KR102771037B1

KR102771037B1 - System for estimating length of vehicle based on radar and thereof method

Info

Publication number: KR102771037B1
Application number: KR1020220065194A
Authority: KR
Inventors: 김경태; 박정기
Original assignee: 포항공과대학교 산학협력단
Priority date: 2022-05-27
Filing date: 2022-05-27
Publication date: 2025-02-21
Anticipated expiration: 2042-05-27
Also published as: KR20230165457A

Abstract

본 발명은 레이다 기반의 차량 길이 추정 시스템 및 그 방법에 관한 것이다. 본 발명에 따르면, 차량 길이 추정 시스템에 의해 수행되는 차량 길이 추정 방법에 있어서, FMCW 레이다를 이용하여 레이다에서 송출 후 반사되어 수신된 레이다 신호를 프레임 별로 획득하는 단계와, 상기 레이다 신호로부터 클러터를 제거하는 단계와, 상기 클러터가 제거된 신호에 공간 필터(spatial filter)를 적용하여 각 차량의 신호가 존재하는 각도 범위를 탐지하여 각 차량의 신호를 공간적으로 필터링하는 단계와, 각각의 차량 별로 상기 필터링된 차량의 신호에 대해 고해상도 산란점 탐지 기법을 적용하여 해당 차량에 대한 각 산란점의 거리 값을 탐지하는 단계, 및 각각의 차량 별로 복수의 프레임 동안에 탐지한 상기 차량에 대한 각 산란점의 거리 값을 기초로 상기 차량의 길이를 추정하는 단계를 포함하는 차량 길이 추정 방법을 제공한다.
본 발명에 따르면, FMCW 레이다의 수신 신호를 효율적으로 처리 및 분석하여 도로를 이동하는 각 차량의 길이를 정확하게 추정할 수 있다. 또한, 본 발명은 다수의 차량이 서로의 간섭원으로 작용하는 도로 환경에서 공간 필터링 및 고해상도 산란점 탐지를 수행함으로써 보다 정밀한 길이 추정이 가능하다.The present invention relates to a radar-based vehicle length estimation system and a method therefor. According to the present invention, a vehicle length estimation method performed by a vehicle length estimation system is provided, including the steps of: acquiring, by frame, a radar signal transmitted from a radar, reflected, and received using an FMCW radar; removing clutter from the radar signal; applying a spatial filter to the signal from which the clutter has been removed to detect an angular range in which the signal of each vehicle exists, and spatially filtering the signal of each vehicle; applying a high-resolution scattering point detection technique to the filtered vehicle signal of each vehicle to detect a distance value of each scattering point to the corresponding vehicle; and estimating the length of the vehicle based on the distance value of each scattering point to the vehicle detected for a plurality of frames for each vehicle.
According to the present invention, the length of each vehicle moving on a road can be accurately estimated by efficiently processing and analyzing the received signal of the FMCW radar. In addition, the present invention enables more precise length estimation by performing spatial filtering and high-resolution scattering point detection in a road environment where a plurality of vehicles act as sources of interference to each other.

Description

{System for estimating length of vehicle based on radar and its method}

본 발명은 레이다 기반의 차량 길이 추정 시스템 및 그 방법에 관한 것으로서, 보다 상세하게는 레이다의 수신 신호를 효율적으로 처리 및 분석하여 도로 상을 이동하는 각 차량의 길이를 정확하게 추정할 수 있는 레이다 기반의 차량 길이 추정 시스템 및 그 방법에 관한 것이다.The present invention relates to a radar-based vehicle length estimation system and method thereof, and more particularly, to a radar-based vehicle length estimation system and method thereof capable of accurately estimating the length of each vehicle moving on a road by efficiently processing and analyzing a radar reception signal.

지능형 교통 시스템은 교통 상황을 모니터링하여 교통 흐름의 효율성을 증대하고 도시 혼잡을 줄이고자 한다. 지능형 교통 시스템의 주요 부분은 도로에서 이동하는 차량에 대한 유용한 정보를 획득하는 교통 감시부이다. Intelligent transportation systems monitor traffic conditions to increase the efficiency of traffic flow and reduce urban congestion. A key part of an intelligent transportation system is the traffic monitoring unit, which obtains useful information about vehicles moving on the road.

최근 레이다는 주야 및 날씨 등의 기상 조건에 상관없이 비교적 일정한 성능으로 주행 차량에 대한 정보를 획득할 수 있다는 점에서 각광받고 있다. 레이다를 이용한 교통 감시부에서 각 차량들을 분류하는 것은 핵심적인 요소 중 하나이며, 수신된 레이다 데이터에서 높은 정확도로 각 차량의 명확한 특성을 추출하는 것은 매우 중요하다. 이때, 여러 가지 특성 중 길이는 각 차량의 고유한 특성 중 하나로 차량 분류의 유용한 기준으로 사용될 수 있다.Recently, radar has been in the spotlight because it can obtain information about a vehicle with relatively consistent performance regardless of weather conditions such as day and night and weather. Classifying each vehicle in a traffic surveillance department using radar is one of the key elements, and it is very important to extract the clear characteristics of each vehicle with high accuracy from the received radar data. At this time, among various characteristics, length can be used as a useful criterion for vehicle classification as one of the unique characteristics of each vehicle.

높은 정확도로 차량의 길이를 추정하기 위해서는 레이다로부터 차량의 산란점까지의 거리를 고해상도로 탐지하는 것이 필수적이다. 이때 레이다 수신 신호는 넓은 레이다 빔 안에 존재하는 다수의 차량 신호가 중첩된 것으로, 각 차량의 신호대잡음비는 간섭현상으로 인해 현저하게 낮아지게 되고, 이는 고해상도 산란점 탐지를 어렵게 한다. In order to estimate the length of a vehicle with high accuracy, it is essential to detect the distance from the radar to the scattering point of the vehicle with high resolution. At this time, the radar reception signal is a superposition of multiple vehicle signals existing within a wide radar beam, and the signal-to-noise ratio of each vehicle is significantly reduced due to interference, which makes it difficult to detect the scattering point with high resolution.

따라서 레이다 신호로부터 각 차량의 신호대잡음비를 높이고 산란점을 고해상도로 탐지하여 이로부터 각 차량의 길이를 정확하게 추정할 수 있는 기법이 요구된다. Therefore, a technique is required to increase the signal-to-noise ratio of each vehicle from the radar signal, detect scattering points at high resolution, and accurately estimate the length of each vehicle from these.

본 발명의 배경이 되는 기술은 한국공개특허 제10-2015-0114236호(2015.10.12 공개)에 개시되어 있다.The technology that serves as the background for the present invention is disclosed in Korean Patent Publication No. 10-2015-0114236 (published on October 12, 2015).

본 발명은 레이다의 수신 신호를 효율적으로 처리 및 분석하여 도로 상의 이동하는 각 차량의 길이를 정확하게 추정할 수 있는 레이다 기반의 차량 길이 추정 시스템 및 그 방법을 제공하는데 목적이 있다.The purpose of the present invention is to provide a radar-based vehicle length estimation system and method capable of accurately estimating the length of each vehicle moving on a road by efficiently processing and analyzing a radar reception signal.

본 발명은, 차량 길이 추정 시스템에 의해 수행되는 차량 길이 추정 방법에 있어서, FMCW 레이다를 이용하여 레이다에서 송출 후 반사되어 수신된 레이다 신호를 프레임 별로 획득하는 단계와, 상기 레이다 신호로부터 클러터를 제거하는 단계와, 상기 클러터가 제거된 신호에 공간 필터(spatial filter)를 적용하여 각 차량의 신호가 존재하는 각도 범위를 탐지하여 각 차량의 신호를 공간적으로 필터링하는 단계와, 각각의 차량 별로 상기 필터링된 차량의 신호에 대해 고해상도 산란점 탐지 기법을 적용하여 해당 차량에 대한 각 산란점의 거리 값을 탐지하는 단계, 및 각각의 차량 별로 복수의 프레임 동안에 탐지한 상기 차량에 대한 각 산란점의 거리 값을 기초로 상기 차량의 길이를 추정하는 단계를 포함하는 차량 길이 추정 방법을 제공한다. The present invention provides a vehicle length estimation method performed by a vehicle length estimation system, comprising the steps of: obtaining, by frame, a radar signal transmitted from a radar using an FMCW radar and then reflected and received; removing clutter from the radar signal; applying a spatial filter to the signal from which the clutter has been removed to detect an angular range in which the signal of each vehicle exists, and spatially filtering the signal of each vehicle; applying a high-resolution scattering point detection technique to the filtered vehicle signal of each vehicle to detect a distance value of each scattering point to the corresponding vehicle; and estimating the length of the vehicle based on the distance value of each scattering point to the vehicle detected for a plurality of frames for each vehicle.

또한, 상기 클러터를 제거하는 단계는, 상기 FMCW 레이다가 고정형 레이다인 경우, 상기 레이다 신호에 대한 거리빈 별 크기를 나타낸 거리 프로파일에 이동 평균 필터링 기법(running average filtering)을 적용하여 상기 클러터에 해당한 신호 성분을 억제하는 것을 통해 상기 클러터를 제거할 수 있다.In addition, the step of removing the clutter can remove the clutter by suppressing the signal component corresponding to the clutter by applying a running average filtering technique to a distance profile showing the size of each distance bin for the radar signal when the FMCW radar is a fixed radar.

또한, 상기 클러터를 제거하는 단계는, 상기 FMCW 레이다가 이동형 레이다인 경우, 상기 레이다 신호에 대한 거리-도플러 맵에서 아래 수학식으로 추정되는 상기 클러터가 속한 도플러 밴드()의 범위에 해당한 신호 성분을 소거하는 것을 통해 상기 클러터를 제거할 수 있다.In addition, the step of removing the clutter is, if the FMCW radar is a mobile radar, the Doppler band to which the clutter belongs, estimated by the mathematical formula below, from the range-Doppler map for the radar signal: ) can be used to remove the clutter by canceling out the signal components within the range.

여기서, 는 상기 FMCW 레이다의 이동 속도, 는 상기 FMCW 레이다의 시야각(빔폭), λ는 사용된 레이다 신호의 파장을 나타낸다.Here, is the moving speed of the FMCW radar, is the field of view (beamwidth) of the FMCW radar, and λ represents the wavelength of the radar signal used.

또한, 상기 각 차량의 신호를 필터링하는 단계는, 상기 클러터가 제거된 신호에 Capon 알고리즘을 적용하여 획득한 거리-각도 맵을 이용하여 상기 각 차량이 존재하는 각도 범위를 탐지하고, 상기 탐지된 각도 범위에 대해 Capon 빔포밍을 적용하여 상기 각 차량의 신호를 공간적으로 필터링할 수 있다.In addition, the step of filtering the signal of each vehicle may detect the angular range in which each vehicle exists by using a distance-angle map obtained by applying the Capon algorithm to the signal from which the clutter has been removed, and spatially filter the signal of each vehicle by applying Capon beamforming to the detected angular range.

