【技术实现步骤摘要】
【国外来华专利技术】用于依据多个传感器的信号来识别障碍物对象以及预测已知障碍物对象的位置的变化以及用于对为上述目的所使用的传感器信号进行压缩及解压缩的方法
[0001]本专利申请要求2019年3月12日的德国专利申请10 2019 106 204.7的优先权,该德国专利申请的内容这里通过引用而属于本专利申请的主题。
[0002]本专利技术涉及一种用于依据多个传感器的信号来识别障碍物对象以及预测已知的障碍物对象的位置的变化以及用于对为上述目的所使用的传感器信号进行压缩及解压缩、尤其是用于车辆的用于检测该车辆的环境的方法,如这例如在车辆的停车辅助方面所提供的那样。
[0003]本专利技术尤其涉及一种用于将在车辆中的用于例如停车辅助的超声传感器系统的数据传输给计算机系统(随后也称为控制器)的方法和一种相对应的装置。基本思想是识别测量信号中的可能重要的结构并且通过只传输这些被识别出的、可能重要的结构而不是传输该测量信号本身来对该测量信号进行压缩。在计算机系统中将测量信号重建成经重建的测量信号之后才真正识别对象、例如停车过程的障碍物,在该计算机系统中通常有多个超声传感器系统的多个这种被解压缩的测量信号汇集在一起。
技术介绍
[0004]在车辆中的用于停车辅助的超声传感器系统越来越流行。在这种情况下,希望将超声传感器的真正的测量信号的越来越多的数据传输给中央计算机系统,在该中央计算机系统中,这些数据与其它超声传感器系统以及还有其它类型传感器系统、例如雷达系统的数据一起通过传感器融合来被加工和处理,用于创建所谓的周围环境或环境地图。因 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种用于在测量系统、尤其是用于距离测量并且尤其是用于在车辆中应用的测量系统中将传感器信号从发送器传输到数据处理单元并且尤其是用于将超声传感器信号从超声传感器传输到超声测量系统的数据处理单元的方法,其中在所述方法中
‑
提供传感器(S1,S2,S3,...,Sm)的传感器信号,
‑
将描述所述传感器信号的传感器信号数据经压缩地从传感器(S1,S2,S3,...,Sm)无线地或有线地传输到数据处理单元(ECU),
‑
其中为了对描述所述传感器信号的传感器信号数据进行压缩,
‑
借助于特征提取(FE)从所述传感器信号中来提取信号波形特性,
‑
根据所提取的信号波形特性来形成总特征向量信号(F1),
‑
给所述总特征向量信号(F1)的特征分配信号对象,其方式是a)借助于人工神经信号对象识别网络(NN0),依据所述总特征向量信号(F1)的特征来识别信号对象,b)将表示所识别出的信号对象的数据存储在缓冲存储器(IM1,IM2,...,IMn)中,c)针对所识别出的信号对象,借助于共同的人工神经单个重建网络(NN1,NN2,...,NNn)或者借助于多个人工神经单个重建网络(NN1,NN2,...,NNn)中的相应另一人工神经单个重建网络来产生经重建的单个特征向量信号(R1,R2,Rn
‑
1,Rn),d)从所述总特征向量信号(F1)减去经重建的单个特征向量信号(R1,R2,Rn
‑
1,Rn),以形成特征向量残余信号(F2),e)只要所述特征向量残余信号(F2)小于预先给定的阈值信号,就结束将信号对象分配给所述总特征向量信号(F1)的特征,f)否则为了识别其它潜在信号对象而将所述特征向量残余信号(F2)输送给所述神经信号对象识别网络(NN0),g)重复步骤b)至f),直至相应被更新的特征向量残余信号(F2)小于预先给定的阈值信号,而且h)结束将信号对象分配给所述总特征向量信号(F1)的特征,以及
‑
针对每个被识别出的信号对象,产生表示所述信号对象的信号对象数据,以及
‑
将所述信号对象数据传输给所述数据处理单元(ECU)。2.一种用于在测量系统、尤其是用于距离测量并且尤其是用于在车辆中应用的测量系统中将传感器信号从发送器传输到数据处理单元并且尤其是用于将超声传感器信号从超声传感器传输到超声测量系统的数据处理单元的方法,其中在所述方法中
‑
提供传感器(S1,S2,S3,...,Sm)的传感器信号,
‑
将描述所述传感器信号的传感器信号数据经压缩地从传感器(S1,S2,S3,...,Sm)无线地或有线地传输到数据处理单元(ECU),
‑
其中为了对描述所述传感器信号的传感器信号数据进行压缩,
‑
借助于特征提取(FE)从所述传感器信号中来提取信号波形特性,
‑
根据所提取的信号波形特性来形成总特征向量信号(F0),
‑
给所述总特征向量信号(F0)的特征分配信号对象,其方式是a)借助于人工神经信号对象识别网络(NN0),依据所述总特征向量信号(F0)的特征来识别信号对象,
b)将表示所识别出的信号对象的数据存储在缓冲存储器(IM1,IM2,...,IMn)中,c)针对所识别出的信号对象,借助于共同的人工神经单个重建网络(NN1,NN2,...,NNn)或者借助于多个人工神经单个重建网络(NN1,NN2,...,NNn)中的相应另一人工神经单个重建网络来产生经重建的单个特征向量信号(R1,R2,Rn
‑
1,Rn),d)将经重建的单个特征向量信号(R1,R2,Rn
‑
