrays von Antennenelementen in zwei oder mehr Sub-Arrays, wobei sich der Abstand zwischen benachbarten Antennenelementen einer der beiden oder mehr Sub-Arrays von dem Abstand zwischen benachbarten Antennenelementen mindestens einer anderen der beiden oder mehr Sub-Arrays unterscheidet. Das Verfahren umfasst auch den Empfang von reflektierten Signalen an den zwei oder mehr Sub-Arrays, die aus der Übertragung von Übertragungssignalen von den Antennenelementen der zwei oder mehr Sub-Arrays resultieren, und die Verarbeitung der reflektierten Signale, um einen tatsächlichen Winkel vom Radarsystem zu einem Objekt zu unterscheiden, der zu den reflektierten Signalen beigetragen hat, von mehrdeutigen Winkeln, bei denen die falschen Erkennungen des Objekts erhalten werden. Als Ergebnis der Verarbeitung wird ein Standort des Objekts bestimmt.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale umfasst die Anordnung der Antennenelemente den Abstand zwischen den benachbarten Antennenelementen des einen der zwei oder mehr Sub-Arrays, und der Abstand zwischen den benachbarten Antennenelementen des mindestens einen anderen der zwei oder mehr Sub-Arrays ist jeweils größer als eine halbe Wellenlänge der Übertragungssignale.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale umfasst die Anordnung des Arrays der Antennenelemente das eine der zwei oder mehr Sub-Arrays, das drei oder mehr Antennenelemente enthält, und der Abstand zwischen einem Paar der benachbarten der drei oder mehr Antennenelemente ist anders als der Abstand zwischen einem anderen Paar der benachbarten der drei oder mehr Antennenelemente.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale umfasst die Anordnung des Arrays der Antennenelemente das eine der zwei oder mehr Sub-Arrays, das drei oder mehr Antennenelemente enthält, und der Abstand zwischen allen benachbarten Paaren der drei oder mehr Antennenelemente ist der gleiche.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale umfasst die Verarbeitung der reflektierten Signale die Erzeugung von Clustern von Detektionspunkten, die mit jedem der zwei oder mehr Sub-Arrays erhalten werden, wobei jeder der Detektionspunkte einen zugeordneten Winkel und eine zugeordnete Reichweite hat.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale umfasst die Verarbeitung der reflektierten Signale die Bestimmung einer Überlappungsdetektionsmetrik γ und einer Verteilungsgleichmäßigkeits-Metrik δ für jeden der Cluster.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale umfasst die Bestimmung der Detektionsüberlappungs-Metrik γ die Berechnung: $γ = \frac{1}{N} \sum \begin{array}{l} N - 1 \\ i - 0 \end{array} {(μ_{i} - \bar{μ})}^{2},$
N ist eine Anzahl der zwei oder mehr Sub-Arrays, µ_i ist ein Mittelwert der Detektionspunkte einer i-ten Sub-Array unter den zwei oder mehr Sub-Arrays, und µ ist ein Mittelwert aller Detektionspunkte aller Sub-Arrays, und ein niedrigerer Wert der Detektionsüberlappungs-Metrik γ zeigt eine höhere Überlappung zwischen den Detektionspunkten und eine Übereinstimmung der Detektionspunkte mit dem Objekt an.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale umfasst die Bestimmung der Detektionsüberlappungs-Metrik γ die Berechnung: $γ = \sum_{\underset{i \neq j}{i,j}} \frac{X_{i} \cap X_{j}}{X_{i} \cup X_{j}}$
oder $γ = min_{i,j} \frac{X_{i} \cap X_{j}}{X_{i} \cup X_{j}},$
wo
Xi ist ein Begrenzungsrahmen, der die Detektionspunkte umschließt, die mit einem i-ten Sub-Array unter den zwei oder mehr Sub-Arrays verbunden sind, und X_j ist ein Begrenzungsrahmen, der die Detektionspunkte umschließt, die mit einem anderen der zwei oder mehr Sub-Arrays verbunden sind, und ein höherer Wert der Detektionsüberlappungs-Metrik γ zeigt eine höhere Überlappung zwischen den Detektionspunkten und eine Übereinstimmung der Detektionspunkte mit dem Objekt an.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale umfasst die Bestimmung der Verteilungsgleichmäßigkeits-Metrik δ auch die Berechnung: $δ = \sum_{n = 0}^{N - 1} P_{n} log (P_{n}),$
wobei $P_{n} = \frac{S_{n}}{\sum_{n = 0}^{N - 1} S_{n}}$
und
S_n ist eine Anzahl der Detektionspunkte eines n-ten Sub-Arrays unter den zwei oder mehr Sub-Arrays, und ein höherer Wert der Verteilungsgleichmäßigkeits-Metrik δ zeigt eine höhere Wahrscheinlichkeit an, dass die Anzahl der Detektionspunkte der zwei oder mehr Sub-Arrays ähnlich ist und eine Übereinstimmung der Detektionspunkte mit dem Objekt vorliegt.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale umfasst die Verarbeitung der reflektierten Signale die Erzeugung einer kombinierten Metrik η aus der Überlappungsdetektionsmetrik γ und der Verteilungsgleichmäßigkeits-Metrik δ für jeden der Cluster als: $η = \frac{C_{1}}{γ_{1}} + C_{2} δ$
oder $η = C_{1} γ_{2} + C_{2} δ,$
wobei
C1 und C2 sind Skalenfaktoren, und die Verarbeitung umfasst die Verwendung eines Wertes der kombinierten Metrik η, der einen Schwellenwert überschreitet, als Hinweis darauf, dass die Detektionspunkte mit dem Objekt übereinstimmen.
