阅读说明：本技术 用于物体跟踪的航向角估算 (Course angle estimation for object tracking ) 是由 W·党 J·K·希夫曼 K·威什瓦吉特 S·陈 于 2020-04-29 设计创作，主要内容包括：一种跟踪物体的说明性示例方法包括：随时间检测物体上点以获得多个检测；确定检测中的每一个的位置；确定所确定的位置之间的关系；以及基于该关系确定该物体的估算的航向角。(An illustrative example method of tracking an object includes: detecting points on the object over time to obtain a plurality of detections; determining a location of each of the detections; determining a relationship between the determined locations; and determining an estimated heading angle of the object based on the relationship.)

用于物体跟踪的航向角估算

相关申请的交叉引用

本申请要求2019年4月30日提交的美国专利申请第16/398,745号的权益，该美国专利申请的全部公开藉此通过引用以其整体结合于此。

背景技术

已经证明各种传感器类型对于检测车辆附近或车辆路径中的物体是有用的。示例传感器类型包括超声、无线电检测与测距(RADAR)以及光检测和测距(LIDAR)。这种传感器在客用车辆上被使用方式已经在增加。

与使用这种传感器跟踪物体相关联的一个挑战是物体可能具有变化的形状和尺寸，这削弱了传感器确定物体的某些特性(诸如物体前进的方向)的能力。已知的卡尔曼(Kalman)滤波器被设计成快速地提供关于被跟踪物体的航向角或方向信息。尽管卡尔曼滤波器估算通常非常有用，但估算可能是不准确的。

卡尔曼滤波器设计成基于跟踪单个点的移动进行操作。由于三维物体具有可由传感器检测到的多个点，因此卡尔曼滤波器可将有关多个点的检测器信息解释为好像其指示单个点的移动。换句话说，卡尔曼滤波器不能在物体上的多个不同点的检测与在该物体上的单个点的移动之间进行区分。考虑到将物体上的不同点解释为就好像它们是同一点的可能性，有关这些点的传感器信息可能会被误认为是单个点的移动，从而导致不准确的跟踪信息。

发明内容

跟踪物体的说明性示例方法包括：随时间检测物体上的一个或多个点以获得多个检测；确定各检测中的每一个的位置；确定所确定的位置之间的关系；以及基于该关系确定物体的估算的航向角(heading angle)。

在具有先前段落的方法的一个或多个特征的示例实施例中，确定空间关系包括：限定包围所确定的位置的形状；以及确定物体的估算的航向角包括确定限定的形状的取向。

在具有先前段落的方法的一个或多个特征的示例实施例中，限定的形状是弧、线和矩形中的至少一个。

在具有先前段落的方法的一个或多个特征的示例实施例中，确定估算的航向角是基于确定的取向和与检测中的至少一些检测有关的距离变化率(range rate)信息。

在具有先前段落的方法的一个或多个特征的示例实施例包括：检测一个或多个点至少直到由所确定的位置跨越的距离超过预选阈值距离。

在具有先前段落的方法的一个或多个特征的示例实施例包括：使用确定的估算的航向角来校正物体的先前估算的航向角。

在具有先前段落的方法的一个或多个特征的示例实施例中，物体的先前估算的航向角是由卡尔曼滤波器确定的。

在具有先前段落中的任一段落的方法的一个或多个特征的示例实施例中，确定估算的航向角包括使用：似然估算，最小二乘估算，主成分分析，或者霍夫变换。

一种用于跟踪物体的说明性示例设备包括：检测器，该检测器随时间检测物体上的一个或多个点；以及处理器，该处理器被配置成用于：确定检测的一个或多个点中的每一个的位置，确定所确定的位置之间的空间关系，以及基于该关系确定物体的估算的航向角。

在有先前段落的设备的一个或多个特征的示例实施例中，处理器被配置成用于：通过限定包围所确定的位置的形状来确定该空间关系；以及通过确定限定的形状的取向来确定物体的估算的航向角。

在有先前段落的设备的一个或多个特征的示例实施例中，限定的形状是弧、线和矩形中的至少一个。

在有先前段落的设备的一个或多个特征的示例实施例中，处理器被配置成用于：基于确定的取向和与检测的一个或多个点中的至少一些有关的距离变化率信息确定估算的航向角。

在有先前段落的设备的一个或多个特征的示例实施例中，由所确定的位置跨越的距离超过预选的阈值距离。

具有先前段落的设备的一个或多个特征的示例实施例包括卡尔曼滤波器，该卡尔曼滤波器确定物体的初始估算的航向角，并且处理器被配置成用于将确定的估算的航向角提供给卡尔曼滤波器，以校正物体的该初始估算的航向角。

在具有先前段落中的任一段落的设备的一个或多个特征的示例实施例中，处理器被配置成用于：使用以下来确定估算的航向角：似然估算，最小二乘估算，主成分分析，或者霍夫变换。

一种用于跟踪物体的说明性示例设备包括：用于随时间检测物体上的一个或多个点的检测装置；以及用于确定以下各项的确定装置：确定检测的一个或多个点中的每一个的位置，确定所确定的位置之间的空间关系；以及基于该关系确定物体的估算的航向角。

