KR20180115034A

KR20180115034A - 레이더 장치 및 그를 이용한 타겟 식별방법

Info

Publication number: KR20180115034A
Application number: KR1020170047168A
Authority: KR
Inventors: 이한별; 김인수
Original assignee: 주식회사 만도
Priority date: 2017-04-12
Filing date: 2017-04-12
Publication date: 2018-10-22
Also published as: KR102243363B1

Abstract

본 발명은, 레이더 장치와 그를 이용한 타겟 식별방법에 관한 것으로서, 레이더의 트랙별로 트랙의 개별 RCS값과 해당 트랙에 연관된 오브젝트의 개수의 함수로 결정되는 그룹 RCS을 정의하고, 각 타겟(포함 영역)에 대한 그룹 RCS의 평균값 및 분산정보 중 하나 이상의 값을 이용하여, 감지물체가 선행차량인지, 상부구조물 또는 고스트와 같은 비차량인 여부를 정확하게 판별할 수 있다.

Description

레이더 장치 및 그를 이용한 타겟 식별방법{Radar Apparatus and Target Classification Method using the same}

본 발명의 일 실시예는 레이더 장치와 그를 이용한 타겟 식별방법에 관한 것이다. 더욱 상세하게는, 레이더의 트랙(Track)별로 정의되는 그룹 레이더 반사면적(Radar Cross Section; 이하 '그룹 RCS'라 함)의 값을 이용하여 감지물체의 종류를 식별할 수 있는 레이더 장치와 그 제어방법에 관한 것이다.

최근 차량 등에 탑재되는 레이더 장치를 이용한 운전자 보조 시스템(Driver Assistance System; DAS) 및 자율 주행에 대한 개발이 활발히 진행되고 있다.

이를 위하여 차량용 레이더는 송신 신호가 물체에서 반사되어 수신되는 수신 신호를 분석하여, 차량 주위의 타겟에 대한 각종 정보를 획득하는 기능을 수행하여야 한다.

차량용 레이더 장치 중 일예에서는 시간축을 따라 삼각파형에 주파수 변조한 레이더파를 미리 규정된 측정 사이클마다 송신하고, 레이더파가 물제에서 반사된 반사파를 수신한다.

그리고 송신 신호와 반사파의 수신 신호를 혼합해 생성한 비트 신호를 주파수 해석함으로써 도출한 파워 스펙트럼에 있어서 주파수의 강도(즉 파워)가 판정 임계값을 초과해 최대값이 되는 주파수 피크를 타겟 후보로서 검출한다.

그 타겟 후보가 1개 내지 여러 번의 측정 사이클에 걸쳐 연속 검출되고 미리 규정된 규정 조건을 만족하면, 그 타겟 후보를 최종 타겟(선행차량이나 도로측면 시설물 등)으로 인식한다.

한편, 차량용 레이더 장치는 여러가지 운전자 보조 시스템을 구현하기 위하여 송신신호와 반사신호의 혼합 비트 신호를 분석하여 최종 타겟의 종류, 구체적으로는 전방 차량, 상부 구조물 또는 고스트인지 여부를 판별할 수 있어야 한다.

이를 위하여, 다양한 타겟 식별 방법들이 제안되고 있으나, 연산이 복잡하거나 식별 능력이 떨어지는 등의 문제점을 가지고 있었다.

이러한 배경에서, 본 발명의 목적은, 차량용 레이더 장치에서 타겟의 종류를 식별하는 방법 및 장치를 제공하는 것이다.

본 발명의 다른 목적은 트랙별 그룹 RCS의 평균값 및 그룹 RCS의 분산정도를 나타내는 분산정보 중 하나 이상을 이용하여 감지물체의 종류를 구별할 수 있는 레이더 장치 및 타겟 식별방법을 제공하는 것이다.

본 발명의 다른 목적은 레이더의 트랙별로 트랙의 개별 RCS값과 해당 트랙에 연관된 오브젝트의 개수의 함수로 결정되는 그룹 RCS을 정의하고, 각 타겟(포함 영역)에 대한 그룹 RCS의 평균값 및 분산정보 중 하나 이상의 값을 이용하여, 감지물체가 선행차량인지, 상부구조물 또는 고스트인지 여부를 판별할 수 있는 장치 및 방법을 제공하는 것이다.

전술한 목적을 달성하기 위하여, 일 측면에서, 본 발명은, 1 이상의 송신안테나와 1 이상의 수신안테나를 포함하는 안테나부와, 상기 송신 안테나를 이용하여 물체를 향해 레이더 신호를 송신하는 레이더 신호 송신부와, 물체에서 반사되어 수신되는 반사파를 수신안테나를 통하여 수신하는 수신부와, 수신부에서 수신된 데이터를 기초로 상기 물체를 감지하는 타겟 감지부, 및 상기 반사파 신호로부터 감지된 감지 물체의 트랙별 그룹 레이더 반사면적(RCS) 정보를 산출하고, 트랙별 그룹 RCS 정보의 평균값 및 분산정보 중 하나 이상을 이용하여 상기 감지물체의 종류를 판별하는 타겟 식별부를 포함하는 레이더 장치를 제공한다.

다른 측면에서, 본 발명은, 레이더 신호를 송신하고, 물체에서 반사되어 수신되는 신호를 수신 및 분석하여 물체를 감지하는 감지 단계와, 감지된 감지 물체의 트랙별 그룹 레이더 반사면적(RCS) 정보를 산출하는 그룹 RCS 산출 단계와, 상기 트랙별 그룹 RCS 정보의 평균값 및 분산정보 중 하나 이상을 이용하여 상기 감지물체의 종류를 판별하는 판별 단계를 포함하는 타겟 식별 방법을 제공한다.

