Die Erfindung betrifft ein Verfahren zum Berechnen einer Radar-Abstandssichtweite. Die Erfindung bezieht sich ferner auf eine Vorrichtung zur Durchführung des Verfahrens.

Radargeräte werden in vielen Einsatzbereichen beispielsweise zur Erfassung von Objekten in einem Erfassungsbereich und zur Abstandsmessung verwendet. Bei Kraftfahrzeugen werden Radargeräte zunehmend eingesetzt, um Abstände zu vorausfahrenden Fahrzeugen und festen Objekten zu ermitteln.

Dabei bilden Radargeräte in Kraftfahrzeugen Bestandteile von Fahrerassistenzsystemen (ADAS Advanced Driver Assistance Systems) zur Erhöhung der Sicherheit von Fahrzeug, Fahrer und Verkehrsteilnehmern .

Ein Vorhandensein von Fremdmaterial oder Objekten kann eine Genauigkeit und Verlässlichkeit von Radargeräten, insbesonde ^¬ re von Radarsensoren bzw. Radarantennen, beeinträchtigen. Derartiges Fremdmaterial kann z.B. durch Umgebungsbedingungen verursacht sein, wie beispielsweise Temperatur, Feuchtigkeit, Eis, Schnee, Regen oder Dreck/Matsch. Eine solche Umgebungs ^¬ bedingung kann ein bestimmungsgemäßes Betriebsverhalten der automatischen Radarsensoren beinträchtigen, in Extremfällen sogar verhindern.

Für eine Analyse einer Leistungsverschlechterung von Radarsensoren wird eine sogenannte Sensor-Sichtweite benutzt. Die ^¬ se beinhaltet eine statistische Näherung für die Fähigkeit des Sensors feste Objekte in dem gesamten Sichtfeld zu erfas ^¬ sen .

Um eine statistische Bereichs-Sichtweite zu erlangen, werden drei Histogramme verwendet, in die folgende Daten eingegeben werden :

Bewegliche Objekte

Stationäre Objekte

Erste/Letzte Erfassung von Objekten

Die Mittelwerte jedes Histogramms werden mittels Fusion ver ^¬ arbeitet und schließlich wird daraus die Sensor- Abstandssichtweite ermittelt. Wenn die Abstandssichtweite des Radarsensors 5 unter einem bestimmten Schwellwert liegt, er ^¬ folgt eine Meldung einer Leistungsabnahme.

Eines der Probleme der konventionellen Verfahren besteht darin, dass bei einer Aktualisierung der Histogramme die folgende Tatsache nicht berücksichtigt wird. Sobald Objekte das Sichtfeld des Radarsensors verlassen, und es keine Abschwä- chung bzw. Dämpfung des Radarsensors gibt (d.h. die Wetterbe ^¬ dingungen bzw. Umgebungsbedingungen bleiben gut), verringert sich der Mittelwert des oben erwähnten Histogramms, während die Leistung des Radarsensors nicht beeinträchtigt wird. Die ^¬ ser verringerte Wert repräsentiert keine reale Leistungsab ^¬ nahme und kann dabei zu einer falschen bzw. irrtümlichen Blockierungsmeldung führen.

Eine Aufgabe der Erfindung ist es daher, ein verbessertes Verfahren zum Berechnen einer Radar-Abstandssichtweite zu schaffen .

Die Aufgabe wird durch einen Gegenstand mit dem in Anspruch 1 angegebenen Merkmalen gelöst.

Eine weitere Aufgabe besteht darin, eine Vorrichtung für ein solches Verfahren bereitzustellen.

Diese weitere Aufgabe wird durch einen Gegenstand mit dem in Anspruch 9 angegebenen Merkmalen gelöst.

Die Erfindung schafft demnach ein Verfahren zum Berechnen ei- ner Radar-Abstandssichtweite eines Radarsensors , mit den folgenden Verfahrensschritten nämlich Erstellen eines mathematisches Modells und Angeben eines vorausgesagten Wertes ei ^¬ ner Abstandssichtweite von einem vorhergehenden Zyklus zu ei ^¬ nem aktuellen Zyklus; Aufbauen eines neuen Histogramms unter Verwendung des realen Abstands aller Objekte aus einem Sicht ^¬ feld des Radarsensors und Identifizieren eines Szenarios; und Berücksichtigen des mathematischen Modells aus dem ersten Verfahrensschritt und des identifizierten Szenarios aus dem zweiten Verfahrensschritt, und Erhalten eines geschätzten Wertes der Abstandssichtweite des Radarsensors.

