CN119654573A - 用于对象的基于雷达的尺寸分级的方法和雷达装置以及相应设计的机动车 - Google Patents

Abstract

本发明涉及一种用于对象(14)的基于雷达的尺寸分级的方法和雷达装置(12、18)。本发明还涉及一种相应设计的机动车(10)。在该方法中，在多个接收通道(20)中检测由对象(14)反射的雷达信号(24)。然后，检测到的被反射的雷达信号(24)关于其在多个接收通道(20)上的相位曲线被评估。在相位曲线中存在相位跳变时，相应的对象(14)被分级为扩展对象(14)。

Description

用于对象的基于雷达的尺寸分级的方法和雷达装置以及相应 设计的机动车

技术领域

本发明涉及一种用于被探测的对象的基于雷达的尺寸分级的方法和雷达装置。本发明还涉及一种相应设计的机动车。

背景技术

机动车中的雷达系统可以用于探测相应的环境中的对象。在此，雷达系统可以相对于其他类型的传感器具有一些优点、例如更高的有效距离和通过利用多普勒效应自动精确地确定速度。然而，传统的雷达系统通常具有有限的角度分辨率，从而尤其在更大的距离中，扩展对象、例如货车的后侧等也仅被探测为点对象。例如可以通过所使用的雷达天线的更大的孔径实现更大的角度分辨率、即来自扩展对象的不同的部位或区域的雷达回波的更详细的分离。然而，这由于结构空间限制和成本限制而并不总是可行的。

EP 2 215497B1描述了一种分辨角度的雷达传感器作为解决方案。该雷达传感器在那里具有光学透镜和与光学透镜间隔开地布置的天线元件，该天线元件可以相对于透镜沿横向于透镜的光轴的方向运动。天线元件在此可以与相关联的用于产生待发送的雷达信号的高频模块一起沿横向于透镜的光轴的方向运动。因此，应该提供一种雷达传感器，其能够在简单的结构中实现对方向特性的简单的控制和高的角度分辨率。

EP 3 161 514 B1描述了一种用于利用分辨角度的MIMO-FMCW雷达传感器定位雷达目标的方法。在其中，被接收的信号与被发送的信号混合以形成基带信号，并且借助基带信号之间的幅度和相位关系来确定被定位的雷达目标的角度，所述基带信号针对雷达传感器的用于发送和接收的天线元件的不同的选择被得到。因此，应该说明一种用于MIMO雷达的时间复用方法，其允许更精确的角度估计。

EP 2 270 541 B1描述一种利用合成孔径来确定入射角和/或传感器与空间中的对象的距离的方法，其中，在多个孔径点处分别接收回波轮廓。尤其地，利用那里的方法应该能够独立于与对象或应答器的距离地确定入射角。

发明内容

本发明的任务是，能够以特别有效的方式实现改进的基于雷达的环境识别。

该任务通过独立权利要求的主题解决。本发明的另外的可能的设计方案在从属权利要求、说明书和附图中公开。在独立权利要求的主题之一的描述的范围内所说明的特征、优点和可能的设计方案必要时结合一个或多个从属权利要求应至少类似地被视为其他的独立权利要求的相应的主题以及独立权利要求的主题的任何可能的组合的特征、优点和可能的设计方案。

根据本发明的方法可以应用于基于雷达被探测的对象的基于雷达的尺寸分级或尺寸归类或尺寸识别或尺寸估计。尤其地，根据本发明的方法可以应用于机动车，但不一定局限于该应用情况。可以借助雷达装置或至少一个雷达发射天线分别发射雷达信号或雷达脉冲。这可以是方法的一部分或在实际的根据本发明的方法之前进行。在根据本发明的方法的方法步骤中，在多个接收通道内或在多个接收通道中检测所产生的或相对应的由对象反射的雷达信号。这种接收通道例如可以通过真实和/或虚拟的接收器或接收天线、虚拟的接收器阵列或天线阵列必要时在使用多个发射天线等的情况下实现。在后一种情况下，接收通道的数量可以对应于发射天线的数量和接收天线的数量的乘积。