또한, 상기 각 차량의 신호를 필터링하는 단계는, 상기 거리-각도 맵에서 문턱치T) 이상의 신호 크기로 탐지되는 복수의 관심 각도 영역을 각 차량이 존재하는 각도 범위로 탐지하며, 상기 문턱치는 아래 수학식에 의해 결정될 수 있다. In addition, the step of filtering the signal of each vehicle detects multiple angular areas of interest detected with a signal size greater than a threshold T) in the distance-angle map as an angular range in which each vehicle exists, and the threshold can be determined by the following mathematical formula.

여기서, θ는 방위각, ρ는 오경보율, f(θ)는 각도 스펙트럼을 나타낸다. Here, θ represents the azimuth, ρ represents the false alarm rate, and f(θ) represents the angular spectrum.

또한, 상기 차량 별로 각 산란점의 거리 값을 탐지하는 단계는, 상기 고해상도 산란점 탐지 기법인 MUSIC(Multiple Signal Classification) 기법을 사용하여 거리-각도 맵 상에서 해당 차량에 대한 각 산란점의 거리 값을 탐지할 수 있다.In addition, the step of detecting the distance value of each scattering point for each vehicle can detect the distance value of each scattering point for the corresponding vehicle on a distance-angle map using the MUSIC (Multiple Signal Classification) technique, which is the high-resolution scattering point detection technique.

또한, 상기 차량 별로 상기 차량의 길이를 추정하는 단계는, 복수의 프레임 동안에 탐지한 상기 차량에 대한 각 산란점의 위치를 X-Y 맵 상에 중첩한 결과로부터 상기 차량의 이동 방향에 대응하는 추세선을 라쏘 회귀 기법으로 추정하는 단계와, 상기 복수의 프레임 마다 해당 프레임에 획득된 상기 X-Y 맵상의 산란점을 상기 추세선에 투영하여 투영 데이터를 획득하는 단계와, 각 프레임의 투영 데이터를 섀넌 엔트로피(Shannon-entropy) 기법을 이용하여 정렬한 후에 서로 합산하여 상기 차량에 대한 최종 투영 데이터를 획득하는 단계, 및 상기 최종 투영 데이터 내의 산란점들 중 가장 작은 거리빈의 산란점과 가장 큰 거리빈의 산란점 간의 거리 차이를 이용하여 차량의 길이를 추정하는 단계를 더 포함할 수 있다.In addition, the step of estimating the length of the vehicle for each vehicle may further include a step of estimating a trend line corresponding to a moving direction of the vehicle from a result of overlapping the positions of each scattering point for the vehicle detected for a plurality of frames on an X-Y map by using a Lasso regression technique, a step of projecting the scattering points on the X-Y map acquired for each of the plurality of frames onto the trend line to obtain projection data, a step of aligning the projection data of each frame by using a Shannon-entropy technique and then adding them together to obtain final projection data for the vehicle, and a step of estimating the length of the vehicle by using a distance difference between a scattering point of a smallest distance bin and a scattering point of a largest distance bin among the scattering points in the final projection data.

그리고, 본 발명은 FMCW 레이다를 이용하여 레이다에서 송출 후 반사되어 수신된 레이다 신호를 프레임 별로 획득하는 신호 획득부와, 상기 레이다 신호로부터 클러터를 제거하는 클러터 처리부와, 상기 클러터가 제거된 신호에 공간 필터(spatial filter)를 적용하여 각 차량의 신호가 존재하는 각도 범위를 탐지하여 각 차량의 신호를 공간적으로 필터링하는 공간 필터부와, 각각의 차량 별로 상기 필터링된 차량의 신호에 대해 고해상도 산란점 탐지 기법을 적용하여 해당 차량에 대한 각 산란점의 거리 값을 탐지하는 산란점 탐지부, 및 각각의 차량 별로 복수의 프레임 동안에 탐지한 상기 차량에 대한 각 산란점의 거리 값을 기초로 상기 차량의 길이를 추정하는 추정부를 포함하는 차량 길이 추정 시스템을 제공한다.And, the present invention provides a vehicle length estimation system including a signal acquisition unit that acquires a radar signal transmitted from a radar, reflected, and received for each frame using an FMCW radar, a clutter processing unit that removes clutter from the radar signal, a spatial filter unit that detects an angular range in which the signal of each vehicle exists by applying a spatial filter to the signal from which the clutter has been removed, and spatially filters the signal of each vehicle, a scattering point detection unit that detects a distance value of each scattering point to the filtered vehicle signal for each vehicle by applying a high-resolution scattering point detection technique, and an estimation unit that estimates the length of the vehicle based on the distance value of each scattering point to the vehicle detected for a plurality of frames for each vehicle.

본 발명에 따르면, FMCW 레이다의 수신 신호를 효율적으로 처리 및 분석하여 도로를 이동하는 각 차량의 길이를 정확하게 추정할 수 있다. According to the present invention, the length of each vehicle moving on a road can be accurately estimated by efficiently processing and analyzing the received signal of an FMCW radar.

또한, 본 발명은 다수의 차량이 서로의 간섭원으로 작용하는 도로 환경에서 공간 필터링 및 고해상도 산란점 탐지를 수행함으로써 보다 정밀한 길이 추정이 가능하다.In addition, the present invention enables more precise length estimation by performing spatial filtering and high-resolution scattering point detection in a road environment where multiple vehicles act as sources of interference to each other.

도 1은 본 발명의 실시예에 따른 FMCW 레이다 기반의 차량 길이 추정 모델을 기하학적으로 나타낸 도면이다.
도 2는 본 발명의 실시예에 따른 레이다 기반의 차량 길이 추정 시스템의 구성을 나타낸 도면이다.
도 3은 도 2를 이용한 차량 길이 추정 방법을 설명하는 도면이다.
도 4는 본 발명의 실시예에서 클러터 제거 이전과 이후의 FMCW 신호를 예시적으로 나타낸 도면이다.
도 5는 이동형 레이다에 대한 클러터 제거 원리를 설명하기 위한 도면이다.
도 6은 본 발명의 실시예에서 클러터를 제거한 레이다 신호를 거리-각도 맵에 도시한 결과를 나타낸 도면이다.
도 7은 도 6으로부터 각 차량이 존재하는 각도 범위를 탐지한 결과를 나타낸 도면이다.
도 8은 본 발명의 실시예에서 공간 필터에 의해 분리된 차량 B의 신호를 예시적으로 나타낸 도면이다.
도 9는 도 8의 공간 필터링된 신호에 대해 고해상도 산란점 탐지를 수행한 결과를 예시적으로 나타낸 도면이다.
도 10은 본 발명의 실시예에 따라 여러 프레임에서 얻은 산란점 데이터를 X-Y 맵 상에 누적한 결과로부터 차량의 이동 방향을 추정한 결과를 예시적으로 설명한 도면이다.
도 11은 탐지된 차량의 산란점들을 차량의 이동 방향으로 투영시키는 모습을 기하학적으로 도시한 도면이다.
도 12는 본 발명의 실시예에서 차량 B의 신호에 대해 구한 각 프레임 별 투영 데이터를 정렬하는 모습을 도시한 도면이다.
도 13은 도 12에서 정렬된 각 프레임의 데이터를 모두 결합한 데이터를 나타낸 도면이다. FIG. 1 is a diagram geometrically illustrating a vehicle length estimation model based on FMCW radar according to an embodiment of the present invention.
FIG. 2 is a diagram showing the configuration of a radar-based vehicle length estimation system according to an embodiment of the present invention.
Figure 3 is a drawing explaining a vehicle length estimation method using Figure 2.
FIG. 4 is a diagram exemplarily showing an FMCW signal before and after clutter removal in an embodiment of the present invention.
Figure 5 is a drawing for explaining the clutter removal principle for a mobile radar.
FIG. 6 is a diagram showing the result of plotting a radar signal with clutter removed on a range-angle map in an embodiment of the present invention.
Figure 7 is a diagram showing the results of detecting the angular range in which each vehicle exists from Figure 6.
FIG. 8 is a diagram exemplarily showing a signal of vehicle B separated by a spatial filter in an embodiment of the present invention.
Figure 9 is a diagram exemplarily showing the results of performing high-resolution scatter point detection on the spatially filtered signal of Figure 8.
FIG. 10 is a drawing exemplarily explaining the result of estimating the moving direction of a vehicle from the result of accumulating scattering point data obtained from multiple frames on an XY map according to an embodiment of the present invention.
Figure 11 is a geometric drawing showing the scattering points of a detected vehicle projected onto the direction of movement of the vehicle.
FIG. 12 is a diagram illustrating alignment of projection data for each frame obtained for a signal of vehicle B in an embodiment of the present invention.
Figure 13 is a diagram showing data that combines all of the data of each frame sorted in Figure 12.

그러면 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다. Hereinafter, with reference to the attached drawings, embodiments of the present invention will be described in detail so that those with ordinary skill in the art can easily implement the present invention. However, the present invention may be implemented in various different forms and is not limited to the embodiments described herein. In addition, in order to clearly describe the present invention in the drawings, parts that are not related to the description are omitted, and similar parts are assigned similar drawing reference numerals throughout the specification.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. Throughout the specification, when a part is said to be "connected" to another part, this includes not only the case where it is "directly connected" but also the case where it is "electrically connected" with another element in between. Also, when a part is said to "include" a component, this does not mean that it excludes other components, but rather that it may include other components, unless otherwise stated.

본 발명은 레이다 기반의 차량 길이 추정 시스템 및 그 방법에 관한 것으로, 공간 필터를 활용하여 공간상에서 차량 신호들을 필터링하여 각 차량의 신호대잡음비를 증가시킨 후, 고해상도 기법을 활용하여 산란점 거리 탐지를 수행함으로써 차량의 길이를 정확하게 추정할 수 있는 기법을 제안한다. The present invention relates to a radar-based vehicle length estimation system and method thereof, and proposes a technique capable of accurately estimating the length of a vehicle by filtering vehicle signals in space using a spatial filter to increase the signal-to-noise ratio of each vehicle, and then performing scattering point distance detection using a high-resolution technique.

도 1은 본 발명의 실시예에 따른 FMCW 레이다 기반의 차량 길이 추정 모델을 기하학적으로 나타낸 도면이다. FIG. 1 is a diagram geometrically illustrating a vehicle length estimation model based on FMCW radar according to an embodiment of the present invention.

도 1에 나타낸 것과 같이, FMCW 레이다 기반의 차량 길이 추정 모델은 레이다 장치(FMCW Radar)와 적어도 하나의 표적(Vehicle)을 포함한다. As shown in Fig. 1, the FMCW radar-based vehicle length estimation model includes a radar device (FMCW Radar) and at least one target (Vehicle).

