DE102011010864A1 - Method for predicting collision between lorry and e.g. pedestrian in dead angular area during driving on highway, involves computing collision probability between vehicle and object by intersecting vehicle and object accessibility amounts - Google Patents

Method for predicting collision between lorry and e.g. pedestrian in dead angular area during driving on highway, involves computing collision probability between vehicle and object by intersecting vehicle and object accessibility amounts Download PDF

Info

Publication number
DE102011010864A1
DE102011010864A1 DE102011010864A DE102011010864A DE102011010864A1 DE 102011010864 A1 DE102011010864 A1 DE 102011010864A1 DE 102011010864 A DE102011010864 A DE 102011010864A DE 102011010864 A DE102011010864 A DE 102011010864A DE 102011010864 A1 DE102011010864 A1 DE 102011010864A1
Authority
DE
Germany
Prior art keywords
motor vehicle
stochastic
collision
sensor
accessibility
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
DE102011010864A
Other languages
German (de)
Other versions
DE102011010864A8 (en
Inventor
Dipl.-Ing. Otto Carola
Wimitzer Jan
Dr. Schwarzhaupt Andreas
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mercedes Benz Group AG
Original Assignee
Daimler AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Daimler AG filed Critical Daimler AG
Priority to DE102011010864A priority Critical patent/DE102011010864A1/en
Publication of DE102011010864A1 publication Critical patent/DE102011010864A1/en
Publication of DE102011010864A8 publication Critical patent/DE102011010864A8/en
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2300/00—Indexing codes relating to the type of vehicle
    • B60W2300/14—Tractor-trailers, i.e. combinations of a towing vehicle and one or more towed vehicles, e.g. caravans; Road trains
    • B60W2300/147—Road trains

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

The method involves detecting movable objects i.e. road users, in an environment (U) of a motor vehicle i.e. lorry (20), by a sensor i.e. camera (2). Stochastic accessibility amounts (M, M') of the respective vehicle and objects are computed by an evaluation unit. A probability of collision between the vehicle and the object is computed by formation of intersection of the accessibility amounts by the evaluation unit. A hazard map is generated by the evaluation unit based on the collision probability, and the hazard map is displayed through a display in the vehicle. The road users are selected from a group consisting of pedestrians (10-14) and cyclists (15, 16). An independent claim is also included for a system for predicting collision between a motor vehicle and an object in an environment of a motor vehicle.

Description

Die Erfindung betrifft ein Verfahren zur Vorhersage von Kollisionen zwischen einem Kraftfahrzeug und zumindest einem (beweglichen) Objekt (Verkehrsteilnehmer) in einem Umfeld des Kraftfahrzeuges, das insbesondere einen Totwinkelbereich des Kraftfahrzeuges umfasst, sowie ein System zur Vorhersage von Kollisionen.The invention relates to a method for predicting collisions between a motor vehicle and at least one (mobile) object (road users) in an environment of the motor vehicle, which comprises in particular a blind spot area of the motor vehicle, and a system for predicting collisions.

Diesbezüglich ist aus der DE 102008046488 A1 ein Verfahren zur Erzeugung eines Auslösesignals für ein Sicherheitssystem eines Kraftfahrzeugs, insbesondere eines Fahrerassistenzsystems, aus Sensorsignalen von mindestens einem Umfeldsensor des Kraftfahrzeugs zur Detektion von Objekten im Umfeld des Kraftfahrzeugs bekannt, bei dem eine zweidimensionale probabilistische Fahrsituation des Kraftfahrzeugs unter Berücksichtigung von mindestens der Egogeschwindigkeit, des Gierwinkels des Egofahrzeugs und der geometrischen Abmessungen des Kraftfahrzeugs sowie deren Varianzen und/oder Kovarianzen berechnet wird, eine probabilistische Situationsanalyse zur Bestimmung eines resultierenden Auslöseparameters aus der probabilistischen Fahrsituation und der Sensorsignale des mindestens Umfeldsensors unter Berücksichtigung der Varianzen des Sensorsignals durchgeführt wird, und ein Auslösesignal zur Auslösung eines Aktuators als Funktion des resultierenden Auslöseparameters erzeugt wird. insbesondere ist hierbei die Situationsanalyse in der Form einer Gefahrenkarte darstellbar.In this regard is from the DE 102008046488 A1 a method for generating a triggering signal for a safety system of a motor vehicle, in particular a driver assistance system, from sensor signals of at least one environment sensor of the motor vehicle for the detection of objects in the environment of the motor vehicle known in which a two-dimensional probabilistic driving situation of the motor vehicle taking into account at least the ego speed, the Yaw angle of the vehicle and the geometric dimensions of the vehicle and their variances and / or covariances is calculated, a probabilistic situation analysis for determining a resulting tripping parameter from the probabilistic driving situation and the sensor signals of the at least environment sensor is performed taking into account the variances of the sensor signal, and a trigger signal for Triggering of an actuator is generated as a function of the resulting tripping parameter. In particular, the situation analysis in the form of a hazard map is represented here.

Weiterhin ist aus der DE 10 2008 038 731 A1 ein Verfahren zur Erkennung ausgedehnter statischer Objekte von einem fahrenden Fahrzeug aus bekannt, wobei eine Frontkamera mit einer Bildverarbeitungseinrichtung zusammenwirkt und Fahrbahnmarkierungen auf der Straße erfasst; mindestens eine seitliche Erfassungsvorrichtung Gegenstände im toten Winkel zum Fahrzeug erfasst; Erfassungsvorrichtungen die minimalen Abstände zu seitlich vorbeifahrenden oder nachfolgenden Fahrzeugen erfassen; und wobei eine Verknüpfungseinheit die Daten der Bildverarbeitungsvorrichtung der Frontkamera mit den Daten der übrigen Erfassungsvorrichtungen in der Weise verknüpft, dass ausgedehnte statische Objekte in dem Fronterfassungsbereich des Fahrzeugs erkannt und als solche in die Erfassung der seitlichen und hinteren Erfassungsvorrichtungen mit Hilfe der Verknüpfungseinheit eingehen.Furthermore, from the DE 10 2008 038 731 A1 a method for detecting extended static objects from a moving vehicle, wherein a front camera cooperates with an image processing device and detects lane markings on the road; at least one lateral detection device detects objects in the blind spot to the vehicle; Detecting devices which detect minimum distances to laterally passing or following vehicles; and wherein a linking unit links the data of the image processing device of the front camera with the data of the other detection devices such that extended static objects are detected in the front detection area of the vehicle and as such enter the detection of the side and rear detection devices by means of the linking unit.