Das Verfahren ermöglicht es vorteilhaft, Meldungen über eine Leistungsabschwächung eines Radarsensors bei schwierigen Umgebungsgegebenheiten zu verhindern. Dies erhöht die Sicherheit, da Radarfunktionen beibehalten und nicht deaktiviert werden .

Eine erfindungsgemäße Vorrichtung zur Durchführung des erfindungsgemäßen Verfahrens zum Berechnen einer Radar- Abstandssichtweite umfasst den Radarsensor, einen Statistikblock, einen Voraussagewertblock, einen Identifizierungsblock, einen Verknüpfungsblock mit einem Filter und einem Schätzungsblock, sowie einen Ausgabeblock.

Es ist dabei vorteilhaft, dass eine Implementierung der Vor ^¬ richtung in ein bereits vorhandenes Radarsystem möglich ist.

Die Möglichkeiten für Meldungen bei falschen Blockierungen des Radarsensors können vorteilhaft verringert werden.

In einer Ausführung wird beim Aufbauen eines Histogramms das Histogramm für einen Vergleich seines Mittelwertgradienten mit einem Mittelwertgradienten eines vorhandenen extrapolierten Abstands benutzt, und es wird zwischen einer realen Dämpfung und einem Objekt, welches das Sichtfeld des Radarsensors verlässt, unterschieden. Damit kann eine effektive Unter- scheidung getroffen werden.

Bei einer weiteren Ausführungsform wird ein dynamisches Kaiman-Filter angewendet. Dies ist eine erprobte Technik und einfach einzusetzen.

Eine weitere Ausführungsform sieht vor, dass das Erstellen des mathematischen Modells die Teilschritte Tl.l. umfasst: Betrachten von letzten N Werten LetzteAbstandsWerte = { Ro , Ri , RN-I} von bereitgestellten Abstandssichtweiten; und

Tl.2 Nichtlineares Verbinden der letzten N Werte LetzteAb- standsWerte = { Ro , Ri , RN-I} ZU einer Kurve ( R ) R = Rhetzte-

Abstands erte (t) und Voraussagen einer Abstandssichtweite. Dabei kann für das nichtlineare Verbinden ein Levenberg-Marquardt Algorithmus verwendet werden, was eine wirksame Auswertung ergibt .

In einer weiteren Ausführung umfasst der zweite Verfahrens- schritt nämlich das Aufbauen des Histogramms die folgenden drei Teilschritte.

T2.1 Erstellen einer Varianz des Systems oder des Mess- Rauschens und Erzeugen eines Histogramms, welches in Bezie ^¬ hung mit real erfassten Abständen der Objekte, die sich in dem Sichtbereich des Radarsensors befinden;

T2.2 Ermitteln von Gradienten VMeanRealk und ^MeanExtrapolk nach den folgenden Gleichungen:

MeanReal, - MeanReal,

VMeanReal _k

ECU Zykluszeit

MeanExtrapol _k - MeanExtrapol _k.

VMeanExtrapol _k

ECU Zykluszeit

und

T2.3 Identifizieren eines zugehörigen Szenarios durch Analysieren der Gradienten VMeanRealk und ^' MeanExtrapolk .

Dies ermöglicht vorteilhaft, dass durch Vergleichen dieser Gradienten eine schnelle und effektive Identifikation des Szenarios möglich ist.

Bei einer weiteren Ausführungsform ist vorgesehen, dass der dritte Verfahrensschritt nämlich das Berücksichtigen des ma ^¬ thematischen Modells die folgenden Teilschritte aufweist.

T3.1 Vorhersagen der Abstandssichtweite basierend auf den letzten N Werten R _k = ( tk) ;

T3.2 Messen eines Wertes MeasRk, welcher von dem Mittelwert des Histogramms der extrapolierten Mittelwerte im Zyklus k bereitgestellt wird;

T3.3 Anpassen einer Kaimanverstärkung Kk eines Kalman-Filters in Abhängigkeit von dem identifizierten Szenario; und

T3.4 Einschätzen eines Zustands gemäß folgender Gleichung EstRk = Rk + Kk (Rk - MeasRk) und entsprechendes Ausgeben oder Unterlassen einer Meldung.

