JP2019215279A - Radar device and target data assignment method - Google Patents
Radar device and target data assignment method Download PDFInfo
- Publication number
- JP2019215279A JP2019215279A JP2018113104A JP2018113104A JP2019215279A JP 2019215279 A JP2019215279 A JP 2019215279A JP 2018113104 A JP2018113104 A JP 2018113104A JP 2018113104 A JP2018113104 A JP 2018113104A JP 2019215279 A JP2019215279 A JP 2019215279A
- Authority
- JP
- Japan
- Prior art keywords
- data
- target
- prediction
- unit
- instantaneous
- 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
Links
- 238000000034 method Methods 0.000 title claims description 51
- 238000012545 processing Methods 0.000 claims abstract description 84
- 239000002245 particle Substances 0.000 claims description 82
- 230000033001 locomotion Effects 0.000 claims description 40
- 238000001914 filtration Methods 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 description 29
- 230000008569 process Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 23
- 238000000605 extraction Methods 0.000 description 10
- 238000012952 Resampling Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000035559 beat frequency Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
Description
本発明は、レーダ装置および物標データ割当方法に関する。 The present invention relates to a radar device and a target data allocation method.
従来、例えば車両の周囲へ電波を送信し、送信した電波が物標で反射した反射波に基づいて物標を検出するレーダ装置が知られている。レーダ装置には、例えば、物標の反射点である瞬時データに基づいて時系列フィルタリングを行うことによって物標データを生成するものがある（例えば、特許文献１参照）。 2. Description of the Related Art Conventionally, there has been known a radar apparatus which transmits a radio wave to a surrounding of a vehicle and detects a target based on a reflected wave of the transmitted radio wave reflected by the target. Some radar devices generate target data by performing time-series filtering based on instantaneous data that is a reflection point of the target (see, for example, Patent Document 1).
また、かかる時系列フィルタリングでは、自車両の走行速度や舵角等を含む走行状態に基づいて設定された割当範囲内において、過去の物標データから予測される予測データに対して瞬時データを割り当てる。 In such time-series filtering, instantaneous data is allocated to prediction data predicted from past target data within an allocation range set based on a traveling state including a traveling speed and a steering angle of the host vehicle. .
しかしながら、従来技術では、車両の走行状態に基づいて割当範囲を設定すると、同一物標に由来する瞬時データが割当範囲から外れる場合があり、物標データの連続性を適切に保つことができない。例えば、自車両がバンク形状の路面を走行する場合、自車両の舵角から推定した走行軌跡と、自車両が実際に走行する走行軌跡とにズレが生じ、実際の走行軌跡を正しく推定することができず、予測データの予測精度が低下するおそれがある。 However, in the related art, when the allocation range is set based on the running state of the vehicle, instantaneous data derived from the same target may be out of the allocation range, and the continuity of the target data cannot be appropriately maintained. For example, when the own vehicle travels on a bank-shaped road surface, a deviation occurs between the travel locus estimated from the steering angle of the own vehicle and the travel locus where the own vehicle actually travels, and the actual travel locus is correctly estimated. And the prediction accuracy of the prediction data may be reduced.
本発明は、上記に鑑みてなされたものであって、物標データの連続性を適切に保つことができるレーダ装置および物標データ割当方法を提供することを目的とする。 The present invention has been made in view of the above, and an object of the present invention is to provide a radar device and a target data allocation method that can appropriately maintain continuity of target data.
上述した課題を解決し、目的を達成するために、実施形態に係るレーダ装置は、生成部と、フィルタ処理部とを備える。前記生成部は、送信波が物標で反射した反射波に基づいて前記物標に対応する瞬時データを生成する。前記フィルタ処理部は、前記生成部によって生成された前記瞬時データを前記物標に対応する過去の物標データから予測される予測データへ割り当てる。また、前記フィルタ処理部は、自車両が走行する路面のバンク角に応じて設定される割当範囲に基づき、前記瞬時データを前記予測データへ割り当てる。 In order to solve the above-described problem and achieve the object, a radar device according to an embodiment includes a generation unit and a filter processing unit. The generating unit generates instantaneous data corresponding to the target based on a reflected wave of the transmitted wave reflected by the target. The filter processing unit assigns the instantaneous data generated by the generation unit to prediction data predicted from past target data corresponding to the target. In addition, the filter processing unit assigns the instantaneous data to the prediction data based on an assignment range set according to a bank angle of a road surface on which the own vehicle travels.
本発明によれば、物標データの連続性を適切に保つことができる。 According to the present invention, continuity of target data can be appropriately maintained.
以下、添付図面を参照して、本願の開示するレーダ装置および物標データ割当方法の実施形態を詳細に説明する。なお、この実施形態により本発明が限定されるものではない。なお、以下では、レーダ装置がＦＭ−ＣＷ（Frequency Modulated Continuous Wave）方式である場合を例に挙げて説明するが、レーダ装置は、ＦＣＭ（Fast-Chirp Modulation）方式であってもよい。 Hereinafter, embodiments of a radar device and a target data allocation method disclosed in the present application will be described in detail with reference to the accompanying drawings. The present invention is not limited by the embodiment. In the following, a case where the radar apparatus is an FM-CW (Frequency Modulated Continuous Wave) method will be described as an example, but the radar apparatus may be an FCM (Fast-Chirp Modulation) method.
まず、図１Ａおよび図１Ｂを用いて、実施形態に係る物標データ割当方法の概要について説明する。図１Ａは、レーダ装置の搭載例を示す図である。図１Ｂは、物標データ割当方法の概要を示す図である。図１Ａでは、実施形態に係るレーダ装置１を搭載した自車両ＭＣと、自車両ＭＣの前方に位置する他車両ＬＣとを示している。
First, an outline of a target data allocation method according to the embodiment will be described with reference to FIGS. 1A and 1B. FIG. 1A is a diagram illustrating an example of mounting a radar device. FIG. 1B is a diagram showing an outline of the target data allocation method. FIG. 1A shows a host vehicle MC on which the
図１Ａに示すように、レーダ装置１は、例えば自車両ＭＣのフロントグリル内等に搭載され、自車両ＭＣの進行方向に存在する物標（例えば、他車両ＬＣ等）を検出する。なお、レーダ装置１の搭載箇所は、例えばフロントガラスやリアグリル、左右の側部（例えば、左右のドアミラー）等他の箇所に搭載されてもよい。
As shown in FIG. 1A, the
また、図１Ａに示すように、レーダ装置１は、自車両ＭＣの周囲に送信した電波が他車両ＬＣで反射した反射波に基づいて物標に対応する瞬時データ１００を生成する。瞬時データ１００には、自車両ＭＣへの向きの相対速度や、自車両ＭＣと瞬時データ１００までの距離、瞬時データ１００の方向といった情報が含まれる。
Further, as shown in FIG. 1A, the
また、レーダ装置１は、生成した瞬時データ１００に対して時系列フィルタリングを施し、フィルタ値として物標に対応する物標データを生成する。これにより、物標データを追従（トラッキング）することが可能となる。
In addition, the
かかる時系列フィルタリングは、前回の物標データから予測される予測データに対して今回の瞬時データ１００を割り当てることで、物標データの連続性をとる処理である。より詳細には、時系列フィルタリングでは、前回の物標データに含まれる位置や速度等の情報に基づいて今回の物標データに対応する予測データを予測する。
The time-series filtering is a process of obtaining continuity of target data by assigning the current
そして、予測データから所定範囲内の今回の瞬時データ１００を割り当てる。なお、以下、前回の物標データから予測データを結ぶベクトルについて「予測移動ベクトルＶｒ」と記載する。
Then, the current
ところで、予測移動ベクトルＶｒには、自車両ＭＣの予測移動量と他車両ＬＣの予測移動量とが含まれる。このため、割当範囲の大きさは、各移動予測の想定誤差に基づいて設定される。つまり、ここで言う想定誤差とは、移動予測が外れた場合の、予測量と実際の値とのずれ量を定量的に定めたものである。予測量は例えば上記のように位置であり、速度であったりもする。すなわち、例えば、自車両ＭＣおよび他車両ＬＣが急旋回、急加速等を行ったとしても、トラッキング可能な範囲を割当範囲として設定する。つまり、割当範囲は、想定誤差に基づいて、実際に予測が外れる確率や、外れの発生状態における許容度など種々の設計上の要求を踏まえ、設定される。 Incidentally, the predicted movement vector Vr includes the predicted movement amount of the own vehicle MC and the predicted movement amount of the other vehicle LC. Therefore, the size of the allocation range is set based on the assumed error of each movement prediction. That is, the assumed error here quantitatively defines the amount of deviation between the predicted amount and the actual value when the movement prediction is incorrect. The predicted amount is, for example, the position as described above, and may be the speed. That is, for example, even if the host vehicle MC and the other vehicle LC make a sharp turn, abrupt acceleration, or the like, a range that can be tracked is set as the allocation range. In other words, the allocation range is set based on the assumed error based on various design requirements, such as the probability that the prediction is actually missed and the tolerance in the occurrence state of the miss.