In einer anderen beispielhaften Ausführung umfasst ein Radarsystem in einem Fahrzeug ein Array von Antennenelementen, die als zwei oder mehr Sub-Arrays angeordnet sind, wobei der Abstand zwischen benachbarten Antennenelementen eines der zwei oder mehr Sub-Arrays sich von dem Abstand zwischen benachbarten Antennenelementen mindestens eines anderen der zwei oder mehr Sub-Arrays unterscheidet. Das Radarsystem enthält auch einen Prozessor zum Empfang von reflektierten Signalen an den zwei oder mehr Sub-Arrays, die aus der Übertragung von Übertragungssignalen von den Antennenelementen der zwei oder mehr Sub-Arrays resultieren, zur Verarbeitung der reflektierten Signale, um einen tatsächlichen Winkel vom Radarsystem zu einem Objekt, das zu den reflektierten Signalen beigetragen hat, von mehrdeutigen Winkeln zu unterscheiden, bei denen die falschen Erkennungen des Objekts erhalten werden, und zur Bestimmung einer Position des Objekts als Ergebnis der Verarbeitung.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale ist der Abstand zwischen den benachbarten Antennenelementen des einen der zwei oder mehr Sub-Arrays und der Abstand zwischen den benachbarten Antennenelementen des mindestens einen anderen der zwei oder mehr Sub-Arrays jeweils größer als eine halbe Wellenlänge der Übertragungssignale.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale enthält das eine der beiden oder mehr Sub-Arrays drei oder mehr Antennenelemente, und der Abstand zwischen einem Paar benachbarter der drei oder mehr Antennenelemente unterscheidet sich von dem Abstand zwischen einem anderen Paar benachbarter der drei oder mehr Antennenelemente, oder der Abstand zwischen allen benachbarten Paaren der drei oder mehr Antennenelemente ist der gleiche.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale erzeugt der Prozessor Cluster von Detektionspunkten, die mit jedem der zwei oder mehr Sub-Arrays erhalten werden, wobei jeder der Detektionspunkte einen zugeordneten Winkel und Bereich hat.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale bestimmt der Prozessor eine Überlappungserkennungsmetrik γ und eine Verteilungsgleichmäßigkeits-Metrik δ für jeden der Cluster.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale, bei denen der Prozessor die metrische Überlappungserkennung γ rechnerisch ermittelt: $γ = \frac{1}{N} \sum_{i - 0}^{N - 1} {(μ_{i} - \bar{μ})}^{2},$
wo
N ist eine Anzahl der zwei oder mehr Sub-Arrays, µi ist ein Mittelwert der Detektionspunkte einer i-ten Sub-Array unter den zwei oder mehr Sub-Arrays, und µ ist ein Mittelwert aller Detektionspunkte aller Sub-Arrays, und ein niedrigerer Wert der Detektionsüberlappungs-Metrik γ zeigt eine höhere Überlappung zwischen den Detektionspunkten und eine Übereinstimmung der Detektionspunkte mit dem Objekt an.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale bestimmt der Prozessor rechnerisch die metrische Überlappungserkennung y: $γ = \sum_{\underset{i \neq j}{i,j}} \frac{X_{i} \cap X_{j}}{X_{i} \cup X_{j}}$
oder $γ = min_{i, j} \frac{X_{i} \cap X_{j}}{X_{i} \cup X_{j}},$
wo
X_i ist ein Begrenzungsrahmen, der die Detektionspunkte umschließt, die mit einem i-ten Sub-Array unter den zwei oder mehr Sub-Arrays verbunden sind, und X_j ist ein Begrenzungsrahmen, der die Detektionspunkte umschließt, die mit einem anderen der zwei oder mehr Sub-Arrays verbunden sind, und ein höherer Wert der Detektionsüberlappungs-Metrik γ zeigt eine höhere Überlappung zwischen den Detektionspunkten und eine Übereinstimmung der Detektionspunkte mit dem Objekt an.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale bestimmt der Prozessor die Verteilungsgleichmäßigkeits-Metrik δ durch Berechnung: $δ = \sum_{n = 0}^{N - 1} P_{n} log (P_{n}),$
wobei $P_{n} = \frac{S_{n}}{\sum_{n = 0}^{N - 1} S_{n}}$
und
S_n ist eine Anzahl der Detektionspunkte eines n-ten Sub-Arrays unter den zwei oder mehr Sub-Arrays, und ein höherer Wert der Verteilungsgleichmäßigkeits-Metrik δ zeigt eine höhere Wahrscheinlichkeit an, dass die Anzahl der Detektionspunkte der zwei oder mehr Sub-Arrays ähnlich ist und eine Übereinstimmung der Detektionspunkte mit dem Objekt vorliegt.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale generiert der Prozessor eine kombinierte Metrik η aus der Überlappungserkennungs-Metrik γ und der Verteilungsgleichmäßigkeits-Metrik δ für jeden der Cluster als: $η = \frac{C_{1}}{γ_{1}} + C_{2} δ$
oder $η = C_{1} γ_{2} + C_{2} δ,$
wo
C₁ und C₂ sind Skalierungsfaktoren, und der Prozessor ist außerdem so eingerichtet, dass ein Wert der kombinierten Metrik η, der einen Schwellenwert überschreitet, als Hinweis darauf verwendet wird, dass die Detektionspunkte mit dem Objekt übereinstimmen.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale ist der Prozessor weiterhin so eingerichtet, dass er den Betrieb des Fahrzeugs auf der Grundlage des Standorts des Objekts steuert.
