阅读说明：本技术 用于车辆的传感器系统和用于确定威胁评估的方法 (Sensor system for a vehicle and method for determining a threat assessment ) 是由 M·霍拉 C·莱茵费尔德 于 2017-12-22 设计创作，主要内容包括：教导了用于车辆的传感器系统和用于分析来自传感器系统的数据的方法。传感器系统包括安装在车辆的一部分上的至少两个雷达传感器阵列和从至少两个雷达传感器阵列接收数据的分析系统。分析系统适于由数据生成威胁评估。雷达传感器阵列可以安装在其他组件中。(Sensor systems for vehicles and methods for analyzing data from sensor systems are taught. The sensor system includes at least two radar sensor arrays mounted on a portion of the vehicle and an analysis system that receives data from the at least two radar sensor arrays. The analysis system is adapted to generate a threat assessment from the data. The radar sensor array may be mounted in other assemblies.)

用于车辆的传感器系统和用于确定威胁评估的方法

本发明的领域

本发明包括用于车辆的传感器系统以及配备有这种传感器系统的车辆。本发明还提供了一种用于分析多个传感器数据并因此使用传感器系统确定威胁评估的方法。

本发明的背景

用于车辆的传感器系统在本领域中是已知的。这些特别用于自动驾驶或半自动车辆以及驾驶员辅助系统。传感器系统包括位于车辆的车身(底盘、仪表板或保险杠等)上的一个或更多个传感器，并且可以确定车辆附近的物体。由传感器发送的传感器数据可以由传感器自主处理或由单元使用以生成威胁评估(assessment threat)，例如是否可能与另一车辆、人或动物发生碰撞。威胁评估可用于减慢或完全停止汽车或自动操纵车辆远离所识别出的威胁评估。

例如，美国专利6,151,539(大众汽车(Volkswagen))教导了一种自主车辆和用于控制自主车辆的方法。自主车辆包括传感器阵列，包括至少一个用于检测物体的距离传感器和至少一个用于检测路线的状况特征的距离传感器。

从美国专利7,102,496(矢崎北美公司(Yazaki North America))已知一种多传感器系统，其公开了一种包括多个外部传感器的传感器系统。该系统使用威胁评估子系统来整合来自多个外部传感器的数据，以生成威胁评估，例如但不限于可能的碰撞。

从美国5,307,419(本田汽车公司(Honda))已知具有传感器的自主车辆的另一示例，其公开了至少一个拾取移动道路或移动体的图像的图像拾取单元。图像处理单元处理来自图像拾取单元的数据并且可以控制自主车辆。

美国专利号5,467,072(皮卡德企业(Piccard Enterprises))教导了一种用于车辆安全警告系统的基于相控阵的雷达，用于避免碰撞。车辆安全警告系统包括基于相控阵的雷达，控制处理器和警告系统，该警告系统还向已装备的车辆的驾驶员以及涉及不安全驾驶状况的其他未装备的汽车的驾驶员发出警告。相控阵雷达包括柔性天线阵列，其可以保形(conformally)地安装在现有汽车上而不会降低其设计曲率。在该专利中描述的一个实施例中，一对相控阵雷达天线可朝向已装备的汽车的相对侧定向，以提供从侧面横向接近已装备的汽车的车辆的警告监视。在另一个实施例中，相控阵雷达天线朝向已装备的汽车的后部，以提供跟随已装备的汽车过于紧密的车辆的警告监视，并用于警告不安全的车道变换。

例如在US'072中公开的，使用保形安装的相控阵雷达的基于雷达的车辆安全警告系统的已知问题是，从阵列发射的辐射取决于雷达的大部分位置，还有油漆涂料。

现有技术中已知的具有光学传感器(如照相机或激光雷达传感器)的传感器系统通常能够在良好的天气条件下感测移动物体。然而，在不利的环境条件下，从传感器获得的数据可能不可靠。例如，图像传感器无法在大雾天或风暴期间检测到物体。还已知激光雷达传感器在不利的环境条件下(例如雪或强烈的阳光)读数容易出错。此外，传感器对镜头上的污垢很敏感。