また、レーダ装置１は、自車両ＭＣの移動量について自車両ＭＣの実際の舵角や走行速度に基づいて算出可能である。このため、レーダ装置１は、自車両ＭＣの移動に起因する要素については予測の必要がなく、つまり想定誤差を小さくして（もしくは除いて）もいい。つまり、他車両ＬＣの移動に起因する要素の想定誤差に主として基づいて割当範囲を設定することができる。これにより、割当範囲を狭めることが可能となる。なお、割当範囲が狭いことは、つまり予測の精度が高いことであり、瞬時データを割り当てる際に誤割当を行う可能性が低くなるため、一般的には好ましい。
Further, the
しかしながら、例えば、自車両ＭＣがバンク形状の道路を走行する場合、自車両ＭＣの舵角に基づいて自車両ＭＣの移動量を求めると、かかる移動量と自車両ＭＣの実際の移動量とにズレが発生する。 However, for example, when the own vehicle MC travels on a bank-shaped road, when the movement amount of the own vehicle MC is obtained based on the steering angle of the own vehicle MC, the movement amount and the actual movement amount of the own vehicle MC are calculated. Deviation occurs.
すなわち、例えば、自車両ＭＣがバンク形状の道路を直進する場合を想定すると、舵角がバンク角に応じた値（直進以外の値）を示すこととなる。このため、かかる場合に、レーダ装置１は、自車両ＭＣが実際には直進しているにもかかわらず、自車両ＭＣが旋回中であると認識してしまうおそれがある。
That is, for example, assuming that the host vehicle MC travels straight on a bank-shaped road, the steering angle indicates a value (a value other than straight traveling) corresponding to the bank angle. For this reason, in such a case, the
かかる場合に、レーダ装置１が算出した自車両ＭＣの移動量と実際の自車両ＭＣの移動量とに誤差が発生する。したがって、自車両ＭＣの移動が正しいものとして、自車両ＭＣの移動予測の想定誤差を考慮せずに割当範囲を設定すると、割当てられるべき瞬時データがかかる割当範囲の外に出現する場合がある。その結果、予測データに瞬時データが割り当てられず、物標データの連続性を適切に保つことができなくなる。
In such a case, an error occurs between the movement amount of the own vehicle MC calculated by the
そこで、実施形態に係る物標データ割当方法では、バンク角に応じて割当範囲を設定することで、物標データの連続性を適切に保つこととした。具体的には、実施形態に係る物標データ割当方法では、図１Ｂに示すように、バンクなしと判定した場合に、予測データ６０を中心とする第１割当範囲Ｒａ１を設定し、バンクありと判定した場合、第１割当範囲Ｒａ１よりも広い第２割当範囲Ｒａ２を設定する。
Therefore, in the target data allocation method according to the embodiment, the continuity of the target data is appropriately maintained by setting the allocation range according to the bank angle. Specifically, in the target data allocation method according to the embodiment, as shown in FIG. 1B, when it is determined that there is no bank, the first allocation range Ra1 centering on the
例えば、第１割当範囲Ｒａ１は、他車両ＬＣの移動予測の想定誤差に応じた範囲であり、第２割当範囲Ｒａ２は、第１割当範囲Ｒａ１に自車両ＭＣの移動予測の想定誤差も考慮して定めた範囲である。 For example, the first allocation range Ra1 is a range corresponding to an assumed error of the movement prediction of the other vehicle LC, and the second allocation range Ra2 is a first allocation range Ra1 that also considers the assumed error of the movement prediction of the own vehicle MC. Range.
すなわち、実施形態に係る物標データ割当方法では、バンク形状の道路を走行する場合、第１割当範囲Ｒａ１から自車両ＭＣの移動予測の想定誤差も考慮に入れた第２割当範囲Ｒａ２へ切り替えることで、今回の瞬時データ１００を第２割当範囲Ｒａ２内に収めることが可能となる。
That is, in the target data allocating method according to the embodiment, when traveling on a bank-shaped road, switching from the first allocation range Ra1 to the second allocation range Ra2 that also takes into account the expected error of the movement prediction of the host vehicle MC. Thus, the current
したがって、実施形態に係る物標データ割当方法によれば、前回の物標データに連続する適切な瞬時データ１００を適切に割り当てることができるので、物標データの連続性を適切に保つことができる。
Therefore, according to the target data allocating method according to the embodiment, appropriate
次に、図２を参照して、実施形態に係るレーダ装置１の構成について詳細に説明する。図２は、実施形態に係るレーダ装置１の構成を示すブロック図である。なお、図２では、本実施形態の特徴を説明するために必要な構成要素を中心に機能ブロックで表しており、一般的な構成要素については記載を省略しているものもある。
Next, the configuration of the
図２に示すように、レーダ装置１は、送信部１０と、受信部２０と、処理部３０とを備える。また、レーダ装置１は、自車両ＭＣの挙動を制御する車両制御装置２に接続される。
As shown in FIG. 2, the
車両制御装置２は、レーダ装置１による物標の検出結果に基づいて、ＰＣＳ（Pre-crash Safety System）やＡＥＢ(Advanced Emergency Braking System)などの車両制御を行う。
The
送信部１０は、信号生成部１１と、発振器１２と、送信アンテナ１３とを備える。信号生成部１１は、後述する送受信制御部３１の制御により、三角波で周波数変調されたミリ波を送信するための変調信号を生成する。発振器１２は、かかる信号生成部１１によって生成された変調信号に基づいて送信信号を生成し、送信アンテナ１３へ出力する。なお、図２に示すように、発振器１２によって生成された送信信号は、後述するミキサ２２に対しても分配される。
The
送信アンテナ１３は、発振器１２からの送信信号を送信波へ変換し、かかる送信波を自車両ＭＣの外部へ出力する。送信アンテナ１３が出力する送信波は、三角波で周波数変調された連続波である。送信アンテナ１３から自車両ＭＣの外部、例えば前方へ送信された送信波は、他車両ＬＣ等の物標で反射されて反射波となる。
The
受信部２０は、アレーアンテナを形成する複数の受信アンテナ２１と、複数のミキサ２２と、複数のＡ／Ｄ変換部２３とを備える。ミキサ２２およびＡ／Ｄ変換部２３は、受信アンテナ２１ごとに設けられる。
The receiving
各受信アンテナ２１は、物標からの反射波を受信波として受信し、かかる受信波を受信信号へ変換してミキサ２２へ出力する。なお、図２に示す受信アンテナ２１の数は４つであるが、３つ以下または５つ以上であってもよい。 Each receiving antenna 21 receives a reflected wave from the target as a received wave, converts the received wave into a received signal, and outputs the signal to the mixer 22. Although the number of receiving antennas 21 shown in FIG. 2 is four, it may be three or less or five or more.
受信アンテナ２１から出力された受信信号は、図示略の増幅器（例えば、ローノイズアンプ）で増幅された後にミキサ２２へ入力される。ミキサ２２は、分配された送信信号と、受信アンテナ２１から入力される受信信号との一部をミキシングし不要な信号成分を除去してビート信号を生成し、Ａ／Ｄ変換部２３へ出力する。 The reception signal output from the reception antenna 21 is input to the mixer 22 after being amplified by an amplifier (not shown) (not shown). The mixer 22 mixes a part of the distributed transmission signal and a part of the reception signal input from the reception antenna 21, removes unnecessary signal components, generates a beat signal, and outputs the beat signal to the A / D conversion unit 23. .
