车轮检测和其在物体跟踪以及传感器配准中的应用制造技术

公开了车轮检测和其在物体跟踪以及传感器配准中的应用，包括用于跟踪正在相对于主车辆横向的位置上驾驶的远程车辆的方法和系统。为物体检测融合系统提供来自两个雷达传感器的目标数据。远程车辆上的车轮被识别为基本上同一位置、但多普勒距变率值变化显著的雷达点群集。如果可识别远程车辆的近侧上的两个车轮，则使用通过两个雷达传感器测量的车轮位置进行融合计算，从而产生远程车辆位置、取向以及速度的准确估值。在横向碰撞预防（LCP）系统中使用远程车辆位置、取向以及速度来触发警示或闪避操作。还可通过基于同一车轮测量数据的另一融合计算来校准雷达传感器对准。

【技术实现步骤摘要】

本专利技术总体上涉及一种横向车辆物体检测系统，并且更具体来说涉及一种物体检测系统，其在雷达点数据中识别车轮的独特运动特征以定位远程车辆的车轮，并且使用远程车辆车轮位置来准确确定远程车辆的位置、取向以及速度，并且同时校准雷达传感器对准。
技术介绍
物体检测系统还称为物体感测系统，其在现代车辆中变得日臻普遍。物体检测系统可向驾驶员提供关于车辆路径上的物体的警示。物体检测系统还可为主动式车辆系统提供输入，所述主动式车辆系统诸如自适应巡航控制，其控制车辆速度以与前方车辆保持适当纵向间距；以及后方横越交通规避系统，其可提供警示与自动制动，以避免主车辆倒车时与主车辆后面的物体相撞。物体检测系统使用一个或多个传感器来检测主车辆路径上或附近物体的存在，所述传感器可为雷达、激光雷达、摄像机或其它技术。使用软件来跟踪物体随时间的相对运动，确定物体是移动的还是静止的，确定各物体可能是什么（另一车辆、行人、树木等等），并且确定各物体是否对主车辆造成碰撞威胁。然而，即使使用多物体感测输入，诸如雷达和摄像机，也不会总可能准确地评估远程车辆或物体的航向，尤其是如果远程车辆或物体正相对于主车辆在主要横向或切向方向上移动的话。此外，在一些情形下，难以将雷达点数据与摄像机图像数据准确地进行关联。需要使用来自摄像机和两个雷达传感器的物体数据来提供远程车辆和物体的准确二维速度的融合技术。
技术实现思路
根据本专利技术的教导，公开了一种用于跟踪正在相对于主车辆横向的位置上驾驶的远程车辆的方法和系统。为物体检测融合系统提供来自两个雷达传感器的目标数据。远程车辆上的车轮被识别为基本上同一位置、但多普勒距变率值变化显著的雷达点群集。如果可识别远程车辆的近侧上的两个车轮，则使用通过两个雷达传感器测量的车轮位置执行融合计算，以产生远程车辆位置、取向以及速度的准确估值。在横向碰撞预防（LCP）系统中使用远程车辆位置、取向以及速度来触发警示或闪避操作。还可通过基于同一车轮测量数据的另一融合计算来校准雷达传感器对准。本专利技术可以包括以下方案：1. 一种用于跟踪正在接近主车辆的关注区域中移动的远程车辆的方法，所述方法包括：提供来自主车辆车载的两个雷达传感器的数据，其中雷达传感器具有重叠的覆盖区，以使得当远程车辆处于关注区域中时，远程车辆的至少一部分由雷达传感器两者感测到，并且其中来自雷达传感器的数据包括识别远程车辆上的点的位置和多普勒距变率的雷达点；由所述雷达点识别远程车辆上的两个或更多个车轮；由两个雷达传感器提供两个或更多个车轮的车轮位置测量值，其中所述车轮位置测量值识别车轮中每一个的中心相对于雷达传感器中每一个的距离和方位角；使用包括所述车轮位置测量值的融合计算，使用微处理器计算远程车辆相对于主车辆的位置、取向以及速度；以及使用包括所述车轮位置测量值的融合计算，计算雷达传感器中的一个的对准校准角度。2. 如方案1所述的方法，其中识别远程车辆上的两个或更多个车轮包括：基于位置接近性将所述雷达点群集成组，并且将包括广泛变化的多普勒距变率测量值的所述组中的任一者识别为车轮。3. 如方案2所述的方法，其中基于位置接近性将所述雷达点群集成组包括：使用两个点的距离值差异和方位角值差异计算归一化函数，并且如果所述归一化函数具有不超过一的值，则在组中仅包括所述两个点 。