用于探测运动对象的系统的制作方法

文档序号:20012612发布日期:2020-02-22 04:32阅读:160来源:国知局
用于探测运动对象的系统的制作方法

本发明涉及一种用于探测运动对象的系统。本发明还涉及一种用于探测运动对象的方法。本发明还涉及一种计算机程序产品。



背景技术:

雷达系统设置用于发送雷达信号,并将在对象上反射的雷达信号与发送的雷达信号进行比较。在此,已知多个不同的种类,通过所述不同的种类可以收集关于对象的不同信息。一种已知的变型方案是fmcw(英语frequencymodulatedcontinuouswave,调频连续波)雷达,在该fmcw雷达中借助锯齿波函数来对所发送的雷达信号进行调制。然后可以以良好的准确度来确定对象与雷达系统的间距。可以通过如下方式来获得对象角:使用多个天线或如此控制天线,使得将信号向预确定的方向发射,该对象角表示从雷达传感器出发在哪个方向上可以找到对象。

相对于所发送的雷达信号所反射的雷达信号的多普勒频移可以指示对象相对于雷达系统的相对速度。在自身内部运动的对象(例如手臂和双腿来回摆动的行人)表现出可测量的多普勒频率的特征性的、通常周期性的波动。可以分析这些波动,以便可以进一步对对象进行分类。

de102015109759a1提出,如此控制机动车车载的雷达系统,使得可以执行微多普勒分析。

为了借助自身可运动(例如机动车车载)的雷达系统来将对象分类,可以使用例如具有线性调频脉冲序列的复杂调制。然而,此处的处理可能开销非常高。例如可能需要对发送信号和接收信号之间的差信号进行二维傅立叶分析,从而性能卓越的处理装置是绝对必要的。



技术实现要素:

本发明所基于的任务之一是提供一种用于探测运动对象的简单的基于雷达的技术。

根据第一方面,本发明提出一种用于探测运动对象的系统,该系统具有:

-雷达设备,该雷达设备用于以至少一个角度接收由对象反射的至少一个信号;

-处理装置,该处理装置用于求取雷达设备与对象之间的至少一个相对速度以及针对每个所求取的相对速度的至少一个角度;

-其中,能够借助处理装置对从对象接收的信号执行微多普勒分析;

-其中,根据针对接收信号所确定的角度来执行微多普勒分析;

-其中,能够借助所执行的微多普勒分析来求取对象的类型。

在所提出的系统中执行微多普勒分析,在此基础上对对象的类型进行分类。自身运动的行人具有相对于雷达设备以不同速度运动的不同身体部分,由此如此产生的在时间上的速度分布可以是对于行人特征化的。结果,可以有利地借助所提出的系统例如为机动车提供仅基于雷达的行人保护或骑行者保护。

根据第二方面,本发明提出一种用于探测运动对象的方法,该方法具有以下步骤:

-借助雷达设备接收由对象以至少一个角度反射的至少一个信号;

-求取在雷达设备与对象之间的至少一个相对速度;

-借助处理装置对所接收的信号执行微多普勒分析,其中,根据对于接收信号所确定的角度来执行微多普勒分析;

-借助所执行的微多普勒分析来求取对象的类型。

在该系统的一种优选的实施方式中设置,能够针对不同的相对速度来求取接收角度。由此,还可以更精确地执行微多普勒分析。

在该系统的一种优选的实施方式中设置,能够通过所接收的信号的相关来执行求取角度。由此,执行可靠地求取由不同角度获得的接收信号。

该系统的一种优选的实施方式设置,将所求取的角度用于对如下多个对象的同时的微多普勒分析:所述多个对象具有在相对速度方面的重叠分布。由此能够实现根据空间方向来将不同的对象彼此区分开。在此,例如可以有利地将多个行人彼此区分开。

