JP5296965B2 - 車両用センサシステム及び方法 - Google Patents

Description

本発明は、車両の周りの物体の存在を検出するシステム及び方法に関し、より特定すると、物体の存在を検出し無線周波数（ＲＦ）伝送及び計算経費を低減したパラメータを推定（estimate）する車両レーダシステム及び方法に関する。

車両の検知システムの普及は拡大しつづけている。これらシステムは、移動中の車両に関して物体を検出し追跡するよう作用する。車両検知システムの例として、自働車速設定装置（ＡＣＣ）等の長い射程距離用途を支援するレーダ、駐車補助、停止及び進行、並びに衝突前検出等の短い射程距離用途を支援する短距離レーダ（ＳＲＲ）がある。本明細書が関心の対象とするのはＳＲＲである。

今日の実施において、ＳＲＲは、自動車に搭載するよう設計され、０〜30mの物体の所定距離及び姿勢を検出できる24ＧHzコヒーレントパルスレーダである。この目的のために、レーダは特定の個別の射程距離に「居り（dwell）」、一連の個別の射程距離において次にインデクスをつける前に、その所定距離で物体の存在を探す。代表的なシステムは、40ミリ秒毎に０〜30mの１掃引を完了する。物体の射程距離は、物体が観測される特定の射程距離で決定される。しかし、物体の他の目標パラメータ（例えば姿勢）の推定は、レーダのビーム切換えモノパルス設計を通して利用可能な追加の情報を要する。特に、レーダは、和ビーム及び差ビームと称される２つの重なったアンテナパターン間を切換えることができる。物体の姿勢は、モノパルス理論により説明されるように各アンテナビームからの信号を使用して計算される。

普及は拡大しているものの、ＳＲＲ及び他の車両検出システムは重大な問題に直面しつづけている。より多くの重大な問題の中には、目標パラメータの決定に関連したドエル（dwell）時間がある。特に、目標パラメータを推定する十分なドエリングは、物体が存在しない場合であっても、各所定距離で実施されることが多い。車両及び物体は双方ともすばやく移動することが多いので、車両検知システムで特に問題となり得るシステム全体の動作を遅くする傾向があるので、基本的に即座に物体を検出することが必要になる。
特開２００２−１４１６０号公報

従って、目標パラメータをより効率的に決定して動作速度を上げ、計算経費を最小にし、ＲＦ放出を低減する車両検知システムに対するニーズがある。本発明はこのニーズを満たすものである。

本発明による解決策は、自動車用レーダシステムの検出領域内で物体の目標パラメータを決定する方法により提供される。この方法は、（ａ）一連の射程距離から目標射程距離を定める工程と、（ｂ）初期ドエル時間に目標射程距離にドエルしてセンサデータを得る工程と、（ｃ）目標射程距離での物体存在及び物体不存在の確率密度分布に基づいて、センサデータが目標射程距離での物体の存在に対応するか又は物体の不存在に対応するかを決定する工程と、この決定ができない場合は決定ができるまで工程（ｂ）及び工程（ｃ）を繰返し、（ｄ）センサデータが工程（ｃ）で決定した物体の存在に対応する場合、延長ドエル時間で目標射程距離にドエルし、工程（ｅ）に進む前に物体の目標パラメータを決定する追加のセンサデータを得る工程と、（ｅ）工程（ｂ）〜工程（ｅ）を繰り返す前に、目標射程距離として次の一連の射程距離を定める工程とを具備する。

別の解決策は、車両の周りの物体を検知するシステムにより提供される。このシステムは、（ａ）一連の射程距離から目標射程距離を定める工程と、（ｂ）初期ドエル時間に目標射程距離にドエルしてセンサデータを得る工程と、（ｃ）目標射程距離での物体の有無の確率密度分布に基づいて、センサデータが目標射程距離での物体の存在に対応するか又は物体の不存在に対応するかを決定する工程と、この決定ができない場合は決定ができるまで工程（ｂ）及び工程（ｃ）を繰返し、（ｄ）センサデータが工程（ｃ）で決定した物体の存在に対応する場合、延長ドエル時間で目標射程距離にドエルし、工程（ｅ）に進む前に物体の目標パラメータを決定する追加のセンサデータを得る工程と、（ｅ）工程（ｂ）〜工程（ｅ）を繰り返す前に、目標射程距離として次の一連の射程距離を定める工程とを実行するよう構成された少なくとも１個のコンピュータを具備する。