Die oben genannten Merkmale und Vorteile sowie andere Merkmale und Vorteile der Offenbarung sind aus der folgenden detaillierten Beschreibung leicht ersichtlich, wenn sie in Verbindung mit den beigefügten Figuren aufgenommen werden.
Figurenliste
Weitere Merkmale, Vorteile und Details erscheinen nur beispielhaft in der folgenden Detailbeschreibung, wobei sich die Detailbeschreibung auf die Figuren bezieht, in denen sie enthalten sind:

1 ist ein Blockschaltbild eines Fahrzeugs mit einem Radarsystem, das nach einer oder mehreren Ausführungsformen entworfen wurde;
2 zeigt ein beispielhaftes Antennengruppen-Design zur Eliminierung von Fehldetektionen in einem Radarsystem nach einer oder mehreren Ausführungsformen;
3 zeigt Detektionen, die sich aus der Verwendung eines beispielhaften Antennengruppen-Designs ergeben, um falsche Detektionen in einem Radarsystem nach einer oder mehreren Ausführungsformen zu eliminieren;
4 ist ein beispielhafter Antennen-Array-Entwurf zur Eliminierung von Falschdetektionen in einem Radarsystem nach einer oder mehreren Ausführungsformen; und
5 ist ein Prozessablauf eines Verfahrens zur Implementierung von Antennen-Array-Design und -Verarbeitung zur Beseitigung von Fehldetektionen in einem Radarsystem nach einer oder mehreren Ausführungsformen.

DETAILLIERTE BESCHREIBUNG
Die folgende Beschreibung hat lediglich beispielhaften Charakter und soll die vorliegende Offenbarung, ihre Anwendung oder ihren Gebrauch nicht einschränken. Es sollte verstanden werden, dass in den Figuren entsprechende Bezugszeichen gleiche oder entsprechende Teile und Merkmale anzeigen.
Wie bereits erwähnt, erleichtert eine breite Apertur der Antennenelemente in einem Radarsystem die Gewinnung von Informationen aus einem breiten Sichtfeld. Eine dichte Anordnung von Antennenelementen über diese Breite mit dem erforderlichen Halbwellenlängenabstand zwischen ihnen ist jedoch in Bezug auf Komponenten und Komplexität kostspielig. Gleichzeitig führt eine spärlichere Anordnung von Antennenelementen, die um mehr als eine halbe Wellenlänge voneinander entfernt sind, zu einer geringeren Winkelauflösung und zu Fehldetektionen aufgrund der Mehrdeutigkeit bei der Bestimmung des Einfallswinkels von Reflexionen. Ausführungsformen der hier beschriebenen Systeme und Verfahren beziehen sich auf den Entwurf von und die Verarbeitung mit einer Antennenanordnung zur Beseitigung von Fehldetektionen in einem Radarsystem. Das Antennenarray ist als eine Reihe von Sub-Arrays mit unterschiedlichen Nachbarelementabständen konzipiert. Dies führt dazu, dass falsche Erkennungen (d.h. Geisterobjekte) dadurch entstehen, dass die einzelnen Sub-Arrays gebündelt werden und sich nicht überlappen. Die Verarbeitung umfasst die Erkennung der Geisterobjekte auf der Grundlage der Clusterbildung, so dass echte Ziele identifiziert werden können. Auf der Grundlage des Array-Designs und der Verarbeitung nach einer oder mehreren Ausführungsformen können die Vorteile einer breiten Öffnung ohne die Kosten eines dichten Arrays erzielt werden.
Nach einer beispielhaften Darstellung ist 1 ein Blockschaltbild eines Fahrzeugs 100 mit einem Radarsystem 110. Das Vorbildfahrzeug 100 ist ein Automobil 101. Das Fahrzeug 100 kann neben dem Radarsystem 110 einen oder mehrere weitere Sensoren 130 (z.B. Kamera, Lidar-System) enthalten. Der Sensor 130 kann separat oder in Verbindung mit dem Radarsystem 110 verwendet werden, um Objekte 140 wie den in 1 gezeigten Fußgänger 145 zu erkennen. Zum Fahrzeug 100 gehört auch eine Steuerung 120. Die Verarbeitung der durch das Radarsystem 110 gewonnenen Daten kann innerhalb des Radarsystems 110 oder durch die Steuerung 120 unter Verwendung von Verarbeitungsschaltungen erfolgen, die einen anwendungsspezifischen integrierten Schaltkreis (ASIC), einen elektronischen Schaltkreis, einen Prozessor (gemeinsam, dediziert oder gruppenweise) und einen Speicher, der ein oder mehrere Software- oder Firmware-Programme ausführt, eine kombinierte Logikschaltung und/oder andere geeignete Komponenten, die die beschriebene Funktionalität bereitstellen, umfassen können. Zur Verarbeitung der Daten kann eine Kombination aus dem Radarsystem 110 und der Steuerung 120 verwendet werden. Die Steuerung 120 kann den Betrieb des Fahrzeugs 100 (z.B. autonomes Fahren, halbautonomes Fahren wie Kollisionsvermeidung, automatisches Bremsen, adaptiver Tempomat) auf der Grundlage der Erkennung von Objekten 140 steuern. Das Radarsystem 110 wird unter Bezugnahme auf 2 näher erläutert.
