车载传感器装置的制作方法

车载传感器装置
1.相关申请的交叉引用：本国际申请主张基于2019年7月2日向日本专利厅申请的日本专利申请第2019－123590号的优先权，将日本专利申请第2019－123590号的全部内容通过参照引用至本国际申请。
技术领域
2.本发明涉及通过车载传感器观测车辆周边的物标的技术。


背景技术：

3.下述专利文献1中记载的雷达装置在车辆直行行驶的情况下，利用相对于静止物的相对速度的方位角度依存性，来计算雷达装置的光轴偏差量以及由车速传感器测定的车速的误差。然后，上述雷达装置根据计算出的光轴偏差量来修正检测到的物体的方位角度，并根据计算出的车速的误差来修正车速。
4.专利文献1：日本专利第3733863号公报
5.上述雷达装置使用由车速传感器测定出的车速和由角速度传感器测定出的角速度来判定车辆是否直行行驶。在角度传感器的测定信息中存在误差的情况下，上述雷达装置判定车辆是否在直行行驶的精度降低。因此，发明人详细研究的结果是发现了如下课题：上述雷达装置存在在未直行行驶时误判定为直行行驶，而计算出错误的光轴偏差量，并错误地修正物体的方位角度的可能性。


技术实现要素：

6.本公开的一个方面期望能够提供一种车载传感器装置，该车载传感器装置能够高精度地识别车辆周边的物标信息。
7.本公开的一个方面是车载传感器装置，具备有源传感器、里程计传感器以及处理部。有源传感器搭载于移动体，构成为观测存在于移动体周围的静止物的相对距离以及相对方位。里程计传感器构成为为了预测有源传感器的位置以及速度而观测移动体的速度以及横摆率。处理部构成为推断确定静止物与有源传感器的相对位置关系的位置信息参数、有源传感器的搭载角度以及里程计传感器的观测误差。另外，处理部构成为执行预测处理和更新处理。预测处理使用位置信息参数、有源传感器的搭载角度以及里程计传感器的观测误差，来计算相当于静止物的位置观测值的预测值的观测预测值。更新处理根据计算出的观测预测值与由有源传感器观测到的静止物的位置观测值的差分，同时更新位置信息参数、有源传感器的搭载角度、以及里程计传感器的观测误差。
8.根据本公开的一个方面，根据静止物的位置的观测预测值与静止物的位置观测值的差分，同时更新位置信息参数、有源传感器的搭载角度以及里程计传感器的观测误差。因此，同时修正有源传感器的搭载角度的偏离和里程计传感器的观测误差。因此，能够高精度地识别车辆周边的物标信息。
附图说明
9.图1是表示本实施方式的车载传感器装置的结构的框图。
10.图2是表示由雷达观测的物标的相对距离、相对方位以及相对速度的图。
11.图3是表示由里程计传感器观测的车速以及横摆率的图。
12.图4是表示车速观测值相对于实际车速的图。
13.图5是表示横摆率观测值相对于实际横摆率的图。
14.图6是表示本实施方式的物标识别处理的步骤的流程图。
15.图7是表示状态向量以及状态量误差协方差矩阵的图。
16.图8是对地标的判定方法进行说明的图。
17.图9是对地标的坐标进行说明的图。
18.图10是对向状态向量以及状态量误差协方差矩阵新登记地标进行说明的图。
19.图11是表示观测预测值与位置观测值的对应关系的图。
具体实施方式
20.以下，参照附图对用于实施本公开的示例性的实施方式进行说明。
21.＜1.结构＞
22.首先，参照图1～图3对本实施方式的车载传感器装置100的结构进行说明。车载传感器装置100具备雷达10、里程计传感器20、处理装置30以及报告装置40，且搭载于车辆80。此外，在本实施方式中，车辆80相当于移动体。
23.雷达10搭载于车辆80的前方中央(例如，保险杠、标志的背面侧)。雷达10是发送毫米波并接收发送出的毫米波的反射波的有源传感器。在本实施方式中，雷达10安装为雷达10的光轴lr与车体中心线lo一致，但存在因老化等而光轴lr偏离车体中心线lo的情况。
24.在本实施方式中，如图2所示，雷达10的水平方向的搭载角度α是光轴lr与车体中心线lo所成的角度，雷达10的朝向θs是光轴lr与x轴所成的角度。基准的搭载角度亦即基准角度与当前的搭载角度α的差分表示搭载角度α的偏差量。在本实施方式中，基准角度为0
°
，但例如在使光轴lr相对于车体中心线lo倾斜45
°
