对静态对象和动态对象的分类的制作方法

本发明涉及一种用于通过控制设备对环境中的动态对象或静态对象进行分类的方法。本发明还涉及一种控制设备、一种计算机程序以及一种机器可读存储介质。

背景技术：

目前，在车辆中使用超声系统，以便能够实现不同的行驶辅助任务、诸如自动化或部分自动化的停车。在这种情况下，并不通过相对应的超声传感器来考虑动态对象与静态对象之间的区分。这样的区分目前对于执行停车过程来说并不必要，因为车辆的驾驶员观察周围环境并且必要时可以干预车辆控制。

在自动化运行的车辆、尤其是以无驾驶员的方式运行的车辆的情况下，不再能够使用所有对象都静止的假设。因而，在自动化运行的车辆的环境觉察方面，需要在静态对象与动态对象之间进行区分。

技术实现要素：

可以视为本发明所基于的任务在于：提出一种用于借助于超声传感装置来在动态对象与静态对象之间进行区分的方法。

该任务借助于独立权利要求的相应的主题来解决。本发明的有利的设计方案是相应从属权利要求的主题。

根据本发明的一个方面，提供了一种用于通过控制设备来对在环境中的动态对象或静态对象进行分类的方法。该方法尤其能通过可自动化运行的移动单元的控制设备来实施。

在一个步骤中，在所限定的时间段期间通过至少一个传感器来产生声音回波，将这些声音回波发射到环境中并且由所述至少一个传感器来探测这些声音回波，从而确定测量数据。在这种情况下，这些声音回波可以由传感器交替地产生和接收，以便收集测量数据。替选地，可以设置用于发射运行的传感器和与此不同的用于接收运行的传感器。紧接着，所述通过该控制设备来接收至少一个传感器的测量数据。

在所限定的时间段期间由至少一个传感器接收声音回波的测量数据。所述至少一个传感器可以是声音传感器、诸如超声传感器、麦克风或声音传感器阵列。所述至少一个传感器可以被设立用于接收直接回波和/或交叉回波。

在二维阵列中记录（erfassen）所接收到的测量数据。为此，可以对声音回波的测量数据进行聚集（aggregieren），所述测量数据由一个传感器或多个传感器传输给该控制设备。对测量数据的聚集或收集可以在所限定的时间段期间进行，其中构造二维阵列，该二维阵列包含时间信息和相对应的直接的或间接的间隔信息（abstandinformation）。直接间隔信息可以是根据这些测量数据所计算的距对象和表面的间隔。在这种情况下，间接间隔信息可以是传感器的渡越时间测量或相对应的电压值。

在接下来的步骤中，从该二维阵列中提取至少一个回波迹线（echo-trace）。在这种情况下，也可以形成多个回波迹线。

优选地，可以针对每个二维阵列都形成回波迹线。

回波迹线或echospur（回波踪迹）是被一个或多个对象反射的声能，该声能可以通过所述至少一个传感器以测量数据为形式来被确定并且在回波图中以可视方式来被示出。优选地，回波迹线从由对象或表面所反射的测量数据中提取。替选地，可以将回波迹线分配给一个或多个对象或表面。

可以通过回波迹线来对由该控制设备所接收到的测量数据进行近似（annähern）。例如，可以以一种或多种线性回归的形式来确定或提取回波迹线。因此，这些回波迹线逐区域地（bereichsweise）表明测量值的趋势。尤其是，回波迹线的斜率可对应于相对速度并且因此适合于“静态”或“动态”的区分。

相对于所述至少一个传感器所探测到的声音回波的相对速度通过该阵列的测量数据的时间导数来被确定。尤其可以确定反射这些声音回波的对象或表面的相对速度。

紧接着，基于之前所确定的相对速度来进行这些回波迹线到静态或动态的分类。为此，可选地可能需要算出传感器的自身速度。在停车过程中，该步骤例如可能由于传感器的自身速度低或不存在传感器的自身速度而取消，使得该相对速度对应于绝对速度。

根据本发明的另一方面，提供了一种控制设备，其中该控制设备被设立用于实施该方法。该控制设备例如可以是移动控制设备或者外部的或固定的（stationär）控制设备。该控制设备例如可以是与用于实施自动化功能、诸如自动化行驶功能或飞行功能的移动单元的控制器能连接的或者集成到这样的控制器中。在外部构型的控制设备例如可以是车辆外部的服务器单元，该车辆外部的服务器单元基于云技术。

根据本发明的一个方面，还提供了一种计算机程序，该计算机程序包括如下指令，在通过计算机或控制设备来执行该计算机程序时，所述指令促使该计算机或该控制设备来执行按照本发明的方法。根据本发明的另一方面，提供了一种机器可读存储介质，在所述机器可读存储介质上存储有按照本发明的计算机程序。

该控制设备可以布置在移动单元中，该移动单元可以是按照bast标准被辅助地、部分自动化地、高度自动化地和/或全自动化地或无驾驶员地能运行的。该移动单元例如可以构型为车辆、机器人、无人驾驶飞行器、船舶、轨道车辆、自动驾驶出租车、工业机器人、商用车辆、公交车、飞机、直升飞机等等。