ビート信号は、送信信号の周波数（以下、「送信周波数」と記載する）と受信信号の周波数（以下、「受信周波数」と記載する）との差となるビート周波数を有する。ミキサ２２で生成されたビート信号は、図示しない同期部によって受信アンテナ同士でタイミングを合わせた上でＡ／Ｄ変換部２３でデジタル信号に変換された後に、処理部３０へ出力される。
The beat signal has a beat frequency that is the difference between the frequency of the transmission signal (hereinafter, referred to as “transmission frequency”) and the frequency of the reception signal (hereinafter, referred to as “reception frequency”). The beat signal generated by the mixer 22 is converted into a digital signal by the A / D converter 23 after the timing is adjusted between the receiving antennas by a synchronization unit (not shown), and then output to the
処理部３０は、送受信制御部３１と、信号処理部３２と、記憶部３６とを備える。信号処理部３２は、生成部３３と、フィルタ処理部３５とを備える。
The
記憶部３６は、履歴データ３６ａを記憶する。履歴データ３６ａは、信号処理部３２が実行する一連の信号処理における物標データ５０の履歴や、瞬時データ１００の履歴を含む情報である。
The
処理部３０は、例えば、ＣＰＵ（Central Processing Unit）、記憶部３６に対応するＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）、レジスタ、その他の入出力ポートなどを含むマイクロコンピュータであり、レーダ装置１全体を制御する。
The
かかるマイクロコンピュータのＣＰＵがＲＯＭに記憶されたプログラムを読み出して実行することによって、送受信制御部３１および信号処理部３２として機能する。なお、送受信制御部３１および信号処理部３２は全部をＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）などのハードウェアで構成することもできる。
When the CPU of the microcomputer reads out and executes the program stored in the ROM, the microcomputer functions as the transmission /
送受信制御部３１は、信号生成部１１を含む送信部１０および受信部２０を制御する。信号処理部３２は、一連の信号処理を周期的に実行する。続いて、信号処理部３２の各構成要素について説明する。
The transmission /
生成部３３は、瞬時データ１００を生成する。具体的には、生成部３３は、周波数解析処理と、ピーク抽出処理と、瞬時データ生成処理とを行うことで、瞬時データ１００を生成する。
The
周波数解析処理では、各Ａ／Ｄ変換部２３から入力されるビート信号に対して高速フーリエ変換（ＦＦＴ：Fast Fourier Transform）処理（以下、「ＦＦＴ処理」と記載する）を行う。かかるＦＦＴ処理の結果は、ビート信号の周波数スペクトルであり、ビート信号の周波数ごと（周波数分解能に応じた周波数間隔で設定された周波数ビンごと）のパワー値（信号レベル）である。 In the frequency analysis processing, a fast Fourier transform (FFT: Fast Fourier Transform) processing (hereinafter, referred to as “FFT processing”) is performed on the beat signal input from each A / D conversion unit 23. The result of the FFT processing is a frequency spectrum of the beat signal, and a power value (signal level) for each frequency of the beat signal (for each frequency bin set at a frequency interval corresponding to the frequency resolution).
ピーク抽出処理では、周波数解析処理によるＦＦＴ処理の結果においてピークとなるピーク周波数を抽出する。なお、ピーク抽出処理では、後述するビート信号の「ＵＰ区間」および「ＤＮ区間」のそれぞれについてピーク周波数を抽出する。 In the peak extraction processing, a peak frequency that becomes a peak in the result of the FFT processing by the frequency analysis processing is extracted. In the peak extraction processing, a peak frequency is extracted for each of an “UP section” and a “DN section” of a beat signal described later.
瞬時データ生成処理では、ピーク抽出処理において抽出されたピーク周波数のそれぞれに対応する反射波の到来角度とそのパワー値を算出する角度推定処理を実行する。なお、角度推定処理の実行時点で、到来角度は、物標が存在すると推定される角度であることから、以下では「推定角度」と記載する場合がある。 In the instantaneous data generation process, an angle estimation process for calculating an arrival angle and a power value of a reflected wave corresponding to each of the peak frequencies extracted in the peak extraction process is executed. At the time of execution of the angle estimation process, the arrival angle is an angle at which the target is estimated to be present, and thus may be referred to as an “estimated angle” below.
また、瞬時データ生成処理では、算出した推定角度とパワー値との算出結果に基づいて「ＵＰ区間」および「ＤＮ区間」それぞれのピーク周波数の正しい組み合わせを判定するペアリング処理を実行する。 In the instantaneous data generation process, a pairing process of determining a correct combination of the peak frequencies of the “UP section” and the “DN section” based on the calculation result of the calculated estimated angle and the power value is executed.
また、瞬時データ生成処理では、判定した組み合わせ結果から各物標の自車両ＭＣに対する距離および自車両ＭＣへの向きの相対速度を算出する。また、瞬時データ処理では、算出した各物標の推定角度、距離および相対速度を、最新周期（最新スキャン）分の瞬時データ１００としてフィルタ処理部３５へ出力するとともに、記憶部３６に履歴データ３６ａとして記憶する。
In the instantaneous data generation processing, the distance of each target to the own vehicle MC and the relative speed of the direction to the own vehicle MC are calculated from the determined combination result. In the instantaneous data processing, the calculated estimated angle, distance, and relative speed of each target are output to the
説明を分かりやすくするために、信号処理部３２の前段処理から信号処理部３２におけるここまでの処理の流れを図３〜図４Ｃに示す。図３は、信号処理部３２の前段処理から生成部３３におけるピーク抽出処理までの処理説明図である。
In order to make the description easy to understand, FIGS. 3 to 4C show the flow of processing from the pre-stage processing of the
また、図４Ａは、角度推定処理の処理説明図である。また、図４Ｂおよび図４Ｃは、ペアリング処理の処理説明図である。なお、図３は、２つの太い下向きの白色矢印で３つの領域に区切られている。以下では、かかる各領域を順に、上段、中段、下段と記載する。 FIG. 4A is an explanatory diagram of the angle estimation process. 4B and 4C are explanatory diagrams of the pairing process. FIG. 3 is divided into three regions by two thick downward white arrows. Hereinafter, each of these areas is described as an upper row, a middle row, and a lower row.
図３の上段に示すように、送信信号ｆｓ（ｔ）は、送信アンテナ１３から送信波として送出された後、物標において反射されて反射波として到来し、受信アンテナ２１において受信信号ｆｒ（ｔ）として受信される。
As shown in the upper part of FIG. 3, the transmission signal fs (t) is transmitted from the
このとき、図３の上段に示すように、受信信号ｆｒ（ｔ）は、自車両ＭＣと物標との距離に応じて、送信信号ｆｓ（ｔ）に対して時間差Ｔだけ遅延している。この時間差Ｔと、自車両ＭＣおよび物標の相対速度に基づくドップラー効果とにより、ビート信号は、周波数が上昇する「ＵＰ区間」の周波数ｆｕｐと、周波数が下降する「ＤＮ区間」の周波数ｆｄｎとが繰り返される信号として得られる（図３の中段参照）。 At this time, as shown in the upper part of FIG. 3, the reception signal fr (t) is delayed from the transmission signal fs (t) by a time difference T according to the distance between the host vehicle MC and the target. Due to the time difference T and the Doppler effect based on the relative speeds of the host vehicle MC and the target, the beat signal has a frequency fup in an “UP section” where the frequency increases and a frequency fdn in a “DN section” where the frequency decreases. Are obtained as a repeated signal (see the middle part of FIG. 3).
図３の下段には、かかるビート信号を周波数解析処理においてＦＦＴ処理した結果を、「ＵＰ区間」側および「ＤＮ区間」側のそれぞれについて模式的に示している。 The lower part of FIG. 3 schematically shows the result of the FFT processing of the beat signal in the frequency analysis processing for each of the “UP section” side and the “DN section” side.
図３の下段に示すように、ＦＦＴ処理後には、「ＵＰ区間」側および「ＤＮ区間」側のそれぞれの周波数領域における波形が得られる。ピーク抽出処理では、かかる波形においてピークとなるピーク周波数を抽出する。 As shown in the lower part of FIG. 3, after the FFT processing, waveforms in the respective frequency regions on the “UP section” side and the “DN section” side are obtained. In the peak extraction processing, a peak frequency that becomes a peak in such a waveform is extracted.
