DE102018104270A1 - Method for predicting the behavior of at least one pedestrian - Google Patents
Method for predicting the behavior of at least one pedestrian Download PDFInfo
- Publication number
- DE102018104270A1 DE102018104270A1 DE102018104270.1A DE102018104270A DE102018104270A1 DE 102018104270 A1 DE102018104270 A1 DE 102018104270A1 DE 102018104270 A DE102018104270 A DE 102018104270A DE 102018104270 A1 DE102018104270 A1 DE 102018104270A1
- Authority
- DE
- Germany
- Prior art keywords
- pedestrian
- motor vehicle
- vehicle
- driving support
- behavior
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 111
- 238000001514 detection method Methods 0.000 claims abstract description 58
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 43
- 230000033001 locomotion Effects 0.000 claims abstract description 37
- 238000013527 convolutional neural network Methods 0.000 claims description 41
- 238000013528 artificial neural network Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 6
- 230000036544 posture Effects 0.000 description 46
- 230000003068 static effect Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 230000003044 adaptive effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000004807 localization Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 241000251468 Actinopterygii Species 0.000 description 1
- 206010012335 Dependence Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 210000003618 cortical neuron Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 210000000857 visual cortex Anatomy 0.000 description 1
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
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/02—Conjoint control of vehicle sub-units of different type or different function including control of driveline clutches
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
- B60W10/06—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of combustion engines
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/10—Conjoint control of vehicle sub-units of different type or different function including control of change-speed gearings
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
-
- 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
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- 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
-
- 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
-
- 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
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
-
- 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
- B60W2554/00—Input parameters relating to objects
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/402—Type
- B60W2554/4029—Pedestrians
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
Durch die Erfindung wird ein Verfahren zum Vorhersagen des Verhaltens mindestens eines Fußgängers in einer Verkehrsszene zum Steuern eines Kraftfahrzeugs bereitgestellt, das ein Fahrunterstützungssystem aufweist, wobei das Verfahren die folgenden Schritte aufweist:
- Bereitstellen eines oder mehrerer Bilder mindestens eines Fußgängers außerhalb des Kraftfahrzeugs, die durch mindestens eine Kamera des Fahrzeugs aufgenommen werden,
- Erfassen des mindestens einen Fußgängers innerhalb des einen oder der mehreren Bilder unter Verwendung eines Computer-Vision-Objekterfassungsalgorithmus,
- Bestimmen der Position des mindestens einen Fußgängers relativ zum Kraftfahrzeug,
- Schätzen der Kopf-, Oberkörper- und/oder Beinhaltung des mindestens einen Fußgängers unter Verwendung des Computer-Vision-Objekterfassungsalgorithmus,
- Bestimmen der Trajektorie und des Bewegungszustands des mindestens einen Fußgängers,
- Schätzen der Absicht des mindestens einen Fußgängers, um das Verhalten des mindestens einen Fußgängers vorherzusagen, und
- Treffen einer Entscheidung über Manöver des Kraftfahrzeugs basierend auf dem vorhergesagten Verhalten des mindestens einen Fußgängers.
The invention provides a method for predicting the behavior of at least one pedestrian in a traffic scene for controlling a motor vehicle having a driving support system, the method comprising the steps of:
Providing one or more images of at least one pedestrian outside the motor vehicle, which are received by at least one camera of the vehicle,
Detecting the at least one pedestrian within the one or more images using a computer vision object detection algorithm,
Determining the position of the at least one pedestrian relative to the motor vehicle,
Estimating the head, torso and / or leg posture of the at least one pedestrian using the computer vision object detection algorithm,
Determining the trajectory and the state of motion of the at least one pedestrian,
- estimating the intention of the at least one pedestrian to predict the behavior of the at least one pedestrian, and
Making a decision on maneuvers of the motor vehicle based on the predicted behavior of the at least one pedestrian.
Description
Die Erfindung betrifft ein Verfahren zum Vorhersagen des Verhaltens mindestens eines Fußgängers in einer Verkehrsszene, insbesondere zum Steuern eines Kraftfahrzeugs, das ein Fahrunterstützungssystem aufweist.The invention relates to a method for predicting the behavior of at least one pedestrian in a traffic scene, in particular for controlling a motor vehicle having a driving support system.
