校准多普勒传感器系统的方法、用于估计车辆运动矢量的方法、数据处理设备、计算机程序、计算机可读存储介质和多普勒传感器系统与流程

摘要: 本公开涉及一种用于校准多普勒传感器系统的方法。多普勒传感器系统可安装到车辆。此外,本公开涉及一种用于估计车辆的车辆运动矢量的方法。该方法在车辆运动时估计车辆运动...
校准多普勒传感器系统的方法、用于估计车辆运动矢量的方法、数据处理设备、计算机程序、计算机可读存储介质和多普勒传感器系统与流程

本公开涉及一种用于校准多普勒传感器系统的方法。多普勒传感器系统可安装到车辆。此外,本公开涉及一种用于估计车辆的车辆运动矢量的方法。该方法在车辆运动时估计车辆运动矢量。此外,本公开涉及数据处理设备、计算机程序和计算机可读存储介质。另外,本公开涉及可安装到车辆的多普勒传感器系统和用于多普勒传感器系统的校准系统。

背景技术:

1、车辆里程计是估计自车(ego-vehicle)的位置和取向以及位置和/或取向随时间的变化(即,自车的速度)的方法。为此,可以使用源自轮速传感器的数据。源自轮速传感器的数据可以通过全球导航卫星系统的位置数据来校正,以便补偿由于轮速随时间的积累而可能发生的偏移误差。但是,到全球导航卫星系统的连接可能不是在每个位置都可靠地可用。另外,在高动态驾驶操纵中,车轮滑移可能进一步增加车辆里程计的不准确性,这可能无法以及时的方式通过来自全球导航卫星系统的位置数据来补偿。

2、多普勒传感器系统潜在地具有在高动态驾驶操纵中提供准确的车辆里程计而不依赖于全球导航卫星系统的能力。但是,当多普勒传感器系统的多普勒传感器安装到自车时,与自车上的期望位置和期望取向相比,它们在自车上的实际位置和取向可能会出现未对准。此外,出于美学原因,多普勒传感器通常隐藏在自车的外部壳体后面。自车的外部壳体可能干扰来自多普勒传感器的信号。由于自车的外部壳体可能不包括均匀的多普勒信号传输属性,因此自车的外部壳体后面的多普勒传感器可能另外经受跨多普勒传感器的视场变化的检测误差。这种角度检测误差可能导致车辆里程计估计的结果不准确。

技术实现思路

1、因此,本公开的一个目的是提供一种用于校准多普勒传感器系统的改进方法,该多普勒传感器系统可安装到车辆,使得多普勒传感器系统的角度检测误差和/或车辆运动矢量可以以增加的准确度来估计。

2、该问题通过本公开的主题至少部分地解决或缓解。

3、根据第一方面,提供了一种用于校准可安装到车辆的多普勒传感器系统的方法。所述方法包括:

4、- 获得指示源自可安装到所述车辆的多个多普勒传感器的所述车辆的环境的多普勒传感器检测的第一数据,其中,所述多普勒传感器检测包括角度信息,

5、- 基于所述第一数据来估计车辆运动矢量,并且基于所述第一数据并且基于所估计的车辆运动矢量来确定角度检测误差,或者

6、使用经训练的数据模型基于所述第一数据来确定角度检测误差和/或车辆运动矢量,以及

7、- 提供指示所述角度检测误差和/或所述车辆运动矢量的第二数据。

8、多普勒传感器系统可以包括任何类型的多普勒传感器,例如雷达传感器、超声波传感器和/或激光探测和测距(lidar,也称激光雷达)传感器。所有多普勒传感器的共同特征是多普勒信号由多普勒传感器发射。多普勒信号可以被多普勒传感器的视场中的对象反射。取决于对象相对于多普勒传感器的速度,多普勒信号的波长可以在反射中改变。多普勒传感器可以接收反射的多普勒信号的至少部分。根据发射的多普勒信号的波长与接收的多普勒信号的波长的差异,可以获得对象相对于多普勒传感器的速度。更准确地说,可以确定对象沿着对象与多普勒传感器之间的直接连接的方向相对于多普勒传感器的速度。这样的速度也可以被称为对象相对于多普勒传感器的径向速率或径向速度。此外,这样的速度可以被称为测量的多普勒速率或测量的多普勒速度。另外,可以基于多普勒传感器在车辆上的角位置是已知的事实来确定对象相对于多普勒传感器的角位置。所测量的多普勒速度和对象的角位置被包括在所获得的第一数据中。注意,获得第一数据可以包括接收或确定第一数据。在球坐标系中,对象的角位置可以包括对象相对于多普勒传感器的方位角以及仰角。通过比较来自不同时间点的对象相对于多普勒传感器的角位置,可以获得对象相对于多普勒传感器的角速度矢量。

