借助人工神经网络探测挂车的制作方法
本发明涉及一种用于借助牵引车的雷达系统探测牵引车的由牵引车牵引的挂车的方法。
背景技术:
1、机动车经常配备有雷达系统,该雷达系统为驾驶员辅助系统提供关于交通环境的定位数据,例如用于速度与距离调节、盲区监控、车道变换辅助、紧急制动辅助,或者,特别是在载货汽车情况下,用于挂车调车辅助。当车辆牵引挂车时,这要求驾驶员辅助系统的功能中的某些适配。例如,在带挂车行驶时必须遵守速度限制。在盲区监控中,如果雷达系统(例如在转弯行驶时)将挂车解释为盲区中的其他车辆,则可能出现误警告。在车道变换辅助中,警告区域必须适配于由牵引车和挂车组成的汽车列车(gespanns)的更大长度。
2、us2020/02829a描述了一种用于训练基于图像的用于识别挂车角度的系统的方法,在该方法中,使用在不同挂车角度下的挂车牵引杆的图像。在一个示例中,该系统包括神经网络。
技术实现思路
1、本发明的任务是说明一种新型方法,以探测挂车的存在和/或更详细地表征挂车的挂车数据。
2、根据本发明,该任务通过一种用于借助牵引车的雷达系统探测牵引车的由牵引车牵引的挂车的方法来解决,该方法具有以下步骤:
3、从雷达系统获得由雷达系统检测的雷达数据;以及
4、将雷达数据输入人工神经网络,其中,人工神经网络接收并处理输入的雷达数据,以由此生成至少一个输出信号,该输出信号说明对牵引车的由牵引车牵引的挂车的存在的探测和/或表征牵引车的由牵引车牵引的挂车的挂车数据。
5、因此,借助神经网络可以直接从雷达数据中提取挂车的存在或更详细地表征挂车的雷达数据。这尤其简化了神经网络的训练。这样可以使用端到端学习方法进行训练。因此,例如将方法适配于例如雷达系统的新传感器的工作量可以减少为创建新的训练数据集。
6、通过直接访问雷达数据,还可以实现挂车的稳健探测或表征。
7、雷达系统尤其可以是牵引车的环境雷达系统。在获得雷达数据的步骤中,尤其从雷达系统获得由雷达系统检测的当前雷达数据。特别地,可以在牵引车行驶期间从雷达系统获得由雷达系统检测的雷达数据,和/或在行驶期间将雷达数据输入人工神经网络。
8、该方法可以包括:从人工神经网络接收至少一个输出信号。
9、通常,挂车具有照明设备,该照明设备必须通过联接插头而连接到车辆电气系统。在建立该电气连接时,可以同时产生探测信号,该探测信号指示挂车的存在。如果通过人工神经网络生成至少一个输出信号,该输出信号说明对挂车的存在的探测,则因此可以以不同于通过识别电气连接的方式识别挂车的存在,从而可以实现更高程度的冗余。这例如在电联接器故障或忘记耦接照明设备的情况下是有用的。
10、如果人工神经网络生成至少一个输出信号,该输出信号说明表征牵引车的由牵引车牵引的挂车的挂车数据,则这可以用于附加验证挂车的存在。
11、在下文中和在从属权利要求中说明本发明的其他有利构型方案。
12、在实施方式中,输入人工神经网络的雷达数据包括反射点的点探测。点探测可以分别包括径向距离和/或径向速度。点探测可以分别包括以下中的至少一个参数:径向距离、径向速度、方位角、仰角和雷达散射截面(rcs,radar cross section)。点探测可以作为点云传送或输入人工神经网络。神经网络的输入向量在此可以填充(英:padding)到最大数量的点(点探测)。
13、在实施方式中,输入人工神经网络的雷达数据包括至少一个频谱,该频谱包括对应于距离范围的定义域。该频谱还可以包括对应于多普勒范围或速度范围的定义域。频谱的值尤其可以包括接收到的雷达信号的幅度、强度和/或相位。例如,输入人工神经网络的雷达数据可以包括至少一个距离-多普勒频谱。例如,可以输入来自雷达系统的各信道的多个频谱。该频谱还可以包括对应于角度范围的定义域。
14、雷达数据包含牵引车的环境的探测。雷达数据可以通过先前的信号处理提供。例如,由雷达系统接收的雷达信号可以被采样并被转换为数字雷达数据。
15、在实施方式中,人工神经网络包括:特征提取网络,雷达数据被输入该特征提取网络;与特征提取网络连接的至少一个目标探测头,用于输出目标数据,该目标数据表征基于雷达数据在牵引车的环境中探测到的目标;以及挂车探测头,用于输出至少一个输出信号,即,至少一个输出信号,该输出信号说明对牵引车的由牵引车牵引的挂车的存在的探测和/或说明表征牵引车的由牵引车牵引的挂车的挂车数据。特别地,目标数据可以由人工神经网络从输入的雷达数据的处理生成。换言之,人工神经网络接收输入的雷达数据并处理它们,以由此还生成目标数据。人工神经网络因此生成至少一个输出信号和目标数据。挂车探测头可以是另外的目标探测头。人工神经网络因此可以包括与特征提取网络连接的多个目标探测头,用于输出目标数据,该目标数据表征基于雷达数据在牵引车的环境中探测到的目标,其中,目标探测头之一是用于输出至少一个输出信号的挂车探测头。