通过该方法，可以实现对静态对象和动态对象的技术上简单的分类，例如借助于超声数据来实现对静态对象和动态对象的技术上简单的分类。依据在一段时长期间跟踪的声音信号或声音回波来区分对象是否移动。

该方法尤其也可以在没有测量多普勒效应的情况下或在没有多普勒信息的情况下被执行。这些声音回波可以经多个时间步来被收集，以便执行有意义的分类。由这些传感器传输给该控制设备的声音回波的原始测量数据适合于时间上的聚合。在这种情况下，每个传感器都可以在要限定的时间段、例如为0.5至3秒的时间段期间在二维阵列中记录所有声音回波。该时间段可以设计为恒定的或可变的。该控制设备可以根据情况和/或测量不确定性来缩短或者延长该时间段。这些二维阵列优选地包括：关于回波间距（echodistanz）的时间。

现在，基于每个可支配的二维阵列可以形成所谓的“回波迹线”。根据测量系统的构型而定，可能已经实现了回波迹线形成。在此处同样可以使用该方法，以便确定出分类成静态或动态。

通过在这些二维阵列中的回波间距的时间导数可以计算速度，因为各个测量的准确的测量时间点都已知。如果紧接着还将传感器的自身速度包括（einbeziehen）在内，则可以区分哪些对象是静态的以及哪些对象是动态的。在其中该自身速度相当于零的最简单的情况下，可以取消对该自身速度的计算。

通过该方法可以改善环境检测。尤其可以显著改善传感器数据融合以及最终的行驶行为。还可以优化针对自动化运行的车辆的启动放行，使得做出关于何时允许自动化运行的车辆开动（losfahren）的时间点的更准确的结论。该方法还可以被用作针对现有的超声系统的改装解决方案。对现有的超声系统的这样的扩展和优化能在技术上简单地实施。

根据一个实施方式，依据传感器的自身速度来计算回波迹线的绝对速度。为此，可以与对相对速度的计算并行地来测量或计算该移动单元的自身速度。该移动单元的自身速度例如可以通过分析加速度传感器、里程计传感器或gnss传感器的测量数据来被确定。由此，基于回波迹线相对于至少一个进行测量的传感器的所确定的相对速度，可以确定该回波迹线的实际速度或绝对速度。这可以通过从相对速度减去自身速度来实现。在这种情况下，这些计算也可以以速度矢量的形式来被执行。可选地，回波迹线的绝对速度可以被分配给依据测量数据所探测到的对象。

按照另一实施例，如果回波迹线没有绝对速度，则将该回波迹线分类为静态。该分类可以在容差范围或极限值的范畴内进行。在该容差范围的情况下，可以考虑测量误差和不确定性。因此，如果回波迹线的所计算的绝对速度为零或者基本上为零，则可以通过该控制设备来给该回波迹线分配类别“静态”。通过使用容差范围，即使绝对速度有偏差、例如在小数范围内（dezimalbereich）有偏差，也可以给予分类“静态”。

按照另一实施例，如果回波迹线具有绝对速度，则将该回波迹线分类为动态。在这种情况下，回波迹线的绝对速度可以不等于零，从而被分类为“动态”或“可移动的（beweglich）”。在这种情况下，同样可以考虑容差范围。例如，在回波迹线的绝对速度大于0.05m/s的情况下可以分类为“动态”。

按照另一实施方式，根据所接收到的声音回波的测量数据来标识对象。由此，这些对象可以相对于其它传感器、诸如摄像机传感器的对象信息冗余地被探测。在该步骤中，对回波迹线的分类的实现方案、例如在计算机程序中的实现方案也可以特别高效。

按照另一实施例，为了执行分类而基于所标识的对象来过滤声音回波的测量数据或者所得到的回波迹线。因此，所确定的测量数据和/或回波迹线可以如下地被检查：这些测量数据和/或回波迹线是否对于通过该控制设备来进行的进一步分析来说是相关的（relevant）。为此，可以观察被确定的对象：例如这些对象是否处在所述至少一个传感器的作用范围内。由此出发，不再需要考虑所有回波迹线，而是只考虑一些所限定的回波迹线。因为对象的数目少于原始回波的数目，所以所述分析的计算耗费（rechenaufwand）可以进一步被减少。

按照另一实施例，接收对象识别的信息，其中为了分类而基于对象识别的信息来过滤声音回波的测量数据或者所得到的回波迹线。替代于根据所述至少一个传感器的测量数据对这些对象进行的确定，可以采用其它传感器的测量数据的信息。尤其可以实施这些测量数据和/或分析结果与其它传感器、诸如激光雷达（lidar）传感器、雷达传感器和/或摄像机传感器的测量数据的融合，以便找出哪些回波迹线是相关的（relevant）。由此，也可以标识和去除有错误的回波迹线。

