通过反射超声波检测障碍物的方法与流程

本发明要求2018年6月5日提交的第18176088.5号欧洲专利申请的优先权，其内容通过引用并入在此。

本发明涉及通过反射超声波来检测障碍物的方法，其中该方法特别用作车辆的停泊辅助。本发明尤其涉及用于检测特别是位于车辆附近的障碍物的类型。

背景技术：

通过分析接收到的先前发射的超声波的回声信号来检测特别是位于车辆附近的障碍物的方法通常是已知。这样的方法已经证明对于汽车应用是有效的，例如作为停泊辅助。目前为止，在大多数情况下，已经分析了回声信号的时间进程。诸如或多或少区别的最大值以及最大值前后的回声信号的时间进程的特征时间进程被认为是障碍物。

目前，无法通过静态测量来区分不同的障碍物类型。只能针对能够追溯到障碍物的回声信号区段来追踪回声信号的进程。以限位器(stopper)为例示出区分不同障碍物类型是有意义的这一事实，限位器即特别用在停车场在用户停车时向其发送他/她应当驶入停车位多远的信号(也就是直至前车轮或后车轮接触限位器为止)的隆起物。在停车过程中，这样的障碍物最初显示出相对大的回声，然而回声的大小随着越来越接近而强烈减小。还可能驾驶路过还包括路缘石的隆起物。然而，能够追溯到诸如墙壁或车辆的较高障碍物的障碍物强度总是基本上保持相同。这也适应于桩和标杆。

用于使用反射超声波的方法是已知的，例如根据de-a-10027828和de-a-19846241。

技术实现要素：

本发明的目的是提供一种用于通过反射超声波来检测障碍物的方法，通过该方法能够区分不同的障碍物类型。

为了解决该目的，连同本申请提出了一种用于通过反射超声波来检测障碍物的方法，特别是作为车辆的停泊辅助，其中该方法包括：

-通过超声发射器，将超声脉冲串发射信号发射到待观察的检测区域；

-通过超声接收器，接收由检测区域中的障碍物所反射的超声信号，作为超声接收信号；

-检测由障碍物产生的超声接收信号中的至少一个回声；

-将属于回声的超声接收信号的回声区段从时域变换到频域；

-检查回声区段的频谱中多个预定频谱特征中的至少一个频谱特征的存在，其中每个频谱特征表示预定的障碍物类型以及可能表示多个预定障碍物类型中的至少一种类型；以及

-将回声区段分配到预定的障碍物类型。

相应地，连同本发明一起提出了利用通过发送超声波和接收这些超声波的反射对障碍物进行声学成像从而能够区分不同的障碍物的知识，其中不同的障碍物特别是在停车过程中位于车辆附近的不同障碍物。在此范围内这是有利的，例如，限位器或另外类型的隆起物应当作为区别于例如墙的障碍物，因为与墙不同，可以在停车过程中“驶过”隆起物或者路缘石；这当然不适用于例如附近停靠的车辆。问题在于，通过回声信号的时间进程或者包络信号例如在停车过程期间不可能或者可能可靠地区分不同的障碍物类型。

然而，令人惊奇的是，如果在频域检查超声接收信号的回声区段则有可能区分障碍物。正如在本发明的改进期间能够确定的，可以通过确定诸如回声区段频谱的频谱宽度和频谱重心的谱矩(spectralmoment)来验证障碍物类型。

在根据本发明的方法中，超声发射器将超声脉冲串发射信号发送到邻近的检测区域。如果检测区域中存在障碍物，则超声接收器从该检测区域接收经反射的超声信号作为超声接收信号。通过超声接收信号通过其时间进程能够检测出能够追溯到障碍物的至少一个回声区段。这例如通过将超声接收信号的信号大小与固定或者能够动态调整的阈值进行比较来执行。根据本发明，检测到的回声区段从时域变换到频域。检查回声区段的频谱中多个预定频谱特征中的至少一个频谱特征的存在，其中每个频谱特征表示预定的障碍物类型。然而，还可以每个频谱特征表示多于多个预定障碍物类型。然后，回声区段被分配到预定的障碍物类型，其中回声区段出现在超声接收信号中的时间点表示障碍物到超声接收器的距离。根据本发明，超声发射器和超声接收器可以是两个不同的单元或者共同的单元，也就是所谓的超声换能器。