이 때, 상기 트랙별 그룹 RCS 정보는 해당 트랙의 개별 레이더 반사면적(RCS)값과 해당 트랙에 연관된 오브젝트의 개수에 대한 함수로 정의될 수 있다.

또한, 타겟 판별시 상기 트랙별 그룹 RCS 정보의 평균값 및 분산정보 중 하나 이상을 평균임계값 및 분산임계값 중 하나 이상과 비교하여, 상기 감지물체의 차량 또는 비차량 여부를 판정할 수 있다.

또한, 타겟 판별시 상기 트랙별 그룹 RCS 정보의 평균값 및 분산정보를 기초로, 상기 감지물체를 그룹 RCS 평균값과 분산정보를 x-y축 상에 표시한 그래프상에 매칭시키고, 판정라인에 의하여 구분되는 제1영역 및 제2영역 중 하나에 포함되는 상태에 따라서 상기 감지물체의 차량/비차량 여부를 판정할 수도 있다.

아래에서 설명할 바와 같이 본 발명의 일 실시예에 의하면, 차량용 레이더 장치에서 타겟의 종류를 식별할 수 있다.

레이더에서 감지되는 트랙별 그룹 RCS의 평균값 및 그룹 RCS의 분산정도를 나타내는 분산정보 중 하나 이상을 이용하여 감지물체의 종류를 구별할 수 있는 효과가 있다.

더 구체적으로는 레이더의 트랙별로 트랙의 개별 RCS값과 해당 트랙에 연관된 오브젝트의 개수의 함수로 결정되는 그룹 RCS을 정의하고, 각 타겟(포함 영역)에 대한 그룹 RCS의 평균값 및 분산정보 중 하나 이상의 값을 이용하여, 감지물체가 선행차량인지, 상부구조물 또는 고스트인지 여부를 판별할 수 있는 효과가 있다.

또한, 간단한 알고리즘을 이용하여 제어타겟을 정확하게 판별할 수 있고, 특히 레이더의 각 트랙(Tack)별로 차량, 상부 구조물 등을 구분할 수 있어서 전방 차량의 오감지 또는 미감지율을 감소시킬 수 있다.

또한, 본 실시예를 이용하면 페어링(Pairing) 고스트 등도 제거할 수 있어서 레이더의 타겟 감지 성능을 향상시킬 수 있다.

이와 같이, 본 실시예를 이용하면, 레이더에서 감지된 타겟이 선행차량인지 여부를 판별함으로써, 적응형 순항 제어(Adaptive Cruise Control), 자동 긴급 제동(Automatic Emergency Braking), 충돌 방지(Collision Avoidance System) 등의 운전자 보조 시스템(DAS)의 원활한 수행이 가능해지는 효과가 있다.

도 1은 본 발명에 의한 레이더 장치의 기능별 블록도이다.
도 2는 본 실시예에서 사용되는 그룹 RCS의 산출방식의 일 예를 설명하기 위한 것이다.
도 3 내지 도 5는 본 발명의 실시예에 의한 물체 종류별 그룹 RSC의 평균값, 백분위수(Percentile) 및 분산정보로서의 사분범위(InterQuartile Range; 이하 'IQR'이라 함)값의 예를 도시하며, 도 3은 주행도로 상부의 교통표지판, 도 4는 교각 등과 같은 상부 구조물, 도 5는 전방 차량의 경우이다.
도 6은 차량, 상부구조물, 교통표지만 및 차량의 그룹 RSC의 평균값 및 IQR값을 나타내는 그래프로서, 차량과 비차량을 판정할 수 있는 판정 기준 라인이 표시되어 있다.
도 7은 본 실시예에 의한 타겟 식별 방법의 전체 흐름을 도시한다.

이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.

또한, 본 발명의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.

도 1은 본 발명에 의한 레이더 장치의 기능별 블록도이다.

본 실시예에 의한 레이더 장치(100)는 1 이상의 송신안테나와 1 이상의 수신안테나를 포함하는 안테나부(110)와, 송신 안테나를 이용하여 물체를 향해 레이더 신호를 송신하는 레이더 신호 송신부(120)와, 물체에서 반사되어 수신되는 반사파를 수신안테나를 통하여 수신하는 반사 신호 수신부(130)와, 신호 전처리부(140)와, 타겟 감지부(150)와, 타겟 식별부(160) 등을 포함하여 구성될 수 있다.

안테나부(110)는 1 이상의 송신안테나와 1 이상의 수신안테나를 포함하며, 각 송수신 안테나는 1 이상의 방사 소자가 급전선로에 의하여 직렬로 연결되는 어레이 안테나 일 수 있으나 그에 한정되는 것은 아니다.

이러한 안테나부(110)는, 복수 개의 송신 안테나 및 복수 개의 수신 안테나를 포함하며, 그 배열 순서 및 배열 간격 등에 따라 여러 형태의 안테나 배열 구조를 가질 수 있다.

송신부(120)는 안테나부(110)에 포함되는 복수 개의 송신 안테나 중 1 개로 스위칭(Switching)하여 스위칭 된 송신 안테나를 통해 송신신호를 송신하거나 복수 개의 송신 안테나에 할당된 멀티 송신채널을 통해 송신신호를 송신하는 기능을 한다.