9、在本上下文中,应当理解,对象位于车辆的外部。换句话说,对象位于环境中,即在车辆的周围环境中。第一数据包括来自可安装到车辆的至少两个多普勒传感器的车辆环境的多普勒传感器检测。至少两个多普勒传感器可以包括重叠的视场,这意味着它们可以在它们各自的视场内但从不同的视角感测相同的对象。不同的视角是由于至少两个多普勒传感器可安装在车辆上的不同位置处的事实。替代地,至少两个多普勒传感器可以包括不重叠的视场。因此,至少两个多普勒传感器可以感测其相应视场内的不同对象或同一对象的不同部分。在任何情况下,可以基于第一数据来估计车辆运动矢量,即指示车辆的位置、取向和速度的矢量。更精确地,可以根据对象在至少两个多普勒传感器的相应视场中的径向速度矢量来估计车辆运动矢量。这在假设在获得指示车辆的环境的多普勒传感器检测的第一数据的同时多普勒传感器系统的多普勒传感器的相对位置和相对取向保持恒定的情况下是可能的。

10、根据本公开的第一替代方案,可以通过将估计的车辆运动矢量与由单独的多普勒传感器检测到的对象的径向速度矢量进行比较来获得多个多普勒传感器中的每个多普勒传感器的角度检测误差。因此,基于第一数据并基于估计的车辆运动矢量来获得多个多普勒传感器中的每个多普勒传感器的角度检测误差。换句话说,多个多普勒传感器中的每个多普勒传感器的角度检测误差是根据第一数据和估计的车辆运动矢量获得的。仍然换句话说,当提供第一数据和估计的车辆运动矢量作为比较函数的输入时,获得多个多普勒传感器中的每个多普勒传感器的角度检测误差作为输出。

11、根据本公开的第二替代方案,可以使用经训练的数据模型来确定角度检测误差和/或车辆运动矢量。为此,数据模型被设计和训练为能够将指示源自可安装到车辆的多个多普勒传感器的车辆环境的多普勒传感器检测的第一数据作为输入。可以通过向数据模型提供基于来自轮速传感器的指示车辆的车轮的轮速的信号和/或基于来自全球导航卫星系统的位置信号的车辆里程计数据来训练数据模型。在训练期间,基于来自轮速传感器的信号和/或来自全球导航卫星系统的位置信号的车辆里程计数据可以用作地面实况。仍然在训练期间,可训练数据模型可以被配置为最小化基于第一数据的车辆运动矢量的预测与基于地面实况的车辆运动矢量之间的预测误差。附加地或替代地,在训练期间,可训练数据模型可以被配置为最小化基于第一数据的多个多普勒传感器中的每个多普勒传感器的角度检测误差的预测与基于地面实况的角度检测误差之间的预测误差。因此,在训练之后并且在应用经训练的数据模型期间,经训练的数据模型可以被配置为当被提供第一数据作为输入时提供多个多普勒传感器中的每个多普勒传感器的角度检测误差和/或车辆运动矢量作为输出。应当理解,在训练和应用期间,例如从训练驾驶序列(training drive sequence)和从测试驾驶序列(testing drive sequence),将第一数据的不同数据集提供给数据模型。

