确定与传感器在机动车辆的环境中检测到的物体关联的置信指数的方法

摘要

本发明涉及一种用于确定与传感器所检测到的物体(i)关联的置信指数的方法，该方法包括以下步骤：通过多边形近似于检测区域，该多边形的边中的两条边由界定该传感器的检测角扇区的侧边界限定；确定该多边形的重心(G)；将该多边形划分为多个三角形子区域，每个子区域由该多边形的两个相邻顶点以及该重心限定；当该传感器检测到物体时，识别该物体所处的三角形子区域；确定穿过该物体并且平行于该三角形子区域的外边界的直线的方程；并且根据以重心在该直线以及由该外边界限定的直线之间的位似比(k)的递减函数(F)，计算与该物体关联的置信指数。

说明书

技术领域

本发明涉及机动车辆环境中的物体检测领域。本发明特别地涉及一种用于确定与传感器在这样的机动车辆的环境中检测到的物体关联的置信指数的方法。

背景技术

机动车辆越来越趋向于配备复杂的驾驶辅助系统，该驾驶辅助系统通常由“Advanced Driver Assistant Systems(高级驾驶员辅助系统)”的首字母缩写词ADAS表示，并且旨在改善驾驶舒适性和/或乘客的安全。

这些驾驶辅助系统采用适于检测位于其周围环境中的不同物体、并在这些物体移动时预测其运动的检测设备。

这种预测可以例如用于确定车辆的轨迹，并且/或者用于向驾驶员显示音频和/或视频警告消息。

每个检测设备包括：至少一个传感器(摄像机、雷达、激光雷达、激光传感器、超声波传感器等)，其在车辆的前部、后部或侧面安装在给定观察区域中；以及处理模块，其关联至该传感器，并且适于根据由一个或多个传感器接收的测量量值来传递有关该检测到的一个或多个物体的某些信息。

尤其由自适应速度调节器(更广为人知的是其英语首字母缩写词ACC，代指“Adaptive Cruise Control(自适应巡航控制)”或“Autonomous Cruise(自主巡航)”)应用于远程检测中的雷达和激光雷达类型的传感器直接提供场景中存在的物体的位置信息，有时会提供该物体的速度信息。

该信息允许对存在的各种物体进行细分，并允许赋予物体以有用信息，如该物体在二维图示中相对于车辆的笛卡尔坐标或极坐标位置(或者在车辆位置能够在坐标系中准确确定时，该物体相对于该固定坐标系的位置)，并且可选地如物体的速度。

遗憾的是，传感器的检测质量在其整个视锥范围内是不一致的，使得这些传感器有时会检测到在车辆环境中不存在的物体，这可能导致错误预测的形成。

为了最大程度地限制传感器的检测错误，驾驶辅助系统将每个检测到的物体关联至置信指数，并且仅在该指数大于或等于一定的阈值百分比时才考虑该物体。

目前，置信指数主要根据传感器和已识别物体之间的距离的递减函数来确定(换句话说，该距离越大，置信指数越小)。

遗憾的是，这种计算方法不允许以足够实际的方式表现传感器在其视锥中的检测质量的变化，因此限制了驾驶辅助系统，以避免未考虑众多确实存在的物体，并且选择相反地导致将不存在的物体考虑在内的较小阈值百分比。

发明内容

因此，本发明旨在确定更能够代表传感器的检测实际的置信指数。

为此目的，本发明提出了一种用于确定与传感器在机动车辆的环境中检测到的物体关联的置信指数的方法，该方法的特征在于，包括以下步骤：

-通过多边形近似该传感器的检测区域，该多边形的边中的两条边由界定该传感器的检测角扇区的侧边界限定；

-确定该多边形的重心；

-将该多边形划分成多个三角形检测子区域，每个三角形检测子区域由该多边形的两个相邻顶点和该重心限定；

-当传感器检测到物体时，识别该物体所在的三角形子区域；

-确定穿过该物体并且平行于该同一物体所属的三角形子区域的外边界的直线的方程；并且

-根据以重心在该直线与由该物体所属的三角形子区域的外边界限定的直线之间的位似比的递减函数，计算与该物体关联的置信指数。

根据本发明的方法允许确定与传感器所检测到的物体关联的置信指数，并且可以非常准确地表现该传感器在其可见区域中的检测质量的变化，从而允许极大地改善安装在该车辆中并使用该传感器所传输的数据的驾驶辅助系统对车辆环境的感知。

根据单独或组合采用的根据本发明的方法的优选特征：

-该多边形具有与该传感器的检测中轴重合的对称轴；

-该多边形是三角形；

-该多边形是菱形；

-该识别步骤包括如下子步骤：对于三角形子区域中的每一个，验证从该物体出发的任意射线和界定该子区域的三个边界的交点的数量，该物体包括在具有与界定子区域的边界中的单个边界相交的单个交点的子区域中。