2 zeigt ein beispielhaftes Antennengruppen-Design zur Eliminierung von Fehldetektionen in einem Radarsystem 110 nach einer oder mehreren Ausführungsformen. Das in 2 gezeigte beispielhafte Antennen-Array 205 umfasst vier Antennen-Sub-Arrays 210-A, 210-B, 210-C, 210-D (allgemein als 210 bezeichnet), die die jeweiligen Übertragungssignale 225-A, 225-B, 225-C, 225-D (allgemein als 225 bezeichnet) senden und die jeweiligen Reflexionssignale 230-A, 230-B, 230-C, 230-D (allgemein als 230 bezeichnet) empfangen. Das Antennenfeld 205 ist Teil des Radarsystems 110 im Fahrzeug 100, das in 1 dargestellt ist. Das beispielhafte Objekt 140, das die Übertragungssignale 225 in 2 reflektiert, ist ein Auto 220.
Jedes Antennen-Sub-Array 210 kann ein oder mehrere Antennenelemente 215 haben. Der Abstand zwischen benachbarten Antennenelementen 215 des Antennenarrays 205 ist größer als ein Halbwellenlängenabstand, der notwendig ist, um eine Winkelmehrdeutigkeit zu vermeiden. Der Abstand zwischen den Antennenelementen 215 eines bestimmten Antennen-Sub-Arrays 210 muss nicht einheitlich sein. Zum Beispiel kann sich der Abstand d1' zwischen den ersten beiden Antennenelementen 215 des Antennen-Sub-Arrays 210-D von dem Abstand d2' zwischen dem zweiten und dritten Antennenelement 215 des Antennen-Sub-Arrays 210-D unterscheiden.
Nach einer oder mehreren Ausführungsformen unterscheidet sich der Abstand zwischen den Antennenelementen 215 eines bestimmten Antennen-Sub-Arrays 210 von dem Abstand zwischen den Antennenelementen 215 mindestens eines anderen Antennen-Sub-Arrays 210 im Antennen-Array 205. Das heißt, mindestens zwei der Antennen-Sub-Arrays 210 haben unterschiedliche Abstände zwischen ihren Antennenelementen 215. Zum Beispiel ist der Abstand d1 zwischen den beiden Antennenelementen 215 des Antennen-Sub-Arrays 210-B anders als die Abstände d1', d2' zwischen benachbarten Antennenelementen 215 des Antennen-Arrays 210-D. In dem in 2 gezeigten Beispiel eines Antennen-Arrays 205 unterscheidet sich der Abstand d1 ebenfalls von den Abständen zwischen den Antennenelementen 215 des Antennen-Sub-Arrays 210-A, die sich von den Abständen zwischen den Antennenelementen 215 des Antennen-Sub-Arrays 210-C unterscheiden. Das Ergebnis des Abstands nach einer oder mehreren Ausführungsformen (d.h. seine Anwendung zur Beseitigung von Fehldetektionen) wird unter Bezugnahme auf 3 diskutiert.
3 zeigt die Detektionen 300, die sich aus der Verwendung eines beispielhaften Antennengruppen-Designs ergeben, um falsche Detektionen in einem Radarsystem nach einer oder mehreren Ausführungsformen zu eliminieren. Die Detektionen 300 bestehen aus Punktwolken-Detektionspunkten. Die Detektionen 300, die sich aus den Reflexionssignalen 230 des Wagens 220 gemäß dem in 2 gezeigten Szenario ergeben, werden als Azimut (az) Winkelwert, sin(az), über die Entfernung in Metern (m) angegeben. 3 zeigt, dass die Erkennungen 310 des realen Fahrzeugs 220 durch alle vier Antennen-Sub-Arrays 210 (angegeben als A, B, C und D) in einer Position gruppiert sind. Das heißt, die mit jedem der Antennen-Sub-Arrays 210 erhaltenen Winkelwerte überlappen sich. Allerdings werden die Erkennungen 320, 330 von Geisterobjekten (d.h. falsche Erkennungen des Einfallswinkels von Reflexionssignalen 230 aus dem Wagen 220) über einen Satz von Winkelwerten verteilt, die mit jedem der Sub-Arrays 210 (angegeben als A, B, C, D) verbunden sind. Die Cluster 315, 325, 335 und 340 werden unter Bezugnahme auf 5 diskutiert, ebenso wie der exemplarische Begrenzungskasten 350. Wie auch in 5 weiter diskutiert, wird die Differenz in der Spreizung der Winkelwerte, die mit den Antennen-Sub-Arrays 210 für die Detektionen 310 des wahren Objekts 140 (z.B. echtes Auto 220) und die Detektionen 320, 330 der Geisterobjekte erhalten werden, zur Identifizierung und Lokalisierung des wahren Objekts 140 (d.h. zur Eliminierung der falschen Detektionen) verwendet.
4 ist ein beispielhaftes Antennengruppen-Design zur Eliminierung von Fehldetektionen in einem Radarsystem 110 nach einer oder mehreren Ausführungsformen. Das Antennen-Array 205 umfasst sieben Antennen-Sub-Arrays 210. Jedes Antennen-Sub-Array 210 ist mit einem Typ gekennzeichnet, der dem Abstand zwischen den Antennenelementen 215 des Antennen-Sub-Arrays 210 entspricht. Beispielsweise können die beiden Antennenelemente 215 im Antennen-Sub-Array 210 vom Typ L durch 2.32 λ getrennt sein, während die ersten beiden Antennenelemente 215 des Antennen-Sub-Arrays 210 vom Typ O durch 1.724λ und das zweite und dritte Antennenelement 215 des Antennen-Sub-Arrays 210 vom Typ O durch 1.82λ getrennt sind. Wie 4 zeigt, wiederholt sich der gleiche Typ (d.h. Abstand zwischen den Antennenelementen 215) in der beispielhaften Antennenanordnung 205. Das Antennenarray 205 umfasst beispielsweise zwei Antennen-Sub-Arrays 210 vom Typ L, zwei vom Typ M und zwei vom Typ N.