在本发明的有利的另外实施例中，可以指定回声区段分配到障碍物类型的概率度，或者指定回声区段分配到不同障碍物类型的几个概率度。在本发明的该另外的实施例中，附加信息(也就是，概率或概率密度分布)表示障碍物类型或者如果适用的不同障碍物类型能够分配到检测到的回声区段的可靠性。

可以进一步有利的是，检测的障碍物光学地和/或声学地和/或触觉地(例如，车辆的座椅或方向盘)发出信号，其中信号针对不同的预定障碍物类型而不同。通过这种方式，向停靠其车辆的驾驶员发送障碍物类型的信号。

如上所述，频谱特征包括回声区段的频谱宽度和频谱重心。这两个频谱特征能够根据i/q调制的i信号部分和q信号部分以相同的方式来确定。在本发明改进的过程中，已经表明通过频谱特征能够区分三种不同的障碍物类型。不同类型的能够区分的障碍物包括路缘石、限位器或其他隆起物作为第一类型，墙壁和特别是车辆作为第二类型，以及标杆或诸如用于信息和交通标志、信号灯或街灯的桩作为第三类型。已经表明通过回声区段的频谱重心能够明确地将隆起物与墙壁和标杆区分开。然而，通过频谱重心的墙壁与标杆之间的区别可能并不明确。然而，与之相比，如果对回声区段针对其频谱宽度进行检查，则墙壁能够明确地与隆起物和标杆区分开。然而，几乎不可能通过频谱宽度来区分隆起物和桩。因此，如果频谱特征都用于区分上述三种障碍物类型，这是大有可能的，因为这三种障碍物类型以在清楚分开的区域上将频谱宽度绘制在一个轴上并且将频谱重心绘制在另一个轴上的方式，将它们自身“分布”在2维图中。

遗憾的是，如今使用在汽车应用中的超声接收器非常依赖于温度。因此，如果使用了灵敏度比较强烈依赖于温度的超声接收器，根据本发明的另一有利实施例，如果回声区段的检测和其向频域的变换是温度补偿的或者温度校正的或者以其他方式通过考虑超声接收器的当前温度来实现，则是有利的。可以有利的是，通过测量或者通过依赖温度的信号特征来确定超声接收器的温度，关于该依赖温度的信号特征来校正超声接收器并且针对其检查超声接收信号。在该上下文中，参考申请日为2018年2月5日的德国专利申请de102018102535.1，其公开内容通过引用并入。

已经证明，使用短脉冲信号作为超声发射信号以实现本发明是特别有利的。因此，覆盖最大的频谱范围。然而，单个脉冲或几个脉冲能量太小，以致于即使处于停车过程相关的几米的距离处也无法检测充分可靠地回声信号区段。因此，有利的是使用脉冲串发射信号而不是单个脉冲。这里，已经证明，如果超声脉冲串发射信号具有一到二十或者五到十五或者八到十二个脉冲是有利的。

在本发明的另外有利的实施例中，可以设置为到频域的变换通过傅里叶变换来实现，例如fft，或者不进行傅里叶变换而通过从天气雷达的信号处理特别已知的算法来实现(参见例如doviak,richardj./s.(1993):"dopplerradarandweatherobservations(多普勒雷达和天气观察)"(第二版),第122-159页)，诸如自协方差过程。

