Algorytmy kalibracji i auto-kalibracji sensorów radarowych dla systemów aktywnego bezpieczeństwa i jazdy autonomicznej

Abstract

Radary odgrywają kluczową rolę w zaawansowanych systemach wspomagania kierowcy oraz jazdy autonomicznej, zapewniając informacje o otoczeniu pojazdu. Zapewnienie wysokiej jakości pomiarów we wspólnym układzie współrzędnych samochodu jest możliwe tylko poprzez zastosowanie algorytmów estymujących błąd orientacji i korygujących wartości zmierzonych kątów. Pierwszą z innowacji wprowadzonych w tej rozprawie jest udoskonalenie algorytmu statycznej kalibracji radaru. Estymacja horyzontalnego przekrzywienia radaru w tej metodzie sprawia trudności, dlatego algorytm został wzbogacony o metodę iteracyjną, jaką jest średnia odporna. Udoskonalony w ten sposób proces kalibracji został opatentowany i wdrożony do produkcji. Kolejną zaproponowaną metodą jest model matematyczny, który w przypadku radarów zdolnych do pomiaru kąta elewacji, pozwala na uwzględnienie trzeciej osi obrotu radaru podczas korekcji detekcji, a także model, pozwalający na algorytmiczne estymowanie błędów orientacji radaru w trzech osiach. Trzecią opracowaną metodą jest trójosiowa kalibracja post-factum, zaprojektowana do estymacji trójosiowego błędu orientacji radaru, nawet gdy radar nie posiada możliwości pomiaru elewacji. Wyniki wskaźników jakości potwierdziły, że trójosiowa korekta detekcji wyznaczonymi kątami redukuje błąd średniokwadratowy rzeczywistych detekcji. Radars play a crucial role in advanced driver assistance systems (ADAS) and autonomous driving, providing information about the vehicle's surroundings. Ensuring high-quality measurements in the vehicle’s common coordinate system is only possible through algorithms that estimate orientation errors and correct measured angle values. The first innovation introduced in this dissertation is an improvement of the static radar calibration algorithm. Estimating the radar's horizontal tilt poses challenges, so the algorithm was enhanced with an iterative method, namely, the robust mean. This enhanced calibration process has been patented and implemented in production. Another proposed method is a mathematical model that, in the case of radars capable of measuring the elevation angle, allows for the consideration of the third axis of radar rotation during detection correction. This model also enables algorithmic estimation of orientation errors across three axes. The third developed method is a three-axis post-factum calibration, designed to estimate the three-axis radar orientation error, even when the radar lacks elevation measurement capability. Quality indicators confirmed that three-axis detection correction using the estimated angles reduces the root mean square error of real detections.