別の解決策は、車両の周りの物体を検知する車両レーダシステムと組み合わせたシステムにより提供される。このシステムは、（ａ）データプロセッサと、（ｂ）車両レーダシステムからレーダデータを受信するための入力部と、（ｃ）データプロセッサに動作接続されたメモリとを具備し、メモリは、少なくとも次の命令を具備する。（i）一連の射程距離から目標射程距離を定め、初期ドエル時間に目標射程距離にドエルしてレーダデータを得るよう車両レーダシステムに指示し、目標射程距離での物体存在及び物体不存在の確率密度分布に基づいて、レーダデータが目標射程距離での物体の存在に対応するか又は物体の不存在に対応するかを決定し、物体の存在又は不存在の決定ができない場合はより多くのレーダデータを収集するよう初期ドエル時間を繰り返すための検出モジュール、（ii）検出モジュールが物体が存在すると決定して物体の目標パラメータを決定する追加のセンサデータを得た後、延長ドエル時間に目標射程距離でドエルする収集モジュール、及び（iii）追加のセンサデータから物体の目標パラメータを決定する状態推定モジュール。

以下、添付図面を参照して本発明の実施形態を説明する。

本明細書で説明されるのは、車両検知システムと、車両の周りの物体の存在を迅速且つ正確に決定する方法である。本明細書で使用されているように、「車両」の用語は、他の物体に対して移動する主となる任意の存在物を指す。好適には車両は、輸送又は娯楽目的で１人以上の人間を搬送する。このような車両の例には、自動車（乗用車、トラックを含む）、及び軌道車両（列車、トロリー及び地下鉄を含む）がある。また、車両が静止しており、物体が車両に対して移動すること（例えば料金所）も予期されるであろう。好適には車両は自動車であり、本明細書において本発明は自動車に関して説明される。また、本発明は、車両以外の飛行機、ボート（個人船舶、ボート、船及び潜水艦を含む）に適用してもよい。

本明細書で使用されるように、「車両検知システム」の用語は、車両の周りの物体の存在を検出し、速度及び姿勢等の物体の目標パラメータを決定する車両ベースのセンサシステムを指す。車両検知システムは、所定の射程距離を目標としてデータを集めながらその射程距離をドエルするのが代表的である。得られたデータは、個別の読込みすなわちレーダパルス、又は一連の読込みすなわちレーダパルスであってもよい。得られたデータの品質は代表的には、より品質のよいデータ（すなわち、決定された目標パラメータの正確性を改善するより高いＳＮ比）に等しい長いドエル時間の関数である。検知システムは、例えばエコー電磁放射（例えばレーダ、レーダ）、音響（例えばソナー、超音波）、及び熱画像（例えば赤外線）に基づいてもよい。好適には検知室システムは電磁エコー、特にレーダに基づいている。特に好適な一実施形態において、レーダは短距離レーダ（ＳＲＲ）である。このようなシステムは周知であるので、本明細書では詳細には説明しない。例示目的として、本明細書の説明はＳＲＲを詳細に検討するが、本発明はこの実施形態に限定されない。

本発明は、コンピュータ（計算）資源の費用及びＲＦ放出を低減した車両の周りの物体を検出するシステム及び方法を提供する。この目的のために、本発明のシステム及び方法は、コンピュータ資源に専念し著しいＲＦを放出する前に特定射程距離に物体が存在しそうかどうかを最初に決定し、その射程距離での物体の目標パラメータを決定する。特に本発明者等は、物体を検出するのみならず、目標パラメータをも計算するのに十分な時間でドエルする従来の物体検出方法は非効率であると認識している。効率を改善するために、本発明者等は、統計的分析及び確率密度分布を適用し、目標パラメータを決定するためにより長時間ドエルする前に、初期に得られたデータが物体の存在と一致しているかどうかを決定する。従って、本発明はその一側面で、目標パラメータを決定するために十分なデータが得られる前に物体の存在が決定される方法を提供する。

図１を参照すると、本発明の方法のフローチャート１００が示される。（本発明は複数の工程の観点で本明細書に説明されているが、理解を容易にするためにそうされているのであって、本発明の範囲を限定する意図はないことに言及する価値がある。実際、１以上の工程の機能が他の工程に結合又は分離してもよいことが考えられる。）工程１０１において、目標射程距離は一連の射程距離から初期化されている。次に、工程１０２で目標射程距離のためにレーダデータが得られる。工程１０３において、１以上の確率密度分布に基づき、データが目標射程距離での物体の存在又は不存在に対応するかどうかを決定する。工程１０３で決定できない場合、工程１０２が繰り返され、決定されるまで同じ目標射程距離で追加のデータを収集する。レーダデータが工程１０３で決定された物体の存在に対応する場合、工程１０５に進む前に、物体の目標パラメータが決定される。工程１０５において、工程１０２〜１０５を繰り返す前に、目標射程距離として次の一連の射程距離が定められる。この工程の詳細及びシステムへの統合は以下で詳細に検討する。