이러한 송신부(120)는, 스위칭 된 송신 안테나에 할당된 한 개의 송신채널 또는 복수 개의 송신 안테나에 할당된 멀티 송신채널에 대한 송신신호를 생성하는 발진부를 포함한다. 이러한 발진부는, 일 예로서, 전압 제어 발진기(VCO: Voltage-Controlled Oscillator) 및 오실레이터(Oscillator) 등을 포함할 수 있다.

또한, 수신부(130)는 복수의 수신 안테나 중 한 개로 스위칭하여 스위칭 된 수신 안테나를 통해 송신된 송신신호가 타깃에 의해 반사된 반사신호인 수신신호를 수신하거나 복수 개의 수신 안테나에 할당된 멀티 수신채널을 통해 수신신호를 수신하는 기능을 한다.

이러한 수신부(130)는, 스위칭 된 수신 안테나에 할당된 한 개의 수신채널을 통해 수신되거나 복수 개의 송신 안테나에 할당된 티 수신채널을 통해 수신된 상기 수신신호를 저잡음 증폭하는 저잡음 증폭부(LNA: Low Noise Amplifier)와, 저잡음 증폭된 수신신호를 믹싱하는 믹싱부(Mixer)와, 믹싱된 수신신호를 증폭하는 증폭부(Amplifier)와, 증폭된 수신신호를 디지털 변환하여 수신데이터를 생성하는 변환부(ADC: Analog Digital Converter) 등을 포함한다.

전처리부(140)는 송신데이터 및 수신데이터를 획득하여, 획득된 송신데이터에 근거한 발진부에서의 송신신호의 생성을 제어하고, 송신데이터 및 수신데이터를 동기화하며, 송신데이터 및 수신데이터를 주파수 변환하는 기능을 한다.

더 구체적으로, 전처리부(140)는 획득된 송신데이터 및 획득된 수신데이터를 한 주기당 처리 가능한 단위 샘플 사이즈로 데이터 버퍼링 한 이후, 주파수 변환을 수행할 수 있다. 전술한 제 1 처리부에서 수행하는 주파수 변환은, 고속 푸리에 변환(FFT: Fast Fourier Transform) 등과 같은 푸리에 변환을 이용할 수 있다.

타겟 감지부(150)는 전처리부에서 처리된 데이터를 기초로 타겟 또는 대상물체의 방위 및 거리 등을 산출하는 처리부로서, 전처리부(140)에서 주파수 변환된 수신데이터를 토대로 CFAR(Constant False Alarm Rate) 연산, 트래킹(Tracking) 연산 및 타깃 선택(Target Selection) 연산 등을 수행하고, 타깃에 대한 각도정보, 속도정보 및 거리정보를 추출할 수 있다.

타겟 감지부(150)는 전처리부에서 이루어진 제1푸리에 변환(FFT)된 신호에 대하여 제2푸리에 변환을 할 수 있으며, 제2푸리에 변환은, 일 예로서, 이산 푸리에 변환(DFT: Discrete Fourier Transform, 이하 "DFT"라 칭함)일 수 있다. 또한, DFT 중에서도, 첩-이산 푸리에 변환(Chirp-DFT)일 수 있다.

타겟 감지부(150)는 첩-이산 푸리에 변환(Chirp-DFT) 등의 제2푸리에 변환을 통해, 제2푸리에 변환 길이(K)에 해당하는 개수만큼의 주파수 값을 획득하고, 획득된 주파수 값을 토대로 각 첩(Chirp) 주기 동안 가장 큰 파워를 갖는 비트 주파수를 계산하고, 계산된 비트 주파수에 근거하여 물체의 속도 정보 및 거리 정보를 획득함으로써 물체를 탐지할 수 있다.

타겟 식별부(160)는 레이더 반사파 신호로부터 감지된 트랙별 그룹 RCS를 산출하고, 각 트랙별로 산출된 그룹 RCS의 평균값(Valid Mean Value)과 분산정보 중 하나 이상의 값을 기초로 타겟의 종류를 판정하는 기능을 한다.

RCS(Radar Cross-Section)은 레이더에서 송신한 전자파가 대상물에 반사되어 돌아올 때, 그 반사체의 반사량을 나타내기 위해 규정한 평면 면적을 의미한다.

트랙별 그룹 RCS 정보는 해당 트랙의 개별 레이더 반사면적(RCS)값과 해당 트랙에 연관된 오브젝트의 개수에 대한 함수로 정의될 수 있다.

더 구체적으로, 본 명세서에서 정의되는 그룹 RCS는 레이더의 트랙별 개별 RCS와 해당 트랙과 관련되어 있는 오브젝트(반사점)의 개수를 곱한 값일 수 있다.

이러한 그룹 RCS yn(t)는 아래 수학식 1과 같이 정의될 수 있다.

[수학식 1]

수학식 1에서 n은 트랙번호이고,

는 해당 트랙 n의 그룹 RCS이며,

는 해당 트랙 n에 연관된 오브젝트 또는 반사점의 개수(# of associated object)이고,

는 해당 트랙 n의 개별 RCS이며, a는 상수값이고, t는 스캔 인덱스를 의미한다.

트랙(Track)은 레이더의 트래킹 알고리즘에서 신호 처리를 통해서 나오는 타겟 또는 목표대상의 단위 또는 단위면적을 나타내는 것으로서, 레이더 분야에서 통상적으로 사용되는 개념이다.

