使用具有不同观测角的多个雷达进行对象速度矢量估计

摘要

公开了一种估计对象相对于车辆的速度的车辆、系统和方法。该系统包括与车辆相关联的多个雷达和处理器。多个雷达提供速度的粗略估计。处理器基于对象的速度的粗略估计来获得多个速度假设，确定多个速度假设中的每一个速度假设的似然性，并且基于所确定的似然性来选择具有作为速度估计的速度假设。

权利要求

1.一种估计对象速度的方法，包括：

基于所述对象的所述速度的粗略估计获得多个速度假设；

确定所述多个速度假设中的每一个速度假设的似然性；以及基于所确定的似然性，从所述多个速度假设中选择速度假设作为速度的所述估计。

2.根据权利要求1所述的方法，其中，确定所选择的速度假设的似然性进一步包括形成所述速度假设的似然图。

3.根据权利要求2所述的方法，进一步包括确定所选择的速度假设的似然性分数，所述似然性分数是所述似然图的熵项与所述似然图的像素的能量之间的差。

4.根据权利要求1所述的方法，进一步包括：在多个间隔开的雷达中的每一个雷达处获得所述对象的多普勒频率的测量；以及从所述多普勒频率确定所述对象的所述速度的所述粗略估计。

5.根据权利要求1所述的方法，进一步包括：从所述粗略估计生成搜索网格，并从所述搜索网格内的区域中选择所述速度假设。

6.一种用于估计对象相对于车辆的速度的系统，包括：与所述车辆相关的多个雷达，用于提供所述速度的粗略估计；

处理器，其被配置为：

基于所述对象的所述速度的所述粗略估计获得多个速度假设；

确定所述多个速度假设中的每一个速度假设的似然性；以及基于所确定的似然性，选择速度假设作为速度的所述估计。

7.根据权利要求6所述的系统，其中，所述处理器进一步被配置为形成所选择的速度假设的似然图。

8.根据权利要求7所述的系统，其中，所述处理器进一步被配置为根据所述似然图的熵项与所述似然图的像素的能量之间的差来确定所选择的速度假设的似然性分数。

9.根据权利要求6所述的系统，其中，所述多个雷达获得所述对象的多普勒频率的测量，并且所述处理器被配置成从所述多普勒频率确定所述对象的所述速度的所述粗略估计。

10.根据权利要求6所述的系统，其中，所述处理器被配置为从所述粗略估计生成搜索网格，并从所述搜索网格内的区域中选择所述速度假设。

说明书

使用具有不同观测角的多个雷达进行对象速度矢量估计

[0001] 引言

[0002] 本公开涉及用于确定雷达系统中的对象的速度的雷达系统和方法，并且具体地，涉及使用多个雷达确定对象的二维速度矢量。

[0003] 车辆上的雷达系统检测车辆周围的对象，以便使车辆能够在不接触的情况下围绕对象导航。简单的雷达系统获得多普勒测量值，该多普勒测量值确定对象相对于车辆的径向速度。对象通常不仅仅朝向或远离车辆(即，径向地)移动，而是也从一侧移动到另一侧(即，切向地)。然而，单个雷达无法检测到速度矢量的切向分量。仅测量径向速度的单个雷达提供关于对象速度的不完整信息。因此，希望采用一种完全确定对象的二维速度矢量的雷达系统。

发明内容

[0004] 在一个示例性实施例中，公开了一种估计对象速度的方法。该方法包括基于对象的速度的粗略估计来获得多个速度假设，确定多个速度假设中的每一个速度假设的似然性，以及基于确定的似然性从多个速度假设中选择速度假设作为速度的估计。

[0005] 除了本文描述的一个或多个特征之外，确定所选择的速度假设的似然性进一步包括形成速度假设的似然图。所选择的速度假设的似然性分数是似然图的熵项和似然图的像素的能量之间的差。该方法进一步包括选择似然性分数为极值的速度假设作为速度的估计。该方法进一步包括在多个间隔开的雷达中的每一个雷达处获得对象的多普勒频率的测量，以及从多普勒频率中确定对象的速度的粗略估计。该方法进一步包括根据多普勒频率和对象相对于多个间隔开的雷达中的每一个雷达的角度位置确定速度的粗略估计。该方法进一步包括从粗略估计生成搜索网格并从搜索网格内的区域选择速度假设。

