-
Die vorliegende Erfindung betrifft eine Radarvorrichtung und ein Verfahren zur radarbasierten Lokalisierung und Kartierung. Die Erfindung betrifft insbesondere einen Radarsensor zur Verwendung in einem Kraftfahrzeug oder in einem mobilen Roboter.
-
Stand der Technik
-
Radarsysteme zur Messung von Abstand, Relativgeschwindigkeit und Winkel von Objekten, etwa von Fahrzeugen und Hindernissen, werden zunehmend in Kraftfahrzeugen für Sicherheits- und Komfortfunktionen eingesetzt. Seit einigen Jahren wird die Verwendung von Radar mit synthetischer Apertur (SAR) im Automobilbereich betrachtet.
-
Eine mögliche Anwendung ist hierzu bekannt aus Hu et al., „Automotive SAR for Parking Lot Detection," 2009 German Microwave Conference, München, 2009, S. 1-8.
-
Eine weitere Verwendung ist beschrieben in Feger et al., „Experimental verification of a 77-GHz synthetic aperture radar system for automotive applications," 2017 IEEE MTT-S International Conference on Microwaves for Intelligent Mobility (ICMIM), Nagoya, 2017, S. 111-114.
-
SAR wird ebenfalls thematisiert in F. Harrer, F. Pfeiffer, A. Löffler, T. Gisder and E. Biebl, „Synthetic aperture radar algorithm for a global amplitude map," 2017 14th Workshop on Positioning, Navigation and Communications (WPNC), Bremen, 2017, S. 1-6.
-
Das Prinzip der synthetischen Apertur erlaubt bei einer Eigenbewegung des Radarsensors eine besonders genaue Winkelmessung, indem die Radarmessungen an unterschiedlichen örtlichen Positionen zu einer synthetischen Antennenapertur bzw. Antennenfläche zusammengefasst werden. Die synthetische Apertur kommt dadurch zustande, dass sich die Sende- und Empfangsantennen zum Zeitpunkt jeder einzelnen Radarmessung aufgrund der Eigenbewegung des Radarsensors an unterschiedlichen örtlichen Positionen befinden. Daher können die empfangenen Radarechos so prozessiert werden, als ob eine große Antennenapertur entlang der Fahrtrajektorie vorhanden wäre. Damit sind unter Verwendung einer einzelnen Sende- und Empfangsantenne Trennfähigkeiten zwischen eng benachbarten Zielen in der Winkelmessung möglich, die unter Verwendung der realen Antennenapertur unerreichbar wären. Zudem kann eine große synthetische Apertur erzeugt werden, die mit einer realen Antennenapertur aufgrund der großen Anzahl der notwendigen Antennenelemente unpraktisch bzw. nicht in ein Fahrzeug integrierbar wäre.
-
Heutige Kfz-Radarsysteme setzen in der Regel eine FMCW-Modulation mit schnellen Rampen (Fast-Chirp-Modulation) ein, bei der nacheinander mehrere lineare Frequenzrampen mit gleichgroßen Steigungen durchlaufen werden. Die Mischung des momentanen Sendesignals mit dem Empfangssignal ergibt nach Tiefpassfilterung ein niederfrequentes Signal, dessen Frequenz, welche Beatfrequenz genannt wird, zum Abstand proportional ist. Die gewonnene Abstandsinformation ist bei korrekter Parametrisierung eindeutig, eine Dopplerverschiebung kann anschließend durch Beobachtung der zeitlichen Entwicklung der Phase des komplexen Abstandssignals über die Rampen hinweg bestimmt werden. Abstands- und Geschwindigkeitsbestimmung finden unabhängig voneinander statt, in der Regel unter Verwendung der zweidimensionalen schnellen Fourier-Transformation (2D-FFT).