12、所确定的车辆运动矢量和/或所确定的多个多普勒传感器中的每个多普勒传感器的角度检测误差被提供作为用于校准可安装到车辆的多普勒传感器系统的方法的输出。换句话说,用于校准可安装到车辆的多普勒传感器系统的方法将指示车辆环境的多普勒传感器检测的第一数据作为输入数据,并提供指示车辆运动矢量和/或多个多普勒传感器中的每个多普勒传感器的角度检测误差的第二数据作为输出数据。因此,可以使用角度检测误差来校正所获得的第一数据。这具有以下效果:可以从第一数据确定车辆相对于其环境的位置、取向和速度,而不需要来自全球导航卫星系统的与第一数据的数据项相对应的数据。换句话说,所提供的第二数据不需要由来自全球导航卫星系统的数据校正。这增加了用于校准可安装到车辆的多普勒传感器系统的方法的可靠性,特别是在来自全球导航卫星系统的信号不容易获得的区域中,例如在地下停车场或桥梁下或隧道中。此外,特别是对于高动态驾驶操纵,当提供第二数据时,与使用轮速传感器来获得车辆的车轮的旋转速度的方法相比,所提供的第二数据的准确性可以提高,所述车轮在高动态驾驶操纵中可能打滑。

13、在一个示例中,第一数据与车辆在直线路径上行驶和/或车辆的横摆率低于预定横摆率阈值相关联。如果车辆在直线路径上行驶,则车辆的横摆率为零或至少基本上为零。这意味着车辆不围绕其高度轴线转弯或旋转。车辆的高度轴线被定义为垂直于车辆行驶的路面的轴线。如果第一数据对应于车辆在直线路径上行驶的驾驶场景,则所提供的角度检测误差和/或所提供的车辆运动矢量可能具有特别高的准确度。如果第一数据对应于车辆以低于预定横摆率阈值的横摆率行驶的驾驶场景,则仍然可以实现所提供的角度检测误差和/或所提供的车辆运动矢量的可接受准确度。此外,如果车辆的横摆率为零、基本上为零或至少低于预定横摆率阈值,则可以在基于第一数据的车辆运动矢量的估计中将车辆运动矢量的取向预设为平行于车辆的标准向前行驶方向的方向。车辆的标准向前行驶方向是车辆不转弯(即,不向左转向或向右转向)并且在向前方向上行驶的车辆的行驶方向。这可以有利于基于第一数据估计车辆运动矢量和/或角度检测误差。特别地,可以以增加的准确度水平提供多个多普勒传感器中的每个多普勒传感器的车辆运动矢量和/或角度检测误差。同时,可以减少基于第一数据估计车辆运动矢量和/或角度检测误差的计算工作量。

14、在一个示例中,基于指示车辆的横摆率的附加第三数据来估计车辆运动矢量。在该示例中,第一数据不需要与在直线路径上行驶的车辆相关联。这具有以下效果:在任何驾驶情况下,可以基于第一数据来估计多个多普勒传感器中的每个多普勒传感器的角度检测误差和/或车辆运动矢量。指示车辆的横摆率的第三数据可以从作为车辆的一部分的横摆率传感器获得。横摆率传感器可以包括车辆的罗盘或优选地陀螺仪。基于车辆的横摆率,可以估计车辆在多个多普勒传感器的每个位置处的航向。换句话说,可以基于车辆的横摆率来估计多个多普勒传感器中的每个多普勒传感器的运动方向。为此,可以应用刚体运动学,即,假设安装有多个多普勒传感器的车辆是刚性对象。基于指示车辆的横摆率的附加第三数据来估计车辆运动矢量允许以简单且可靠的方式估计多个多普勒传感器中的每一个的角度检测误差。更详细地,可以以高精度水平获得多个多普勒传感器中的每一个的方位角度误差。