在本发明的意义中，检测被反射的雷达信号例如可能意味着或包括：该被反射的雷达信号通过至少一个接收天线或雷达装置的接收或测量和/或通过相应的接口的截取，或例如相应的原始数据从数据存储器等中的读取。

在根据本发明的方法的另外的方法步骤中，检测到的被反射的雷达信号、即尤其是相应的在所使用的雷达装置中检测到的或存在的原始数据关于其在多个接收通道上的相位曲线被分析或评估。相位曲线可以由相应的单信号的相位序列或相位位置提供。这些单信号在此可以对应于各个接收通道的或在各个接收通道中或来自各个接收通道的单信号或信号部分。不同的接收通道中的不同的相位或相位位置例如可以对应于雷达信号在不同深度(即与雷达装置的不同距离)中的相应的对象的点或区域处的反射和/或雷达信号被相应的对象从不同的方位角和/或仰角的反射。

在根据本发明的方法的另外的方法步骤中，在接收通道或单信号上的相位曲线中存在至少一个相位跳变时，将相应的对象分级或归类为扩展对象，因此尤其没有分级或归类为点对象。作为扩展对象的这种分级例如可能意味着，假设或输出对象的预设的最小尺寸。同样地，例如可以借助检测到的雷达信号或借助相位曲线或至少一个相位跳变来估计相应的对象的尺寸，因此可以关于相应的对象的尺寸更准确地分级相应的对象。为此，例如可以使用预设的配属表、预设模型或预设算法和/或相应被训练的机器学习装置、如相应被训练的人工神经网络等。

因此，本发明基于以下知识，即借助相位曲线、即最终借助原本包含在在多个接收通道中检测到的雷达信号中的或被编码的相位信息至少可以在一定程度上推断出剩余的对象的尺寸。在此，相位跳变、即在多个接收通道中的相位曲线中的不连续性尤其可以表征扩展对象。因此，尤其可以识别扩展对象，这些扩展对象虽然从多个部位或在一定区域上反射雷达信号，但由于所使用的雷达装置的有限的角度分辨率而无法(例如以属于相同对象的多个雷达探测的形式)被分辨或被识别为扩展对象。

各个接收通道、即物理上真实的和/或虚拟的接收天线的相应的单信号包含关于雷达信号在其相应的相位或相位位置中的相应的接收方向的信息。相位变化或相位转动、即在剩余的对象的横向和/或竖直扩展范围上的相位曲线可以产生相对应的或表征相应扩展的对象的傅里叶谱作为检测到的雷达信号的傅里叶变换的结果。这种傅里叶谱的产生和分析或评估例如可以是关于相位曲线评估相应的雷达信号的一部分。如果各个相位或相位位置、即检测到的雷达信号的复杂指针不是恒定的，或者在所使用的雷达装置的真实和/或虚拟的孔径的扩展范围上没有竖直和/或横向连续前进，即进一步转动，那么这可以根据本发明所基于的知识表明扩展目标或对象内的隐藏目标或部分目标或子目标或子对象，因为分布地布置在相应的对象上的相应的不同的反射点或区域分别可以对最后检测到的天线信号做出贡献。例如关于恒定的、相同的相位或连续的或线性的相位曲线对来自接收通道的各个复杂的有价值的接收信号或单信号的相位位置的偏差的相应评估因此可以指示扩展目标、即对象。

作为扩展对象的相应的分级或归类(或者如果没有相应的相位跳变或相应表征的傅里叶谱等作为点对象存在)可以在另外的信号或数据处理中被使用或考虑。例如即使当借助基于雷达求取的多普勒数据或距离数据或基于所使用的雷达装置的角度分辨率或角度分离无法单独将相应的对象识别为扩展对象时，基于此例如也可以执行对相应的对象的进一步的归类或可以对所述进一步的归类进行合理性检查。因此，在机动车的应用情况下，在前方行驶的货车的后方以恒定的距离并且以相同的速度行驶时，该货车例如可以基于借助本方法获得的作为扩展对象的分级或归类被识别或归类为其他车辆。这能够实现机动车的例如一个或多个另外的辅助系统的相应改进的、更适合相应的情况的、更安全的反应，例如以用于至少半自动的车辆引导等。