该系统的另一优选的实施方式的特征在于,能够借助处理装置来求取所接收信号的频率扩展(frequenzaufspreizung)的宽度和所接收信号的频率扩展的时间变化过程。以这种方式,有利地进一步改善了对运动对象的分类。

该系统的另一优选的实施方式设置,借助处理装置来求取多普勒频率的扩展的周期性。以这种方式,例如可以检测行人肢体的周期性运动。

该系统的另一优选的实施方式的特征在于,执行将角度估算限制到定义的小的频率/速度范围上。由此,可以将系统的探测性能有利地集中到感兴趣的区域上。

该系统的另一优选的实施方式的特征在于,雷达设备构造为连续波雷达设备。借助这种类型的雷达设备,可以很好地实现对所接收的信号的区分。

该系统的另一优选的实施方式的特征在于,该实施方式还具有另一雷达设备,该雷达设备优选地构造为fmcw雷达设备。由此,可以将fmcw雷达设备良好地用于求取距离和第一相对速度,并且将连续波雷达良好地用于对象的高的速度分辨率。

该系统的另一优选的实施方式的特征在于,雷达设备分别具有至少一个发送天线并分别具有至少两个接收天线,其中,能够借助接收天线来接收来自不同接收方向的接收信号。以这种方式,可以执行可靠地求取接收信号的角度。

公开的设备特征类似地由相应的公开的方法特征得出,反之亦然。这尤其意味着,关于用于对机动车的周围环境中的对象进行定位的系统的特征、技术优点和实施方案以类似的方式由关于用于对机动车的周围环境中的对象进行定位的方法的相应的实施方案、特征和优点得出,反之亦然。

附图说明

以下借助根据多个附图的其他特征和优点来详细地描述本发明,附图示出:

图1示出所提出的系统的一种实施方式;

图2示出所提出的系统的另一实施方式;

图3示出所提出的方法的原理性流程图;

图4示出用于阐述所提出的系统的一种有利的扩展方案的作用方式的示意图;

图5示出图4的示图的截面;

图6示出图4的示图的局部视图;

图7以用于求取对象的方向或角度的时频网格化(zeit-frequenz-rasterung)示出图6的局部视图。

具体实施方式

本发明基于这样的构思——借助雷达设备通过微多普勒分析对于一个或多个对象来分析相对速度的谱。以这种方式,即使单个和/或多个对象在复杂的场景中可以具有相似的间距和速度但不同的方向,也可以实现对所述单个和/或多个对象的准确的分析或分类。

该系统可以允许不同雷达设备的优点的组合,以便不仅分析关于对象的运动类型的准确信息,而且分析关于对象的位置和位置变化的准确信息。如果具有雷达设备的机动车相对于周围环境运动,则尤其可以成功实现对对象的更准确的速度信息的分析。

以这种方式可以显著地改善对对象的分类。尤其可以改善地执行将对象分类为行人/骑行者,从而例如可以改善地控制机动车车载的驾驶辅助系统和/或主动事故保护设备和/或被动事故保护设备。例如,如果确定行人正处于与机动车的碰撞路线(kollisionskurs)中,则可以发出信号来警告驾驶员或行人。在一种有利的变型方案中,可以借助该系统来发起机动车的自动制动。

处理装置设置用于对由雷达设备接收到的信号执行微多普勒分析。通过微多普勒分析可以确定对象的运动模式是否与行人的已知运动模式一致。根据所执行的微多普勒分析的详细化,甚至可以有利地确定行人正在进行哪种活动。

构造为连续波雷达设备的雷达设备可以在连续波运行模式中例如在约15ms至约25ms的周期上运行,在其他变型模式中在约10ms至约15ms或约25ms至约30ms的周期上运行。借助对多普勒频率的分析处理,可以由此显著地提高速度确定的准确性。