Wie bereits erwähnt, müssen mindestens zwei Sub-Arrays 210 von verschiedenen Typen (d.h. mit unterschiedlichen Abständen zwischen den Antennenelementen 215) innerhalb eines Antennen-Arrays 205 entsprechend einer oder mehrerer Ausführungsformen sein. In dem in 4 gezeigten Beispiel für ein Antennen-Array 205 werden vier verschiedene Arten von Antennen-Sub-Arrays 210 verwendet, von denen sich jedoch drei Typen wiederholen. Wie in 3 gezeigt und in Bezug auf 5 weiter erörtert, stellt die Verwendung von mindestens zwei verschiedenen Typen (d.h. Abständen) von Antennen-Sub-Arrays 210 innerhalb des Antennen-Arrays 205 sicher, dass der Mehrdeutigkeitswinkel (d.h. der Winkelwert, der mit der falschen Erkennung oder dem Geisterobjekt verbunden ist) sich nicht überlagert, basierend auf den Erkennungen, die sich aus den zwei verschiedenen Typen von Antennen-Sub-Arrays 210 ergeben. Dadurch werden die Fehldetektionen von der Erkennung des eigentlichen Objekts unterscheidbar 140.
5 ist ein Prozessablauf 500 einer Methode zur Implementierung von Antennen-Array-Design und -Verarbeitung zur Eliminierung von Fehldetektionen in einem Radarsystem 110 nach einer oder mehreren Ausführungsformen. In Block 510 umfasst die Anordnung der Antennenelemente 215 in Sub-Arrays 210 mindestens zwei der Sub-Arrays 210 des Antennenarrays 205, die unterschiedliche Abstände zwischen ihren Antennenelementen 215 aufweisen. Insbesondere darf der Abstand zwischen den Antennenelementen 215 eines Antennen-Sub-Arrays 210 nicht gleich sein und darf zusätzlich nicht ein ganzzahliges Vielfaches des Abstands zwischen den Antennenelementen 215 mindestens eines anderen Antennen-Sub-Arrays 210 sein. Wie die und zeigen, muss der Abstand zwischen den Antennenelementen 215 innerhalb desselben Antennen-Sub-Arrays 210 nicht gleich sein. Wie in 4 gezeigt, können beispielhafte Antennen-Array-Designs Wiederholungen von Typen von Antennen-Sub-Arrays 210 enthalten, solange mindestens zwei der Antennen-Sub-Arrays 210 unterschiedlich sind. Jedes der Antennen-Sub-Arrays 210 ist ein lineares Array.
Im Block 520 umfasst der Prozessablauf 500 die unabhängige Verarbeitung der Reflexionssignale 230 jeder Antennen-Untergruppe 210. Dies führt zu 300 Detektionen, wie sie in 3 dargestellt sind. Bei Block 530 bezieht sich die Implementierung von Clustering auf die Erkennungen 300 auf die Verwendung eines Clustering-Algorithmus, der Punkte innerhalb einer definierten Nähe gruppiert. In dem in 3 gezeigten Beispielfall würden also die Erkennungen 310 des realen Fahrzeugs 220 zu einem Cluster 325, die Erkennungen 320 eines Geisterobjektes (d.h. ein Satz falscher Erkennungen) zu einem Cluster 325 und die Erkennungen 330 eines anderen Geisterobjektes zu einem weiteren Cluster 335 zusammengefasst. 3 zeigt auch eine weitere Gruppe von 340 Detektionspunkten, die mit einem Geisterobjekt verbunden sind.
Die Prozesse im Block 540 werden für jeden der Cluster 315, 325, 335, 340 durchgeführt. Die Berechnung einer Detektionsüberlappungs-Metrik γ und einer Verteilungsgleichmäßigkeits-Metrik δ für jeden Cluster 315, 325, 335, 340, in Block 540 kann auch die Bestimmung einer kombinierten Metrik η beinhalten. Die in Block 540 ermittelten Metriken werden bei der Identifizierung und Eliminierung von Clustern 325, 335, 340, die mit falschen Detektionen verbunden sind, in Block 550 verwendet. Der Cluster 315 der echten Erkennungen 310, der die Position eines echten Objekts 140 (z.B. Auto 220) liefert, kann zur Steuerung des Fahrzeugbetriebs in Block 560 verwendet werden. Die in Block 540 festgelegten Metriken sind detailliert.
Die metrische Erkennungsüberlappung γ kann nach verschiedenen Ausführungsformen bestimmt werden. Nach einer beispielhaften Ausführungsform kann die metrische Überlappungsdetektion γ als eine Abweichung vom Mittelwert aller Detektionspositionen im gegebenen Cluster 315, 325, 335, 340 bestimmt werden: $γ = \frac{1}{N} \sum_{i - 0}^{N - 1} {(μ_{i} - \bar{μ})}^{2}$
In Gl. 1, ist N die Anzahl der Antennen-Sub-Arrays 210, µ_i ist der Mittelwert der Detektionspunkte des i-ten Antennen-Sub-Arrays 210 in dem gegebenen Cluster 315, 325, 335, 340, und µ ist der Mittelwert aller Detektionspunkte aller Antennen-Sub-Arrays 210 in dem gegebenen Cluster 315, 325, 335, 340. Ein niedrigerer Wert der Detektionsüberlappungs-Metrik γ weist auf eine große Überlappung der Detektionspunkte und damit auf ein wahrscheinlich reales Objekt 140 statt falscher Erkennungen hin.
