用于生成雷达反射点的方法和系统技术方案

本发明专利技术涉及一种用于生成雷达反射点的方法，所述方法包括以下步骤：提供由雷达检测到的至少一个第一对象的多个预定雷达反射点和描述与检测到的第一对象有关的第一环境的至少一个第一场景描述；将预定雷达反射点转换为与从检测到的第一对象返回的功率的分布有关的至少一个第一功率分布模式图像；基于第一功率分布模式图像和第一场景描述来训练模型；提供描述与第二对象有关的第二环境的至少一个第二场景描述；基于训练后的模型和第二场景描述生成与从第二对象返回的功率的分布有关的至少一个第二功率分布模式图像；以及对第二功率分布模式图像进行采样。

【技术实现步骤摘要】
用于生成雷达反射点的方法和系统
本专利技术涉及一种用于生成雷达反射点的方法和系统以及一种包括指令的计算机程序载体，当该程序由计算机执行时，该指令使计算机执行该方法。
技术介绍
雷达仿真对于雷达功能开发和验证，如驾驶员辅助、传感器融合和车辆自动驾驶等具有重要意义。现有的雷达模型通常是黑盒或白盒。黑盒模型以随机的方式表示雷达回波。白盒模型使用射线跟踪来估计电磁路径传播，并且通常依赖于给定的目标雷达截面值，或者提取虚拟散射中心，如例如K.Schuler等人在文章“Extractionofvirtualscatteringcentersofvehiclesbyray-tracingsimulations”中介绍的。白盒模型需要详细的环境模型来捕获重要的雷达相关效应，如多径传播和干扰。然而，具有足够细节的模型往往是不可得的，且所需的大量计算相应地使实时仿真变得不可行。TimA.等人在文章“DeepStochasticRadarModels”中提出了一种用于汽车雷达仿真的深随机雷达模型(以下简称“DSRM”)，它由多个子模型组成。DSRM允许通过使用地形光栅栅格和对象列表作为输入来实现任意的道路配置和场景组成。DSRM产生在没有显式编程的情况下显示雷达现象的功率返回场，并实时运行。尽管DSRM证明了神经网络在雷达数据处理中的优势，但由于该模型的输入和输出是特殊的原始数据，即歧义消解、聚类和/或目标跟踪之前的数据，因此该模型在真实雷达设备中的应用仍然受到限制。在这点上，这些原始数据无法直接用于雷达仿真功能的进一步发展。r>
技术实现思路
本专利技术提供一种根据本专利技术的用于生成雷达反射点的方法、一种根据本专利技术的用于生成雷达反射点的系统和一种根据本专利技术的计算机程序载体。在其他方面中列出了本专利技术的进一步有利的实施例和改进。根据第一方面，本专利技术提供一种用于生成雷达反射点的方法，所述方法包括以下步骤：提供由雷达检测到的至少一个第一对象的多个预定雷达反射点和描述与检测到的第一对象有关的第一环境的至少一个第一场景描述；将预定雷达反射点转换为与从检测到的第一对象返回的功率的分布有关的至少一个第一功率分布模式图像；基于第一功率分布模式图像和第一场景描述训练模型；提供描述与第二对象有关的第二环境的至少一个第二场景描述；基于训练后的模型和第二场景描述生成与从第二对象返回的功率的分布有关的至少一个第二功率分布模式图像；以及对第二功率分布模式图像进行采样。有利的是，借助于本专利技术的方法，在技术上实现了用于输出雷达的最终检测结果、即雷达反射点的雷达仿真。与由于空间数据的稀疏性而不能直接将真实雷达反射点和/或对象列表进行应用的上述DSRM不同，本专利技术方法可以有利地利用真实雷达反射点作为输入，以便训练用于随后生成雷达反射点的模型。真实雷达反射点被转换为功率分布模式图像，这是一种雷达图像。众所周知，雷达反射点是对由雷达接收到的原始图像执行一定信号处理之后的雷达输出。该原始图像基本上是返回到雷达的功率的分布。在进行诸如对象检测、歧义消解和对象跟踪之类的信号处理之后，一些信息会丢失。在这点上，一方面，不可能精确地恢复雷达原始图像，另一方面，这样做可能没有什么意义，因为由于在原始图像中嵌入的一些歧义，很难直接使用雷达原始图像。在这种情况下，本方法将从真实雷达原始图像中获得的真实雷达反射点转换为功率分布模式图像，所述功率分布模式图像可以在一定程度上反映由雷达接收到的真实功率分布，但没有任何对象歧义。此外，根据本专利技术，显著降低了雷达仿真过程期间的计算复杂度和成本。一旦模型的训练完成，本专利技术方法就以场景描述作为训练后的模型的输入来实现雷达反射点的几乎实时生成。此外，借助于本专利技术方法，由于模型的训练针对任意的道路拓扑和场景配置，因此雷达仿真可以适应任意的道路拓扑和场景配置，作为包括目标对象本身在内的目标对象的环境。在一个优选的实施例中，将预定雷达反射点转换为至少一个第一功率分布模式图像的步骤包括：将预定雷达反射点中的每一个转换为与从预定雷达反射点中的相应每一个周围的区域返回的功率的分布有关的第三功率分布模式图像；以及合并第三功率分布模式图像以形成第一功率分布模式图像。由此，将所有作为预定雷达反射点的真实雷达反射点转换为功率分布模式图像，所述功率分布模式图像在一定程度上反映了由雷达接收到的真实功率分布，但没有任何对象歧义。在另一优选的实施例中，将预定雷达反射点中的每一个转换为第三功率分布模式图像的步骤包括：在对应于雷达与第一对象之间的相对位置的纵向和/或侧向方向上使用预定雷达反射点中的相应每一个作为sinc函数的变量来实现sinc函数。因此，生成的功率分布模式图像与由雷达接收到的真实功率分布图像相似，因为从本质上讲，信号处理之后的雷达输出沿着纵向或侧向方向具有sinc形式。sinc函数的峰的位置和值分别表示反射点的位置和雷达截面。sinc函数的3dB带宽由雷达的测量精度决定。在另一优选的实施例中，第一和第二场景描述包括与第一和/或第二对象有关的空间数据、特别是由光栅表示的空间数据和对象列表、特别是具有第一和/或第二对象的特征的对象列表。空间数据和对象列表既复杂又是多维的，以便例如捕获用于车辆的驾驶场景的全部空间。与传统的参数雷达模型相比，本方法能够处理这种复杂的输入。在另一优选的实施例中，第一和第二场景描述是相同的。从而，针对相同场景生成更多的雷达反射点，以便例如增加该场景的数据集。替代性地，第二场景描述可以与第一场景描述不同，以便生成用于新场景的雷达反射点。在这种情况下，描述第二场景描述中所指示的场景的场景角色应该用作训练步骤中第一场景描述的一部分。在另一优选的实施例中，训练模型的步骤包括训练深度神经网络。从而，可以自动地学习来自复杂输入、即空间数据和对象列表的鲁棒分层特征。此外，深度神经网络一旦经过训练，就可以高效使用。在另一优选的实施例中，生成第二功率分布模式图像的步骤附加地基于噪声值，特别是随机生成的噪声值。由于噪声给真实雷达带来不精确性，因此本专利技术方法生成表现出与这些雷达反射点来自真实雷达的情况相同的不精确性的雷达反射点。从而，改进了雷达仿真。根据第二方面，本专利技术还提供一种用于生成雷达反射点的系统，所述系统包括：图像转换准备单元，其被配置成能够提供由雷达检测到的至少一个第一对象的多个预定雷达反射点和描述与检测到的第一对象有关的第一环境的至少一个第一场景描述；图像转换单元，其被配置成能够将预定雷达反射点转换为与从检测到的第一对象返回的功率的分布有关的至少一个第一功率分布模式图像；训练单元，其被配置成能够基于第一功率分布模式图像和第一场景描述来训练模型；场景描述提供单元，其被配置成能够提供描述与第二对象有关的第二环境的至少一个第二场景描述；图像生成单元，其被配置成能够基于训练后的模型和第二场景描述生成与从第二对象返回的功率的分布有关的至少一个第二功率分布模式图像；以及采样单元，其被配置成能够对第二功率分布模式图像进行采样。根据第三方面，本专利技术还提供一种包括指令的计算机程序载本文档来自技高网...