図２を参照すると、本発明のシステムの好適な一実施形態のフロー概略図が示される。このフロー概略図及び本用途における全てのフロー概略図において、実線は制御フローを示し、破線はデータフローを示す。楕円はある機能的処理を実施するモジュールを表わし、六角形は決定を表わし、２本の平行線はデータ保存を表わす。図２に示される処理は１サイクル毎に１回実行される。サイクル時間は、使用される特定の検知システムに依存する。例えば、ＳＲＲシステムにおいて、掃引時間はほぼ40ミリ秒毎に１回である。

処理は、掃引の第１のすなわち初期化された射程距離に対応して「掃引の開始」２０２で始まる。検出モジュール２０３は、物体が現在のビンに存在するかどうかを決定する。物体が検出されない場合、ブロック２０８で追加の射程距離を現在のサイクル（すなわち掃引）で考える必要があるかどうかを決定する。必要ある場合、レーダは工程２０４で次の射程距離を考えるよう１個進む。物体が検出される場合、工程２０４で射程距離を１個進める前に、収集モジュール２０５が現在の射程距離で追加のレーダデータを集める。１個のビンで検出されたどの物体も、追加のレーダデータが収集データ保存部２０６に置かれる。状態推定モジュール２０７はこれらのデータを処理し、物体リスト保存部２０９にその出力を置く。この出力は、現在のサイクル中に観察される全物体のリストを表わす。各物体は、射程距離、姿勢及びドップラ速度を含み得る物体パラメータ（すなわち状態）の推定値の観点で表現される。掃引は、全射程距離が「掃引完了」２１０で終了したと考えられた後、完了する。

収集モジュールは、検出された物体を含むビンに対してのみ要求されることに留意することは重要である。このため、検出の決定はオンザフライで実行されねばならない。というのは、その結果が追加のレーダデータを収集すべきかどうかを決めるからである。このことは、物体を含まない多くのビンにとって、ドエル時間に著しい利点を与える。空のビンで無駄にされた時間は、実際に物体を含むビンについてより長くドエルする等の別の目的に使用することができる。このため、物体リスト保存部への出力として、推定された物体パラメータの正確さが改善される。

特定のビン内で追加のレーダデータを収集した後、直ぐに状態推定モジュールの機能を実行する必要はない。状態推定モジュールは直ぐに実行でき、またはこのような全データは特定の掃引のために収集された。適当な実施は、システム設計の考慮に基づいて決定すべきである。各モジュール機能は、以下の詳細に説明される。

検出モジュール
工程１０２において、目標射程距離のデータは、工程１０１で検知システムにより生成された後、検出モジュール又は処理ユニットに送信されて物体が存在するかどうかを決定する。図３は、検出モジュール２０３用のフロー概略図を示す。このモジュールは、現在の射程距離が物体を含むかどうかのオンザフライの決定の実行を担当する。モジュール２０３は２つの可能な決定出力、すなわち「物体あり」３０１及び「物体なし」３０２を有する。検出モジュール２０３は次の検出アルゴリズムを実施する。特に、目標射程距離のデータは、適当な検出が決定できるまで、検知システムにより生成され検出モジュール２０３により評価される。別のやり方は、固定された数の送信レーダパルスに基づいて決定することである。しかし、必要な平均パルス数を半分以上減少させるので、この順次のやり方が好まれる。

順次決定アルゴリズムの理想的実施には、各レーダパルスの後の決定を要する。３個の決定のうち１個は１結果「物体なし」３０２、「物体あり」３０１及び「決定なし」３０３として可能である。後者の決定がなされると、別のパルスが送信される。しかし、各送信パルスの後に決定がなされるのは便利でないかもしれない。例えば、十分な計算速度は、所望のパルス繰返し間隔（ＰＲＩ）でこの業務を実行するために利用可能ではないかもしれない。この場合、ドエル探査モジュール３０４は、各決定の間に２個以上のパルスを送信するおそれがある。各決定のために考慮すべきレーダパルスの数は、コンピュータの要求と決定性能との二律背反である。

好適な位置実施形態において、２個以上の所定量のパルスは順次決定の間に送信される。本実施形態では、レーダ受信器がこの量のパルスを統合し、同相且つ直交成分値からなる単一の複素数値を生成する。この複素数値は、各順次検出決定を実行するのに使用される。

好適な一実施形態において、検出決定は、順次確率比テスト（sequential probability ration test：ＳＰＲＴ）を使用して実行される。ＳＰＲＴの一般的概念は公知（例えば、A. Wald著「Sequential Analysis」１９４７年発行）であるが、本発明者等の知識では、この技法は自動車用レーダでの物体検出の使用に適応されたことは一度もない。

