用于雷达系统的操作的方法技术方案

一种用于操作交通工具(2)的雷达系统(1)的方法(100)，其中雷达系统(1)具有用于检测该交通工具(2)外部的至少一个目标(5)的至少一个雷达传感器(10)，该方法包括以下步骤：‑执行对该交通工具(2)的自我速度(vEgo)的预测，从而确定预测结果，‑使用该预测结果来执行用于将至少一个检测到的目标(5)分类为静止目标(5a)的分类，从而确定分类结果，‑选择至少两种估计方法(140)之一以进行对自我速度(vEgo)的估计，其中该选择取决于对该分类结果的评估。

Methods for operation of radar system

【技术实现步骤摘要】
【国外来华专利技术】用于雷达系统的操作的方法具体实施方式本专利技术涉及用于雷达系统的操作的方法和系统。自我交通工具(ego-vehicle)速度(下文中也称为自我速度)的准确估计是提供实际驾驶员辅助功能(如自适应巡航控制或后方交叉交通警报)的重要要求。已知可以基于测量轮子的转速的特殊轮编码器来执行该估计。在忽略轮胎打滑的假定下，并且在知道轮胎直径的情况下，可能足够好地估计自我速度。但是，这种所谓的里程计速度估计具有明显的缺点。例如，如果轮胎直径不是确切地已知，则估计将导致速度比例误差。而且，里程计传感器需要最小的角轮子速度以提供可靠的速度估计，从而导致在低的交通工具速度处不可观察的速度估计。用于足够的速度估计的其它已知解决方案提供了使用雷达系统的对静止目标的检测。但是，用于将检测到的目标分类为静止或动态的雷达系统的操作在技术上是复杂的，并且常常不够可靠、鲁棒和/或精确。此外，用于将目标分类为静止的已知方法通常使用昂贵的算法。这具有另外的缺点，即，在具有低性能芯片组的硬件(如嵌入式硬件)上的集成是不可能的。一种用于基于检测到的静止目标来估计自我运动的方法根据以下出版物是已知的：D.Kellner等人，InstantaneousLateralVelocityEstimationofavehicleusingDopplerradar，于2013年发表在the16thInternationalConferenceonInformationFusion。本专利技术的目的是至少部分地克服上述问题。具体地，本专利技术的一个目的是提供一种用于操作雷达系统(具体是用于雷达传感器的静止目标和动态目标的分类)的简化的和/或更可靠的和/或更精确的解决方案。上述目的通过根据独立权利要求1的方法、通过根据独立权利要求11的系统以及通过根据独立权利要求12的计算机程序产品来实现。本专利技术的其它特征和细节由从属权利要求、说明书和附图得出。关于专利技术的方法所讨论的特征和细节也与专利技术的系统和专利技术的计算机程序产品相关，并且在每种情况下反之亦然。具体地，该目的通过一种用于操作交通工具的雷达系统的方法来实现，其中该雷达系统具有用于检测交通工具外部的至少一个目标的至少一个雷达传感器，该方法包括以下步骤：-对交通工具的自我速度进行预测，从而确定预测结果(预测步骤)，其中具体地，该预测结果包括关于预测的方差的方差信息，-使用预测结果，例如至少所预测的自我速度和/或方差信息，以及/或者使用雷达信息(如检测到的目标的相对速度)，执行用于将至少一个检测到的目标分类为静止目标的分类，从而确定分类结果(分类步骤)，-选择至少两种估计方法之一以进行对自我速度的估计，其中该选择取决于对分类结果的评估。具体地，选择至少两种估计方法之一的步骤考虑了静止雷达目标(由雷达系统检测到的静止目标)的数量不足以进行准确的自我速度估计的情况。因此，专利技术的方法使得能够对汽车雷达系统的静止目标和动态目标进行精确且鲁棒的分类。具体地，精确在意义上是指可以实现高分类精确度，并且鲁棒在意义上是指即使在自我速度信息不准确的情况下分类质量仍然保持很高。根据选择步骤对分类结果的评估可以包括决定，其中具体地，比较被执行作为该决定(在下文中称为决定步骤)的基础。优选地，所估计的和/或(经校正的)所预测的自我速度可以用于交通工具的至少一种驾驶员辅助功能，如自适应巡航控制或后方交叉交通警报。具体地，专利技术的方法的步骤(各自或一起)被重复地执行，具体是迭代地执行。可选地，交通工具被配置为乘用交通工具和/或电动交通工具和/或机动交通工具和/或陆地交通工具和/或卡车。术语“自我交通工具”也指这种交通工具，因为它的自我速度是估计的。可以进行规定，在由雷达传感器执行的测量步骤和/或检测步骤之后，执行专利技术的方法的至少一个步骤，具体是预测和/或分类和/或选择和/或估计，其中在检测步骤中检测至少一个目标和/或在测量步骤中测量至少一个雷达信号。此外，在这些步骤中的至少一个步骤中，可以确定雷达信息，具体是每个检测到的目标的相对速度和/或入射角。可选地，在预测步骤(有利地包括自我速度和/或方差的预测)之后，使用预测结果(具体是所预测的自我速度和/或所预测的方差)来执行分类。例如，所预测的自我速度和/或所预测的方差可以用于计算相对速度和/或决定检测到的目标是否是静止的。具体地，方差可以用于确定比较范围，该比较范围用于决定检测到的目标是否是静止的。此外，进一步的信息可以用于分类，具体是由雷达传感器测量的每个检测到的目标的入射角(即，对应雷达反射的入射角)和/或每个检测到的目标的相对速度(或者分别雷达反射)。随后，可以使用来自关于被分类为静止的目标的分类结果的信息来估计自我速度，被称为基于雷达的速度估计。该估计可用于校正由预测确定的自我速度(被称为“对预测的校正”)和/或校正由交通工具的里程计确定的自我速度(被称为“对里程计速度的校正”)。具体地，里程计速度可以通过模型使用递归估计来校正。通过使用里程计速度的校正，获得经校正的里程计速度。如果分类结果不允许对自我速度的足够的估计(例如，静止目标的数量不足)，则经校正的里程计速度可用于对预测的校正。这允许获得瞬时速度估计，即使是在静止目标的数量不足的情况下。此外，如果静止目标被分类，则所估计的自我速度可以用于自适应地调节用于分类的分类器，以提高分类准确度。具体地，本专利技术允许精确且鲁棒的分类，即使由交通工具接口(例如由里程计)提供的自我速度信息不正确。在下文中，由交通工具接口提供的该自我速度信息指定关于自我交通工具的自我速度的速度信息，该速度信息是独立于雷达系统而确定的，例如由交通工具制造商提供，优选地由里程计提供，具体优选地是从交通工具的CAN(控制器局域网)接口读取，并且该速度信息在下文被表示为“交通工具内(intern)速度信息”。可以规定，专利技术的方法可以区分检测到的静止的和动态的雷达目标(分类)，并且然后利用相对速度和静止目标与交通工具(自我汽车)之间的角度的知识来提供对自我速度的估计。为了提供移动目标和静止目标之间的最佳可能区分，必须估计自我速度的精确知识，因为它可以直接影响静止目标观察的速度窗口(例如，参见C.Grimm和R.Farhoud和T.Fei和E.Warsitz和R.Haeb-Umbach，Hypothesistestforthedetectionofmovingtargetsinautomotiveradar，于2017年发表在theIEEEInternationalConferenceonMicrowaves,Communications,AntennasandElectronicSystems)。根据本专利技术的另一方面，分类可以基于至少三个参数来执行，该至少三个参数为：交通工具的自我速度(vEgo)、反射目标的入射角(phi)和反射目标的相对速度(vR)。例如，来自预测步骤的所预测的自我速度可以用作自我速度vEgo。替代地或附加地，分类可以使用在预测步骤中确定的方差信息。方差信息和/或所预测的自我速度可以是预测结果的部分。本文档来自技高网...