将雷达10搭载于车辆80的情况下，基准角度为45
°
。
25.如图2所示，雷达10通过收发毫米波来观测物标tg相对于雷达10的相对距离rm、相对方位θm以及相对速度vm，并将观测到的各观测值发送至处理装置30。在本实施方式中，相对方位θm是以雷达10的光轴lr为基准的方位。
26.此外，雷达10不限于搭载于车辆80的前方中央，也可以搭载于车辆80的后方中央、侧方等，也可以将多个雷达10搭载于车辆80。另外，雷达10也可以代替毫米波雷达而是激光雷达。
27.里程计传感器20包含车速传感器21和横摆率传感器22。如图3所示，车速传感器21测定车辆80的轮胎的旋转速度，并对测定出的旋转速度乘以轮胎的直径值，而将旋转速度转换为车速观测值v。轮胎的直径值是恒定的值。另外，横摆率传感器22观测车辆80的横摆率ω。车速传感器21以及横摆率传感器22将各观测值发送至处理装置30。此外，里程计传感器20也可以包含除了车速传感器21和横摆率传感器22以外的传感器。
28.以具备cpu、rom、ram、以及i/o的微型计算机为主体构成处理装置30。处理装置30
从雷达10、车速传感器21以及横摆率传感器22获取各种观测值。
29.雷达10被搭载为使得雷达10的光轴lr与车体中心线lo一致。然而，如图2所示，存在因老化、碰撞，而雷达10的搭载角度α偏离基准角度的情况。若搭载角度α偏离基准角度，则物标tg的横向位置偏离实际位置。若物标tg的横向位置偏离，则在跟踪物标tg时，物标tg的横向位置的预测误差变大，而容易丢失物标tg。并且，由于从车辆80观察的物标tg的横向位置偏离，因此难以判断物标tg是存在于车辆80所行驶的车道上还是存在于相邻车道。
30.另外，通过对由车速传感器21观测到的旋转速度乘以车辆80的轮胎的直径值来计算车速观测值v。在这里，存在因更换轮胎、轮胎的空气压的变化，而轮胎的直径发生变化的情况。若轮胎的直径发生变化，则如图4中以实线所示，车速观测值v偏离实际车速。若车速观测值v中包含观测误差，则计算物标tg的对地速度时误差变大，而难以判定物标是静止物还是移动物。
31.如图4所示，车速观测值v越大则车速观测值v的观测误差越大。在本实施方式中，将实际车速相对于车速观测值v的比(以下，称为速度误差比)设为γ。即，相对于车速观测值v，实际车速为γv。
32.另外，如图5中以实线所示，存在由横摆率传感器22观测到的横摆率观测值ω中包含dc偏移误差的情况。若横摆率观测值ω包含dc偏移误差，则横摆率观测值ω偏离实际横摆率。其结果是，由于即使车辆80直行也被识别为旋转，因此在跟踪物标tg时，物标tg的横向位置的预测误差变大，容易丢失物标tg。在本实施方式中，将横摆率观测值ω中包含的偏移误差设为ω0。另外，以下，将速度误差比γ以及偏移误差ω0统称为观测误差γ,ω0。
33.因此，在每次获取由雷达10观测的静止物的位置信息时，处理装置30同时更新搭载角度α以及里程计传感器20的观测误差γ,ω0。然后，处理装置30使用更新后的搭载角度α和/或里程计传感器20的观测误差γ,ω0，计算包含移动的物标的物标的位置和/或对地速度，并识别物标。此外，由处理装置30执行的物标识别处理的详细内容后述。
34.另外，在搭载角度α相对于基准角度的偏差量超过预先设定的角度规定量的情况下、或者观测误差γ,ω0超过各自的误差规定量的情况下，处理装置30向报告装置40输出报告指令。角度规定量是可修正的偏差量的最大值。另外，误差规定量是可修正车速观测值v的最大的观测误差、以及可修正横摆率观测值ω的最大的观测误差。
35.报告装置40是显示器、扬声器、human machine interface(人机接口)等。若从处理装置30接收报告指令，报告装置40以显示和/或声音向用户报告偏差量和/或观测误差超过规定量。
36.＜2.处理＞
37.接下来，参照图6的流程图对由处理装置30执行的物标识别处理的步骤进行说明。处理装置30使用扩展卡尔曼滤波器的处理框架来执行物体识别处理。在本实施方式中，将雷达10的观测值设为作为位置观测值的相对距离rm以及相对角度θm来进行说明。此外，在将雷达10的观测值设为相对距离rm、相对速度θm以及相对速度vm的情况下，也能够将本实施方式扩展并相同地执行。