例えば、図３の下段に示した例の場合、ピーク抽出閾値が用いられ、「ＵＰ区間」側においては、ピークＰｕ１〜Ｐｕ３がそれぞれピークとして判定され、ピーク周波数ｆｕ１〜ｆｕ３がそれぞれ抽出される。 For example, in the case of the example shown in the lower part of FIG. 3, the peak extraction threshold is used, and on the “UP section” side, the peaks Pu1 to Pu3 are determined as the respective peaks, and the peak frequencies fu1 to fu3 are respectively extracted.
また、「ＤＮ区間」側においては、同じくピーク抽出閾値により、ピークＰｄ１〜Ｐｄ３がそれぞれピークとして判定され、ピーク周波数ｆｄ１〜ｆｄ３がそれぞれ抽出される。 On the “DN section” side, the peaks Pd1 to Pd3 are determined as peaks by the same peak extraction threshold, and the peak frequencies fd1 to fd3 are respectively extracted.
ここで、ピーク抽出処理により抽出した各ピーク周波数の周波数成分には、複数の物標からの反射波が混成している場合がある。そこで、瞬時データ生成処理では、各ピーク周波数のそれぞれについて方位演算する角度推定処理を行い、ピーク周波数ごとに対応する物標の存在を解析する。 Here, the frequency component of each peak frequency extracted by the peak extraction processing may include a mixture of reflected waves from a plurality of targets. Therefore, in the instantaneous data generation process, an angle estimation process for calculating the azimuth for each of the peak frequencies is performed, and the presence of a target corresponding to each peak frequency is analyzed.
なお、瞬時データ生成処理における方位演算は、例えばＥＳＰＲＩＴ（Estimation of Signal Parameters via Rotational Invariance Techniques）などの公知の到来方向推定手法を用いて行うことができる。 The azimuth calculation in the instantaneous data generation processing can be performed using a known arrival direction estimation technique such as ESPRIT (Estimation of Signal Parameters via Rotational Invariance Techniques).
図４Ａは、瞬時データ生成処理の方位演算結果を模式的に示すものである。瞬時データ生成処理では、かかる方位演算結果の各ピークＰｕ１〜Ｐｕ３から、これらピークＰｕ１〜Ｐｕ３にそれぞれ対応する各物標（各反射点）の推定角度を算出する。また、各ピークＰｕ１〜Ｐｕ３の大きさがパワー値となる。瞬時データ生成処理では、図４Ｂに示すように、かかる角度推定処理を「ＵＰ区間」側および「ＤＮ区間」側のそれぞれについて行う。 FIG. 4A schematically shows the azimuth calculation result of the instantaneous data generation process. In the instantaneous data generation processing, from the peaks Pu1 to Pu3 of the azimuth calculation result, the estimated angles of the targets (each reflection point) respectively corresponding to these peaks Pu1 to Pu3 are calculated. The magnitude of each of the peaks Pu1 to Pu3 is a power value. In the instantaneous data generation process, as shown in FIG. 4B, the angle estimation process is performed on each of the “UP section” side and the “DN section” side.
そして、瞬時データ生成処理では、方位演算結果において、推定角度およびパワー値の近い各ピークを組み合わせるペアリング処理を行う。また、その組み合わせ結果から、瞬時データ生成処理では、各ピークの組み合わせに対応する各物標（各反射点）の距離および自車両ＭＣへの向きの相対速度を算出する。 Then, in the instantaneous data generation process, a pairing process of combining peaks having close estimated angles and power values in the direction calculation result is performed. Further, from the combination result, in the instantaneous data generation processing, the distance of each target (each reflection point) corresponding to each combination of peaks and the relative speed of the direction to the own vehicle MC are calculated.
距離は、「距離∝（ｆｕｐ＋ｆｄｎ）」の関係に基づいて算出することができる。相対速度は、「速度∝（ｆｕｐ−ｆｄｎ）」の関係に基づいて算出することができる。その結果、図４Ｃに示すように、自車両ＭＣに対する、各反射点ＲＰの推定角度、距離および相対速度の瞬時データ１００を示すペアリング処理結果が得られる。
The distance can be calculated based on the relationship of “distance∝ (fup + fdn)”. The relative speed can be calculated based on the relationship of “speed∝ (fup−fdn)”. As a result, as shown in FIG. 4C, a pairing processing result indicating the
図２の説明に戻り、検出部３４について説明する。検出部３４は、自車両ＭＣが走行する路面のバンク角を検出する。例えば、検出部３４は、自車両ＭＣに設けられた加速度センサ（不図示）やロールセンサ（不図示）等のセンサ値に基づいてバンク角を検出し、バンク角に応じたバンク角信号をフィルタ処理部３５へ出力する。
Returning to the description of FIG. 2, the
なお、検出部３４は、例えば、ジャイロセンサ等のその他のセンサ値に基づいてバンク角を検出することにしてもよいし、あるいは、自車両ＭＣから路面が撮像された撮像画像に基づいてバンク角を検出することにしてもよい。なお、ここでは、検出部３４がレーダ装置１内部に設けられる場合について示したが、検出部３４をレーダ装置１の外部に設けることにしてもよい。
Note that the
続いて、フィルタ処理部３５について説明する。図２に示すように、フィルタ処理部３５は、予測部３５ａと、割当部３５ｂと、重み付け部３５ｃと、リサンプリング部３５ｄと、物標データ生成部３５ｅとを備える。
Subsequently, the
本実施形態において、フィルタ処理部３５は、生成部３３によって生成された瞬時データ１００に対して所定数の粒子の分布を用いて解析を行うパーティクルフィルタを施すことによって、瞬時データ１００に対応する物標データ５０を生成する。
In the present embodiment, the
パーティクルフィルタでは、物標の真の状態に対して複数の仮説を立てて解析を行う。仮説とは例えば位置や速度などの物標の状態に対する１つの仮定値である。例えば、位置空間では、仮説は所定の分布で散布され、移動していく１つの粒子のように見えるため、ここでは仮説を粒子という。 In the particle filter, a plurality of hypotheses are set for the true state of the target and analyzed. The hypothesis is one assumed value for the state of the target such as a position or a speed. For example, in the position space, the hypotheses are scattered in a predetermined distribution and look like one moving particle, so the hypotheses are referred to as particles here.
また、所定数の粒子をまとめて１つの仮説とした粒子群データを併せて用いる。例えば、粒子群データは粒子の状態の平均値などであり、所定数の粒子の分布において最もあり得る１つの仮説ともいえる。すなわち、粒子群データは、予測データ６０に対応する。このため、以下では、粒子群データを予測データ６０とも記載する。
In addition, particle group data in which a predetermined number of particles are combined into one hypothesis is also used. For example, the particle group data is an average value of the state of the particles, and can be said to be one possible hypothesis in the distribution of a predetermined number of particles. That is, the particle group data corresponds to the
予測部３５ａは、粒子群データならびに粒子の予測処理を行う。具体的には、予測部３５ａは、最新の周期を時刻ｔとし、時刻ｔにおける粒子ならびに粒子群データの状態を、前回の周期の時刻ｔ−１の粒子ならびに粒子群データを基に予測する。例えば、速度、位置といった粒子並びに粒子群データの状態を基に、運動モデルと、測定周期ΔＴによって予測する手法などがある。
The
具体的には、予測部３５ａは、予測処理において、時刻ｔ−１の粒子ならびに粒子群データに対して測定周期ΔＴにおける予測移動ベクトルＶｒの情報を与えることで、時刻ｔ−１の粒子から時刻ｔにおける粒子ならびに粒子群データを生成する。予測移動ベクトルＶｒは、例えば位置の差であり、速度の差でもあったりする。予測には速度、加速度と測定周期ΔＴを用いるいわゆるニュートンの運動方程式に従う運動モデルを用いる手法がある。
Specifically, in the prediction process, the
続いて、割当部３５ｂについて説明する。割当部３５ｂは、最新の周期における瞬時データ１００を、予測部３５ａの予測結果である最新の粒子群データへ割り当てる処理を行う。具体的には、割当部３５ｂは、バンク角に応じた割当範囲Ｒａと、瞬時データと粒子群データとの位置差、速度差などとに基づき、予測データ６０に基づく粒子群データに対して瞬時データ１００を割り当てる。
Next, the
すなわち、割当部３５ｂは、バンクありである場合には、バンク角に基づく自車両ＭＣの移動予測に対する想定誤差に基づく第２割当範囲Ｒａ２内の瞬時データ１００を予測データ６０に割り当てる。一方、割当部３５ｂは、バンクなしである場合、自車両ＭＣの移動予測に基づく想定誤差を少なくした第１割当範囲Ｒａ１内の瞬時データ１００を予測データ６０に割り当てる。なお、割当範囲の判定は、粒子群データと瞬時データが割当てられるかの判定と独立して行っても、併せて行ってもいい。併せて行う場合は、割当範囲外の瞬時データ１００に対してペナルティ値を与えるなどの手法がある。
That is, when there is a bank, the allocating
このように、割当部３５ｂは、バンク角に応じて設定された割当範囲Ｒａに基づいて瞬時データ１００を粒子群データへ割り当てることで、自車両ＭＣがバンク形状の路面を走行したとしても、適切な瞬時データ１００に対して粒子群データを割り当てることが可能となる。
As described above, the allocating
つまり、予測データ６０に対して適切な瞬時データ１００を割り当てることで、物標データ５０の連続性を適切に保つことが可能となる。なお、割当部３５ｂは、いずれの物標データ５０の割当範囲Ｒａ内にも存在しない瞬時データ１００があった場合には、かかる瞬時データ１００を新規の物標として扱う。
That is, by assigning appropriate
新規の物標は所定の処理を行った後、粒子群データが生成され、同時に粒子も付与される。所定の処理は測定周期をまたぐことも可能であり、例えば新規の物標に対して、簡易的に数周期の間連続性を評価して、ノイズなどで単発的に発生したものでないと確認した後に粒子群データを生成し、粒子を付与することもできる。なお、前述のように、バンク角に応じたばらつきをこの時点で粒子に付与することもできる。 After performing a predetermined process on the new target, particle group data is generated, and particles are also given at the same time. The predetermined processing can also span the measurement cycle. For example, for a new target, the continuity is simply evaluated for several cycles, and it is confirmed that the continuity does not occur spontaneously due to noise or the like. It is also possible to generate particle group data later and add particles. Note that, as described above, a variation corresponding to the bank angle can be given to the particles at this time.