Auf diese Weise kann eine effektive Anpassung des Filters und ein wirksames Einschätzen eines Zustands erreicht werden. Zu ^¬ dem kann die so berechnete Abstandssichtweite mit einer höhe ^¬ ren Genauigkeit angegeben werden.

Eine weitere Ausführungsform sieht vor, dass in dem Teil ^¬ schritt T3.3 die Kaimanverstärkung Kk im Fall des Dämpfungs- Szenarios derart angepasst wird, dass mehr Gewicht auf die Messung gelegt wird, und für den Fall von Objekten, welche in das Sichtfeld des Radarsensors hineinkommen oder es verlas ^¬ sen, die Kaimanverstärkung Kk so angepasst, dass mehr Gewicht auf die Vorhersage gelegt wird. Damit ist eine vorteilhafte Gewichtung für eine Entscheidung möglich.

In einer Ausführungsform der Vorrichtung kann das Filter ein Kaiman-Filter aufweisen. Das Verfahren und die Vorrichtung können bei jedem Radarerfassungssystem angewandt werden, z.B. auch bei Weitbereichs- radarsystemen .

Die Erfindung wird im Zusammenhang mit den Figuren weiter anhand von Ausführungsbeispielen beschrieben.

Hierbei zeigt:

Fig. 1 eine schematische Darstellung eines Fahrzeugs mit einem Radarsensor;

Fig. 2 ein schematisches Flussdiagramm eines Ausführungsbeispiels eines erfindungsgemäßen Verfahrens ;

Fig. 3 eine schematische grafische Darstellung von

AbStandswerten,·

Fig. 4-6 schematische Histogramme von Abständen; und

Fig. 7 ein schematisches Blockschaltbild eines Aus ^¬ führungsbeispiels einer erfindungsgemäßen Vorrichtung .

In Fig. 1 ist eine schematische Darstellung eines Fahrzeugs 1 mit einem Radarsensor 2 gezeigt.

Das Fahrzeug 1 fährt auf einer Straße in einer Richtung, die durch einen Pfeil angedeutet ist. Der Radarsensor 2 befindet sich an der Vorderseite des Fahrzeugs 1. Es können auch meh ^¬ rere Radarsensoren 2 vorhanden sein.

Der Radarsensor 2 weist ein Sichtfeld 3 auf, das vorwärts in Fahrtrichtung des Fahrzeugs 1 gerichtet ist. Verschiedene Ob ^¬ jekte 4, 5 in diesem Sichtfeld 3 werden von dem Radarsensor 2 erfasst, wobei deren Abstände gemessen werden. Das Objekt 5 bewegt sich aus dem Sichtfeld 3 heraus, was durch einen wei ^¬ teren Pfeil angedeutet ist.

Diese Messwerte werden nun in einem erfindungsgemäßen Verfahren zum Berechnen einer Radar-Abstandssichtweite weiterverarbeitet .

Dazu zeigt Fig. 2 ein schematisches Flussdiagramm eines Aus ^¬ führungsbeispiels des erfindungsgemäßen Verfahrens.

In einem ersten Verfahrensschritt Sl wird ein mathematisches Modell erstellt, um einen vorausgesagten Wert einer Abstands ^¬ sichtweite von einem vorhergehenden Zyklus zu einem aktuellen Zyklus anzugeben.

Dann wird in einem zweiten Verfahrensschritt S2 ein neues Histogramm unter Verwendung des realen Abstands aller Objekte 4, 5 innerhalb des Sichtfelds 3 des Radarsensors 2 aufgebaut. Das Histogramm wird für einen Vergleich seines Mittelwertgra ^¬ dienten mit dem Mittelwertgradienten des vorhandenen extrapolierten Abstands benutzt, um zwischen einer realen Dämpfung und einem Objekt 5, welches das Sichtfeld 3 verlässt, zu un ^¬ terscheiden .

Ein dritter Verfahrensschritt S3 beinhaltet ein Berücksichti ^¬ gen des mathematischen Modells aus dem ersten Verfahrensschritt Sl und der Identifizierung des Szenarios aus dem zweiten Verfahrensschritt S2, indem ein dynamischer Kaiman- Filter angewendet wird, wodurch dann ein geschätzter Wert der Abstandssichtweite erhalten wird.

Im Folgenden werden die Verfahrensschritte Sl bis S3 weiter erläutert .