15、在一个示例中,估计车辆运动矢量包括求解优化问题或确定由第一数据的对应角度信息校正的第一数据的多普勒速度的中值。附加地或替代地,确定角度误差包括求解优化问题。求解用于估计车辆运动矢量的优化问题可以包括找到使多普勒传感器的视场中的对象的测量多普勒速度与多普勒传感器的视场中的对象的建模多普勒速度之间的差最小化的车辆运动矢量。在这种情况下,多普勒传感器的视场中的对象的建模多普勒速度包括由角度检测误差校正的测量多普勒速度。求解优化问题以便确定角度误差可以包括定义成本函数,该成本函数使多普勒传感器的视场中的对象的测量多普勒速度与多普勒传感器的视场中的对象的建模多普勒速度之间的差最小化。成本函数可以是多普勒传感器的方位角和仰角的角度检测误差的函数。成本函数可以通过正交距离回归或最小二乘法求解多普勒传感器的方位角和仰角的角度检测误差。确定由第一数据的对应角度信息校正的第一数据的多普勒速度的中值可以被理解为,由角度检测误差校正的车辆环境中的对象的多普勒速度可以在视场上或至少在其子集上被平均化,以便估计车辆运动矢量。这回到确定最可能的多普勒速度。另外或替代地,平均化可包括确定算术或几何平均值。考虑多个多普勒传感器中的多普勒传感器的角度检测误差具有以下效果:可以以更准确的方式估计安装有多个多普勒传感器的车辆的车辆运动矢量。

16、在一个示例中,所确定的角度检测误差包括局部角度检测误差和/或全局角度检测误差。局部角度检测误差是指特定于多普勒传感器系统的多普勒传感器的视场中的每个点的角度检测误差。因此,多普勒传感器的局部角度误差可以在该多普勒传感器的视场上变化。这可能例如是由于车辆的外部壳体,多普勒传感器被安装到车辆的外部壳体后面。车辆的外部壳体可能不包括在该多普勒传感器的整个视场上的均匀多普勒信号传输属性。车辆的外部壳体可以被称为雷达护罩(radar fascia),其可以包括例如车辆的保险杠、标志(emblem)、盖。全局角度检测误差是指系统地应用于多普勒传感器系统的多普勒传感器的整个视场的角度检测误差。例如,这可能是由于多普勒传感器相对于其期望位置的未对准。这种未对准可能发生在车辆的组装期间或使用期间,特别是由于事故使安装有多普勒传感器的车辆的安装凸缘变形。多普勒传感器的全局角度误差可以通过对多普勒传感器在其整个视场上的角度误差求平均来确定。平均可以包括计算几何平均值、算术平均值或中值。附加地或替代地,平均可以包括确定加权平均。不能由全局角度误差解释的角度误差的剩余部分可以被定义为局部角度误差。多普勒传感器的全局角度误差与局部角度误差之间的区分具有以下效果:即使多普勒传感器信号在多普勒传感器的视场上的精细和变化的失真也可以被考虑。因此,可以高度准确地校准多普勒传感器系统,并且可以以低水平的不确定性获得车辆运动矢量。

17、在一个示例中,该方法还包括使用随机搜索算法和/或梯度下降优化来增强估计的车辆运动矢量的准确度。随机搜索算法和/或梯度下降优化可以最小化车辆环境中对象的建模多普勒速度与测量多普勒速度之间的差异。随机搜索算法和/或梯度下降优化可以迭代地估计多普勒传感器系统的所有多普勒传感器的全局角度误差和局部角度误差。随机搜索算法和/或梯度下降优化可以通过第一数据(即车辆环境的多普勒传感器检测)的方位角和仰角来初始化。可以从先前迭代步骤的方位角和仰角的结果中减去全局角度误差和局部角度误差的估计,以实现车辆运动矢量的估计的收敛。因此,该示例的效果是车辆运动矢量的准确度提高,即,由本方法提供的车辆运动矢量与车辆的真实车辆运动矢量之间的差异被最小化。