레이다 장치(FMCW Radar)는 도로 상에 설치될 수도 있고 도로 위의 차량에 설치될 수도 있다. 레이다 장치는 탐지된 각 차량의 길이를 측정하기 위하여 레이다 신호를 송수신한다. 레이다 장치는 송신 안테나를 통해 전방을 향해 레이다 송신 신호를 송출하고, 표적으로부터 반사되어 되돌아오는 레이다 수신 신호를 수신 안테나를 통해 수신한다.The radar device (FMCW Radar) can be installed on the road or on a vehicle on the road. The radar device transmits and receives radar signals to measure the length of each detected vehicle. The radar device transmits a radar transmission signal forward through a transmitting antenna, and receives a radar reception signal reflected from a target through a receiving antenna.

본 발명의 실시예에 따른 차량 길이 추정 시스템은 이러한 레이다 장치의 레이다 수신 신호를 분석하여 도로에서 이동하는 각 차량의 길이(L1, L2)를 추정할 수 있다. A vehicle length estimation system according to an embodiment of the present invention can estimate the length (L1, L2) of each vehicle moving on a road by analyzing a radar reception signal of such a radar device.

이렇게 추정된 차량의 길이는 지능형 교통 시스템(Intelligent Transportation System; ITS)에서 도로 교통 네트워크 감시 및 관리에 활용될 수 있다. 예를 들어, 차량의 추정 길이로부터 도로를 이동하는 차량을 소형, 중형, 대형으로 분류하여 차로 별로 교통 흐름을 추정하고 이를 기반으로 교통 신호를 지능적으로 제어함으로써 교통 정체를 감소시키고 교통 흐름을 원활히 할 수 있다.The estimated length of the vehicle can be used for road traffic network monitoring and management in the Intelligent Transportation System (ITS). For example, by classifying the vehicles moving on the road into small, medium, and large based on the estimated length of the vehicle, traffic flow can be estimated for each lane, and traffic signals can be intelligently controlled based on this to reduce traffic congestion and smooth traffic flow.

따라서 차량 길이 추정 시스템은 지능형 교통 시스템과 유선 네트워크, 무선 네트워크 혹은 유무선 결합된 네트워크 연결되어, 현재 감시 중인 도로의 식별 코드 혹은 위치 값과 해당 도로를 이동한 각 차량의 길이 추정 값 및 이동 차로 정보를 매칭하여 실시간으로 전송할 수 있다. Therefore, the vehicle length estimation system is connected to an intelligent transportation system and a wired network, a wireless network, or a combined wired and wireless network, and can match the identification code or location value of the road currently being monitored with the length estimation value of each vehicle moving on the road and the moving lane information and transmit them in real time.

뿐만 아니라, 차량 길이 추정 시스템을 임의 차량에 설치한 상태에서 그로부터 전방 또는 후방에 위치한 상대 차량들을 탐지하여 각 차량을 소형, 중형, 대형 등으로 분류하고 분류 결과 등을 네트워크 연결된 지능형 교통 시스템으로 실시간 제공할 수도 있다. In addition, by installing a vehicle length estimation system on an arbitrary vehicle, the vehicle length can be estimating the vehicles ahead or behind it, classifying each vehicle as small, medium, or large, and providing the classification results in real time to a network-connected intelligent transportation system.

차량 길이 추정 시스템은 레이다 장치를 포함하여 구성되거나 레이다 장치와 연결되어 동작할 수 있다. 또한 차량 길이 추정 시스템은 도로 상의 설정 위치(예: 지주 등)에 고정 설치될 수도 있고, 도로 위를 주행하는 임의 차량에 직접 설치될 수도 있다. The vehicle length estimation system may be configured to include a radar device or may be operated in connection with the radar device. In addition, the vehicle length estimation system may be fixedly installed at a set location on the road (e.g., a pole, etc.) or may be installed directly on any vehicle driving on the road.

또한 레아다 장치는 도 1과 같이 이동하는 차량보다 전방에 설치되어 운용될 수도 있지만 본 발명이 반드시 이에 한정되지 않으며 이동하는 차량보다 후방에 설치되어 운용될 수도 있다. In addition, the Leada device may be installed and operated in front of a moving vehicle as shown in Fig. 1, but the present invention is not necessarily limited thereto, and may be installed and operated in rear of a moving vehicle.

도 2는 본 발명의 실시예에 따른 레이다 기반의 차량 길이 추정 시스템의 구성을 나타낸 도면이고, 도 3은 도 2를 이용한 차량 길이 추정 방법을 설명하는 도면이다.FIG. 2 is a diagram showing the configuration of a radar-based vehicle length estimation system according to an embodiment of the present invention, and FIG. 3 is a diagram explaining a vehicle length estimation method using FIG. 2.

도 2 및 도 3을 참조하면, 본 발명의 실시예에 따른 차량 길이 추정 시스템(100)는 신호 획득부(110), 클러터 처리부(120), 공간 필터부(130), 산란점 탐지부(140) 및 추정부(150)를 포함한다. 여기서 각 부(110~150)의 동작 및 각 부 간의 데이터 흐름은 제어부(미도시)에 의해 제어될 수 있다.Referring to FIGS. 2 and 3, a vehicle length estimation system (100) according to an embodiment of the present invention includes a signal acquisition unit (110), a clutter processing unit (120), a spatial filter unit (130), a scattering point detection unit (140), and an estimation unit (150). Here, the operation of each unit (110 to 150) and the data flow between each unit can be controlled by a control unit (not shown).

차량 길이 추정 시스템(100)은 레이다 장치(미도시)를 포함하여 구성되거나 레이다 장치(미도시)와 연결되어 동작할 수 있다. 또한 차량 길이 추정 시스템(100)은 레이다 장치(미도시)의 동작을 제어할 수 있다. The vehicle length estimation system (100) may be configured to include a radar device (not shown) or may be connected to and operate with a radar device (not shown). In addition, the vehicle length estimation system (100) may control the operation of the radar device (not shown).

먼저, 신호 획득부(110)는 FMCW 레이다를 이용하여 레이다에서 송출 후 반사되어 수신된 레이다 신호를 프레임 별로 획득한다(S310).First, the signal acquisition unit (110) acquires a radar signal that is transmitted from the radar, reflected, and received frame by frame using the FMCW radar (S310).

여기서 신호 획득부(110)는 레이다 장치에 포함된 신호 수신부에 해당할 수도 있지만, 레이다 장치의 신호 수신부와 연결되어 레이다 수신 신호를 전달받을 수도 있다. 신호 획득부(110)는 매 프레임 마다 획득되는 레이다 신호를 클러터 처리부(120)로 실시간 전달할 수 있다.Here, the signal acquisition unit (110) may correspond to a signal receiving unit included in a radar device, but may also be connected to the signal receiving unit of the radar device to receive radar reception signals. The signal acquisition unit (110) can transmit radar signals acquired for each frame to the clutter processing unit (120) in real time.

클러터 처리부(120)는 신호 획득부(110)로부터 전달되는 레이다 신호로부터 클러터(Clutter)를 제거한다(S320).The clutter processing unit (120) removes clutter from the radar signal transmitted from the signal acquisition unit (110) (S320).

레이다 신호에 포함된 클러터 성분은 고정된 물체(예: 도로, 도로 주변의 빌딩, 나무, 시설물 등)로부터 반사된 신호 성분에 해당할 수 있다. 본 실시예에서 관심 표적은 도 1에서와 같이 도로를 이동하는 차량이므로, 고정된 물체에 따른 클러터 성분(clutter signal)은 레이다 신호에서 제거 또는 억압되는 것이 바람직하다.The clutter component included in the radar signal may correspond to a signal component reflected from a fixed object (e.g., a road, a building around the road, a tree, a facility, etc.). In this embodiment, since the target of interest is a vehicle moving on the road as shown in Fig. 1, it is desirable that the clutter component (clutter signal) due to the fixed object be removed or suppressed from the radar signal.

도 4는 본 발명의 실시예에서 클러터 제거 이전과 이후의 FMCW 신호를 예시적으로 나타낸 도면이다. 도 4의 (a)와 (b)는 클러터 제거 전과 후의 레이다 신호를 나타낸다.FIG. 4 is a diagram exemplarily showing an FMCW signal before and after clutter removal in an embodiment of the present invention. FIG. 4 (a) and (b) show radar signals before and after clutter removal.

먼저, 도 4의 (a)를 보면, FMCW 레이다의 설치 위치(m=0)와 매우 인접한 거리 상에서 발생하는 직접 누설(Direct leakage) 성분의 경우, 레이다의 송신 안테나에서 수신 안테나로 다이렉트로 누설되는 전력으로, 클러터(Clutter) 및 표적(vehicles) 신호와는 무관한 것을 알 수 있다. 이러한 직접 누설 성분은 기 설정 거리 구간에서 발생하므로 쉽게 제거가 가능하다.First, looking at (a) of Fig. 4, it can be seen that the direct leakage component that occurs at a very close distance to the installation location (m=0) of the FMCW radar is the power that directly leaks from the radar's transmitting antenna to the receiving antenna, and is unrelated to clutter and target (vehicle) signals. Since this direct leakage component occurs at a preset distance, it can be easily removed.

도 4의 (b)는 (a)에서 직접 누설과 클러터 성분을 제거한 결과를 나타낸다. 이때, 레이다 신호에서 클러터(Clutter) 성분은 억압되고 두 차량 A,B에 대한 표적(vehicles) 신호가 상대적으로 높게 조정된 것을 알 수 있다.Figure 4 (b) shows the result of directly removing the leakage and clutter components from (a). At this time, it can be seen that the clutter component in the radar signal is suppressed and the target (vehicles) signals for the two vehicles A and B are adjusted relatively high.

본 발명의 실시예는 레이다 장치 즉, FMCW 레이다의 정지 혹은 이동 상황에 적합한 클러터 제거 기술을 적용하고 상대적으로 차량 신호를 높여서 길이 추정의 성능을 향상시킨다.An embodiment of the present invention applies a clutter removal technique suitable for a stationary or moving situation of a radar device, i.e., an FMCW radar, and relatively increases a vehicle signal to improve the performance of length estimation.

FMCW 레이다가 고정형인 경우 도로 상에 위치가 고정된 상태로 레이다 신호를 획득하며, 이동형인 경우에는 위치가 이동하면서 레이다 신호를 획득할 수 있다.If the FMCW radar is fixed, it acquires radar signals while its location is fixed on the road, and if it is mobile, it can acquire radar signals while its location moves.

