Применение оценки собственной скорости автомобиля в радаре
Журнал: Физика волновых процессов и радиотехнические системы @journal-pwp
Статья в выпуске: 3 т.29, 2026 года.
Бесплатный доступ
Обоснование. Оценка собственной скорости и направления движения автомобиля является ключевой задачей для систем помощи водителю и автономного вождения. Традиционно для решения данной задачи используются данные глобальных навигационных спутниковых систем и инерциальных датчиков, однако их точность и надежность могут снижаться в условиях городской застройки и при неблагоприятных условиях приема сигналов. Цель. Целью работы является разработка и анализ алгоритма оценки вектора собственной скорости автомобиля на основе измерений частоты Доплера, полученных от отражений стационарных объектов, находящихся в зоне обзора автомобильного радара, без использования дополнительных инерциальных датчиков. Методы. Предложенный подход основан на обработке доплеровских измерений от стационарных отражателей с последующим восстановлением модуля и направления вектора скорости автомобиля. Анализ эффективности алгоритма выполнен с использованием экспериментальных данных, а также сравнением результатов с измерениями GPS и антенной решетки. Результаты. Экспериментальные результаты показали высокую сходимость оценок скорости, полученных предложенным методом, с эталонными измерениями. Показана возможность применения алгоритма для повышения точности работы систем ADAS, включая определение угла установки радара, обнаружение маневров автомобиля (повороты, перестроения), а также оценку высоты объектов. Дополнительно рассмотрен подход к оценке параметров движения окружающих транспортных средств на основе кластеризации радарных данных. Заключение. Полученные результаты подтверждают практическую применимость предложенного алгоритма для задач восприятия и навигации в автомобильных радиолокационных системах. Метод может быть использован для повышения надежности вторичной обработки радарных данных и улучшения качества оценки окружающей обстановки в системах помощи водителю и автономного управления.
Короткий адрес: https://sciup.org/140316787
IDS: 140316787 | УДК: 621.396.6 | DOI: 10.18469/1810-3189.2026.29.3.154-162
Application of automotive self-speed estimation in radar
Background. Estimation of the self-speed and the direction of motion of a vehicle is a key task for driver assistance and autonomous driving systems. Traditionally, this task is solved using data from global navigation satellite systems and inertial sensors, but their accuracy and reliability may degrade in urban environments and under unfavourable signal reception conditions. Aim. The objective of this study is to develop and analyze an algorithm for estimating the vehicle’s velocity vector based on Doppler frequency measurements obtained from reflections off stationary objects within the field of view of the automotive radar, without relying on additional inertial sensors. Methods. The proposed approach is based on processing Doppler measurements from stationary reflectors, followed by reconstruction of the magnitude and direction of the vehicle’s velocity vector. The algorithm’s effectiveness was evaluated using experimental data and by comparing the results with GPS measurements and antenna array data. Results. Experimental results demonstrated a high convergence between the velocity estimates obtained using the proposed method and reference measurements. The study also demonstrated the potential of the algorithm for enhancing the accuracy of Advanced Driver Assistance Systems, including radar mounting angle determination, detection of vehicle maneuvers (turns and lane changes), and object height estimation. Additionally, an approach for estimating the motion parameters of surrounding vehicles based on radar data clustering was considered. Conclusion. The results confirm the practical applicability of the proposed algorithm for perception and navigation tasks in automotive radar systems. The method can be employed to increase the reliability of secondary radar data processing and improve the accuracy of environment assessment in driver assistance and autonomous driving systems.