因此，本发明能够单独通过改进地处理或使用原本检测到的雷达信号而实现更详细的、更准确的或更可靠的环境识别，尤其是为此例如不需要与传统的当前已经可用于机动车的雷达系统相比更大的天线或更多数量的天线。

在本发明的可能的设计方案中，多个物理天线或虚拟天线阵列用于或用作多个接收通道。多个物理天线可以是或包括多个接收天线和/或多个发射天线。借助多个接收天线相应可以直接接收多个单信号，这些单信号可以与各个接收通道相对应或可以对应于各个接收通道。借助多个发射天线可以发送相应适配的或变化的雷达信号，所述雷达信号然后可以利用一个或多个物理接收天线被接收。因此，可以产生多个接收通道，其数量可以对应于发射天线的数量和接收天线的数量的乘积。在此，相位曲线可以在多个真实接收天线和/或虚拟天线阵列的多个虚拟天线上被检测或评估。通过本发明的在此提出的设计方案能够实现所使用的天线(即所使用的雷达装置的设计方案)的根据需求的和灵活的适配，并且根据本发明的方法仍然可以应用于相应不同的变型方案或设计方案。因此，根据本发明的方法例如可以应用于不同的条件或应用情况，例如应用于不同的可用的结构空间和/或不同的成本预算等。

在本发明的可能的扩展方案中，使用I&Q方法(同相和正交方法)和/或希尔伯特变换来确定各个接收通道的相位位置，并且因此有效确定在各个接收通道上的相位曲线。因此，不同的相位位置、即相位曲线可以借助已知的方法直接从检测到的雷达信号或相应的原始数据被求取。因此，根据本发明的方法可以特别简单和有效地实施。

在本发明的另外的可能的设计方案中，为了探测相位跳变，检查每个雷达探测和/或每个多普勒类别(即多普勒单元)的相位位置是否均匀或恒定地，即与点对象或单独的对象的单个探测一致地增长或变化。在此尤其可以执行与预设阈值的比较。当相位变化、即两个不同的接收通道之间的相位跳变大于预设阈值，或者相位曲线与恒定的或均匀增加的相位曲线偏离至少预设阈值时，对象可以被分级为扩展对象。为了确定相位位置，可以从相应的雷达六面体或雷达立方体、即包含接收到的雷达信号或雷达数据的常见的三维数据结构提取或导出可用数据。在数据借助尤其快速的傅里叶变换来进行变换、即被进一步处理以确定或分辨从所使用的雷达装置来看出现雷达探测或属于雷达探测的对象的角度之前，这尤其可能与所述数据相关。然而，借助通过这种傅里叶变换求取的角度，可以执行检测到的雷达数据的相应的对象或探测配属，以便可以可靠地求取每个对象的相位曲线。本发明的在此提出的设计方案基于以下基本知识，即即使当扩展对象例如由于其与雷达装置的距离和/或雷达装置的有限的角度分辨率或角度分离而没有以常规方式被识别为扩展对象时，也可以以该方式基于雷达地识别扩展对象。

在本发明的另外的可能的设计方案中，对检测到的雷达信号应用至少一个傅里叶变换、尤其是至少一个快速傅里叶变换(FFT)以便确定对象或每个对象或每个雷达探测的相应的探测角度，相应的相对应的、即负责相应的雷达探测或检测到的雷达信号的对象从所使用的雷达装置来看位于该探测角度中。此外，求取所产生的、即作为傅里叶变化的结果得到的光谱的或所产生的光谱的中心峰或主峰的宽度。然后，根据该宽度或基于该宽度导出或估计相应的对象的尺寸。例如，这可以根据与宽度对应的角度差，在考虑相应的对象的也借助雷达信号求取的距离的情况下，借助光谱宽度与对象的尺寸或扩展范围之间的预设的配属表，借助相应的预设模型或预设算法，借助相应被训练的机器学习装置等来执行。本发明的在此提出的设计方案能够实现根据本发明的方法的特别低耗费的和有效的实施和应用。例如，傅里叶变换原本可以在雷达装置的传统的数据或信号处理的范围内被执行，以便确定探测角度，即在空间上定位探测到的对象。然后，可以利用特别少的附加计算工作来求取所产生的光谱的宽度。

