根据对象分类来适配发射信号的用于操作车辆的距离传感器的方法、计算装置和传感器装置与流程

1.本发明涉及一种用于操作车辆的距离传感器的方法，其中在操作模式中执行多个连续的测量周期。在每个测量周期中，发射发射信号，并且在车辆周围区域中反射的发射信号被作为确定接收信号的基础。此外，对对象进行分类，并且基于对象的分类从多个预定发射信号中选择发射信号，对发射信号的选择基于在学习模式中确定的关联规则来执行，该关联规则描述了多个预定发射信号与对象类别的关联。此外，本发明涉及一种计算装置和一种传感器设备。最后，本发明涉及一种计算机程序和一种计算机可读(存储)介质。


背景技术：

2.从现有技术中已知各种用于车辆的距离传感器。这样的距离传感器通常用于感测车辆周围区域中的对象或障碍物。距离传感器可以是例如超声波传感器、雷达传感器、激光雷达传感器或激光扫描器的形式。当距离传感器工作时，通常发射发射信号，并且再次接收从周围区域中的对象反射的发射信号。发射发射信号和接收由对象反射的发射信号之间的延迟于是可以作为确定距离传感器与对象之间距离的基础。
3.此外，从现有技术中已知，使用距离传感器发射的发射信号是多样的。在这方面，de 10 2017 110 665 a1描述了一种用于操作机动车辆的距离传感器的方法，其中，在距离传感器的操作模式中，发射发射信号，并且由机动车辆周围区域中的对象反射的发射信号作为接收信号被接收。这里规定从多个预定的发射信号中选择发射信号。描述周围区域的环境条件也在操作模式中被识别。此外，基于关联规则来选择发射信号，该关联规则描述了多个预定发射信号与参考环境条件的关联。该关联规则是在距离传感器的学习模式中确定的。此外，可以规定环境条件描述对象、天气条件和/或周围区域中的干扰信号。


技术实现要素：

4.本发明的目的是展示一种解决方案，该解决方案涉及如何可以更可靠地执行涉及变化的发射信号的距离传感器的操作。
5.根据本发明，该目的通过具有根据独立权利要求的特征的一种方法、一种计算装置、一种传感器设备、一种计算机程序和一种计算机可读(存储)介质来实现。本发明的有利发展是从属权利要求的主题。
6.根据本发明的方法用于操作车辆的距离传感器。这涉及在操作模式下执行的多个连续测量周期。在每个测量周期中，发射发射信号，并且在车辆周围区域中反射的发射信号被作为确定接收信号的基础。此外，对象被分类。此外，基于对象的分类从多个预定发射信号中选择发射信号，发射信号的选择基于在学习模式中确定的关联规则来执行，该关联规则描述了多个预定发射信号与对象类别的关联。此外，规定在每个测量周期中基于接收信号对对象进行分类，并且基于对象的分类为随后的测量周期选择发射信号。
7.该方法旨在用于操作车辆的距离传感器。该距离传感器也可以称为环境传感器，
用于监控车辆周围的区域。特别地，距离传感器的测量值旨在作为识别该周围区域中的对象或障碍物的基础。距离传感器可以是例如雷达传感器、激光雷达传感器、激光扫描器、光学传感器等。距离传感器优选是超声波传感器。距离传感器可以用于发射发射信号，并且再次接收在周围区域中或者由对象反射的发射信号。该发射信号可以作为脉冲被发射。这意味着距离传感器或距离传感器的发射装置被激活，用于在预定的时间段内发射发射信号。该发射信号也可以被称为tx信号。反射的或接收到的发射信号可以作为确定接收信号的基础。换句话说，接收信号可以描述由对象反射的发射信号。特别地，发射信号(也可以称为rx信号)可以描述反射的发射信号或者发射信号的回波的时间特性。发射发射信号和接收由对象反射的发射信号之间的延迟于是可以作为确定距离传感器与对象之间距离的基础。