[0006] 在另一示例性实施例中，公开了一种用于估计对象相对于车辆的速度的系统。该系统包括与车辆相关联的多个雷达和处理器。多个雷达提供速度的粗略估计。处理器基于对象速度的粗略估计获得多个速度假设，确定多个速度假设中的每一个速度假设的似然性，并基于所确定的似然性选择速度假设作为速度估计。

[0007] 除了本文描述的一个或多个特征之外，处理器进一步被配置为形成所选择的速度假设的似然图。处理器进一步被配置为根据似然图的熵项和似然图的像素的能量之间的差来确定所选择的速度假设的似然性分数。处理器进一步选择似然性分数为极值的速度假设作为速度的估计。多个雷达获得对象的多普勒频率的测量，并且处理器被配置为从多普勒频率中确定对象的速度的粗略估计。处理器进一步被配置为从多普勒频率和对象相对于多个间隔开的雷达中的每一个雷达的角度位置确定速度的粗略估计。处理器被配置为从粗略估计中生成搜索网格，并从搜索网格内的区域中选择速度假设。

[0008] 在另一示例性实施例中，公开了一种车辆。该车辆包括多个雷达和处理器。处理器被配置为基于使用多个雷达获得的对象的速度的粗略估计来生成搜索网格，确定搜索网格内的多个速度假设的似然性，并基于所确定的速度假设的似然性，从多个速度假设中选择速度假设作为速度估计。

[0009] 除了本文描述的一个或多个特征之外，处理器进一步被配置为形成所选择的速度假设的似然图。处理器进一步被配置为根据似然图的熵项与似然图的像素的能量之间的差来确定所选择的速度假设的似然性分数，并选择似然性分数为极值的速度假设作为速度的估计。多个雷达获得对象的多普勒频率的测量，并且处理器被配置为从多普勒频率确定对象的速度的粗略估计。处理器进一步被配置为从多普勒频率和对象相对于多个间隔开的雷达中的每一个雷达的角度位置确定速度的粗略估计。处理器被配置为从粗略估计生成搜索网格，并从搜索网格内的区域中选择速度假设。

[0010] 通过以下结合附图的详细描述，本公开的上述特征和优点以及其它特征和优点将变得显而易见。

附图说明

[0011] 仅通过示例的方式，在以下详细描述中，其它特征、优点和细节出现，详细描述参考附图，在附图中：

[0012] 图1示出了根据各种实施例的具有相关联轨迹规划系统的车辆；

[0013] 图2示出了用于相对于图1的车辆确定对象的二维速度矢量的多输入多输出(MIMO)雷达阵列的操作；

[0014] 图3示出了基于可用于所选择的速度假设的粗略速度估计的说明性搜索网格；

[0015] 图4示出了用于确定从图3的搜索网格中选择的速度假设的似然性分数的过程；

[0016] 图5示出了从图3的搜索网格中选择的多个速度假设的似然性分数函数的曲线图；

[0017] 图6示出了来自图3的搜索网格的速度假设；以及

[0018] 图7示出了说明使用本文公开的方法确定对象的真实或实际速度的方法的流程图。

具体实施方式

[0019] 以下描述本质上仅是示例性的，并不旨在限制本公开、其应用或用途。应该理解的是，在整个附图中，相应的附图标记表示相同或相应的部件和特征。

[0020] 根据示例性实施例，图1示出了根据各种实施例的具有在100处描绘的相关联轨迹规划系统的车辆10。通常，轨迹规划系统100确定用于车辆10的自动驾驶的轨迹规划。车辆10通常包括底盘12、车身14、前轮16和后轮18。车身14布置在底盘12上，并且基本上包围车辆10的部件。车身14和底盘12可共同形成框架。车轮16和18各自在车身14的相应拐角附近可旋转地耦接到底盘12。

[0021] 在各种实施例中，车辆10是自主车辆，并且轨迹规划系统100结合到自主车辆10(下文中称为自主车辆10)中。自主车辆10例如是自动控制以将乘客从一个位置运送到另一个位置的车辆。在所示实施例中，自主车辆10被描绘为乘用车，但是应当理解，也可以使用包括摩托车、卡车、运动型多功能车(SUV)、休闲车(RV)、船舶、飞机等的任何其它车辆。在示例性实施例中，自主车辆10是所谓的四级或五级自动化系统。四级系统表示“高度自动化”，指的是动态驾驶任务的所有方面的自动驾驶系统的驾驶模式特定性能，即使人类驾驶员没有对干预请求做出适当响应。五级系统表示“完全自动化”，指的是自动驾驶系统在可由人类驾驶员管理的所有道路和环境条件下的动态驾驶任务的所有方面的全时性能。