Zum Erstellen des mathematischen Modells werden im ersten Verfahrensschritt Sl in einem ersten Teilschritt Tl.l die letzten N Werte der Abstandssichtweite, welche durch die schon vorhandenen, oben in der Beschreibungseinleitung beschriebenen Histogramme zur Verfügung gestellt werden, betrachtet. Die letzten N Werte werden wie folgt bezeichnet

LetzteAbstandsWerte = { Ro , Ri , RN-I} (1)

Diese letzten Abstandswerte 6 sind in einer schematischen grafischen Darstellung in Fig. 3 über der Zeit t mit kleinen Kreisen aufgetragen.

Dann wird in einem weiteren Teilschritt Tl.2 ein nichtlinea ^¬ rer Verbindungsprozess , z.B. ein Levenberg-Marquardt Algo ^¬ rithmus, auf den Satz der letzten Abstandswerte 6 angewandt. Daraus ergibt sich eine zusammenhängende Kurve R über der Zeit t mit der Bezeichnung

R ⁼ -RLetzteAbstandsWerte (t )

Die Kurve . LetzteAbstands erte (t) wird benutzt, um eine Voraussage einer Abstandssichtweite für den nächsten Verfahrensschritt S2 treffen zu können.

In dem zweiten Verfahrensschritt S2 wird zur Erstellung der Varianz des Systems oder des Mess-Rauschens in einem weiteren Teilschritt T2.1 ein neues Histogramm erzeugt, welches in Be ^¬ ziehung mit real erfassten Abständen der Objekte 4, 5, die sich in dem Sichtbereich 3 des Radarsensors 2 befinden. Dies ist in Fig. 4 als ein schematisches Histogramm 7 gezeigt, wo ^¬ bei Muster in einem realen Abstandsverhalten repräsentiert werden, die aus den Felddatenmessungen beobachtet wurden.

Fig. 5 und 6 stellen das Verhalten über der Zeit t des Histogramms 7 mit den realen Abständen dar. Dabei zeigt Fig. 5 ein Histogramm 8 für extrapolierte Abstände ohne Abschwächung, und Fig. 6 zeigt ein Histogramm für extrapolierte Abstände mit einer Abschwächung.

Bei Eintritt einer realen Dämpfung resultiert dies in der Ab- schwächung des extrapolierten Abstands aller Objekte in dem Bereich der Sichtweite 3 des Radarsensors 2. Dies zeigt Fig. 6 als Histogramm 9. In diesem Fall der realen Dämpfung wird eine Verschiebung aller extrapolierten Daten des Histogramms 9 in der Fig. 6 nach links (durch Pfeil angedeutet) beobachtet .

In dem Fall, bei welchem eine Situation einer Erholung von einem Dämpfungs-Szenario (durch Umwelteinflüsse, wie oben be ^¬ schrieben) eintritt und sich das Reflexionsvermögen aller Objekte erhöht, kann eine Verschiebung aller Daten des Histogramms 8 gemäß Fig. 5 nach rechts festgestellt werden.

Die Verschiebung der extrapolierten Daten wird in dem Gradienten (siehe die folgenden Gleichungen (2) und (3)) des Mittelwertes aller Daten in dem Histogramm wiedergegeben.

VMeanReaL = MeanReaL - ^' M—ea^nRea^L-ι _{( 2}

ECU Zykluszeit

MeanExtrapol _k - MeanExtrapol _k

VMeanExtrapol _k

ECU Zykluszeit

Es werden in einem weiteren Teilschritt T2.2 die beiden Gradienten VMeanRealk und VMeanExtrapolk ermittelt bzw. berech ^¬ net .

In dem Fall eines schrittweisen Dämpfungs-Szenarios oder ei ^¬ ner Erholung vom Dämpfen liegt der Wert VMeanRealk in der Nachbarschaft von Null und VMeanExtrapolk ist streng korre ^¬ liert mit der Leistungsabnahme, d.h. es erfolgt eine schnelle Veränderung von MeanExtrapolk verglichen mit MeanRealk .

In dem Fall, in welchem Objekte 5 das Sichtfeld 3 verlassen oder in dieses hineinkommen, sind beide Gradienten, nämlich VMeanRealk und VMeanExtrapolk streng korreliert.

Somit kann in einem Teilschritt T2.3 eine Identifizierung des zugehörigen Szenarios durch Analysieren der Gradienten VMe- anRealk und VMeanExtrapolk erfolgen.