18、在一个示例中,经训练的数据模型包括人工神经网络。人工神经网络可以包括能够从多普勒传感器系统的多个多普勒传感器接收第一数据的输入层。这可能意味着输入层包括的输入节点的数量等于多普勒传感器的数量或其倍数。在特定示例中,输入层包括数量等于多普勒传感器系统的多个多普勒传感器的视场中的点的数量的输入节点。换句话说,输入节点的数量可以与多普勒传感器系统的分辨率相同。在另一示例中,可以使用单独但相同的人工神经网络来校准多普勒传感器系统的每个多普勒传感器。应当理解,可以通过源自与人工神经网络相关联的多普勒传感器的第一数据来训练每个单独但相同的人工神经网络。因此,即使使用相同的人工神经网络,也可以训练和定制每个人工神经网络以校准与该人工神经网络相关联的多普勒传感器系统的多普勒传感器。可以在来自训练驾驶序列的第一数据上训练人工神经网络。另外,可以在训练驾驶序列期间获得车辆里程计数据(即,来自轮速传感器、横摆率传感器和/或来自全球导航卫星系统)作为地面实况数据。可以训练人工神经网络以使其预测(即,预测的角度检测误差和预测的车辆运动矢量)与地面实况数据之间的差异最小化。因此,可以使用监督学习的方法来训练人工神经网络。应当理解,人工神经网络可以包括具有能够提供车辆运动矢量和/或角度检测误差的输出节点的输出层。在特定示例中,可以有三个输出节点来提供车辆运动矢量,即每个坐标方向一个节点。附加地或替代地,每个多普勒传感器可以有两个输出节点,用于提供多普勒传感器的方位角和仰角的全局角度误差。进一步附加地或替代地,每个多普勒传感器的输出节点的数量可以是该多普勒传感器中的检测点的数量的两倍,即,输出节点的数量是多普勒传感器的分辨率的两倍。因此,可以为每个多普勒传感器的每个检测点提供方位角的局部角度误差和仰角的局部角度误差。使用人工神经网络来校准多普勒传感器系统具有以下效果:可以实现快速收敛到车辆运动矢量和/或多普勒传感器系统的角度检测误差的准确解。此外,可以减少该方法的开发阶段中的手动编程工作。此外,人工神经网络可以在车辆的使用期间适应角度检测误差的变化。例如,如果车辆已经在使用中,即与客户在一起,则可以考虑方位角和仰角两者的局部角度误差的变化。局部角度误差的变化可能例如由于导致车辆的外部壳体变形的事故而发生,多普勒传感器系统的多普勒传感器安装在外部壳体后面。

19、在一个示例中,估计车辆运动矢量包括基于第一数据确定静止对象和运动对象的第一模型,以及基于第一模型估计初始车辆运动矢量。第一模型可以被理解为车辆环境中静止和运动对象的第一粗略估计。基于车辆环境中静止对象的第一粗略估计,可以获得车辆运动矢量的第一粗略估计,即初始车辆运动矢量。初始车辆运动矢量可以在该方法的进一步步骤中使用,以将收敛速度增强到更准确的车辆运动矢量。从车辆运动矢量的第一粗略估计到更准确的车辆运动矢量的收敛可以比从基于轮速、横摆率和/或全球导航卫星系统或甚至从车辆运动矢量的随机估计获得的车辆运动矢量的收敛更快。

20、在一个示例中,估计车辆运动矢量包括基于第一数据并基于初始车辆运动矢量来确定静止对象和运动对象的第二模型。第二模型可以被理解为车辆环境中静止和运动对象的第二精确估计。特别地,要被最小化并求解角度检测误差(即方位角和仰角的角度检测误差)的成本函数的定义可以基于静止对象和运动对象的第二模型。在两阶段过程中提供静止和运动对象的模型,并且因此提供高度准确的第二模型具有以下效果:即使使用仅来自一个时间点的第一数据来校准多普勒传感器系统,角度检测误差也甚至可以被确定到令人满意的准确度水平。

21、根据第二方面,提供了一种用于在车辆运动时估计车辆的车辆运动矢量的方法。所述方法包括:

22、- 获得指示源自安装到所述车辆的多个多普勒传感器的运动车辆的环境的多普勒传感器检测的第一数据,

23、- 使用根据所述第一方面的所述方法校准安装到所述车辆的所述多普勒传感器系统,或者其中,所述多普勒传感器系统被设置在已经使用根据所述第一方面的所述方法校准的状态下,