Problematisch im Hinblick auf die eingangs erwähnten Verfahren ist insbesondere, dass bestehende Fahrerassistenzsysteme der aktiven Sicherheit bisher vor allem für die Fahrt auf Schnellstraßen konzipiert sind. Somit werden zumeist vorausfahrende Fahrzeuge als potentielle Hindernisse oder Gefahren eingestuft. In der urbanen Assistenz gilt es zusätzlich das Verhalten von Fußgängern und Radfahrern zu berücksichtigen. Diese besitzen deutlich mehr Freiheitsgrade als PKW oder LKW und können sich quer zur Fahrbahnrichtung, dicht vor dem Fahrzeug oder dicht seitlich davon bewegen und können somit z. B. für den Fahrer eines LKW im schlecht einsehbaren Bereich (Totwinkelbereich) liegen und übersehen werden. Des Weiteren können in komplexen Kreuzungsszenarien Fußgänger beispielsweise noch nach ihrer Grünphase die Kreuzung überqueren, oder Radfahrer fahren von hinten heran, während sich die Fahrzeuge schon wieder in Bewegung setzen. Möchte ein LKW-Fahrer nun abbiegen, erfordert die gleichzeitige Wahrnehmung aller relevanten Verkehrsteilnehmer eine enorme Konzentrationsleistung und Wahrnehmungsgabe. Insbesondere ist zu berücksichtigen, dass Radfahrer und Fußgänger kaum eindeutigen Bewegungsmodellen folgen. Dies gestaltet die Vorhersage zukünftiger Aufenthaltsorte der Verkehrsteilnehmer sehr schwierig. Fußgänger können die Straße überqueren, dann plötzlich im Fahrschlauch des betreffenden Kraftfahrzeuges stehen bleiben und somit zum Risiko werden, oder aber Fußgänger rennen los und bewegen sich damit schnell wieder aus dem kritischen Bereich heraus. In diesem Fall sollte entsprechend keine Warnung ausgeben werden, um in einer unkritischen Situation die Herbeiführung einer kritischen Situation durch das System zu vermeiden oder die Systemakzeptanz herabzusetzen.The problem with regard to the methods mentioned in the introduction is, in particular, that existing driver assistance systems for active safety have hitherto been designed primarily for driving on expressways. Thus, mostly vehicles in front are classified as potential obstacles or hazards. In urban assistance, it is also important to consider the behavior of pedestrians and cyclists. These have significantly more degrees of freedom than cars or trucks and can move transversely to the direction of the road, close to the vehicle or close to the side and thus can, for. B. for the driver of a truck in the poorly visible area (blind spot area) are located and overlooked. Furthermore, in complex crossing scenarios, for example, pedestrians can cross the intersection after their green phase, or cyclists can drive from behind while the vehicles are already moving again. If a truck driver wants to turn now, the simultaneous perception of all relevant road users requires enormous concentration and perception. In particular, it must be taken into account that cyclists and pedestrians hardly follow any clear models of movement. This makes the prediction of future whereabouts of road users very difficult. Pedestrians can cross the street, then suddenly stay in the driving lane of the motor vehicle in question and thus become a risk, or else pedestrians run away and thus quickly move out of the critical area. In this case, no warning should be issued accordingly in order to avoid the occurrence of a critical situation by the system in an uncritical situation or to reduce the system acceptance.

Grundsätzlich erweist es sich des Weiteren als problematisch, auch schon auf Fußgänger zu reagieren, die sich noch nicht in den Fahrschlauch begeben haben. Dies hängt einerseits mit dem Erfassungsbereich der Sensorik zusammen, die Fußgänger erst spät erkennt, andererseits mit den hohen Unsicherheiten, die sich aus den vielen Freiheitsgraden von Fußgänger ergeben. Da Fußgänger keinen gewöhnlichen Bewegungsmodellen folgen, sind sie beim Verschwinden aus dem Erfassungsbereich des einen Sensorfeldes (z. B. Fahrzeugfront) durch gewöhnliches Trecking und Datenfusion (z. B. Kaiman-Filter) vom nächsten Sensor nur schwer wiederzuerkennen, wenn sich die Erfassungsbereiche nicht überlappen. Sie können insbesondere nicht einfach an den anderen Sensor (z. B. Totwinkelradar) übergeben werden, sondern müssen neu detektiert und verfolgt (”getrackt”) werden, bis sie bestätigt werden. Dadurch geht einer Applikation wertvolle Zeit verloren, d. h., ein entsprechendes Verfahren weist eine vergleichsweise geringe Geschwindigkeit auf.In principle, it also proves to be problematic to react even to pedestrians who have not yet gone into the driving tube. On the one hand, this is due to the detection range of the sensors, which pedestrians only recognize late, and, on the other hand, to the high uncertainties resulting from the many degrees of freedom of pedestrians. Since pedestrians do not follow ordinary models of movement, they are difficult to recognize when disappearing from the detection area of one sensor field (eg, vehicle front) due to ordinary trekking and data fusion (eg, Kalman filter) from the next sensor if the detection areas are not overlap. In particular, they can not simply be handed over to the other sensor (eg, blind spot radar), but must be newly detected and tracked ("tracked") until they are confirmed. As a result, valuable time is lost for an application, i. h., A corresponding method has a comparatively low speed.

Hiervon ausgehend liegt der vorliegenden Erfindung die Aufgabe zugrunde, ein Verfahren und ein System zur Vorhersage von Kollisionen zwischen einem Kraftfahrzeug und zumindest einem Objekt, insbesondere in Form eines Fußgängers oder Fahrradfahrers in einem Umfeld des Kraftfahrzeuges (z. B. im Totwinkelbereich seitlich des Kraftfahrzeuges), zu schaffen, bei denen die vorgenannten Nachteile, insbesondere im Hinblick auf die Geschwindigkeit des Verfahrens bzw. Systems gemindert sind.On this basis, the object of the present invention is a method and a system for predicting collisions between a motor vehicle and at least one object, in particular in the form of a pedestrian or cyclist in an environment of the motor vehicle (eg in the blind spot area laterally of the motor vehicle). , too in which the abovementioned disadvantages, in particular with regard to the speed of the method or system, are reduced.

Dieses Problem wird durch ein Verfahren mit den Merkmalen des Anspruchs 1 sowie ein System mit den Merkmalen des Anspruchs 10 gelöst.This problem is solved by a method having the features of claim 1 and a system having the features of claim 10.

Danach weist das erfindungsgemäße Verfahren zur Vorhersage von Kollisionen zwischen einem Kraftfahrzeug und den besagten beweglichen Objekten (Verkehrsteilnehmern) in einem Umfeld des Kraftfahrzeuges, das insbesondere einen Totwinkelbereich des Kraftfahrzeuges umfasst, die folgende Schritte auf: Erfassen zumindest eines Objekts im Umfeld des Kraftfahrzeuges mittels zumindest eines ersten Sensors, Berechnen einer stochastischen Erreichbarkeitsmenge des Kraftfahrzeuges mittels einer mit dem mindestens einen Sensor zusammenwirkenden Auswerteinheit, Berechnen einer stochastischen Erreichbarkeitsmenge des mindestens einen Objektes mittels der Auswerteeinheit, und Berechnen der Kollisionswahrscheinlichkeit einer Kollision zwischen dem Kraftfahrzeug und dem mindestens einen Objekt durch Bildung der Schnittmenge der beiden stochastischen Erreichbarkeitsmengen mittels der Auswerteeinheit.Thereafter, the inventive method for predicting collisions between a motor vehicle and the said moving objects (road users) in an environment of the motor vehicle, which comprises in particular a blind spot area of the motor vehicle, the following steps: detecting at least one object in the environment of the motor vehicle by means of at least one first sensor, calculating a stochastic accessibility quantity of the motor vehicle by means of an evaluation unit cooperating with the at least one sensor, calculating a stochastic reachability of the at least one object by means of the evaluation unit, and calculating the collision probability of a collision between the motor vehicle and the at least one object by forming the intersection of the both stochastic accessibility quantities by means of the evaluation unit.

Unter einer Erreichbarkeitsmenge wird insbesondere die Menge an Zuständen verstanden, die ein System, also vorliegend das mindestens eine Objekt oder das Kraftfahrzeug, in einer vordefinierbaren Zeitspanne (Prädiktionsintervall) von einer Anfangsmenge aus erreichen kann. Im Straßenverkehr kann somit der erreichbare Raum eines Kraftfahrzeuges oder eines Objektes (z. B. Fußgänger) im Umfeld des Kraftfahrzeuges ermittelt werden, die insbesondere einander nicht schneiden sollen, um der Gefahr einer Kollision aus dem Weg zu gehen.A reachability set is understood to be, in particular, the set of states that a system, that is, in the present case, the at least one object or the motor vehicle, can reach in a predefinable time span (prediction interval) from an initial amount. In road traffic, the achievable space of a motor vehicle or an object (eg pedestrians) in the vicinity of the motor vehicle can thus be determined, which in particular should not intersect one another in order to avoid the risk of a collision.

Die jeweilige Erreichbarkeitsmenge wird vorliegend vorzugsweise jeweils ausgehend von den jeweiligen Anfangswerten für die Position und die Geschwindigkeit des Kraftfahrzeuges bzw. des mindestens einen Objektes unter Kenntnis der Beschleunigung der in Rede stehenden Verkehrsteilnehmer bestimmt, wobei für die besagten Anfangswerte vorzugsweise jeweils Wahrscheinlichkeitsverteilungen angenommen werden. Man spricht dann von sogenannten stochastischen Erreichbarkeitsmengen.In the present case, the respective reachability quantity is preferably determined in each case starting from the respective initial values for the position and the speed of the motor vehicle or of the at least one object with knowledge of the acceleration of the road users in question, wherein probability distributions are preferably respectively assumed for the said initial values. One then speaks of so-called stochastic accessibility quantities.

