识别物体的方法技术

识别物体的方法。在一种借助雷达传感器系统识别物体的方法中，将一次雷达信号发送到观察空间中，接收被物体反射的二次雷达信号，生成二次雷达信号的微多普勒谱图，并且基于微多普勒谱图确定与物体的一部分的至少基本周期性的运动相关的至少一个周期量。确定至少一个周期量包括以下步骤:(i)确定对应于所述微多普勒谱图的至少基本周期性的图案的至少一个周期性信号分量的路线，(ii)将平滑曲线拟合到所述周期性信号分量，(iii)确定所述平滑曲线的多个峰和/或谷的位置，以及(iv)基于所确定的峰和/或谷的位置确定周期量。

Methods of identifying objects

【技术实现步骤摘要】
识别物体的方法
本专利技术涉及一种借助雷达传感器系统识别物体的方法，其中，将一次雷达信号发送到观察空间中，接收被物体反射的二次雷达信号，生成二次雷达信号的微多普勒谱图，并且基于该微多普勒谱图确定与物体的一部分的至少基本周期性的运动相关的至少一个周期量。
技术介绍
雷达传感器系统被广泛应用。例如，现代机动车辆通常配备有雷达传感器系统，以检测其它车辆、障碍物或诸如行人或骑车人的交通弱势群体。对于各种高级驾驶辅助系统(ADAS)(例如先进紧急制动(AEB)系统、自适应巡航控制(ACC)系统和自主驾驶系统)，尤其需要对主车辆的交通空间中的物体进行检测和分类。通常，已知的多普勒效应用于收集与运动物体相关的信息。多普勒效应或多普勒频移是当波源相对于接收器移动时所观察到的频率变化。多普勒频移主要是由于被观察物体的整体运动(即在从行人身躯的运动观察到行人的情况下以及在从自行车车架的运动观察到骑车人的情况下)引起的。除了由主体运动引起的这种频移之外，通常还有与物体的运动部位相关的边带。例如，行人的摆动的臂或腿以及自行车的旋转的车轮或踏板会导致额外的多普勒频移。这种额外的频移在微多普勒谱图中是可辨别的。通常，二次雷达信号的微多普勒谱图是在被称为“观察周期”的预定时间段内生成的。微多普勒谱图的生成在例如ChenV.C.的"TheMicro-DopplerEffectinRadar"一书(ArtechHouse，2011年)或Yan等人的论文"Micro-DopplerBasedClassifyingFeaturesforAutomotiveRadarVRUTargetClassification"(第25届增强车辆安全(ESV)国际技术会议，2017年6月5-8日，美国密歇根州底特律)中被公开。各个分量的多普勒频移的叠加被称为“微多普勒特征”。可以分析微多普勒特征来对所检测到的物体进行分类。例如，在GürbüzS.Z.等人的论文"DetectionandIdentificationofHumanTargetsinRadarData"(SPIE6567，信号处理、传感器融合和目标识别XVI(SignalProcessing,SensorFusionandTargetRecognitionXVI)，65670I，2007年5月)中公开了使用多普勒谱图来区分行人。由于上述臂、腿、车轮或其它单个部件的运动通常是基本周期性的，因此它们在微多普勒谱图中产生至少基本周期性的图案。通过确定与这种图案相关的周期量，可以区分不同类型的物体，例如区分人与车辆或区分人与动物。至少一个周期量可以是平均周期持续时间、平均重复频率或与图案的一个周期相关的多个时间仓(timebin)。对于行人，周期量是行人步态周期的特征。一个步态周期通常对应于两个脚步。为了确定微多普勒谱图中图案的重复频率，可以对谱图进行傅立叶分析。然而，该方法需要相对较长的观察时间，这在现实世界场景中通常是不可实现的，特别是汽车应用需要相当短的观察时间。此外，傅立叶分析通常依赖于被观察物体的速度恒定的假设。然而，这一假设在许多情况下被违反，例如，行人可能会突然减速甚至停下来。傅立叶分析不适用于这些情况。还应注意，傅里叶分析不便于分段过程(即不便于发现图案的开始位置和结束位置)。然而，在许多应用中需要可靠的分段过程。由于上述原因，实际上难以通过微多普勒分析来正确识别物体。
技术实现思路
本专利技术的目的是即使在不利的环境下也能通过雷达传感器系统可靠地识别物体。根据本专利技术，通过如权利要求1所述的方法来达到该目的。根据本专利技术，确定至少一个周期量包括以下步骤：(i)确定对应于微多普勒谱图的至少基本周期性的图案的至少一个周期性信号分量的路线，(ii)将平滑曲线拟合到周期性信号分量，(iii)确定平滑曲线的多个峰和/或谷的位置，(iv)基于所确定的峰和/或谷的位置确定周期量。通过根据本专利技术的方法，即使在物体的速度变化的情况下，也可以可靠地识别被观察物体的周期性运动分量。不需要很长的观察时间。如果平滑曲线的峰和/或谷的位置是已知的，则较为容易估计重复频率、周期或类似的量。例如，周期可以确定为两个连续峰或谷之间的距离。微多普勒谱图中的周期性图案是一系列相互间隔开的相似特征。在本公开的上下文中，周期性图案是具有基本周期性外观的谱图结构，因此包含周期性信息。然而，在严格的数学意义上，周期性图案不一定是周期性的。因此，在严格的数学意义上，与微多普勒谱图的周期性图案相对应的信号分量同样不是周期性的。相反，这种信号分量包含周期性信息，但是具有强烈波动的路线，表现出许多局部峰和谷。因此，难以在从谱图中提取的原始信号分量的路线中直接获得周期性信息。然而，通过将平滑曲线拟合到信号分量，可以估计真实的最大值和最小值。本专利技术的有利实施方式可以从从属权利要求、以下描述和附图中得出。在步骤(ii)中，可以借助自适应曲线拟合过程将平滑曲线拟合到周期性信号分量。这种过程能够适应不同的条件。对应的曲线拟合过程特别稳健。根据本专利技术的实施方式，自适应曲线拟合过程的至少一个过程参数在曲线拟合过程期间被连续地调整。因此，可以补偿过程动力学的变化。优选地，基于所确定的物体速度变化来调整过程参数。因此，可以处理物体突然停止或快速加速的情况。物体的速度可以被捕获或测量，优选地通过雷达传感器系统进行捕获或测量。或者，可以基于先验信息来确定速度。在步骤(i)中，微多普勒谱图的上包络、下包络和/或上包络与下包络之间的差的路线可以被确定为至少一个周期性信号分量。这些信号分量相对容易从谱图中提取出来。原则上，强雷达反射分量(例如行人身躯信号或骑车人踏板或车轮信号)可以被确定为周期性信号分量。在步骤(ii)中，将平滑曲线拟合到周期性信号分量的步骤可以利用窗口函数来执行，特别是利用三角形核、多项式核或Savitzky-Golay核来执行。优选地，利用高阶核。窗口函数是在预定义的区间外为零值的数学函数。通过将窗口函数应用于强烈波动的输入函数，可以实现输入函数的有效平滑。原则上，步骤(ii)可以包括对周期性信号分量应用移动平均滤波器。根据本专利技术的实施方式，在将平滑曲线拟合到周期性信号分量期间，窗口函数的窗口大小被连续地调整。事实证明，这样提供了特别稳健的结果。优选地，窗口大小根据物体的速度和/或物体的速度变化来调整。根据应用，可以利用所观察到的速度或实际速度。微多普勒谱图可以借助时频分析生成，特别是借助短时傅立叶变换(Short-Time-Fourier-Transform，STFT)或维格纳维尔分布技术(Wigner-Ville-Distribution，WVD技术)生成。根据应用，可以对二次雷达信号或从二次雷达信号获得的信号进行时频分析。二次雷达信号本身或从二次雷达信号获得的信号都可以进行时频分析。步骤(iii)可以包括分段过程，其中，一系列峰中的第一个峰被定义为分段的开始位置且/或一系列峰中的最后一个峰被定义为分段的结束位置。如果各个图案分段的边界已知，则可以更可靠地对物体进行分类。在步骤(iv)中，周期量可以借助递归状态估计器(特别是卡尔曼(Kalman)滤波器)来估计。借助递归状态估计器，可以获得特别可靠的结果。递归状态估计器可以利用包括物体速度和运本文档来自技高网...