해당 트랙 n에 연관된 오브젝트의 개수

는 특정한 트랙 n의 주위의 일정 영역내에 포함되는 오브젝트 또는 반사점의 개수를 의미하며, 이 때의 일정영역은 미리 설정되어 있을 수 있다.

교각 또는 교통표지판과 같은 상부 구조물과 비교할 때, 선행 차량의 경우 트랙의 개별 RCS값이 더 크고 그 트랙과 연관된 오브젝트의 개수가 더 많기 때문에, 차량의 그룹 RCS 값이 상부구조물 또는 고스트의 그룹 RCS 값에 비하여 더 크게 된다.

도 2는 본 실시예에서 사용되는 그룹 RCS의 산출방식의 일 예를 설명하기 위한 것이다.

도 2a는 감지 물체가 차량인 경우로서, 도 2a의 상부 도면의 경우 트랙 n1의 개별 RCS 값이 10이고, 트랙 n1와 연관된 오브젝트가 4개(O1, O2, O3, O4)인 경우이다.

이 경우 수학식 1에 의하면, 트랙 n1에 대한 그룹 RCS

는 40이 된다.

도 2의 경우, 수학식 1의 상수값 a는 1로 가정한다.

각 트랙에 연관된 오브젝트 개수를 정의하기 위하여, 트랙의 중심으로부터 일정 영역 R이 가상으로 정의되고, 그러한 일정 영역 R 내에 포함되는 오브젝트 또는 반사점들이 해당 트랙의 연관된 오브젝트로 간주될 수 있다.

도 2a의 하부 도면의 경우 트랙 n2의 개별 RCS 값이 10이고, 트랙 n2와 연관된 오브젝트가 1개(O5)인 경우이다.

이 경우 수학식 1에 의하면, 트랙 n2에 대한 그룹 RCS

는 10이 된다.

도 2b는 교각 등과 같은 상부 구조물에 대한 그룹 RCS를 설명하기 위한 것으로서, 도 2b의 상부 도면에서는 트랙 n3의 개별 RCS가 6이고 연관된 오브젝트가 없어서 트랙 n3에 대한 그룹 RCS

는 0이 된다.

또한, 도 2b의 하부 도면에서는 트랙 n4의 개별 RCS가 6이고 연관된 오브젝트가 1개(O6)이어서 트랙 n4에 대한 그룹 RCS

는 6이 된다.

이상과 같이 타겟 식별부(160)는 레이더 반사파 신호로부터 감지된 트랙별 그룹 RCS를 산출한다.

다음으로서, 타겟 식별부(160)는 각 트랙별로 산출된 그룹 RCS의 평균값(Valid Mean Value)과 분산정보로서의 IQR 값을 산출하고, 그 평균값 및 분산정보(IQR)값 중 하나 이상을 이용하여 타겟의 종류(차량 또는 비차량)를 식별한다.

타겟 식별부(160)가 그룹 RCS의 평균값 및 분산정보(IQR)로부터 타겟의 종류를 판정하는 방식은 2가지 실시예를 포함할 수 있으며, 제1실시예는 트랙별 그룹 RCS의 평균값 및 분산정보(IQR)값을 구체적인 임계값과 비교하는 방식이고, 제2실시예는 트랙별 그룹 RCS의 평균값 및 분산정보(IQR)값이 그래프 상에서 판정 라인으로 구분되는 영역 중 어디에 배치되는 지 여부를 기준으로 하는 방식이다.

더 구체적으로, 제1실시예에서는, 타겟 식별부(160)는 트랙별 그룹 RCS의 평균값이 평균 임계값(α) 이하인 경우에는 해당 트랙의 그룹 RCS의 IQR(분산정보)값에 무관하게 해당 타겟이 상부구조물(교각, 교통표시판 등) 또는 고스트인 것으로 판정한다.

또한, 제1실시예에서, 타겟 식별부(160)는 그룹 RCS의 평균값이 평균임계값(α) 이상인 경우에는, 해당 트랙의 그룹 RCS의 IQR(분산정보)값을 분산임계값(β)과 비교하여, 트랙의 그룹 RCS의 IQR(분산정보)값이 분산임계값(β) 이하이면 차량으로 판정하고, 트랙의 그룹 RCS의 IQR(분산정보)값이 분산임계값(β) 이상이면 해당 타겟이 해당 타겟이 상부구조물(교각, 교통표시판 등) 또는 고스트와 같은 비차량인 것으로 판정한다.

제2실시예에서는, 타겟 식별부(160)는 트랙별 그룹 RCS 값을 평균임계값(α) 또는 분산임계값(β)과 구체적으로 비교하지 않고, 그룹 RCS 평균값과 분산정보를 x-y축 상에 표시한 그래프 상에서 기설정되는 판정라인으로 구분되는 제1영역 및 제2영역 중 하나에 포함되는 상태로부터 차량 및 비차량을 판정할 수도 있을 것이다.

한편, 본 실시예에서는 그룹 RCS의 분산정보로서 사분범위수(IQR)을 예시하고 있으나 그에 한정되는 것은 아니며, 트랙별 그룹 RCS값의 분포가 집중되는 정도를 나타내는 공분산, 표준편차 등 다른 분산정보가 사용될 수 있을 것이다.

타겟 식별부(160)는 상기와 같은 방식으로 타겟의 종류를 판별한 후, 타겟이 차량인 경우에는 제어대상 플래그를 1로 설정하고, 타겟이 상부구조물 또는 고스트와 같은 비차량인 경우에는 제어대상 플래그를 0으로 설정할 수 있다.