Bevorzugt wird automatisch anhand der besagten Kollisionswahrscheinlichkeit eine (zweidimensionale) Gefahrenkarte generiert, die das Kraftfahrzeug und das mindestens eine Objekt insbesondere in einer Draufsicht bzw. das mindestens eine Objekt aus einer Kameraperspektive (d. h., aus der Sicht des Kraftfahrzeuges) darstellt und mittels einer Anzeige im Kraftfahrzeug angezeigt, wobei auf der Gefahrenkarte das mindestens eine Objekt vorzugsweise optisch hervorgehoben wird, wenn die Kollisionswahrscheinlichkeit eine vordefinierte Schwelle übersteigt. D. h., das Objekt ist insbesondere in zwei Zuständen (optisch) auf der Anzeige anzeigbar, wobei der zweite Zustand, in dem das Objekt im Falle eines Überschreitens der besagten Schwelle angezeigt wird, optisch für ein Fahrer leichter erkennbar ist, z. B. durch Darstellen in einer Signalfarbe (z. B. rot) oder durch sonstiges optisches Hervorheben. Ggf. können auch akustische Warnungen ausgeben werden, wenn die besagte Schwelle überschritten wird. Bevorzugt ist vorgesehen, dass das Kraftfahrzeug des Weiteren automatisch gebremst wird, wenn die besagte Schwelle überschritten wird.Preferably, based on said collision probability, a (two-dimensional) hazard map is generated which represents the motor vehicle and the at least one object, in particular in a plan view or the at least one object from a camera perspective (ie from the perspective of the motor vehicle) and by means of a display in FIG Motor vehicle displayed on the hazard map, the at least one object is preferably highlighted visually, if the collision probability exceeds a predefined threshold. In other words, the object can be displayed on the display in two states (optically), wherein the second state in which the object is displayed in the event of exceeding said threshold is visually more easily recognizable to a driver, eg. By displaying in a signal color (eg red) or by other optical highlighting. Possibly. If necessary, acoustic warnings can also be output if the said threshold is exceeded. It is preferably provided that the motor vehicle is further automatically braked when said threshold is exceeded.

Vorzugsweise werden bei dem erfindungsgemäßen Verfahren jeweils nach einem Erfassen eines Objektes im Umfeld des Kraftfahrzeuges die besagten stochastischen Erreichbarkeitsmengen und/oder die Kollisionswahrscheinlichkeit mit dem Objekt für eine Mehrzahl an aufeinanderfolgenden diskreten Zeitpunkten innerhalb eines Prädiktionsintervalls berechnet, wobei nach einem Verstreichen des Prädiktionsintervalls das mindestens eine Objekt erneut mittels des mindestens einen Sensors erfasst wird bzw. die aktuellen Daten des mindestens einen Sensors erfasst und ausgewertet werden und die Erreichbarkeitsmengen und/oder die besagte Kollisionswahrscheinlichkeit erneut für eine Mehrzahl an aufeinanderfolgenden diskreten Zeitpunkten innerhalb eines weiteren Prädiktionsintervalls berechnet werden.Preferably, in the method according to the invention, after a detection of an object in the surroundings of the motor vehicle, said stochastic reachability quantities and / or the collision probability are calculated with the object for a plurality of consecutive discrete time points within a prediction interval, wherein after an elapse of the prediction interval the at least one object is again detected by the at least one sensor or the current data of the at least one sensor is detected and evaluated and the reachability and / or said collision probability again for a plurality of successive discrete time points within a further prediction interval are calculated.

Bevorzugt werden die stochastischen Erreichbarkeitsmengen auf Polytope, insbesondere in Form von Zonotopen, abgebildet bzw. durch diese angenähert, so dass Schnittmengen der stochastischen Erreichbarkeitsmengen auf einfache Weise gebildet werden können, um Kollisionswahrscheinlichkeiten zwischen den Verkehrsteilnehmern, die den betrachteten Erreichbarkeitsmengen zugeordnet sind, effizient berechnen zu können. Unter einem Polytop wird dabei ein verallgemeinertes Polygon (in beliebiger Dimension) verstanden, wobei eine Zonotop ein konvexes Polytop darstellt.The stochastic accessibility quantities are preferably imaged onto polytopes, in particular in the form of zonotopes, so that intersections of the stochastic accessibility quantities can be formed in a simple manner in order to efficiently calculate collision probabilities between the road users who are assigned to the considered reachability quantities can. A polytope is understood to mean a generalized polygon (in any dimension), a zonotope representing a convex polytope.

Hierbei wird zur Berechnung der einzelnen stochastischen Erreichbarkeitsmengen bevorzugt die jeweilige Längsdynamik der Verkehrsteilnehmer auf ein hybrides System abgebildet. Unter einem hybriden System wird dabei ein System verstanden, das eine Kombination aus einer diskreten und einer damit verknüpften kontinuierlicher Dynamik aufweist. Hierbei können eine Anzahl von diskreten Zuständen definiert werden, wie z. B. ”Abbremsen” oder ”Beschleunigen”, sowie Bedingungen für Übergänge zwischen diesen Zuständen. Innerhalb jedes diskreten Zustandes wird eine kontinuierliche Dynamik angenommen. Hierdurch lässt sich eine Wahrscheinlichkeitsverteilung entlang einer vordefinierten Trajektorie des betrachteten Verkehrsteilnehmers bestimmen, d. h., die Wahrscheinlichkeit, dass sich der betrachtete Verkehrsteilnehmer zu einem bestimmten Zeitpunkt an einem vorgegebenen Segment der betrachteten Trajektorie befindet. Für den Fall, dass eine Abweichung quer zur jeweils betrachteten Trajektorie unabhängig von der besagten Wahrscheinlichkeitsverteilung entlang der Trajektorie ist, lässt sich die Wahrscheinlichkeitsverteilung innerhalb der betreffenden Erreichbarkeitsmenge als Produkt aus jener Wahrscheinlichkeitsverteilung und der Abweichung darstellen.In this case, the respective longitudinal dynamics of the road users are preferably mapped onto a hybrid system in order to calculate the individual stochastic reachability quantities. A hybrid system is understood to mean a system which has a combination of a discrete and a continuous dynamics associated therewith. In this case, a number of discrete states can be defined, such. As "decelerate" or "accelerate", and conditions for transitions between these states. Within each discrete state a continuous dynamics is assumed. This makes it possible to determine a probability distribution along a predefined trajectory of the road user concerned, ie, the Probability that the considered road user is at a certain time on a given segment of the considered trajectory. In the event that a deviation transversely to the trajectory considered in each case is independent of the said probability distribution along the trajectory, the probability distribution within the relevant reachability quantity can be represented as the product of that probability distribution and the deviation.

Eine weitere Beschleunigung des Verfahrens lässt sich insbesondere dadurch erzielen, dass die besagten Längsdynamiken jeweils auf (diskrete) Markov-Ketten abgebildet bzw. als solche modelliert werden. Unter einer diskreten Markov-Kette versteht man dabei einen speziellen stochastischen Prozess, mit der Eigenschaft (Markov-Kette erster Ordnung) dass die Zukunft des Systems nur vom aktuellen Zustand (Gegenwart) und nicht von der Vergangenheit abhängt. Zur Verwendung von Markov-Ketten muss dabei der kontinuierliche Zustandsraum der hybriden Dynamik hinsichtlich der Position und der Geschwindigkeit diskretisiert werden, z. B. anhand eines regelmäßigen Gitters.A further acceleration of the method can be achieved, in particular, by imaging the respective longitudinal dynamics in each case on (discrete) Markov chains or modeling them as such. A discrete Markov chain is understood to be a special stochastic process, with the property (Markov chain first order) that the future of the system depends only on the current state (present) and not on the past. In order to use Markov chains, it is necessary to discretize the continuous state space of the hybrid dynamics in terms of position and velocity, e.g. B. on the basis of a regular grid.