-
Bei der SAR-Auswertung kann dasselbe Messprinzip der Fast-Chirp-Modulation verwendet werden. Die Abstandsauswertung ist weitgehend identisch zu der eines klassischen Radars. Die Dopplerauswertung über die Rampen hinweg wird jedoch durch die SAR-Auswertung ersetzt. Diese liefert als Ergebnis nicht eine Dopplermessung, sondern unter der Annahme von stationären Zielen und mit Kenntnis der Eigenbewegung eine Winkelmessung. Um die gemessenen Radarsignale als eine synthetische Apertur auszuwerten, wird die Radarumgebung in konventionellen SAR-Auswertealgorithmen als stationär angenommen. Zusätzlich muss die Eigenbewegung des Radarsensors, d.h. die Positionen, an denen die einzelnen Messungen stattgefunden haben, bekannt sein. Die Eigentrajektorie des Radars ist ein Eingabeparameter für den SAR-Auswertealgorithmus und stellt die Basis für die Berechnung des SAR-Bildes dar. Je nach Auswertealgorithmus kann alternativ eine Eigengeschwindigkeitsschätzung anstatt der genaueren Radartrajektorie für die Berechnung des Radarbildes ausreichend sein. Dabei wird aber die Trajektorie als linear angenommen. Die Eigengeschwindigkeitsschätzung kann prinzipiell auch aus den SAR-Bildern selbst mittels Autofokus-Algorithmen erfolgen.
-
Da die SAR-Auswertung von einer stationären Szene ausgeht und die maximale Winkelauflösung senkrecht zur Bewegungsrichtung erreicht, ist SAR besonders gut für die Kartierung der Umgebung und verwandte Funktionen (Erkennung von Landmarks, Parklückensuche, etc.) geeignet. Weiter können Bewegtziele auf dem SAR-Bild identifiziert werden (engl. Moving Target Indication, MTI), um diese aus den Daten herauszufiltern.
-
Typische Sendefrequenzen liegen bei 24 GHz oder 77 GHz, die maximal belegbaren Bandbreiten liegen bei unter 4 GHz, typischerweise aber deutlich darunter (z.B. 0,5 GHz).
-
Insbesondere in der Robotik werden Lidar- und Ultraschall-Umfeldsensoren dazu verwendet, die Umgebung gleichzeitig zu kartieren und die Eigenposition in der Karte festzustellen, Simultaneous Localization and Mapping (SLAM) genannt.
-
Grundlagen zu SLAM sind beschrieben in Durrant-Whyte et al., „Simultaneous Localization and Mapping (SLAM): Part I - The Essential Algorithms", Robotics and Automation Magazine, 9, 2006, sowie Bailey et al., „Simultaneous Localization and Mapping (SLAM): Part II - State of the Art", Robotics and Automation Magazine, 10, 2006.
-
Bei diesen Ansätzen werden die nacheinander gemessenen Bild- bzw. Messergebnisse in ein gemeinsames Koordinatensystem transformiert (englisch: Scan Matching), zum Beispiel mit einem Iterative Closest Point Algorithmus, woraus die eigene Bewegung zwischen diesen Messungen berechnet wird. Damit wird zugleich eine Kartierung der Umgebung durchgeführt.
-
Ein Tracking von Bewegtzielen ist bekannt aus Wang, „Simultaneous Localization, Mapping and Moving Object Tracking‟, Doktorarbeit, Tech. report CMLT-RI-TR-04-23, Robotics Institute, Carnegie Mellon Univ., 2004.
-
SLAM kann auf Messdaten eines konventionellen Radarsensors angewandt werden. Dabei kommen elektronisch scannende Radarsysteme (Marck et al., „Indoor Radar SLAM: A radar application for Vision and GPS Denied Environments", EuRAD2013) oder solche mit mechanisch scannenden Antennen zum Einsatz (Rouveure et al. „Robot Localization and Navigation with a Ground-Based Microwave Radar", International Radar Conference 2019, Toulon). Als Modulationsart können FMCW oder Pulsradar (Schouten et al. „RadarSLAM Biomimetic SLAM using ultra-wideband pulse-echo radar" doi: 10.1109/IPIN.2017.8115932) verwendet werden.
-
Offenbarung der Erfindung
-
Die Erfindung stellt eine Radarvorrichtung und ein Verfahren zur radarbasierten Lokalisierung und Kartierung mit den Merkmalen der unabhängigen Patentansprüche bereit.
-
Bevorzugte Ausführungsformen sind Gegenstand der jeweiligen Unteransprüche.
