用于将车辆周围环境中的对象分类的方法和驾驶员辅助系统与流程

1.本发明涉及一种用于对在车辆的周围环境中的对象进行分类的方法，其中，在使用超声波传感器的情况下发射超声波信号，接收来自在周围环境中的对象的超声回波，并在使用最小二乘法的情况下确定反射点相对于所述超声波传感器的位置，其中，持续地确定反射点并将所述反射点配属给在该周围环境中的对象。本发明的另外的方面涉及一种设置为用于实施该方法的驾驶员辅助系统以及一种包括这种驾驶员辅助系统的车辆。


背景技术：

2.现代车辆配备有大量驾驶员辅助系统，在实施不同的驾驶机动动作时，所述驾驶员辅助系统辅助车辆的驾驶员。此外已知向驾驶员警告在周围环境中的危险的驾驶员辅助系统。所述驾驶员辅助系统为实现其功能需要关于车辆的周围环境的精确数据和特别是关于处于在该车辆的周围环境中的对象的精确数据。
3.通常使用基于超声波的对象定位方法，在所述对象定位方法中使用两个或者更多的超声波传感器。在此，超声波传感器分别发射超声波脉冲并接收由在周围环境中的对象所反射的超声回波。由超声波脉冲的直至接收该相应超声回波的传播时间以及已知的声速能够分别求取进行反射的对象与对应的传感器之间的距离。若对象处于多于一个超声波传感器的视场中，即，若能够求取从多于一个超声波传感器至对象的距离，则也能够通过最小二乘法算法来求取进行反射的对象相对于传感器的或者说相对于车辆的准确位置。通常，如果一个对象被两个超声波传感器看到，即如果两个超声波传感器能够分别确定至该对象的距离，则是足够的。
4.为实现其功能，现代驾驶员辅助系统除了需要关于对象的位置的信息，还需要关于该对象是哪个类型的对象的说明。因此优选对对象进行分类，以便区分与警告或制动干预重要相关的对象——如行人、墙或树，以及与此非重要相关的对象——如路缘石。
5.从de 10 2007 061 235 a1已知一种用于对基于超声波的距离探测系统的距离数据进行分类的方法。在该方法中，发射测量信号并再次通过传感器截获由远处的对象所反射的测量信号。由发射与接收测量信号之间所经历的时间和已知的传播速度来计算距离。此外设置，将距离数据在统计学上的离散度与进行反射的对象的高度相关。在具有突出的异常值的距离值的情况下，较大偏差指示较大的对象。若这种延伸对象具有带少量结构的光滑表面，则在所述距离值的情况下仍然可观察到较大离散度，然而在所测量到的值中无突出的异常值。若距离值具有较小离散度地位于一条线上，则可以认为是小的、长型的对象，如路缘石。
6.从de 10 2013 018 721 a1中已知一种用于为机动车识别至少一个停车位的方法。在此设置，创建占用栅格作为周围环境的数字模型，其中，将探测的数量输入各个单元。此外，求取离散中心，该离散中心表示如下区域：由传感器所发射的信号在所述区域处发生强烈反射。附加地进行对象分类，在将该对象分类时将所求取到的离散中心与对比数据进行比较。如此例如能够在机动车与另外的对象之间进行区分。
7.从de 10 2016 218 064 a1中已知一种用于超声波传感器系统的运行方法，在该运行方法中，对由在周围环境中的对象所反射的超声波信号进行接收并配属给车道。在此，在于时间上彼此相继地被发射的超声波信号的回波信号的序列中搜索在回波图像中在时间上的变化过程。行人以其通常仅反射少量声能并进行运动的特征而突出。
8.已知方法的缺点是，在对在车辆的周围环境中的对象进行分类时出现高错误率。因此值得期望的是考虑使用另外的参数来将对象分类。


技术实现要素：

9.本发明提出一种用于对在车辆的周围环境中的对象进行分类的方法。在该方法中，在使用超声波传感器的情况下发射超声波信号，接收来自在周围环境中的对象的超声回波，并在使用最小二乘法的情况下确定反射点相对于超声波传感器的位置。持续地实施对反射点的确定和将所述反射点配属给在周围环境中的对象。此外设置，确定与配属给一个对象的反射点的位置有关的离散度参数，并将所述离散度参数用作与该对象的类型有关的分类标准。
10.在所提出的方法的范畴内，在使用至少两个其视场至少部分地重叠的超声波传感器的情况下持续发射超声波信号，并相应地再次接收由对象所反射的超声回波。优选为此将多个超声波传感器——例如二至六个超声波传感器——布置为一个组，例如布置在车辆的保险杠上。在使用已知的在空气中的声速的情况下则确定在车辆的周围环境中进行反射的对象至各个超声波传感器的距离。若一个超声回波由多个超声波传感器接收到，则可以认为对超声波信号进行反射的对象处于两个超声波传感器的重叠的视场中。通过应用最小二乘法算法，能够确定进行反射的对象相对于车辆或者说相对于参与的超声波传感器的位置。在此，两个从对象接收回波的超声波传感器对于确定在平面中的位置是足够的。