Vorzugsweise wird bei dem erfindungsgemäßen Verfahren das mindestens eine Objekt ggf. auch mit einem zweiten Sensor erfasst bzw. die Erfassung des Objektes durch zumindest einen weiteren zweiten Sensor unterstützt. Hierbei sind der erste und der zweite Sensor jeweils einem Bereich des Umfeldes des Kraftfahrzeuges zugeordnet, wobei jene beiden Bereiche insbesondere keine oder lediglich eine teilweise Überschneidung aufweisen. Zum Erfassen und ggf. Verfolgen von Objekten (Verkehrsteilnehmern) werden die entsprechenden Daten der beiden Sensoren zum Erfassen des mindesten einen Objektes vorzugsweise fusioniert. Der Begriff Datenfusion bezeichnet dabei insbesondere die Zusammenführung und Vervollständigung lückenhafter Datensätze zur Datenbereinigung. Bevor die Fusion von Daten zweier Quellen möglich ist, werden diese ggf. auf eine gemeinsame Struktur gebracht (sogenannte Schemaintegration). Z. B. können auf diese Weise digitale Kameras und Radarsysteme (insbesondere LIDAR) fusioniert werden. Durch eine Fusion heterogener Sensoren sind insbesondere hohe Erkennungswahrscheinlichkeiten sowie die Minimierung von Fehlalarmwahrscheinlichkeit möglich.Preferably, in the method according to the invention, the at least one object may also be detected by a second sensor, or the detection of the object may be assisted by at least one further second sensor. Here, the first and the second sensor are each assigned to a region of the environment of the motor vehicle, wherein those two regions have in particular no or only a partial overlap. For capturing and possibly tracking objects (road users), the corresponding data of the two sensors for capturing the at least one object are preferably fused. The term data fusion refers in particular to the combination and completion of incomplete data sets for data cleansing. Before the fusion of data from two sources is possible, they may be brought to a common structure (so-called schema integration). For example, digital cameras and radar systems (in particular LIDAR) can be fused in this way. By a fusion of heterogeneous sensors in particular high detection probabilities and the minimization of false alarm probability are possible.

Vorzugsweise ist hierbei der erste Sensor als eine Kamera ausgebildet, die einen frontalen Bereich des Kraftfahrzeuges abdeckt, und der zweite Sensor ist vorzugsweise als ein Radar- oder Lidarsensor zum Überwachen eines seitlichen Totwinkelbereiches des Kraftfahrzeuges ausgebildet.In this case, the first sensor is preferably designed as a camera which covers a frontal area of the motor vehicle, and the second sensor is preferably designed as a radar or lidar sensor for monitoring a lateral blind spot area of the motor vehicle.

Weiterhin wird das erfindungsgemäße Problem durch ein System für ein Kraftfahrzeug zur Vorhersage von Kollisionen zwischen einem Kraftfahrzeug und (beweglichen) Objekten (Verkehrsteilnehmer) in einem Umfeld des Kraftfahrzeuges, das insbesondere einen Totwinkelbereich des Kraftfahrzeuges umfasst, mit den Merkmalen des Anspruchs 10 gelöst. Ein solches System eignet sich insbesondere zur Verwendung bei dem erfindungsgemäßen Verfahren.Furthermore, the problem according to the invention is solved by a system for a motor vehicle for predicting collisions between a motor vehicle and (mobile) objects (road users) in an environment of the motor vehicle, which in particular comprises a blind spot area of the motor vehicle, having the features of claim 10. Such a system is particularly suitable for use in the method according to the invention.

Danach ist vorgesehen, dass das erfindungsgemäße System dazu ausgebildet ist, mittels einer mit dem mindestens einen Sensor zusammenwirkenden Auswerteinheit eine stochastische Erreichbarkeitsmenge des Kraftfahrzeuges und eine stochastische Erreichbarkeitsmenge des mindestens einen Objektes zu berechnen und mittels jener Auswerteinheit eine Kollisionswahrscheinlichkeit einer Kollision zwischen dem Kraftfahrzeug und dem mindestens einen Objekt durch Bildung der Schnittmenge der beiden stochastischen Erreichbarkeitsmengen zu berechnen.Accordingly, it is provided that the system according to the invention is designed to calculate a stochastic reachability quantity of the motor vehicle and a stochastic reachability quantity of the at least one object by means of an evaluation unit cooperating with the at least one sensor and by means of that evaluation unit a collision probability of a collision between the motor vehicle and the at least one to calculate an object by forming the intersection of the two stochastic accessibility sets.

Zusammenfassend ermöglicht die vorliegende Erfindung insbesondere die Umfelderfassung eines Kraftfahrzeuges mit heterogenen Sensoren auf der Grundlage einer Datenfusion der Sensoren, womit die Bestimmung von stochastischen Erreichbarkeitsmengen der Verkehrsteilnehmer sowie der Verkehrsteilnehmer ermöglich wird. Hierbei können Unsicherheiten der Sensorerfassung und der unsicheren Bewegungsmodelle berücksichtigt werden. Dabei wird eine radarbasierte Objekterkennung im toten Winkel eines Kraftfahrzeuges (LIDAR, Radar) durch eine Verwendung der Historie einer frontalen Umfelderfassung mit einer Kamera und ggf. weiteren Sensoren über eine intelligente Informationsverarbeitung unterstützt, die sich insbesondere stochastischer Erreichbarkeitsmengen bedient, um Kollisionswahrscheinlichkeiten zwischen dem Kraftfahrzeug und weiteren Verkehrsteilnehmern zu ermitteln.In summary, the present invention makes it possible, in particular, to detect the surroundings of a motor vehicle with heterogeneous sensors on the basis of a data fusion of the sensors, thus making it possible to determine the stochastic reachability of road users and road users. Uncertainties of sensor detection and unsafe motion models can be taken into account here. In this case, a radar-based object recognition in the blind spot of a motor vehicle (LIDAR, radar) is supported by a use of the history of a frontal Umfassungsfassung with a camera and possibly other sensors via an intelligent information processing, which uses in particular stochastic accessibility to collision probabilities between the motor vehicle and to identify other road users.

Hierdurch wird insbesondere eine Objektklassifikation möglich und somit ein adäquates Eingehen auf Objekttypen und -dynamiken (beispielsweise Fußgänger) in der Situationsbewertung. Hieraus resultieren eine verbesserte Objekttrennbarkeit sowie eine Beschleunigung der Kollisionsvorhersagen.In this way, in particular, an object classification becomes possible and thus an adequate response to object types and dynamics (for example pedestrians) in the situation assessment. This results in improved object separability and acceleration of the collision predictions.

Weitere Merkmale und Vorteile der Erfindung sollen bei den nachfolgenden Figurenbeschreibungen eines Ausführungsbeispiels anhand der Figuren erläutert werden.Further features and advantages of the invention will be explained in the following description of the figures of an embodiment with reference to the figures.

Dabei zeigen:Showing:

1 eine schematische Draufsicht auf ein Verkehrsgeschehen mit einem Kraftfahrzeug in Form eines LKW, der ein erfindungsgemäßes System aufweist; und 1 a schematic plan view of a traffic situation with a motor vehicle in the form of a truck having a system according to the invention; and

2 eine mit dem erfindungsgemäßen Verfahren bzw. System generierte Gefahrenkarte. 2 a hazard map generated by the method or system of the invention.