在本发明的另外的可能的设计方案中，在评估检测到的被反射的雷达信号时执行统计评估。在此，至少一个预设的统计度量被求取并且用于，即被考虑用于探测相位跳变。接收通道上的相位或相位位置的标准偏差尤其可以被求取为这种统计度量。然后，可以将该标准偏差或多个标准偏差与预设阈值进行比较。在此，当达到或超过预设阈值时，可以探测相位跳变并且相应将相应的对象分级为扩展对象。在此提出的统计分析可以特别简单地实施并且执行，并且能够灵活地实现对扩展对象的快速的、鲁棒的和可靠的识别，即相应的尺寸分级。

在本发明的可能的扩展方案中，针对相应的对象的所求取的统计度量的值曲线在来自多个雷达测量周期的多个检测到的雷达信号上被求取，并且被考虑用于相应的对象的分级。这通常能够简单地实现，因为探测到的对象与尺寸分级无关地通常例如(可以)基于雷达或传感器地被跟踪、即追踪。仅当值曲线是一致的，即例如统计度量在多个雷达测量周期内分别指示扩展对象，即例如多次或持续超过在其他情况下提到的预设阈值时，对象例如才可以被分级为扩展对象。通过本发明的在此提出的设计方案，可以实现特别鲁棒的和可靠的尺寸分级，因为单个或与多个尤其连续的雷达测量周期的总持续时间相比短暂的异常值、错误测量、干扰影响等因此例如不能够确定或改变尺寸分级。

在本发明的另外的可能的设计方案中，检测到的被反射的雷达信号和/或由所述雷达信号导出的数据作为输入，即作为输入数据被提供或输送至为了对象的以此为基础的尺寸分级被训练的机器学习装置。这种机器学习装置尤其可以是或包括人工神经网络等。从雷达信号导出的数据例如可以是或包括相位曲线和/或在其他情况下提到的统计度量等。基于所提供的或所输送的输入数据，相应的对象通过经训练的机器学习装置关于对象的尺寸尤其被分级为扩展对象或非扩展对象或点对象。机器学习装置至少针对扩展对象分别可以例如通过分级为多个预设的不同的尺寸类别之一等而更准确地估计扩展对象的尺寸。

本发明的在此提出的设计方案基于以下知识，即可能与相应的对象的尺寸或扩展范围相关的信息或模式可以包含在多个接收通道上检测到的被反射的雷达信号中或被编码。因此，被扩展对象反射的雷达信号可以具有表征这种扩展对象的特性，所述特性可以不同于表征点对象的特性。这些信息或模式可能难以准确地被定义或识别，但可以借助机器学习自动地并且特别鲁棒地且完全地被学习。因此，通过相应被训练的机器学习装置可以执行相应鲁棒的且可靠的尺寸分级。

对象借助经训练的机器学习装置的在此提出的尺寸分级尤其可以在边缘情况下是特别精确的，例如与其他方法相比是特别精确的。但附加地，可以执行这种其他方法，例如执行通过傅里叶变换的评估等。例如，这种其他方法能够在标准情况或通用情况下实现特别可靠的尺寸分级，和/或作用为对通过机器学习装置输出的尺寸分级的确保或合理性检查。如果多个尺寸分级方法、即例如基于机器学习的方法和基于傅里叶变换的方法被应用于尺寸分级，那么其结果可以相互组合。为此，例如可以应用最大似然归类或加权等。通过组合多个尺寸分级方法，最后可以特别鲁棒且可靠地执行尺寸分级。