24、- 基于所述第一数据确定静止对象和运动对象的模型,以及

25、- 基于所述模型估计所述车辆运动矢量。

26、根据本公开的第二方面的方法旨在基于已经考虑多普勒传感器系统的角度检测误差而校准的数据来提供车辆运动的估计。为此,获得安装有多普勒传感器系统的多个多普勒传感器的外部中(即,周围环境中,即,车辆的环境中)的对象的第一数据。获得第一数据可以被理解为接收或确定第一数据。注意,无论车辆的任何特定横摆率如何,都可以获得第一数据。换句话说,根据第二方面的方法可以在车辆的任何驾驶场景中执行。第一数据可以由第二数据校正,特别是由多普勒传感器系统的角度检测误差校正,如第一方面的方法所提供的。替代地,多普勒传感器系统可以以校准状态提供,即,多普勒传感器系统在执行第二方面的方法期间获得的第一数据已经是校正的第一数据,即,考虑到多普勒传感器系统的角度检测误差。根据经校正的第一数据,获得车辆环境中的静止对象和运动对象的模型。特别是基于静止对象的多普勒速度,可以估计车辆运动矢量。根据第二方面的方法具有以下效果:即使在车辆的车轮可能会打滑的高动态驾驶场景中,和/或在不能获得或至少不能及时获得来自全球导航卫星系统的位置信号的情况下,也可以以准确的方式估计车辆运动矢量,即指示车辆的位置、取向和速度的矢量。这对于主要依赖于知道车辆相对于其环境中的对象的位置的自主或至少部分自主的车辆可能是特别有利的,因为不期望人类驾驶员完全向车辆提供控制输入,或至少在降低的程度上向车辆提供控制输入。如果车辆知道其在车辆环境中的静止和运动对象的模型内的精确车辆运动矢量,并且如果车辆运动矢量已经被多普勒传感器系统的角度检测误差校正,则自主或至少部分自主的车辆的驾驶操纵更准确和可靠。

27、第一和第二方面的方法可以至少部分地是计算机实现的,并且可以以软件或硬件或以软件和硬件来实现。此外,第一和第二方面的方法可以由在提供数据处理功能的装置上运行的计算机程序指令来执行。数据处理装置可以是合适的计算装置,例如电子控制模块等,其也可以是分布式计算机系统。数据处理装置或计算机可以分别包括处理器、存储器、数据接口等中的一个或多个。

28、根据第三方面,提供了一种数据处理设备,其包括用于执行根据第一方面的方法和/或用于执行根据第二方面的方法的装置。提供这种数据处理设备具有以下效果:可以根据第一数据确定车辆相对于其环境的位置、取向和速度,而不需要来自全球导航卫星系统的与第一数据的数据项相对应的数据。换句话说,所提供的第二数据不需要由来自全球导航卫星系统的数据校正。这增加了用于校准可安装到车辆的多普勒传感器系统的方法的可靠性,特别是在来自全球导航卫星系统的信号不容易获得的区域中,例如在地下停车场或桥梁下方。此外,当提供第二数据时,特别是对于高动态驾驶操纵,与使用轮速传感器来获得车辆的车轮的旋转速度的方法相比,所提供的第二数据的准确性可以提高,所述车轮在高动态驾驶操纵中可能打滑。此外,提供这种数据处理设备具有以下效果:即使在车辆的车轮可能会打滑的高动态驾驶场景中,和/或在不能获得或至少不能及时获得来自全球导航卫星系统的位置信号的情况下,也可以以准确的方式估计车辆运动矢量。这对于主要依赖于知道车辆相对于其环境中的对象的位置的自主或至少部分自主的车辆可能是特别有利的,因为不期望人类驾驶员完全向车辆提供控制输入,或至少在降低的程度上向车辆提供控制输入。如果车辆知道其在车辆环境中的静止和运动对象的模型内的精确车辆运动矢量,并且如果车辆运动矢量已经被多普勒传感器系统的角度检测误差校正,则自主或至少部分自主的车辆的驾驶操纵更准确和可靠。