8.规定使用距离传感器发射的发射信号是多样的。因此，规定从多个预定发射信号中选择发射信号。基于周围区域中的至少一个对象来选择发射信号。为此，首先对周围区域中的对象或至少一个对象进行分类。例如，这种分类可以基于接收信号来执行。为此，可以检查接收信号是否具有指示对象类别的典型特征。然后，将该分类作为从多个预定发射信号中选择发射信号的基础。根据先前在学习模式中确定的关联规则来进行选择。特别地，以这样的方式确定关联规则，使得可以尽可能好地识别具有相关发射信号的各个类别的对象。该学习模式特别是在距离传感器的操作模式之前执行。例如，可以在距离传感器被投入运行或被安装之前执行学习模式。关联规则特别描述了多个预定发射信号与对象类别的关联。换句话说，关联规则优选地描述了哪个发射信号将被选择用于哪个对象类别。
9.根据本发明的基本方面，规定在每个测量周期中，基于接收信号对对象进行分类，并且基于对象的分类为随后的测量周期选择发射信号。距离传感器用于执行时间上连续的测量周期。在每个测量周期中，可以发射发射信号，并且可以再次接收在周围区域中反射的发射信号。现在还规定了在每个测量周期中对对象进行分类或表征。在随后的测量周期中，发射信号然后可选地被适配以匹配分类。如果对象的分类在多个测量周期中保持不变，特别地，对发射信号的选择也不变。确定下一个测量周期的发射信号允许在短时间内对变化的环境条件做出反应。此外，可以可靠地检测进入周围区域或距离传感器的感测区域的对象。这是因为各个测量周期通常只持续几毫秒。因此，总的来说，可以更可靠地执行周围区域中的对象的检测。
10.举例来说，车辆，特别是客车、卡车、摩托车等，可以被预定义为对象类别。行人、骑自行车的人或生物也可以被预定义为类别。此外，柱子、墙、坡道和路缘可以预定义为类别。
11.在学习模式中，优选在参考对象上进行参考测量，在参考测量中使用距离传感器发射多个预定的发射信号，并且为参考对象确定各个接收信号。在学习模式或训练中可以使用不同的参考对象。这些参考对象在大小、形状、表面和/或反射特性方面可以彼此不同。参考对象也可以与对象类别相关联。至少一个参考对象可以用于不同的对象类别。在学习模式中，现在可以为每个参考对象发射各个发射信号，并且可以再次接收由参考对象反射的发射信号。从中导出的各个接收信号可以经受学习算法。结果，对于相同类别的对象，存在不同的结果或接收信号，并且这些结果或接收信号现在可以通过随后的学习方法依次整合到经训练的系统中。学习方法或训练的一个结果是关于哪种形式的发射信号特别适合于分类不同的对象的知识。然后，该知识可以用在距离传感器的操作模式中，因此可以改进对象识别。
12.在一个实施例中，基于各个接收信号，通过机器学习方法来确定关联规则。特别地，可以使用所谓的深度学习。还可以规定在学习模式中使用人工神经网络和/或通用算法。因为对于单独的参考对象的参考测量是使用各个发射信号来执行的，所以对于每个单独的参考对象，不同的信息可用于学习算法，其结果是可以增加冗余度。此外，不同的对象形状或对象类别对不同形式的发射信号反应不同。这允许在训练中获得更好的结果，因为发射信号的变化考虑到了待检测的对象或对象类别的多样性。以这种方式，可以将更重要的输入数据传递给实践中使用的深度学习算法。
13.还可以规定在不同的环境条件下进行参考测量。举例来说，在学习模式中可以模拟不同的天气条件。此外，在参考测量中可以考虑干扰信号或噪声分量。还可以规定，对于距离传感器和各个参考对象之间的不同距离进行参考测量。因此，发射信号既可以关于对象进行优化，也可以基于环境条件进行优化。