11.在对对象执行分类时，可以将所述对象分级到不同的类别如“低的、可驶过的对象”或“高的、不可驶过的对象”中。此外可以进行典型化，在该典型化中，在分类的范畴内对特定类型的对象进行区分。例如在长型的对象——如路缘石边沿、点状的对象——如立柱(pfosten)或支柱和复杂的对象——如行人、灌木或树之间进行区分。
12.在分类时优选设置，除离散度参数之外还将另外的标准引入分类中。作为另外的标准例如可考虑针对所发射的超声波信号而接收到的回波的数量或考虑测量数据的表现，如在车辆接近该对象时的回波数量和回波振幅。回波数量例如与对象是否具有经明确限定的反射点相关。此外，就高的对象而言，通常出现至少两个超声回波，其中，第一回波由在位于与超声波传感器相同的高度处的对象所反射，第二回波由在对象与地面之间的过渡处所反射。在车辆接近对象时，所接收到的测量数据的表现还能够提供关于进行反射的对象的结论。例如在接近墙时，所接收到的回波的振幅不改变或仅轻微地改变，而在接近路缘石边沿——该路缘石边沿表示低对象——时，在车辆接近该对象时振幅下降。
13.所确定的离散度参数说明被配属给一个对象的反射点在地点上是如何分布的。相应地可以将平均值、标准差、方差或另外的对于本领域技术人员所已知的统计学参数用作离散度参数。在此可以设置，在确定离散度参数时，不再考虑异常值，即明显偏离平均值的个别反射点。为此例如可以检查反射点是否距离中心点比平均值的多倍还远，或者可以应用对于本领域技术人员所已知的异常值测试。
14.优选设置，离散度参数分别表示反射点沿两个彼此正交的方向的离散度。
15.替代于此可以设置，通过对被配属给一个对象的反射点求平均值来确定该对象的中心点，并将确定在该对象的处于该对象的该中心点周围的预给定半径之内或之外的反射点份额作为离散度参数。在此，圆半径可以事先被固定地预给定，例如来自从20cm至100cm的范围，优选在从30cm至80cm的范围内，特别是优选在40cm至60cm的范围内，并例如被确定在50cm。若例如半径被确定在50cm，则在点状对象——如立柱或支柱——的情况下，几乎反射点的全部份额都位于预给定半径之内。在更复杂的对象——如行人、灌木或树——的情况下，反射点的较大份额仍位于预给定半径之内，但由于因未经良好限定的反射点位置而导致的离散度提高，所以一定份额的反射点已位于该半径之外。在线状对象的情况下，例如在路缘石边沿的情况下观察到高的离散度，从而反射点的较大份额位于预给定半径之外。
16.在该方法的范畴内优选确定边界框，该边界框说明如下范围：除被确定为异常值的反射点之外，被配属给一个对象的所有反射点位于该范围中，其中，确定该边界框的尺寸作为离散度参数。
17.该边界框优选构型为对于统计学上的异常值具有容错性，使得由于被分级为异常值的反射点而导致的边界框强烈扩大不被或者至少不完全被接纳到边界框中。在此可以设置，在初始创建边界框之前存储一定的反射点历史，以便避免在一开始就创建具有异常值的边界框。例如可以设置，在创建第一边界框之前首先将至少五至十个反射点配属给一个对象。在第一次创建边界框之后，一旦在该方法的范畴内给所涉及的对象添加了另外的反射点，就对边界框进行更新。
18.所确定的边界框优选具有纵向延伸尺度和横向延伸尺度，其中，纵向延伸尺度说明离散度沿纵向方向的强度，横向延伸尺度说明离散度沿横向方向的强度。
19.替代或附加地可以设置，为每个对象创建占用栅格以确定离散度参数，其中，该占用栅格的单元具有占用值，该占用值说明对应的单元配属有多少个反射点。占用栅格表示网格，其中，每个单元说明在通过对应单元所代表的位置处已识别到多少个反射点。相应地，一旦能够给网格或者说占用栅格的单元配属反射点，就使该对应单元的占用值递增。
20.优选根据占用栅格的单元的占用值确定纵向延伸尺度和横向延伸尺度作为离散度参数，其中，纵向延伸尺度说明离散度沿纵向方向的强度，横向延伸尺度说明离散度沿横向方向的强度。
21.通过针对至少两个彼此正交的方向——例如纵向和横向——独立地确定离散度参数，能够推导出对象是均匀地离散还是离散度在一个方向上比另一方向更强。针对所述方向中的每个方向则可以独立地评估：离散是在宽的区域上发生还是反射点或者说其位置集中在小区域上。为此必要时可以针对各个进行了离散度参数确定的方向来预给定界限，以便对小离散度和大离散度彼此进行区分。