1,Rn)逆变换成信号对象,更确切地说尤其是借助于所述传感器信号的特征提取(FE)的逆变换(IFE)将经重建的单个特征向量信号逆变换成信号对象,e)从该传感器信号减去经逆变换的信号对象,以形成残余传感器信号,f)只要所述残余传感器信号小于预先给定的阈值信号,就结束将信号对象分配给所述总特征向量信号(F0)的特征,g)否则借助于特征提取(FE)从所述残余传感器信号来提取信号波形特性,并且根据所述信号波形特性来形成总特征向量残余信号(F0),h)从相应当前的总特征向量残余信号(F0)出发,重复步骤a)至g),直至所述残余传感器信号小于预先给定的阈值信号,而且i)结束将信号对象分配给所述总特征向量信号(F0)的特征,以及
‑
针对每个被识别出的信号对象,产生表示所述信号对象的信号对象数据,而且
‑
将所述信号对象数据传输给所述数据处理单元(ECU)。3.一种用于在测量系统、尤其是用于距离测量并且尤其是用于在车辆中应用的测量系统中将传感器信号从发送器传输到数据处理单元并且尤其是用于将超声传感器信号从超声传感器传输到超声测量系统的数据处理单元的方法,其中在所述方法中
‑
提供传感器(S1,S2,S3,...,Sm)的传感器信号,
‑
将描述所述传感器信号的传感器信号数据经压缩地从传感器(S1,S2,S3,...,Sm)无线地或有线地传输到数据处理单元(ECU),
‑
其中为了对描述所述传感器信号的传感器信号数据进行压缩,
‑
借助于特征提取(FE)从所述传感器信号中来提取信号波形特性,
‑
根据所提取的信号波形特性来形成总特征向量信号(F1),
‑
给所述总特征向量信号(F1)的特征分配信号对象,其方式是a)借助于人工神经信号对象识别网络(NN0),依据所述总特征向量信号(F1)的特征来识别信号对象,b)针对所识别出的信号对象,借助于多个人工神经单个重建网络(NN1,NN2,...,NNn)中的另一人工神经单个重建网络来产生经重建的单个特征向量信号(R1,R2,Rn
‑
1,Rn),c)求所有经重建的单个特征向量信号(R1,R2,Rn
‑
1,Rn)之和,作为总和单个特征向量信号(RF),d)从所述总特征向量信号(F1)减去所述总和单个特征向量信号(RF),以形成特征向量残余信号(F2),e)只要所述特征向量残余信号(F2)小于预先给定的阈值信号,就结束将信号对象分配给所述总特征向量信号(F1)的特征,f)否则为了识别其它潜在信号对象而将所述特征向量残余信号(F2)输送给所述神经信号对象识别网络(NN0),
g)针对每个被识别出的其它潜在信号对象,借助于神经单个重建网络(NN1,NN2,...,NNn)之一,产生经重建的单个特征向量信号(R1,R2,Rn
‑
1,Rn),h)从所述总特征向量信号(F1)减去所有这些在步骤g)中重建的单个特征向量信号(R1,R2,Rn
‑
1,Rn)之和,以形成被更新的特征向量残余信号(F2),i)重复步骤f)至h),直至相应被更新的特征向量残余信号(F2)小于预先给定的阈值信号,而且j)结束将信号对象分配给所述总特征向量信号(F1)的特征,
‑
针对每个被识别出的信号对象,产生表示所述信号对象的信号对象数据,以及
‑
将所述信号对象数据传输给所述数据处理单元(ECU)。4.一种用于在测量系统、尤其是用于距离测量并且尤其是用于在车辆中应用的测量系统中将传感器信号从发送器传输到数据处理单元并且尤其是用于将超声传感器信号从超声传感器传输到数据处理单元的方法,其中在所述方法中
‑
提供传感器(S1,S2,S3,...,Sm)的传感器信号,
‑
将描述所述传感器信号的传感器信号数据经压缩地从传感器(S1,S2,S3,...,Sm)无线地或有线地传输到数据处理单元(ECU),
‑
其中为了对描述所述传感器信号的传感器信号数据进行压缩,
‑
借助于特征提取(FE)从所述传感器信号中来提取信号波形特性,
‑
根据所提取的信号波形特性来形成总特征向量信号(F1),
‑
给所述总特征向量信号(F1)的特征分配信号对象,其方式是a)借助于人工神经信号对象识别网络(NN0),依据所述总特征向量信号(F1)的特征来识别信号对象,b)针对所识别出的信号对象,借助于多个人工神经单个重建网络(NN1,NN2,...,NNn)中的另一人工神经单个重建网络来产生经重建的单个特征向量信号(R1,R2,Rn
‑
1,Rn),c)求所有经重建的单个特征向量信号(R1,R2,Rn
‑
1,Rn)之和,作为总和单个特征向量信号(RF),d)将所述总和单个特征向量信号(RF)逆变换成信号对象,更确切地说尤其是借助于所述传感器信号的特征提取(FE)的逆变换(IFE)将所述总和单个特征向量信号逆变换成信号对象,e)从该传感器信号减去经逆变换的信号对象,以形成残余传感器信号,f)只要所述残余传感器信号小于预先给定的阈值信号,就结束将信号对象分配给所述总特征向量信号(F0)的特征,g)否则借助于特征提取(FE)从所述残余传感器信号来提取信号波形特性,并且根据所述信号波形特性来形成总特征向量残余信号(F0),h)从相应当前的总特征向量残余信号(F0)出发,重复步骤a)至g),直至所述残余传感器信号小于预先给定的阈值信号,以及i)结束将信号对象分配给所述总特征向量信号(F0)的特征,以及
‑
针对每个被识别出的信号对象,产生表示所述信号对象的信号对象数据,以及
‑
将所述信号对象数据传输给所述数据处理单元(ECU)。5.根据权利要求1至4中任一项所述的方法,其特征在于,所述信号对象数据包括相对
于用于描述所述传感器信号以及用于描述所识...
【专利技术属性】
技术研发人员:丹尼斯,
申请(专利权)人:艾尔默斯半导体欧洲股份公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。