Die metrische Überlappungsdetektion γ kann nach einer anderen beispielhaften Darstellung als Schnittpunkt über die metrische Einheit (IoU) zwischen den Begrenzungskästen 350 der Detektionspunkte der Antennen-Sub-Arrays 210 in einem bestimmten Cluster 315, 325, 335, 340 bestimmt werden. Die IoU-Metrik kann auf eine von zwei Arten bestimmt werden: $γ = \sum_{\underset{i \neq j}{i, j}} \frac{X_{i} \cap X_{i}}{X_{i} \cup X_{j}}$
$γ = min_{i, j} \frac{X_{i} \cap X_{j}}{X_{i} \cup X_{j}}$
In Gl. 2 und 3, ist X_i der Begrenzungsrahmen350 um die Detektionspunkte, die mit dem i-ten Antennen-Sub-Array 210 verbunden sind, und X_j ist der Begrenzungsrahmen350 um die Detektionspunkte, die mit jedem anderen der Antennen-Sub-Arrays 210 verbunden sind. Wie in 3 dargestellt, ist ein Begrenzungsrahmen 350 eine Form (z.B. ein Rechteck), die eine Reihe von Detektionspunkten umschließt. Nach der gegenwärtigen Ausführungsform deutet ein höherer Wert der Detektionsüberlappungs-Metrik γ auf eine große Überlappung der Detektionspunkte und damit auf ein wahrscheinlich reales Objekt 140 statt auf falsche Detektionen hin.
Die Verteilungsgleichmäßigkeits-Metrik δ stellt die Entropie der Verteilung der Detektionspunkte der verschiedenen Sub-Arrays 210 in einem Cluster 315, 325, 335, 340 dar. Eine höhere Entropie bedeutet, dass die Anzahl der Detektionspunkte der verschiedenen Sub-Arrays (210) ähnlich ist und daher wahrscheinlich eher mit einem echten Objekt (140) als mit einer falschen Detektion in Verbindung gebracht wird. Die Verteilungsgleichmäßigkeits-Metrik δ wird gegeben von: $δ = \sum_{n = 0}^{N - 1} P_{n} log (P_{n})$
In GL. 4 ist die Wahrscheinlichkeit von Detektionspunkten aus einem Antennen-Sub-Array vom n-ten Typ 210 gegeben durch: $P_{n} = \frac{S_{n}}{\sum_{n = 0}^{N - 1} S_{n}}$
In GL. 5, S_n ist die Anzahl der Detektionspunkte des n-ten Antennen-Sub-Arrays 210. Ein höherer Wert der Verteilungsgleichmäßigkeits-Metrik δ zeigt eine Ähnlichkeit in der Anzahl der Detektionspunkte zwischen den Antennen-Sub-Arrays und damit eine Wahrscheinlichkeit der Detektionspunkte in Bezug auf ein reales Objekt 140 (z.B. Auto 220) an.
Die Detektionsüberlappungs-Metrik γ und die Verteilungsgleichmäßigkeits-Metrik δ können kombiniert werden, um eine kombinierte Metrik η als zu generieren: $η = \frac{C_{1}}{γ_{1}} + C_{2} δ$
Alternativ kann die kombinierte Metrik η als bestimmt werden: $η = C_{1} γ_{2} + C_{2} δ$
In Gl. 6 und 7, sind C₁ und C₂ Faktoren, die die Metrik der Überlappungserkennung γ und die Metrik der Verteilungsgleichmäßigkeit δ skalieren und das Verhältnis zwischen ihnen gewichten. Der mit einem realen Objekt 140 verbundene Cluster 315 wird erkannt, wenn η einen Schwellenwert überschreitet. Der Schwellenwert kann so eingestellt werden, dass eine hohe Detektionswahrscheinlichkeit für den echten Cluster 315 und eine geringe Wahrscheinlichkeit von Fehldetektionen ausgeglichen wird.
Während die obige Offenbarung mit Bezug auf beispielhafte Ausführungsformen beschrieben wurde, wird es von den Fachleuten verstanden, dass verschiedene Änderungen vorgenommen werden können und Elemente davon durch Äquivalente ersetzt werden können, ohne dass der Anwendungsbereich verlassen wird. Darüber hinaus können viele Änderungen vorgenommen werden, um eine bestimmte Situation oder ein bestimmtes Material an die Lehren der Offenbarung anzupassen, ohne von deren wesentlichem Umfang abzuweichen. Es ist daher beabsichtigt, dass die vorliegende Offenbarung nicht auf die einzelnen offengelegten Ausführungsformen beschränkt ist, sondern alle Ausführungsformen umfasst, die in den Geltungsbereich dieser Ausführungsformen fallen.

Claims

Ein Verfahren zum Eliminieren falscher Detektionen in einem Radarsystem, wobei das Verfahren umfasst: Anordnen eines Arrays von Antennenelementen in zwei oder mehr Sub-Arrays, wobei der Abstand zwischen benachbarten Antennenelementen einer der zwei oder mehr Sub-Arrays sich von dem Abstand zwischen benachbarten Antennenelementen mindestens einer anderen der zwei oder mehr Sub-Arrays unterscheidet; Empfangen von reflektierten Signalen an den zwei oder mehr Sub-Arrays, die aus dem Übertragen von Übertragungssignalen von den Antennenelementen der zwei oder mehr Sub-Arrays resultieren; Verarbeiten der reflektierten Signale, um einen tatsächlichen Winkel vom Radarsystem zu einem Objekt, das zu den reflektierten Signalen beigetragen hat,,, von mehrdeutigen Winkeln, bei denen die falschen Detektionen des Objekts erhalten werden, zu unterscheiden, und Bestimmen eines Standortes des Objektes als Ergebnis des Verarbeitens.