본 실시예에 의한 레이더 장치를 이용하는 차량 제어 시스템은 제어대상 플래그의 값을 참조함으로써, 감지된 타겟이 제어대상이 되는 지 여부를 판정할 수 있게 된다.

이와 같은 타겟 식별부(160)의 타겟 판정을 위한 제1실시예 및 제2실시예에 대해서는 아래에서 도 6을 참고로 더 상세하게 설명한다.

이상과 같이, 본 실시예에 의한 레이더 장치에서는, 트랙별 그룹 RCS를 정의한 후, 그룹 RCS값의 평균값 및 분산정보(IQR)값을 기초로 타겟의 종류(차량 및 비차량)를 정확하게 판정하고, 그를 이용하여 다양한 DAS 시스템에 활용할 수 있는 효과가 있다.

도 3 내지 도 5는 본 발명의 실시예에 의한 트랙별 그룹 RSC의 평균값, 백분위수(Percentile) 및 분산정보로서의 사분범위(IQR)값의 예를 도시하며, 도 3은 주행도로 상부의 교통표지판, 도 4는 교각 등과 같은 상부 구조물, 도 5는 전방 차량의 경우이다.

도 3a는 7가지 다른 종류의 도로 상부 또는 도로측면 교통표지판을 대상으로 하는 트랙별 그룹 RCS값의 분포를 도시한다.

도 3a의 가로축의 1 내지 7은 교통표지판의 종류별 식별번호이고, 세로축은 각 종류의 교통표지판의 트랙별 그룹 RCS값의 분포를 도시한다.

각 트랙별 그룹 RCS 값의 분포 중에서 붉은색 라인은 유효 평균값(Valid Mean)을 의미한다.

도 3b는 도 3a의 그룹 RCS 값의 평균값과, 75% 및 25%의 백분위수(Percentile)와 그 차이값인 사분범위값(IQR)을 나타내는 표이다.

참고로, 도 3 내지 도 5의 각 값들은 수학식 1에서 상수 a를 10으로 가정한 경우이다.

도 3a 및 도 3b에 도시한 바와 같이, 주행도로의 상부 또는 도로측면에 배치되는 교통표지판의 경우, 트랙별 그룹 RCS의 평균값이 약2.0~166의 범위 내에 포함되는 값을 가지며, 그룹 RCS의 사분범위값(IQR)은 약 18~140의 범위에 포함되는 값을 가진다.

결과적으로, 7가지 종류의 교통표지판의 그룹 RCS의 평균값의 평균은 약75.93이고, IQR의 평균값은 약55.14임을 알 수 있다.

도 4a는 7가지 다른 종류의 도로 상부 교각 또는 터널과 같은 상부 구조물을 대상으로 하는 트랙별 그룹 RCS값의 분포를 도시한다.

도 4a의 가로축의 1 내지 7은 상부구조물의 종류별 식별번호이고, 세로축은 각 종류의 상부구조물에 대한 트랙별 그룹 RCS값의 분포를 도시한다.

도 4b는 도 4a의 그룹 RCS 값의 평균값과, 75% 및 25%의 백분위수(Percentile)와 그 차이값인 사분범위값(IQR)을 나타내는 표이다.

도 4a 및 도 4b에 도시한 바와 같이, 주행도로의 상부교각 또는 터널과 같은 상부구조물의 경우, 트랙별 그룹 RCS의 평균값이 약-5.0~324의 범위 내에 포함되는 값을 가지며, 그룹 RCS의 사분범위값(IQR)은 약 57~104의 범위에 포함되는 값을 가진다.

결과적으로, 7가지 종류의 상부구조물의 그룹 RCS의 평균값의 평균은 약144.29이고, IQR의 평균값은 약75.64임을 알 수 있다.

도 5a는 7가지 다른 종류의 전방 차량을 대상으로 한 트랙별 그룹 RCS값의 분포를 도시한다.

도 5는 다양한 외부 환경 조건(시간, 밝기, 날씨 등)하에서, 다양한 상대거리 또는 상대각도를 가지는 차량에 대한 트랙별 그룹 RCS 값을 나타낸다.

도 5a의 가로축의 1 내지 7은 차량 종류별 식별번호이고, 세로축은 각 종류의 차량에 대한 트랙별 그룹 RCS값의 분포를 도시한다.

도 5b는 도 5a의 차량별 그룹 RCS 값의 평균값과, 75% 및 25%의 백분위수(Percentile)와 그 차이값인 사분범위값(IQR)을 나타내는 표이다.

도 5a 및 도 5b에 도시한 바와 같이, 자차량 전방에 있는 타차량의 경우, 트랙별 그룹 RCS의 평균값이 약324~684의 범위 내에 포함되는 값을 가지며, 그룹 RCS의 사분범위값(IQR)은 약 10~52의 범위에 포함되는 값을 가진다.

결과적으로, 7가지 종류의 전방 차량의 그룹 RCS의 평균값의 전체 평균은 약467.6이고, IQR의 평균값은 약25.7임을 알 수 있다.

도 3 내지 도 5에서 도시한 바와 같이, 차량의 트랙별 그룹 RCS의 평균값이 교통표지판 및 상부구조물의 트랙별 그룹 RCS의 평균값보다 크고, 반대로 트랙별 그룹 RCS의 IQR값은 교통표지판 및 상부구조물의 트랙별 그룹 RCS의 IQR값보다 작음을 알 수 있다.