29、根据第四方面,提供了一种包括指令的计算机程序,当该程序由计算机执行时,该指令使计算机执行根据第一方面的方法和/或执行根据第二方面的方法。提供这样的计算机程序具有以下效果:可以从第一数据确定车辆相对于其环境的位置、取向和速度,而不需要来自全球导航卫星系统的与第一数据的数据项相对应的数据。换句话说,所提供的第二数据不需要由来自全球导航卫星系统的数据校正。这增加了用于校准可安装到车辆的多普勒传感器系统的方法的可靠性,特别是在来自全球导航卫星系统的信号不容易获得的区域中,例如在地下停车场或桥梁下或隧道中。此外,当提供第二数据时,特别是对于高动态驾驶操纵,与使用轮速传感器来获得车辆的车轮的旋转速度的方法相比,所提供的第二数据的准确性可以提高,所述车轮在高动态驾驶操纵中可能打滑。此外,提供这种数据处理设备具有以下效果:即使在车辆的车轮可能会打滑的高动态驾驶场景中,和/或在不能获得或至少不能及时获得来自全球导航卫星系统的位置信号的情况下,也可以以准确的方式估计车辆运动矢量。这对于主要依赖于知道车辆相对于其环境中的对象的位置的自主或至少部分自主的车辆可能是特别有利的,因为不期望人类驾驶员完全向车辆提供控制输入,或至少在降低的程度上向车辆提供控制输入。如果车辆知道其在车辆环境中的静止和运动对象的模型内的精确车辆运动矢量,并且如果车辆运动矢量已经被多普勒传感器系统的角度检测误差校正,则自主或至少部分自主的车辆的驾驶操纵更准确和可靠。

30、根据第五方面,提供了一种包括指令的计算机可读存储介质,所述指令在由计算机执行时使计算机执行根据第一方面的方法和/或执行根据第二方面的方法。提供这种计算机可读存储介质具有以下效果:可以根据第一数据确定车辆相对于其环境的位置、取向和速度,而不需要来自全球导航卫星系统的与第一数据的数据项相对应的数据。换句话说,所提供的第二数据不需要由来自全球导航卫星系统的数据校正。这增加了用于校准可安装到车辆的多普勒传感器系统的方法的可靠性,特别是在来自全球导航卫星系统的信号不容易获得的区域中,例如在地下停车场或桥梁下方。此外,当提供第二数据时,特别是对于高动态驾驶操纵,与使用轮速传感器来获得车辆的车轮的旋转速度的方法相比,所提供的第二数据的准确性可以提高,所述车轮在高动态驾驶操纵中可能打滑。此外,提供这种数据处理设备具有以下效果:即使在车辆的车轮可能会打滑的高动态驾驶场景中,和/或在不能获得或至少不能及时获得来自全球导航卫星系统的位置信号的情况下,也可以以准确的方式估计车辆运动矢量。这对于主要依赖于知道车辆相对于其环境中的对象的位置的自主或至少部分自主的车辆可能是特别有利的,因为不期望人类驾驶员完全向车辆提供控制输入,或至少在降低的程度上向车辆提供控制输入。如果车辆知道其在车辆环境中的静止和运动对象的模型内的精确车辆运动矢量,并且如果车辆运动矢量已经被多普勒传感器系统的角度检测误差校正,则自主或至少部分自主的车辆的驾驶操纵更准确和可靠。

31、根据第六方面,提供了一种可安装到车辆的多普勒传感器系统。该系统包括:

32、- 可安装到所述车辆的多个多普勒传感器,以及

33、- 根据第三方面的数据处理设备,

34、其中所述多个多普勒传感器通信地连接到所述数据处理设备。

35、多个多普勒传感器与数据处理设备之间的通信连接具有数据处理设备可以获得指示车辆的环境的多普勒传感器检测的第一数据的效果。第一数据源自可安装到车辆的多个多普勒传感器。因此,根据第一方面的方法和根据第二方面的方法可以使用根据本第六方面的多普勒传感器系统来执行。换句话说,根据本第六方面的多普勒传感器系统可通过根据第一方面的方法来校准。另外,可以以可靠且精确的方式估计安装有多普勒传感器系统的车辆的车辆运动矢量。

36、根据第七方面,提供了一种用于多普勒传感器系统的校准系统。校准系统包括根据第三方面的数据处理设备。这具有可以使用根据本第七方面的校准系统来执行根据第一方面的方法的效果。换句话说,可以使用根据本第七方面的校准系统来校准根据第六方面的多普勒传感器系统。

37、应当注意,上述示例可以彼此组合,而不管所涉及的方面如何。因此,第一和第二方面的方法可以与多普勒传感器系统和校准系统的结构特征组合,并且同样地,多普勒传感器系统和校准系统可以与上面关于第一和第二方面的方法描述的特征组合。

38、本公开的这些和其他方面将从下文描述的示例中变得显而易见并且参考下文描述的示例进行阐明。