22.纵向延伸尺度优选平行于指向远离车辆的方向延伸，而横向延伸尺度优选垂直于指向远离车辆的方向延伸。替代于此，优选确定对象的最大延伸尺度的方向，横向延伸尺度平行于该方向延伸而纵向延伸尺度垂直于该方向延伸。替代于此优选设置，通过分析处理配属给一个对象的反射点的相对位置，将具有点几何形状或线几何形状的对象模型配属给该对象，在线几何形状的情况下，横向延伸尺度平行于该线的定向延伸，纵向延伸尺度垂直于该线的定向延伸。
23.特别优选对于存在对象模型的情况，创建相应于所确定的横向方向和纵向方向地定向的边界框。
24.使用所提出的方法能够实现对特定的对象类型更好地进行分类，特别是使得能够实现在路缘石边沿、行人与如立柱或支柱的点状对象之间更好地进行区分。在此，在分类时设置，通过在横向延伸尺度方向上的大离散度和在纵向延伸尺度方向上的小离散度来识别路缘石边沿。通过在横向延伸尺度方向上的小离散度和在纵向延伸尺度方向上的小离散度来识别点状对象。通过在横向延伸尺度方向上的大离散度和在纵向延伸尺度方向上的大离散度来识别具有复杂几何形状的对象，特别是行人。例如通过预给定离散度的界限值，在大离散度与小离散度之间进行区分。该界限值在此可以针对纵向延伸尺度和横向延伸尺度不同地被预给定，其中，在超过预给定的界限值的情况下可以认为是大离散度，如果离散度与界限值相当或低于界限值，则可以认为是小离散度。
25.此外可考虑，在使用机器学习的方法的情况下，在使用如所述的那样而被确定的离散度参数的情况下执行分类。在此使用训练数据，在所述训练数据中包含所测量到的特定离散度与特定对象类型的配属关系。然后可以将相应经训练模型用于对在该方法的范畴内所确定的离散度参数所进行的分类中。
26.作为进行分类的另一可能性可考虑，基于训练数据来为待区分的对象类型确定离散值分布。通过连续观察对象的离散值，则能够推导出特定对象类型的概率，所述概率优选与其他特征(例如回波的数量和/或振幅)相结合被用于进行最终分类。这种做法与机器学习方法类似，除了决策标准是由开发者所确定的并因此是已知且可塑的。
27.本发明的另一方面涉及一种驾驶员辅助系统，该驾驶员辅助系统包括至少两个具有至少部分地重叠的视场的超声波传感器，并包括控制器。该驾驶员辅助系统构造和/或设置为用于实施在本文中所说明的方法中的任一种方法。
28.由于该驾驶员辅助系统构造和/或设置为用于实施所述方法中的任一种方法，所以在所述方法中的任一种方法的范畴内所描述的特征相应地适用于该驾驶员辅助系统，反之，在所述驾驶员辅助系统中的任一种驾驶员辅助系统的范畴内所描述的特征相应地适用于该方法。
29.驾驶员辅助系统相应地设置为用于在使用至少两个超声波传感器的情况下识别在车辆的周围环境中的对象，并对在车辆的周围环境中的对象执行分类。
30.在此，如下区域被称为视场：在该区域中相应的超声波传感器能够感知对象。通过将至少两个超声波传感器的视场重叠地布置，使得能够实现在发射超声波脉冲时对应的超声回波通过多个传感器被接收到。由此能够由多于一个的超声波传感器求取对象与车辆或者说相应的超声波传感器之间的距离，从而能够借助最小二乘法算法来确定该对象相对于超声波传感器或者说车辆的位置。
31.此外提出一种车辆，该车辆包括在本文中所说明的驾驶员辅助系统中的任一种驾驶员辅助系统。
32.通过根据本发明所提出的用于对在车辆的周围环境中的对象进行分类的方法，能够在考虑与被配属给一个对象的反射点的位置有关的离散度的情况下考虑使用一种用于将对象分类的新的分类标准。在使用这种新的分类标准的情况下已能够获得关于进行反射的对象类型的说明。此外，特别是能够结合已知的分类标准，例如在发射超声波信号后所接
收到的超声回波数量以及在车辆接近对象时所获得的测量值的表现，来考虑新提出的分类标准。
33.特别是在这种结合——其中可以考虑在进行分类时使用多个不同的标准——的范畴内，该新提出的与特定位置的离散度有关的分类标准有助于显著降低错误率，特别是在对路缘石边沿进行分类时降低假阳性率或者说在识别行人和树时达到更好的真阳性率。
34.此外通过该方法可考虑，实现超越简单分类(可驶过/不可驶过)地将对象类别区分开，并且因此对行人、树、立柱和小型灌木彼此进行区分。
附图说明
35.根据附图和以下说明更详细地阐述本发明的实施方式。