따라서, 본 실시예에 의한 레이더 장치에서는, 레이더로 감지된 감지물체에 대해서 각 트랙별 그룹 RCS를 정의하고, 그 그룹 RCS의 평균값 및 분산정보(IQR값)의 크기를 이용하여 감지된 물체의 종류, 더 구체적으로는 차량인지 비차량인지 여부를 판별할 수 있게 된다.

본 명세서에서 비차량 물체는 교통표지판, 교각 또는 터널과 같은 상부 구조물, 고스트 등을 의미할 수 있으나 그에 한정되는 것은 아니다.

전술한 바와 같이, 본 실시예에 의한 레이더 장치에서는 감지 물체의 종류를 판별하기 위하여, 트랙별 그룹 RCS의 평균값 및 분산정보(IQR)를 기설정된 평균임계값(α) 또는 분산임계값(β)과 비교하는 제1실시예와, 그룹 RCS 평균값과 분산정보를 x-y축 상에 표시한 그래프 상에서 기설정되는 판정라인으로 구분되는 영역의 포함상태를 판정하는 제2실시예가 사용될 수 있으며, 이에 대해서는 아래에서 도 6 및 도 7을 참고로 더 상세하게 설명한다.

도 6은 차량, 상부구조물, 교통표지만 및 차량의 그룹 RSC의 평균값 및 IQR값을 나타내는 그래프로서, 차량과 비차량을 판정할 수 있는 판정 기준 라인이 표시되어 있다.

도 6의 가로축은 각 감지물체에 대한 트랙별 그룹 RCS 평균값이고, 세로축은 트랙별 그룹 RCS의 IQR값을 나타낸다.

또한, 도 6에서 ●는 차량을, ▲는 교통표지판을, X는 교각과 같은 상부구조물을 나타낸다.

도 6에 도시한 바와 같이, 차량의 경우 트랙별 그룹 RCS 평균값이 크고 분산정보(IQR)값이 상대적으로 작으며, 교통표지판은 트랙별 그룹 RCS 평균값이 상대적으로 작다.

또한, 교각과 같은 상부구조물의 경우에는 트랙별 그룹 RCS 평균값이 넓은 범위에 분포되고 있으나, 그룹 RCS의 IQR값은 차량의 IQR값에 비하여 큰 것을 알 수 있다.

결과적으로, 도 6과 같이 그룹 RCS 평균값과 분산정보를 x-y축 상에 표시한 그래프 상에서, 차량은 비차량(교통표지판 및 상부구조물)과 구분되는 영역에 분포되며, 그 영역을 구분하는 판정라인(610)을 정의할 수 있다.

이러한 판정라인(610)은 그룹 RCS 평균값과 분산정보를 x-y축 상에 표시한 그래프 상에서 y=bx+c의 직선으로 표시될 수 있으며, 이 때 계수 b, c는 미리 설정되어 있을 수 있다.

그러나, 이러한 판정라인(610)을 나타내는 수학식은 기계 학습(Machine Learning) 등에 의하여 동적으로 가변될 수도 있을 것이다.

예를 들면, 일정 기간동안 차량, 비차량을 도 6과 같은 그래프 상에 매칭한 후, 양 영역을 구분하는 판정라인을 동적으로 재설정할 수 있을 것이다.

결과적으로, 그룹 RCS 평균값과 분산정보를 x-y축 상에 표시한 그래프 영역은 판정라인(610)에 의하여 차량이 분포되는 제1영역(I)과, 교통표지판 및 상부구조물이 분포되는 제2영역(II)으로 구분되며, 이러한 그래프를 미리 저장해 둘 수 있다.

그런 다음, 레이더에 의하여 감지된 물체의 트랙별 그룹 RCS를 측정한 후 상기 그래프에 매칭시켰을 때, 제1영역에 배치되면 차량으로, 제2영역에 배치되면 비차량으로 판정할 수 있는 것이다.(제2실시예)

물론, 전술한 바와 같이, 제1실시예에 의하면 도 6과 같은 그래프에 매칭시키지 않고, 감지된 물체의 그룹 RCS를 측정한 후 일정한 임계값과 비교함으로써 타겟의 종류를 판정할 수도 있다.

즉, 도 6에 도시된 바와 같이, 감지된 물체의 그룹 RCS의 평균값이 평균임계치(α) 이하인 경우에는 분산정보(IQR)의 크기에 무관하게 교통표지판 또는 상부구조물과 같은 비차량인 것으로 판정한다.

한편, 감지된 물체의 그룹 RCS 평균값이 평균임계치(α) 이상이 되는 경우에는 그룹 RCS의 IQR값을 분산임계치(β)와 비교하여, 그룹 RCS의 IQR값이 분산임계치(β) 이상이면 교통표지판 또는 상부구조물과 같은 비차량으로 판정하고, 그룹 RCS의 IQR값이 분산임계치(β) 이하가 되면 차량으로 판정할 수 있다.

또한, 비차량 중에서도, 교통표지판의 경우 그룹 RCS 평균값이 작고 분산정보도 작은 반면, 상부구조물(교각, 터널 등)은 교통표지판의 경우보다 분산정보가 더 큰 것을 알 수 있다.

따라서, 타겟 식별부(160)는 그룹 RCS의 평균값 및 분산정보(IQR)이 모두 평균임계치(α) 및 분산임계치(β) 보다 작은 경우에는 타겟이 교통표지판인 것으로 판정하고, 그룹 RCS의 평균값이 평균임계치(α) 이하이면서 그룹 RCS의 분산정보(IQR)이 분산임계치(β) 이상인 경우에는 비차량 타겟 중에서도 상부구조물인 것으로 판정할 수도 있을 것이다.