このやり方を自動車レーダに適応する際に、計算された信号の大きさｍ_Nは、Ｎ個のこのような観察を有する、ノイズの多いレーダ信号観察を継続して収集することに基づくと考えられる。説明目的であるが、本明細書では、ｆ₀(m)は特定の射程距離に物体が所与の大きさで実際にあるときのｍ_Nについての確率密度関数であり、ｆ₁(m)は特定の射程距離に物体がないときのｍ_Nについての確率密度関数である。

確率密度関数はランダムな変数のうち特定の値を観測する可能性を表わす。或る間隔内に含まれる値を観測する確率は、その間隔にわたる確率密度関数を積分することにより決定される。このため、任意の特定値での確率密度関数の値は、値の中心の無限小間隔内でランダム変数を観測する確率に比例する。ＳＰＲＴ理論によれば、比ｒは物体が存在するか非存在の相対確率の計測結果を与える。

物体が存在するという決定は、次の不等式を満足する場合になされる。
ｒ＜Ｂ （２）

同様に、物体が存在しないという決定は、次の不等式を満足する場合になされる。
ｒ＞Ａ （３）

いずれの不等式も満足しない場合、決定することができず、別のレーダ観測がされた後に分析が繰り返されねばならない。閾値Ａ，Ｂは、検出の確率（すなわち１−α）及び誤報の確率（すなわちβ）要求に基づくことができる。特に、ウォルドは次の近似式を示唆している。

好適な一実施形態において、検出の確率１−αは0.95（すなわち95％）に設定され、誤報率βは0.01（すなわち１％）に設定されている。

レーダ観測はノイズの重要部分を含んでいるので、信号の大きさｍ_Nは好適には、次の等式により表わされるＮ個の観測のコヒーレント積分として計算される。

ここで、

上の等式において、ｉ_x及びｑ_xは同相且つ直交レーダ受信器チャンネルからのｘ番目のノイズの多いレーダ観測である。

確率密度関数ｆ₀(m)及びｆ₁(m)の計算は観測ノイズの性質に依存する。好適な一実施形態において、同相且つ直交受信器チャンネルのノイズは、零平均で等しい分散を有する独立正規変数としてモデル化される。この仮定の下で、物体なしの場合の確率密度関数ｆ₁(m)は、レーリー分布に従う。

上の式において、σ²は単一観測についての受信器チャンネルの分散である。確率密度関数ｆ₁(m)は観測の数Ｎには依存していないことに留意されたい。これは、信号の大きさｍ_Nについてのコヒーレント積分定義は一定の分散を維持する正規化ファクタを有するからである。図４は、10に等しいσについてのレーリー分布４０１を示す。この分布のピークはσの値にあることに留意されたい。

物体ありの場合の確率密度関数ｆ₀(m)は、仮定された物体の大きさを要する。この大きさは、物体がこの大きさで存在する場合、検出の特定の確率を達成したいと解釈する。このため、この大きさは、検出要求事項が満たされる閾値になるように考えられる。

上で仮定した受信器チャンネルノイズ特性が与えられると、物体ありの場合の確率密度関数はライス分布に従う。好適な一実施形態において、これは、より簡単なガウス分布に近似される。

上の式において、ｍ_TNは、性能要求事項が満たされる検出閾値である。ガウス分布は、閾値ｍ_TNがノイズ標準偏差σの少なくとも1.5倍より大きい限り、ライス分布によく近似する。図４は、10に等しいσ及び28に等しいｍ_TNについて、（８）式で定義された分布４０２を示す。この分布のピークはｍ_TNの値にあることに留意されたい。

閾値ｍ_TNは観察の数Ｎへの依存性を有する。コヒーレント積分の実施形態については、次式により計算される。

上の式において、ｍ_Tlは、ノイズの多い１個のみの観測が収集されたときの閾値に対応する。観測数Ｎに依存するのは、積分が予期された物体の大きさを増大させるので、この問題の定式化において、分布４０２の全体形状ｆ₀(m)は、追加した各観測を有する静止分布４０１ｆ₁(m)とは離れて右に向かって移動する。これは、検出決定ができる確実性を増大させる。

好適な一実施形態において、閾値ｍ_Tlは、以下の式で表現されるように、受信器チャンネルの多数の有効ノイズとして決定される。
ｍ_Tl＝Ｄσ （１０）

上の式において、パラメータＤは所望のノイズの乗数を表わす。例えば、ノイズの乗数Ｄは、2.0及び5.0の間のどこかの値を有してもよい。これは、ノイズ上の６dBから14dBまでの範囲の閾値に対応する（すなわち６dB＝20log₁₀(2.0)）。