本发明还涉及一种雷达装置，尤其是用于机动车的雷达装置。根据本发明的雷达装置具有信号或数据处理装置并且设计用于尤其自动执行根据本发明的方法。为此，雷达装置或信号或数据处理装置例如可以包括相应的电路和/或处理装置、例如微芯片、微处理器、微控制器等和与其耦联的计算机可读的数据存储器。在该数据存储器中例如可以存储有相应的运行或计算机程序和/或必要时在其他情况下提到的人工神经网络等。运行或计算机程序可以编码或实施结合根据本发明的方法提到的方法步骤、措施或流程或相应的控制指令，并且可以借助处理装置来执行，以便执行根据本发明的方法。根据本发明的雷达装置也可以具有至少一个雷达天线和可能的信号产生装置。因此，根据本发明的雷达装置尤其可以是或对应于结合根据本发明的方法提及的雷达装置或结合根据本发明的方法提及的雷达系统。

本发明还涉及具有根据本发明的雷达装置的机动车。根据本发明的机动车还可以具有至少一个天线或至少一个雷达发射器和接收器，只要其不是雷达装置的一部分。因此，根据本发明的机动车可以设计用于执行根据本发明的方法。尤其地，根据本发明的机动车可以是或对应于结合根据本发明的方法和/或结合根据本发明的雷达装置提到的机动车。

本发明的另外的特征可以从权利要求、附图和附图描述中得到。之前在说明书中提到的特征和特征组合以及随后在附图描述中和/或在附图中单独示出的特征和特性组合不仅可以以分别说明的组合使用，而且还可以以其他组合或单独使用，而不会脱离本发明的范围。

附图说明

附图在单个图中示出了具有设计用于基于雷达识别环境中的对象的机动车的示意图。

具体实施方式

传统的车辆雷达在点目标或球的在竖直和横向扩展范围中的几何中心处探测点目标、例如球。仅当通过多普勒速度、距离或角度分离可以竖直和横向进行分离时，真实的扩展目标、如前方车辆的车辆后侧才常规地通过后续车辆的雷达被分辨为多个目标。在接近或跟随车辆后壁时，尽管有横梁或类似结构，但前两个标准例如通常被排除在外。根据沿行驶方向的纵向距离，传统的车辆雷达的横向和竖直角度分离能力也不足以示出多个点或多个点目标。然而实际上，在具有多个接收器的车辆雷达中原则上可以存在关于相应的目标的宽度或扩展范围的信息。

为了解释该信息的利用，图1示出了装备有雷达系统12的机动车10的示例性的示意性的概览图。因此，可以探测在雷达系统12的检测区域中存在的目标，该目标在此被称为对象14。

雷达系统12包括天线装置16和在此仅示意性示出的数据或信号处理装置18。天线装置16可以在在此示意性示出的多个接收通道20中检测到信号。因此，借助天线装置16发射的雷达脉冲可以在扩展对象14上，在不同的部位22上被反射。在此还示意性示出了相应的被反射的雷达信号24。被反射的雷达信号24可以在多个接收通道20中被检测到，所述接收通道分别提供单信号。

来自各个接收通道20的这些单信号在相应的单信号的相位或相位位置中包括关于相应的接收方向的信息，雷达信号24从或沿该接收方向到达相应的接收通道20。因此，在多个接收通道20上产生相应的相位曲线。

在对象14的横向和/或竖直的扩展范围上的这种相位曲线或相应的相位转动可以产生在检测到的雷达信号24或单信号的例如可以通过信号处理装置18执行的傅里叶变换之后的相对应的或表征的光谱。通过信号处理装置18可以执行关于相位曲线的相应的分析。为此，信号处理装置18可以例如经由接口26检测并且通过处理器28和数据存储器30处理来自接收通道20的单信号。因此，可以探测必要时存在的相位跳变、即来自不同的接收通道20的不同的单信号的相位或相位位置的偏差。这种相位跳变或偏差可以表明对象14的一定的扩展。