在这样的雾天或暴风雨期间，使用雷达定位物体，更加可靠。然而，它们的准确性受到需要确保雷达位于车身上相同位置的限制。雷达通常位于轮拱下方，因为这是一个已知位置，并且在轻微事故中基本上不太可能移位。这种放置限制了视场、雷达的孔径，并且显着地引入了辐射信号和接收信号的衰减，并且意味着这种雷达不能精确地识别车辆周围的任何物体。

此外，随着时间的推移，装备有雷达传感器的系统老化并且其性能退化。类似地，对于保形集成的天线，车身的形状或形式的任何变化(例如轻微刮擦、凹陷或甚至重新涂漆)都可能导致雷达传感器性能的变化。

因此，需要开发一种环绕传感器系统，其能够在车辆周围基本上360度的不利环境条件下生成威胁评估，并且还考虑车辆车身的老化或变形。

在该文档中教导了用于车辆的传感器系统。传感器系统包括安装在车辆的一部分上的一个或更多个雷达传感器阵列和从雷达传感器阵列接收数据的分析系统。分析系统包括处理器和存储的数据集。分析系统适于从雷达传感器阵列接收雷达数据并从接收的雷达数据和数据集生成威胁评估。一个或更多个雷达传感器阵列可以安装在车辆车身的部件中或部件上。雷达传感器阵列可以安装在整个车身周围，从而提供达360°的环境感应覆盖范围。

在另一方面，至少一个图像传感器额外安装在车辆上。图像传感器可以提供关于潜在威胁评估的进一步信息以及改进雷达传感器阵列的校准。

所述至少一个雷达传感器阵列包括具有多个天线元件的多个雷达元件。这提高了检测的灵敏度并增加了孔径，并且如果雷达元件之一或天线元件发生故障，则提供冗余。多个雷达元件以条带或矩阵布置安装。

该文档还描述了一种用于分析多个传感器数据以生成威胁评估的方法。该方法包括从至少一个雷达传感器阵列接收传感器数据，以及使用处理器和存储的数据集处理雷达数据以识别一个或更多个物体。然后基于经处理的雷达数据生成威胁评估。

该方法可以进一步包括从至少一个图像传感器接收图像数据，并另外使用该图像数据来生成威胁评估，或通过识别水平和垂直参考来校准雷达数据。

附图的详细描述

图1示出了根据本发明的一个方面的装备有传感器系统的车辆。

图2示出了结合在挡风玻璃周围的雷达传感器阵列的示例。

图3A至图3C示出了结合到前灯中的雷达传感器阵列的示例。

图4A和图4B示出了具有多个雷达元件和适于安装在车辆车身上的多个天线元件的传感器阵列。

图5A示出了用于使用物体的车辆的校准系统。

图5B示出了用于移动车辆的校准系统。

图6示出了用于处理来自传感器系统的数据以识别威胁的方法。

本发明的详细描述

图1示出了根据本说明书的一个方面的具有传感器系统20的车辆10。车辆具有大致对应于车辆10的车顶的顶部位置14，挡风玻璃或挡风屏11，以及在该图中大致对应于车辆10的发动机盖的前部12。应当理解，图1中所示的车辆10示出了典型的汽车或机动车(例如沙龙车)，但这仅仅是对本发明的说明。车辆10可以是但不限于皮卡车，公共汽车，重型货车，铰接式卡车或摩托车。同样可能的是，传感器系统20可以用在铁路，引导型公共汽车，有轨电车或手推车上，并且传感器系统20不限于在公路车辆上使用。

图示的传感器系统20在一个方面具有至少一个图像传感器30，其安装在车辆10上的顶部位置14处，但是图像传感器30的该位置不是对本发明的限制。

传感器系统具有在该图1中安装在车辆10的前部12上的至少一个雷达传感器阵列40。在图1中，看到两个雷达传感器阵列40安装在前部12的每一侧上或者安装在保险杠或挡泥板13后面围绕车辆10的侧面呈弧形。围绕车辆10侧面的这种弯曲使得两个雷达传感器阵列40能够不仅仅是在车辆10的前进行驶方向，但同样也在车辆10的侧面以无线电波的形式发送雷达信号。两个雷达传感器40以这种方式安装在一起，同步使得两个雷达传感器40能够有效地具有大孔径。