以这种方式,可以使该系统良好地匹配于对行人的探测的要求,其中,例如在连续波信号的发送持续时间约为20ms的情况下,能够实现约0.1m/s的对象速度分辨率,这足以实现对行人的典型速度的更准确的分析。行人的典型速度对于躯干约为1m/s、对于向前摆动的腿约为直至4m/s,由此得出约10至40个频率槽(frequenzbins)。相比之下,对于横穿的行人出现相对速度的显著的降低。

在微多普勒分析中,对关于正在运动的对象的多普勒谱的扩展进行分析处理,其中,忽略静止的对象和在多普勒谱中不产生扩展的运动刚体。

借助微多普勒分析,可以对在发送的连续波雷达信号与在对象上反射的连续波雷达信号之间的差信号在该差信号的频率分布的方面进行分析。在此,优选地借助傅立叶变换来执行该分析。在此,可以在预确定的频率范围内计算出信号能量。也可以在频率分布的时间变化过程中对频率分布进行分析,从而例如可以将行走的或跑步的行人的运动模式彼此区分开。

在所提出的系统的一种有利的扩展方案中,可以设有另一雷达设备,该雷达设备可以根据任意的测量原理(优选地根据fmcw原理)来构造,该fmcw原理通常使用连续的雷达信号的频率斜坡。其他的实施方式也是可能的,例如可以使用如下雷达设备:在该雷达设备中相继地机械地或电子地扫描各个空间角来确定对象角度。

优选地,彼此分开地处理所述另一雷达设备的各个fmcw斜坡的信号。对此,优选地借助已知的一维傅立叶变换来分析fmcw斜坡。与在线性调频脉冲序列的情况下的二维傅立叶分析相比,这种方式的计算开销要低得多。为了分离不同的对象,可以在傅立叶分析之后将隔着不同斜坡的所探测的频率峰值相互组合。作为结果,可以交替地运行两个雷达设备,由此可以在相同的频率范围内更容易地执行扫描。

替代地,这两个雷达设备也可以集成到唯一的雷达设备中,其中,该集成的雷达设备相继地以不同的信号来运行。在一个时刻,该集成的雷达设备例如可以以fmcw信号或以连续波信号来运行。所述运行类型尤其可以被交替地激活。通过节省雷达设备可以节省成本。可以以简单的开销将已知的雷达设备改装成所描述的系统。

优选地,应该仅考虑低于预确定的极限频率(grenzfrequenz)的频率,其中,该极限频率是基于雷达设备相对于周围环境的速度来确定的。由此,优选地仅考虑被分配给如下对象的信号分量:与雷达设备相对于周围环境的运动相比,该对象更快地接近雷达设备——即相对于周围环境自身运动的对象。这些对象的多普勒频率相应地小于(或在量值上大于)相应于负的固有速度的多普勒频率。

图1示出所提出的系统的一种基本变型方案。可以识别到雷达设备10,该雷达设备与处理装置20在功能上连接。借助雷达设备10来发送在对象200(例如行人)上至少部分地反射的发送信号,并且将所述发送信号在不同的非常相似的角度下接收作为接收信号。借助处理装置20对所接收的信号进行微多普勒分析,并且由此对对象200的类型进行分类。

所提出的系统可以有利地在机动车中用作基于雷达的行人保护。也可以设想在静止的监测系统中(例如在军事领域中)基于雷达的应用。

图2示出所提出的系统100的上述有利的扩展方案的一种用于机动车50的有用的示例性应用情况,该机动车包括雷达设备10、另一雷达设备30和处理装置20。雷达设备10、30中的每个具有至少一个发送天线,并且分别具有至少两个、优选四个接收天线(未示出),从而可以借助所述至少两个接收天线来接收来自空间上不同方向的接收信号,接着将接收信号进行相关,由此可以对于所接收的信号推导出方向信息。两个雷达设备10、30也可以集成地构造为一个雷达设备,在这种情况下优选地交替运行为第一雷达设备10和另一雷达设备。在机动车50的周围环境210中存在运动对象200,该运动对象在图1的情况下由行人表示。