別の一実施形態において、検出モジュール２０３の上述の実施は非コヒーレント積分に適用される。コヒーレント及び非コヒーレント積分の間の差及び二律背反は、当業者には周知である。例えば、コヒーレント積分はノイズに対する信号の比（ＳＮ比）に重大な利点を与える。しかし、レーダの不安定性又は物体の移動による生ずるおそれがある物体位相のばらつきは非コヒーレント積分に影響を与えない。非コヒーレント積分に上述した実施形態を適応すると、信号強度の大きさｍ_Nは以下のように再定義される。

コヒーレント積分の実施形態とは対照的に、Ｎ番目の信号の大きさｍ_Nは、Ｎ番目のコヒーレント観測ｉ_N及びｑ_Nにのみ依存する。また、ＳＰＲＴ決定比ｒを以下のように再定義する必要がある。

このため、確率密度関数ｆ₁(m)及びｆ₀(m)は、ＳＰＲＴ決定比ｒを計算するために、観測された信号の大きさｍ₁，ｍ₂，…ｍ_Nと共に使用される。確率密度関数ｆ₁(m)は（７）式を使用して計算される。しかし、確率密度関数ｆ₀(m)は（８）式により特定されるものを若干変更する必要がある。

閾値ｍ_Tlは（１０）式を使用して計算される。

特定のレーダ・レーダ処理に特に適用可能でコヒーレント実施形態の一般化である別の実施形態は、高速フーリエ変換（ＦＦＴ）を含む。ＦＦＴデータの計算及び解釈は当業者には周知である。本実施形態において、複素ＦＦＴはＮ個のノイズが多い観測を使用して実行される。結果として得られるスペクトルデータは、適当なスケーリングの後、大きさの値が計算された信号の大きさｍ_Nを提供する、ピークの存在を探すであろう。

同相又は直交受信器チャンネルの現れるノイズ標準偏差σの推定を説明する。この仕事は、当業者に周知の種々の異なる技法を使用して実行できる。好適な一実施形態において、σは或る時間にわたる全レーダの観測の或る部分集合を使用して計算される。特に、現在の掃引に対して特定の目標射程距離用の最初の観察である場合にのみ、観測はこの部分集合に含まれ、物体なしの決定はこの特定目標射程距離について決定される。ノイズパラメータσは、この特定の部分集合の計算標準偏差に等しくなるよう推定される。

収集モジュール
特定射程距離に物体が存在すると決定すると、追加のレーダデータが次の処理のために即座に収集される。図５は、収集モジュール２０５のフロー概略図である。上述したように、好適な一実施形態において、ＳＲＲは２つの重なるアンテナビーム、すなわち和アンテナビーム及び差アンテナビームを有し、両ビームからのデータが物体の姿勢を推定するのに必要である。従って、収集モジュール２０５は、和ビーム及び差ビームの双方からのレーダデータの収集を示す。この目的のために、収集モジュール２０５は２つの部分モジュール、すなわち和ビームを使用してレーダデータを収集する和ビームドエル部分モジュール５０１と、差ビームを使用してレーダデータを収集する差ビームドエル部分モジュール５０２とを具備する。各部分モジュールについて、レーダは送信パルスの所定数をドエルする。各ドエルからのパルスは積分され、単一複素数値として出力される。

和ビームレーダデータを収集し次に差ビームレーダデータを収集する処理は、所定回数繰り返される。好適な一実施形態において、その処理は一定回数繰り返される。別の一実施形態において、物体の射程距離、推定された物体のＳＮ比等の要素に依存した回数繰り返される。

各ドエルの間、データは同相且つ直交レーダ受信器チャンネルから収集され、収集データ保存部２０６に置かれる。特定の目標射程距離に対して全ての必要なデータが収集され保存されると決定５０４がなされる場合、収集モジュールは終了する。

状態推定モジュール
図６は、状態推定モジュール２０７のフロー概略図である。このモジュールは、収集データ保存部２０６からのデータを使用し、検出された物体の状態すなわち目標パラメータを推定する。本明細書で使用されているように、「目標パラメータ」の用語は、例えば、射程距離、姿勢及びドップラ速度を含む、観測された物体の車両に対する位置及び移動に関する一連のレーダデータから派生する計算値を指す。モジュール出力は全ての検出された物体の描写を有し、物体リスト保存部２０９内に載置される。

