为借助传感器系统的对象标识提供分类结果的方法和设备技术方案

用于运行具有超声传感器装置之一的超声传感器系统并确定周围环境对象的对象特性的方法，其中针对周围环境对象的多个检测情况之一分别提供分类模型用于确定对周围环境对象的建模对象特性进行说明的分类结果，每个分类模型被训练以利用从超声传感器装置的超声接收信号中提取的信号特征集合的不同子集进行评估，以便分别提供相应分类模型的分类结果和所属的质量说明，方法具有步骤：检测来自超声传感器装置的超声换能器的超声接收信号；由超声接收信号确定信号特征集合；根据检测情况，通过利用信号特征集的相应子集评估其中一个或多个分类模型确定一个或多个分类结果和所属的质量说明；根据所述一个或多个分类结果和所属的质量说明确定对象特性。所属的质量说明确定对象特性。所属的质量说明确定对象特性。

【技术实现步骤摘要】
为借助传感器系统的对象标识提供分类结果的方法和设备


[0001]本专利技术涉及用于移动装置、诸如机动车辆的超声传感器系统以及尤其是对与碰撞相关的周围环境对象(Umgebungsobjekt)的有效分类。

技术介绍

[0002]车辆通常配备有用于对象检测的超声传感器系统。这些传感器系统通常具有多个超声传感器装置，这些超声传感器装置分别具有多个超声换能器，这些超声换能器分别针对其中应检测周围环境对象的不同检测区域。通常对超声接收信号进行评估以识别周围环境对象的位置。为了在与碰撞相关的周围环境对象与可驶过的周围环境对象之间进行区分而对此使用单独的分类模型。例如，经典方法根据极限值分析低的对象的信号强度，而更复杂的方法则规定：开发决策树或将机器学习方法用于此类分类任务。
[0003]使用基于数据的分类模型以对周围环境对象进行对象标识需要从超声接收信号中导出的大量特征。为了训练这样的分类模型，记录针对示例场景的超声接收信号，其确定分类特征并为分类特征分配标签，该标签说明(angeben)周围环境对象是可以驶过的对象还是与碰撞相关的对象。然后，使用以这种方式确定的训练数据来训练基于数据的分类模型。可能的分类模型可以包括，例如，神经网络或随机森林模型。