このとき、上述のように、粒子および粒子群データに与えた予測移動ベクトルＶｒは、自車両ＭＣの予測移動量と、他車両ＬＣの予測移動量とを含み、自車両ＭＣについては、自車両ＭＣの舵角や走行速度を取得することで予測ではなく、実際の移動量として算出することが可能である。 At this time, as described above, the predicted movement vector Vr given to the particle and the particle group data includes the predicted movement amount of the own vehicle MC and the predicted movement amount of the other vehicle LC. By acquiring the steering angle and the traveling speed of the MC, it is possible to calculate not the prediction but the actual moving amount.
なお、粒子は所定のばらつきをもって分布を形成している。所定のばらつきは例えば正規分布などの確率分布や、速度など各状態の取りうる特徴的な確率分布などに基づいて粒子付与時に与えられる。ばらつきはノイズとも言い、通常は最初に設定された後、特別な調整はしないものである。本実施の形態においては、バンク角に応じてばらつきを調整する。割当部３５ｂは、自車両ＭＣの予測移動量の想定誤差に基づくばらつき、つまり、ノイズ成分を調整する。
The particles form a distribution with a predetermined variation. The predetermined variation is given at the time of particle application based on, for example, a probability distribution such as a normal distribution, a characteristic probability distribution that each state can take such as a speed, and the like. The variation is also referred to as noise, and usually does not require any special adjustment after being initially set. In the present embodiment, the variation is adjusted according to the bank angle. The allocating
割当部３５ｂは、粒子のサンプリングに際して、粒子のばらつきをバンク角に応じて設定する。図５は、粒子に与えるばらつきの具体例を示す図である。
When sampling particles, the allocating
図５に示すように、割当部３５ｂは、バンクなしである場合、すなわち、バンク角が所定値以下もしくはゼロである場合、粒子ＤＰに対して他車両ＬＣの想定誤差に基づくノイズ成分Ｎｇを与える。
As shown in FIG. 5, when there is no bank, that is, when the bank angle is equal to or smaller than a predetermined value or zero, the allocating
また、割当部３５ｂは、バンクありである場合、すなわち、バンク角が所定値以上である場合、粒子ＤＰに対してノイズ成分Ｎｒを与える。ここで、ノイズ成分Ｎｒは、ノイズ成分Ｎｇに加え、バンク角に応じたノイズ成分Ｎｂを含む。
Also, when there is a bank, that is, when the bank angle is equal to or larger than a predetermined value, the allocating
また、各粒子ＤＰに与えるノイズ成分は、自車両ＭＣの車幅方向である横位置成分のみならず、自車両ＭＣの進行方向である縦位置成分を含む。すなわち、バンクありである場合、粒子ＤＰは、横位置のみならず縦位置に対してもバンクなしの場合よりも広範囲に分布する。 The noise component given to each particle DP includes not only a horizontal position component in the vehicle width direction of the own vehicle MC but also a vertical position component in the traveling direction of the own vehicle MC. That is, when there is a bank, the particles DP are distributed not only in the horizontal position but also in the vertical position more widely than in the case without the bank.
したがって、図５下図に示すように、バンクありである場合、バンクなしである場合に比べて、粒子ＤＰが広範囲に分布されることとなる。すなわち、バンクありの場合における粒子ＤＰの分布ｄ２は、バンクなしの場合における粒子ＤＰの分布に比べて広範囲にわたる。したがって、後述する重み付けにおいて、瞬時データに近い粒子が存在する確率が高くなる。全粒子が瞬時データ１００より遠い場合、重みがすべての粒子で近しくなり、後述のリサンプリングによる粒子の再配置が起きにくくなり、追従性が低下する要因となる。
Therefore, as shown in the lower part of FIG. 5, the particles DP are distributed over a wider area when there is a bank than when there is no bank. That is, the distribution d2 of the particles DP in the case with the bank is wider than the distribution of the particle DP in the case without the bank. Therefore, in the weighting described later, the probability that particles close to the instantaneous data are present increases. When all the particles are farther than the
なお、バンク角が大きいほど、ノイズ成分Ｎｂの強度を大きくすることにしてもよいし、あるいは、ノイズ成分の強度を常に固定して用いることにしてもよい。また、バンクありである場合に、ノイズ成分Ｎｂに対して横位置成分のみ、もしくは、縦位置成分のみの強度を大きくすることにしてもよい。 The strength of the noise component Nb may be increased as the bank angle increases, or the intensity of the noise component may be fixed at all times. When there is a bank, the intensity of only the horizontal position component or only the vertical position component may be increased with respect to the noise component Nb.
図２の説明に戻り、重み付け部３５ｃは、割当部３５ｂによる割り当て関係にある今回の瞬時データ１００に基づき、粒子ＤＰそれぞれについて重みを付ける。
Returning to the description of FIG. 2, the
例えば、重み付け部３５ｃは、今回の粒子ＤＰのうち、今回の瞬時データ１００に類似する粒子ＤＰの重みを大きくし、今回の瞬時データ１００から類似しない粒子の重みを小さくする。なお、ここでいう類似の度合は、例えば位置差や速度差などを基に記述されるコスト関数の評価値などを指す。
For example, the
リサンプリング部３５ｄは、今回の粒子ＤＰそれぞれの重みに基づいて粒子ＤＰを再配置（リサンプリング）する。具体的には、リサンプリング部３５ｄは、重みが小さい粒子ＤＰを瞬時データ１００の近く（重みが大きい）へ移動させる。 The resampling unit 35d rearranges (resamples) the particles DP based on the weights of the current particle DP. Specifically, the resampling unit 35d moves the particle DP having a small weight near the instantaneous data 100 (having a large weight).