1 zeigt in einer Draufsicht ein Kraftfahrzeug 20 in Form eines LKWs mit einem erfindungsgemäßen System 1 zum Vorhersagen von Kollisionen zwischen dem Kraftfahrzeug 20 und weiteren Verkehrsteilnehmern 10–19. Für derartige Fahrerassistenzsysteme der aktiven Sicherheit, die auf ungeschützte Verkehrsteilnehmer wie Fußgänger 10–14 und Radfahrer 15, 16 frühzeitig reagieren sollen, sind neue Methoden für die Situationsbewertung erforderlich. Wie in bisherigen Ansätzen wird das das Kraftfahrzeug 20 umgebende Umfeld U bei der vorliegenden Erfindung über erste Sensoren 2 bis 4, die einen frontalen Bereich F des Umfeldes U abdecken sowie über einen zweiten Sensor 5, der einen seitlichen Totwinkelbereich T des Umfelds U abdeckt, überwacht und die entsprechenden Daten fusioniert. Größere Erfassungsbereiche verbessern dabei die Systemperformance. Bei den Sensoren 2 bis 4 handelt es sich dabei vorzugsweise um ein Kurzreichweitenradar 4 mit frontalem Erfassungsbereich 400, ein Langreichweitenradar 3 mit frontalem Erfassungsbereich 300 sowie eine Kamera 2 mit frontalem Erfassungsbereich 200. Der zweite Sensor 5 ist vorzugsweise ein Seitenradar 5 mit seitlichem Erfassungsbereich 500. 1 shows in a plan view of a motor vehicle 20 in the form of a truck with a system according to the invention 1 for predicting collisions between the motor vehicle 20 and other road users 10 - 19 , For such driver assistance systems of active safety, on unprotected road users such as pedestrians 10 - 14 and cyclists 15 . 16 react early, new methods for situational assessment are required. As in previous approaches that will be the motor vehicle 20 surrounding environment U in the present invention via first sensors 2 to 4 covering a frontal area F of the environment U and a second sensor 5 , which covers a lateral blind spot area T of the surroundings U, monitors and fuses the corresponding data. Larger coverage areas improve system performance. With the sensors 2 to 4 this is preferably a short range radar 4 with frontal coverage 400 , a long range radar 3 with frontal coverage 300 as well as a camera 2 with frontal coverage 200 , The second sensor 5 is preferably a side radar 5 with lateral coverage 500 ,

Anstelle der Nutzung einzelner Pfade (Trajektorien), die linearen Bewegungsmodellen folgen, für die Bewegungsprädiktion der Verkehrsteilnehmer 10–19, 20, werden vorliegend vorzugsweise stochastische Erreichbarkeitsmengen verwendet. Diesbezüglich ist in 1 für einen diskreten Zeitpunkt ti innerhalb eines Prädiktionsintervalls für das Kraftfahrzeug 20 sowie für ein Objekt 10 in Form eines Fußgängers je eine stochastische Erreichbarkeitsmenge M bzw. M' exemplarisch eingezeichnet.Instead of using individual paths (trajectories), which follow linear motion models, for the motion prediction of the road users 10 - 19 . 20 In the present case, preference is given to using stochastic accessibility amounts. In this regard, is in 1 for a discrete time t i within a prediction interval for the motor vehicle 20 as well as for an object 10 in the form of a pedestrian, a stochastic accessibility set M or M 'is shown by way of example.

Dabei wird insbesondere bereits der aktuelle Aufenthaltsort der Verkehrsteilnehmer 10–19, 20 als stochastische Aufenthaltswahrscheinlichkeit abgebildet, um Messunsicherheiten zu berücksichtigen. Über Hybridmodelle und Markov-Ketten werden die Wahrscheinlichkeitsmengen auf zukünftige Zeitintervalle ti projiziert.In particular, the current whereabouts of the road users are already here 10 - 19 . 20 mapped as a stochastic probability of residence to account for measurement uncertainty. Hybrid models and Markov chains are used to project the probabilistic quantities onto future time intervals t i .

Der Vorteil der Abbildung mit Hybridmodellen besteht darin, dass die Verkehrsteilnehmer 10–19, 20 nicht einem einzigen Bewegungsmodell folgen, sondern auch unterschiedliche Bewegungsmodelle mit unterschiedlicher Wahrscheinlichkeit gleichzeitig verwendet werden können. Innerhalb der Bewegungsmodelle können wiederum Unsicherheiten berücksichtigt werden. Am Ende ergeben sich stochastische Erreichbarkeitsmengen M, M' (Aufenthaltswahrscheinlichkeiten) für die Verkehrsteilnehmer, wie z. B. vorliegend für das Kraftfahrzeug 20 und den Fußgänger 10.The advantage of imaging with hybrid models is that the road users 10 - 19 . 20 Do not follow a single model of movement, but also different models of movement with different probability can be used simultaneously. In turn, uncertainties can be taken into account within the movement models. In the end, stochastic accessibility quantities M, M '(residence probabilities) for the road users, such B. present for the motor vehicle 20 and the pedestrian 10 ,

Durch Schnittmengenbildung der stochastischen Erreichbarkeitsmenge M des eigenen Fahrzeugs, hier LKW 20, mit denen anderer Verkehrsteilnehmer, z. B. der des Fußgängers 10 (M'), können entsprechende Kollisionswahrscheinlichkeiten ermittelt werden. Vorliegend ist die Schnittmenge zwischen den beiden Erreichbarkeitsmengen M und M' des LKWs 20 bzw. des Fußgängers 10 zum Zeitpunkt ti leer, so dass zu diesem Zeitpunkt ti eine Kollision unwahrscheinlich ist.By intersection of the stochastic accessibility amount M of the own vehicle, here truck 20 with which other road users, eg. B. the pedestrian 10 (M '), corresponding collision probabilities can be determined. In the present case, the intersection between the two accessibility quantities M and M 'of the truck 20 or the pedestrian 10 At time t i is empty, so that at this time t i a collision is unlikely.

Die besagten Kollisionswahrscheinlichkeiten können wiederum verwendet werden, um in der Situationsbewertung eines Systems 1 (Fahrerassistenzsystem) der aktiven Sicherheit eine Systemreaktion abzuleiten, beispielsweise indem bei Kollisionswahrscheinlichkeiten oberhalb eines definierten Schwellenwertes Bremsungen durchgeführt werden oder optisch/akustisch gewarnt wird.The said collision probabilities can in turn be used to assess the situation of a system 1 (Driver assistance system) of the active safety to derive a system reaction, for example, in case of collision probabilities above a defined threshold braking is performed or visually / acoustically warned.

Auf Basis des Systems 1 kann gemäß 2 des Weiteren eine Gefahrenkarte 30 erstellt werden, welche die Aufmerksamkeit des Fahrers beispielsweise über ein Display im Kraftfahrzeug 20 und/oder akustische Signale aus der Gefahrenrichtung steuert.Based on the system 1 can according to 2 Furthermore, a hazard card 30 be created, which attracts the attention of the driver, for example via a display in the vehicle 20 and / or controls acoustic signals from the danger direction.

Auf dem Display (Anzeige) kann die besagte Gefahrenkarte 30 dabei in Form einer Vogelperspektive oder in Form einer Kameraperspektive (aus der Sicht des eigenen Fahrzeugs 20) weitere Verkehrsteilnehmer darstellen, wobei diejenigen Verkehrsteilnehmer 31–33, mit welchen ein hohes Kollisionsrisiko besteht, auf dem bzw. durch das Display entsprechend farblich dargestellt werden (z. B. rot für sehr kritisch und orange für weniger kritisch). Dem Fahrer des LKW 20 wird somit verdeutlicht, auf welchen Bereich um das Fahrzeug 20 herum er besonders viel Wert legen saute (z. B. Radfahrer im toten Winkel rechts). Dieser Bereich könnte durch das lebendige Geschehen vor dem Fahrzeug 20 ansonsten schnell untergehen.On the display (display), the said hazard map 30 in the form of a bird's eye view or in the form of a camera perspective (from the perspective of one's own vehicle 20 ) represent other road users, being those road users 31 - 33 with which there is a high risk of collision, on which or by the display accordingly color are displayed (eg red for very critical and orange for less critical). The driver of the truck 20 thus clarifies which area around the vehicle 20 around it he attaches great importance to saute (eg cyclists in the blind spot on the right). This area could be due to the living happening in front of the vehicle 20 otherwise go down fast.