借助系统100设置,借助雷达信号来扫描对象200并确定对象200的位置信息、运动信息和分类信息。可以借助接口40来将所确定的信息提供用于进一步的使用,该接口可以构造为机动车50车载的警告装置和/或控制装置(未示出)。

可运动对象200可以相对于周围环境210运动。此外,对象200可以在其内部运动或执行微运动。在此,可运动对象200的部分(在行人的情况下:手臂和腿部)可以相对于周围环境210以与对象200不同的速度运动。在这种情况下,借助雷达设备10、30不仅可以测量多普勒频率、而且可以测量整个范围的多普勒频率。

例如构造为行人的可运动对象200可以以约5km/h的速度相对于周围环境210运动。由于行人的腿部(大多数情况下以及手臂)的周期性运动,腿部的多普勒频率扩展由此也以周期性的方式波动。当双脚站在地面上时,最大速度由上半身(torso)给定。该速度沿着腿部减小——直到在脚部减小到零。因此,相应于在零与上半身的速度之间的速度的每个多普勒频率都可能是可测量的。这也是最小多普勒频率扩展的时刻。反之,在向前摆动的情况下,脚的速度达到上半身速度的约3至4倍。

借助如此求取的多普勒频率范围或频率槽范围,可以执行所有接收天线的接收信号的相关。以这种方式,可以实现所谓的“多目标估算器”,其中,在单个频率槽中求取以不同角度布置的多个对象。为了在不需要雷达信号的复杂调制和复杂分析处理的情况下足够准确地确定对象200的速度谱而提出,借助第一雷达设备20来确定对象200的距离和/或粗略运动,该第一雷达设备使用已知的fmcw信号。为了求取对象200的高的速度分辨率,附加地借助雷达设备10、优选地借助微多普勒分析来确定和分析对象200的微运动。在此,雷达设备10优选地使用连续波信号(“cw斜坡”),因此所发送的雷达信号不在时间上进行调制。借助连续波信号进行的确定可以比fmcw方法的普遍斜坡定义地更长得执行,并且所述确定例如持续约20ms,以实现对于对象200的足够的速度分辨率。

对于每个频率槽,可以与其中所接收的功率有关或无关地执行接收信号的相关。以这种方式,要么可以进行对功率升高的探测,要么可以进行不同接收天线的单个接收信号之间的相关,其中,在后者的情况下计算开销更高。

对于连续波信号,仅多普勒效应对接收信号有影响。反之,对象200的距离不产生影响。差频率并且因此多普勒频率直接地相应于对象200相对于机动车50的物理速度。由于对于连续波信号不能够确定距离,因此需要继续通过常规的fmcw方法将场景分离成各个对象200。然而,两个雷达设备10、30都可以确定对象200相对于雷达设备10、30的速度和角度,从而通常可以将微多普勒效应明确地分配给所探测到的对象200之一。

最后,可以在所提出系统的基本形式中对连续波信号与传统fmcw斜坡几乎完全分开地进行分析。

图3示出用于确定关于可运动对象200的信息的方法的流程图300,该方法还使用另一雷达设备30,其中,该信息尤其包括对象200的位置或运动以及微运动的频率分布。

在步骤305中,借助另一雷达设备30优选地基于fmcw信号来扫描对象200。替代地,其他的雷达方法也是可能的。通过步骤305在时间图中定性地表明发送信号和反射信号。所述确定在雷达技术中是已知的,并且可以以任何已知的类型来执行。作为扫描的结果,优选地确定到另一雷达设备30的第一间距d(t)以及对象200与另一雷达设备30之间的第一相对速度v1(t)。

在可以与步骤305交替地执行的步骤310中,借助雷达设备10基于具有恒定频率的雷达信号(连续波信号)来扫描对象200。通过步骤310表明的图概述了发送信号和反射信号。作为扫描的结果,优选地确定对象200与雷达设备10之间的第二相对速度v2(t)。在此,第二相对速度优选地是非常高分辨率的,并且由此实现高效地执行微多普勒分析。