【技术保护点】
1.一种借助雷达传感器系统(13)识别物体(19)的方法，其中将一次雷达信号发送到观察空间(23)中，接收被所述物体(19)反射的二次雷达信号，生成所述二次雷达信号的微多普勒谱图(30、30’)，并且基于所述微多普勒谱图(30、30’)确定与所述物体(19)的一部分的至少基本周期性的运动相关的至少一个周期量，其中，确定所述至少一个周期量的处理包括以下步骤：(i)确定与所述微多普勒谱图(30、30’)的至少基本周期性的图案(31、32)相对应的至少一个周期性信号分量(50、51、52、54)的路线，(ii)将平滑曲线(55)拟合到所述周期性信号分量(50、51、52、54)，(iii)确定所述平滑曲线(55)的多个峰(57)和/或谷(58)的位置，以及(iv)基于所确定的峰(57)和/或谷(58)的位置确定所述周期量。

【技术特征摘要】
2018.04.10 EP 18166530.81.一种借助雷达传感器系统(13)识别物体(19)的方法，其中将一次雷达信号发送到观察空间(23)中，接收被所述物体(19)反射的二次雷达信号，生成所述二次雷达信号的微多普勒谱图(30、30’)，并且基于所述微多普勒谱图(30、30’)确定与所述物体(19)的一部分的至少基本周期性的运动相关的至少一个周期量，其中，确定所述至少一个周期量的处理包括以下步骤：(i)确定与所述微多普勒谱图(30、30’)的至少基本周期性的图案(31、32)相对应的至少一个周期性信号分量(50、51、52、54)的路线，(ii)将平滑曲线(55)拟合到所述周期性信号分量(50、51、52、54)，(iii)确定所述平滑曲线(55)的多个峰(57)和/或谷(58)的位置，以及(iv)基于所确定的峰(57)和/或谷(58)的位置确定所述周期量。2.根据权利要求1所述的方法，其特征在于，在步骤(ii)中，借助自适应曲线拟合过程将所述平滑曲线(55)拟合到所述周期性信号分量(50、51、52、54)。3.根据权利要求2所述的方法，其特征在于，在所述曲线拟合过程中，对所述自适应曲线拟合过程的至少一个过程参数进行连续调整。4.根据权利要求3所述的方法，其特征在于，基于所确定的所述物体(19)的速度变化来调整所述过程参数。5.根据前述权利要求中任一项所述的方法，其特征在于，在步骤(i)中，确定所述微多普勒谱图(30、30’)的上包络(51)、下包络(52)和/或上包络(51)与下包络(52)的差(54)的路线作为所述至少一个周期性信号分量。6.根据前述权利要求中任一项所述的方法，其特征在于，在步骤(ii)中，将所述平滑曲线(55)拟合到所述周期性信号分量(50、51、52、54)的步骤利用窗口函数来执行，尤其是...

【专利技术属性】
技术研发人员：闫鸿慧，张韬，W·多尔，亚历山大·伊奥澳夫，
申请(专利权)人：APTIV技术有限公司，
类型：发明
国别省市：巴巴多斯,BB