Das Verfahren nach Anspruch 1, wobei das Anordnen des Arrays der Antennenelemente den Abstand zwischen den benachbarten Antennenelementen des einen der zwei oder mehr Sub-Arrays einschließt und der Abstand zwischen den benachbarten Antennenelementen des mindestens einen anderen der zwei oder mehr Sub-Arrays jeweils größer als eine halbe Wellenlänge der Übertragungssignale ist, und das Anordnen des Arrays der Antennenelemente das eine der zwei oder mehr Sub-Arrays mit drei oder mehr der Antennenelemente umfasst, und der Abstand zwischen einem Paar der benachbarten der drei oder mehr Antennenelemente sich von dem Abstand zwischen einem anderen Paar der benachbarten der drei oder mehr Antennenelemente unterscheidet, oder das Anordnen des Arrays der Antennenelemente das eine der zwei oder mehr Sub-Arrays mit drei oder mehr der Antennenelemente umfasst, und der Abstand zwischen allen benachbarten Paaren der drei oder mehr Antennenelemente gleich ist.
Das Verfahren nach Anspruch 1, wobei das Verarbeiten der reflektierten Signale das Erzeugen von Clustern von Detektionspunkten umfasst, die mit jedem der zwei oder mehr Sub-Arrays erhalten werden, wobei jeder der Detektionspunkte einen zugeordneten Winkel und Bereich hat, und die Verarbeitung der reflektierten Signale die Bestimmung einer Detektionsüberlappungs-Metrik γ und einer Verteilungsgleichmäßigkeits-Metrik δ für jedes der Cluster umfasst.
Das Verfahren nach Anspruch 3, wobei die Bestimmung der metrischen Überlappungsdetektion γ die folgende Berechnung einschließt: $γ = \frac{1}{N} {\sum_{i - 0}^{N - 1} (μ - \bar{μ})}^{2},$
wobei N ist eine Anzahl der zwei oder mehr Sub-Arrays, µ_i ist ein Mittelwert der Detektionspunkte eines i-ten Sub-Arrays unter den zwei oder mehr Sub-Arrays, und µ ist ein Mittelwert aller Detektionspunkte aller Sub-Arrays, und ein niedrigerer Wert der Detektionsüberlappungs-Metrik y zeigt eine höhere Überlappung zwischen den Detektionspunkten und eine Übereinstimmung der Detektionspunkte mit dem Objekt an, oder wobei die Bestimmung der Detektionsüberlappungs-Metrik y die folgende Berechnung einschließt: $γ = \sum_{\underset{i \neq j}{i,j}} \frac{X_{i} \cap X_{j}}{X_{i} \cup X_{j}}$
oder $γ = min_{i,j} \frac{X_{i} \cap X_{j}}{X_{i} \cup X_{j}},$
wobei X_i ist ein Begrenzungsrahmen, der die Detektionspunkte umschließt, die mit einem i-ten Sub-Array unter den zwei oder mehr Sub-Arrays verbunden sind, und X_j ist ein Begrenzungsrahmen, der die Detektionspunkte umschließt, die mit einem anderen der zwei oder mehr Sub-Arrays verbunden sind, und ein höherer Wert der Detektionsüberlappungs-Metrik γ zeigt eine höhere Überlappung zwischen den Detektionspunkten und eine Übereinstimmung der Detektionspunkte mit dem Objekt an.
Das Verfahren nach Anspruch 3, wobei die Bestimmung der Verteilungsgleichmäßigkeits-Metrik δ die folgende Berechnung einschließt: $δ = \sum_{n = 0}^{N - 1} P_{n} log (P_{n}),$
wobei $P_{n} = \frac{S_{n}}{\sum_{n = 0}^{N - 1} S_{n}}$
und S_n ist eine Anzahl der Detektionspunkte eines n-ten Sub-Arrays unter den zwei oder mehr Sub-Arrays, und ein höherer Wert der Verteilungsgleichmäßigkeits-Metrik δ zeigt eine höhere Wahrscheinlichkeit an, dass die Anzahl der Detektionspunkte der zwei oder mehr Sub-Arrays ähnlich ist und eine Übereinstimmung der Detektionspunkte mit dem Objekt, und die Verarbeitung der reflektierten Signale umfasst die Erzeugung einer kombinierten Metrik η aus der Detektionsüberlappungs-Metrik y und der Verteilungsgleichmäßigkeits-Metrik δ für jeden der Cluster gemäß: $η = \frac{C_{1}}{γ_{1}} + C_{2} δ$
oder $η = C_{1} γ_{2} + C_{2} δ$
wobei C₁ und C₂ sind Skalenfaktoren, und das Verarbeiten umfasst das Verwenden eines Wertes der kombinierten Metrik η, der einen Schwellenwert überschreitet, als Hinweis darauf, dass die Detektionspunkte mit dem Objekt übereinstimmen.