[0022] 如图所示，自主车辆10通常包括推进系统20、变速器系统22、转向系统24、制动系统26、传感器系统28、致动器系统30、至少一个数据存储装置32、和至少一个控制器34。在各种实施例中，推进系统20可包括内燃发动机、诸如牵引电动机的电机、和/或燃料电池推进系统。变速器系统22被配置成根据可选择的速度比将动力从推进系统20传递到车轮16和18。根据各种实施例，变速器系统22可包括步进比自动变速器、无级变速器或其它适当的变速器。制动系统26被配置成向车轮16和18提供制动扭矩。在各种实施例中，制动系统26可包括摩擦制动器、线控制动器、再生制动系统，诸如电机，和/或其它适当的制动系统。转向系统24影响车轮16和18的位置。虽然为了说明的目的而描绘为包括方向盘，但是在本公开的范围内预期的一些实施例中，转向系统24可以不包括方向盘。

[0023] 传感器系统28包括一个或多个感测装置40a-40n，其感测自主车辆10的外部环境和/或内部环境的可观察状况。感测装置40a-40n可包括但不限于，雷达、激光雷达、全球定位系统、光学相机、热像仪、超声波传感器和/或其它传感器。在各种实施例中，车辆10包括包括雷达阵列的雷达系统，该雷达位于沿着车辆10的各个位置处。在操作中，雷达发出电磁脉冲48，该电磁脉冲48由雷达视场中的一个或多个对象50在车辆10处反射回来。反射脉冲52表现为雷达处的一个或多个检测。

[0024] 致动器系统30包括一个或多个致动器装置42a-42n，其控制一个或多个车辆特征，诸如但不限于推进系统20、变速器系统22、转向系统24和制动系统26。在各种实施例中，车辆特征可进一步包括内部和/或外部车辆特征，诸如但不限于门、行李箱和诸如通风、音乐、照明等(未编号)的舱室特征。

[0025] 控制器34包括至少一个处理器44和计算机可读存储装置或介质46。处理器44可以是任何定制的或商业上可用的处理器、中央处理单元(CPU)、图形处理单元(GPU)、与控制器34相关联的若干处理器中的辅助处理器、基于半导体的微处理器(以微芯片或芯片组的形式)、宏处理器，其任何组合，或通常用于执行指令的任何装置。计算机可读存储装置或介质
46可以包括例如只读存储器(ROM)、随机存取存储器(RAM)和保活存储器(KAM)中的易失性和非易失性存储器。KAM是持久性或非易失性存储器，其可用于在处理器44断电时存储各种操作变量。计算机可读存储装置或介质46可以使用许多已知存储器装置中的任何一种来实现，诸如PROM(可编程只读存储器)、EPROM(电子PROM)、EEPROM(电可擦除PROM)、闪存或能够存储数据的任何其它电、磁、光或组合存储器装置，其中一些代表由控制器34用于控制自主车辆10的可执行指令。

[0026] 指令可以包括一个或多个单独的程序，每个程序包括用于实现逻辑功能的可执行指令的有序列表。当由处理器44执行时，指令接收并处理来自传感器系统28的信号，执行用于自动控制自主车辆10的部件的逻辑、计算、方法和/或算法，并基于逻辑、计算、方法和/或算法生成到致动器系统30的控制信号以自动控制自主车辆10的部件。尽管图1中仅示出了一个控制器34，但是自主车辆10的实施例可包括任何数量的控制器34，该控制器34通过任何合适的通信介质或通信介质的组合进行通信，并且协作以处理传感器信号，执行逻辑、计算、方法和/或算法，以及生成控制信号以自动控制自主车辆10的特征。

[0027] 轨迹规划系统100基于对象和/或其在车辆环境内的位置的确定来导航自主车辆10。在各种实施例中，控制器34在车辆10上的各个位置处操作多个雷达，以使用本文公开的方法确定对象的速度矢量。所确定的速度矢量可以单独使用或与诸如对象50的范围、方位角和/或仰角的参数组合使用，以便导航车辆10。在确定对象的各种雷达参数(诸如范围、方位角、仰角、速度等)时，控制器34可以操作一个或多个致动器装置42a-n、推进系统20、变速器系统22、转向系统24和/或制动器26，以便相对于对象50导航车辆10。