在传感器系统20的一个方面，雷达传感器阵列40保形地安装在车辆10的表面上。由于诸如挡泥板/保险杠之类的部件位于雷达传感器阵列40的前面，这使得发射的雷达信号能够更强地发射并且还消除了接收的雷达信号衰减的风险。因此增强了雷达传感器阵列40的接收灵敏度。在另一方面，雷达传感器阵列40在结构上集成到车辆10的底盘中。

同样可以在车辆10的后部16上另外安装两个或更多个雷达传感器，以在车辆10后面发射雷达信号。例如，在图2中，可以在挡风玻璃11周围安装另外的雷达传感器。图2示出了位于挡风玻璃11的左侧和右侧的雷达传感器40a以及位于挡风玻璃11顶部的另一个雷达传感器40b。雷达传感器40a可以是垂直安装或倾斜的。还可以将雷达传感器40c结合在前灯18中。图3A示出了结合到前灯18中的两个雷达传感器40c。图3B示出了结合到前灯18中的三个雷达传感器40c，图3C示出了圆形前灯18，例如在摩托车上使用的那种，具有围绕前灯18的圆周安装的多个雷达传感器40d。雷达传感器阵列40可以注塑到部件中或者使用粘合剂施加到例如车身部件的外部。应当理解，雷达传感器阵列40的数量不限制本发明，并且实际上本发明可以与单个雷达传感器阵列40一起工作。

两个雷达传感器阵列40布置成具有多个天线元件的多个雷达元件42，例如具有在柔性基板上以条状方式布置的接收器和发射器的天线，如图4所示。图4A示出了一维雷达传感器阵列40，但是应当理解，雷达传感器阵列40可以是二维阵列，如图4B所示。柔性基板使得雷达传感器阵列40能够集成到车辆10的前部12中。多个雷达元件意味着冗余被内置到系统中。如果多个雷达元件中的任何一个发生故障，那么其余的雷达元件仍然可以起作用。在车辆10访问维修店期间可以更换发生故障的雷达元件。雷达传感器阵列40可以具有自加热功能，以融化雷达传感器阵列40上会使信号失真的雪或冰。

通过示例交叉辐射和感测来校准多个雷达元件。这是一种操作模式，其中雷达传感器阵列40中的一个雷达元件辐射以及其他雷达元件监听并由此被校准以计算车身10上的制造公差和对准等。可以定期重复校准以补偿一个或更多个雷达元件的老化和故障。校准基于已知或长期观察到的物体的假设，例如但不限于地标(例如护栏、隧道或桥梁)，将在下面更详细地描述。

车辆具有分析系统50，其通过有线或无线连接到所有雷达传感器阵列40和图像传感器30，并从图像传感器30接收图像数据和从雷达传感器阵列40接收雷达数据。分析系统50具有处理器52，用于处理雷达数据和图像数据。分析系统50还具有用于存储数据集54的存储器，数据集54用于校准雷达数据和图像数据。数据集54中的值可以预先存储，然后在校准步骤期间稍后进行调整，如下所述。

应当理解，在从雷达传感器阵列40到分析系统50的数据传输之间存在轻微延迟，并且该轻微延迟将取决于线的长度或与分析系统50的距离，以发送或接收雷达传感器阵列40中的一个。需要在分析数据时考虑该延迟。如果需要，分析系统50是可缩放的并且为其他传感器提供接口。分析系统50适于使用处理器52并根据从雷达传感器阵列40和图像传感器30(如果存在的话)接收的传感器数据生成威胁评估。应当理解，分析系统50可以连接到另外的未在图中示出的传感器。分析系统50可以使用深度学习技术来处理来自雷达传感器阵列40的数据以预测性能。

分析系统50可以包括主振荡器55或时钟，以同步车辆10中的所有雷达传感器40。该主振荡器55还可以用于计算雷达传感器阵列40、图像传感器30和分析系统50之间的微小延迟。可以为雷达传感器阵列40接收的信号提供准确的时间戳，以供分析系统50稍后处理。