-
Gemäß einem ersten Aspekt betrifft Erfindung demnach eine Radarvorrichtung, mit mindestens einem Radarsensor, welcher dazu ausgebildet ist, Radarmessdaten zu erzeugen. Weiter umfasst die Radarvorrichtung eine Recheneinrichtung, welche dazu ausgebildet ist, die Radarmessdaten des mindestens einen Radarsensors mittels eines synthetische-Apertur-Radar, SAR, -Verfahrens auszuwerten, um mindestens ein Radarbild zu erzeugen, und das mindestens eine Radarbild mittels eines Verfahrens zur simultanen Lokalisierung und Kartierung, SLAM, auszuwerten, um eine Umgebungskarte zu erzeugen und den mindestens einen Radarsensor in der Umgebungskarte zu lokalisieren.
-
Gemäß einem zweiten Aspekt betrifft die Erfindung ein Verfahren zur radarbasierten Lokalisierung und Kartierung. Mindestens ein Radarsensor erzeugt Radarmessdaten. Die Radarmessdaten werden mittels eines SAR-Verfahrens ausgewertet, um mindestens ein Radarbild zu erzeugen. Das mindestens eine Radarbildes wird mittels eines Verfahrens zur simultanen Lokalisierung und Kartierung, SLAM, ausgewertet, um eine Umgebungskarte zu erzeugen und den mindestens einen Radarsensor in der Umgebungskarte zu lokalisieren.
-
Vorteile der Erfindung
-
Die Erfindung stellt eine Radarvorrichtung bereit, welche verwendet werden kann, um die Umgebung einer bodengestützten mobilen Plattform, insbesondere eines Kraftfahrzeugs oder eines mobilen Roboters, zu erfassen. Anhand des SAR-Verfahrens werden Radarbilder erzeugt und anschließend wird mittels SLAM-Algorithmen eine Karte der Umgebung erstellt, in der gleichzeitig die Position der Plattform festgestellt wird. Dabei werden die Vorteile der SAR- und SLAM-Methoden gewinnbringend kombiniert. Dadurch kann mit kostengünstiger Sensorhardware eine hochgenaue Lokalisierung, Kartierung und Behandlung von Bewegtzielen ermöglicht werden.
-
Gegenüber der klassischen Radarsignalauswertung hat das SAR-Verfahren den Vorteil, dass mit einer kleinen physikalischen Antennenapertur, beispielsweise mit einer Sendeantenne und einer Empfangsantenne, eine große Winkelauflösung in der Messung einer stationären Szene erreicht werden kann, insbesondere quer zur Bewegungsrichtung. Zwar können mit SAR-Verfahren Geschwindigkeiten von Bewegtzielen nicht gemessen werden, was jedoch in einer stationären Szene bzw. für die Kartierung auch nicht erforderlich ist. Somit ist für die Kartierung und Lokalisierung die Radarvorrichtung mit SAR-Auswertung besser geeignet als klassische Radarsensoren.
-
Durch die Kombination des SAR-Verfahrens mit dem SLAM-Verfahren kann die Komplexität des erforderlichen Radar-Frontends merklich reduziert werden, d.h. von Antennen, analogen Sende- und Empfangskanälen, Anzahl der Analog-Digital-Wandler und dergleichen. Weiter kann eine wesentlich bessere Winkelgenauigkeit erzielt werden, d.h. der Detailgrad der Kartierung kann erhöht werden. Damit kann die Radarvorrichtung kostengünstiger gebaut werden und dennoch eine hohe Güte der Kartierung liefern.
-
Die erfindungsgemäße Radarvorrichtung ist besonders in Anwendungen hilfreich, wo eine relative Lokalisierung in Bezug zu Hindernissen ohne die Verfügbarkeit eines Signals eines globalen Navigationssatellitensystems benötigt wird.
-
Auch eine absolute Lokalisierung lässt sich erreichen, indem die erzeugte Umgebungskarte bzw. ein Kartenausschnitt mit einer gespeicherten bekannten Umgebungskarte verglichen wird. Diese gespeicherte Umgebungskarte kann entweder im Speicher der Recheneinrichtung abgelegt sein oder aus einem Cloudspeicher ganz oder teilweise heruntergeladen werden. Dies kann auch anhand von wenigen Landmarks auf der lokalen und globalen Umgebungskarte erfolgen.