[0028] 图2示出了耦接到图1的车辆10的雷达的多输入多输出(MIMO)阵列200的操作，用于确定对象50相对于车辆10的二维速度v。示出了车辆10的车身中心坐标系205。出于说明性目的，MIMO阵列200包括第一雷达201、第二雷达202和第三雷达203。然而，在各种实施例中，MIMO阵列200可包括任何数量N个雷达。每个雷达(201，202，203)发送从对象50反射的测试信号或源信号，以产生在相应雷达(201，202，203)处接收回的反射信号。反射信号的频率提供关于对象50相对于雷达(201，202，203)的速度矢量的径向分量的信息。由于雷达之间的间隔，在第一雷达201处接收的反射波的频率f1不同于在第二雷达202处接收的反射波的频率f2，该f2不同于在第三雷达203处接收的反射波的频率f3。因此，每个雷达(201，202，203)测量或记录对象50的不同径向速度。频率(f1，f2，f3)用于确定对象50的粗略速度估计，如下面关于方程(1)-(4)所讨论的。

[0029] 在相应雷达(201，202，203)处接收的反射信号的频率(f1，f2，f3)可用于确定对象50的速度的径向分量。频率(f1，f2，f3)取决于对象50的速度和对象50相对于相应雷达(201，
202，203)的角度位置。接收到的雷达频率(f1，f2，f3)与对象50的速度分量(vx，vy)之间的关系可以写成矩阵方程，如方程(1)中所示：

[0030]

[0031] 其中vx和vy是车辆10的坐标系中对象50的速度v的x和y分量，并且θ1,θ2,…θN是相应雷达处的反射信号的到达角度，如从所选择的轴测量，例如，从坐标系205的y轴测量。方程(1)可以用矩阵表示法重写为

[0032] f＝Hv  方程(2)

[0033] 其中f是频率矢量，H是包括角度关系的矩阵，并且v是速度向量。

[0034] 矩阵运算可用于求解速度矢量，从而获得粗略速度矢量估计，如方程(3)中所示：

[0035]

[0036] 确定v的数值方法如方程(4)中所示：

[0037]

[0038] 因此，方程(3)和(4)计算粗略速度估计，或速度矢量的分量vx和vy的粗略估计。粗略速度估计是从方程(1)-(4)导出的对象速度矢量的初始估计。该初始估计被用作使用下面关于方程(5)-(10)所讨论的方法导出对象速度的更精确估计的起点。

[0039] 在各种实施例中，在速度空间中针对位于粗略速度估计的限定邻域内的多个速度假设执行搜索。速度假设是对象50的实际速度的预期估计，并且使用本文公开的方法测试其与实际速度的接近度。特别地，为每个速度假设确定似然图。基于似然图最有可能的速度假设被选择为对象50的实际速度的最接近或最优代表。为了确定哪个速度假设最可能是代表性的，计算每个似然图的似然性分数。选择具有最低分数的速度假设作为对象50的实际速度的最接近或最优代表。

[0040] 图3示出了基于粗略速度估计的说明性搜索网格300，从该粗略速度估计中选择速度假设。首先在速度空间上建立搜索网格。搜索网格定义围绕粗略速度估计的速度空间中的邻域。搜索网格基于根据速度矢量计算的特征矢量。具体地，确定粗略速度矢量的协方差矩阵，并且从协方差矩阵确定特征矢量。协方差矩阵的特征矢量定义了定义搜索网格的椭圆的轴。粗略速度矢量的协方差如方程(5)中所示：

[0041]

[0042] 因此，协方差矩阵由标准偏差 定义。可以使用协方差矩阵的奇异值分解来获得特征矢量，如方程(6)中所示：

[0043]

[0044] 其中w1和w2是协方差矩阵的特征矢量，并且λ1和λ2是协方差矩阵的特征值。从方程(5)和方程(6)的比较，协方差矩阵C的标准差的平方与协方差矩阵C的特征值有关。