【技术保护点】
1.一种用于生成雷达反射点的方法，其包括以下步骤：/n提供(S10、S12)由雷达检测到的至少一个第一对象的多个预定雷达反射点，和描述与检测到的第一对象有关的第一环境的至少一个第一场景描述；/n将预定雷达反射点转换(S20)为与从检测到的第一对象返回的功率的分布有关的至少一个第一功率分布模式图像；/n基于第一功率分布模式图像和第一场景描述来训练(S30)模型；/n提供(S40)描述与第二对象有关的第二环境的至少一个第二场景描述；/n基于训练后的模型(20)和第二场景描述，生成(S50)与从第二对象返回的功率的分布有关的至少一个第二功率分布模式图像；以及/n对第二功率分布模式图像进行采样(S60)。/n

【技术特征摘要】
20190527 EP 19176838.11.一种用于生成雷达反射点的方法，其包括以下步骤：
提供(S10、S12)由雷达检测到的至少一个第一对象的多个预定雷达反射点，和描述与检测到的第一对象有关的第一环境的至少一个第一场景描述；
将预定雷达反射点转换(S20)为与从检测到的第一对象返回的功率的分布有关的至少一个第一功率分布模式图像；
基于第一功率分布模式图像和第一场景描述来训练(S30)模型；
提供(S40)描述与第二对象有关的第二环境的至少一个第二场景描述；
基于训练后的模型(20)和第二场景描述，生成(S50)与从第二对象返回的功率的分布有关的至少一个第二功率分布模式图像；以及
对第二功率分布模式图像进行采样(S60)。


2.根据权利要求1所述的方法，其中，将预定雷达反射点转换为至少一个第一功率分布模式图像的步骤包括：
将预定雷达反射点中的每一个转换为与从预定雷达反射点中的相应每一个周围的区域返回的功率的分布有关的第三功率分布模式图像；以及合并第三功率分布模式图像以形成第一功率分布模式图像。


3.根据权利要求2所述的方法，其中，将预定雷达反射点中的每一个转换为第三功率分布模式图像的步骤包括：在对应于雷达与第一对象之间的相对位置的纵向和/或侧向方向上使用预定雷达反射点中的相应每一个作为sinc函数的变量来实现sinc函数。


4.根据前述权利要求中任一项所述的方法，其中，第一和第二场景描述包括：与第一和/或第二对象有...

【专利技术属性】
技术研发人员：C·杨，S·明茨纳，Z·考劳斯，F·蒂姆，J·埃伯特，L·安卡，
申请(专利权)人：罗伯特·博世有限公司，
类型：发明
国别省市：德国;DE