-
Auch hinsichtlich der Verfügbarkeit einer Karte ist die vorliegende Erfindung besonders vorteilhaft in Anwendungen, in denen keine Umgebungskarte oder nur eine Umgebungskarte mit mäßiger Qualität verfügbar ist bzw. die Umgebung sich häufig ändert. Als Beispiel aus dem Kraftfahrzeugbereich kann eine Fahrt in einem Tunnel bzw. in einem Parkhaus dienen. Für Robotik-Anwendungen stellt der Indoor-Betrieb in Gebäuden oder bspw. Minen einen entsprechenden Anwendungsfall dar.
-
Gemäß einer Ausführungsform der Radarvorrichtung ist der mindestens eine Radarsensor vorzugsweise seitlich an der mobilen Plattform angebracht, damit die Leistungsausstrahlung der Sendeantennen und Leistungsempfang der Empfangsantennen sich mit der maximalen Auflösungsfähigkeit der synthetischen Apertur genügend überlappt. Hinzu kommt, dass sich Winkel links und rechts von der gefahrenen Trajektorie mit dem SAR-Verfahren nicht unterscheiden lassen. Die Radarvorrichtung ist jedoch auch bei frontal angebrachten Radarsensoren anwendbar.
-
Gemäß einer Ausführungsform der Radarvorrichtung können anhand der Radarmessdaten des mindestens einen Radarsensors Objekte in der Umgebung der Radarvorrichtung gesucht werden, wobei beispielsweise ein Verfahren zur Winkelmessung verwendet werden kann. Im Gegensatz zu einem mechanisch scannenden Radar sind bei SAR keine beweglichen Teile zum Erzeugen der Winkelinformation erforderlich. Dadurch sind die verwendeten Sensoren verschleiß- und wartungsarm. Zudem ergeben sich Kostenersparnisse. Im Gegensatz zu Radarsensoren mit elektronischer Winkelmessung werden bei SAR sende- und empfangsseitig weniger Antennenkanäle benötigt. Dies erlaubt kleinere Sensorabmessungen sowie Einsparungen im Bereich der analogen Hardware und der Analog-Digital-Wandler.
-
Im Gegensatz zu Laserlicht besitzen Radarwellen bessere Eigenschaften bei der Durchdringung von Nebel, Rauch, Staub oder Niederschlag, d.h. Regen, Schnee oder Hagel. Dadurch ist der Einsatz der Radarvorrichtung auch bei schlechten Sichtbedingungen oder bei Niederschlag möglich.
-
Die Radarvorrichtung kann in der Robotik zum Einsatz kommen. Aktuell werden in der Robotik primär Laserscanner (Lidar), Ultraschallsensoren und Kameras eingesetzt. Diese können durch die Radarvorrichtung als weiterer Umfeldsensor sinnvoll ergänzt bzw. ersetzt werden.
-
Gemäß einer Ausführungsform der Radarvorrichtung berechnet die Recheneinrichtung mittels des SLAM-Verfahrens Bewegungsinformation des mindestens einen Radarsensors, wobei die Recheneinrichtung die berechneten Bewegungsinformationen beim Erzeugen des Radarbildes mittels des SAR-Verfahrens berücksichtigt.
-
Gemäß einer Ausführungsform der Radarvorrichtung empfängt oder erzeugt die Recheneinrichtung Odometriedaten bezüglich einer Position und/oder Orientierung des mindestens einen Radarsensors anhand von Sensordaten von mindestens einem Sensor. Die Recheneinrichtung berücksichtigt die empfangenen Odometriedaten beim Auswerten der Messdaten des mindestens einen Radarsensors mittels des SAR-Verfahrens und/oder beim Auswerten des mindestens einen Radarbildes mittels des SLAM-Verfahrens.
-
Gemäß einer Ausführungsform der Radarvorrichtung handelt es sich bei dem Sensor, von dem die Recheneinrichtung die Sensordaten empfängt, um einen Inertial sensor.
-
Gemäß einer Ausführungsform der Radarvorrichtung schätzt die Recheneinrichtung beim Auswerten der Radarmessdaten mittels des SAR-Verfahrens unter Verwendung eines Autofokusverfahrens Bewegungsinformationen, und berücksichtigt die geschätzten Bewegungsinformationen bei der Auswertung des mindestens einen Radarbildes mittels des SLAM-Verfahrens.