4. 如方案2所述的方法，其中将包括广泛变化的多普勒距变率测量值的所述组中的任一者识别为车轮包括：相对于主车辆计算远程车辆上的车轮顶部点和车轮底部点的预期相对径向速度，并且将包括基本上匹配车轮顶部点和车轮底部点的预期相对径向速度的多普勒距变率测量值的所述组中的任一者识别为车轮。5. 如方案1所述的方法，其中计算远程车辆相对于主车辆的位置、取向以及速度包括：基于远程车辆最靠近主车辆的侧面上的两个车轮的车轮位置测量值计算远程车辆的取向。6. 如方案1所述的方法，其中计算远程车辆相对于主车辆的位置、取向以及速度包括：使用递归式预测远程车辆的与车轮测量位置相对应的状态的算法，其中远程车辆的状态包括二维位置和二维速度。7. 如方案6所述的方法，其中所述算法为卡尔曼滤波器算法。8. 如方案1所述的方法，其进一步包括：在横向碰撞预防（LCP）系统中使用远程车辆的位置、取向以及速度，其中关注区域位于主车辆的一侧；并且如果远程车辆进入警示区，则所述LCP系统发出警示，并且如果远程车辆进入即将碰撞包络，则应用主车辆制动和/或转向。9. 如方案1所述的方法，其进一步包括：提供来自主车辆车载的摄像机的图像，其中所述图像覆盖与雷达传感器的覆盖区重叠的视野，以使得远程车辆由摄像机和雷达传感器中的至少一个感测到，并且使用所述图像和所述雷达点执行融合计算，以确定远程车辆的位置、取向以及速度。10. 一种用于跟踪正在接近主车辆的关注区域中移动的远程车辆的方法，所述方法包括：提供来自所述主车辆车载的两个雷达传感器的数据，其中雷达传感器具有重叠的覆盖区，以使得当远程车辆处于关注区域中时，远程车辆的至少一部分由雷达传感器两者感测到，并且其中来自雷达传感器的数据包括识别远程车辆上的点的位置和多普勒距变率的雷达点；从所述雷达点识别远程车辆上的两个或更多个车轮，包括：基于位置接近性将所述雷达点群集成组，并且将包括广泛变化的多普勒距变率测量值的所述组中的任一者识别为车轮；由两个雷达传感器提供两个或更多个车轮的车轮位置测量值，其中所述车轮位置测量值识别车轮中每一个的中心相对于雷达传感器中每一个的距离和方位角；使用包括所述车轮位置测量值的融合计算，使用微处理器计算远程车辆相对于主车辆的位置、取向以及速度；使用包括所述车轮位置测量值的融合计算，计算雷达传感器中的一个的对准校准角度；以及在横向碰撞预防（LCP）系统中使用远程车辆的位置、取向以及速度，其中关注区域位于主车辆的一侧；并且如果远程车辆进入警示区，则所述LCP系统发出警示，并且如果远程车辆进入即将碰撞包络，则应用主车辆制动和/或转向。11. 如方案10所述的方法，其中基于位置接近性将所述雷达点群集成组包括：使用两个点的距离值差异和方位角值差异计算归一化函数，并且如果所述归一化函数具有不超过一的值，则在组中仅包括所述两个点。12. 如方案10所述的方法，其中将包括广泛变化的多普勒距变率测量值的所述组中的任一者识别为车轮包括：相对于主车辆计算远程车辆上的车轮顶部点和车轮底部点的预期相对径向速度，并且将包括基本上匹配车轮顶部点和车轮底部点的预期相对径向速度的多普勒距变率测量值的所述组中的任一者识别为车轮。13. 如方案10所述的方法，其中计算远程车辆相对于主车辆的位置、取向以及速度包括：基于远程车辆最靠近主车辆的侧面上的两个车轮的车轮位置测量值计算远程车辆的取向；并且进一步包括：使用递归式预测远程车辆的与车轮测量位置相对应的状态的算法，其中远程车辆的状态包括二维位置和二维速度。14. 一种用于主车辆的物体检测系统，所述系统包括：主车辆车载的两个雷达传感器，其中所述雷达传感器具有重叠的覆盖区，以使得当远程车辆处于关注区域中时，远程车辆的至少一部分由雷达传感器两者感测到，并且其中来自雷达传感器的数据包括识别远程车辆上的点的位置和多普勒距变率的雷达点；以及物体检测处理器，包括微处理器和存储模块，所述处理器被编本文档来自技高网...