38.首先，在s10中，进行初始化。在扩展卡尔曼滤波器的处理框架中，将想要推断的各变量的平均值定义为状态量向量x，并将各变量间的误差协方差定义为状态量误差协方差矩阵p(以下，称为协方差矩阵p)。然后，在上述处理框架中，使用根据上一次的状态量向量x
预测本次状态量向量x的预测模型和从状态量转换为传感器的观测值的观测模型，来更新本次状态量向量x、状态量误差协方差矩阵p。
39.在初始化中，设定状态量向量x和协方差矩阵p的初始值。在本实施方式中，想要推断的变量是雷达10的x坐标值xs和y坐标值ys、雷达10的朝向θs、速度误差比γ、雷达10的搭载角度α、偏移误差ω0、以及第1个地标～第n个地标(即，静止物)的x坐标值以及y坐标值xl_1、y1_1、
…
、xl_n、yl_n。n是自然数。
40.在初始化的时刻，由于未登记地标，因此如图7所示，状态量向量x是具有(xs、ys、θs、γ、α、ω0)这6个元素的向量。根据状态量向量x，协方差矩阵p是6
×
6的矩阵。
41.xs、ys、θs的初始值为0。协方差矩阵p的与xs、ys、θs对应的元素的对角顶点项与非对角顶点项(即，协方差矩阵p的区域p1)的值为0。另外，γ、α、ω0的初始值为理想状态，即，没有误差的情况下的值。在本实施方式中，设为γ＝1、α＝0、ω0＝0。协方差矩阵p的与γ、α、ω0对应的元素的对角项(即，协方差矩阵p的区域p2)的值基于各自的预先假定的误差方差、或者可考虑的误差量最大值等来设定。协方差矩阵p的γ、α、ω0的非对角项(即，协方差矩阵p的除区域p1和p2以外的区域)的值为0。
42.接着，在s20中，进行雷达10的观测，获取物标的观测值，并且获取里程计传感器20的车速观测值v以及横摆率观测值ω。这里的物标包含存在于雷达10的检测距离范围内的移动体以及静止物。另外，在观测到k个物标的情况下，获取的观测值包含相对距离rm_1、rm_2、
…
、rm_k、相对方位θm_1、rm_2、
…
、rm_k、相对速度vm_1、vm_2、
…
、vm_k。k是自然数。
43.接下来，在最初的处理周期中，由于未登记地标，因此跳过s30～s60的处理，进入s70的处理。在s70中，进行地标的追加以及删除。在最初的处理周期中，由于未登记地标，因此仅进行地标的追加。
44.具体而言，将在s20中检测到的物标中的被判定为静止物的物标登记为地标。如图8所示，在物标为静止物的情况下，观测到的相对速度vm是实际车速γv向静止物方向的投影分量γv
×
cos(α θm)。因此，在γv
×
cos(α θm)－vm的绝对值小于设定的差分阈值的情况下，判定为物标是静止物。
45.然后，将被判定为静止物的物标登记为地标。具体而言，在观测到n个静止物的情况下，如图10所示，向状态量向量x追加n个地标的x坐标值以及y坐标值xl_i、yl_i。i是1～n的自然数。状态量向量x为元素数为6 2n的向量。此外，在本实施方式中，雷达10的x坐标值xs和y坐标值ys、雷达10的朝向θs、以及各地标的x坐标值以及y坐标值xl_i、yl_i相当于确定各地标与雷达10的相对位置关系的位置信息参数。
46.另外，向协方差矩阵p追加新登记的地标的自协方差矩阵、以及与其他状态量的互协方差矩阵。自协方差矩阵(即，协方差矩阵p的区域p3)的值以与雷达观测的物标位置的观测误差(rm_i、θm_i)匹配的误差方差初始化。例如，自协方差矩阵的值设为微小量(δpx、δpy)。另外，互协方差矩阵(即，协方差矩阵p的区域p4)的值由于在初始阶段没有相关性而初始化为0。协方差矩阵p成为(6 2n)
×
(6 2n)的矩阵。
47.接下来，返回到s20，获取物标的观测值rm、θm、vm、车速观测值v、以及横摆率观测值ω。
48.接着，在s30中，使用里程计传感器20的观测值预测雷达10的x坐标值xs和y坐标值ys、以及雷达10的朝向θs，并计算预测向量x
′
。
49.具体而言，周期δt期间的车辆80的移动量δa1为γvδt。雷达10的x坐标值的变动量δx是移动量δa1向x轴方向的投影分量。即，变动量δx＝γvδtcos(θs－α)。另外，雷达10的y坐标值的变动量δy是移动量δa1向y轴方向的投影分量。即，变动量δy＝γvδtsin(θs－α)。周期δt是反复s20～s70的处理的周期。
