估计目标数量的装置和方法制造方法及图纸

本公开是一种用于估计目标数量的装置和方法。所述装置包括：雷达信号接收器，其被配置为接收雷达信号，所述雷达信号属于由雷达发送的检测信号，并且所述雷达信号被地面上的物体反射；和控制器，其被配置为通过处理接收到的雷达信号来学习目标数量，并且基于所学信息，通过处理新接收到的雷达信号来估计目标数量。根据本发明专利技术的装置和方法，可使得车辆的雷达能够准确地估计目标对象(即目标)的数量。

【技术实现步骤摘要】
估计目标数量的装置和方法相关申请的交叉引用本申请基于35U.S.C.§119(a)要求于2019年1月22日向韩国知识产权局提交的、申请号为10-2019-0007997的韩国专利申请的优先权，其全部内容通过引用并入本申请。
本公开的实施方式涉及一种用于估计目标数量的装置和方法，并且更具体地，涉及一种用于估计目标数量的装置和方法，其使车辆的雷达能够准确地估计目标物体(即，目标)的数量。
技术介绍
通常，车辆的雷达是指可以安装在车辆上的各种形状的雷达设备，并用于防止由于恶劣的天气情况或驾驶员的粗心而引起的事故的发生，并用于检测车辆周围的物体。近来，随着对安全性和驾驶员便利性的兴趣增加，开发了使用这种车辆的雷达设备的各种车辆安全性和便利性技术。例如，开发了各种技术，诸如用于检测正在行驶的车辆之前的车辆和自动跟踪所检测到的车辆的智能巡航技术、自动驾驶技术，和自动紧急制动技术。可以在这些技术中广泛使用的车辆的雷达可以使用在发送雷达信号之后反射的反射信号来检测周围物体。然而，使用这种车辆的雷达设备的各种车辆安全性和便利性技术基本上是基于车辆的雷达可以准确地估计目标数量。即，仅当准确地估计目标(即，目标物体)的数量时，才可以准确地估计目标角度。在传统技术中，对目标角度的估计进行了深入研究，但是用于准确地估计目标数量的研究不足。在公开号为10-2017-0075474(2017年7月3日)、名称为“用于检测目标物体的方法及其装置”的韩国专利申请中公开了本公开的
技术介绍
。
技术实现思路
各种实施方式针对提供一种用于估计目标数量的装置和方法，其使得车辆的雷达能够准确地估计目标对象(即目标)的数量。在一个实施方式中，一种用于估计目标数量的装置包括：雷达信号接收器，其被配置为接收雷达信号，所述雷达信号属于由雷达发送的检测信号，并且所述雷达信号被地面上的物体反射；和控制器，其被配置为通过处理接收到的雷达信号来学习目标数量，并且基于所学信息，通过处理新接收到的雷达信号来估计目标数量。在一个实施方式中，控制器被配置为包括：学习单元，其被配置为通过处理所述接收到的雷达信号来学习目标数量；和估计单元，其被配置为通过基于所学信息，通过处理所述新接收到的雷达信号来估计目标数量。在一个实施方式中，控制器被配置为接收已知的目标数量和相应的角谱，并提取特征点信息，和使用神经网络(NN)来学习所述特征点信息。在一个实施方式中，基于目标数量来指定角谱的形状。在一个实施方式中，根据角谱的形状来指定对于角谱的预设主要部分的特征点信息。在一个实施方式中，控制器被配置为当在学习过程和估计过程中提取角谱时，相同地设置角度(θ)的范围和权重(W)。在一个实施方式中，控制器被配置为：从所述角谱的最大信号的两侧的每一侧上的指定数量的信号，提取与所述最大信号的大小和位置相对应的角度、距所述最大信号的3dB较小位置处的角度信息、与旁瓣的大小和位置相对应的角度，和与零值的大小和位置相对应的角度信息中的至少一个作为所述特征点信息。在一个实施方式中，控制器被配置为参数化特征点信息，以便将特征点信息输入到神经网络(neuralnetwork,NN)，和接收参数化的特征点信息并将参数化的特征点信息教导给NN。在一个实施方式中，控制器被配置为接收目标数量已知的雷达信号的角谱，并且从该角谱提取特征点信息，将在学习过程中提取的权重相同地应用于估计单元，和通过将权重输入到与学习单元中使用的NN相同的NN来估计目标数量。在一个实施方式中，一种用于估计目标数量的方法包括：由雷达信号接收器接收雷达信号，所述雷达信号属于由雷达发送的检测信号，并且所述雷达信号被地面上的物体反射；和由控制器通过处理接收到的雷达信号来学习目标数量，并基于所学信息，通过处理新接收到的雷达信号来估计目标数量。在一个实施方式中，控制器被配置为由学习单元通过处理接收到的雷达信号来学习目标数量，和由估计单元基于所学信息，通过处理新接收到的雷达信号来估计目标数量。在一个实施方式中，在学习目标数量时，控制器被配置为接收已知的目标数量和相应的角谱，提取特征点信息，并使用神经网络(NN)学习特征点信息。在一个实施方式中，基于目标数量来指定角谱的形状。在一个实施方式中，根据角谱的形状来指定对于角谱的预设主要部分的特征点信息。在一个实施方式中，在学习目标数量和估计目标数量中，控制器被配置为在提取角谱时相同地设置角度(θ)的范围和权重(W)。在一个实施方式中，为了提取特征点信息，控制器被配置为从角谱的最大信号的两侧的每一侧上的指定数量的信号，提取与所述最大信号的大小和位置相对应的角度、距所述最大信号的3dB较小位置处的角度信息、与旁瓣的大小和位置相对应的角度，和与零值的大小和位置相对应的角度信息中的至少一个作为所述特征点信息。在一个实施方式中，当提取特征点信息时，控制器被配置为参数化特征点信息，以便将特征点信息输入到神经网络(NN)，和接收参数化的特征点信息，并将参数化的特征点信息教导给NN。在一个实施方式中，在估计目标数量中，控制器被配置为接收目标数量已知的雷达信号的角谱，并从所述角谱中提取特征点信息，将在学习过程中提取的权重相同地应用于估计单元，通过将权重输入到与学习单元中使用的NN相同的NN来估计目标数量。附图说明图1是示出根据本公开的实施方式的用于估计目标数量的装置的示意性配置的示例图。图2是用于描述图1所示的学习单元的详细操作的流程图。图3是用于描述图2中的角谱的特征点信息的示例图。图4是用于描述图3中的提取特征点信息的过程的流程图。图5是示出与图2中的目标数量相对应的角谱的形状的示例图。图6是用于描述图1所示的估计单元的详细操作的流程图。具体实施方式如在传统的相应领域中，在功能块、单元和/或模块方面可以在附图中示出一些示例性实施方式。本领域普通技术人员将理解，这些块、单元和/或模块由诸如逻辑电路、分立组件、处理器、硬连线电路、存储元件、布线连接等电子(或光学)电路物理地实现。当块、单元和/或模块由处理器或类似硬件实现时，可以使用软件(例如，代码)对它们进行编程和控制，以执行本文讨论的各种功能。可替代地，每个块、单元和/或模块可以由专用硬件实现，或作为执行一些功能的专用硬件和执行其他功能的处理器(例如，一个或多个编程的处理器和相关的电路)的组合。在不背离本专利技术构思的范围的情况下，一些示例性实施方式的每个块、单元和/或模块可以物理地分成两个或更多个相互作用和离散的块、单元和/或模块。此外，在不脱离本专利技术构思的范围的情况下，一些示例性实施方式的块、单元和/或模块可以物理地组合成更复杂的块、单元和/或模块。在下文中，将通过实施方式的各种示例，参照附图来描述用于估计目标数量的装置和方法。在这样的过程中，为了说明的清楚和方便起见，可能夸大图中所示的线的粗细或本文档来自技高网...