より具体的には、リサンプリング部３５ｄは、重みが所定の閾値未満の粒子ＤＰを重みが所定の閾値以上の粒子ＤＰへ再配置する。これにより、予測によって生成した今回の粒子群データを、より真値に近い可能性がある瞬時データによって補正できる。これにより、後述の物標データ生成部３５ｅによって生成される物標データ５０を、より高精度にすることができる。
More specifically, the resampling unit 35d rearranges particles DP having a weight smaller than a predetermined threshold to particles DP having a weight equal to or larger than a predetermined threshold. Thus, the current particle group data generated by the prediction can be corrected with the instantaneous data that may be closer to the true value. Thereby, the
物標データ生成部３５ｅは、リサンプリング部３５ｄによって再配置された今回の粒子に基づいて物標データ５０を生成する。例えば、物標データ生成部３５ｅは、粒子の分布から確率密度関数を生成し、その重心に基づいて物標データ５０を生成したり、例えば、シンプルに粒子同士の平均に基づいて物標データ５０を生成してもよい。なお、物標データ５０によって、粒子群データが更新される。
The target
また、物標データ生成部３５ｅは、粒子が割り当てられなかった瞬時データ１００を新規の物標として扱い、そのまま物標データ５０として出力する。すなわち、物標データ生成部３５ｅは、新規の物標の場合、瞬時データ１００＝物標データ５０として出力する。
Further, the target
次に、図６を用いて実施形態に係るレーダ装置１が実行する処理手順について説明する。図６は、レーダ装置１が実行する処理手順を示すフローチャートである。なお、以下に示す処理手順は、信号処理部３２によって繰り返し実行される。
Next, a processing procedure executed by the
図６に示すように、まず、生成部３３は、送信した電波が物標で反射した反射波に基づいて物標に対応する瞬時データ１００を生成する（ステップＳ１０１）。続いて、検出部３４は、バンク角を検出する（ステップＳ１０２）。なお、レーダ装置１は、ステップＳ１０１の処理と、ステップＳ１０２の処理とを並列に行うことにしてもよいし、ステップＳ１０２の処理の後にステップＳ１０１の処理を行うことにしてもよい。
As shown in FIG. 6, first, the
続いて、予測部３５ａは、前回の粒子に基づいて今回の粒子を予測する予測処理と、前回の物標データ５０に連続する予測データ６０を予測する予測処理を行う（ステップＳ１０３）。
Subsequently, the
続いて、割当部３５ｂは、バンク角に応じた割当範囲Ｒａにおいて今回の粒子ＤＰに今回の瞬時データ１００を割り当てる（ステップＳ１０４）。続いて、割当部３５ｂは、粒子ＤＰにバンク角に基づくバラつきを付与する（ステップＳ１０５）。
Subsequently, the allocating
続いて、割当部３５ｂは、今回の粒子が割り当てられなかった瞬時データ１００の有無により新規の物標の有無を判定する（ステップＳ１０６）。割当部３５ｂは、瞬時データ１００が新規の物標であった場合（ステップＳ１０６，Ｙｅｓ）、新規の物標に対応する瞬時データ１００に対して所定の粒子（例えば、初期状態の粒子）を設定する（ステップＳ１１０）。
Subsequently, the
また、重み付け部３５ｃは、瞬時データ１００が新規の物標でなかった場合（ステップＳ１０６，Ｎｏ）、瞬時データ１００に基づいて今回の粒子それぞれに重み付けを行う（ステップＳ１０７）。
When the
続いて、リサンプリング部３５ｄは、重み付け部３５ｃによる重み付けに基づいて今回の粒子のリサンプリングを行い（ステップＳ１０８）、物標データ生成部３５ｅは、リサンプリングされた今回の粒子の確率密度関数を更新し、かかる確率密度関数に基づいて物標データ５０を生成し（ステップＳ１０９）、処理を終了する。
Subsequently, the resampling unit 35d performs resampling of the current particle based on the weighting performed by the
上述してきたように、実施形態に係るレーダ装置１は、生成部３３と、フィルタ処理部３５とを備える。生成部３３は、送信波が物標（例えば、他車両ＬＣ）で反射した反射波に基づいて物標に対応する瞬時データ１００を生成する。フィルタ処理部３５は、生成部３３によって生成された瞬時データ１００を前記物標に対応する過去の物標データ５０から予測される予測データ６０へ割り当てる。
As described above, the
また、フィルタ処理部３５は、自車両ＭＣが走行する路面のバンク角に応じて設定される割当範囲Ｒａに基づき、瞬時データ１００を予測データ６０へ割り当てる。したがって、実施形態に係るレーダ装置１によれば、バンク角に応じて適切な割当範囲Ｒａを設定することができるので、物標データ５０の連続性を適切に保つことが可能となる。
Further, the
ところで、上述した実施形態では、時系列フィルタリングがパーティクルフィルタである場合について説明したが、これに限定されるものではない。以下、図７〜図９を用いて変形例に係るフィルタ処理部３５−２について説明する。 By the way, in the embodiment described above, the case where the time-series filtering is a particle filter has been described, but the present invention is not limited to this. Hereinafter, the filter processing unit 35-2 according to the modified example will be described with reference to FIGS.
図７は、変形例に係るフィルタ処理部３５−２のブロック図である。図７に示すように、変形例に係るフィルタ処理部３５−２は、予測部３５ａ−２と、割当部３５ｂ−２と、重み付け部３５ｃ−２と、物標データ生成部３５ｅ−２とを備える。
FIG. 7 is a block diagram of a filter processing unit 35-2 according to the modification. As shown in FIG. 7, the filter processing unit 35-2 according to the modification includes a
予測部３５ａ−２は、前回の物標データ５０から今回の物標データ５０に対応する予測データ６０を予測する。また、予測部３５ａ−２は、バンク角が閾値を超える場合に、バンクありと判定し、割当範囲Ｒａの切り替えを行う。
The
図８は、バンク角に対する閾値の具体例を示す図である。図８に示すように、例えば、バンク角に対する閾値は、第１閾値Ｔｈ１および第２閾値Ｔｈ２を有し、第１閾値Ｔｈ１および第２閾値Ｔｈ２間には、ヒステリシス領域Ｒｈが設けられる。 FIG. 8 is a diagram illustrating a specific example of the threshold value for the bank angle. As shown in FIG. 8, for example, the threshold value for the bank angle has a first threshold value Th1 and a second threshold value Th2, and a hysteresis region Rh is provided between the first threshold value Th1 and the second threshold value Th2.
例えば、予測部３５ａ−２は、バンク角が第１閾値Ｔｈ１を超えた場合に、バンクありと判定し、バンクフラグをオンに切り替える。また、予測部３５ａ−２は、バンク角が第１閾値Ｔｈ１よりも低い第２閾値Ｔｈ２を下回った場合に、バンクフラグをオフに切り替える。
For example, when the bank angle exceeds the first threshold Th1, the
すなわち、第１閾値Ｔｈ１および第２閾値Ｔｈ２間にヒステリシス領域Ｒｈを設けることで、バンクフラグをオフからオンに切り替えにくく、バンクフラグをオンからオフへ切り替えやすくすることとなる。 That is, by providing the hysteresis region Rh between the first threshold value Th1 and the second threshold value Th2, it is difficult to switch the bank flag from off to on, and it is easy to switch the bank flag from on to off.
これは、自車両ＭＣが段差等を走行する際の振動等によってバンク角に段差等に基づくノイズ成分が含まれる場合があり、かかるノイズ成分に基づくバンクの有無の誤判定を抑制するためである。 This is because the bank angle may include a noise component based on the step or the like due to vibration or the like when the vehicle MC travels on the step or the like, and the erroneous determination of the presence or absence of the bank based on the noise component may be suppressed. .
このため、ヒステリシス領域Ｒｈを設けることで、自車両ＭＣがバンク形状の路面を走行する場合にのみ、バンクありと判定することが可能となる。なお、図８に示す第１閾値Ｔｈ１および第２閾値Ｔｈ２については、上述の実施形態に係るレーダ装置１に適用することも可能である。
Therefore, by providing the hysteresis region Rh, it is possible to determine that there is a bank only when the host vehicle MC travels on a bank-shaped road surface. Note that the first threshold value Th1 and the second threshold value Th2 illustrated in FIG. 8 can be applied to the
図７の説明に戻り、割当部３５ｂ−２について説明する。割当部３５ｂ−２は、瞬時データ１００をバンク角に応じて設定される割当範囲Ｒａに基づき、予測データ６０へ割り当てる。
Returning to the description of FIG. 7, the allocating
割当部３５ｂ−２は、予測データ６０と相対速度、位置が最も近い瞬時データ１００を予測データ６０に対して割り当てる。ここで、図１に示したように、割当範囲Ｒａは、バンク有の場合、第１割当範囲Ｒａ１となり、バンクなしの場合、第２割当範囲Ｒａ２となる。
The allocating
また、第１割当範囲Ｒａ１は、他車両ＬＣの移動予測の想定誤差を含む範囲であるのに対して、第２割当範囲Ｒａ２は、第１割当範囲Ｒａ１に自車両ＭＣの移動予測の想定誤差を加えた範囲である。 Further, the first allocation range Ra1 is a range including an estimated error of the movement prediction of the other vehicle LC, whereas the second allocation range Ra2 is an estimated error of the movement prediction of the own vehicle MC in the first allocation range Ra1. Range.