이와 같이, 본 실시예를 이용하면, 레이더의 트랙별 그룹 RCS값의 평균값과 분산정보(IQR)를 이용함으로써, 감지된 물체의 차량/비차량 여부를 알 수 있고, 더 나아가서 비차량 중에서도 교통표지판인지 상부구조물인지 여부 등을 정확하게 판별할 수 있게 된다.

또한, 구체적인 수치는 예시하지 않았지만, 본 실시예에 의하면 잘못된 타겟으로 인지되는 고스트에 의한 신호인지 여부까지도 판정할 수 있다.

즉, 고스트의 경우에도 그룹 RCS의 평균값이 차량의 경우보다 작고, 고스트의 그룹 RCS의 IQR값은 차량보다 크기 때문에, 그를 통하여 감지물체가 고스트인지 차량인지 여부를 판정할 수 있는 것이다.

도 7은 본 실시예에 의한 타겟 식별 방법의 전체 흐름을 도시한다.

본 실시예에 의한 타겟 식별 방법은, 물체 감지단계(S710)와, 트랙별 그룹 RCS 정보 산출단계(S720) 및 타겟 종류 판별 단계(S730)로 구성될 수 있다.

물체 감지단계(S710)에서는 레이더의 송신방향을 향하여 레이더 신호를 송신하고, 물체에서 반사되어 수신되는 신호를 수신 및 분석하여 물체를 감지하는 기능을 한다.

더 구체적으로, 반사 신호를 수신 및 전처리한 후 주파수 변환된 수신데이터를 토대로 CFAR(Constant False Alarm Rate) 연산, 트래킹(Tracking) 연산 및 타깃 선택(Target Selection) 연산 등을 수행하고, 타깃에 대한 각도정보, 속도정보 및 거리정보를 추출함으로써 물체를 감지하는 것이다.

트랙별 그룹 RCS 산출단계(S720)에서는 감지된 감지 물체의 트랙별 그룹 레이더 반사면적(RCS) 정보를 산출하며, 이 때 트랙별 그룹 RCS 정보는 해당 트랙의 개별 레이더 반사면적(RCS)값과 해당 트랙에 연관된 오브젝트의 개수에 대한 함수로 정의될 수 있다.

더 구체적으로, 본 명세서에서 정의되는 그룹 RCS 정보는 수학식 1과 같이 레이더의 트랙별 개별 RCS값와 해당 트랙과 관련되어 있는 오브젝트(반사점)의 개수를 곱한 값으로 정의될 수 있다.

타겟 종류 판별 단계(S730)에서는 랙별 그룹 RCS 정보의 평균값 및 분산정보 중 하나 이상을 산출하고, 그 평균값 및 분산정보 둥 하나 이상을 이용하여 감지물체의 종류를 판별할 수 있다.

물체 종류 판별을 위하여, 트랙별 그룹 RCS 정보의 평균값 및 분산정보 중 하나 이상을 평균임계값 및 분산임계값 중 하나 이상과 비교하여, 감지물체의 차량 또는 비차량 여부를 판정하는 제1실시예가 적용될 수 있다.

제1실시예에 의한 물체 판정방식을 더 구체적으로 설명하면, 트랙별 그룹 RCS 정보의 평균값이 평균임계값(α) 이하인 경우와, 트랙별 그룹 RCS 정보의 평균값이 평균임계값(α) 이상이면서 트랙별 그룹 RCS 정보의 분산정보(IQR)가 분산임계치(β) 이상인 경우에는 감지물체가 교통표지판 또는 상부구조물인 비차량인 것으로 판정할 수 있다.

반면, 트랙별 그룹 RCS 정보의 평균값이 평균임계값(α) 이상이면서 트랙별 그룹 RCS 정보의 분산정보(IQR)가 분산임계치(β) 이하인 경우에는 감지물체자 차량인 것으로 판정할 수 있다.

한편, 물체 종류 판정을 위한 제2실시예에서는, 감지물체의 트랙별 그룹 RCS 정보의 평균값 및 분산정보를, 그룹 RCS 평균값과 분산정보를 x-y축 상에 표시한 그래프상에 매칭시키고, 판정라인에 의하여 구분되는 제1영역 및 제2영역 중 하나에 포함되는 상태에 따라서 감지물체의 차량/비차량 여부를 판정하는 제2실시예가 이용될 수도 있을 것이다.

이상과 같은 본 실시예를 이용하면, 차량용 레이더 장치에서 감지되는 트랙별 그룹 RCS의 평균값 및 그룹 RCS의 분산정도를 나타내는 분산정보 중 하나 이상을 이용하여 감지물체의 종류를 구별할 수 있는 효과가 있다.

이상에서, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합되거나 결합되어 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성 요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

100: 레이더 장치 110: 안테나부
120: 송신부 130: 수신부
140 : 전처리부 150 : 타겟 감지부
160 : 타겟 식별부 610 : 판정라인

Claims

1 이상의 송신안테나와 1 이상의 수신안테나를 포함하는 안테나부;
상기 송신 안테나를 이용하여 물체를 향해 레이더 신호를 송신하는 레이더 신호 송신부;
물체에서 반사되어 수신되는 반사파를 수신안테나를 통하여 수신하는 수신부;
수신부에서 수신된 데이터를 기초로 상기 물체를 감지하는 타겟 감지부;
상기 반사파 신호로부터 감지된 감지 물체의 트랙별 그룹 레이더 반사면적(RCS) 정보를 산출하고, 트랙별 그룹 RCS 정보의 평균값 및 분산정보 중 하나 이상을 이용하여 상기 감지물체의 종류를 판별하는 타겟 식별부;
를 포함하는 것을 특징으로 하는 레이더 장치.