【技术保护点】
1.一种估计目标数量的装置，包括：/n雷达信号接收器，其被配置为接收雷达信号，所述雷达信号属于由雷达发送的检测信号，并且所述雷达信号被地面上的物体反射；和/n控制器，其被配置为通过处理接收到的雷达信号来学习目标数量，并且基于所学信息，通过处理新接收到的雷达信号来估计目标数量。/n

【技术特征摘要】
20190122 KR 10-2019-00079971.一种估计目标数量的装置，包括：
雷达信号接收器，其被配置为接收雷达信号，所述雷达信号属于由雷达发送的检测信号，并且所述雷达信号被地面上的物体反射；和
控制器，其被配置为通过处理接收到的雷达信号来学习目标数量，并且基于所学信息，通过处理新接收到的雷达信号来估计目标数量。


2.根据权利要求1所述的装置，其中，所述控制器被配置为包括：
学习单元，其被配置为通过处理所述接收到的雷达信号来学习目标数量；和
估计单元，其被配置为基于所学信息，通过处理所述新接收到的雷达信号来估计目标数量。


3.根据权利要求2所述的装置，其中，所述控制器被配置为：
接收已知的目标数量和相应的角谱，并提取特征点信息，和
使用神经网络(NN)学习所述特征点信息。


4.根据权利要求3所述的装置，其中，基于目标数量来指定所述角谱的形状。


5.根据权利要求3所述的装置，其中，根据所述角谱的形状来指定对于所述角谱的预设主要部分的特征点信息。


6.根据权利要求2所述的装置，其中，所述控制器被配置为当在学习过程和估计过程中提取角谱时，相同地设置角度(θ)的范围和权重(W)。


7.根据权利要求3所述的装置，其中，所述控制器被配置为：从所述角谱的最大信号的两侧的每一侧上的指定数量的信号，提取与所述最大信号的大小和位置相对应的角度、距所述最大信号的3dB较小位置处的角度信息、与旁瓣的大小和位置相对应的角度，和与零值的大小和位置相对应的角度信息中的至少一个作为所述特征点信息。


8.根据权利要求3所述的装置，其中，所述控制器被配置为：
参数化所述特征点信息，以便将所述特征点信息输入到神经网络(NN)，和
接收参数化的特征点信息，并将所述参数化的特征点信息教导给所述NN。


9.根据权利要求2所述的装置，其中，所述控制器被配置为：
接收目标数量已知的雷达信号的角谱，并从所述角谱中提取特征点信息，
将在学习过程中提取的权重相同地应用于所述估计单元，和
通过将所述权重输入到与所述学习单元中使用的NN相同的NN来估计目...

【专利技术属性】
技术研发人员：金永勋，
申请(专利权)人：现代摩比斯株式会社，
类型：发明
国别省市：韩国;KR