36.附图示出：
37.图1：具有根据本发明的驾驶员辅助系统的车辆；
38.图2：行人的典型离散特性；
39.图3：点状对象的典型离散特性，以及；
40.图4：路缘石边沿的典型离散特性。
具体实施方式
41.在以下对本发明的实施方式的说明中，相同的或相似的元件用相同的附图标记来表示，其中，省去在个别情况下对这些元件的重复说明。附图仅示意性示出本方面的主题。
42.图1示出车辆1，该车辆包括根据本发明的驾驶员辅助系统100。在所示出的示例中，驾驶员辅助系统100包括四个超声波传感器12、13、14、15，所述的所有超声波传感器布置在车辆1的前部，并分别与控制器18连接。控制器18相应地设置为用于在使用超声波传感器12、13、14、15的情况下发射超声波信号20并接收来自车辆1的周围环境中的对象30的超声回波22、24。
43.超声波传感器12、13、14、15如此布置在车辆1的前部，使得至少两个超声波传感器12、13、14、15的视场至少部分地重叠。在图1中所示出的状况下，对象30不仅处于第一超声波传感器12的视场内而且处于第二超声波传感器13的视场内。在所绘出的示例中，通过第一超声波传感器12发射超声波信号20，该超声波信号被对象30反射。由第一超声波传感器12所接收到的超声回波22被称为直接回波，因为该超声回波是由也发射了原始的超声波信号20的相同超声波传感器12、13、14、15所接收到的。通过第二超声波传感器13所接收到的另一超声回波24被称为交叉回波，因为该超声回波是由另一超声波传感器12、13、14、15所接收到的。
44.为对对象30进行分类而设置，在使用最小二乘法的情况下来确定反射点44的位置，参照图2、图3和图4，这些反射点说明所发射的超声波信号20在哪些位置处被对象30反射。该确定被持续实施，从而确定到多个反射点44。将各个所确定到的反射点44分别配属给一个对象30，其中，为此可以将例如反射点44彼此之间的距离或配属给对象30的对象模型用作标准。这种对象模型在此描述关于对象30的形状和延伸尺度的假设。例如作为假设可以认为：对象30是点状对象34，例如立柱。在另一假设中可以认为：对象30是线状对象，例如路缘石边沿或墙。然后将符合该模型的这些假设的反射点44配属给一个对应的对象30。
45.在该方法中另外还设置，更详细地考察反射点44的位置的离散度，并确定相应的离散度参数。然后在对对象30的类型进行分类时将这些离散度参数用作标准。
46.在以下的图2、图3和图4中示出不同的典型对象30的特定反射点44的位置。图2、图3和图4分别示出对象30，该对象处于车辆1的前面而因此处于多个超声波传感器12、13、14、15的视距内。
47.图2示出对象30的反射点44的分布，该对象是行人32。如从图2的图示中可以看出的那样，所求取到的反射点44在行人32的实际位置处出现高度聚集。但由于行人32的复杂形状和结构，也可看出广泛离散的异常值，所述异常值主要沿横向方向42强烈离散。在纵向方向上，反射点44同样离散，但沿纵向方向的离散度的纵向延伸尺度40要小得多。
48.为对反射点44的在图2中所绘出的离散度进行分析，例如可以确定对象30的最长延伸尺度的方向并沿着该方向来定向该离散度的具有横向延伸尺度42的横向方向。纵向延伸尺度40的方向相应地与此正交。随后可以创建边界框，即在某种意义上是如下框：该框具有相当于横向离散度的延伸尺度的宽度和相当于该离散度的纵向延伸尺度40的长度。
49.图3以点状对象34作为对象30为例示例性地示出配属给反射点44的位置的离散度。与图2的行人32的示例相比可以看出，不仅离散度的沿纵向方向的纵向延伸尺度40而且离散度的沿横向方向的横向延伸尺度42都较小。在点状对象34的情况下，反射点44的离散度较小，因为在这种点状对象34的情况下，发生超声波反射的位置被良好地限定，因此仅发生反射点44的小偏差。
50.在图4中，以路缘石边沿36作为对象30为例绘出反射点44的位置。如在图4中的图示中可看出的那样，路缘石边沿36典型地在横向延伸尺度42方面显示出宽的离散度，其中，通常不出现反射点44在特定点处特别聚集。此外，沿纵向方向观察到小的离散度，从而该离散度的纵向延伸尺度40相应地较小。
51.本发明不限于在此所说明的实施例和在所述实施例中所强调的方面。而是在通过权利要求所给定的范围内能够实现位于本领域技术人员的常规技术手段的范畴内的多种变型方案。