最初の部分は物体積分部６０３である。この部分モジュールは、収集モジュールが前に集めた特定ビンのデータを得て、和ビームデータ及び差ビームデータについて個別に積分操作を行う。好適な一実施形態において、この部分モジュールは各ビームからのデータの複素ＦＦＴを実行する。別の一実施形態において、この部分モジュールは各ビームからのデータをコヒーレント積分する。第３実施形態において、この部分モジュールは各ビームからのデータを非コヒーレント積分する。上述したように、コヒーレント積分及び非コヒーレント積分の使用の間には周知の二律背反がある。しかし、ＦＦＴ実施形態は、物体の移動による劣化をもたらすことなくコヒーレント積分のＳＮ比の利点を保つので、好適である。ＦＦＴ実施形態はまた、物体に対するドップラ速度を推定できる能力を与える。

第２部分モジュールはパラメータ推定部６０４である。この部分モジュールは、物体積分部部分モジュールにより生成された、各ビンの積分データを受け入れる。この部分モジュールの目的は、検出された各物体のパラメータ値を推定することである。好適な一実施形態において、これらパラメータは射程距離、姿勢及びドップラ速度からなる。

ＦＦＴ実施形態において、物体積分部部分モジュール６０３の出力は、周波数のビンの個別数にわたる大きさの値及び位相値を与えるスペクトルデータである。当業者には周知であるように、ＦＦＴ変換は、サンプリングされた時間領域からサンプリングされた周波数領域（すなわち周波数のビン）表現にデータを変換する。好適な一実施形態において、和チャンネルスペクトルデータの大きさのピークの周波数位置は、物体のドップラ速度を決定する。ドップラ周波数からドップラ速度を計算する方法は、当業者には周知である。

一実施形態において、推定されたドップラ周波数は、大きさの最大値を含むビン周波数に等しい。好適な一実施形態において、ドップラ周波数は、大きさの最大値の１以上の近傍値に関わる内挿法により正確に決定される。内挿法は、基調スペクトルピークの推定された周波数値、大きさの値、及び／又は位相値の改善に関わることができる。スペクトル内挿法の実行方法は当業者には周知である。別の実施形態において、スペクトルデータ内で２個以上の極大値を識別し、別の物体として各極大値に関連する次のパラメータを推定するために可能性が保存される。さらに別の実施形態において、差チャンネルデータは、和チャンネルデータで容易に観測されない物体のパラメータを識別し且つ推定するために、スペクトルピークの存在を探すことができる。

和チャンネル又は差チャンネルのスペクトルピークの識別が与えられるので、同一の周波数での別のチャンネル（すなわち差チャンネル又は和チャンネル）の値が決定される。好適な一実施形態において、和チャンネル及び差チャンネルで結果として得られる複素数値は、物体の姿勢を決定するのに使用される。この技法はモノパルスアンテナ理論に関連する種々の別の実施とどうように、当業者には周知である。

最後に、物体の射程距離を推定できる。一実施形態において、物体の射程距離は、レーダデータが収集されるビンの射程距離に基づいて決定される。しかし、或る実施では、単一の物理的物体がいくつかの隣接する射程距離ビンで検出可能である。好適な一実施形態において、射程距離の内挿法は、大きさのピークの位置を推定するのに使用される。内挿された射程距離の値は、推定された物体の射程距離を与える。

目標パラメータが一旦計算されると、これらパラメータは、アルゴリズムを辿ることにより更に処理され、他のＳＲＲセンサにより生成された目標と融合し、ＳＲＲ以外の技法を実施するセンサにより生成された目標と融合し、及び／又は駐車補助、停止及び進行、並びに衝突検知等の多数の車両用途により使用することができる。さらに、時間がたてば、検出されたＳＲＲ目標を使用する追加の用途も開発されると期待される。

システムアーキテクチャ
本発明の方法は、任意の数のシステム構成で実施してもよいことが予期される。基本的には、方法は１個以上の検知システムを有するシステムが必要とされる。好適には、方法は他の機能性を有するシステム、例えば自働車速設定装置（ＡＣＣ）又は停止及び進行交通に使用されるシステムで実践される。図７を参照すると、代表的なＳＲＲ車両への搭載が図示されている。４個のＳＲＲセンサ７０１（ａ）〜７０１（ｄ）がフロントバンパ７０２の帯の裏に搭載されている。ＳＲＲセンサの同様のシステムは車両の側部及び後部にも搭載可能であることを理解されたい。

現在使用されているＳＲＲセンサは、最大30mの距離までの射程及び姿勢の物体を検出することができる。次世代のＳＲＲセンサはより大きな射程距離を有することが予期される。センサは、自働車の制御領域ネットワーク（ＣＡＮ）バス７０４を介してレーダ決定ユニット（ＲＤＵ）７０３と称される中央コンピュータと通信する。ＲＤＵ７０３は、センサの融合及び車両用途の実施を担当する。フロントバンパシステムの用途は、衝突前検出用途に加えて、駐車補助、停止及び進行車速設定装置（即ち、車両が停止及び進行交通条件において後続車との適当な距離を自動的に維持する）を含んでもよい。好適には、図２のシステムはセンサシステムのソフトウエア内にあるが、別の実施形態もある。例えば、図２のシステムの部分は、別の電子制御ユニット（ＥＣＵ）内にあってもよい。従って、コンピュータ分析が種々のセンサの中に分配された又は１個以上の処理装置内に凝集された程度は、本発明の開示に鑑み当業者がする最適化の問題に過ぎない。