Zur Erlangung des geschätzten Wertes für die Abstandssicht ^¬ weite werden bei der Anwendung des Kaiman-Filters und der obigen Daten in dem dritten Verfahrensschritt S3 die folgenden Teilschritte T3.1 bis T3.4 durchgeführt.

In einem Teilschritt T3.1 wird eine Vorhersage der Abstands ^¬ sichtweite basierend auf den letzten N Werten aus Gleichung (1) vorgenommen:

In einem weiteren Teilschritt T3.2 erfolgt die Messung

MeasRk, welche von dem Mittelwert des Histogramms der extra ^¬ polierten Mittelwerte im Zyklus k bereitgestellt wird, ver ^¬ wendet .

In einem weiteren Teilschritt T3.3 wird die Kaimanverstärkung Kk des Kaiman-Filters in Abhängigkeit von dem identifizierten Szenario angepasst.

Im Fall des Dämpfungs-Szenarios erhöht sich die Varianz des Systems, und daher wird die Kaimanverstärkung Kk dahingehend angepasst, um mehr Gewicht auf die Messung zu legen.

Für den Fall von Objekten 5, welche in das Sichtfeld 3 hin ^¬ einkommen oder es verlassen, wodurch die Varianz des Systems erniedrigt wird, wird die Kaimanverstärkung Kk derart ange ^¬ passt, dass mehr Gewicht auf die Vorhersage gelegt wird.

In einem Teilschritt T3.4 ergibt sich der geschätzte Zustand zu

EstRk = Rk + Kk (Rk - MeasRk) (5)

Anhand dieses Zustands kann eine entsprechende Meldung ausge- -ligeben werden oder unterbleiben.

Auf diese Weise können Meldungen aufgrund von falschen Blockierungen verringert werden, wobei die errechnete Abstands ^¬ sichtweite genauer wird.

In Fig. 5 ist ein schematisches Blockschaltbild eines Ausfüh ^¬ rungsbeispiels einer erfindungsgemäßen Vorrichtung 10 dargestellt.

Die Vorrichtung 10 umfasst hier den Radarsensor 2, einen Statistikblock 11, einen Voraussagewertblock 12, einen Identifizierungsblock 13, einen Verknüpfungsblock 14 mit einem Filter 15 und einem Schätzungsblock 16, und einen Ausgabeblock 17.

Der Statistikblock 11 erzeugt das mathematische Modell des ersten Verfahrensschrittes Sl. Der Voraussagewertblock 12 ist zur Voraussage eines Wertes der Abstandssichtweite ausgebil ^¬ det. Der Identifizierungsblock 13 erstellt die Histogramme zur Untersuchung und Vergleiche der Mittelwertgradienten und identifiziert einen Zustand bzw. ein Szenario nach Unter ^¬ scheidung zwischen einer realen Dämpfung und einem Objekt 5, welches das Sichtfeld 3 verlässt.

Der Verknüpfungsblock 14 dient zur Verknüpfung des mathematischen Modells aus dem Statistikblock 11 und der Identifizierung des Szenarios aus dem Identifizierungsblock 13. Dabei weist der Verknüpfungsblock 14 das Filter 15 und den Schätzungsblock 16 auf. Das Filter 15 kann z.B. ein Kaiman-Filter aufweisen .

Der Ausgabeblock 17 führt eine Ausgabe einer Meldung durch, z.B. wenn eine identifizierte Blockierung des Radarsensors 2 durch Umgebungsbedingungen, wie z.B. Eis, Regen, Schmutz usw. vorliegt .

Die Vorrichtung 10 kann in ein vorhandenes Radarsensorbe- triebssystem implementiert werden.

Das Verfahren und die Vorrichtung können bei jedem Radarerfassungssystem zur Anwendung kommen.

Das oben beschriebene Ausführungsbeispiel schränkt die Erfin ^¬ dung nicht ein, sondern sie ist im Rahmen der Ansprüche modi- fizierbar .

BEZUGSZEICHEN

1 Fahrzeug

2 Radarsensor

3 Sichtfeld

4, 5 Objekt

6 Abstandswert

7, 8, 9 Histogramm

10 Vorrichtung

11 Statistikblock

12 Voraussagewertblock

13 Identifizierungsblock

14 Verknüpfungsblock

15 Filter

16 Schätzungsblock

17 Ausgabeblock

R Kurve

S Verfahrensschritt T Teilschritt