基于雷达的对象高度估计制造技术

基于雷达的对象高度估计。一种确定车辆周围环境中的对象的高度的计算机实现的方法，该计算机实现的方法包括以下步骤：获取关于雷达天线的多个竖直分布的天线振子中的各个天线振子的雷达数据；根据所获取的雷达数据来估计高度谱；提取代表所估计的高度谱的形状的一个或更多个特征；以及使用所提取的一个或更多个特征来确定所述对象的高度。特征来确定所述对象的高度。特征来确定所述对象的高度。

【技术实现步骤摘要】
基于雷达的对象高度估计


[0001]本公开涉及一种用于确定车辆周围环境中的对象的高度的计算机实现的方法、计算机程序和装置。该装置可以设置在车辆中，使得车辆可以确定其周围对象的高度。

技术介绍

[0002]确定车辆周围的区域没有车辆可能碰撞到的任何障碍物是驾驶自动化的关键能力。
[0003]使半自主或自主驾驶成为可能的驾驶员辅助系统必须能够访问关于车辆的驾驶环境的准确信息。特别地，在车辆周围环境中，驾驶员辅助系统应当区分可通行的、可驾驶的或开放的区域(其可以被称为自由空间)和不可通行的区域。不可通行区域例如可以是存在障碍物的区域。障碍物例如可以是防止或阻碍车辆行驶的对象。
[0004]除了诸如超声传感器、相机传感器和激光雷达传感器之类的其他传感器之外，现代车辆通常具有一个或更多个雷达传感器，所述一个或更多个雷达传感器可用于监视和获取车辆的环境(即周围环境)的传感器数据并检测周围环境中的对象。
[0005]然而，为了使驾驶员辅助系统提供有用的辅助，有益的是，可以将在车辆周围环境中检测到的对象恰当地确定为障碍物，使得可以相应地适配所提供的驾驶员辅助。也就是说，有益的是，驾驶员辅助系统可以确定检测到的对象是否实际上阻止或阻碍驾驶，使得驾驶员辅助系统仅对真正的障碍物做出反应。
[0006]为了决定对象的驾驶通过性，精确估计对象的高度是有益的。
[0007]现代车辆通常设有前视雷达传感器。这种雷达传感器安装在车辆上，并可用于检测车辆路径中的对象。通常，这种雷达传感器的输出包括作为环境中的反射中心的点状呈现的检测。
[0008]这种雷达传感器的雷达天线可以具有多个天线振子。所述雷达天线具有在竖直方向上分布的多个天线振子。作为示例，这些天线振子也可以被称为接收天线振子。在竖直方向上分布的多个天线振子可以是除水平分布的天线振子之外的天线振子。这样，可以获得在高度上(即竖直高度上)分离的检测。
[0009]通常，从天线振子的输出中获得检测的标准过程可以包括以下步骤：
[0010]1、收集从天线振子接收到的复数以形成矢量(以下称为“射束矢量”)。
[0011]2、基于射束矢量来估计高度谱(elevation spectrum)，例如功率谱。
[0012]3、在高度谱中搜索一个或更多个峰。
[0013]4、将所述峰确定为检测到的对象的高度角(elevation angle)。
[0014]使用检测到的高度角，可以通过考虑车辆上的雷达传感器相对于路面的安装高度、雷达安装相对于路面的高度角以及雷达传感器相对于路面的动态俯仰角(pitch angle)，将检测到的高度角变换为高度值来确定检测到的对象相对于路面的高度。动态俯仰角是指在驾驶时由于诸如颠簸、坑穴的道路不平整和加速/制动操纵的而导致的雷达坐标系与世界坐标系之间的角度变化。举例来说，合适的世界坐标系可具有位于道路表面处
的原点。
[0015]这种用于确定被检测的对象的高度的标准过程存在许多缺点。
[0016]首先，这种标准过程高度依赖于雷达传感器分辨高度角中的散射的能力，对于汽车雷达传感器来说，这种能力通常相当较低。例如，汽车雷达传感器分辨高度角散射的能力通常比它们分辨方位角(即水平方向)散射的能力低得多。
[0017]例如，当使用典型的汽车雷达传感器时，可能出现这样的情况，即，由于雷达传感器关于高度的低分辨率，导致不能分开对象的底部的反射点和对象的顶部的反射点。在这种情况下，光谱中的峰将被检测为位于这些反射点之间的某处。这导致对象高度被低估。
[0018]作为另一个例子，可能出现在一对象上检测到强反射点和弱反射点的情况。当使用如上所述的标准过程时，弱反射点可能不被报告为峰，即便弱反射点可能是更重要的点，例如，估计对象高度所需的对象顶部上的反射点。
[0019]其次，这种标准过程高度依赖于关于雷达传感器安装的高度角和动态俯仰角的准确数据的可用性。如果雷达传感器的安装已经例如由于损坏或修理而以任何方式被调节，或者车辆不具有感测动态俯仰角的可靠装置，则这种信息可能不总是可用于驾驶员辅助系统，或者可能不准确。
[0020]第三，在这种检测生成的标准过程中，由于只考虑估计的高度谱中的峰，所以丢失了有用的信息。
[0021]因此，本文公开的方面的目的是解决上述缺点中的一个或更多个。