Die Verwendung der Erreichbarkeitsmengen (M, M') bietet außerdem einen Vorteil für die Umfelderfassung selbst. Da Fußgänger keinen gewöhnlichen Bewegungsmodellen folgen, sind sie beim Verschwinden aus dem Erfassungsbereich des einen Sensorfeldes (z. B. Fahrzeugfront F) durch gewöhnliches Trecking und Datenfusion (z. B. Kaiman-Filter) vom nächsten Sensor 5 nur schwer wiederzuerkennen, wenn sich die Erfassungsbereiche 200–400 und 500 nicht überlappen. Sie können nicht einfach an den anderen Sensor (z. B. Totwinkelradar 5) übergeben werden, sondern müssen neu detektiert und getrackt werden, bis sie bestätigt werden. Dadurch geht einer Applikation viel wertvolle Zeit verloren. Durch die Verwendung der Erreichbarkeitsmengen (M, M'), kann das Objekt, z. B. Fußgänger 10, länger gehalten werden und vom übernehmenden Sensor schneller bestätigt werden, was für die Applikation einen Zeitgewinn bedeutet. Zudem können durch die „Wiedererkennung” auch Objektinformationen der Sensorik des vorhergehenden Erfassungsbereiches weiterverwendet werden, beispielsweise die Kamerainformation, dass es sich beim Objekt 10 um einen Fußgänger und nicht um einen Pfosten handelt, was ein Radar 5 an der Seite ohne Kamera 2 nicht zuverlässig erkennen kann.The use of the reachability sets (M, M ') also offers an advantage for the surround detection itself. Since pedestrians do not follow ordinary movement models, they disappear from the detection area of the one sensor field (eg vehicle front F) by ordinary trekking and data fusion ( eg Kalman filter) from the next sensor 5 difficult to recognize when the coverage areas 200 - 400 and 500 do not overlap. You can not just connect to the other sensor (eg blind spot radar 5 ) but must be newly detected and tracked until they are confirmed. As a result, an application will lose a lot of valuable time. By using the reachability sets (M, M '), the object, e.g. B. pedestrians 10 , be held longer and confirmed faster by the acquiring sensor, which for the application one Time savings mean. In addition, the "recognition" also object information of the sensors of the previous detection area can be used, for example, the camera information that it is the object 10 a pedestrian and not a post, which is a radar 5 on the side without a camera 2 can not reliably recognize.

ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDE IN THE DESCRIPTION

Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant has been generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.

Zitierte PatentliteraturCited patent literature

  • DE 102008046488 A1 [0002] DE 102008046488 A1 [0002]
  • DE 102008038731 A1 [0003] DE 102008038731 A1 [0003]

Claims (10)

Verfahren zur Vorhersage von Kollisionen zwischen einem Kraftfahrzeug (20) und Objekten (10–19) in einem Umfeld (U) des Kraftfahrzeuges (20), das insbesondere einen Totwinkelbereich (T) des Kraftfahrzeuges (20) umfasst, aufweisend die Schritte: – Erfassen zumindest eines Objekts (10) im Umfeld (U) des Kraftfahrzeuges (20) mittels zumindest eines ersten Sensors (2), – Berechnen einer stochastischen Erreichbarkeitsmenge (M) des Kraftfahrzeuges (20) mittels einer mit dem mindestens einen Sensor (2) zusammenwirkenden Auswerteinheit, – Berechnen einer stochastischen Erreichbarkeitsmenge (M') des mindestens einen Objektes (10) mittels der Auswerteeinheit, und – Berechnen der Kollisionswahrscheinlichkeit einer Kollision zwischen dem Kraftfahrzeug (20) und dem mindestens einen Objekt (10) durch Bildung der Schnittmenge der beiden stochastischen Erreichbarkeitsmengen (M, M') mittels der Auswerteeinheit.Method for predicting collisions between a motor vehicle ( 20 ) and objects ( 10 - 19 ) in an environment (U) of the motor vehicle ( 20 ), in particular a blind spot area (T) of the motor vehicle ( 20 ), comprising the steps: - detecting at least one object ( 10 ) in the environment (U) of the motor vehicle ( 20 ) by means of at least one first sensor ( 2 ), - calculating a stochastic accessibility quantity (M) of the motor vehicle ( 20 ) by means of a with the at least one sensor ( 2 ) interacting evaluation unit, - calculating a stochastic reachability quantity (M ') of the at least one object ( 10 ) by means of the evaluation unit, and - calculating the collision probability of a collision between the motor vehicle ( 20 ) and the at least one object ( 10 ) by forming the intersection of the two stochastic accessibility quantities (M, M ') by means of the evaluation unit. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass mittels der Auswerteeinheit anhand der Kollisionswahrscheinlichkeit eine Gefahrenkarte (30) generiert wird und mittels einer Anzeige im Kraftfahrzeug (20) angezeigt wird, wobei auf der Gefahrenkarte (30) das mindestens eine Objekt (31–32) optisch hervorgehoben wird, wenn die Kollisionswahrscheinlichkeit eine vordefinierte Schwelle übersteigt.A method according to claim 1, characterized in that by means of the evaluation unit on the basis of the probability of collision, a hazard map ( 30 ) is generated and by means of a display in the motor vehicle ( 20 ) is displayed, whereas on the hazard map ( 30 ) the at least one object ( 31 - 32 ) is visually highlighted if the collision probability exceeds a predefined threshold. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass für den Fall, dass die Kollisionswahrscheinlichkeit eine vordefinierte Schwelle übersteigt, das Kraftfahrzeug (20) gebremst wird, eine optische Warnung und/oder eine akustische Warnung für einen Fahrer des Kraftfahrzeuges (20) ausgegeben wird.Method according to claim 1 or 2, characterized in that in the event that the probability of collision exceeds a predefined threshold, the motor vehicle ( 20 ) is braked, an optical warning and / or an audible warning to a driver of the motor vehicle ( 20 ) is output. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die stochastische Erreichbarkeitsmenge (M) des Kraftfahrzeuges (20) zumindest in Abhängigkeit einer Position, einer Geschwindigkeit, und/oder einer Beschleunigung sowie in Abhängigkeit einer Wahrscheinlichkeitsverteilung für die Anfangswerte der Position, der Geschwindigkeit und/oder der Beschleunigung des Kraftfahrzeuges (20) berechnet wird, und/oder dass die stochastische Erreichbarkeitsmenge (M') des mindestens einen Objektes (10) zumindest in Abhängigkeit einer Position, einer Geschwindigkeit und/oder einer Beschleunigung sowie in Abhängigkeit einer Wahrscheinlichkeitsverteilung für die Anfangswerte der Position, der Geschwindigkeit und/oder der Beschleunigung des mindestens einen Objektes (10) berechnet wird.Method according to one of the preceding claims, characterized in that the stochastic reachability quantity (M) of the motor vehicle ( 20 ) at least as a function of a position, a speed, and / or an acceleration as well as a probability distribution for the initial values of the position, the speed and / or the acceleration of the motor vehicle ( 20 ), and / or that the stochastic accessibility quantity (M ') of the at least one object ( 10 ) at least as a function of a position, a velocity and / or an acceleration as well as a probability distribution for the initial values of the position, the velocity and / or the acceleration of the at least one object ( 10 ) is calculated. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass nach dem Erfassen des mindestens einen Objektes (10) die stochastischen Erreichbarkeitsmengen (M, M') und/oder die besagte Kollisionswahrscheinlichkeit für eine Mehrzahl an aufeinanderfolgenden diskreten Zeitpunkten (ti) innerhalb eines Prädiktionsintervalls berechnet werden, und dass insbesondere nach Ablauf des Prädiktionsintervalls das mindestens eine Objekt (10) erneut mittels des mindestens einen Sensors (2) erfasst wird und die Erreichbarkeitsmengen (M, M') und/oder die Kollisionswahrscheinlichkeit erneut für eine Mehrzahl an aufeinanderfolgenden diskreten Zeitpunkten (ti) innerhalb eines weiteren Prädiktionsintervalls berechnet werden.Method according to one of the preceding claims, characterized in that after the detection of the at least one object ( 10 ) the stochastic accessibility quantities (M, M ') and / or the said collision probability for a plurality of successive discrete time points (t i ) are calculated within a prediction interval, and in that, after the prediction interval has expired, the at least one object ( 10 ) again by means of the at least one sensor ( 2 ) and the reachability quantities (M, M ') and / or the collision probability are again calculated for a plurality of successive discrete time points (t i ) within a further prediction interval. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die stochastischen Erreichbarkeitsmengen (M, M') durch Polytope, insbesondere Zonotope, angenähert werden.Method according to one of the preceding claims, characterized in that the stochastic accessibility quantities (M, M ') are approximated by polytopes, in particular zonotopes. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass eine Längsdynamik des mindestens einen Objektes (10) und/oder des Kraftfahrzeuges (20) zur Berechnung der jeweils zugeordneten stochastischen Erreichbarkeitsmenge (M, M') als ein hybrides System modelliert wird.Method according to one of the preceding claims, characterized in that a longitudinal dynamics of the at least one object ( 10 ) and / or the motor vehicle ( 20 ) is modeled as a hybrid system to calculate the respective assigned stochastic reachability set (M, M '). Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass die hybride Längsdynamik des mindestens einen Objektes (10) und/oder des Kraftfahrzeuges (20) als eine Markov-Kette modelliert wird.Method according to claim 7, characterized in that the hybrid longitudinal dynamics of the at least one object ( 10 ) and / or the motor vehicle ( 20 ) is modeled as a Markov chain. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das mindestens eine Objekt (10) mit einem zweiten Sensor (5) erfasst wird, wobei der erste und der zweite Sensor (2, 5) jeweils einen Bereich des Umfeldes (U) des Kraftfahrzeuges (20) erfassen, wobei jene beiden Bereiche insbesondere keine oder lediglich eine teilweise Überschneidung aufweisen, wobei die Daten der beiden Sensoren (2, 5) zum Erfassen des mindestens einen Objektes (10) insbesondere fusioniert werden, wobei es sich insbesondere bei den beiden Sensoren (2, 5) um unterschiedliche Sensoren handelt, und wobei insbesondere der erste Sensor (2) insbesondere als eine Kamera ausgebildet ist, die einen frontalen Bereich (F) des Kraftfahrzeuges (20) abdeckt, und wobei insbesondere der zweite Sensor (5) als ein Radar- oder Lidarsensor ausgebildet ist, der einen Totwinkelbereich (T) des Kraftfahrzeuges (20) abdeckt.Method according to one of the preceding claims, characterized in that the at least one object ( 10 ) with a second sensor ( 5 ), the first and second sensors ( 2 . 5 ) each one area of the environment (U) of the motor vehicle ( 20 In particular, these two areas have no or only a partial overlap, the data of the two sensors ( 2 . 5 ) for detecting the at least one object ( 10 ), in particular with the two sensors ( 2 . 5 ) are different sensors, and in particular the first sensor ( 2 ) is designed in particular as a camera which has a frontal region (F) of the motor vehicle ( 20 ), and in particular the second sensor ( 5 ) is designed as a radar or lidar sensor which has a blind spot area (T) of the motor vehicle ( 20 ) covers. System für ein Kraftfahrzeug zur Vorhersage von Kollisionen zwischen einem Kraftfahrzeug (20) und Objekten (10–19) in einem Umfeld (U) des Kraftfahrzeuges (20), das insbesondere einen Totwinkelbereich (T) des Kraftfahrzeuges umfasst, mit – zumindest einem ersten Sensor (2) zum Erfassen zumindest eines Objekts (10) im Umfeld (U) des Kraftfahrzeuges (20), dadurch gekennzeichnet, dass das System (1) dazu ausgebildet ist, mittels einer mit dem mindestens einen Sensor (2) zusammenwirkenden Auswerteinheit eine stochastische Erreichbarkeitsmenge (M) des Kraftfahrzeuges (20) und eine stochastische Erreichbarkeitsmenge (M') des mindestens einen Objektes (10) zu berechnen und mittels jener Auswerteinheit eine Kollisionswahrscheinlichkeit einer Kollision zwischen dem Kraftfahrzeug (20) und dem mindestens einen Objekt (10) durch Bildung der Schnittmenge der beiden stochastischen Erreichbarkeitsmengen (M, M') zu berechnen.System for a motor vehicle for predicting collisions between a motor vehicle ( 20 ) and objects ( 10 - 19 ) in an environment (U) of the motor vehicle ( 20 ), which in particular comprises a blind spot area (T) of the motor vehicle, with At least one first sensor ( 2 ) for capturing at least one object ( 10 ) in the environment (U) of the motor vehicle ( 20 ), characterized in that the system ( 1 ) is adapted, by means of a with the at least one sensor ( 2 ) interacting evaluation unit has a stochastic reachability quantity (M) of the motor vehicle ( 20 ) and a stochastic accessibility set (M ') of the at least one object ( 10 ) and by means of that evaluation unit a collision probability of a collision between the motor vehicle ( 20 ) and the at least one object ( 10 ) by forming the intersection of the two stochastic accessibility quantities (M, M ').
DE102011010864A 2011-02-10 2011-02-10 Method for predicting collision between lorry and e.g. pedestrian in dead angular area during driving on highway, involves computing collision probability between vehicle and object by intersecting vehicle and object accessibility amounts Withdrawn DE102011010864A1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102011010864A DE102011010864A1 (en) 2011-02-10 2011-02-10 Method for predicting collision between lorry and e.g. pedestrian in dead angular area during driving on highway, involves computing collision probability between vehicle and object by intersecting vehicle and object accessibility amounts