技术实现思路

[0004]根据本专利技术，设置根据权利要求1所述的用于移动装置中的基于超声波的传感器系统的周围环境对象的对象标识的方法以及根据并列权利要求所述的对应的设备和超声波传感器系统。
[0005]进一步的设计方案在从属权利要求中说明。
>[0006]根据第一方面，设置了一种用于运行具有超声传感器装置之一的超声传感器系统并用于确定周围环境对象的对象特性的方法，其中针对周围环境对象的检测情况的多个区域之一分别提供分类模型用于确定对周围环境对象的建模对象特性进行说明的分类结果，其中每个分类模型被训练以利用从超声传感器装置的超声接收信号中提取的信号特征集合的不同子集进行评估，以便分别提供相应分类模型的分类结果和所属的质量说明，该方法具有如下步骤：
[0007]‑
检测来自超声传感器装置的超声换能器的超声接收信号；
[0008]‑
由所述超声接收信号确定信号特征集合；
[0009]‑
通过利用信号特征集合的相应子集评估其中一个或多个分类模型来确定一个或多个分类结果和所属的质量说明；
[0010]‑
根据所述一个或多个分类结果和所属的质量说明来确定对象特性。
[0011]该方法可包括进一步的步骤：
[0012]‑
特别是通过使用超声传感器装置进行定位来确定周围环境对象的检测情况；
[0013]‑
根据所确定的检测情况选择当前分类模型；
[0014]‑
使用当前分类模型确定分类结果；
[0015]‑
根据分类结果和所属的质量说明来确定对象特性。
[0016]为了使用基于数据的分类方法，需要训练相关周围环境对象的超声数据的分类模型。使用超声传感器系统检测周围环境对象并且评估产生的超声接收信号。通过从超声接收信号的变化过程中对信号特征进行特征提取并将提取的信号特征分配给所涉及的周围环境对象的相关对象特性，即该对象是可以被驶过还是与碰撞相关，对超声接收信号进行评估。该分类对应于训练数据的标签，所述训练数据将标签分配给信号特征向量并且被用于训练所涉及的分类模型。
[0017]信号特征可以是由这些超声接收信号构成的聚合变量(aggregierte)，例如最大幅度、最大幅度的时间点、两个接收信号之间的相位以及其他属性，例如当前测量的幅度、对象的维度(Ausdehnung)、检测率、平均接收的信号峰值/发射脉冲的数量(多反射率)，可以接收周围环境对象的超声换能器的数量，移动装置移动期间的信号稳定性，所行驶的路程(Wegstrecke)与所测量的对象间距的商(Quotienten)，相邻超声换能器的回波回路(Echokreis)的所得交点的数量等。
[0018]超声接收信号在很大程度上取决于检测情况，该检测情况由超声换能器的安装位置、周围环境对象的几何位置、它们的相对速度和/或周围环境条件、例如温度或地面来确定。为了在分类模型中充分考虑这些因素，需要大量的信号特征，其中，根据检测情况而定，信号特征的不同子集是与分类结果特别相关的，而其余信号特征对分类结果则仅有次要的重要性。基于所有可能的信号特征而训练的分类模型具有高阶(hohe Ordnung)，并因此在后期应用中的资源消耗大。用于创建分类模型的耗费也很大，因为由训练数据构成的数据库必须尽可能空间填充地(raumf
ü
llend)考虑所有影响的组合。
[0019]根据上述方法现在规定：根据检测情况训练和使用不同的分类模型。所述检测情况例如可以包括待检测的周围环境对象的位置、移动装置(车辆)的速度等。根据检测情况而定，现在可以使用不同的信号特征子集来训练相应的分类模型。由此，在所涉及的检测情况下与对象识别不相关或仅略微相关的信号特征可以被屏蔽掉(ausblenden)，以便针对显著降低的信号特征维度来提供待训练和待提供的分类模型。例如，在配备有12个超声换能器的车辆的超声传感器系统中，将作为检测情况的一部分的检测区域划分为例如四个检测情况是有意义的。这些检测情况对应于：保险杠前方的中远距离区域内的相对运动，在保险杠前方的近距离区域内的运动、静止状态以及车辆侧面区域中的运动。
[0020]对于中远距离区域内的运动的检测情况，所有的超声换能器都可探测到周围环境对象，并且可以收集经不同距离的超声接收信号。附加地，地面附近的反射，例如在周围环境对象与地面之间沟槽(Kehle)可以被探测到。特别地，这种检测情况可以通过其中周围环境对象处于比预给定间距值更大的间距的所有区域来定义。
[0021]此外，车辆(作为移动装置的例子)的保险杠前方的近距离区域内的运动可以被定义为检测情况。在近距离区域内，有关地面附近的信息丢失，这对信号特征有显著影响，因为存在周围环境对象的较低的多重反射率因此，不能再基于与多重反射率相关的信号特征来探测出低对象。特别是，这种检测情况可以通过所有如下区域来定义，在这些区域的情况下，周围环境对象的间距比预给定的间距值更小。
[0022]另一种检测情况在于车辆静止状态，即周围环境对象与车辆之间的相对运动。对于这种检测情况，所有基于超声接收信号经几段距离或在运动期间发生变化这一事实的信号特征都是无用的。
[0023]当周围环境对象位于车辆侧面时，会存在另一种检测情况。在此情况下，周围环境对象仅还被一些超声换能器识别，但是为此从不同的探测角度识别。附加地，在驶过时，周围环境对象处的探测点可能会发生变化。与周围环境对象的间距要么保持不变，要么仅随探测角度一起变化，并且不能单独地用作信号特征。这使得必须在不同距离评估的所有信号特征都是无用的。例如，可以通过确定仅在超声换能器的探测区域的一个区域内的所有区域来定义检测情况。在最简单的情况下，可以特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于运行具有超声传感器装置(3)之一的超声传感器系统(2)并用于确定周围环境对象(U)的对象特性的方法，其中针对所述周围环境对象(U)的多个检测情况之一分别提供分类模型(61a、61b、61c、61d)用于确定对所述周围环境对象(U)的建模对象特性进行说明的分类结果，其中每个分类模型(61a、61b、61c、61d)被训练以利用从超声传感器装置(3)的超声接收信号中提取的信号特征集合的不同子集进行评估，以便分别提供相应的分类模型(61a、61b、61c、61d)的分类结果和所属的质量说明，所述方法具有如下步骤：
‑
检测(S1)来自超声传感器装置(3)的超声换能器(5)的超声接收信号；
‑
由所述超声接收信号确定信号特征集合；
‑
根据所述检测情况，通过利用信号特征集的相应子集评估其中一个或多个分类模型(61a、61b、61c、61d)来确定(S3)一个或多个分类结果和所属的质量说明；
‑
根据所述一个或多个分类结果和所属的质量说明来确定(S4)所述对象特性。2.根据权利要求1所述的方法，所述方法还包括以下步骤：
‑
特别是通过使用所述超声传感器装置(3)进行定位来确定所述周围环境对象(U)的检测情况；
‑
根据所确定的所述检测情况，从多个分类模型(61a、61b、61c、61d)中选择(S2)当前分类模型；
‑
使用所选择的当...

【专利技术属性】
技术研发人员：J，
申请(专利权)人：罗伯特，
类型：发明
国别省市：