14.在另一实施例中，在操作模式开始时，参考发射信号作为发射信号被发射。在操作模式开始时，或者在第一测量周期中，还没有对周围区域中的至少一个对象进行分类。在这种情况下，可以首先发射参考发射信号。可以以这样的方式选择该参考发射信号，使得它可以用于识别不同类别的对象或对象类型。然后，基于由对象反射的参考发射信号确定的接收信号可以作为执行对象分类和为随后的测量周期选择发射信号的基础。
15.在另一种配置中，如果在测量周期中没有识别出对象，则在随后的测量周期中选择一参考发射信号或所述参考发射信号。如果在测量周期中不能执行或者不能明确地执行对象的分类，则可以在随后的测量周期中选择所述参考发射信号。在这种情况下，也可以相应地存储周围区域中的至少一个对象不能被分类或者不能被明确分类的信息。
16.此外，有利地，选择调幅发射信号作为参考发射信号。这里的实验表明，调幅发射信号适合于识别不同类型的对象或对象类别。这尤其适用于距离传感器是超声波传感器形式的情况。在这种情况下，发射的超声波信号可以被调制为具有低频信号的发射信号。
17.在另一个实施例中，如果对象被分类为高对象，则选择调幅发射信号作为后续测量周期中的发射信号。如果对象在当前测量周期中被识别为高对象，则可以在随后的测量周期中选择幅度主导的发射信号。可以基于接收信号，例如基于回波的数量和/或接收信号的幅度，来识别高对象。举例来说，该对象可以是柱子、墙等。这里的实验已经表明，如果将振幅模拟的发射信号作为发射信号传输，则可以可靠地识别像这样的高对象。
18.在另一种配置中，如果对象被分类为生物，则选择调频发射信号作为后续测量周期中的发射信号。这样的生物例如可以是行人或动物。这里，实验也表明，如果选择调频发射信号，可以可靠地识别这样的生物。特别地，啁啾信号可以被选择作为调频发射信号。这里可以特别优选地使用所谓的上啁啾信号(chirp-up signal)。
19.在另一实施例中，如果在周围区域中识别出至少两个对象，则基于与距离传感器距离最短的对象来选择发射信号。如果基于接收信号在周围区域中识别出多个对象，则可以基于与距离传感器或车辆距离最短的对象来选择发射信号。处于最短距离的该对象对于周围区域的监控具有最高的相关性。如果该对象被可靠地识别，则是有利的。
20.如果在周围区域中存在多个对象，还可以规定执行优先化。举例来说，特定的对象类别或一个对象类别可以被优先考虑。如果识别出优先考虑的对象类别，则可以选择针对该对象类别的发射信号。举例来说，行人对象类别可以被优先化。由此可以实现的效果是行
人被可靠地识别，因此增加了安全性。
21.如果多个发射信号在调制、频率和/或传输持续时间方面彼此不同，这也是有利的。在操作模式中，距离传感器关于发射信号具有可变性。这些发射信号可以在频率、相位、时间段等的基础上彼此不同。原则上取决于物理传感器，可以选择发射信号的振幅特性的特殊形式，其是时间的函数。如果距离传感器是超声波传感器的形式，则发射信号可以在激励频率、频率变化等方面彼此不同。
22.根据本发明的用于车辆传感器设备的计算装置被设计成执行根据本发明的方法及其有利的配置。计算装置可以例如由车辆的电子控制单元提供。此外，计算装置可以由距离传感器的电子设备或传感器电子设备提供。在这种情况下，计算装置尤其可以是专用集成电路(asic)的形式。
23.根据本发明的用于车辆的传感器设备包括根据本发明的计算装置和至少一个距离传感器。距离传感器尤其可以是超声波传感器的形式。传感器设备可以优选地具有多个距离传感器，这些距离传感器可以例如以分布式布置放置在车辆上。本发明的另一方面涉及一种包括根据本发明的传感器设备的驾驶员辅助系统。驾驶员辅助系统可以用于基于检测到的对象至少半自动地操纵车辆。