本発明の方法の好適な一実施形態を示すフローチャートである。 本発明のシステムの好適な一実施形態を示すフロー概略図である。 図２のシステムの検出モジュールの好適な一実施形態を示すフロー概略図である。 目標射程距離で特定の大きさで物体が存在する状況、及び目標射程距離で特定の大きさで物体が存在していない状況の確率密度分布の例を示すグラフである。 図２のシステムの収集モジュールの好適な一実施形態を示すフロー概略図である。 図２のシステムの状態推定モジュールの好適な一実施形態を示すフロー概略図である。 代表的な車両レーダ搭載状態を示す概略図である。

Claims (20)

1. 自動車用レーダシステムの検出領域内で物体の目標パラメータを決定する方法であって、
   （ａ）レーダに設定された一連の射程距離から目標射程距離を定める工程と、
   （ｂ）前記目標射程距離での物体の存在または不存在が決定されるまでの初期ドエル時間に前記レーダを前記目標射程距離に存置してセンサデータを得る工程と、
   （ｃ）前記目標射程距離での物体存在及び物体不存在の確率密度分布に基づいて、前記センサデータが前記目標射程距離での物体の存在に対応するか又は物体の不存在に対応するかを決定する工程と、
   該決定ができない場合は決定ができるまで前記工程（ｂ）及び前記工程（ｃ）を繰返し、
   （ｄ）前記センサデータが前記工程（ｃ）で決定した物体の存在に対応する場合、前記初期ドエル時間の終了後に開始される延長ドエル時間で前記レーダを前記目標射程距離に存置し、前記物体の目標パラメータを決定する追加のセンサデータを得る工程と、
   （ｅ）一連の射程距離に次の射程距離が存在する限り、該次の射程距離を目標射程距離として定め、前記工程（ｂ）〜前記工程（ｅ）を繰り返す工程と
   を具備し、
   前記工程（ｄ）において、前記追加のセンサデータを、和ビームを用いてレーダデータを収集し次に差ビームを用いてレーダデータを収集する処理によって獲得し、該処理を、物体の射程距離に依存した回数繰り返すことを特徴とする物体の目標パラメータ決定方法。
2. 前記工程（ｃ）において、前記決定は順次確率比テストを使用して行われることを特徴とする請求項１記載の物体の目標パラメータ決定方法。
3. 前記工程（ｃ）において、ｒ＜Ｂなら物体が存在すると決定され、ｒ＞Ａなら物体が存在しないと決定されることを特徴とする請求項１記載の物体の目標パラメータ決定方法。
   ここで、
   

   

   ｆ_０（ｍ）は、物体が所与のレーダ値の特定射程距離に実際に存在する場合の確率密度関数、
   ｆ_１（ｍ）は、物体が所与のレーダ値の特定射程距離に実際に存在しない場合の確率密度関数、
   ｍ_Ｎは、Ｎ個の観測で観測されたノイズの多いレーダ信号の継続する収集に基づいて計算された信号の大きさ、
   

   

   

   １−αは検出の確率、
   及び、βは誤報の確率である。
4. １−αは約０．９５であり、
   βは約０．０１であることを特徴とする請求項３記載の物体の目標パラメータ決定方法。
5. 

   及び
   

   

