用于物体融合的目标分类集合技术制造技术

披露一种用于物体融合的目标分类集合技术。该方法使用道路曲率信息以通过更好地预测已知目标物体的新位置并且将其与传感器测量相匹配来提高分类集合精确度。还使用额外的目标属性来提高分类集合精确度，其中属性包括范围变率、目标断面以及其他属性。还使用距离压缩来提高分类集合精确度，其中在对数尺度计算中压缩范围以减小远距离物体的测量中的误差。基于网格的技术包括使用散列表和泛洪填充算法以提高目标物体识别的计算性能，其中计算的次数可以被减少一定的数量级。

【技术实现步骤摘要】
用于物体融合的目标分类集合技术
本专利技术一般涉及物体检测系统中增强的目标识别，并且更具体来说，涉及用于将物体传感器测量分类集合到目标中的方法，该方法使用道路曲率信息、额外的目标属性以及距离压缩来提高分类集合精确度，以及使用散列表的基于网络的匹配以提高计算性能。
技术介绍
如今，许多车辆包括使用若干用于检测和识别主车辆附近的物体的不同技术中的任一种的物体检测系统，其中物体可以包括其他车辆、行人、固定物体等。用于物体检测的技术包括具有图像处理算法的摄像机、雷达、激光雷达和超声波以及其他技术。来自物体检测系统的数据通常被用于车辆中的一个或多个下游系统中，包括碰撞警告系统、碰撞避免系统以及其他驾驶者警报类型系统。物体检测系统还可以用来识别路缘、车道条纹、护轨和中央隔离壁，并且这些物品的位置可以用于车道感测系统中以确定在主车辆前面的道路中的车道几何形状。考虑到车辆上的物体检测传感器的激增以及多种多样的有待检测的物体，处理所有物体传感器数据的速度和精确度是极为重要的。尽管过去在此领域中已经做出一些发展，但是需要更多的改进来实现有效地将一组原始传感器测量转化为主车辆附近的车辆和其他目标的精确列表这一目标。
技术实现思路
根据本专利技术的教示，披露一种用于改进物体检测系统中的传感器测量的目标分类集合的方法。该方法使用道路曲率信息以便通过更好地预测已知目标物体的新位置并且将其与传感器测量相匹配来提高分类集合精确度。还使用额外的目标属性来提高分类集合精确度，其中属性包括范围变率、目标断面以及其他属性。还使用距离压缩来提高分类集合精确度，其中在对数尺度计算中压缩范围以减小远距离物体的测量中的误差。基于网格的技术包括使用散列表和泛洪填充算法以提高目标物体识别的计算性能，其中计算的次数可以被减少一定的数量级。本专利技术包括以下方案：1.一种用于将物体传感器测量与物体检测系统中的目标物体分类集合的方法，所述方法包括：提供由物体检测系统追踪的目标物体列表，其中目标物体列表包括由物体检测系统在主车辆前方的区域中识别出的已知目标；对于目标物体列表中的每个已知目标计算假设位置和定向，其中假设位置和定向包括自先前计算目标物体列表以后每个已知目标的移动的预测；提供来自至少一个物体感测系统的传感器测量点，其中传感器测量点指定在主车辆前方的区域中检测到的物体的点；使用微处理器将传感器测量点与在假设位置和定向处的已知目标分类集合；基于所述分类集合验证假设位置和定向；基于与已知目标中的一个不相关的传感器测量点的任何丛集来识别新目标；以及更新目标物体列表以包括假设位置和定向处的已知目标以及识别出的任何新目标。2.如方案1所述的方法，其中对于已知目标中的每一个，目标物体列表包括属性数据，所述属性数据包括微多普勒数据、目标断面、测量点中的信噪比以及在能从基于摄像机的物体感测系统获得的情况下的视觉属性。3.如方案1所述的方法，其中对于已知目标中的每一个，目标物体列表包括相对于主车辆的范围和方位角以及相对于主车辆的范围变率。4.如方案3所述的方法，其中将传感器测量点与已知目标分类集合包括比较所述点与所述目标的范围和范围变率以建立相关性。5.如方案1所述的方法，其中对于每个已知目标计算假设位置和定向包括使用数字地图数据以便基于道路曲率数据和目标速度来预测每个已知目标的位置和定向。