24.一种根据本发明的车辆包括根据本发明的超声波传感器设备。车辆可以例如是客车的形式。还可以规定车辆为多用途车辆的形式。
25.本发明的另一方面涉及一种计算机程序，其包括指令，当该程序由计算装置执行时，该指令使得计算装置执行根据本发明的方法及其有利配置。
26.一种根据本发明的计算机可读(存储)介质包括指令，当由计算装置执行时，该指令使得计算装置执行根据本发明的方法及其有利配置。
27.参照根据本发明的方法呈现的优选实施例和所述实施例的优点在必要修改后适用于根据本发明的计算装置、根据本发明的传感器设备、根据本发明的车辆、根据本发明的计算机程序以及根据本发明的计算机可读(存储)介质。
28.本发明的进一步特征来自权利要求、附图和附图的描述。在不脱离本发明的范围的情况下，以上描述中提到的特征和特征的组合以及以下附图描述中提到的和/或单独在附图中示出的特征和特征的组合不仅可以所示的特定组合使用，还可以其他组合使用。因此，本发明还旨在被认为包括和公开了没有在附图中明确示出和解释、但是从所阐述的实施例中显现并且可以通过特征的单独组合而产生的实施例。因此不具有最初表述的独立权利要求的所有特征的实施例和特征组合也应该被认为是公开的。此外，超出或偏离在权利要求的反向引用中概述的特征的组合的实施例和特征的组合，特别是通过上面概述的实施例的，应该被认为是公开的。
附图说明
29.现在将使用优选的示例性实施例并参考附图更详细地解释本发明，在附图中：
30.图1示出了具有传感器设备的车辆的示意图，该传感器设备具有多个距离传感器；
31.图2示出了第一接收信号，其描述了第一发射信号从第一参考对象的反射；
32.图3示出了第二接收信号，其描述了第一发射信号从第二参考对象的反射；
33.图4示出了第三接收信号，其描述了第一发射信号从第三参考对象的反射；
34.图5示出了第四接收信号，其描述了第一发射信号从第四参考对象的反射；
35.图6示出了第五接收信号，其描述了第二发射信号从第三参考对象的反射；
36.图7示出了第六接收信号，其描述了第二发射信号从第四参考对象的反射；
37.图8示出了第七接收信号，其描述了第二发射信号从第一参考对象的反射；和
38.图9示出了第八接收信号，其描述了第二发射信号从第二参考对象的反射。
39.在附图中，相同或具有相同功能的元件具有相同的附图标记。
具体实施方式
40.图1以平面图示出了车辆1，该车辆在当前情况下是客车的形式。车辆1包括驾驶员辅助系统2，其用于辅助驾驶员驾驶车辆1。驾驶员辅助系统2可以是驻车辅助系统的形式，例如，借助于该驻车辅助系统，可以帮助驾驶员将车辆1停放在驻车位中和/或从驻车位开出。
41.驾驶员辅助系统2或车辆1还具有传感器设备3。该传感器设备3包括至少一个距离传感器4。在本示例性实施例中，传感器设备3包括十二个距离传感器4，其中六个布置在车辆1的前部区域6中，六个布置在车辆1的后部区域7中。在本示例中，距离传感器4是超声波传感器的形式。在当前情况下，距离传感器4安装在车辆1的保险杠上。超声波传感器可以布置在保险杠中相应的凹部或通孔中，至少在某些区域中相应的凹部或通孔中。也可以规定超声波传感器隐藏地布置在保险杠后面。原则上，超声波传感器也可以布置在车辆1的其他面板部分或部件上。
42.各个距离传感器4可以用于检测车辆1周围的或车辆1周围的区域9中的对象8。在当前情况下，示意性地示出了周围区域9中的对象8。传感器设备3还包括电子控制单元形式的计算装置5。该计算装置5为了数据传输的目的连接到各个距离传感器4。为了清楚起见，在当前情况下没有示出数据线或相应的数据总线。计算装置5可以用于激励各个距离传感器4来发射发射信号。此外，使用超声波传感器4提供的接收信号或其他数据可以被传输到计算装置5。这些数据然后可以作为使用计算装置5来识别周围区域9中的对象8的基础。该信息然后可以被驾驶员辅助系统2用来向车辆1的驾驶员输出输出值。也可以规定，驾驶员辅助系统2干预车辆的转向系统、制动系统和/或驱动马达，以便基于检测到的对象8至少半自动地操纵车辆1。