[0045] 仍然参考图3，搜索网格300形成在由横坐标为vx和沿纵坐标轴为vy限定的速度空间中。表示粗略速度估计的点302在速度空间305中示出。特征矢量w1和w2显示在速度空间305中并且通过点302。特征矢量w1定义以点302为中心的椭圆310的长轴304，并且特征矢量w2定义椭圆310的短轴306。长轴304的长度给定为其相关联特征值的平方根(即 )，并且短轴306的长度是其相关联特征值的平方根(即 )。搜索网格300是限制在椭圆310内的空间，并且包括多个速度假设，为了说明的目的，其中一些速度假设被标记为308a、308b、308c和308d。每个速度假设308a-d是对象50的实际速度的预期估计，其在图3中的速度空间305旁边示出。例如，速度假设308a表示相对于对象50示出的速度v1，而速度假设308b表示速度v2，速度假设308c表示速度v3，并且速度假设308d表示速度v4。

[0046] 图4示出了用于确定从图3的搜索网格中选择的速度假设的似然性分数的过程400。为了说明的目的，选择402速度假设v1。为所选择的速度假设v1确定似然图404。

[0047] 对于所选择的速度假设，确定每个雷达和所选择位置(x，y)的多普勒频率，其对应于所选择的速度假设。该确定包括将多维匹配滤波器应用于空间区域。特别地，应用滤波器用于范围、多普勒和方位角。这些参数的过滤产生似然图404。似然图基于过滤过程示出了在空间中的位置处的反射对象的概率或似然性。似然图404是(x，y)空间内的离散网格，并且示出了网格上的每个位置(x，y)的概率s(x，y)。

[0048] 似然性分数是从似然图确定的熵项与似然图的像素的能量之间的差。似然性分数的计算在方程(7)中示出：

[0049] score＝E-α∑i|si|2  方程(7)

[0050] 其中si是第i个像素的能量或概率值，并且E是似然图的熵，其由方程(8)给出：

[0051] E＝-∑iγilogγi  方程(8)

[0052] 其中第i个像素的参数γi由下式给出：

[0053]

[0054] 方程(6)的系数α由下式给出

[0055]

[0056] 其中Npixels是似然图中的像素数，并且Energyk是第k个像素的能量。

[0057] 因此，使用关于方程(5)-(10)所讨论的方法，针对速度假设计算似然性分数。然后选择具有最低或最小分数的速度假设作为对象的实际速度的代表。应该注意的是，与方程(7)相反的度量可以使用，导致具有最高或最大分数的速度假设被选择作为对象的实际速度的代表。在任何一种情况下，极值分数用于选择速度假设。

[0058] 图5示出了从图3的搜索网格300中选择的多个速度假设的似然性分数函数的曲线图500。在曲线图510中示出了速度假设近似的实际速度。对象50的实际速度是vy＝30米/秒(vx＝0)。从曲线图500中选择了两个似然性分数，并示出了相关的似然图。似然性分数502与似然图506有关。似然性分数504与似然图508有关。

[0059] 似然图506包括各种无关信号和假速度读数，如像素512所示。这些错误读数增加了似然性分数502的值。另一方面，速度假设的似然图508示出了一组尖锐的速度峰值和很少的错误信号。因此，似然图的似然性分数504低于似然性分数502。如图所示，似然性分数504是最小或最低分数，其指示与最低分数相关的速度假设的最大似然性。因此，具有最低分数的速度假设是对象50的真实速度的最优近似。

[0060] 图6示出了来自图3的搜索网格的速度假设。使用本文公开的方法确定的具有最低分数的所选择的速度假设604被突出显示。所选择的假设是对真实速度值602的最接近的近似。对于离散的速度空间，所选择的速度假设604仍然可以仅是真实速度602的近似。然而，所选择的速度假设604和真实速度值602之间的距离可以随着网格密度的增加而减小。

[0061] 图7示出了说明使用本文公开的方法确定对象的真实或实际速度的方法的流程图700。在框702中，使用在彼此间隔开的多个雷达处获得的多普勒频率测量来确定粗略速度估计。在框704中，粗略速度估计用于定义速度空间中的搜索网格的维度。在框706中，从搜索网格中选择速度假设，并根据所选择的速度假设计算似然性分数。在框708中，选择具有最低分数的速度假设作为具有最大似然性。换句话说，具有最低分数的速度假设被认为是对象速度的最接近估计。

[0062] 虽然已经参考示例性实施例描述了以上公开，但是本领域技术人员将理解，在不脱离其范围的情况下，可以进行各种改变并且可以用等同物替换其元件。另外，在不脱离本发明的实质范围的情况下，可以进行许多修改以使特定情况或材料适应本发明的教导。因此，意图是本公开不限于所公开的特定实施例，而是将包括落入其范围内的所有实施例。