6.如方案1所述的方法，其中对于每个已知目标计算假设位置和定向包括使用由主车辆外部的一个或多个源提供的物体数据，包括由其他车辆提供的物体数据和由路边基础设施检测和提供的物体数据。7.如方案1所述的方法，其中将传感器测量点与已知目标分类集合包括使用基于网格的技术，所述基于网格的技术基于位置将测量点中的每一个分配给网格单元，识别已知目标中的每一个的邻域中的网格单元子集，以及将识别出的网格单元子集中的测量点与已知目标分类集合。8.如方案7所述的方法，其中基于网格的技术包括通过在已知目标中的每一个的几何中心周围建立网络单元的九个单元方阵来识别已知目标中的每一个的邻域中的网格单元子集。9.如方案7所述的方法，其中基于网格的技术包括使用泛洪填充算法来识别已知目标中的每一个的邻域中的网格单元子集，其中已知目标能够具有任何任意形状和定向。10.如方案1所述的方法，其中提供来自至少一个物体感测系统的传感器测量点包括提供来自基于雷达的物体感测系统和来自基于摄像机的物体感测系统的传感器测量点。11.如方案1所述的方法，其进一步包括使用主车辆上的碰撞警告系统中的目标物体列表。12.一种用于将物体传感器测量与物体检测系统中的目标物体分类集合的方法，所述方法包括：提供由物体检测系统追踪的目标物体列表，其中目标物体列表包括由物体检测系统在主车辆前方的区域中识别出的已知目标；对于目标物体列表中的每个已知目标计算假设位置和定向，其中假设位置和定向包括基于道路曲率数据和目标速度自先前计算目标物体列表以后每个已知目标的移动的预测；提供来自至少一个物体感测系统的传感器测量点，其中传感器测量点指定在主车辆前方的区域中检测到的物体的点；使用微处理器将传感器测量点与在假设位置和定向处的已知目标分类集合，包括比较所述点与所述目标的范围和范围变率以建立相关性，以及进一步包括使用关于测量点和已知目标的映射的范围值，其中映射的范围值是使用对数尺度从实际范围值计算；基于所述分类集合验证假设位置和定向；基于与已知目标中的一个不相关的传感器测量点的任何丛集来识别新目标；以及更新目标物体列表以包括假设位置和定向处的已知目标以及识别出的任何新目标。13.如方案12所述的方法，其中将传感器测量点与已知目标分类集合包括使用基于网格的技术，所述基于网格的技术基于位置将测量点中的每一个分配给网格单元，识别已知目标中的每一个的邻域中的网格单元子集，以及将识别出的网格单元子集中的测量点与已知目标分类集合。14.一种物体检测系统，包括：主车辆车载的至少一个物体感测系统，所述物体感测系统提供指定在主车辆前方的区域中检测到的物体的点的传感器测量点；用于存储由物体检测系统追踪的目标物体列表的存储器模块，其中目标物体列表包括由物体检测系统在主车辆前方的区域中识别出的已知目标；与存储器模块和至少一个物体感测系统通信的物体检测处理器，所述物体检测处理器被配置成：对于目标物体列表中的每个已知目标计算假设位置和定向，其中假设位置和定向包括自先前计算目标物体列表以后每个已知目标的移动的预测；将传感器测量点与在假设位置和定向处的已知目标分类集合；基于所述分类集合验证假设位置和定向；基于与已知目标中的一个不相关的传感器测量点的任何丛集来识别新目标；以及更新目标物体列表以包括假设位置和定向处的已知目标以及识别出的任何新目标。15.如方案14所述的物体检测系统，其中对于已知目标中的每一个，目标物体列表包括属性数据，所述属性数据包括微多普勒数据、目标断面、测量点中的信噪比以及在能从基于摄像机的物体感测系统获得的情况下的视觉属性。16.如方案14所述的物体检测系统，其中对于已知目标中的每一个，目标物体列表包括相对于主车辆的范围和方位角以及相对于主车辆的范围变率，并且其中通过处理器将传感器测量点与已知目标分类集合包括比较所述点与所述目标的范围和范围变率以建立相关性。17.如方案14所述的物体检本文档来自技高网...