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102011010864A DE102011010864A1 (en) 2011-02-10 2011-02-10 Method for predicting collision between lorry and e.g. pedestrian in dead angular area during driving on highway, involves computing collision probability between vehicle and object by intersecting vehicle and object accessibility amounts

Publications (2)

Publication Number Publication Date
DE102011010864A1 true DE102011010864A1 (en) 2011-12-08
DE102011010864A8 DE102011010864A8 (en) 2012-04-26

Family

ID=44973974

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102011010864A Withdrawn DE102011010864A1 (en) 2011-02-10 2011-02-10 Method for predicting collision between lorry and e.g. pedestrian in dead angular area during driving on highway, involves computing collision probability between vehicle and object by intersecting vehicle and object accessibility amounts

Country Status (1)

Country Link
DE (1) DE102011010864A1 (en)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE202013006676U1 (en) 2013-07-25 2014-10-28 GM Global Technology Operations LLC (n. d. Ges. d. Staates Delaware) System for warning of a possible collision of a motor vehicle with an object
CN104149728A (en) * 2013-05-14 2014-11-19 株式会社电装 Collision mitigation apparatus
DE102014205014A1 (en) 2014-03-18 2015-09-24 Ford Global Technologies, Llc Method and device for detecting moving objects in the surroundings of a vehicle
WO2015181611A3 (en) * 2014-05-29 2016-01-21 Toyota Jidosha Kabushiki Kaisha Driving support apparatus
CN107921923A (en) * 2015-08-28 2018-04-17 德尔福技术有限公司 Pedestrian for automated vehicle is intended to detection
US20180170372A1 (en) * 2015-08-28 2018-06-21 Sony Corporation Information processing apparatus, information processing method, and program
DE102017208386A1 (en) * 2017-05-18 2018-11-22 Ford Global Technologies, Llc Method for assisting controlling a vehicle, assistance system and vehicle
DE102018128398B3 (en) 2018-11-13 2019-12-19 Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr Method for predicting the behavior of a surrounding object and driver assistance system
CN111627247A (en) * 2019-02-28 2020-09-04 上海汽车集团股份有限公司 Multi-vehicle formation control method and device
EP3816968A1 (en) * 2019-10-29 2021-05-05 Deere & Company Method for monitoring an environment of a vehicle and system for monitoring an environment of a vehicle
CN113423626A (en) * 2019-02-15 2021-09-21 采埃孚股份公司 Method and control device for vehicle collision avoidance
DE102020131489B3 (en) 2020-11-27 2021-10-28 Sfara GmbH Procedure for collision avoidance
DE102020213451A1 (en) 2020-10-26 2022-04-28 Zf Friedrichshafen Ag Method for controlling a motor vehicle and control unit
DE102020215155A1 (en) 2020-12-01 2022-06-02 Continental Teves Ag & Co. Ohg Method and electronic control system for determining an adverse traffic situation
DE102021205444A1 (en) 2021-05-28 2022-12-01 Robert Bosch Gesellschaft mit beschränkter Haftung Method for analyzing a traffic scene
DE102022204041A1 (en) 2022-04-26 2023-10-26 Volkswagen Aktiengesellschaft Method for generating a hazard map data set and for the corresponding operation of a motor vehicle, assistance system and motor vehicle
CN117012055A (en) * 2023-08-14 2023-11-07 河南新电信息科技有限公司 Intelligent early warning system and method for right dead zone of dangerous goods transport vehicle