16、因此能够实现,在使用用于目标探测的人工神经网络时,将特征提取网络(特别是神经网络的编码器和主干网络)也一起用于或“再用于”挂车探测。这是训练人工神经网络时端到端学习方法的另一优点。通过共同使用特征提取网络用于至少一个目标探测头和挂车探测头,因此可以例如将挂车表征作为除目标探测之外的附加任务在单独的头(head)中进行。
17、在实施方式中,挂车数据包括以下中的至少一个:折叠角、轴数、轴距、挂车类型的分类、长度、宽度、高度和联接位置(联接点的位置)。挂车数据因此可以包括动态的、即在行驶期间可变的挂车数据,如挂车的折叠角以及,在存在提升轴的情况下,挂车的轴数和/或轴距以及可选地挂车类型的分类。挂车数据但是也可以包括静态挂车数据,即在行驶期间不变的数据,如挂车的轴数、挂车的轴距、挂车类型的分类、挂车的长度、挂车的宽度、挂车的高度和联接位置,特别是在牵引车上的联接位置。说明对挂车存在的探测的输出信号在这种意义上表示静态或动态挂车数据。输出信号,即挂车表征的输出,作为静态或动态参量因此可以包括信息:挂车当前是否钩挂(angehängt)在牵引车上。可以输出一个或多个折叠角(挂车折叠角)。如所提及的,在存在提升轴的情况下,轴数并因此轴距可以在运行期间变化。联接点可以在商用车辆中以及较不常见地在乘用车中因型号而强烈变化。通常,除了其他参量之外,需要该联接点,以更精确地描述挂车相对于牵引车的位置。挂车类型例如可以理解为根据轴数和/或每个挂车的折叠点的数量进行的表征。挂车类型例如可以由挂车类型分类。挂车类型可以包括:中轴挂车、旋转梁挂车以及可选地还有台车(rollwagen或dolly)。台车表示一种非常短的带鞍式联接器的挂车。
18、在实施方式中,该方法还包括:从牵引车的自身传感器系统获得由该自身传感器系统检测的运动数据(特别是车辆运动数据);以及也将运动数据输入人工神经网络,其中,人工神经网络接收并处理输入的雷达数据和输入的运动数据,以由此生成至少一个输出信号。由于挂车通过联接器与牵引车连接,并因此牵引车的运动直接影响挂车的运动,所以当前运动数据也包含关于挂车运动的信息。运动数据尤其可以包括以下数据中的一个或多个:当前速度、偏航率、转向角。特别地,转向角可以包括前轴上的转向角和牵引车的后轴上的转向角。
19、该任务还通过一种用于牵引车的系统来解决,该系统用于探测牵引车的由牵引车牵引的挂车,其中,该系统包括雷达系统和人工神经网络,其中,该系统包括评估和控制单元,该评估和控制单元被设计为将由雷达系统检测的雷达数据输入人工神经网络,其中,人工神经网络被设计为接收并处理输入的雷达数据,以由此生成至少一个输出信号,该输出信号说明对牵引车的由牵引车牵引的挂车的存在的探测和/或说明表征牵引车的由牵引车牵引的挂车的挂车数据。评估和控制单元尤其可以被设计为执行所述的方法。
20、所述的方法或系统的人工神经网络可以根据下文所述的方法进行训练。
21、根据本发明的另一方面,提供一种用于训练人工神经网络的方法,该人工神经网络用于在上面所述的方法中使用或用于用作所述的系统的人工神经网络。用于训练人工神经网络的方法包括以下步骤:
22、在牵引车具有该牵引车的由该牵引车牵引的挂车的情况下的至少一次训练行驶期间借助牵引车的雷达系统检测雷达数据(以及可选地还检测牵引车的车辆运动数据);
23、分配参考数据,其中,参考数据被分配给雷达数据(以及可选地还有车辆运动数据),其中,参考数据说明牵引车的由牵引车牵引的挂车的存在和/或说明表征牵引车的由牵引车牵引的挂车的参考挂车数据;以及
24、至少基于雷达数据和分配给雷达数据的参考数据来训练人工神经网络。
25、在训练人工神经网络时,雷达数据可以用作人工神经网络的输入,并且作为人工神经网络的输出,可以期望或获得输出信号。输出信号可以与参考数据比较。人工神经网络可以基于该比较进行适配。人工神经网络因此可以用端到端学习方法训练。
26、用于训练人工神经网络的方法可以包括下文所述的一个或多个特征或步骤。
27、特别地,该方法还可以包括:在至少一次训练行驶期间检测牵引车的车辆运动数据,其中,(在分配参考数据的步骤中)参考数据被分配给雷达数据和车辆运动数据。车辆运动数据尤其可以包括车辆自身运动数据。