因此，在探测到相应的相位跳变或单信号的相位或相位位置彼此间的相应的偏差时，对象14可以被分级或归类为扩展对象。

来自不同的接收通道20的各个复值接收信号或单信号的相位或相位位置例如可以借助I&Q方法或在应用希尔伯特变换等之后直接被获得或求取。在傅里叶变换应用于确定探测角度之前，例如还可以从雷达立方体中提取或导出相应的数据。基于此，在相应的检测区域中的每个探测中和/或例如在每个多普勒单元(Doppler-Bin)中，可以检查单信号的相位或相位位置是否是相同的，是否具有恒定的增长、即在接收通道20上的恒定的增大，或是否示出与之的偏差。为此，可以应用已知的数学方法、例如确定由傅里叶变换产生的光谱的宽度，统计方法、例如求取接收通道20上的相位位置的标准偏差等。基于自动跟踪相应的对象14也可以在多个测量或雷达周期内求取相应的统计度量。

通过在此描述的方案可以解决的问题是，常规地为了分离或单独识别，目标(例如在此对象14的不同的部位22)必须在空间上彼此间隔开，从而可以清楚区分相应的光谱。然而，因为快速傅里叶变换和其他的时域变换方法受到一定的窗口限制，例如由于有限的测量时间和由此产生的频率不确定性或光谱不确定性，所以即使对于单个频率的变换，也总是会产生具有一定的宽度或峰值宽度的光谱。因此，存在于主峰旁边的另外的峰实际上可以被主峰的宽度覆盖，并且因此不再被分辨或探测。在这些情况下，也可以通过相位信息的在此描述的使用成功地应用一种通过雷达对横向和/或竖直扩展的目标进行分级或归类的方法，以便识别扩展目标或将其与实际点目标区分开。

附图标记列表

10 机动车

12 雷达系统

14 对象

16 天线装置

18 信号处理装置

20 接收通道

22(对象14的)部位

24 雷达信号

26 接口

28 处理器

30 数据存储器

Claims (10)

1.一种用于尤其在机动车(10)中对对象(14)进行基于雷达的尺寸分级的方法，其中

-在多个接收通道(20)中检测由对象反射的雷达信号(24)，

-检测到的被反射的所述雷达信号(24)关于其在多个所述接收通道(20)上的相位曲线被评估，并且

-在所述相位曲线中存在相位跳变时，相应的对象(14)被分级为扩展对象(14)。

2.根据权利要求1所述的方法，其特征在于，多个物理天线或虚拟天线阵列被用于多个所述接收通道(20)。

3.根据权利要求2所述的方法，其特征在于，使用I&Q方法和/或希尔伯特变换来确定各个所述接收通道(20)的相位位置。

4.根据前述权利要求中任一项所述的方法，其特征在于，为了探测相位跳变，尤其借助与预设阈值的比较来检查每个雷达探测和/或每个多普勒类别的所述相位位置是否均匀地增长。

5.根据前述权利要求中任一项所述的方法，其特征在于，对检测到的所述雷达信号(24)应用傅里叶变换以便确定探测角度，所产生的光谱的宽度被求取，并且由此推导出所述相应的对象(14)的尺寸。

6.根据前述权利要求中任一项所述的方法，其特征在于，在评估检测到的被反射的所述雷达信号(24)时执行统计评估，其中预设的统计度量、尤其是在所述接收通道(20)上的相位位置的标准偏差被求取并且被用于探测相位跳变。

7.根据权利要求6所述的方法，其特征在于，针对所述相应的对象(14)的统计度量的值曲线在来自多个雷达测量周期的多个检测到的被反射的所述雷达信号(24)上被求取，并且被考虑用于所述相应的对象(14)的分级。

8.根据前述权利要求中任一项所述的方法，其特征在于，检测到的被反射的所述雷达信号(24)和/或由所述雷达信号推导出的数据作为输入数据被提供给为了对象(14)的以此为基础的尺寸分级被训练的机器学习装置(18)，并且所述相应的对象(14)基于此通过所述机器学习装置(18)关于对象的尺寸被分级。

9.一种雷达装置(12、18)、尤其是用于机动车(10)的雷达装置，具有信号处理装置(18)，其中所述雷达装置(12、18)设计用于执行根据前述权利要求中任一项所述的方法。

10.一种机动车(10)，具有根据权利要求9所述的雷达装置(12、18)。