이동형 레이다는 교통 상황을 모니터링 하기 위한 목적으로 임의의 차량에 직접 설치될 수도 있고, 지주 위에서 도로 방향에 대해 이동하는 형태로 설치될 수도 있다. 예를 들어 이동형 레이다는 지주 상의 레일 등을 따라 차량이 이동하는 방향과 동일 방향으로 설정 속도로 이동하면서 레이다 신호를 시간에 따라 수집할 수 있다. 이동형 레이다는 가동 가능한 거리만큼 이동 후에는 원래의 초기 위치로 복귀하여 다시 레이다 신호를 얻도록 동작할 수 있다. 이때 이동형 레이다의 이동 속도는 일반적인 차량 이동 속도보다는 느릴 수 있다.Mobile radar can be installed directly on any vehicle for the purpose of monitoring traffic conditions, or can be installed in a form that moves in the direction of the road on a support. For example, the mobile radar can collect radar signals over time while moving along a rail on the support, etc. in the same direction as the vehicle is moving at a set speed. After moving a movable distance, the mobile radar can return to the original initial position and operate to obtain radar signals again. At this time, the moving speed of the mobile radar can be slower than the general vehicle moving speed.

이하의 본 발명의 실시예에서 이동형 레이다는 임의 차량에 설치된 레이다를 예시한다. 임의 차량 역시 측정 대상이 되는 차량과 동일 방향으로 이동하는 것을 가정한다. 여기서 임의 차량은 일반 개인 차량 뿐만 아니라 특수 목적 차량(도로 교통 정보 수집용)에 해당할 수도 있다. In the following embodiments of the present invention, the mobile radar is exemplified by a radar installed on an arbitrary vehicle. It is assumed that the arbitrary vehicle also moves in the same direction as the vehicle being measured. Here, the arbitrary vehicle may correspond not only to a general private vehicle but also to a special purpose vehicle (for collecting road traffic information).

앞서 도 4는 도 1과 같은 도로 환경에서 특징 시점 혹은 특정 프레임에서 얻은 레이다 신호에 대한 거리 프로파일을 나타낸다. 거리 프로파일은 레이더 신호의 표현 방법으로 각 거리빈(range-bin) 별 레이다 신호의 크기 정보를 표현한 것이다. 도로 내 상황은 실시간 가변하므로 이러한 거리 프로파일 역시 시간에 따라 변하게 된다. As mentioned above, Fig. 4 shows a distance profile for a radar signal obtained at a characteristic point in time or a specific frame in a road environment such as Fig. 1. The distance profile is a method of expressing radar signals, and expresses the size information of the radar signal for each range bin. Since the road conditions change in real time, this distance profile also changes over time.

도 1에서 두 대의 차량 A, B는 도로 상의 서로 다른 지점에 위치하고 있으며, 각 차량은 FMCW 레이다로부터 서로 다른 거리와 각도 지점에 존재한다. 다만, 각도를 제외한 단순한 거리 측면에서만 보면, 차량 A의 차체 후방 부분이 차량 B의 차체 전방 부분과 겹치는 위치에 있으며 두 차량(A,B)은 일부 구간에서 서로 중첩되어 존재한다. In Fig. 1, two vehicles A and B are located at different points on the road, and each vehicle exists at different distances and angles from the FMCW radar. However, when viewed only in terms of simple distance excluding angle, the rear part of the body of vehicle A overlaps the front part of the body of vehicle B, and the two vehicles (A, B) overlap each other in some sections.

또한 도 4를 보면, FMCW 레이다에서 송출 후 반사되어 돌아온 레이다 신호에는 클러터 성분과 타겟 신호가 혼합되어 있다. 이중에는 앞서 설명한 레이다의 누설 신호도 존재한다. Also, as shown in Figure 4, the radar signal that is transmitted from the FMCW radar and then reflected back contains a mixture of clutter components and target signals. Among these, there is also the radar leakage signal described above.

거리 프로파일 상에서 가장 가까운 거리에는 누설 신호가 존재한다. 그리고 이후에는 레이다 장치로부터 거리 순으로 클러터 신호, 차량 A와 B에 의한 중첩된 차량 신호, 그리고 클러터 신호가 존재한다. 이와 같이 클러터 신호는 레이다 신호로부터 제거될 필요가 있다.At the closest distance on the distance profile, there is a leakage signal. Then, in order of distance from the radar device, there is a clutter signal, a superimposed vehicle signal by vehicles A and B, and a clutter signal. Thus, the clutter signal needs to be removed from the radar signal.

본 발명의 실시예에서 클러터 처리부(120)는 레이다의 정지 및 이동 상황에 대응하는 클러터 제거 기법을 적용한다. In an embodiment of the present invention, the clutter processing unit (120) applies a clutter removal technique corresponding to the stationary and moving situations of the radar.

고정형 레이다의 경우 수신된 레이다 신호에 이동 평균 필터(running average filtering)를 적용하고, 이동형 레이다의 경우 수신된 레이다 신호에 MTI(Moving Target Indicator) 필터를 적용하여 클러터 성분을 제거한다. 이하에서는 이에 대하여 보다 구체적으로 설명한다.In the case of fixed radar, a running average filter is applied to the received radar signal, and in the case of mobile radar, a Moving Target Indicator (MTI) filter is applied to the received radar signal to remove the clutter component. This will be explained in more detail below.

우선, 고정형 레이다인 경우, 클러터 처리부(120)는 수신된 레이다 신호에 대한 거리빈 별 크기를 나타낸 거리 프로파일(range profile, RP)에 이동 평균 필터링 기법(running average filtering)을 적용하여 클러터에 해당한 신호 성분을 억제하는 방법으로 클러터를 제거한다.First, in the case of a fixed radar, the clutter processing unit (120) removes clutter by applying a running average filtering technique to a range profile (RP) that represents the size of each distance bin for the received radar signal, thereby suppressing signal components corresponding to clutter.

고정형 레이다를 사용할 경우 클러터와 레이다 사이의 거리는 변화하지 않는다. 이러한 점에 따라, 레이다 신호에 이동 평균 필터를 적용하게 되면 클러터 성분이 제거될 수 있다.When using a fixed radar, the distance between the clutter and the radar does not change. Based on this, applying a moving average filter to the radar signal can remove the clutter component.

도 4의 (b)는 도 4의 (a)와 같은 레이다 신호의 거리 프로파일에 이동 평균 필터를 적용하여 클러터가 제거된 모습을 나타낼 수 있다. 이동 평균 필터 적용에 따라, 레이다 신호에서 클러터 신호 세기가 억압되면서 상대적으로 차량 신호의 세기가 높아질 수 잇다. Fig. 4 (b) can show an image in which clutter is removed by applying a moving average filter to the distance profile of the radar signal, such as Fig. 4 (a). By applying the moving average filter, the intensity of the clutter signal in the radar signal can be suppressed, and the intensity of the vehicle signal can be relatively increased.

도 5는 이동형 레이다에 대한 클러터 제거 원리를 설명하기 위한 도면이다.Figure 5 is a drawing for explaining the clutter removal principle for a mobile radar.

이동형 레이다인 경우, 클러터 처리부(120)는 수신된 레이다 신호에 대한 거리-도플러 맵에서 클러터가 속한 도플러 밴드()의 범위에 해당한 신호 성분을 소거하는 방법으로 클러터 성분을 제거한다. In the case of a mobile radar, the clutter processing unit (120) determines the Doppler band to which the clutter belongs in the range-Doppler map for the received radar signal. ) to remove clutter components by canceling out signal components that fall within the range of .

클러터가 속한 도플러 밴드(f_bw)의 범위는 아래 수학식 1에 의해 추정될 수 있다.The range of the Doppler band (f _bw ) to which the clutter belongs can be estimated by the mathematical expression 1 below.

여기서, 는 FMCW 레이다의 이동 속도, 는 FMCW 레이다의 시야각(빔폭), λ는 사용된 레이다 신호의 파장을 나타낸다. 및 λ는 레이다 사양으로부터 확인 가능하다. Here, is the moving speed of the FMCW radar, is the field of view (beamwidth) of the FMCW radar, and λ represents the wavelength of the radar signal used. and λ can be determined from the radar specifications.

본 발명의 실시예의 경우 FMCW 레이다는 임의 차량에 설치된 것을 예시하므로, FMCW 레이다의 이동 속도는 차량의 이동 속도를 의미할 수 있다.In the embodiment of the present invention, since the FMCW radar is installed on an arbitrary vehicle, the moving speed of the FMCW radar may mean the moving speed of the vehicle.

도 5의 좌측 그림은 이동형 레이다로부터 얻은 레이다 신호에 대한 거리-도플러 맵을 나타내고, 우측 그림은 좌측 그림으로부터 클러터가 속한 도플러 밴드()의 신호를 제거한 결과를 나타낸다. The left figure in Figure 5 shows a range-Doppler map for a radar signal obtained from a moving radar, and the right figure shows the Doppler band (from the left figure) to which the clutter belongs. ) shows the result of removing the signal.

우선, 좌측 그림을 보면, 거리-도플러 맵 내에 차량 신호(vehicles), 클러터 신호(Clutter)가 위치하고 있는 도플러 신호 구간을 각각 점선 박스로 도시하고 있다. 여기서 물론, 표시하지 않았으나 거리-도플러 맵에서 도플러가 0 Hz에 해당한 구간에서 탐지된 도플러 신호는 직접 누설 신호에 해당하며 이는 기 알고 있는 정보에 해당하므로 쉽게 제거 가능하다.First, if you look at the left figure, the Doppler signal sections where the vehicles and clutter signals are located in the range-Doppler map are indicated by dotted boxes, respectively. Of course, although not indicated, the Doppler signal detected in the section where the Doppler corresponds to 0 Hz in the range-Doppler map corresponds to a direct leakage signal, which corresponds to known information and can be easily removed.

클러터 신호의 경우 도플러 맵 상의 마이너스(-) 값의 밴드 구간에서 탐지되는데, 레이다로부터 점점 가까워지는 물체는 도플러가 양수 값이고 멀어지는 물체는 도플러가 음수 값을 갖는다. 여기서, 클러터의 위치는 고정되어 있고 이동 레이다는 클러터로부터 점점 멀어지게 되므로 클러터 신호의 도플러는 (-) 값을 갖게 된다. In the case of clutter signals, they are detected in the band section of minus (-) values on the Doppler map, with objects getting closer to the radar having positive Doppler values and objects getting further away having negative Doppler values. Here, the position of the clutter is fixed and the moving radar is getting further away from the clutter, so the Doppler of the clutter signal has a (-) value.

또한, 클러터가 속한 주파수 밴드 범위(구간)은 수학식 1의 원리에 따라 계산되며 이러한 클러터의 도플러 밴드 구간과 직접 누설 신호의 도플러 밴드 구간을 함께 제거하면 우측 그림과 같은 결과가 얻어진다. 이후에는 이와 같이 클러터가 제거된 레이다 신호를 분석하여 도로를 이동 중인 각 차량의 길이를 추정하면 된다. In addition, the frequency band range (section) to which the clutter belongs is calculated according to the principle of mathematical expression 1, and if the Doppler band section of the clutter and the Doppler band section of the direct leakage signal are removed together, a result similar to the figure on the right is obtained. After that, by analyzing the radar signal from which the clutter has been removed in this way, the length of each vehicle moving on the road can be estimated.