【技术保护点】
1.一种用于操作交通工具(2)的雷达系统(1)的方法(100)，其中所述雷达系统(1)具有用于检测所述交通工具(2)外部的至少一个目标(5)的至少一个雷达传感器(10)，所述方法包括以下步骤：/n-执行对所述交通工具(2)的自我速度(vEgo)的预测，从而确定预测结果，/n-使用所述预测结果来执行用于将至少一个检测到的目标(5)分类为静止目标(5a)的分类，从而确定分类结果，/n-选择至少两种估计方法(140)之一以进行对所述自我速度(vEgo)的估计，其中所述选择取决于对所述分类结果的评估。/n

【技术特征摘要】
【国外来华专利技术】1.一种用于操作交通工具(2)的雷达系统(1)的方法(100)，其中所述雷达系统(1)具有用于检测所述交通工具(2)外部的至少一个目标(5)的至少一个雷达传感器(10)，所述方法包括以下步骤：
-执行对所述交通工具(2)的自我速度(vEgo)的预测，从而确定预测结果，
-使用所述预测结果来执行用于将至少一个检测到的目标(5)分类为静止目标(5a)的分类，从而确定分类结果，
-选择至少两种估计方法(140)之一以进行对所述自我速度(vEgo)的估计，其中所述选择取决于对所述分类结果的评估。


2.根据权利要求1所述的方法(100)，
其特征在于，
所述至少两种估计方法(140)包括：
-作为第一估计方法(140a)：执行基于雷达的速度估计，所述基于雷达的速度估计取决于被分类为静止目标(5a)的所述至少一个目标(5)，以及
-作为第二估计方法(140b)：执行基于里程计的速度估计，具体地，其中，基于从所述交通工具(2)的接口(3)读取的速度信息来使用经校正的里程计速度。


3.根据权利要求1或2所述的方法(100)，
其特征在于，
所述选择所取决于的对所述分类结果的所述评估包括：
-将被分类为静止目标(5a)的目标(5)的数量与静止目标的预定的最小数量(250)进行比较，其中，仅当该目标(5)的数量大于或等于静止目标的所述最小数量(250)时才执行第一估计方法(140a)，否则执行第二估计方法(140b)，并且具体地，仅当所预测的自我速度(vEgo)高于或等于预定的最小速度(251)时才执行第二估计方法(140b)。


4.根据权利要求3所述的方法(100)，
其特征在于，
所述静止目标的所述预定的最小数量(250)为至少1、或至少5、或至少10、或在从1至10的范围内，优选地在从2至8的范围内，具体优选地在从4至6的范围内，尤其为5。


5.根据前述权利要求中的任一项所述的方法(100)，
其特征在于，
执行所述预测的步骤包括：
-通过使用Kalman滤波和/或跟踪算法，预测所述自我速度(vEgo)并确定对应的方差信息(210)。


6.根据权利要求5所述的方法(100)，
其特征在于，
所确定的方差信息(210)被用于执行所述分类，具体是通过基于所述方差信息(210)来确定比较范围，其中优选地，每个检测到的目标(5...

【专利技术属性】
技术研发人员：T·菲，T·布莱德曼，R·法霍德，E·瓦西茨，C·格林姆，
申请(专利权)人：黑拉有限责任两合公司，
类型：发明
国别省市：德国;DE