自由空间确定设备、自由空间确定方法和自由空间确定程序技术

本公开涉及自由空间确定设备、自由空间确定方法和自由空间确定程序。提供了一种确定设备周围的自由空间的方法，该方法包括：获取关于一个或更多个雷达天线中的每一者的雷达数据，所获取的雷达数据包括距离数据和距离变化率数据；从所获取的雷达数据提取具有等于或低于基于噪声的阈值的值的特定雷达数据集；以及基于所提取的特定雷达数据集来确定设备周围的自由空间。的自由空间。的自由空间。

【技术实现步骤摘要】
自由空间确定设备、自由空间确定方法和自由空间确定程序


[0001]本公开涉及用于直接确定设备周围的自由空间的设备、方法和计算机程序。该设备可以被设置在车辆中，使得自由空间被确定为用于车辆的自由空间。

技术介绍

[0002]确定车辆周围的区域没有任何可能与车辆碰撞的障碍物是驾驶自动化的关键能力。
[0003]提供可能的半自主或自主驾驶的驾驶员辅助系统必须能够访问关于车辆的行驶环境的准确信息。尤其是，在车辆环境中，驾驶员辅助系统应该区分可通行区域、可行驶区域或开放区域(free space：自由空间)和不可通行区域。
[0004]在诸如超声传感器、摄像头传感器和激光雷达传感器之类的其它传感器中，现代车辆通常具有可以用于检测障碍物的一个或更多个雷达传感器。占用网格可以通过使用雷达传感器来获得。为此，车辆的行驶环境可以被表示为典型的二维网格结构，其中，网格结构的各个单元可以被分配占用值。占用值可以是具有值“自由”和“占用”的二进制值。同样可以使用三进制值，使得另外可能为单元分配值“未知”。
[0005]尤其是，如在Foroughi等人的“Free Space Grid for Automotive Radar Sensors”,Fast
‑
Zero Conference,Sep 2015,Gothenburg,Sweden中进一步描述的，可能有用的是单独引入概率占用网格和概率自由空间网格，其中(对于每个网格单元)，在占用网格中单元被“占用”的概率和在自由空间网格中对应单元为“自由”的概率加和不为100％，并且因此提出了具有“占用”状态、“自由”状态和“未知”状态。给定雷达测量的有限可靠性，例如，关于低反射对象，被“占用”和为“自由”的单元的技术分类因此不一定是互补信息，并且因此自由空间信息的间接推导(基于测量障碍物的实际检测)可能具有有限的可靠性。
[0006]在Li等人的“High Resolution Radar
‑
based Occupancy Grid Mapping and Free Space Detection”，Proceedings of the 4th International Conference on Vehicle Technology and Intelligent Transport Systems,pages 70
‑
81,2018中描述了另一间接方法，其中，检测被累积在“占用网格”中，并且假设空的空间是自由的。
[0007]此外，在Aihara等人的“Free
‑
Space Estimation for Self
‑
Driving System Using Millimeter Wave Radar and Convolutional Neural Network”2019 IEEE International Conference on Mechatronics(ICM),Ilmenau,Germany,2019,pp.467
‑
470中，通过进行上述间接测量假设来估计自由空间信息，并且通过训练神经网络来“覆盖”雷达自由空间与激光雷达自由空间之间的差异。然而，神经网络的训练需要大量的努力，这些努力必须被重复或适用于新的雷达模型，并且实现方式不容易。使用利用雷达传感器的机器学习还可能需要大量带标记的数据集来证明适当的性能。