본 발명의 실시예에서 클러터 제거 이후의 과정은 이동형 및 고정형 레이다 여부와 무관하게 동일한 방법으로 수행된다. 이하에서는 설명의 편의상 고정형 레이다를 사용한 것을 대표 예시로 한다. In the embodiment of the present invention, the process after removing clutter is performed in the same manner regardless of whether the radar is mobile or fixed. For convenience of explanation, a representative example is given below using a fixed radar.

클러터가 제거된 이후에, 공간 필터부(130)는 클러터가 제거된 신호에 공간 필터(spatial filter)를 적용하여 각 차량의 신호가 존재하는 각도 범위를 탐지하여 각 차량의 신호를 공간적으로 필터링한다(S330).After the clutter is removed, the spatial filter unit (130) applies a spatial filter to the signal from which the clutter has been removed to detect the angular range in which the signal of each vehicle exists and spatially filters the signal of each vehicle (S330).

우선, 공간 필터부(130)는 클러터가 제거된 신호에 Capon 알고리즘(공간 필터)을 적용하여 획득한 거리-각도 맵을 이용하여 각 차량이 존재하는 각도 범위를 탐지한다. 그리고, 탐지된 각도 범위에 대해 Capon 빔포밍을 적용하여 신호대잡음비(Signal to Noise Rate, SNR)을 높임에 따라 각 차량의 신호를 공간적으로 필터링한다. First, the spatial filter unit (130) detects the angular range in which each vehicle exists by using a distance-angle map obtained by applying the Capon algorithm (spatial filter) to the signal from which clutter has been removed. Then, the signal of each vehicle is spatially filtered by applying Capon beamforming to the detected angular range to increase the signal to noise ratio (SNR).

도 6은 본 발명의 실시예에서 클러터를 제거한 레이다 신호를 거리-각도 맵에 도시한 결과를 나타낸 도면이다. FIG. 6 is a diagram showing the result of plotting a radar signal with clutter removed on a range-angle map in an embodiment of the present invention.

클러터가 제거된 레이다 신호에 대한 거리 프로파일에 대해 Capon 알고리즘을 적용하면 도 6과 같은 거리-각도 맵(Range-Angle Map)이 획득될 수 있다. Capon 알고리즘은 기 공지된 기법에 해당하므로 상세한 설명은 생략한다.When the Capon algorithm is applied to the distance profile of a radar signal from which clutter has been removed, a range-angle map as in Fig. 6 can be obtained. Since the Capon algorithm corresponds to a previously known technique, a detailed description is omitted.

여기서, 레이다 신호에 대한 거리-각도 맵은 도 6과 같이 Range-Angle Heatmap을 의미한다. 히트맵은 해당 2차원 맵 내의 각 지점의 직사각 타일을 컬러로 시각화한 것이다. 이때 컬러는 신호 강도를 나타내는데, 붉은색에 가까울수록 높은 신호 강도를, 파란색에 가까울수록 낮은 신호 강도를 나타낸다. Here, the range-angle map for the radar signal means the Range-Angle Heatmap as shown in Fig. 6. The heatmap visualizes the rectangular tiles of each point within the two-dimensional map in color. The color represents the signal intensity, with the color closer to red indicating a higher signal intensity and the color closer to blue indicating a lower signal intensity.

움직이는 차량은 서로 간섭이 심하여 신호대잡음비(SNR)가 크게 저하되는데, 본 발명의 실시예에 따르면, 각 차량의 신호가 거리-각도 맵에서 공간 필터(Capon 알고리즘) 적용을 통하여 분리될 수 있고 각 차량 신호의 SNR이 향상될 수 있다. Moving vehicles interfere with each other significantly, which significantly reduces the signal-to-noise ratio (SNR). However, according to an embodiment of the present invention, the signal of each vehicle can be separated by applying a spatial filter (Capon algorithm) to a distance-angle map, and the SNR of each vehicle signal can be improved.

여기서, Capon 빔포머를 갖는 공간 필터 즉, Capon 알고리즘는 AROI(Angular-region-of-interest) 검출을 기반으로 설계되어 특정 AROI에 대해 신호를 필터링하고 빔포밍할 수 있다. Here, a spatial filter with a Capon beamformer, i.e., the Capon algorithm, is designed based on AROI (angular-region-of-interest) detection, which can filter and beamform signals for a specific AROI.

도 7은 도 6의 거리-각도 맵에서 각 차량이 존재하는 각도 범위(관심 각도 영역)를 탐지한 결과를 나타낸 도면이다. Figure 7 is a diagram showing the results of detecting the angle range (angle area of interest) in which each vehicle exists in the distance-angle map of Figure 6.

이러한 도 7은 도 6의 거리-각도 맵을 이용하여 획득한 각도 프로파일에 해당하며, 가로축은 레이다로부터의 방위각(Azimuth angle), 세로축은 신호 크기(정규화된 신호 크기)를 의미한다. 도 7로부터 전체 각도 범위(-90도 ~ 90도)에서 해당 각도에서 탐지된 신호 크기를 확인할 수 있다.This Fig. 7 corresponds to an angular profile obtained using the range-angle map of Fig. 6, where the horizontal axis represents the azimuth angle from the radar and the vertical axis represents the signal size (normalized signal size). From Fig. 7, the signal size detected at the corresponding angle can be confirmed in the entire angular range (-90 degrees to 90 degrees).

본 발명의 실시예에서, 공간 필터부(130)는 거리-각도 맵으로부터 문턱치(T) 이상의 신호 크기로 탐지되는 복수의 관심 각도 영역(AROI)을 각 차량이 존재하는 각도 범위로 탐지할 수 있다. In an embodiment of the present invention, the spatial filter unit (130) can detect a plurality of angular regions of interest (AROIs) detected with a signal size greater than a threshold (T) from a distance-angle map as an angular range in which each vehicle exists.

구체적으로는, 거리-각도 맵에 의해 획득한 도 7의 각도 프로파일(각도 스펙트럼 데이터)에서 문턱치(T) 이상의 신호 크기에 해당한 각도 구간들을 관심 각도 영역(AROI)으로 탐지할 수 있다. 도 7의 경우 차량 A에 대한 AROI(θ_A,min~ θ_A,max; 제1 각도 구간)와 차량 B에 대한 AROI(θ_B,min~ θ_B,max; 제2 각도 구간)가 각각 탐지된 것을 확인할 수 있다. Specifically, in the angular profile (angular spectrum data) of Fig. 7 obtained by the distance-angle map, angular sections corresponding to a signal size greater than or equal to a threshold (T) can be detected as an angular region of interest (AROI). In the case of Fig. 7, it can be confirmed that the AROI for vehicle A (θ _A,min ~ θ _A,max ; first angular section) and the AROI for vehicle B (θ _B,min ~ θ _B,max ; second angular section) are each detected.

본 발명의 실시예에서 각도 프로파일로부터 AROI를 탐지하기 위한 문턱치(T)는 아래 수학식 2에 의해 결정될 수 있다.In an embodiment of the present invention, a threshold (T) for detecting AROI from an angular profile can be determined by the following mathematical expression 2.

여기서, θ는 방위각, ρ는 오경보율, f(θ)는 각도 스펙트럼(spectrum)을 나타낸다. ρ는 사전 설정될 수 있으며 임의의 값을 가질 수 있다.Here, θ represents the azimuth, ρ represents the false alarm rate, and f(θ) represents the angular spectrum. ρ can be preset and can have any value.

수학식 2에 따르면, AROI 탐지를 위한 문턱치 값은 수학식 7에 나타낸 각도 스펙트럼 데이터를 이용하여 결정되는데, 구체적으로는 오경보율인 ρ 값을 분모에 해당한 값(도 7에 보여지는 각도 스펙트럼에서 -90도 내지 90도 범위 내의 신호를 모두 적분한 값)을 나눔에 따라 결정된다. According to mathematical expression 2, the threshold value for AROI detection is determined using the angular spectrum data shown in mathematical expression 7. Specifically, it is determined by dividing the false alarm rate ρ value by the value corresponding to the denominator (the value obtained by integrating all signals within the range of -90 degrees to 90 degrees in the angular spectrum shown in Fig. 7).

수학식 2에 따르면 현재 관측된 각도 스펙트럼에 따라 문턱치가 조정될 수 있음을 알 수 있다. According to mathematical expression 2, it can be seen that the threshold can be adjusted according to the currently observed angular spectrum.

이렇게 검출된 두 개의 AROI로 인하여 이미 두 차량의 신호는 공간적으로 분리된 것으로 볼 수 있으나, 각 차량의 정확한 길이 추정을 위해서는 각 차량 별로 차량 신호에 대한 신호대잡음비를 높일 필요가 있다. Due to the two AROIs detected in this way, the signals of the two vehicles can already be seen as spatially separated, but in order to accurately estimate the length of each vehicle, the signal-to-noise ratio of the vehicle signals needs to be increased for each vehicle.

따라서, 공간 필터부(130)는 이와 같이 탐지된 차량의 각도 범위에 대해 Capon 빔포머(Capon beamformer)를 통하여 빔포밍을 적용하여 관심 각도 영역(AROI)의 신호가 왜곡되지 않도록 하고 신호대잡음비(SNR)을 높인다. 이때 공간적으로 분리된 각 차량의 각도 범위 별로 빔포밍을 적용함으로써 각 차량 별로 차량 신호의 신호대잡음비를 높인다.Accordingly, the spatial filter unit (130) applies beamforming through the Capon beamformer to the angular range of the detected vehicle in this manner to prevent the signal of the angular region of interest (AROI) from being distorted and to increase the signal-to-noise ratio (SNR). At this time, beamforming is applied to each angular range of each spatially separated vehicle, thereby increasing the signal-to-noise ratio of the vehicle signal for each vehicle.

도 8은 본 발명의 실시예에서 공간 필터에 의해 분리된 차량 B의 신호를 예시적으로 나타낸 도면이다. FIG. 8 is a diagram exemplarily showing a signal of vehicle B separated by a spatial filter in an embodiment of the present invention.

도 8에서 는 k번째 프레임에서의 공간 필터 적용 전의 신호에 대한 레인지 프로파일로, 차량 A와 차량 B의 신호가 겹쳐 존재하여 서로 구분이 되지 않는 것을 알 수 있다. 는 k번째 프레임에서의 공간 필터 적용 후의 신호로, 공간 필터에 의해 분리 및 빔포밍된 차량 B의 신호를 대표로 나타낸 것이다. 차량 B의 신호는 Capon 빔포밍에 의해 신호가 강화된 것을 알 수 있다 In Fig. 8 is a range profile for the signal before applying the spatial filter in the kth frame, and it can be seen that the signals of vehicle A and vehicle B overlap and cannot be distinguished from each other. is the signal after applying the spatial filter in the kth frame, and represents the signal of vehicle B separated and beamformed by the spatial filter. It can be seen that the signal of vehicle B is strengthened by Capon beamforming.

즉, 도 8과 같이 Capon 공간 필터를 통한 신호 처리에 따라, 차량 B로부터의 레이다 수신 신호는 상당히 강화된 반면에 차량 A로부터의 수신 신호는 상당히 억제된 것을 알 수 있다. 이와 같은 공간 필터링 원리와 효과는 차량 A의 신호를 분리할 때도 동일하게 적용된다. That is, as shown in Fig. 8, it can be seen that the radar reception signal from vehicle B is significantly strengthened while the reception signal from vehicle A is significantly suppressed through signal processing using the Capon spatial filter. This spatial filtering principle and effect are equally applied when separating the signal from vehicle A.

결과적으로, 검출된 각각의 AROI를 기반으로 클러터가 감소된 신호에 대해 공간 필터를 적용하여 각 차량에 대한 수신 신호를 효과적으로 분리할 수 있다. As a result, the received signal for each vehicle can be effectively separated by applying a spatial filter to the clutter-reduced signal based on each detected AROI.

각각의 AROI를 기반으로 공간적으로 필터링된 데이터 Q(k)는 간단히 수학식 3과 같이 표현될 수 있다. The spatially filtered data Q(k) based on each AROI can be simply expressed as in mathematical expression 3.

여기서, 공간 필터를 통하여 공간적으로 분리된 데이터는 총 N개이다. q_n은 분리된 n번째의 신호를 나타낸다. 즉, n은 공간 필터에 의해 필터링(분리)된 데이터의 인덱스로서, 도 7의 예시에서는 차량 두 대에 대응한 두 개의 분리된 데이터가 존재하므로 n={1,2}이 된다. 물론 레이다의 가시영역 내에 차량이 한대만 존재한 경우에는 한 개의 AROI만 분리될 수도 있다. Here, the total number of data spatially separated through the spatial filter is N. q _n represents the nth signal separated. That is, n is the index of the data filtered (separated) by the spatial filter. In the example of Fig. 7, since there are two separated data corresponding to two vehicles, n = {1,2}. Of course, if there is only one vehicle within the radar's visible range, only one AROI may be separated.

다음으로, 산란점 탐지부(140)는 각각의 차량 별로, 공간 필터에 의해 필터링된 해당 차량의 신호에 대해 고해상도 산란점 탐지 기법을 적용하여 해당 차량에 대한 각 산란점의 거리 값을 탐지한다(S340).Next, the scattering point detection unit (140) detects the distance value of each scattering point for each vehicle by applying a high-resolution scattering point detection technique to the signal of each vehicle filtered by the spatial filter (S340).

여기서, 산란점 탐지부(140)는 고해상도 산란점 탐지 기법인 MUSIC(Multiple Signal Classification) 기법을 사용하여 거리-각도 맵 상에서 해당 차량에 대한 각 산란점의 거리 값을 탐지할 수 있다. 레이다 신호로부터 고해상도로 산란점 탐지를 수행하는 MUSIC 기법은 기 공지된 기법에 해당하므로 상세한 설명은 생략한다.Here, the scattering point detection unit (140) can detect the distance value of each scattering point for the corresponding vehicle on the distance-angle map using the MUSIC (Multiple Signal Classification) technique, which is a high-resolution scattering point detection technique. The MUSIC technique, which performs high-resolution scattering point detection from radar signals, corresponds to a previously known technique, so a detailed description is omitted.

도 9는 도 8의 공간 필터링된 신호에 대해 고해상도 산란점 탐지를 수행한 결과를 예시적으로 나타낸 도면이다.Figure 9 is a diagram exemplarily showing the results of performing high-resolution scatter point detection on the spatially filtered signal of Figure 8.

도 9에서 는 도 8의 공간 필터링된 신호이고 는 에 대해 고해상도 산란점 탐지 기법인 MUSIC 기법을 적용하여 고해상도로 산란점들(동그라미)을 각각 탐지한 결과를 나타낸다. 여기서 동그라미 표시 지점의 가로 및 세로축 값은 MUSIC 기법에 의해 고해상도로 탐지된 산란점의 거리 및 크기(강도)를 나타낸다. In Fig. 9 is the spatially filtered signal of Fig. 8. Is The results of detecting high-resolution scattering points (circles) by applying the MUSIC technique, a high-resolution scattering point detection technique, are shown. Here, the horizontal and vertical axes of the circled points represent the distance and size (intensity) of the scattering points detected at high resolution by the MUSIC technique.

여기서, 표적이 위치한 거리(range) 지점에는 0 이상의 크기로 산란점이 탐지되고, 잡음에 해당하는 거리에는 거의 0에 가까운 크기로 탐지된다. 이때, 차량 길이 추정에는 신호 크기가 임계 이상인 유의미한 산란점만이 필요하므로, 도 9에서 탐지된 전체 산란점들 중에서도 임계값 이상의 산란점들만 차량 길이 추정에 활용될 수 있다. Here, scattering points are detected with a size greater than 0 at the distance (range) where the target is located, and are detected with a size close to 0 at the distance corresponding to noise. At this time, since only significant scattering points with a signal size greater than the threshold are required for vehicle length estimation, only scattering points greater than the threshold among all the scattering points detected in Fig. 9 can be used for vehicle length estimation.

이때, 유의미한 산란점을 선택하는데 사용되는 임계값은 과거 실험이나 경험에 의해 미리 결정될 수 있으며, 임계값을 이용하여 불필요한 산란점을 소거함으로써 데이터 연산 속도를 줄이고 정확도도 높일 수 있다.At this time, the threshold value used to select meaningful scatter points can be determined in advance through past experiments or experience, and by using the threshold value to eliminate unnecessary scatter points, the data calculation speed can be reduced and accuracy can be increased.

이와 같이, 산란점 탐지부(140)는 MUSIC 기법에 의해 탐지된 산란점들 중에서 임계값 이상의 산란점들을 선택하고 선택한 산란점들의 위치 값을 추정부(150)로 제공할 수 있다. 여기서 위치 값은 거리(산란점이 위치한 거리빈)와 각도 값을 포함할 수 있다. In this way, the scattering point detection unit (140) can select scattering points above a threshold value from among the scattering points detected by the MUSIC technique and provide the location values of the selected scattering points to the estimation unit (150). Here, the location values can include distance (distance bin where the scattering point is located) and angle values.

다음으로, 추정부(150)는 각각의 차량 별로 복수의 프레임 동안에 탐지한 차량에 대한 각 산란점의 거리 값을 기초로 차량의 길이를 추정한다(S350).Next, the estimation unit (150) estimates the length of the vehicle based on the distance values of each scattering point for each vehicle detected during multiple frames for each vehicle (S350).

추정부(150)는 여러 프레임 동안 위와 같은 방법으로 탐지한 각 차량에 대한 산란점들을 이용하여, 차량 별로 차량의 이동 방향(진행 방향)을 추정한 다음, 이동 방향에 해당한 벡터 라인 상에 산란점을 투영하여, 투영한 거리 값을 기반으로 RLOS(Radar-line-of-sight)에 의한 영향을 소거하고 차량의 길이를 보다 정확하게 추정할 수 있다. The estimation unit (150) estimates the direction of movement (direction of progress) of each vehicle by using the scattering points for each vehicle detected in the above manner for several frames, and then projects the scattering points onto a vector line corresponding to the direction of movement, and based on the projected distance value, eliminates the influence of RLOS (Radar-line-of-sight) and can estimate the length of the vehicle more accurately.

이를 위해, 추정부(150)는 추세선 추정 단계(S1), 투영 단계(S2), 정렬 단계(S3), 차량 길이 추정 단계(S4)를 차례로 수행할 수 있다. To this end, the estimation unit (150) can sequentially perform a trend line estimation step (S1), a projection step (S2), an alignment step (S3), and a vehicle length estimation step (S4).

먼저, 추정부(150)는 복수의 프레임 동안에 탐지한 차량에 대한 각 산란점의 위치를 X-Y 맵 상에 중첩한 결과로부터, 차량의 이동 방향에 대응하는 추세선을 라쏘(Lasso; least absolute shrinkage and selection operator) 회귀 기법으로 추정할 수 있다(S1).First, the estimation unit (150) can estimate a trend line corresponding to the moving direction of the vehicle from the result of superimposing the location of each scattering point for the vehicle detected during multiple frames on the X-Y map using the Lasso (least absolute shrinkage and selection operator) regression technique (S1).

여기서 X-Y 맵은 레이다 신호에 대한 거리-각도 맵으로부터 변환 가능하다. 즉, 거리 각도 맵 상에 위치한 각 산란점의 좌표는 x=Rcosθ 및 y=Rsinθ 수식 원리에 따라 X-Y 맵 상의 좌표로 매핑될 수 있고 이를 통하여 레이다의 위치를 원점으로 하는 X-Y 맵이 얻어질 수 있다. Here, the X-Y map can be converted from a range-angle map for the radar signal. That is, the coordinates of each scattering point located on the range-angle map can be mapped to coordinates on the X-Y map according to the principle of the formulas x=Rcosθ and y=Rsinθ, and through this, an X-Y map with the location of the radar as the origin can be obtained.

이와 같이, 레이다 신호로부터 의미 있는 신호로 탐색된 각 산란점에 대한 거리 및 각도 정보를 이용하면 X-Y 좌표계 상에 각 산란점 신호를 도시할 수 있다.In this way, by using the distance and angle information for each scatter point detected as a meaningful signal from the radar signal, each scatter point signal can be plotted on the X-Y coordinate system.

도 10은 본 발명의 실시예에 따라 여러 프레임에서 얻은 산란점 데이터를 X-Y 맵 상에 누적한 결과로부터 차량의 이동 방향을 추정한 결과를 예시적으로 설명한 도면이다. FIG. 10 is a drawing exemplarily explaining the result of estimating the moving direction of a vehicle from the result of accumulating scattering point data obtained from multiple frames on an X-Y map according to an embodiment of the present invention.

도 10의 데이터는 시간 흐름에 따라 누적된 차량 B에 대한 산란점 데이터를 나타내고 직선은 차량 B의 산란점들로부터 추정된 추세선을 나타낸다. 이러한 추세선은 곧 X-Y 평면에서의 차량의 진행 방향(이동 벡터)에 해당한다. 이는 차량의 진행 방향에 따라 산란점이 이동하는 것을 고려한 것이다.The data in Fig. 10 represent the scattering point data for vehicle B accumulated over time, and the straight line represents a trend line estimated from the scattering points of vehicle B. This trend line corresponds to the vehicle's direction of travel (motion vector) in the X-Y plane. This takes into account that the scattering points move along the vehicle's direction of travel.

고정형 레이다를 사용한 경우에, 추세선에 약간의 기울기가 있다는 것은 차량이 도로를 이동할 때 도로 방향에 대해 평행하게 이동하지 않고 약간 비스듬하게 이동하거나 차선을 변경한 경우에 해당할 수 있다. When using fixed radar, a slight slope in the trend line may indicate that the vehicle is not traveling parallel to the road but rather slightly obliquely, or has changed lanes.

다음, 추정부(150)는 복수의 프레임(예: 연속한 6개의 프레임) 마다 해당 프레임에 획득된 X-Y 맵상의 산란점을 추세선에 투영(projection)하여 투영 데이터를 획득한다(S2). Next, the estimation unit (150) projects the scatter points on the X-Y map acquired for each frame (e.g., six consecutive frames) onto a trend line to acquire projection data (S2).

여기서, 추세선에 산란점을 투영하는 S2 과정의 경우, 일반적인 투영 방식과 같이, X-Y 평면 상에 존재한 차량 B에 대한 산란점들을 차량 B의 해당 추세선 상에 수직 방향으로 투영하게 된다. 그러면 추세선 위에 각 산란점들이 투영된 형태의 데이터가 도출된다. Here, in the case of the S2 process of projecting scatter points onto the trend line, as in the general projection method, the scatter points for vehicle B existing on the X-Y plane are vertically projected onto the corresponding trend line of vehicle B. Then, data in the form of each scatter point projected onto the trend line is derived.

본 발명의 실시예는 상술한 방법으로 차량의 진행 방향에 투영된 산란점 데이터를 획득할 수 있다. An embodiment of the present invention can obtain scattering point data projected in the direction of travel of a vehicle using the above-described method.

또한, 이와 같이 차량의 진행 방향에 대해 산란점을 투영하게 되면 RLOS 효과로 인한 거리 추정 오류를 크게 줄일 수 있음은 물론, 도로를 비스듬한 각도로 주행하는 차량에 대한 보다 정확한 차량 길이 추정을 가능하게 한다. In addition, projecting the scattering points in the direction of vehicle travel in this way can significantly reduce distance estimation errors due to the RLOS effect, and enables more accurate vehicle length estimation for vehicles driving on the road at an oblique angle.

도 11은 본 발명의 실시예에서 탐지된 차량의 산란점들을 차량의 이동 방향으로 투영시키는 모습을 기하학적으로 도시한 도면이다.FIG. 11 is a drawing geometrically illustrating the projection of scattering points of a vehicle detected in an embodiment of the present invention onto the direction of movement of the vehicle.

도 11의 경우 시간 흐름에 따라 차량이 레이다 장치와 가까워지는 방향으로 이동하고 있으며, 이 경우 차량의 이동 방향은 오른쪽에서 왼쪽 사선 방향을 향한다. 라쏘 회귀 기법으로 추정된 차량의 이동 방향 벡터는 로 표현될 수 있다.In the case of Fig. 11, the vehicle moves in a direction that gets closer to the radar device over time, and in this case, the direction of movement of the vehicle is diagonally from right to left. The direction vector of the vehicle estimated by the Lasso regression technique is can be expressed as

레이다에 의해 탐지되는 거리(range) 값은 RLOS 방향으로 얻어지므로 레이다로부터 차량 앞단 까지의 거리 및 레이다로부터 차량 뒷단 까지의 거리는 알 수 있지만, 이들 간의 거리 차이 값은 실제 차량의 길이와는 상이한 개념이기 때문에, 본 발명의 실시예는 차량의 길이를 정확하게 추정하기 위하여 이동 방향 축(추세선) 상에 산란점을 투영하는 과정을 수행한다. 추세선에 투영된 거리 값은 로 표현될 수 있다.The range value detected by the radar is obtained in the RLOS direction, so the distance from the radar to the front of the vehicle and the distance from the radar to the rear of the vehicle can be known, but the distance difference value between them is a different concept from the actual length of the vehicle, so the embodiment of the present invention performs a process of projecting scattering points onto the moving direction axis (trend line) in order to accurately estimate the length of the vehicle. The distance value projected onto the trend line is can be expressed as

이동 방향 축 상에 각 산란점을 투영할 경우, 이동 방향 축 상에서 얻어지는 각 산란점의 좌표 값(거리 값)은 RLOS의 효과가 상쇄된 거리 값에 해당한다. When each scattering point is projected onto the moving direction axis, the coordinate value (distance value) of each scattering point obtained on the moving direction axis corresponds to the distance value where the effect of RLOS is canceled out.

이 경우, 이동 방향 축에 투영된 산란점들 중 가장 작은 거리 값(예: 차량 앞단에 해당한 산란점의 투영 위치)과 가장 큰 거리 값(차량 뒷단에 해당한 산란점의 투영 위치)을 선택하고 이들 간의 거리 차를 구하면 실제 차량 길이가 얻어질 수 있다. In this case, the actual vehicle length can be obtained by selecting the smallest distance value (e.g., the projected position of the scattering point corresponding to the front end of the vehicle) and the largest distance value (e.g., the projected position of the scattering point corresponding to the rear end of the vehicle) among the scattering points projected on the moving direction axis and calculating the distance difference between them.

여기서, 본 발명의 실시예에서는 각 프레임 별로 얻은 투영 데이터를 서로 정렬하는 과정을 거치게 된다. Here, in the embodiment of the present invention, a process of aligning projection data obtained for each frame is performed.

즉 S2 단계 이후, 추정부(150)는 각 프레임 별로 획득한 투영 데이터를 섀넌 엔트로피(Shannon-entropy) 기법을 이용하여 정렬한 후에 서로 합산하여 차량에 대한 최종 투영 데이터를 획득한다(S3). That is, after step S2, the estimation unit (150) sorts the projection data acquired for each frame using the Shannon entropy technique and then adds them together to acquire the final projection data for the vehicle (S3).

추정부(150)는 각 프레임의 투영 데이터를 섀넌 엔트로피 기법을 이용하여 좌우로 쉬프트하여 정렬한 후에 상호 결합하여 해당 차량에 대한 최종 투영 데이터를 획득한다. 섀넌 엔트로피(또는 정보 엔트로피)는 데이터에 포함된 정보의 분산된 정도를 나타내며 이를 이용하여 데이터를 정렬할 수 있다. 구체적으로 여러 프레임의 데이터를 합산하였을 때 분산의 값이 가장 작아지는 정렬값을 찾고, 상기 정렬값으로 각 데이터를 좌우로 쉬프트할 수 있다. 이러한 섀넌 엔트로피 기반의 정렬 기법은 기 공지된 기법에 해당하므로 상세한 설명은 생략한다. The estimation unit (150) shifts the projection data of each frame left and right using the Shannon entropy technique, aligns them, and then combines them to obtain the final projection data for the corresponding vehicle. Shannon entropy (or information entropy) indicates the degree of dispersion of information included in the data, and can be used to align the data. Specifically, when the data of multiple frames are added, the alignment value that has the smallest dispersion value is found, and each data can be shifted left and right by the alignment value. Since this alignment technique based on Shannon entropy corresponds to a previously known technique, a detailed description is omitted.

도 12는 본 발명의 실시예에서 차량 B의 신호에 대해 구한 각 프레임 별 투영 데이터를 정렬하는 모습을 도시한 도면이다. 좌측은 정렬 전의 각 프레임의 데이터이고 우측은 정렬 후의 각 프레임의 데이터를 나타낸다. 도 12와 같이 각 프레임의 데이터는 Shannon-entropy 기반 정렬 기술에 의해 좌우로 조금씩 정렬될 수 있으며, 이후 정렬된 각 프레임의 데이터는 후술하는 도 13과 같이 하나로 결합될 수 있다. FIG. 12 is a diagram illustrating a process of aligning projection data for each frame obtained for a signal of vehicle B in an embodiment of the present invention. The left side shows data for each frame before alignment, and the right side shows data for each frame after alignment. As shown in FIG. 12, data for each frame can be aligned slightly left and right by a Shannon-entropy-based alignment technique, and then data for each aligned frame can be combined into one as shown in FIG. 13 described below.

마지막으로, 추정부(150)는 최종 투영 데이터 내의 산란점들 중 가장 작은 거리빈의 산란점과 가장 큰 거리빈의 산란점 간의 거리 차이를 이용하여 차량의 길이를 추정한다(S4). Finally, the estimation unit (150) estimates the length of the vehicle by using the distance difference between the scatter point of the smallest distance bin and the scatter point of the largest distance bin among the scatter points in the final projection data (S4).

도 13은 도 12의 우측에 정렬된 각 프레임의 데이터를 모두 결합한 데이터를 나타낸 도면이다. 이러한 도 13은 도 12에 도시된 6개 프레임의 투영 데이터를 정렬하여 모두 합산한 결과를 0 과 1 사이의 값으로 정규화한 것을 나타낸다.Figure 13 is a diagram showing data that combines all of the data of each frame aligned on the right side of Figure 12. Figure 13 shows the result of aligning the projection data of the six frames shown in Figure 12 and adding them all together, normalized to a value between 0 and 1.

도 13의 결과는 차량 B에 대응하여 여러 프레임의 신호로부터 획득된 최종 투영 데이터로, 추정부(150)는 최종 투영 데이터 내의 산란점들 중 가장 작은 거리빈의 산란점과 가장 큰 거리빈의 산란점 간의 거리 차이를 이용하여 차량의 길이(L_p)를 추정한다. The result of Fig. 13 is the final projection data obtained from signals of multiple frames corresponding to vehicle B, and the estimation unit (150) estimates the length (L _p ) of the vehicle by using the distance difference between the scattering point of the smallest distance bin and the scattering point of the largest distance bin among the scattering points in the final projection data.

도 13은 최종 투영 데이터 내 존재한 신호의 거리빈 값 중에서 최소 및 최대 거리 빈 간의 차이가 약 4.8m이므로, 차량 B는 4.8m 길이로 추정될 수 있다.Fig. 13 shows that the difference between the minimum and maximum distance bins among the distance bin values of the signal present in the final projection data is approximately 4.8 m, so vehicle B can be estimated to be 4.8 m long.

여기서 차량 B는 현대자동차 소나타 세단이며 그 실제 길이는 4.85m이므로, 본 발명의 기법은 도로 상을 이동하는 차량에 대한 길이 추정의 정확도가 높은 것을 알 수 있다. Here, vehicle B is a Hyundai Sonata sedan and its actual length is 4.85 m. Therefore, it can be seen that the technique of the present invention has a high accuracy in length estimation for vehicles moving on the road.

이상과 같은 본 발명의 실시예에 따른 이동 차량 길이 추정 기법은, 정지 및 이동 레이다에 따른 클러터 제거 단계, 공간 상에서 각 차량을 필터링하는 단계, 고해상도 기법으로 산란점을 탐지하는 단계, 차량의 이동 방향을 추정하는 단계, 그리고 최종 길이 추정 단계를 포함하여 구성된다.The moving vehicle length estimation technique according to the embodiment of the present invention as described above is configured to include a clutter removal step according to stationary and moving radar, a step of filtering each vehicle in space, a step of detecting scattering points using a high-resolution technique, a step of estimating the moving direction of the vehicle, and a final length estimation step.

여기서, 공간 필터링 단계는 Capon 필터를 설계한다. 필터링이 적용된 신호에 대한 고해상도 산란점 탐지는 MUSIC(Mutiple-Signal Classification)을 적용하며 길이 추정 단계에서는 섀넌-엔트로피 기반 거리 정렬(Range alignment based on Shannon-entropy)를 통하여 이동하는 산란점 정렬을 수행한다. Here, the spatial filtering step designs a Capon filter. High-resolution scatter point detection for the filtered signal applies MUSIC (Mutiple-Signal Classification), and in the length estimation step, moving scatter point alignment is performed through range alignment based on Shannon-entropy.

먼저, 정지 레이다의 경우 수신된 신호에서 이동 평균 필터를, 이동 레이다의 경우 수신된 신호에서 MTI 필터를 이용하여 클러터 제거를 수행한다.First, clutter removal is performed using a moving average filter on the received signal for stationary radar, and an MTI filter on the received signal for moving radar.

아울러, 클러터가 제거된 신호에 대해 Capon 알고리즘으로 획득한 거리-각도 맵을 이용하여 각 차량이 존재하는 각도 범위를 탐지한다. 탐지된 각도 범위에 대해 Capon 빔포밍을 적용하여 각 차량 신호만을 필터링한다.In addition, the range of angles where each vehicle exists is detected using the range-angle map obtained by the Capon algorithm for the signal from which clutter has been removed. Capon beamforming is applied to the detected range of angles to filter only each vehicle signal.

다음으로, 필터링된 특정 차량 신호에 대해 고해상도 산란점 탐지 기법인 MUSIC 기법을 적용하여 레이다로부터 각 산란점까지의 거리를 예측한다.Next, the MUSIC technique, a high-resolution scattering point detection technique, is applied to the filtered specific vehicle signal to predict the distance from the radar to each scattering point.

이때, 각 산란점까지의 거리는 레이다 가시선 방향에 투영된 거리에 해당하며, 실제 산란점들의 거리차를 나타내지는 않는다. 따라서, 이러한 점을 해결하기 위하여, 차량의 이동 방향(차량 진행 방향)을 추정하여 앞서 탐지된 산란점의 거리를 추정한 방향으로 투영한다.At this time, the distance to each scattering point corresponds to the distance projected in the direction of the radar line of sight, and does not represent the actual distance difference between the scattering points. Therefore, to solve this problem, the direction of movement of the vehicle (the direction of vehicle progress) is estimated, and the distance of the previously detected scattering point is projected in the estimated direction.

마지막으로, 차량 진행 방향으로 투영된 다수의 거리 측면도를 섀넌-엔트로피 기반의 기법으로 정렬한 후, 최대 거리와 최소 거리의 차를 이용해 최종적인 차량 길이를 추정할 수 있다. Finally, after aligning multiple distance profiles projected in the vehicle's direction of travel using a Shannon-entropy-based technique, the final vehicle length can be estimated using the difference between the maximum and minimum distances.

본 발명에 따르면, FMCW 레이다의 수신 신호를 효율적으로 처리 및 분석하여 도로에서 이동하는 각 차량의 길이를 정확하게 추정할 수 있다. According to the present invention, the length of each vehicle moving on a road can be accurately estimated by efficiently processing and analyzing the received signal of an FMCW radar.

이상과 같은 본 발명에 따르면, 레이다 신호로부터 각 차량의 이동 방향을 추론하여 RLOS 효과로 인한 거리 추정 오류를 크게 줄일 수 있고 여러 개의 프레임 데이터를 결합하여 길이 추정치의 정확도를 높일 수 있다.According to the present invention as described above, the moving direction of each vehicle can be inferred from the radar signal, thereby significantly reducing the distance estimation error caused by the RLOS effect, and the accuracy of the length estimation can be increased by combining multiple frame data.

이러한 본 발명은 다수의 차량이 서로의 간섭원으로 작용하는 도로 환경에서 공간 필터링 및 고해상도 산란점 탐지를 수행함으로써 보다 정밀한 길이 추정이 가능하다.The present invention enables more precise length estimation by performing spatial filtering and high-resolution scattering point detection in a road environment where multiple vehicles act as sources of interference to each other.

본 발명은 도면에 도시된 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.Although the present invention has been described with reference to the embodiments shown in the drawings, these are merely exemplary, and those skilled in the art will understand that various modifications and equivalent other embodiments are possible therefrom. Accordingly, the true technical protection scope of the present invention should be determined by the technical idea of the appended claims.

100: 차량 길이 추정 시스템 110: 신호 획득부
120: 클러터 처리부 130: 공간 필터부
140: 산란점 탐지부 150: 추정부100: Vehicle length estimation system 110: Signal acquisition unit
120: Clutter processing unit 130: Spatial filter unit
140: Scatter point detection part 150: Estimation part

Claims

In a vehicle length estimation method performed by a vehicle length estimation system,
A step of acquiring a radar signal frame by frame that is transmitted from a radar, reflected, and received using an FMCW radar;
A step of removing clutter from the above radar signal;
A step of applying a spatial filter to the signal from which the clutter has been removed to detect the angular range in which the signal of each vehicle exists and spatially filter the signal of each vehicle;
A step of detecting the distance value of each scattering point to each vehicle by applying a high-resolution scattering point detection technique to the signal of the filtered vehicle for each vehicle; and
A vehicle length estimation method comprising the step of estimating the length of the vehicle based on distance values of each scattering point to the vehicle detected during a plurality of frames for each vehicle.

In claim 1,
The steps to remove the above clutter are:
A vehicle length estimation method for removing clutter by suppressing signal components corresponding to the clutter by applying a running average filtering technique to a distance profile showing the size of each distance bin for the radar signal when the above FMCW radar is a fixed radar.

In claim 1,
The steps to remove the above clutter are:
If the above FMCW radar is a mobile radar, the Doppler band to which the clutter belongs is estimated by the mathematical formula below in the range-Doppler map for the radar signal. ) A vehicle length estimation method for removing the clutter by eliminating signal components corresponding to the range of the vehicle length.

(Here, is the moving speed of the FMCW radar, is the field of view (beamwidth) of the FMCW radar, and λ represents the wavelength of the radar signal used.)

In claim 1,
The step of filtering the signal of each vehicle above is:
A vehicle length estimation method comprising: detecting an angular range in which each vehicle exists by using a distance-angle map obtained by applying the Capon algorithm to the signal from which the clutter has been removed; and spatially filtering the signal of each vehicle by applying Capon beamforming to the detected angular range.

In claim 4,
The step of filtering the signal of each vehicle above is:
In the above distance-angle map, multiple angular areas of interest are detected with a signal size greater than a threshold (T) as the angular range in which each vehicle exists.
The above threshold is a vehicle length estimation method determined by the mathematical formula below.

(Here, θ represents the azimuth, ρ represents the false alarm rate, and f(θ) represents the angular spectrum.)

In claim 1,
The step of detecting the distance value of each scattering point for each vehicle is as follows:
A vehicle length estimation method that detects the distance value of each scattering point to the corresponding vehicle on a distance-angle map using the MUSIC (Multiple Signal Classification) technique, which is the above-mentioned high-resolution scattering point detection technique.

In claim 1,
The step of estimating the length of each vehicle is as follows:
A step of estimating a trend line corresponding to the moving direction of the vehicle from the result of superimposing the positions of each scattering point for the vehicle detected during multiple frames on an XY map using the Lasso regression technique;
A step of obtaining projection data by projecting the scatter points on the XY map obtained for each of the plurality of frames onto the trend line;
A step of aligning the projection data of each frame using the Shannon-entropy technique and then adding them together to obtain the final projection data for the vehicle; and
A vehicle length estimation method further comprising a step of estimating the length of the vehicle by using the distance difference between the scatter point of the smallest distance bin and the scatter point of the largest distance bin among the scatter points within the final projection data.

A signal acquisition unit that acquires, frame by frame, radar signals transmitted from the radar and reflected and received using an FMCW radar;
A clutter processing unit for removing clutter from the above radar signal;
A spatial filter unit that applies a spatial filter to the signal from which the clutter has been removed to detect the angular range in which the signal of each vehicle exists and spatially filters the signal of each vehicle;
A scattering point detection unit that detects the distance value of each scattering point to each vehicle by applying a high-resolution scattering point detection technique to the signal of the filtered vehicle for each vehicle; and
A vehicle length estimation system including an estimation unit that estimates the length of a vehicle based on distance values of each scattering point to the vehicle detected for a plurality of frames for each vehicle.

In claim 8,
The above clutter processing unit,
A vehicle length estimation system that removes clutter by suppressing signal components corresponding to the clutter by applying a running average filtering technique to a distance profile showing the size of each distance bin for the radar signal when the above FMCW radar is a fixed radar.

In claim 8,
The above clutter processing unit,
If the above FMCW radar is a mobile radar, the Doppler band to which the clutter belongs is estimated by the mathematical formula below in the range-Doppler map for the radar signal. ) A vehicle length estimation system that removes the clutter by canceling signal components corresponding to the range of the vehicle length .

(Here, is the moving speed of the FMCW radar, is the field of view (beamwidth) of the FMCW radar, and λ represents the wavelength of the radar signal used.)

In claim 8,
The above space filter part,
A vehicle length estimation system that detects an angular range in which each vehicle exists by using a distance-angle map obtained by applying the Capon algorithm to the signal from which the clutter has been removed, and spatially filters the signal of each vehicle by applying Capon beamforming to the detected angular range.

In claim 11,
The above space filter part,
In the above distance-angle map, multiple angular areas of interest are detected with a signal size greater than a threshold (T) as the angular range in which each vehicle exists.
A vehicle length estimation system in which the above threshold is determined by the mathematical formula below.

(Here, θ represents the azimuth, ρ represents the false alarm rate, and f(θ) represents the angular spectrum.)

In claim 8,
The above scattering point detection unit,
A vehicle length estimation system that detects the distance value of each scattering point to a corresponding vehicle on a distance-angle map using the MUSIC (Multiple Signal Classification) technique, which is a high-resolution scattering point detection technique.

In claim 8,
The above estimation part is,
The position of each scattering point for the vehicle detected during multiple frames is superimposed on an XY map, and a trend line corresponding to the moving direction of the vehicle is estimated using the Lasso regression technique. The scattering points on the XY map acquired for each of the multiple frames are projected onto the trend line to acquire projection data.
A vehicle length estimation system that obtains final projection data for the vehicle by sorting projection data of each frame using the Shannon entropy technique and then adding them together, and then estimates the length of the vehicle by using the distance difference between the scattering point of the smallest distance bin and the scattering point of the largest distance bin among the scattering points in the final projection data.