-
Gemäß einer Ausführungsform der Radarvorrichtung kompensiert die Recheneinrichtung Sensordaten des mindestens einen Sensors anhand der Bewegungsinformationen des mindestens einen Radarsensors.
-
Gemäß einer Ausführungsform der Radarvorrichtung führt die Recheneinrichtung von dem mindestens einen Radarsensor erzeugte Radarbilder mittels eines Scan-Matching-Algorithmus ineinander über.
-
Gemäß einer Ausführungsform der Radarvorrichtung lokalisiert und trackt die Recheneinrichtung Landmarks in der erzeugten Umgebungskarte.
-
Gemäß einer Ausführungsform der Radarvorrichtung ermittelt die Recheneinrichtung Bewegtziele anhand der erzeugten Radarbilder mittels eines Moving-Target-Indicator-Verfahrens. Die Recheneinrichtung bestätigt und trackt beim Auswerten des mindestens einen Radarbildes mittels des SLAM-Verfahrens die ermittelten Bewegtziele.
-
Gemäß einer Ausführungsform der Radarvorrichtung berechnet die Recheneinrichtung mittels des SLAM-Verfahrens Bewegungsinformation des mindestens einen Radarsensors, wobei die berechneten Bewegungsinformationen beim Erzeugen des Radarbildes berücksichtigt werden.
-
Figurenliste
-
Es zeigen:
- 1 ein schematisches Blockdiagramm einer Radarvorrichtung gemäß einer Ausführungsform der Erfindung; und
- 2 ein schematisches Blockdiagramm einer Recheneinrichtung zur Verwendung in einer Radarvorrichtung gemäß einer Ausführungsform der Erfindung; und
- 3 ein Flussdiagramm eines Verfahrens zur radarbasierten Lokalisierung und Kartierung gemäß einer Ausführungsform der Erfindung.
-
Beschreibung der Ausführungsbeispiele
-
1 zeigt ein schematisches Blockdiagramm einer Radarvorrichtung 1, mit Radarsensoren 21 bis 2n, wobei n die Anzahl der Radarsensoren bezeichnet. Die Radarvorrichtung 1 kann einen einzigen Radarsensor oder auch mehrere Radarsensoren 21 bis 2n aufweisen. Die Radarsensoren 21 bis 2n sind auf einer mobilen Plattform, etwa einem Kraftfahrzeug oder einem Roboter, angeordnet und erzeugen Radarmessdaten.
-
Die Radarsensoren 21 bis 2n umfassen mindestens eine Sende- und mindestens eine Empfangsantenne oder mindestens eine kombinierte Sende-Empfangsantenne. Weiter umfassen die Radarsensoren 21 bis 2n ein analoges Front-End zur Erzeugung der Wellenform und zur Konditionierung des Empfangssignals, sowie einen Analog-Digitalwandler zum Abtasten des Signals.
-
Weiter umfasst die Radarvorrichtung 1 eine digitale Recheneinrichtung 3, welche einen Mikroprozessor, integrierten Schaltkreis oder dergleichen, sowie einen Speicher umfasst.
-
2 zeigt ein schematisches Blockdiagramm einer beispielhaften Recheneinrichtung 3. Die Recheneinrichtung 3 weist einen SAR-Prozessor 31 auf, welcher wiederum eine Bildrekonstruktionskomponente umfasst, welche die Radarmessdaten des mindestens einen Radarsensors 21 bis 2n mittels eines SAR-Verfahrens auswertet, um mindestens ein Radarbild zu erzeugen.
-
Der SAR-Prozessor 31 ermittelt mittels des SAR-Verfahrens den durch die Eigenbewegung der Radarsensoren 21 bis 2n verursachten Dopplereffekt und führt anhand der Dopplermessungen unter Verwendung der Eigengeschwindigkeit der Radarsensoren 21 bis 2n Winkelberechnungen durch. Der gemessene Dopplerwert ist hierbei die Projektion der Eigengeschwindigkeit auf den unter dem Zielwinkel stehenden Zielvektor. Dabei kann der SAR-Prozessor 31 annehmen, dass die Radarziele stationär sind. Bei SAR wird eine synthetische Apertur entlang der Bewegungsrichtung aufgebaut, und daher die maximale Auflösung senkrecht zur Fahrtrichtung erreicht. Orthogonal zur Bewegungsrichtung wird dadurch keine synthetische Apertur erzielt.