技术实现思路

[0008]技术问题
[0009]从雷达传感器间接推导出自由空间信息必须符合某些要求。尤其是，需要实际检测(即，来自障碍物的实际反射)来确定自由空间，该自由空间被假定为雷达与发生检测(反射)的地点之间的空间。此要求限制间接自由空间推导的准确性，因为检测(即，来自障碍物的反射)可能是稀疏的，且因为使用自由空间的间接推导的此方法通常依赖于强目标(例如，强反射能量)。
[0010]关于“强目标”的确定，还存在将检测(反射)分类为“强”(即，指示障碍物)的问题。适合可靠地检测实际(即，强或弱)目标的适当过滤方法和/或阈值的确定需要通过例如试验和误差来对设备和参数进行仔细调谐。在所有这些之后，来自目标的反射强度取决于障碍物的材料、形状和位置。该依赖性与广泛的可能障碍物的组合使得过滤方法和/或阈值的选择是困难的，并且总是需要过度检测(包括假阳性)与欠检测(包括假阴性)之间的折衷。
[0011]此外，使用指示自由空间的确定的置信度的值(例如，使用“自由”、“占用”和“未知”的状态，优选地结合概率值)涉及错误地识别自由空间、冒着与车辆发生事故的风险或错误地识别占用空间、限制车辆的移动性的问题。
[0012]因此，需要克服从雷达间接得出自由空间信息的技术限制。
[0013]解决方案
[0014]根据本申请，可以直接确定设备周围的自由空间信息，从而也可以直接确定车辆周围的自由空间信息。
[0015]根据第一方面，一种直接确定设备周围的自由空间的方法，该方法包括：获取关于一个或更多个雷达天线中的每一者的雷达数据，所获取的雷达数据包括距离数据和距离变化率数据；从所获取的雷达数据提取具有等于或低于基于噪声的阈值的特定雷达数据集；基于所提取的特定雷达数据集确定设备周围的自由空间。
[0016]根据第二方面，所获取的雷达数据由值构成，各个值是针对所述距离数据和所述距离变化率数据的组合指示雷达返回信号的幅度的检测值；并且所述特定雷达数据集由所获取的雷达数据的等于或低于所述基于噪声的阈值的检测值构成。
[0017]根据第三方面，所述基于噪声的阈值基于所述设备的测得的噪声水平。
[0018]根据第四方面，所述基于噪声的阈值基于恒定假警报率CFAR、信噪比SNR和/或峰值与平均功率比PAPR。
[0019]根据第五方面，所述基于噪声的阈值基于雷达天线的特定噪声的阈值。
[0020]根据第六方面，所述基于噪声的阈值是由机器学习算法设置的阈值。
[0021]根据第七方面，所述设备的自由空间角度θ是基于所提取的距离变化率数据来计算的，并且与所提取的距离数据组合以产生用于确定所述自由空间的坐标的极坐标。
[0022]根据第八方面，所述自由空间角度θ是基于以下表达式来计算的：
[0023][0024]其中，是距离变化率，v
x
是所述设备(100)的速度的x分量，并且v
y
是所述设备(100)的速度的y分量。
[0025]根据第九方面，所述确定将所确定的自由空间相对于所述设备的位置进行平移。
[0026]根据第十方面，所述方法还包括：移除旁瓣，优选地通过使用基于IAA算法或CLEAN算法的方法。
[0027]根据第十一方面，一种包含指令的计算机程序，所述指令在所述程序由计算机执行时使所述计算机执行根据第一方面至第十方面的方法。
[0028]根据第十二方面，一种用于直接确定设备周围的自由空间的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种直接确定设备(100)周围的自由空间的方法，所述方法包括：获取(S1)关于一个或更多个雷达天线(110)中的每一者的雷达数据，所获取的雷达数据包括距离数据和距离变化率数据；从所获取的雷达数据提取(S2)具有等于或低于基于噪声的阈值的值的特定雷达数据集；基于所提取的特定雷达数据集来确定(S3)所述设备(100)周围的自由空间。2.根据权利要求1所述的方法，其中，所获取的雷达数据由值构成，各个值是针对所述距离数据和所述距离变化率数据的组合指示雷达返回信号的幅度的检测值；并且所述特定雷达数据集由所获取的雷达数据的等于或低于所述基于噪声的阈值的检测值构成。3.根据权利要求1或2所述的方法，其中，所述基于噪声的阈值基于所述设备(100)的测量的噪声水平。4.根据权利要求1至3中任一项所述的方法，其中，所述基于噪声的阈值基于恒定假警报率CFAR、信噪比SNR和/或峰值与平均功率比PAPR。5.根据权利要求1至4中任一项所述的方法，其中，所述基于噪声的阈值是基于雷达天线特定噪声的阈值。6.根据权利要求1或2所述的方法，其中，所述基于噪声的阈值是由机器学习算法设置的阈值。7.根据权利要求1至6中任一项所述的方法，其中，基于所提取的距离变化率数据计算出所述设备(100)的自由空间角度θ，并且所述自由空间角度θ与所提取的距离数据组合以产生用于确定(S3)所述自由空间的坐标的极坐标。8.根据权利要求7所述的方法，其中，所述自由空间角度θ是基于以下表达式来计算的：其中，
‑
是距离变化率；
‑
v
x
是所述设备(...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：APTIV技术有限公司，
类型：发明
国别省市：