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008038731A1 (en) 2008-08-12 2010-02-18 Continental Automotive Gmbh Method for detecting extended static objects
DE102008046488A1 (en) 2008-09-09 2010-03-11 Volkswagen Ag Trigger signal generating method for driver assistance system of motor vehicle, involves performing probabilistic situation analysis, and generating trigger signal for triggering actuator as function of release parameters

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008038731A1 (en) 2008-08-12 2010-02-18 Continental Automotive Gmbh Method for detecting extended static objects
DE102008046488A1 (en) 2008-09-09 2010-03-11 Volkswagen Ag Trigger signal generating method for driver assistance system of motor vehicle, involves performing probabilistic situation analysis, and generating trigger signal for triggering actuator as function of release parameters

Cited By (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104149728A (en) * 2013-05-14 2014-11-19 株式会社电装 Collision mitigation apparatus
EP2803546A1 (en) * 2013-05-14 2014-11-19 Denso Corporation Collision mitigation apparatus
US9150223B2 (en) 2013-05-14 2015-10-06 Denso Corporation Collision mitigation apparatus
CN104149728B (en) * 2013-05-14 2017-09-01 株式会社电装 Impact-moderation equipment
US9308915B2 (en) 2013-07-25 2016-04-12 GM Global Technology Operations LLC System and method for warning of a possible collision of a motor vehicle with an object
DE202013006676U1 (en) 2013-07-25 2014-10-28 GM Global Technology Operations LLC (n. d. Ges. d. Staates Delaware) System for warning of a possible collision of a motor vehicle with an object
US9767696B2 (en) 2014-03-18 2017-09-19 Ford Global Technologies, Llc Method for locating an object in a blind-spot of a vehicle
DE102014205014A1 (en) 2014-03-18 2015-09-24 Ford Global Technologies, Llc Method and device for detecting moving objects in the surroundings of a vehicle
WO2015181611A3 (en) * 2014-05-29 2016-01-21 Toyota Jidosha Kabushiki Kaisha Driving support apparatus
US11142195B2 (en) * 2015-08-28 2021-10-12 Sony Corporation Information processing apparatus, information processing method, and program
CN107921923A (en) * 2015-08-28 2018-04-17 德尔福技术有限公司 Pedestrian for automated vehicle is intended to detection
US20180170372A1 (en) * 2015-08-28 2018-06-21 Sony Corporation Information processing apparatus, information processing method, and program
EP3341248A4 (en) * 2015-08-28 2019-06-19 Aptiv Technologies Limited Pedestrian-intent-detection for automated vehicles
CN107921923B (en) * 2015-08-28 2020-10-30 安波福技术有限公司 Pedestrian intent detection for automated vehicles
US11904852B2 (en) 2015-08-28 2024-02-20 Sony Group Corporation Information processing apparatus, information processing method, and program
DE102017208386A1 (en) * 2017-05-18 2018-11-22 Ford Global Technologies, Llc Method for assisting controlling a vehicle, assistance system and vehicle
US10899366B2 (en) 2017-05-18 2021-01-26 Ford Global Technologies, Llc Method to assist control of a vehicle assistance system
DE102018128398B3 (en) 2018-11-13 2019-12-19 Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr Method for predicting the behavior of a surrounding object and driver assistance system
CN113423626A (en) * 2019-02-15 2021-09-21 采埃孚股份公司 Method and control device for vehicle collision avoidance
CN111627247A (en) * 2019-02-28 2020-09-04 上海汽车集团股份有限公司 Multi-vehicle formation control method and device
EP3816968A1 (en) * 2019-10-29 2021-05-05 Deere & Company Method for monitoring an environment of a vehicle and system for monitoring an environment of a vehicle
DE102020213451A1 (en) 2020-10-26 2022-04-28 Zf Friedrichshafen Ag Method for controlling a motor vehicle and control unit
DE102020131489B3 (en) 2020-11-27 2021-10-28 Sfara GmbH Procedure for collision avoidance
DE102020215155A1 (en) 2020-12-01 2022-06-02 Continental Teves Ag & Co. Ohg Method and electronic control system for determining an adverse traffic situation
DE102021205444A1 (en) 2021-05-28 2022-12-01 Robert Bosch Gesellschaft mit beschränkter Haftung Method for analyzing a traffic scene
DE102022204041A1 (en) 2022-04-26 2023-10-26 Volkswagen Aktiengesellschaft Method for generating a hazard map data set and for the corresponding operation of a motor vehicle, assistance system and motor vehicle
WO2023208627A1 (en) 2022-04-26 2023-11-02 Volkswagen Aktiengesellschaft Method for generating a hazard map dataset and for the corresponding operation of a motor vehicle, assistance system and motor vehicle
CN117012055A (en) * 2023-08-14 2023-11-07 河南新电信息科技有限公司 Intelligent early warning system and method for right dead zone of dangerous goods transport vehicle

Also Published As

Publication number Publication date
DE102011010864A8 (en) 2012-04-26

Similar Documents

Publication Publication Date Title
DE102011010864A1 (en) Method for predicting collision between lorry and e.g. pedestrian in dead angular area during driving on highway, involves computing collision probability between vehicle and object by intersecting vehicle and object accessibility amounts
EP2528765B1 (en) Driver's assistance method to detect lateral objects
EP2888139B1 (en) Driver assistance system, and method for operating said driver assistance system
EP2479077B1 (en) Method for operating a driver assistance system on a motor vehicle outputting a recommendation related to an overtaking manoeuvre and motor vehicle
DE102011082126B4 (en) SAFETY DEVICE FOR MOTOR VEHICLES
DE112012006226B4 (en) Driver assistance device
EP2464992B1 (en) Collision monitoring for vehicle
EP3027479B1 (en) Making available a model of the surroundings when a sensor of a vehicle fails
EP3386825B1 (en) Method for identifying a possible collision between a motor vehicle and an object by taking into account a spatial uncertainty, control device, driver assistance system and motor vehicle
WO2015197353A2 (en) Method for producing a model of the surroundings of a vehicle
DE102006047634A1 (en) Method for detecting an environment of a vehicle
DE102012204948A1 (en) Method for assisting driver when driving vehicle at changing lanes, involves assigning vehicle and detected objects to tracks of roadway, and generating warning signal when detected object regarding vehicle is located on relevant track
DE102016223579A1 (en) Method for determining data of a traffic situation
EP2756489A2 (en) Detection of travel of a vehicle in an unauthorized direction of travel
EP2881829A2 (en) Method for automatically controlling a vehicle, device for generating control signals for a vehicle and vehicle
DE102013209502A1 (en) Method for automatically intervening in an ego vehicle during a wrong-way drive, in particular a ghost ride
DE102014223744A1 (en) Assistance system for detecting driving obstacles occurring in the vicinity of a vehicle
WO2015032707A1 (en) Method, and control and detection device for plausibilizing the wrong-way driving of a motor vehicle
DE102011080933A1 (en) Method for assisting a driver when parking
DE102011084549A1 (en) Method for assisting a driver of a vehicle during a parking process from a transverse parking space
DE102012208302B4 (en) Method for providing information about the surroundings of a vehicle
DE102013008946A1 (en) Device and method for detecting a critical driving situation of a vehicle
DE102010003375A1 (en) Surrounding evaluation system, particularly for use in speed monitoring systems in vehicle, has electronic controller and sensor mediums for detecting objects in surrounding of vehicle
EP2254104B1 (en) Method for automatic recognition of a change in a situation
DE102015214986A1 (en) A method of assisting a driver of a vehicle to prevent accidents involving pedestrians

Legal Events

Date Code Title Description
R230 Request for early publication
R005 Application deemed withdrawn due to failure to request examination