Ein Radarsystem in einem Fahrzeug, umfassend: ein Array von Antennenelementen, die als zwei oder mehr Sub-Arrays angeordnet sind, wobei ein Abstand zwischen benachbarten Antennenelementen einer der zwei oder mehr Sub-Arrays sich von einem Abstand zwischen benachbarten Antennenelementen mindestens einer anderen der zwei oder mehr Sub-Arrays unterscheidet; und einen Prozessor, der eingerichtet ist, reflektierte Signale an den zwei oder mehr Sub-Arrays zu empfangen, die aus der Übertragung von Übertragungssignalen von den Antennenelementen der zwei oder mehr Sub-Arrays resultieren, dass er die reflektierten Signale verarbeitet, um einen tatsächlichen Winkel vom Radarsystem zu einem Objekt, das zu den reflektierten Signalen beigetragen hat, von mehrdeutigen Winkeln, bei denen die falschen Erfassungen des Objekts erhalten werden, zu unterscheiden, um einen Ort des Objekts als Ergebnis der Verarbeitung zu bestimmen und einen Betrieb des Fahrzeugs basierend auf dem Ort des Objekts zu steuern.
Das Radarsystem nach Anspruch 6, wobei der Abstand zwischen den benachbarten Antennenelementen des einen der zwei oder mehr Sub-Arrays und der Abstand zwischen den benachbarten Antennenelementen des mindestens einen anderen der zwei oder mehr Sub-Arrays beide größer als eine halbe Wellenlänge der Übertragungssignale sind, und das eine der zwei oder mehr Sub-Arrays drei oder mehr Antennenelemente enthält und der Abstand zwischen einem Paar der benachbarten der drei oder mehr Antennenelemente sich von dem Abstand zwischen einem anderen Paar der benachbarten der drei oder mehr Antennenelemente unterscheidet oder der Abstand zwischen allen benachbarten Paaren der drei oder mehr Antennenelemente gleich ist.
Das Radarsystem nach Anspruch 6, wobei der Prozessor ferner eingerichtet ist, Cluster von Detektionspunkten zu erzeugen, die mit jedem der zwei oder mehr Sub-Arrays erhalten werden, wobei jeder der Detektionspunkte einen zugeordneten Winkel und eine zugeordnete Reichweite hat, und der Prozessor eingerichtet ist, eine Detektionsüberlappungs-Metrik γ und eine Verteilungsgleichmäßigkeits-Metrik δ für jeden der Cluster bestimmt.
Das Radarsystem nach Anspruch 8, wobei der Prozessor eingerichtet ist, die metrische Überlappungsdetektion γ rechnerisch durch Folgendes zu bestimmen: $γ = \frac{1}{N} \sum_{i - 0}^{N - 1} {(μ_{i} - \bar{μ})}^{2},$
wobei N ist eine Anzahl der zwei oder mehr Sub-Arrays, µ_i ist ein Mittelwert der Detektionspunkte eines i-ten Sub-Arrays unter den zwei oder mehr Sub-Arrays, und µ ist ein Mittelwert aller Detektionspunkte aller Sub-Arrays, und ein niedrigerer Wert der Detektionsüberlappungs-Metrik γ zeigt eine höhere Überlappung zwischen den Detektionspunkten und eine Übereinstimmung der Detektionspunkte mit dem Objekt an, oder der Prozessor ist so eingerichtet, dass er die Detektionsüberlappungs-Metrik γ rechnerisch durch Folgendes zu bestimmen: $γ = \sum_{\underset{i \neq j}{i, j}} \frac{X_{i} \cap X_{j}}{X_{i} \cup X_{j}}$
oder $γ = min_{i, j} \frac{X_{i} \cap X_{j}}{X_{i} \cup X_{j}},$
wobei X_i ist ein Begrenzungsrahmen, der die Detektionspunkte umschließt, die mit einem i-ten Sub-Array unter den zwei oder mehr Sub-Arrays verbunden sind, und X_j ist ein Begrenzungsrahmen, der die Detektionspunkte umschließt, die mit einem anderen der zwei oder mehr Sub-Arrays verbunden sind, und ein höherer Wert der Detektionsüberlappungs-Metrik γ zeigt eine höhere Überlappung zwischen den Detektionspunkten und eine Übereinstimmung der Detektionspunkte mit dem Objekt an.
Das Radarsystem nach Anspruch 8, wobei der Prozessor eingerichtet ist, die Verteilungsgleichmäßigkeits-Metrik δ rechnerisch durch Folgendes zu bestimmen: $δ = \sum_{n = 0}^{N - 1} P_{n} log (P_{n}),$
wobei $P_{n} = \frac{S_{n}}{\sum_{n = 0}^{N - 1} S_{n}}$
und S_n ist eine Anzahl der Detektionspunkte eines n-ten Sub-Arrays unter den zwei oder mehr Sub-Arrays, und ein höherer Wert der Verteilungsgleichmäßigkeits-Metrik δ zeigt eine höhere Wahrscheinlichkeit an, dass die Anzahl der Detektionspunkte der zwei oder mehr Sub-Arrays ähnlich ist und eine Übereinstimmung der Detektionspunkte mit dem Objekt, und der Prozessor ist so eingerichtet, dass er eine kombinierte Metrik η aus der Detektionsüberlappungs-Metrik γ und der Verteilungsgleichmäßigkeits-Metrik δ für jeden der Cluster gemäß Folgendem erzeugt: $η = \frac{C_{1}}{γ_{1}} + C_{2} δ$
oder $η = C_{1} γ_{2} + C_{2} δ,$
wobei C₁ und C₂ Skalierungsfaktoren sind, und der Prozessor ist ferner eingerichtet, ein Wert der kombinierten Metrik η, der einen Schwellenwert überschreitet, als Hinweis darauf zu verwenden, dass die Detektionspunkte mit dem Objekt übereinstimmen.