在步骤315中,将在步骤305和310中确定的信息互相分配。第一信息和第二信息涉及相同的对象200并且能够被互相分配,所述第一信息和第二信息分别包括相同的角度、优选地还包括角度的相同的在时间上的发展。作为第一和第二信息的组合,步骤315优选地提供距离d(t)、速度v(t)和角度

在步骤320中,可以分析第二相对速度的频率分布,以便确定所得出的模式是否指示行人。

为此目的,求取并分析相对速度的扩展或代表相对速度的多普勒频率的扩展。在宽幅扩展的情况下,借助时间上的分析将对象200分类为行人,其中,相应的模式或这种模式的特征可以被预先确定并可以被考虑用于比较。

在对接收功率进行分析的情况下,可以简单地合计(英语“nicht-integration”,非相干积分)所有接收天线的每个单个接收功率,或者可以替代地尝试可以在何种程度上以足够高的质量在频率槽中以相应角度来确定一个或多个对象。当在每个频率槽中分别仅可以确定更强功率的对象(由于接收信号的强烈功率差异)或者应该简单地确定仅一个角度时,可以实现如上情况,以节省用于多目标估算器的较高开销。

雷达设备10的连续波信号的处理与(例如另一雷达设备30的)fmcw斜坡的处理基本上相同。在所有接收通道上进行非相干积分后,优选地借助快速傅立叶变换来进行谱分析。在此,将信号分解成频率——该信号由所述频率组成。然后确定每个频率槽中的频率分量的功率,其中,频率槽分别相应于总谱的所定义的频率区间。

然而,在此与fmcw斜坡相反,不需要对频率峰值进行探测(并相互分配)。具有高于噪声阈值的功率的每个频率槽都直接显示具有(在径向方向上的)相应速度的物理对象200的存在。对于具有微多普勒效应的对象200自然得出这一点,甚至对于整个谱也得出这一点。角度估算实际上也与在fmcw斜坡的情况下相同。这再次仅省略了对各个频率峰值的探测。此外,仅存在可以确定角度的唯一的连续波信号,因此也省略了每个斜坡的角度计算。然而,在存在微多普勒的情况下,在不同的斜坡的位置处出现各个频率槽。

在汽车领域,雷达设备10的自身运动可能使得难以执行用于探测行人的微多普勒分析。对于运动的雷达设备10看起来像这样:静止的对象200在前方以其自身的速度朝该雷达设备直接运动。在侧向偏移的情况下,视向速度(scheinbaregeschwindigkeit)会以观察角的余弦值减小。在超车(即在90°的情况下)的时刻像对象200在移向雷达设备10后方之前短暂地停止。因此,静止对象200的反射功率在谱中被限制在如下频率上:该频率相应于在零和负的自身速度之间的速度。机动车50相对于周围环境210的速度称为自身速度。

这些关系在图4的示图400中示出。在水平方向上绘制时间t,并且在竖直方向上根据多普勒频率f多普勒(t)绘制速度v。基本信号405代表以低于负的自身速度的速度相对于雷达设备10运动的对象,因此该对象被视为静止。各个峰(英语peaks)410对应于以行人形式的对象200。在此,各个峰410代表由行人相对于第二雷达设备30的步伐而生成的最大相对速度。

曲线420代表机动车50的停止的迎面交通。区域405的边界线表示机动车50的负的自身速度-v自身。

在该区域外的所有其他频率都不会受到静止对象的干扰。与此相反,在其他fmcw斜坡中,背景杂波(hintergrund-clutter)分布在明显更大的频率范围上。

对于驾驶员辅助范围内的行人保护或骑行者保护,横穿的行人尤其是重要的。与从正面迎面而来的行人相比,在雷达设备10的方向上的运动的径向分量显著减小——但不为零。即使行人垂直地横穿机动车50在其上运动的道路,行人也不会垂直于雷达设备10地运动。然而,对于横穿的行人,通常仅向前摆动的腿部的相对速度高于直接在行驶方向上在前方站立的对象的相对速度。