43.在传感器设备3的操作期间，或者在操作模式中，各个距离传感器4用于执行时间上连续的测量循环。在每个测量周期中，发射发射信号，并且在周围区域9中反射的发射信号被用作确定接收信号的基础。在这种情况下，规定在各个测量周期中从多个预定的发射信号中选择发射信号。基于对象8的分类，从多个预定发射信号中选择发射信号。为此，可以在第一测量周期中发射参考发射信号。例如，该参考发射信号可以是调幅发射信号。基于在周围区域9中反射的发射信号确定的接收信号然后可以被用作确定对象8是否位于周围区域9中以及该对象8处于什么配置的基础。如果对象8位于周围区域9中，则可以基于接收信号对其进行分类。然后，所确定的对象类别可以作为选择相关发射信号的基础，该相关发射信号然后在随后的测量周期中被发射。
44.基于关联规则，选择后续测量周期的发射信号。该关联规则将适用的发射信号与不同的对象类别相关联。该关联规则在传感器设备3或距离传感器4的学习模式或训练中确
定。这可以涉及在不同的参考对象上进行的参考测量。为此，可以为参考对象之一发射各个发射信号或不同的发射信号，并且可以再次接收由该参考对象反射的发射信号。从其导出的接收信号rx1至rx8然后可以被提供给学习算法，并且系统因此可以被训练。
45.图2至图9通过图示的方式示出了在学习模式中确定的不同的接收信号rx1至rx8。在每种情况下，时间t或距离绘制在横坐标上，幅度a绘制在纵坐标上。图2示出了第一接收信号rx1，其描述了来自第一参考对象的第一发射信号的回波。相比之下，图3示出了描述由第二参考对象反射的第一发射信号的第二接收信号rx2。这里可以看出，两个参考信号rx1和rx2可以清楚地相互区分。此外，两个接收信号rx1和rx2清晰可见。
46.图4示出了第三接收信号rx3，其描述了第一发射信号从第三参考对象的反射。图5示出了第四接收信号rx4，其描述了第一发射信号从第四参考对象的反射。在这种情况下，可以看出，第三接收信号rx3和第四接收信号rx4的幅度特性彼此非常相似。因此，对于对象8的分类，较难在这些接收信号rx3、rx4之间进行区分。
47.相比之下，图6示出了第五接收信号rx5，其描述了由第三参考对象反射的第二发射信号。图7示出了第六接收信号rx6的时间特性，第六接收信号rx6描述了由第四参考对象反射的第二发射信号。这里可以看出，第五接收信号rx5和第六接收信号rx6彼此显著不同。这增加了对象8或参考对象能够被彼此区分的概率。此外，可以从接收信号rx5和rx6中获取描述对象8的属性的附加信息。
48.图8示出了第七接收信号rx7，其描述了由第一参考对象反射的第二发射信号。此外，图9示出了第八接收信号rx8，其描述了由第二参考对象反射的第二发射信号。基于第七接收信号rx7和第八接收信号rx8，可以看出，当发射第二发射信号时，这里的第一参考对象和第二参考对象难以彼此区分。总之，因此可以显示，不同类型的发射信号以不同的方式适合于对象8的分类或表征。
49.这些来自学习模式或训练的结果现在可以被提供给机器学习方法，特别是深度学习算法。训练的一个结果是关于哪种形式的发射信号特别适合于分类对象8的类型或对象类别的知识。然后，可以在传感器设备3的操作模式中使用该知识，以便针对对象类别选择适当的发射信号。