利用无线连接还可以改装现有车辆以使它们能够使用该系统。分析系统50还可以安装在智能手机上，该智能手机无线地连接到改装的雷达传感器阵列40、图像传感器30和其他传感器。

雷达传感器阵列40中的雷达元件如本领域中已知的那样操作。雷达元件以指定频率以无线电波的形式产生雷达信号。无线电波可以撞击车辆10前方或侧面的物体，然后被反射。检测器将反射的无线电波检测为雷达元件之一，并且将从检测中生成的数据发送到分析系统50。雷达传感器阵列40可以进一步具有它们自己的处理器，用于预处理来自雷达传感器阵列40的雷达数据。

雷达传感器阵列40可以包括波束赋形过程，以通过调整去往或来自雷达传感器40的雷达信号的参数(例如，延迟、相移和幅度)并确保在同一条带上的相邻雷达传感器阵列40之间的以及在不同传感器阵列上的发射和反射雷达信号是相干的，来使雷达传感器数据适应车辆10上的雷达传感器的位置和定位。波束赋形过程使雷达传感器阵列40能够将其雷达波束聚焦在任何潜在的或评估的威胁或其他物体上。波束赋形过程还使得能够抑制旁瓣(side lobe)或者优化雷达信号的波束图案，否则可能从传感器数据中生成误报，例如不存在的威胁。还可以使用干扰消除和波束赋形来“放大”对象。

现在将参考图5A描述校准过程。图5A示出了具有两个侧面或角落安装的雷达传感器阵列40的车辆10。物体60位于距车辆10为距离(x，y)处。在第一步骤中，雷达传感器阵列40中的一个或两个发送雷达信号Tx1和Tx2，其是由物体60反射的Rx1、Rx2，然后由雷达传感器阵列50中的一个或两个接收。将接收的信号Rx1、Rx2发送到分析系统50。位置和距离物体60的距离(x，y)是精确已知的，因此分析系统50可以确定波束赋形过程所需的系数以适应天线模式，从而使物体60能够被准确地识别。

校准过程可以针对不同位置处的不同物体60重复若干次，以产生与不同对象60有关的车辆10的个体数据集54。该个体数据集54存储在分析系统50中的存储器中。

由于仅示出了两个雷达传感器阵列40，因此简化了图5A中所示的方面。实际上，将存在多个雷达传感器阵列40，因此用于感测的孔径远大于已知装置所提供的孔径。例如，如果提供雷达传感器阵列40，使得雷达传感器阵列40基本上完全围绕车辆10定位，则有效地获得360°视场。

分析系统50使用该数据来生成所谓的威胁评估。威胁评估是由分析系统50确定或评估的威胁，并且例如指示与静止或移动物体的可能碰撞。

本领域中已知的雷达传感器阵列40的一个问题是它们对它们在车辆10的车身上的位置变化敏感以及由于老化而导致的性能变化。该文档的系统和方法使得能够进行校准的动态变化。

现在假设由于车辆已经发生事故或受到撞击而使保险杠上的雷达传感器阵列40移动。雷达传感器阵列50的位置变化将意味着威胁评估可能被错误识别或错误定位。分析系统50使用来自图像传感器30的数据，以校准或交叉检查来自雷达传感器阵列40的数据。图像传感器30可以例如查看水平物体，并将该观察到的水平物体与根据来自雷达传感器阵列40的雷达数据计算的水平物体进行比较。图像传感器30还能够独立于雷达传感器阵列40确定威胁评估并使用其确定来用于合理性校准，或校正雷达传感器阵列40中的任何误差。在诸如雨或雾的恶劣天气中，图像传感器30可能不会特别可靠地工作。分析系统50使用来自雷达传感器阵列40的雷达数据以及先前计算的校正或相关因子来确定威胁评估。

校准中的动态变化可以通过对关于分析系统50检测到的物体60(例如地标)进行假设来进行。例如在图5B中示出的，其示出了沿着车辆行驶的高速公路的一侧作为护栏70的地标。图5B还示出了车辆10即将进入隧道80或在桥80下通过，桥80是其他类型的地标。