제1항에 있어서,
상기 트랙별 그룹 RCS 정보는 해당 트랙의 개별 레이더 반사면적(RCS)값과 해당 트랙에 연관된 오브젝트의 개수에 대한 함수로 정의되는 것을 특징으로 하는 레이더 장치.

제2항에 있어서,
상기 트랙별 그룹 RCS 정보는 해당 트랙의 개별 레이더 반사면적(RCS)값과 해당 트랙에 연관된 오브젝트의 개수를 곱한 값으로 정의되며, 상기 트랙에 연관된 오브젝트의 개수는 해당 트랙 주위의 일정 영역내에 포함되는 오브젝트 또는 반사점의 개수인 것을 특징으로 하는 레이더 장치.

제3항에 있어서,
상기 타겟 식별부는 상기 트랙별 그룹 RCS 정보의 평균값 및 분산정보 중 하나 이상을 평균임계값 및 분산임계값 중 하나 이상과 비교하여, 상기 감지물체의 차량 또는 비차량 여부를 판정하는 것을 특징으로 하는 레이더 장치.

제4항에 있어서,
상기 타겟 식별부는, 상기 트랙별 그룹 RCS 정보의 평균값이 상기 평균임계값 이하인 경우와, 상기 트랙별 그룹 RCS 정보의 평균값이 상기 평균임계값 이상이면서 상기 트랙별 그룹 RCS 정보의 분산정보가 상기 분산임계치 이상인 경우에는 상기 감지물체가 교통표지판 또는 상부구조물인 비차량인 것으로 판정하고, 상기 트랙별 그룹 RCS 정보의 평균값이 상기 평균임계값 이상이면서 상기 트랙별 그룹 RCS 정보의 분산정보가 상기 분산임계치 이하인 경우에는 상기 감지물체가 차량인 것으로 판정하는 것을 특징으로 하는 레이더 장치.

제2항에 있어서,
상기 타겟 식별부는, 상기 트랙별 그룹 RCS 정보의 평균값 및 분산정보를 기초로, 상기 감지물체를 그룹 RCS 평균값과 분산정보를 x-y축 상에 표시한 그래프상에 매칭시키고, 판정라인에 의하여 구분되는 제1영역 및 제2영역 중 하나에 포함되는 상태에 따라서 상기 감지물체의 차량/비차량 여부를 판정하는 것을 특징으로 하는 레이더 장치.

제6항에 있어서,
상기 분산정보는 상기 트랙별 그룹 RCS 정보의 75% 및 25%의 백분위수(Percentile)의 차이값인 사분범위값(IQR)인 것을 특징으로 하는 레이더 장치.

레이더 신호를 송신하고, 물체에서 반사되어 수신되는 신호를 수신 및 분석하여 물체를 감지하는 감지 단계;
감지된 감지 물체의 트랙별 그룹 레이더 반사면적(RCS) 정보를 산출하는 그룹 RCS 산출 단계;
상기 트랙별 그룹 RCS 정보의 평균값 및 분산정보 중 하나 이상을 이용하여 상기 감지물체의 종류를 판별하는 판별 단계;
를 포함하는 것을 특징으로 하는 타겟 식별 방법.

제8항에 있어서,
상기 트랙별 그룹 RCS 정보는 해당 트랙의 개별 레이더 반사면적(RCS)값과 해당 트랙에 연관된 오브젝트의 개수에 대한 함수로 정의되는 것을 특징으로 하는 타겟 식별 방법.

제9항에 있어서,
상기 판별 단계에서는,
상기 트랙별 그룹 RCS 정보의 평균값 및 분산정보 중 하나 이상을 평균임계값 및 분산임계값 중 하나 이상과 비교하여, 상기 감지물체의 차량 또는 비차량 여부를 판정하는 것을 특징으로 하는 타겟 식별 방법.

제10항에 있어서,
상기 트랙별 그룹 RCS 정보의 평균값이 상기 평균임계값 이하인 경우와, 상기 트랙별 그룹 RCS 정보의 평균값이 상기 평균임계값 이상이면서 상기 트랙별 그룹 RCS 정보의 분산정보가 상기 분산임계치 이상인 경우에는 상기 감지물체가 교통표지판 또는 상부구조물인 비차량인 것으로 판정하고, 상기 트랙별 그룹 RCS 정보의 평균값이 상기 평균임계값 이상이면서 상기 트랙별 그룹 RCS 정보의 분산정보가 상기 분산임계치 이하인 경우에는 상기 감지물체자 차량인 것으로 판정하는 것을 특징으로 하는 타겟 식별 방법.

제9항에 있어서,
상기 판별단계에서는, 상기 트랙별 그룹 RCS 정보의 평균값 및 분산정보를 기초로, 상기 감지물체를 그룹 RCS 평균값과 분산정보를 x-y축 상에 표시한 그래프상에 매칭시키고, 판정라인에 의하여 구분되는 제1영역 및 제2영역 중 하나에 포함되는 상태에 따라서 상기 감지물체의 차량/비차량 여부를 판정하는 것을 특징으로 하는 타겟 식별 방법.