【技术保护点】
一种用于将物体传感器测量与物体检测系统中的目标物体分类集合的方法，所述方法包括：提供由物体检测系统追踪的目标物体列表，其中目标物体列表包括由物体检测系统在主车辆前方的区域中识别出的已知目标；对于目标物体列表中的每个已知目标计算假设位置和定向，其中假设位置和定向包括自先前计算目标物体列表以后每个已知目标的移动的预测；提供来自至少一个物体感测系统的传感器测量点，其中传感器测量点指定在主车辆前方的区域中检测到的物体的点；使用微处理器将传感器测量点与在假设位置和定向处的已知目标分类集合；基于所述分类集合验证假设位置和定向；基于与已知目标中的一个不相关的传感器测量点的任何丛集来识别新目标；以及更新目标物体列表以包括假设位置和定向处的已知目标以及识别出的任何新目标。

【技术特征摘要】
2015.01.14 US 14/5971081.一种用于将物体传感器测量与物体检测系统中的目标物体进行分类集合的方法，所述方法包括：提供由物体检测系统追踪的目标物体列表，其中目标物体列表包括由物体检测系统在主车辆前方的区域中识别出的已知目标；对于目标物体列表中的每个已知目标计算假设位置和定向，其中假设位置和定向包括自先前计算目标物体列表以后每个已知目标的移动的预测；提供来自至少一个物体感测系统的传感器测量点，其中传感器测量点指定在主车辆前方的区域中检测到的物体的点；使用微处理器将传感器测量点与在假设位置和定向处的已知目标进行分类集合；基于所述分类集合验证假设位置和定向；基于与已知目标中的一个不相关的传感器测量点的任何丛集来识别新目标；以及更新目标物体列表以包括假设位置和定向处的已知目标以及识别出的任何新目标。2.如权利要求1所述的方法，其中对于已知目标中的每一个，目标物体列表包括属性数据，所述属性数据包括微多普勒数据、目标断面、测量点中的信噪比以及在能从基于摄像机的物体感测系统获得的情况下的视觉属性。3.如权利要求1所述的方法，其中对于已知目标中的每一个，目标物体列表包括相对于主车辆的范围和方位角以及相对于主车辆的范围变率。4.如权利要求3所述的方法，其中将传感器测量点与已知目标进行分类集合包括比较所述点与所述目标的范围和范围变率以建立相关性。5.如权利要求1所述的方法，其中对于每个已知目标计算假设位置和定向包括使用数字地图数据以便基于道路曲率数据和目标速度来预测每个已知目标的位置和定向。6.如权利要求1所述的方法，其中对于每个已知目标计算假设位置和定向包括使用由主车辆外部的一个或多个源提供的物体数据，包括由其他车辆提供的物体数据和由路边基础设施检测和提供的物体数据。7.如权利要求1所述的方法，其中将传感器测量点与已知目标进行分类集合包括使用基于网格的技术，所述基于网格的技术基于位置将测量点中的每一个分配给网格单元，识别已知目标中的每一个的邻域中的网格单元子集，以及将识别出的网格单元子集中的测量点与已知目标进行分类集合。8.如权利要求7所述的方法，其中基于网格的技术包括通过在已知目标中的每一个的几何中心周围建立网络单元的九个单元方阵来识别已知目标中的每一个的邻域中的网格单元子集。9.如权利要求7所述的方法，其中基于网格的技术包括使用泛洪填充算法来识别已知目标中的每一个的邻域中的网格单元子集，其中已知目标能够具有任何任意形状和定向。10.如权利要求1所述的方法，其中提供来自至少一个物体感测系统的传感器测量点包括提供来自基于雷达的物体感测系统和来自基于摄像机的物体感测系统的传感器测量点。11.如权利要求1所述的方法，其进一步包括使用主车辆上的碰撞警告系统中的目标物体列表。12.一种用于将物体传感器测量与物体检测系统中的目标物体进行分类集合的方法，所述方法包括：提供由物体检测系统追踪的目标物体列表，其中目标物体列表包括由物体检测系统在主车辆前方的区域中识别出的已知目标；对于目标物体列表中的每个已知目标计算假设位置和定向，其中假设位置和定向包括基于道路曲率数据和目标速度自先前计算目标物体列表以后每个已知目标的移动的预测；提供来自至...

【专利技术属性】
技术研发人员：S曾，KA奥迪，D菲尔德曼，JN尼科劳乌，
申请(专利权)人：通用汽车环球科技运作有限责任公司，
类型：发明
国别省市：美国;US