-
Die Recheneinrichtung 3 umfasst weiter einen SLAM-Prozessor 32, welcher das mindestens eine Radarbild mittels eines Verfahrens zur simultanen Lokalisierung und Kartierung, SLAM, auswertet, um eine Umgebungskarte zu erzeugen und den mindestens einen Radarsensor in der Umgebungskarte zu lokalisieren. Das Ergebnis jeder einzelnen SAR-Auswertung kann ein Radarbild der stationären Szene sein, woraus eine Kartenerzeugungs-Komponente 321 des SLAM-Prozessors 32 anhand der Schätzung der Eigenbewegung konsekutiv eine globale Karte erzeugt.
-
Unter Verwendung des SLAM-Verfahrens kann eine Bewegungsschätzungs-Komponente 322 des SLAM-Prozessors 32 eine Trajektorie des mindestens einen Radarsensors 21 bis 2n ermitteln. Die Trajektorie des mindestens einen Radarsensors 21 bis 2n wird dabei zumindest teilweise mittels SLAM-Methoden anhand der einzelnen Radarbilder berechnet.
-
Für die SLAM-basierte Bewegungsschätzung können dabei die Radarbilder durch eine Scan-Matching-Komponente 323 des SLAM-Prozessors 32 mit einem Scan-Matching Algorithmus und unter einer Festkörperannahme ineinander übergeführt werden.
-
Alternativ oder zusätzlich kann dieser Schritt basierend auf Detektionen aus dem mindestens einen Radarbildes erfolgen, sodass in der berechneten Umgebungskarte nur Landmarks gespeichert werden und nicht die kompletten Radarbilder.
-
Abschnitte der Trajektorie des mindestens einen Radarsensors 21 bis 2n, welche im SAR-Verfahren zum Erzeugen der virtuellen Apertur verwendet werden, können auch durch zusätzliche Sensoren, wie beispielsweise Inertialsensoren oder Odometrie, oder mittels Autofokusmethoden geschätzt werden.
-
Hierzu kann die die Recheneinrichtung 3 mit mindestens einem Odometriesensor 4 gekoppelt sein, etwa einem Inertialmesssystem (englisch: Inertial Measurement Unit, IMU) oder einem Radrehzahl-Sensor. Der mindestens eine Odometriesensor 4 übermittelt Odometriedaten an die Recheneinrichtung 3, welche daraus die Trajektorie des Odometriesensors 4 schätzt und diese dem SAR-Verfahren weiter zugrunde legt. Diese Information kann auch zusätzlich in dem SLAM-Verfahren miteinbezogen werden, womit sich die Scan-Matching Fehler reduzieren lassen.
-
Umgekehrt kann die Eigenbewegungsschätzung aus dem SLAM Algorithmus, das heißt die von der Bewegungsschätzungs-Komponente 322 des SLAM-Prozessors 32 berechnete Trajektorie des mindestens einen Radarsensors 21 bis 2n, zur Kompensation von Drifts der IMUs 4 verwendet werden. Besitzt die Plattform Odometrie-Sensorik zur Erfassung der Eigenbewegung, z.B. Drehratensensoren, können die Sensordaten dieser Odometrie-Sensorik miteinbezogen werden. Dabei können SAR-Verfahren und Odometrie-Sensorik synchronisiert werden. Ist die Odometrie-Sensorik an einer anderen Stelle auf der Plattform angebracht, kann zusätzlich eine Transformation der gemessenen Odometriedaten auf die Position der Radarvorrichtung 1 ermittelt werden.
-
Weiter kann der SAR-Prozessor 31 eine Autofokus-Komponente 312 umfassen, welche die Eigengeschwindigkeit der Plattform anhand von Autofokus-Algorithmen aus den Radarmessdaten berechnet. Der Schätzwert der Eigengeschwindigkeit kann als Input für das SLAM-Verfahren verwendet werden, um Fehler der Daten-Assoziation aufeinanderfolgender Radar-Messzyklen zu reduzieren. Dadurch kann gegebenenfalls ein Landmark-basiertes Matching der Radar-Messzyklen bei dem SLAM-Verfahren vermieden werden.