50.另外，周期δt期间的车辆80的旋转量δa2是(ω－ω0)δt。雷达10的朝向的变动量δθs与旋转量δa2一致。因此，δθs＝(ω－ω0)δt。因此，预测向量x
′
表示为下式(1)。
51.[式1]
[0052][0053]
进一步，向协方差矩阵p的与xs、ys、θs对应的元素的对角顶点加上误差，并将除此以外的元素设为0或微小量，计算预测协方差矩阵p
′
。进一步考虑里程计传感器20的随机误差，来计算误差。预测协方差矩阵p
′
表示为下式(2)。
[0054]
[式2]
[0055][0056]
接着，在s40中，计算已登记的各地标的位置观测值的预测值亦即观测预测值rm_i
′
、θm_i
′
。使用在s30中计算出的雷达10的x坐标预测值xs
′
、y坐标预测值ys
′
、以及倾斜预测值θs
′
来计算观测预测值rm_i
′
、θm_i
′
。具体而言，参照图9，使用下式(3)计算观测预测值rm_i
′
、θm_i
′
。
[0057]
[式3]
[0058][0059]
接着，在s50中，如图11所示，对在s40中计算的各地标与在s20中获取的位置观测值rm_j、θm_j建立关联。i是1～n的自然数，j是1～m的自然数。
[0060]
具体而言，例如，也可以使用global nearest neighbor(全局最近邻)法。即，对每个地标，在从地标观察处于某个范围内的位置观测值与地标的观测预测值之间定义成本。然后，以建立有关联的地标的观测预测值与位置观测值之间的成本的总和最小的方式，对地标与位置观测值建立关联。以观测预测值与位置观测值越近则成本越小的方式，计算成本。另外，也可以按照各地标的观测预测值与位置观测值从近到远的顺序，对各地标的观测预测值与位置观测值建立关联。
[0061]
接着，在s60中，同时更新登记的地标的x坐标值和y坐标值xl_i、yl_i、雷达10的x坐标值xs和y坐标值ys、雷达10的朝向θs、雷达10的搭载角度α、里程计传感器20的观测误差γ,ω0。
[0062]
具体而言，在s50中，根据建立有关联的地标与位置观测值的组合来计算观测雅可比矩阵h。在这里，对第n个地标与第m个观测值建立有关联。n、m是自然数。首先，如式(4)所示，使用第n个地标的观测预测值rm_n
′
、θm_n
′
计算观测雅可比矩阵h。观测雅可比矩阵h是2
×
(6 2n)的矩阵，与第1个～第n个地标对应的项中除了与第n个地标对应的项以外的项为0。
[0063]
[式4]
[0064][0065]
接下来，使用计算出的观测雅可比矩阵h、协方差矩阵p以及矩阵r，根据式(5)来计算观测误差协方差矩阵s。在这里，矩阵r是观测值的误差协方差，根据传感器特性来决定。
[0066]
[式5]
[0067]
s＝hph
t
r
ꢀꢀꢀ
(5)
[0068]
接下来，使用计算出的观测雅可比矩阵h、观测误差协方差矩阵s以及协方差矩阵p，根据式(6)来计算卡尔曼增益矩阵k。
[0069]
[式6]
[0070]
k＝ph
t
s-1
ꢀꢀꢀ
(6)
[0071]
接下来，如式(9)所示，计算第m个位置观测值rm_m、θm_m与第n个地标的观测预测值rm_n
′
、θm_n
′
的差分矩阵y。然后，如式(7)所示，将状态量向量x更新为x
′
ky。另外，如式(8)所示，将协方差矩阵p更新为(1－kh)p
′
。由此，不仅更新第n个地标的x坐标值以及y坐标值xl_n、yl_n，而更新所有地标的x坐标值以及y坐标值。
[0072]
[式7]
[0073]
x
←
x
′
ky
ꢀꢀꢀ
(7)
[0074]
[式8]
[0075]
p
←
(i-kh)p
′ꢀꢀꢀ
(8)
[0076]
[式9]
[0077][0078]
接下来，对第n 1个地标与第k个观测值建立对应关系。k是自然数。与第n个地标相同地，使用第n 1个地标的观测预测值来计算观测雅可比矩阵h，并计算观测误差协方差矩阵s以及卡尔曼增益矩阵k。
[0079]
然后，与第n个地标相同地，使用式(7)更新状态量向量x。此时，将使用第n个地标的观测预测值时更新的状态量向量x设为预测向量x
′
