[发明专利]使用低水平雷达数据的对象分类

说明书

描述了使用低水平雷达数据实现对象分类的技术和装置。具体地，雷达系统基于低水平数据提取检测到的对象的特征。雷达系统使用机器学习来分析这些特征，以确定与检测到的对象相关联的对象类别。通过依靠低水平数据，雷达系统能够提取与跨距离、距离变化率、方位角或仰角的能量分布有关的附加信息，这些附加信息在检测水平数据中是无法得到的。在使用机器学习的情况下，可以快速地对对象进行分类(例如，在单个帧内或在单个观察中)，从而为自主驾驶逻辑留出足够的时间来基于对象的类别发起适当的动作。此外，可以执行该分类，而不使用来自其他传感器的信息。

背景技术

自主驾驶的进步可以导致无人驾驶汽车和自主机器人在商业和日常生活中的广泛应用。许多自主驾驶技术依靠由一个或多个传感器提供的信息来可视化周围环境。利用该信息，自主驾驶逻辑可以识别对象的存在(或不存在)及它们的当前位置和速度。然而，即使具有该信息，对于自主驾驶逻辑而言，确定提供足够的安全裕度以用于避免碰撞的适当动作也可能是具有挑战性的。

自主驾驶逻辑可以基于检测到的对象的类型确定适当的动作。对象的类型可以向自主驾驶逻辑指示对象的行为是可预测的还是不可预测的，以及是应当增大还是减小安全裕度以避免潜在的碰撞。在某些情况下，可用于确定适当动作的时间可能很短，并且在那个时间中，传感器可能无法获得对对象的足够观察来确定其行为并准确预测未来的运动。对于传感器而言，对对象快速分类以用于自主驾驶应用可能具有挑战性。

发明内容

描述了使用低水平雷达数据实现对象分类的技术和装置。具体地，安装到移动平台的雷达系统基于低水平数据提取检测到的对象的特征。雷达系统使用机器学习来分析这些特征，以确定与检测到的对象相关联的对象类别。通过依靠低水平数据，雷达系统能够提取与跨(across)距离(range)、距离变化率(range rate)、方位角(azimuth)或仰角(elevation)的能量分布有关的附加信息，这些附加信息在检测水平数据中是无法得到的。具体地，低水平数据使雷达系统能够确定对象的基于强度的特征或基于几何的特征。在使用机器学习的情况下，可以快速地对对象进行分类(例如，在单个帧内或在单个观察中)，从而为自主驾驶逻辑留出足够的时间来基于对象的类别发起适当的动作。此外，可以执行该分类，而不使用来自其他传感器的信息。雷达系统还可以利用对象的类别来定制(tailor)其跟踪模块的参数。这提高了雷达系统随时间推移维持对对象的跟踪或可见性的能力。

下面描述的各方面包括由安装到移动平台的雷达系统执行的方法。该方法包括发射和接收雷达信号。雷达信号被至少一个对象反射。该方法还包括：由雷达系统的多个接收通道生成表示所接收的雷达信号的时域样本的数字拍频信号(beat signal)。该方法附加地包括：基于数字拍频信号生成低水平数据。低水平数据包括跨距离、距离变化率、方位角或仰角中的一个或多个维度的幅度信息。该方法进一步包括：从低水平数据内的幅度信息中提取与至少一个对象相关联的一个或多个特征。使用机器学习，该方法包括：分析一个或多个特征以确定与至少一个对象相关联的对象类别。

下文描述的各方面还包括雷达系统，该雷达系统包括至少一个天线阵列、收发器和处理器。收发器耦合到至少一个天线阵列。处理器耦合到收发器。使用天线阵列，收发器发射和接收雷达信号，该雷达信号被至少一个对象反射。收发器还使用多个接收通道生成数字拍频信号，该数字拍频信号表示接收到的雷达信号的时域样本。处理器基于数字拍频信号生成低水平数据。低水平数据包括跨距离、距离变化率、方位角和仰角中的一个或多个维度的幅度信息。处理器还从低水平数据内的幅度信息中提取与至少一个对象相关联的一个或多个特征。使用机器学习，处理器分析一个或多个特征以确定与至少一个对象相关联的对象类别。