因此,只有相应的频率分量才能无干扰地在谱上进行分析。由于行人在雷达设备10的方向上缓慢但主动的运动,待分析的微多普勒效应直接落在低于与负的自身速度相对应的多普勒频率的频率范围内。对于自身速度,在机动车50的车载通常存在高质量的估算。因此,可以直接选择频谱中对行人重要的区域。

在转弯处,机动车50的各个点由于旋转运动而具有不同的速度。通常关于车辆后轴来确定机动车50的自身速度。也可以简单地通过机动车50的通常已知的偏航率(gierrate)推导出安装在前部的雷达设备10的相应速度。

因为行人从侧边接近行车道,所以可测量到的速度也由于相对于雷达设备10、30的运动方向的侧向偏移而减小。在相同的观察角度下,行人获得与静止对象200的视向速度相等的降低。另一方面,由于在行人的相同运动方向的情况下较大的观察角,实际的行人运动的径向分量增加。

对于微多普勒的实际分析适用与对于具有恒定发送频率的静止雷达系统原则上类似的方法。然而,由于微多普勒扩展的大部分的覆盖,主要决定性的是微多普勒功率的强度、未覆盖的扩展的宽度、该宽度随时间的波动的幅度、两个最大扩展之间的时间间距/周期(以及因此行人的所测量的步频)。

图5示出图4的沿着时刻t=τ的截面的示图。在峰410的区域的左侧,可以看到行人的峰410的频率的宽幅扩展。峰410是由于行人的向前摆动的脚以由此生成的相对于雷达设备的高的相对速度而产生的。也可以看到峰430,该峰由停止的车辆50生成,该车辆停止并且因此具有与行人类似的小的相对速度。在此,由于底盘是金属制成的,因此底盘的接收功率在此大幅增高。以这种方式,可以良好地辨别出行人,并且可以将对象200分类为行人并对该信息进行后续处理。

图6示出图5的局部视图b,关于该局部视图执行时频网格化。

图7在图示a)中示出图的未网格化的区域b并且在图示b)中示出区域b的时频网格化,其中,水平地示出跨越所有测量周期的频率槽,竖直地示出对于单个测量周期的所有频率槽。在此,时频网格化的方形格b1、b2、b3、b4相应于离散域中的频率槽或模拟域中的定义的频率区间。

在频率槽b1中不执行分析,因为在那里仅可以预期相对于雷达设备10、30基本上静止的对象(或者可以预期静止对象的接收功率占主导)。

在频率槽b2中,使所接收的功率如此相关:由此以一个角度得出一个对象,其中,该对象以行人的形式相对于雷达设备10、30布置。

在频率槽b3中,使所接收的功率如此相关:由此以一个角度得出一个对象,其中,对象200以车辆的形式相对于雷达设备10、30布置。

在频率槽b4中,由于接收信号的相关而没有探测到对象200。

附加地,在该分析时应注意,行人通过定义而具有静止的部分(站立的脚)并且通过上半身给出最大功率。相应地,在属于负自身速度的多普勒频率与行人的微多普勒扩展之间没有间隙(没有信号功率)。如果谱的最大值与属于负自身速度的多普勒频率相距甚远,则相应地不将对象分类为行人。

有利地,该方法可以实现为在雷达设备10、30和处理装置20上运行的软件,由此支持该方法的简单的可改变性。

有利地,对于所提出的系统不需要考虑雨滴的影响,因为雨滴反射的功率通常与行人的微多普勒效应重叠。由于在此涉及空间上分布的事件,因此表现出:尽管部分绝对显著的功率,但通常仍不能够确定入射角。因此,雨水仅有效地降低了信噪比,其中,尤其能够无干扰地确定行人的功率扩展的整个宽度。

当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1