技术实现思路

[0022]根据本公开的第一方面的实施方式，公开了一种用于确定车辆周围环境中的对象的高度的计算机执行的方法。该方法包括获取关于雷达天线的多个竖直分布的天线振子中的每一个天线振子的雷达数据，并根据所获取的雷达数据来估计高度谱。该方法还包括提取表示所估计的高度谱的形状的一个或更多个特征，并使用所提取的一个或更多个特征来确定对象的高度。
[0023]本文所公开的方面使用从所估计的高度谱提取出的、表示所述高度谱的形状的一个或更多个特征来确定对象的高度。
[0024]在所述标准检测生成过程期间丢失的信息包括所述谱本身。通过使用表示所估计的高度谱的形状的一个或更多个特征而不是仅使用高度谱的峰的位置来确定对象的高度，本文所公开的方面允许利用该信息来获得附加的辨别能力，以便更准确且更可靠地确定检测到的对象的高度。
[0025]此外，本文所公开的方面利用高度谱的形状而非高度谱中的一个或更多个峰的绝对位置来确定对象的高度。这提供了许多另外的优点：
[0026]1、高度谱的形状表示被检测对象的总体反射行为。这样，可以减轻上面讨论的第一个问题。
[0027]2、通过忽略峰在高度谱内的绝对位置，本文公开的方面相对于雷达传感器安装的高度角是不变的，并且更重要地，相对于动态俯仰角是不变的。
[0028]对于多个天线振子中的每一个天线振子，雷达数据可以包括表示由该天线振子接收到的返回信号的相位和幅度的复数。
[0029]高度谱可以包括返回信号的相位或幅度相对于高度角的估计。
[0030]所提取的一个或更多个特征包括所述高度谱在给定幅度水平的角度区域。
[0031]对象的高度可以被确定为高度值，该高度值使在相对于高度谱的最高峰的给定幅度水平的角度区域与对象的估计角度区域之间的差变得最小。
[0032]根据第一方面的方法还可以包括基于雷达数据来确定从雷达天线到对象的距离。
[0033]可以使用从雷达天线到对象的测量距离、雷达天线相对于地面的安装高度和高度值来估计对象的估计角度区域。
[0034]提取一个或更多个特征可以包括拟合高度谱的分布并且提取拟合分布的一个或更多个参数作为一个或更多个特征。
[0035]根据第一方面的方法还可以包括：基于针对车辆移动时一个或更多个时间步长中的各个时间步长获取的雷达数据来确定对象的更新的高度。
[0036]可以通过将所提取的一个或更多个特征输入到机器学习算法来确定对象的高度。
[0037]可以训练机器学习算法以确定高度谱的形状与对象的高度之间的关系。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种确定车辆(200)周围环境中的对象(W)的高度(h
T
)的计算机实现的方法，该计算机实现的方法包括以下步骤：获取(S41)关于雷达天线(R)的多个竖直分布的天线振子中的各个天线振子的雷达数据；根据所获取的雷达数据来估计(S42)高度谱(500)，所述高度谱包括返回信号的幅度相对于高度角的估计；提取(S43)代表所估计的高度谱(500)的形状的一个或更多个特征，所述一个或更多个特征包括所述高度谱(500)在给定幅度水平处的角度区域；以及使用所提取的一个或更多个特征来确定(S44)所述对象(W)的高度(h
T
)。2.根据权利要求1所述的计算机实现的方法，其中：所述方法还包括基于所述雷达数据来确定从所述雷达天线(R)到所述对象(W)的距离(r)，所述对象(W)的给定高度值的估计角度区域是使用所测量的从所述雷达天线(R)到所述对象(W)的距离(r)、所述雷达天线(R)相对于地面的安装高度(h
R
)以及所述给定高度值来估计的，并且所述对象(W)的高度(h
T
)被确定为使相对于所述高度谱(500)的最高峰的所述给定幅度水平处的角度区域与所述对象(W)的估计角度区域之间的差最小化的高度值。3.根据权利要求1所述的计算机实现的方法，其中：提取所述一个或更多个特征的步骤包括拟合所述高度谱(500)的分布，并提取所拟合的分布的一个或更多个参数作为所述一个或更多个特征。4.根据权利要求1至3中任一项所述的计算机实现的方法，所述计算机实现的方法还包括以下步骤：基于针对所述车辆(200)移动时的一个或更多个时间步长中的各个时间步长获取的雷达数据，确定所述对象(W)的更新的高度(h
T
)。5.根据权利要求1所述的计算机实现的方法，其中：所述对象(W)的高度(h
T
)是通过将所提取的一个或更多个特征输入到机器学习算法来确定的。6.根据权利要求5所述的计算机实现的方法，其中：表示所估计的高度谱(500)的形状的一个或更多个特征是针对所述车辆(200)移动时的一个或更多个时间步长中的各个时间步长获取的雷达数据提取的，并且所述对象(W)的高度(h
T
)是通过向所述机器学习算法输入针对所述一个或更多个...

【专利技术属性】
技术研发人员：J，
申请(专利权)人：APTIV技术有限公司，
类型：发明
国别省市：