在有先前段落的设备的一个或多个特征的示例实施例中，该空间关系限定包围所确定的位置的形状；并且该确定装置通过确定限定的形状的取向来确定物体的估算的航向角。

在有先前段落的设备的一个或多个特征的示例实施例中，限定的形状是弧、线和矩形中的至少一个。

在有先前段落的设备的方法的一个或多个特征的示例实施例中，该确定装置基于确定的取向和与检测的一个或多个点中的至少一些有关的距离变化率信息来确定估算的航向角。

在有先前段落的设备的一个或多个特征的示例实施例中，由所确定的位置跨越的距离超过预选的阈值距离。

通过以下详细描述，至少一个公开的示例实施例的多个特征和优点对于本领域的技术人员而言将变得显而易见。伴随

具体实施方式

的附图可以被简要描述如下。

附图说明

图1概略地示出了用于跟踪物体的设备的示例使用。

图2示意性地示出了示例物体跟踪设备的所选部分。

图3是概述跟踪物体的示例方法的流程图。

图4以图形方式示出了示例实施例中使用的对数似然函数。

图5以图形方式示出了在示例实施例中用于确定物体航向角的角度网格。

图6示出了与图5所示的网格相比具有更精细的分辨率的另一示例角度网格，。

具体实施方式

图1概略地示出了用于跟踪移动物体22的设备20。在该示例中，设备20位于车辆24上。出于讨论的目的，移动物体22是位于车辆24前方并且至少部分位于车辆24的路径中的另一车辆。设备20使用如在26处示意性示出的RADAR信令来跟踪车辆22。

如图1中示意性所示，车辆22包括质心32。车辆22沿弯曲的轨迹行进，诸如转弯(根据附图向右)。在这样的情况下，在图1所示的情况下，车辆22的质心32的速度矢量位于航向角34处。在其中确定航向角34的坐标系可以基于世界坐标系。替代地，坐标系可以相对于车辆24或设备20固定。

在本文档中，指向角是指设备20正在跟踪的诸如车辆22之类的移动物体的体取向角。体取向角或指向角是移动体的中心线或纵轴所指向的方位方向。

在本文档中，航向角是特定参考点在移动物体(诸如车辆22)上的运动的方向。值得注意的是，在某些情境中，诸如航空，术语“航向角”用于指代本文档中被称为“指向角”的角度。同样，在航空情境中，术语“跟踪”用于指代本文档中被称为“航向角”的跟踪。

图2示意性地示出了包括发射器42和检测器44的设备20的所选部分。发射器42沿向外方向发射辐射，并且当这种辐射从物体反射时，反射的辐射被检测器44接收并检测到。在一些示例实施例中，发射器42和检测器44根据已知的RADAR原理和技术操作。其他实施例包括可用于LIDAR或超声检测技术的发射器和检测器配置。

设备20包括滤波器46，该滤波器46被配置用于估算被跟踪物体的动态量，诸如该物体的位置、速度、加速度和轨迹曲率。在一些示例实施例中，滤波器46根据卡尔曼滤波器的已知原理进行操作。在该示例中，滤波器46提供指示移动物体22上的至少一个参考点的航向角的信息。例如，滤波器46提供指示车辆22的质心32的航向角34的信息。

滤波器46能够提供关于移动物体的质心的航向角的信息，然而，滤波器46不能在物体或车辆22上的多个检测点之间进行区分。例如，在图1中，检测器44可以接收来自车辆22上的各个位置的多个点A，B、C、D的反射辐射。滤波器46不能在关于那些检测到的点A-D的信息和关于多次检测到的单个点的信息之间进行区分。换句话说，滤波器46将把关于点A-D的信息(诸如，距离变化率)解释为就好像该信息指示单个点的移动而不是指示多个不同的点的移动。当滤波器46操作为卡尔曼滤波器时，它将所有检测到的点信息视为就好像它与单个点有关。

设备20包括处理器50，处理器50可以是专用微处理器或车辆24上支持的另一计算设备的一部分。在该实施例中，处理器50被配置为用于基于关于物体22上的一个或多个检测点A-D随时间的位置信息来确定估算的航向角。

存储器52与处理器50相关联。在一些示例实施例中，存储器52包括计算机可执行指令，该计算机可执行指令使处理器50出于跟踪移动物体并确定该物体的指向角或体取向角的目的而操作。在一些示例实施例中，存储器52至少临时地包含关于被跟踪物体22上的检测点的各种特征或特性的信息，以有助于处理器50做出关于这种物体的位置或移动的期望的确定。

本发明的示例实施例允许更准确地确定诸如车辆22之类的移动物体的航向角。当滤波器46具有用于确定航向角的相对有限的信息时，该特征在跟踪会话开始时是特别有用的。通过处理器50向滤波器46提供航向角估算，改善了物体跟踪。因此，本发明的实施例基于与车辆附近或车辆的路径中的移动物体有关的信息，提供了跟踪技术的改进和车辆控制的改进。