例如，可以由所接收到二维阵列的总和来提取所识别出的对象的二维阵列并且将分类限于这些所提取的二维阵列。

按照另一实施方式，将所计算的绝对速度和/或所确定的对回波迹线的分类分配给被确定的对象。由此，可以利用其它信息来详细说明（spezifizieren）至少一个所识别出的对象。该对象尤其可以根据该分类进一步以传感方式被观察或者以较少耗费由传感装置来考虑。

按照另一实施例，将二维阵列至少暂时存放在短时间存储器和/或长时间存储器中。尤其是，对于执行该分类来说不必对计算能力和存储器类型提出特殊要求，因为对于实施该方法来说并不需要运行时间关键的或存储器关键的算法、诸如神经网络或所谓的svm。然而，该方法同样可以在这样的算法的范畴内被实施。优选地，该方法可以通过技术上简单的缓冲器并且通过经典的计算方法来被实现，从而确定分类“静态”或“动态”。

按照另一实施方式，该控制设备布置在移动单元中。优选地，基于所执行的对这些回波迹线的分类来产生用于操控该移动单元的控制指令。在这种情况下，该分类的结果可以被用于操控该移动单元。该移动单元例如可以构型为车辆、机器人、无人驾驶飞行器、船舶、轨道车辆、自动驾驶出租车、工业机器人、商用车辆、公交车、飞机、直升飞机等等。

附图说明

在下文，依据非常简化的示意图来详细地阐述本发明的优选的实施例。在这种情况下：

图1示出了车辆的示意图，该车辆具有用于执行按照实施方式的方法的控制设备；

图2示出了根据不同传感器的测量数据来创建的二维阵列的示意图；

图3示出了由图1中示出的阵列所组合的阵列的示意图；以及

图4示出了按照实施方式的方法的示意性流程图。

具体实施方式

在图1中，示出了被构型为车辆的移动单元1的示意图，该移动单元具有用于执行按照实施方式的方法4的控制设备2。

车辆1或移动单元构型为可自动化运行的车辆并且示例性地具有多个传感器6、8。传感器6、8构型为超声传感器并且布置在车辆1的不同位置。

传感器6、8与控制设备2以传导数据的方式耦合，使得控制设备2可以接收和分析传感器6、8的测量数据。

传感器6、8的所接收到的测量数据例如可以至少暂时被存储在控制设备2中或至少暂时被存储在机器可读存储介质10中。

机器可读存储介质10与控制设备2连接并且具有计算机程序，该计算机程序能由控制设备2来执行。通过执行该计算机程序，可以将控制设备2用于执行方法4。

图2示出了根据不同传感器6、8的测量数据来创建的二维阵列12的示意图。为了由控制设备2对测量数据进行进一步处理，可以使用声音信号的原始测量数据。

这些图示示意性地示出了传感器6、8的测量数据，这些测量数据阐明了间距d关于时间t的测量值。接着，对于每个传感器6、8而言，都在一个时间段期间在二维阵列12中记录所有声音回波。

在图3中阐明了由图2中示出的阵列12所组合的阵列14的示意图。在这种情况下，传感器6、8的所有测量数据都已被组合在阵列14中。尤其示出了具有关于时间t的距离（entfernung）或间距（distanz）d的回波图。

在这种情况下，传感器6、8的测量数据可以根据相应的传感器6、8的直接回波或者根据传感器6、8的交叉回波来确定。在二维阵列14中示出的测量数据显示：有对象或表面接近至少一个传感器6、8并且接下来保持其距传感器6、8的间距d。

测量数据的相应的区段（abschnitt）可以通过回波迹线16、17来被描述。回波迹线16、17对应于如下测量数据，所述测量数据已被未详细编号的表面反射回到传感器6、8并且在回波图中以可视方式来被示出。回波迹线16、17例如可以通过线性回归来被确定或近似。尤其可以依据回波迹线16、17的斜率来执行“静态”或“动态”的区分。

第一回波迹线16的斜率为零或无穷大，使得这里可以分类出静态对象。

示例性的第二回波迹线17具有不等于零的斜率，该斜率对应于速度。这样的回波迹线17可以被用于限定动态类别。

图4示出了按照实施方式的方法4的示意性流程图。方法4用于通过控制设备2来对在车辆1的环境中的动态对象或静态对象进行分类。

在步骤20中，由传感器6、8在所限定的时间段t内接收声音回波的测量数据。时间段t例如可以为1至60秒。在这种情况下，传感器6、8的测量数据可以从直接回波中得到或者从交叉回波中得到。

所在二维阵列12、14中记录21接收到的测量数据。

紧接着，在接下来的步骤22中，从阵列12、14中提取回波迹线16、17。

通过传感器6、8的阵列12、14或测量数据的时间导数，可以确定23所接收到的声音回波相对于传感器6、8的相对速度。

在可选的步骤24中，可以形成（bilden）回波迹线16、17的绝对速度。

紧接着，通过控制设备2来进行（vornehmen）25将回波迹线16、17分类成“静态”或“动态”。