机动车雷达场景模拟器制造技术

本发明专利技术提供了一种机动车雷达场景模拟器。实时机动车雷达模拟工具基于根据基于物理的渐近模拟和全波模拟中归纳的简化统计模型而开发。一些模型已经通过测量被验证。该模拟工具可以帮助机动车行业节省成本和时间，尤其是自动驾驶机动车。该模拟工具还可以帮助开发新功能例如目标识别或分类，并且有助于防止错误的告警。

Vehicle radar scene simulator

【技术实现步骤摘要】
机动车雷达场景模拟器相关申请的交叉引用本申请要求于2018年10月4日提交的美国临时申请第62/741,232号的权益。上述申请的全部公开内容通过引用并入本文中。
本公开内容涉及一种机动车雷达场景模拟器以及用于构建由雷达捕获的目标的简化统计模型的技术。
技术介绍
安全始终是道路上最重要的问题之一。为了采用用于车辆的任何传感器，安全性和可靠性要求在各种条件下进行数百万英里的道路测试。用于自动驾驶车辆的传感器还必须满足道路测试的性能要求和可靠性。如雷达、激光雷达和摄像装置的传感器被设想用于无人驾驶汽车。预期需要一系列这样的传感器协调工作，以补充彼此映射环境和检测危险对象的能力。道路测试的一个难点是在获取传感器测量值的同时获取有关环境的信息。这需要使与错误或遗漏检测相关联的事件相互关联。与道路测试相比，高保真度模拟可以提供具有精确基础事实的更可靠的传感器数据。模拟领域中传感器评估的另一重要优点是更低的成本，并且节省了在驾驶环境中收集数据所需的过多时间。在模拟领域中，也可以轻松构建一些现实中罕见的极端交通条件。在上述三个主要传感器中，交通环境的模拟是最困难的并且对于雷达传感器来说是反直觉的。公开的专利技术描述了一种执行动态交通环境的基于实时和物理的雷达模拟的方法。该机动车雷达模拟工具用于针对在城市、乡村和高速公路环境中通常遇到的不同移动和静止目标提供背向散射模拟。本节提供与本公开内容相关的但不一定是现有技术的背景信息。
技术实现思路
本节提供了本公开内容的总体概述，而不是本公开内容的全部范围或其所有特征的全面公开。提出了一种用于构建针对由机动车雷达捕获的给定目标的简化统计模型的计算机实现的方法。该方法包括：识别针对给定目标的一个或更多个属性；针对一个或更多个雷达参数选择初始组值；由电磁场求解器使用初始组值来确定针对给定目标的多个雷达截面值，同时随机地改变针对一个或更多个目标属性的值；并且根据多个雷达截面值来构建针对给定目标的参数统计模型。该方法可以还包括针对一个或更多个雷达参数选择不同组值；并且使用不同组值来确定针对给定目标的附加雷达截面值，同时随机地改变针对一个或更多个目标属性的值。例如，可以使用蒙特卡罗方法来改变针对一个或更多个目标属性的值；并且，例如，可以使用物理光学方法来确定多个雷达截面值。在一个示例中，给定目标还被定义为人，并且目标属性包括姿势、性别、体重和身高。雷达参数的示例包括但不限于相对于给定目标的入射角以及到给定目标的范围。在示例实施方式中，参数统计模型还由指数分布函数、对数正态分布函数或威布尔分布函数中的一个的参数来定义。另外，指数分布函数、对数正态分布函数或威布尔分布函数中的一个的参数被导出作为相对于给定目标的入射角以及到给定目标的范围的函数。在另一示例实施方式中，参数统计模型还由多个雷达截面值的指数分布函数的平均值和多个雷达截面值的指数分布函数的标准差来定义。在其他实施方式中，给定目标的统计模型可以随着不同类型的雷达而变化。例如，单输入单输出雷达可以只需要一个雷达截面值以表示目标；然而，多输入多输出雷达需要具有由统计模型生成的随机雷达截面值的一个或更多个散射体。另外，该方法还包括在显示设备上生成场景，其中场景包括给定目标，并且给定目标从针对给定目标的参数统计模型中得出。在另一方面，一种用于构建针对给定目标的简化统计模型的计算机实现的方法包括：识别针对给定目标的一个或更多个属性；针对一个或更多个雷达参数选择一组值；使用所述一组值来确定针对给定目标的多个雷达截面值；并且根据多个雷达截面值来构建针对给定目标的参数统计模型。在一个实施方式中，确定多个雷达截面值包括使用雷达捕获第一组雷达截面值；使用第一组雷达截面值和辐射传递理论来定义函数；以及利用该函数生成附加组的雷达截面值。在另一实施方式中，确定多个雷达截面值包括通过利用电磁场求解器使用初始组值生成针对给定目标的多个雷达截面值，同时随机地改变针对一个或更多个目标属性的值。在一个示例中，给定目标还被定义为道路表面，并且目标属性包括道路类型和道路状况。示例雷达参数包括但不限于极化以及相对于给定目标的入射角。在另一示例中，给定目标还被定义为人，并且目标属性包括姿势、性别、体重和身高。根据本文中提供的描述，另外的适用领域将变得明显。该
技术实现思路
中的描述和具体示例旨在仅用于说明的目的，而不旨在限制本公开内容的范围。附图说明本文中描述的附图用于所选定的实施方式的仅说明性目的，而不是全部可能的实现方式，并且不旨在限制本公开内容的范围。图1是机动车雷达场景模拟器的示例实施方式的框图；图2是描绘用于构建针对场景中的目标的统计模型的方法的示例实施方式的流程图；图3是描绘人的不同姿势的图；图4A和图4B分别是示出对于行走和慢跑的人具有不同身高的人体模型的图；图4C是示出对于行走的人具有不同体重的人体模型的图；图5A和图5B是示出作为示例统计模型的不同参数的范围的函数的傅里叶系数的曲线图；图6是描绘用于构建分布式目标的统计模型的另一方法的示例实施方式的流程图；图7A和图7B是示出测得的背向散射系数与使用辐射传递理论计算的背向散射系数的比较的曲线图；图8是由场景模拟器生成的场景的示例模拟；图9是描绘人工神经网络的示例结构的图；图10A和图10B分别是通过数值模拟利用波束控制雷达在方位角方向上以及在仰角和方位角方向两者上生成的雷达图像；图10C是示出通过对象识别器进行雷达图像识别的卷积神经网络的示例的流程图；图11A是典型轿车的俯视图；图11B和图11C是示出当从后面照射时针对轿车的分别在二维空间和三维空间中分布的散射体随机生成的雷达截面值的曲线图。贯穿附图的多个视图中对应的附图标记表示对应的部件。具体实施方式现在将参照附图更充分地描述示例实施方式。图1描绘了机动车雷达场景模拟器10的示例实施方式。雷达模拟的主要挑战是计算来自不同不规则对象，例如交通标志、行人和车辆(被称为点目标)以及随机粗糙表面和随机体积(被称为分布式目标)的复杂电磁(EM)散射的解决方案。针对边界值问题的麦克斯韦方程不仅难以制定，而且计算耗时。雷达散射解决方案是目标参数(例如其几何和材料属性)以及雷达属性(例如频率、极化和入射角)的函数。根据目标的大小、天线波束宽度和范围，目标可以被雷达部分地照亮。在这种情况下，目标的雷达截面(RCS)也是雷达到目标的距离的函数。由于交通场景中遇到的大多数目标与波长相比非常大，因此雷达截面相对于姿态角(aspectangle)的变化非常快并且波动水平高。这是由于，在典型目标上存在许多散射点，该典型目标的散射贡献可以根据雷达姿态角进行建设性地或破坏性地添加。另一复杂程度是遇到的目标的统计变化。例如，有许多不同形状和大小的车辆、行人、交通标志、道路表面等。为了开发逼真且实时的雷达模拟器，必须预先计算目标的本文档来自技高网...