护栏70通常具有已知的形式，并且这些将以已知的方式反射来自雷达传感器阵列40的雷达信号。来自雷达传感器阵列40的反射信号由分析系统50分析并与预期值进行比较。如果预期值偏离从雷达传感器阵列40接收的值少量，则可以对数据集54进行校正以考虑这些偏差，该偏差可能是由于车辆10的老化和/或变形引起的。类似地，桥或隧道80的结构将是已知的(在该示出的情况下，两个垂直侧和一个水平顶部)，并且反射的雷达信号可用于对数据集54进行任何校正。

应当理解，护栏70的形式和隧道80的入口或桥80的形状将取决于它们的位置。基于GPS或伽利略(Galileo)系统，车辆10可以设置有精确的位置传感器，并且分析系统50可以使用该位置来确定护栏、隧道入口或桥形状的预期形式。

在本发明的另一方面，来自图像传感器60的数据可用于识别地标和/或提供用于校准雷达传感器阵列40的其他数据。

应当理解，如果动态校准表明偏差很大，那么这些偏差可能是错误的和不正确的。这种大的偏差将不用于改变数据集54中的值。然后，校准系统可以发出分析系统50未正确工作的警告或忽略明显的偏差。

图6示出了用于确定威胁评估的方法。应当理解，该示例仅使用如图1所示的图像传感器30(如果存在)和雷达传感器阵列40，但是该原理可以应用于处理来自安装在车辆10上的其他传感器的数据。

在第一步骤600中，雷达传感器阵列40在适当的覆盖区域上发射雷达信号。应当理解，雷达传感器阵列40中的不同阵列是自适应的并且可以具有不同的覆盖区域，其可以动态地适应所需的视场。这些不同的覆盖区域将相互重叠，但不是必须相互重叠。例如，图1中车辆10左侧的雷达传感器阵列40将覆盖车辆10的前侧视野和左侧视野。右侧的雷达传感器阵列40还将覆盖前侧视野(有一些重叠)，以及右侧视野(与左侧雷达传感器阵列没有重叠)。

可以在覆盖区域上扫描雷达信号。在城市区域中，相比更远的覆盖区域，优选的是更频繁地扫描车辆10附近的覆盖区域，因为例如来自移动到移动车辆的路径中的附近物体的碰撞风险更大。更远的物体更可能在可用时间内离开移动车辆的路径，因此风险降低。

在具有受限访问的机动车道或高速公路(公路)上，相反的情况可能是正确的。由于车辆10的移动速度，位于更远处的物体的碰撞风险更大。此外，在这样的高速公路上不太可能存在缓慢移动的物体。

在步骤610中，检测来自一个或更多个物体60的任何反射的雷达信号。分析系统50还可以在步骤620中接收来自至少一个图像传感器30(如果存在的话)的图像数据。在步骤640中，分析系统50可以使用来自反射的雷达信号的雷达数据以及图像数据(如果存在的话)，来识别诸如物体60之类的的特征，并且在步骤650中，分析系统使用雷达数据50来识别物体50的位置。这是通过将雷达数据与数据集54进行比较来完成的。物体60的位置将通过识别反射的雷达信号的主瓣(main lobe)来找到。由于将存在来自多于一个雷达传感器阵列40的雷达数据，因此可以执行三角测量过程以识别物体60的确切位置。雷达数据中的其他信息将使得能够识别物体60的类型。

在步骤660中，基于雷达数据生成威胁评估。可以通过连续监测移动物体60的位置和/或通过评估多普勒信号(如果可用)并且对为了避免碰撞而对物体60的移动进行假设来检测任何移动物体60。

分析系统50可以连接到车辆控制系统58，该车辆控制系统58可以超越驾驶员的动作并且因此在必要时避免碰撞。

附图标记

10 车辆

11 挡风玻璃或挡风屏

12 前部

13 保险杠或挡泥板

14 顶部位置

16 后部

18 前灯

20 传感器系统

30 图像传感器

40 雷达传感器

50 分析系统

55 主振荡器

60 物体。