如前所述，通过确定频谱特征来识别不同的障碍物类型。通过已知的分类器，诸如高斯朴素贝叶斯分类器、最近质心分类器、k最近邻分类器(参见duda,r.o./hart,p.e./stork,d.g.(2001):"patternclassification(模式分类)",wiley,654页)，或者其他已知的模式识别过程(haykin,s.(1998):"neuralnetworks:acomprehensivefoundation(神经网络：理解基础)",prenticehall,842页；hastie,t./tibshirani,r./friedman,j.(2001):"theelementsofstatisticallearning(统计学习的要素)",springer,533页；bishop,c.m.(2005):"patternrecognitionandmachinelearning(模式识别和机器学习)",springer,738页；rojas,r.(1996):"theoriederneuronalennetze(神经网络理论)",springer,约300页)，能够最终确定障碍物类型，相应地能够指定障碍物能够分配至多个预定障碍物类型中的一个障碍物类型的概率。

附图说明

下面，参照附图详细描述本发明。各个附图示出如下：

图1示出了超声接收信号的时间进程，其中具有由于距离接收器约80cm(厘米)的隆起物的不同回声区段，由于距离超声接收器约120cm的桩的不同回声区段，以及由于距离超声接收器约150cm的墙的不同回声区段；

图2示出了提取的回声区段的时间进程(course)；

图3是其中当测量位于与超声接收器距离不同的位置处的障碍物时，针对障碍物“隆起物”、“墙”和“桩”绘制提取出的回声区段的频谱重心的图；

图4是其中当测量位于与超声接收器距离不同的位置处的障碍物时，针对障碍物“隆起物”、“墙”和“桩”绘制提取出的回声区段的频谱宽度的图；以及

图5是将图3和图4的图作为测试期间待测的上述障碍物的2维图的总结，其中清楚的是，通过两个上述谱特征在2维图中的位置能够明确地区分每个障碍物类型。

具体实施方式

如上面提及的，在本发明的范围内执行实验室测试，其中利用超声换能器将例如具有8个脉冲的超声脉冲串发射信号发送到检测区域，在该检测区域中设置有桩(高度为1m(米)的75mm(毫米)管)，长度为1m并且与超声波的传播方向成直角对准的模拟标准路缘石，以及墙。对于该场景进行测量，由此例如超声接收信号的时间进程根据图1来确定。在图1中，连续线表示超声接收信号，虚线表示阈值信号。可以看到三个特征回声区段，也就是针对隆起物(标准路缘石)、针对桩以及针对墙。

图2示例性示出了从超声接收信号提取出的回声区段。在使用八个脉冲作为超声脉冲串发射信号来进行测试方面，已经证明这是好的折中方案。通过回声最大值检测回声区域。多个样本被选择为最大值的左侧和右侧(回声最大值之后的示例性8个样本和回声最大值之前的示例性8个样本)。然后，确定提取出的回声区域的频谱重心和频谱宽度。根据文献(例如，如引自：keeler,r.j./passarelli,r.e.(1990):signalprocessingforatmosphericradars(用于大气雷达的信号处理)。引自：atlas,d.(eds.):"radarinmeteorology(气象学中的雷达)",americanmeteorologicalsociety(美国气象学会),波士顿,马萨诸塞州)，针对频谱重心和频谱宽度的公式相关性已知如下：

1.分类号(频谱重心)

2.分类号(频谱宽度)

图3和图4示出在计算针对限位器、桩和墙的回声信号区段的频谱重心和频谱宽度之后不同测量结果的“分布”。图3示出通过频谱重心能够明确地将限位器与墙和桩区分开，其中无法明确地相互区分两个障碍物类型墙和桩。相比之下，图4示出了频谱宽度能够用于明确地将墙作为障碍物与限位器和桩进行区分，而无法明确地相互区分限位器和桩。图5最终示出了当两个谱参数都考虑时能够很好地相互区分所有三种障碍物类型。

因此，一旦进行了这些初步检查并随后进行了现场试验，可以看出，确定两个谱特征“重心”和“宽度”使得可以将障碍物分配给三种上述类型中的一种。通过现有技术中已知的分类器，来自待测量的回声区段的频谱重心和频谱宽度的实际测量点被最终分配给三个障碍物类别中的一个。然后还可以指定当前测量的障碍物可以被分配给三个类别之一的概率。可替换地，也可以指定几个概率，以便指定障碍物对于几个类别的分配概率。