【技术保护点】
一种用于跟踪正在接近主车辆的关注区域中移动的远程车辆的方法，所述方法包括：提供来自主车辆车载的两个雷达传感器的数据，其中雷达传感器具有重叠的覆盖区，以使得当远程车辆处于关注区域中时，远程车辆的至少一部分由雷达传感器两者感测到，并且其中来自雷达传感器的数据包括识别远程车辆上的点的位置和多普勒距变率的雷达点；由所述雷达点识别远程车辆上的两个或更多个车轮；由两个雷达传感器提供两个或更多个车轮的车轮位置测量值，其中所述车轮位置测量值识别车轮中每一个的中心相对于雷达传感器中每一个的距离和方位角；使用包括所述车轮位置测量值的融合计算，使用微处理器计算远程车辆相对于主车辆的位置、取向以及速度；以及使用包括所述车轮位置测量值的融合计算，计算雷达传感器中的一个的对准校准角度。

【技术特征摘要】
2015.04.06 US 14/6799981.一种用于跟踪正在接近主车辆的关注区域中移动的远程车辆的方法，所述方法包括：提供来自主车辆车载的两个雷达传感器的数据，其中雷达传感器具有重叠的覆盖区，以使得当远程车辆处于关注区域中时，远程车辆的至少一部分由雷达传感器两者感测到，并且其中来自雷达传感器的数据包括识别远程车辆上的点的位置和多普勒距变率的雷达点；由所述雷达点识别远程车辆上的两个或更多个车轮；由两个雷达传感器提供两个或更多个车轮的车轮位置测量值，其中所述车轮位置测量值识别车轮中每一个的中心相对于雷达传感器中每一个的距离和方位角；使用包括所述车轮位置测量值的融合计算，使用微处理器计算远程车辆相对于主车辆的位置、取向以及速度；以及使用包括所述车轮位置测量值的融合计算，计算雷达传感器中的一个的对准校准角度。2.如权利要求1所述的方法，其中识别远程车辆上的两个或更多个车轮包括：基于位置接近性将所述雷达点群集成组，并且将包括广泛变化的多普勒距变率测量值的所述组中的任一者识别为车轮。3.如权利要求2所述的方法，其中基于位置接近性将所述雷达点群集成组包括：使用两个点的距离值差异和方位角值差异计算归一化函数，并且如果所述归一化函数具有不超过一的值，则在组中仅包括所述两个点 。4.如权利要求2所述的方法，其中将包括广泛变化的多普勒距变率测量值的所述组中的任一者识别为车轮包括：相对于主车辆计算远程车辆上的车轮顶部点和车轮底部点的预期相对径向速度，并且将包括基本上匹配车轮顶部点和车轮底部点的预期相对径向速度的多普勒距变率测量值的所述组中的任一者识别为车轮。5.如权利要求1所述的方法，其中计算远程车辆相对于主车辆的位置、取向以及速度包括：基于远程车辆最靠近主车辆的侧面上的两个车轮的车轮位置测量值计算远程车辆的取向。6.如权利要求1所述的方法，其中计算远程车辆相对于主车辆的位置、取向以及速度包括：使用递归式预测远程车辆的与车轮测量位置相对应的状态的算法，其中远程车辆的状态包括二维位置和二维速度。7.如权利要求6所述的方法，其中所述算法为卡尔曼滤波器算法。8.如权利要求1所述的方法，其进一步包括：在横向碰撞预防（LCP）系统中使用远程车辆的位置、取向以及速度，其中关注...

【专利技术属性】
技术研发人员：S曾，XF宋，
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