-
Sowohl beim SAR-Verfahren als auch beim SLAM-Verfahren kann eine stationäre Szene angenommen werden. Es können jedoch auch Abweichungen von dieser Annahme erkannt werden, wozu weitere Maßnahmen umgesetzt werden können. Hierzu kann der SAR-Prozessor 31 eine Moving-Target-Indication (MTI)-Komponente 313 aufweisen, welche Bewegtziele erkennt. Alternativ oder zusätzlich können beim SLAM-Verfahren Bewegtziele getrackt werden.
-
Die einzelnen Maßnahmen zur Behandlung der Bewegtziele können gewinnbringend kombiniert werden, sodass dabei die Robustheit der Detektion und Behandlung von Bewegtzielen erhöht wird. Beispielsweise kann die MTIbasierte Detektion der SAR-Ziele dafür verwendet werden, vor dem Scan-Matching des SLAM-Algorithmus die Bewegtziele herauszufiltern. Diese können durch Daten-Assoziation auf der SLAM-Ebene als Bewegtziele bestätigt und separat verfolgt werden.
-
Während der SAR-Prozessor 31 und der SLAM-Prozessor 32 als separate Einheiten beschrieben wurden, können diese auch durch eine einzige Hardwarekomponente realisiert werden.
-
3 zeigt ein Flussdiagramm eines Verfahrens zum Verfahren zur radarbasierten Lokalisierung und Kartierung.
-
In einem ersten Verfahrensschritt S1 erzeugt mindestens ein Radarsensor 21 bis 2n Radarmessdaten.
-
Diese werden digitalisiert und in einem zweiten Verfahrensschritt S2 mittels eines SAR-Verfahrens ausgewertet, um mindestens ein Radarbild zu erzeugen.
-
In einem dritten Verfahrensschritt S3 wird das mindestens eine Radarbild mittels eines SLAM-Verfahrens ausgewertet, um eine Umgebungskarte zu erzeugen und den mindestens einen Radarsensor 21 bis 2n in der Umgebungskarte zu lokalisieren.
-
Mittels des SLAM-Verfahrens können Bewegungsinformation des mindestens einen Radarsensors 21 bis 2n berechnet werden, etwa eine Eigentrajektorie, wobei die berechneten Bewegungsinformationen beim Erzeugen des Radarbildes berücksichtigt werden.
-
Das Verfahren wird iterativ durchgeführt.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Nicht-Patentliteratur
-
- Hu et al., „Automotive SAR for Parking Lot Detection,“ 2009 German Microwave Conference, München, 2009, S. 1-8 [0003]
- Feger et al., „Experimental verification of a 77-GHz synthetic aperture radar system for automotive applications,“ 2017 IEEE MTT-S International Conference on Microwaves for Intelligent Mobility (ICMIM), Nagoya, 2017, S. 111-114 [0004]
- SAR wird ebenfalls thematisiert in F. Harrer, F. Pfeiffer, A. Löffler, T. Gisder and E. Biebl, „Synthetic aperture radar algorithm for a global amplitude map,“ 2017 [0005]
- Durrant-Whyte et al., „Simultaneous Localization and Mapping (SLAM): Part I - The Essential Algorithms“, Robotics and Automation Magazine, 9, 2006 [0012]
- Bailey et al., „Simultaneous Localization and Mapping (SLAM): Part II - State of the Art“, Robotics and Automation Magazine, 10, 2006 [0012]
- „Simultaneous Localization, Mapping and Moving Object Tracking‟, Doktorarbeit, Tech. report CMLT-RI-TR-04-23, Robotics Institute, Carnegie Mellon Univ., 2004 [0014]
- Marck et al., „Indoor Radar SLAM: A radar application for Vision and GPS Denied Environments“, EuRAD2013 [0015]
- Rouveure et al. „Robot Localization and Navigation with a Ground-Based Microwave Radar“, International Radar Conference 2019, Toulon [0015]
- Schouten et al. „RadarSLAM Biomimetic SLAM using ultra-wideband pulse-echo radar“ doi: 10.1109/IPIN.2017.8115932 [0015]