すなわち、割当部３５ｂ−２は、バンク有と判定された場合、予測データ６０に対してより広範囲の瞬時データ１００を割り当てることが可能となる。これにより、仮に、バンクの影響によって、予測データ６０と瞬時データ１００とにズレが生じた場合であっても、予測データ６０に本来の瞬時データ１００を割り当てることが可能となる。つまり、物標データ５０の連続性を適切に保つことが可能となる。
That is, when it is determined that there is a bank, the allocating
重み付け部３５ｃ−２は、割当部３５ｂ−２によって予測データ６０と、予測データ６０に割り当てられた瞬時データ１００とを指数移動平均により平準化し、指数移動平均における重み付けをバンク角に応じて調正する。
The
図９は、指数移動平均における重み付けの具体例を示す図である。図９に示すように、例えば、重み付け部３５ｃ−２は、バンク有と判定された場合に、瞬時データ１００の重みを大きくし、予測データ６０の重みを少なくする。
FIG. 9 is a diagram illustrating a specific example of weighting in the exponential moving average. As shown in FIG. 9, for example, when it is determined that there is a bank, the
これにより、予測データ６０に比べて瞬時データ１００に近づくように物標データ５０が生成されることとなる。つまり、バンクの影響によって予測データ６０の予測精度が低下すると想定される場合に、物標データ５０に瞬時データ１００の割合を多くして反映させることで、バンクの影響によって生じる予測データ６０の誤差を補正することが可能となる。
As a result, the
なお、かかる場合に、瞬時データ１００および予測データ６０のそれぞれの重みについては、例えば、バンク角が大きいほど、瞬時データ１００の重みを大きくすることにしてもよいし、あるいは、バンク有と判定された場合における重みは常に一定の値であってもよい。
In such a case, regarding the weight of each of the
また、重み付け部３５ｃ−２は、バンク角に応じた重みに関して予め作成されたテーブルを参照して設定することにしてもよいし、外部の制御装置から入力される重みを設定することにしてもよい。
The
図７の説明に戻り、物標データ生成部３５ｅ−２について説明する。物標データ生成部３５ｅ−２は、重み付け部３５ｃ−２によって重み付けされた瞬時データ１００および予測データ６０に基づいて物標データ５０を生成する。
Returning to the description of FIG. 7, the target
すなわち、物標データ生成部３５ｅ−２は、バンクがあると判定された場合に、瞬時データ１００の重みを大きくし、予測データ６０の重みを小さくして物標データ５０を生成する。
That is, when it is determined that there is a bank, the target
これにより、バンクによる誤差を抑えた物標データ５０を生成することが可能となり、かかる物標データ５０から予測される予測データ６０の確からしさを向上させることが可能となる。
This makes it possible to generate the
したがって、次回の処理において、予測データ６０と予測データ６０に対応する瞬時データ１００とが比較的近い値を取ることになり、予測データ６０と瞬時データ１００とのバラつきを抑えることが可能となる。
Therefore, in the next processing, the predicted
ところで、上述した第２割当範囲Ｒａ２は、第１割当範囲Ｒａ１に比べて広い範囲である場合について説明したが、これに限定されるものではない。第２割当範囲Ｒａ２は、第１割当範囲Ｒａ１と略同じ大きさであってもよい。 By the way, the case where the above-mentioned second allocation range Ra2 is wider than the first allocation range Ra1 has been described, but the present invention is not limited to this. The second allocation range Ra2 may be substantially the same size as the first allocation range Ra1.
図１０は、割当範囲Ｒａの一例を示す図である。図１０に示すように、第１割当範囲Ｒａ１を例えば、バンク角に応じて回転させることで、第２割当範囲Ｒａ２を設定することにしてもよい。 FIG. 10 is a diagram illustrating an example of the allocation range Ra. As shown in FIG. 10, the second allocation range Ra2 may be set by rotating the first allocation range Ra1 according to, for example, the bank angle.
例えば、レーダ装置１は、バンク角に応じた予測データ６０と反射点ＲＰ（図４Ｃ参照）とのズレ量θを予め算出したテーブルを記憶しておき、バンク角に応じたズレ量θを用いて第１割当範囲Ｒａ１を補正することで第２割当範囲Ｒａ２を設定する。
For example, the
すなわち、予測移動ベクトルＶｒをズレ量θで補正することで、補正後の予測移動ベクトルＶｒｂを導出し、予測移動ベクトルＶｒｂに基づいて予測移動ベクトルＶｒに基づく予測データ６０ａを予測移動ベクトルＶｒｃに基づく予測データ６０ｂへ補正する。これは、つまり、移動予測をバンク角にも基づいて行うことである。
That is, by correcting the predicted motion vector Vr with the deviation amount θ, the corrected predicted motion vector Vrb is derived, and the
そして、予測データ６０ｂに対して、例えば、第１割当範囲Ｒａ１と略同じ大きさの第２割当範囲Ｒａ２を設定する。これにより、第２割当範囲Ｒａ２を第１割当範囲Ｒａ１より広く設定しなくともバンクの影響による追従性の低下を抑えることが可能となる。
Then, for the
なお、例えば、時系列フィルタにカルマンフィルタや拡張カルマンフィルタを用いる場合、バンク角に応じて共分散行列を拡張することにしてもよい。すなわち、バンク角が大きいほど、共分散行列を拡張することで、割当範囲Ｒａを拡張することにしてもよい。 For example, when a Kalman filter or an extended Kalman filter is used as the time series filter, the covariance matrix may be expanded according to the bank angle. That is, the allocation range Ra may be expanded by expanding the covariance matrix as the bank angle increases.
さらなる効果や変形例は、当業者によって容易に導き出すことができる。このため、本発明のより広範な態様は、以上のように表しかつ記述した特定の詳細および代表的な実施形態に限定されるものではない。したがって、添付の特許請求の範囲およびその均等物によって定義される総括的な発明の概念の精神または範囲から逸脱することなく、様々な変更が可能である。 Further effects and modifications can be easily derived by those skilled in the art. Thus, the broader aspects of the present invention are not limited to the specific details and representative embodiments shown and described above. Accordingly, various modifications can be made without departing from the spirit or scope of the general inventive concept as defined by the appended claims and their equivalents.
１ レーダ装置
３３ 生成部
３４ 検出部
３５ フィルタ処理部
３５ａ 予測部
３５ｂ 割当部
３５ｃ 重み付け部
３５ｄ リサンプリング部
３５ｅ 物標データ生成部
５０ 物標データ
６０ 予測データ
１００ 瞬時データ
Ｒａ 割当範囲
Ｒａ１ 第１割当範囲
Ｒａ２ 第２割当範囲
DESCRIPTION OF
Claims (6)
前記生成部によって生成された前記瞬時データを前記物標に対応する過去の物標データから予測される予測データへ割り当てるフィルタ処理部と
を備え、
前記フィルタ処理部は、
自車両が走行する路面のバンク角に応じて設定される割当範囲に基づき、前記瞬時データを前記予測データへ割り当てること
を特徴とするレーダ装置。 A generation unit that generates instantaneous data corresponding to the target based on the reflected wave of the transmitted wave reflected by the target,
A filter processing unit that assigns the instantaneous data generated by the generation unit to prediction data predicted from past target data corresponding to the target,
The filter processing unit includes:
A radar device, wherein the instantaneous data is assigned to the prediction data based on an assignment range set according to a bank angle of a road surface on which the host vehicle travels.
前記物標の移動予測に対する想定誤差に基づき定めた第１割当範囲と、前記物標と前記自車両との双方の移動予測に対する想定誤差に基づき定めた第２割当範囲とを前記バンク角に応じて切り替えること
を特徴とする請求項１に記載のレーダ装置。 The filter processing unit includes:
A first allocation range defined based on an estimated error for the movement prediction of the target and a second allocation range defined based on an estimated error for the movement prediction of both the target and the host vehicle are determined according to the bank angle. The radar device according to claim 1, wherein the switching is performed by switching.