28、该方法(训练方法)还可以包括:在牵引车没有由该牵引车牵引的挂车的情况下的至少一次训练行驶期间借助牵引车的雷达系统检测另外的雷达数据(以及可选地还检测牵引车的另外的车辆运动数据);以及分配被分配给另外的雷达数据(以及可选地还有另外的车辆运动数据)的参考数据,其中,参考数据说明不存在牵引车的由牵引车牵引的挂车。用以训练神经网络的雷达数据和参考数据因此可以包括具有挂车的情况和没有挂车的情况。
29、所述的用于探测牵引车的由牵引车牵引的挂车的方法尤其可以包括用于训练人工神经网络的方法。
30、该方法可以包括:输入或检测所涉及的挂车的不变参数。不变参数尤其可以是参考数据的一部分。
31、该方法可以包括:在相应训练行驶期间记录雷达数据(以及可选地记录车辆运动数据)。特别地,人工神经网络的实际训练可以在完成一次或多次训练行驶之后进行。
32、该方法可以包括对雷达数据进行预处理。预处理可以包括按距离、速度和/或空间角度对雷达数据进行过滤。这种过滤简化处理,因为这些参量对于各自使用的挂车是容易限制的。
33、该方法可以包括:改变检测的雷达数据(以及可选地相关的车辆运动数据),特别是通过增强。增强或改变例如可以包括:移除和/或添加单个探测(例如点探测)、旋转所有或单个探测(例如点探测)和/或镜像雷达数据或探测。
34、参考数据例如可以包括参考角度(参考折叠角)和/或参考轴数。参考数据例如还可以包括上述挂车数据,其表征牵引车的由牵引车牵引的挂车。挂车数据例如可以包括以下中的至少一个:挂车的折叠角、挂车类型、挂车宽度、挂车长度、挂车高度、挂车轴距、挂车轴的数量和/或位置以及挂车联接点,挂车的联接器在该挂车联接点处与牵引车耦合。
35、该方法可以包括:通过评估雷达数据来求取参考数据。评估雷达数据例如可以包括主成分分析(pca,principal component analysis),以例如获得点云(点探测的集合)的取向作为挂车取向。此外,评估雷达数据可以包括:评估雷达数据以探测挂车的轴或轮的区域中的微多普勒探测,以求取挂车的旋转轴的位置和/或数量。评估雷达数据可以包括:评估在挂车的部分(特别是挂车的刚性部分,例如挂车车身)上探测到的速度的分布,以例如确定挂车的质量、尺寸和/或其他参数。
36、该方法可以包括:从折叠角传感器,例如牵引车或挂车的折叠角传感器获得参考数据。
37、该方法可以包括:通过牵引车的总线系统获得参考数据。例如,可以通过评估总线数据、特别是挂车总线数据来补充或改进参考数据。在商用车辆领域中,通过其可以获得如挂车总线数据的总线数据的车辆总线作为标准化协议经常存在。
38、该方法可以包括:就待训练的挂车数据值和/或待训练的车辆情况而言,检查所检测的雷达数据和各自分配的参考数据是否具有足够的完整性。例如,可以检查存在的数据集(雷达数据和参考数据)在动态参量方面的完整性。
39、为了能够达到探测方法的足够系统性能,值得期望的是,验证数据集和训练数据集都包含各自最小数量的测量-标签对(雷达数据与相关的参考数据的对)。这些应覆盖多种可能状态。
40、该方法可以包括:如果对足够完整性的检查结果为正,则开始训练人工神经网络。
41、该方法可以包括:产生另外的雷达数据和相关的参考数据,特别是通过增强,特别是如上所述,如果检查结果是尚未给定足够的完整性。以这种方式,如果值得期望的数据尚未包含在训练集中,则可以通过变化/增强方法以及分配相应参考数据附加地生成这些数据。
42、该方法可以包括:从牵引车的自身传感器系统获得由该自身传感器系统检测的运动数据,其中,人工神经网络的训练至少基于雷达数据、分配给雷达数据的参考数据和相关的运动数据进行。运动数据在此可以用作人工神经网络的输入和/或用作参考数据的一部分。
43、该方法可以包括:在至少一次训练行驶期间检测牵引车的车辆运动数据,其中,参考数据被分配给雷达数据和车辆运动数据。检测车辆运动数据可以包括:从牵引车的自身传感器系统获得由该自身传感器系统检测的车辆运动数据。
44、所述的探测方法还可以用于将由人工神经网络获得的评估(至少一个输出信号以及可选地目标数据)与牵引车的其他环境传感器系统的探测数据链接(特别是融合),例如与如下环境传感器系统:该环境传感器系统包括另外的雷达传感器、激光雷达传感器和基于视频的传感器中的至少一个。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com