【技术保护点】
1.一种用于构建针对由机动车雷达捕获的给定目标的简化统计模型的计算机实现的方法，包括：/n识别针对所述给定目标的一个或更多个属性；/n针对一个或更多个雷达参数选择初始组值；/n由电磁场求解器使用所述初始组值来确定针对所述给定目标的多个雷达截面值，同时随机地改变针对所述一个或更多个目标属性的值；并且/n根据所述多个雷达截面值来构建分布在二维空间或三维空间中的一个或更多个散射体的参数统计模型，其中，所述参数统计模型代表所述给定目标。/n

【技术特征摘要】
20181004 US 62/741,232;20190924 US 16/579,9591.一种用于构建针对由机动车雷达捕获的给定目标的简化统计模型的计算机实现的方法，包括：
识别针对所述给定目标的一个或更多个属性；
针对一个或更多个雷达参数选择初始组值；
由电磁场求解器使用所述初始组值来确定针对所述给定目标的多个雷达截面值，同时随机地改变针对所述一个或更多个目标属性的值；并且
根据所述多个雷达截面值来构建分布在二维空间或三维空间中的一个或更多个散射体的参数统计模型，其中，所述参数统计模型代表所述给定目标。


2.根据权利要求1所述的方法，其中，所述给定目标还被定义为人，并且所述目标属性包括姿势、性别、体重和身高。


3.根据权利要求1所述的方法，其中，所述一个或更多个雷达参数包括相对于所述给定目标的入射角以及到所述给定目标的范围。


4.根据权利要求1所述的方法，还包括针对所述一个或更多个雷达参数选择不同组值；并且使用所述不同组值来确定针对所述给定目标的附加雷达截面值，同时随机地改变针对所述一个或更多个目标属性的值。


5.根据权利要求1所述的方法，还包括使用蒙特卡罗方法来随机地改变针对所述一个或更多个目标属性的值。


6.根据权利...

【专利技术属性】
技术研发人员：卡迈勒·萨拉班迪，蔡秀章，
申请(专利权)人：密歇根大学董事会，
类型：发明
国别省市：美国;US