前記バンク角が第１閾値を超える場合に、前記第１割当範囲から前記第２割当範囲へ切り替え、前記バンク角が第１閾値よりも小さい第２閾値を下回る場合に、前記第２割当範囲から前記第１割当範囲へ切り替えること
を特徴とする請求項２に記載のレーダ装置。 The filter processing unit includes:
When the bank angle exceeds a first threshold, the first allocation range is switched to the second allocation range. When the bank angle is smaller than a second threshold smaller than the first threshold, the bank angle is switched from the second allocation range. The radar device according to claim 2, wherein the radar device is switched to the first allocation range.
前記予測データと当該予測データに対して割り当てられた前記瞬時データとを指数移動平均によって平滑化することで前記物標データを生成し、当該指数移動平均における重み付けは前記バンク角に応じて設定されること
を特徴とする請求項１、２または３に記載のレーダ装置。 The filter processing unit includes:
The target data is generated by smoothing the prediction data and the instantaneous data assigned to the prediction data by an exponential moving average, and weighting in the exponential moving average is set according to the bank angle. The radar device according to claim 1, 2 or 3, wherein:
おのおの所定の状態を持つ複数の粒子のばらつきに基づくパーティクルフィルタを施すことで前記物標データを生成し、前記ばらつきは前記バンク角に応じて設定されること
を特徴とする請求項１に記載のレーダ装置。 The filter processing unit includes:
The target data is generated by applying a particle filter based on a variation of a plurality of particles each having a predetermined state, and the variation is set according to the bank angle. The method according to claim 1, wherein Radar equipment.
前記生成工程によって生成された前記瞬時データを前記物標に対応する過去の物標データから予測される予測データへ割り当てるフィルタ処理工程と
を含み、
前記フィルタ処理工程は、
自車両が走行する路面のバンク角に応じて設定される割当範囲に基づき、前記瞬時データを前記予測データへ割り当てること
を特徴とする物標データ割当方法。 A generation step of generating instantaneous data corresponding to the target based on the reflected wave of the transmitted wave reflected by the target,
A filter processing step of assigning the instantaneous data generated by the generation step to prediction data predicted from past target data corresponding to the target,
The filtering step,
A method of allocating the instantaneous data to the prediction data based on an allocation range set according to a bank angle of a road surface on which the host vehicle runs.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018113104A JP7168353B2 (en) | 2018-06-13 | 2018-06-13 | Radar device and target data allocation method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018113104A JP7168353B2 (en) | 2018-06-13 | 2018-06-13 | Radar device and target data allocation method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2019215279A true JP2019215279A (en) | 2019-12-19 |
| JP7168353B2 JP7168353B2 (en) | 2022-11-09 |
Family
ID=68919511
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018113104A Active JP7168353B2 (en) | 2018-06-13 | 2018-06-13 | Radar device and target data allocation method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7168353B2 (en) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08220220A (en) * | 1995-02-08 | 1996-08-30 | Toyota Motor Corp | On-vehicle radar device |
| JPH10103935A (en) * | 1996-09-30 | 1998-04-24 | Mitsubishi Motors Corp | Curve radius estimating apparatus and automatically steering control system with the same |
| JPH11230742A (en) * | 1998-02-09 | 1999-08-27 | Nippon Soken Inc | Road shape measurement device |
| JP2003315452A (en) * | 2002-04-24 | 2003-11-06 | Hitachi Ltd | Radar apparatus |
| JP2005247158A (en) * | 2004-03-04 | 2005-09-15 | Mitsubishi Motors Corp | Vehicle travel controlling device |
| WO2005091015A1 (en) * | 2004-03-23 | 2005-09-29 | Murata Manufacturing Co., Ltd. | Radar |
| JP2008014819A (en) * | 2006-07-06 | 2008-01-24 | Honda Motor Co Ltd | Object detection device for vehicle |
| WO2010084591A1 (en) * | 2009-01-22 | 2010-07-29 | トヨタ自動車株式会社 | Curve radius estimation device |
| JP2013129289A (en) * | 2011-12-21 | 2013-07-04 | Toyota Motor Corp | Vehicle state quantity estimating device and vehicle steering control apparatus |
| JP2015075382A (en) * | 2013-10-08 | 2015-04-20 | 株式会社デンソー | Object detection device |
| JP2015210157A (en) * | 2014-04-25 | 2015-11-24 | 富士通テン株式会社 | Radar system, vehicle control system and signal processing method |
| JP2018063130A (en) * | 2016-10-11 | 2018-04-19 | 株式会社デンソーテン | Radar device and continuity determination method |
| JP2018081007A (en) * | 2016-11-16 | 2018-05-24 | 株式会社デンソーテン | Radar device and target detection method |
-
2018
- 2018-06-13 JP JP2018113104A patent/JP7168353B2/en active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08220220A (en) * | 1995-02-08 | 1996-08-30 | Toyota Motor Corp | On-vehicle radar device |
| JPH10103935A (en) * | 1996-09-30 | 1998-04-24 | Mitsubishi Motors Corp | Curve radius estimating apparatus and automatically steering control system with the same |
| JPH11230742A (en) * | 1998-02-09 | 1999-08-27 | Nippon Soken Inc | Road shape measurement device |
| JP2003315452A (en) * | 2002-04-24 | 2003-11-06 | Hitachi Ltd | Radar apparatus |
| JP2005247158A (en) * | 2004-03-04 | 2005-09-15 | Mitsubishi Motors Corp | Vehicle travel controlling device |
| WO2005091015A1 (en) * | 2004-03-23 | 2005-09-29 | Murata Manufacturing Co., Ltd. | Radar |
| JP2008014819A (en) * | 2006-07-06 | 2008-01-24 | Honda Motor Co Ltd | Object detection device for vehicle |
| WO2010084591A1 (en) * | 2009-01-22 | 2010-07-29 | トヨタ自動車株式会社 | Curve radius estimation device |
| JP2013129289A (en) * | 2011-12-21 | 2013-07-04 | Toyota Motor Corp | Vehicle state quantity estimating device and vehicle steering control apparatus |
| JP2015075382A (en) * | 2013-10-08 | 2015-04-20 | 株式会社デンソー | Object detection device |
| JP2015210157A (en) * | 2014-04-25 | 2015-11-24 | 富士通テン株式会社 | Radar system, vehicle control system and signal processing method |
| JP2018063130A (en) * | 2016-10-11 | 2018-04-19 | 株式会社デンソーテン | Radar device and continuity determination method |
| JP2018081007A (en) * | 2016-11-16 | 2018-05-24 | 株式会社デンソーテン | Radar device and target detection method |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7168353B2 (en) | 2022-11-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6270901B2 (en) | FMCW radar equipment | |
| US9869761B2 (en) | Radar apparatus | |
| US9709674B2 (en) | Radar device and signal processing method | |
| JP2001242242A (en) | Millimeter-wave radar device with function for improving detecting performance | |
| JP6993136B2 (en) | Radar device and target detection method | |
| JP2004004120A (en) | Frequency modulated continuous wave radar installation | |
| US9348023B2 (en) | Radar apparatus and signal processing method | |
| JP6924066B2 (en) | Radar device and target detection method | |
| JP2009092410A (en) | Radar system and target detecting method | |
| JP2015155807A (en) | Radar device, vehicle control system, and signal processing method | |
| JP2015210155A (en) | Radar system and signal processing method | |
| JP7045648B2 (en) | Vehicle object detector | |
| JP7244220B2 (en) | Radar device and target data output method | |
| US20130268173A1 (en) | Object detecting device, object detecting method, object detecting program, and motion control system | |
| JP2018115930A (en) | Radar device and method for detecting target | |
| JP7181010B2 (en) | Radar device and target detection method | |
| JP7221606B2 (en) | Radar device and shaft deviation detection method | |
| JP6873009B2 (en) | Radar device and target detection method | |
| JP7168353B2 (en) | Radar device and target data allocation method | |
| JP2018119985A (en) | Radar device, vehicle control system, and signal processing method | |
| JP7156817B2 (en) | Target detection device and target detection method | |
| JP6929183B2 (en) | Radar device and target detection method | |
| JP2016128751A (en) | Radar device, signal processing method and vehicle control system | |
| JP2015068655A (en) | Radar device and signal processing method | |
| JP7111506B2 (en) | Target detection device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210429 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20211013 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220216 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20220217 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220322 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220523 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221004 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221027 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7168353 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |