BRANCHEPRODUKTETERMINEFIRMENHEFTARCHIVTHEMA: FAHRERASSISTENZ
 

Kalman-Filter-IP-Block für Advanced Driver Assistance Systems

24.03.2016 - EnSilica hat einen Kalman-Filter IP-Block für den Gebrauch in Radarsensoren in "Advanced Driver Assistance"- Systemen (ADAS) vorgestellt. ADAS beinhalten elektronische Stabilitätskontrolle, Kollisionsvermeidung und -verminderung, Toter Winkel-Erkennung, Fahrspurkontrolle und eigenständiges Parken. Der Kalman-Filter IP-Block ist laut Anbieter geschätzt bis zu 10 mal so schnell wie eine reine Softwarelösung.

<ANZEIGE>

Kalman-Filter werden in sensorbasierten ADAS als Teil von Radarnachführern benutzt, um Positions- und Geschwindigkeitsmessungen der Radarsensoren zu glätten. Die Entwicklung des EnSilica Kalman-Filter IP folgt den Richtlinien für die Integration von Geräten gemäß Standard ISO 26262: Funktionale Sicherheit für Straßenfahrzeuge. Es unterstützt sowohl klassische Kalman-Filter als auch erweiterte Kalman-Filter; die letzteren werden eingesetzt, wenn der Zusammenhang zwischen dem Zielzustand des Filters und der Radarmessung nicht linear ist.

 

Die Architektur des EnSilicas Kalman-Filters erlaubt es Matrixoperationen von der CPU auf die Hardware zu übertragen. Es benutzt Entfernungs- Geschwindigkeits- und Richtungsmessungen, um die Position des Ziels im nächsten Zeitintervall vorherzusagen. Es kombiniert die Radarmessung mit einem dynamischen Bewegungsmodell mit forward prediction, um die Positions- und Geschwindigkeitsschätzung zu verbessern, indem false-alarm Messungen verworfen werden. Der Kalman-Filter-IP–Block stellt auch einen generischen Algorithmus zur Verfügung, um Messungen von verschiedenen Sensoren in eine einzige Zielrichtung vereinen zu können.

 

Für ein typisches automotives Radarsystem kann das EnSilicas Kalman-.Filter den nächsten Zustand laut Hersteller in etwa 10µs bestimmen.

 

Das Filter führt 5 Rechenschritte durch: Setzen der Anfangswerte, Vorhersage der Zustands- und Fehler-Kovarianzen, Berechnung des Kalman-Gewinns, Durchführung der Schätzung und Berechnung der Fehler-Kovarianz. Alle Berechnungen werden in Gleitkomma-Arithmetik ausgeführt, um identische Ergebnisse gegenüber einer Softwarelösung zu erreichen. Zum Speichern der Matritzen werden abhängig von deren Größe typischerweise 8Kbit RAM-Blöcke benutzt.



WHITEPAPER

AUTONOMES FAHREN: DEN BLICK NACH VORN AUF DIE STRASSE GERICHTET
>> hier herunterladen

HANSER eMobility
NEWSLETTER ABONNIEREN
OEM Supplier