。另外，使用式(8)更新协方差矩阵p。此时，将使用第n个地标的观测预测值时更新的协方差矩阵p设为预测协方差矩阵p
′
。像这样，依次反复建立有关联的地标与观测值的组合的个数的状态量向量x以及协方差矩阵p的更新。
[0080]
接着，在s70中，将在本次的处理周期的s20中新观测到的静止物登记为地标。即，向状态量向量x追加新的地标的x坐标值以及y坐标值。进一步，向协方差矩阵p追加新的地标的自协方差矩阵和与其他状态量的互协方差矩阵。
[0081]
另外，删除登记的地标中的持续规定次数的处理周期未与位置观测值建立关联的地标。即，从状态量向量x中删除相应的地标的x坐标值以及y坐标值。进一步，从协方差矩阵p中删除相应的地标的自协方差矩阵和与其他状态量的互协方差矩阵。
[0082]
接着，返回到s20，获取物标的观测值rm、θm、vm、车速观测值v、以及横摆率观测值ω，并计算包含移动体的物标的位置和/或对地速度。详细而言，使用在上一次的处理周期中更新的搭载角度α、和/或使用更新后的观测误差γ,ω0修正后的车速观测值v以及横摆率ω，来计算包含移动体的物标的位置和/或对地速度。
[0083]
之后，再次执行s30～s70的处理，并返回s20的处理。然后，反复执行s20～s70的处理。
[0084]
此外，在本实施方式中，s40的处理相当于预测处理，s60的处理相当于更新处理。另外，s20的处理相当于物标识别处理。
[0085]
＜3.效果＞
[0086]
根据以上说明的第一实施方式，可得到以下的效果。
[0087]
(1)根据地标的位置的观测预测值和与观测预测值建立有关联的位置观测值的差分矩阵y，同时更新雷达10的x坐标值xs和y坐标值ys、雷达10的朝向θs、雷达10的搭载角度α、以及里程计传感器20的观测误差γ,ω0。因此，能够高精度地识别车辆80周边的物标信息。
[0088]
(2)使用速度观测值v以及横摆率观测值ω来计算物标的位置和/或对地速度，该速度观测值v以及横摆率观测值ω是使用更新后的搭载角度α、和/或更新后的里程计传感器20的观测误差γ,ω0修正后的速度观测值v以及横摆率观测值ω。因此，能够提高物标的位置信息和/或速度信息的正确性。
[0089]
(3)在搭载角度α相对于基准角度的偏差量超过角度规定量的情况、和/或里程计传感器20的观测误差γ,ω0超过误差规定量的情况下，向用户报告。由此，用户能够放心地利用使用了车载传感器装置100的识别结果的应用程序。
[0090]
(其他实施方式)
[0091]
以上，对用于实施本公开的方式进行了说明，但本公开不限定于上述的实施方式，能够进行各种变形并实施。
[0092]
(a)在上述实施方式中，将搭载角度α设为状态量向量x的元素，但也可以将搭载角度α相对于基准角度的偏差量设为状态量向量x的元素。在该情况下，根据偏差量的更新来更新搭载角度α即可。
[0093]
(b)确定地标与雷达10的相对位置关系的位置信息参数不限于雷达10的x坐标值和y坐标值、雷达10的朝向、以及地标的x坐标值和y坐标值。例如，也可以是车辆80的x坐标值和y坐标值、车辆80的朝向、以及地标的x坐标值和y坐标值。
[0094]
(c)在上述实施方式中，作为里程计传感器的观测误差仅考虑车速的比例误差、横摆率的偏移误差，但也可以考虑除此以外的误差。例如，作为里程计传感器的观测误差，也可以追加横摆率的比例误差。
[0095]
(d)搭载雷达10的移动体不限于车辆，也可以是船舶、飞机等。
[0096]
(e)也可以通过多个构成要素来实现上述实施方式中的一个构成要素所具有的多个功能，或通过多个构成要素来实现一个构成要素所具有的一个功能。另外，也可以通过一个构成要素来实现多个构成要素所具有的多个功能，或通过一个构成要素来实现由多个构成要素实现的一个功能。另外，也可以省略上述实施方式的结构的一部分。另外，也可以对其他上述实施方式的结构附加或者置换上述实施方式的结构的至少一部分。
[0097]
(f)除上述的车载传感器装置外，也能够以如下的各种方式来实现本公开，即，将该车载传感器装置作为构成要素的系统、用于使计算机作为该车载传感器装置的处理部发挥功能的程序、记录有该程序的半导体存储器等非过渡性实体记录介质、物标观测方法等。