   であることを特徴とする請求項３記載の物体の目標パラメータ決定方法。
   ここで、
   σは、センサデータに存在するノイズの標準偏差、
   及びｍ_ＴＮは、該ｍ _ＴＮ がσより少なくとも１．５倍大きいときにｆ _０ （ｍ）をライス分布で近似することで検出決定ができる確実性が増大する、検出閾値である。
6. （ｆ）前記工程（ｄ）で得られる追加のレーダに基づいて目標パラメータを決定する工程をさらに具備することを特徴とする請求項１記載の物体の目標パラメータ決定方法。
7. 前記目標パラメータは射程距離、姿勢及びドップラ速度を有することを特徴とする請求項６記載の物体の目標パラメータ決定方法。
8. 前記目標パラメータデータは、駐車補助等の車両用途を支援するようにプロセッサに送信されることを特徴とする請求項６記載の物体の目標パラメータ決定方法。
9. 前記工程（ｆ）は、前記一連の射程距離の全射程距離で前記工程（ｂ）が実行された後に実行されることを特徴とする請求項６記載の物体の目標パラメータ決定方法。
10. 前記工程（ｆ）は、前記工程（ｃ）の各々が実行された後に実行されることを特徴とする請求項６記載の物体の目標パラメータ決定方法。
11. 前記初期ドエルは固定された数のレーダデータを得ることに基づいていることを特徴とする請求項１記載の物体の目標パラメータ決定方法。
12. 前記工程（ｃ）において、前記データが物体の存在又は不存在に対応するかどうか決定できない場合、前記初期ドエル時間を増加して追加のレーダデータを得ることを特徴とする請求項１記載の物体の目標パラメータ決定方法。
13. 前記延長ドエル時間は固定されていることを特徴とする請求項１記載の物体の目標パラメータ決定方法。
14. 前記延長ドエル時間は、物体射程距離及び推定されたＳＮ比の少なくとも一方に基づいていること特徴とする請求項１記載の物体の目標パラメータ決定方法。
15. 前記工程（ｂ）の前記初期ドエル時間に対する延長ドエル時間の比は２より大きいことを特徴とする請求項１記載の物体の目標パラメータ決定方法。
16. 前記センサデータは、同相及び直交成分を有する複素数値を具備するレーダデータであることを特徴とする請求項１記載の物体の目標パラメータ決定方法。
17. 前記工程（ｂ）においてコヒーレント積分又は非コヒーレント積分が使用されることを特徴とする請求項１記載の物体の目標パラメータ決定方法。
18. 前記延長ドエル時間データに高速フーリエ変換が使用され、目標パラメータを推定することを特徴とする請求項１記載の物体の目標パラメータ決定方法。
19. 車両の周りの物体を検知するシステムであって、
    （ａ）物体を検知するレーダに設定された一連の射程距離から目標射程距離を定める工程と、
    （ｂ）前記目標射程距離での物体の存在または不存在が決定されるまでの初期ドエル時間に前記レーダを前記目標射程距離に存置してセンサデータを得る工程と、
    （ｃ）前記目標射程距離での物体の有無の確率密度分布に基づいて、前記センサデータが前記目標射程距離での物体の存在に対応するか又は物体の不存在に対応するかを決定する工程と、
    該決定ができない場合は決定ができるまで前記工程（ｂ）及び前記工程（ｃ）を繰返し、
    （ｄ）前記センサデータが前記工程（ｃ）で決定した物体の存在に対応する場合、前記初期ドエル時間の終了後に開始される延長ドエル時間で前記レーダを前記目標射程距離に存置し、前記物体の目標パラメータを決定する追加のセンサデータを得る工程と、
    （ｅ）一連の射程距離に次の射程距離が存在する限り、該次の射程距離を目標射程距離として定め、前記工程（ｂ）〜前記工程（ｅ）を繰り返す工程と
    を具備し、
    前記工程（ｄ）において、前記追加のセンサデータを、和ビームを用いてレーダデータを収集し次に差ビームを用いてレーダデータを収集する処理によって獲得し、該処理を、物体の射程距離に依存した回数繰り返すことを実行するよう構成された少なくとも１個のコンピュータを具備することを特徴とする物体検知システム。
20. 車両の周りの物体を検知する車両レーダシステムと組み合わせたシステムであって、
    データプロセッサと、
    前記車両レーダシステムからレーダデータを受信するための入力部と、
    前記データプロセッサに動作接続されたメモリとを具備し、
    前記メモリは、
    レーダに設定された一連の射程距離から目標射程距離を定め、前記目標射程距離での物体の存在または不存在が決定されるまでの初期ドエル時間に前記目標射程距離に存置してレーダデータを得るよう前記車両レーダシステムに指示し、前記目標射程距離での物体存在及び物体不存在の確率密度分布に基づいて、前記レーダデータが前記目標射程距離での物体の存在に対応するか又は物体の不存在に対応するかを決定し、前記物体の存在又は不存在の決定ができない場合はより多くのレーダデータを収集するよう初期ドエル時間を繰り返すための検出モジュールと、
    該検出モジュールが前記物体が存在すると決定した後、前記初期ドエル時間の終了後に開始される延長ドエル時間に前記目標射程距離で存置し、前記物体の目標パラメータを決定する追加のセンサデータを得る収集モジュールと、
    前記追加のセンサデータから前記物体の目標パラメータを決定する状態推定モジュールと
    を具備し、
    前記追加のセンサデータを、和ビームを用いてレーダデータを収集し次に差ビームを用いてレーダデータを収集する処理によって獲得し、該処理を、物体の射程距離に依存した回数繰り返すことを特徴とするシステム。

Images