在一些实施例中，即使航向角尚未被限定，滤波器46也操作以提供物体存在的指示。该方法允许早期的物体检测以及随后的航向角的确定或精细化。

图3是流程图60，其概述了跟踪物体22的示例方法，包括使用关于被跟踪物体上的一个或多个点A-D的位置信息来估算航向角。在62处，检测器44随时间检测从物体22上的一个或多个点反射的辐射。随着时间的推移，多次检测提供了有关物体22移动时物体22移动的信息。在64处，处理器50确定检测中的每一个检测的位置，该位置对应于随时间检测到的点A-D的相应位置。在该示例中，在世界坐标系中确定位置信息。

在66处，处理器50确定在64处确定的位置之间的关系。该示例中的关系包括在限定形状的区域上的检测的相对位置。例如，所确定的关系限定了包围或包括所确定的位置的弧、线或矩形。处理器在世界坐标系内确定该形状的取向，并在68处使用该取向确定物体的估算航向角。因此，航向角的确定是基于在66处确定的关系。

在某些情况下，由在66处确定的关系所限定的形状的取向将指示被跟踪物体移动的路径，而不指示沿着该路径的移动方向。在该示例中，处理器50使用关于多个检测的距离变化率信息来确定移动方向。

在70处，处理器50将确定的估算航向角提供给滤波器46。滤波器46将基于来自处理器50的估算的航向角来更新由滤波器46确定的先前的航向角。在一些示例中，滤波器46将用来自处理器50的估算的航向角替换先前确定的航向角。

随着时间的推移具有足够的检测允许处理器50对航向角进行更准确的估算。在示例实施例中，检测的位置跨越超过预选阈值的距离。在距离最远的检测的位置之间具有足够大的距离增加了物体22已经充分移动以使处理器50确定的位置信息准确地估算航向角的可能性。鉴于该描述，本领域技术人员将能够选择适当的阈值距离以满足其特定情况的需求。

处理器使用若干技术之一来确定估算的航向角。在一个实施例中，似然估算基于检测的位置提供最可能的航向角。

假设在一个世界坐标系中存在具有位置x＝[x₁,...,x_N]且y＝[y₁,...,y_N]的N个检测。航向角为θ的检测的对数似然l(x,y|θ)大致描述了检测踪迹能够以航向角θ拟合轨迹的程度。该实施例包括以下假设：每个检测在物体22内部具有统一的位置似然。由于检测中的角度误差，随着检测位置进一步远离物体22，检测位置在物体22外部的可能性逐渐减小为零。

该示例包括限定物体的体坐标系，使得其纵轴平行于物体航向角34，并且其原点与世界坐标的原点相同。如果物体跟踪在世界坐标中具有质心(x_t,y_t)，则其质心在物体的体坐标系中的位置为：

在物体的体坐标系中检测(x_i，y_i)的位置是：

单个检测的对数似然l(x_t,y_t|θ)可以通过检测相对于物体质心的正交位置来充分表示，其可以表示为：

图4示出了作为O′_i的函数的检测的对数似然的示例。曲线图74的左侧和右侧上的锥形区的宽度W可以取决于物体姿态、物体范围以及检测中的角度误差的标称标准偏差。它遵循

W＝W_min+|cos β|(max(r，r_min)-r_min)e

其中，β是相对于主车辆24的物体航向角，r是物体范围，并且e是检测中角度误差的标称标准偏差。参数W_min和r_min是预定的。

假设多次检测之间具有独立性，则总体对数似然可写为：

在该示例中，总似然由处理器50确定为各个似然之和由检测次数归一化。在一个示例实施例中，如果根据在66处确定的关系确定的形状的纵向跨度小于阈值距离，则总似然将取低值。相对于更远的检测以考虑在较长距离处对物体22的任何操纵，靠近当前物***置的检测是优选的。另外，当可用的随时间的检测太少时，处理器50将低值分配给总似然。

航向角的最大似然估算可以通过求解以下方程获得：

该优化方程无法解析求解。为了从数值上解决这种问题，示例实施例包括两步角搜索以找到最佳航向角π。注意，由于在航向角θ和θ+π处的检测似然是相同的，因此在θ∈[0,π]内部进行搜索就足够了。

图5和图6展示了两步角度搜索。首先在粗角度网格上评估相应的检测似然，如图5所示。如果没有任何似然超过80处的预选阈值，则处理器50将由于检测中的信息不足而停止航向角确定。当检测中的至少一个满足阈值80时，处理器选择似然高于阈值80的角度点，并建立覆盖这些角度点范围的精细角度网格，如图6中所示。由于图5中的航向角0、0.8π和0.9π各自都超过阈值80，因此处理器将这些角度用作图6精细网格中的感兴趣角度。图5中的分辨率为π/10，并且图6中的分辨率为π/60。

从该图示可以理解，处理器50评估围绕角度0、0.8π和0.9π的多个候选角度。在该示例中，在那些候选者中选择使似然最大化的最佳航向角来作为估算的航向角π。

前面的描述本质上是示例性的而不是限制性的。对所公开的示例的不必脱离本发明的本质的变型和修改对于本领域技术人员而言可以变得显而易见。赋予本发明的法律保护范围只能通过研究所附权利要求来确定。