-根据由该传感器提供的该物体的坐标以及由该外边界限定的直线的方程，确定穿过该物体的直线的方程；

-根据穿过该物体的直线与包括该物体的子区域的边界中的一个的交点的坐标，确定位似比；

-递减函数限定成使得当位似比等于零时，置信指数等于一，并且当位似比等于一时，该置信指数等于零；

-该递减函数是仿射类型；并且/或者

-该递减函数是多项式类型。

附图说明

通过以下参照附图以非限制性示例给出的对实施例的详细描述，现在将继续描述本发明，在附图中：

-图1是用于集成到高级驾驶辅助系统中的检测设备的功能图；

-图2示出了用于确定与检测设备的传感器所检测到的物体关联的置信指数的方法的流程图；并且

-图3和图4示出了图2的方法的某些步骤。

具体实施方式

图1示出了用于集成到诸如自适应速度调节器的高级驾驶辅助系统(ADAS)中的检测设备10。

检测设备10包括位于车辆的前部以检测位于车辆前部环境中的物体的至少一个雷达传感器11，以及适于确定与该传感器所检测到的每个物体关联的置信指数的处理模块12。

传感器11在这里由远程扫描多普勒雷达构成，该雷达在大约40°的角扇区θ上周期性地发射信号束。该雷达传感器11通常具有包括在200至250米之间的距离r，使得该雷达传感器可以检测在车辆上游足够远的物体的存在，以便为驾驶员留出足够的反应时间。

优选地，雷达传感器11以24GHz的频率运行，这是因为该频率能够穿过大量塑性材料而不会引起明显的干扰。由于当前大多数车辆的前保险杠都是用这种材料制成，因此使用24GHz的频率允许正好将这种雷达传感器安装在保险杠的后面，从而能够隐藏该传感器并使其免受外部侵害。

作为变型，传感器的类型、频率、位置、距离和/或角扇区可以不同。

传感器可以例如由摄像机、激光雷达、激光传感器或超声波传感器构成。

处理模块12包括计算机12A、存储模块12B，存储模块12B包括EEPROM或FLASH类型的非易失性存储器以及随机存取存储器。

非易失性存储器存储用于确定与传感器11检测到的每个物体关联的置信指数的过程，该过程的流程图在图2中示出。

根据优选实施例，包含在该非易失性存储器中的所有信息可以通过通信装置或数据介质的读取装置来更新。

现在将根据图2的流程图详细描述该过程的各个阶段。

该过程从步骤100开始，在步骤100期间，处理模块12通过多边形来近似于传感器11的检测区域，该多边形具有与该传感器11的检测中轴重合的对称轴，并且该多边形的两条边由界定该传感器11的检测角扇区的两个侧边界限定。

在这种情况下，如图3所示，该多边形由三角形(S

-顶点S

-顶点S

因此，连接侧边界的这两个远端S

作为变型，并且为了获得对检测区域更好的近似，例如可以采用菱形(因此相对于检测中轴对称设置的两个直线段逼近圆弧)。

该方法的第二步骤200是根据该多边形的顶点(S

-对于顶点S

-对于顶点S

-对于定点S

n边多边形的重心G的坐标(x

然后(步骤300)，该过程将多边形划分为n个三角形检测子区域Zi，每个三角形检测子区域由该多边形的两个相邻顶点及该多边形的检测重心G限定。

在这种情况下，如图3所示，三角形(S

当传感器11在其检测区域中检测到物体i的存在时(事件310)，该过程识别出该物体所处的三角形子区域Z(步骤400)。

为此，针对这些三角形子区域中的每一个，该过程验证从该物体i发出的任意射线(例如，图3所示的竖直射线DD)与界定该子区域的三个边界的交点的数量。

实际上，从数学上来说，从包括在该三角形子区域中的点出发的每条射线必须具有与界定该子区域的边界中的单个边界相交的单个交点。

因此，在图3的示例中，其中物体i属于子区域Z

然后，该过程在步骤500中确定直线Di的方程，直线Di穿过该物体i并平行于该同一物体所属的三角形子区域的外边界(该外边界对应多边形P的边中的一个)。

在这种情况下，如图4所示，直线Di因此被限定成平行于子区域Z

根据由传感器11提供的物体i的坐标以及由该外边界[S

在步骤600中，最终根据以重心G在该直线Di与由外边界[S

如图4所示并且根据泰勒斯定理：

其中，h对应直线Di与包括物体i的子区域Z

因此，根据该点h的坐标可以容易地确定比率k，该点h的坐标从该直线Di和直线(GS

作为变型，还可以根据直线Di与包括物体i的子区域Z

递减函数F有利地是仿射、或者第二或第三级多项式类型的，递减函数F限定成使得当位似比k等于零时，置信指数F(k)等于一(即F(0)＝1)，并且当位似比k等于一时，置信指数等于零(即F(l)＝0)。

该方法可能有其他实施变型，并且应注意的是，本发明不限于所描述和示出的实施例，而是涵盖了本领域技术人员认知范围内的任意实施变型。