Fahrunterstützungssysteme, wie beispielsweise Fahrerassistenzsysteme, sind Systeme, die entwickelt wurden, um Fahrzeugsysteme hinsichtlich der Sicherheit und verbessertem Fahrverhalten zu automatisieren, anzupassen und zu verbessern. Sicherheitsmerkmale sind dafür ausgelegt, Kollisionen und Unfälle zu vermeiden, indem sie Technologien bereitstellen, die den Fahrer vor möglichen Problemen warnen oder Kollisionen durch Implementieren von Sicherheitsmaßnahmen und Übernahme der Kontrolle über das Fahrzeug vermeiden. In autonomen Fahrzeugen stellen die Fahrunterstützungssysteme Eingaben zum Ausführen einer Steuerung des Fahrzeugs bereit. Adaptive Merkmale können die Beleuchtung automatisieren, eine adaptive Geschwindigkeitsregelung bereitstellen, den Bremsvorgang automatisieren, Verkehrswarnungen integrieren, mit Smartphones kommunizieren, z.B. den Fahrer hinsichtlich anderer Autos oder verschiedenartiger Gefahren warnen, das Fahrzeug in der korrekten Fahrspur halten, oder anzeigen, was sich in toten Winkeln befindet. Fahrunterstützungssysteme, die die vorstehend erwähnten Fahrerassistenzsysteme beinhalten, basieren häufig auf Eingaben von mehreren Datenquellen, wie beispielsweise von im Kraftfahrzeug installierten bildgebenden Einrichtungen, Bildverarbeitung, Radarsensoren, LiDAR, Ultraschallsensoren und anderen Quellen. Neuronale Netzwerke sind kürzlich für die Verarbeitung solcher Eingaben von Daten in Fahrerassistenzsystemen oder allgemein in Fahrunterstützungssystemen einbezogen worden.Driving assistance systems, such as driver assistance systems, are systems that have been developed to automate, adapt, and improve vehicle systems in terms of safety and improved handling. Security features are designed to prevent collisions and accidents by providing technologies that warn the driver of potential problems or avoid collisions by implementing security measures and taking control of the vehicle. In autonomous vehicles, the driving assistance systems provide inputs for performing control of the vehicle. Adaptive features can automate the lighting, provide adaptive cruise control, automate the braking process, integrate traffic alerts, communicate with smartphones, e.g. Warn the driver about other cars or various dangers, keep the vehicle in the correct lane, or indicate what is in blind spots. Driving assistance systems incorporating the aforementioned driver assistance systems are often based on inputs from multiple data sources, such as on-vehicle imaging devices, image processing, radar sensors, LiDAR, ultrasonic sensors, and other sources. Neural networks have recently been involved in processing such inputs of data in driver assistance systems, or generally in driving support systems.
In letzter Zeit sind Fahrunterstützungssysteme für Kraftfahrzeuge, die Fahrerassistenzsysteme beinhalten, die Rundumsichtsysteme aufweisen, immer populärer geworden. Darüber hinaus gab es einen sprunghaften Anstieg bei der Erforschung konvolutioneller neuronaler Netzwerke (CNNs). Ihr Design ist durch die Erhöhung der Rechenleistung in Computerarchitekturen unterstützt worden.Recently, driving assistance systems for automobiles incorporating driver assistance systems having all-round vision systems have become more and more popular. In addition, there has been a surge in research into convolutional neural networks (CNNs). Their design has been supported by increasing computing power in computer architectures.
Konvolutionelle neuronale Netzwerke (CNNs) sind äußerst erfolgreich bei Klassifizierungs- und Kategorisierungsaufgaben, aber ein großer Teil der Forschung befasst sich mit photometrischen Standard-RGB-Bildern und konzentriert sich nicht auf eingebettete Fahrzeugvorrichtungen. Fahrzeughardware muss einen niedrigen Stromverbrauch und damit eine geringe Rechenleistung haben.Convolutional neural networks (CNNs) are highly successful in classifying and categorizing tasks, but much of the research is on standard RGB photometric images and does not focus on embedded vehicle devices. Vehicle hardware must have a low power consumption and thus low computing power.
Beim maschinellen Lernen ist ein konvolutionelles neuronales Netzwerk eine Klasse tiefer, vorwärtsgekoppelter künstlicher neuronaler Netzwerke, die erfolgreich zur Analyse visueller Bilder verwendet worden ist. CNNs verwenden eine Variation mehrschichtiger Perzeptronen, die so designt sind, dass sie eine minimale Vorverarbeitung erfordern. Konvolutionelle Netzwerke wurden durch biologische Prozesse inspiriert, bei denen das Konnektivitätsmuster zwischen Neuronen durch die Organisation des tierischen visuellen Kortex inspiriert ist. Einzelne kortikale Neuronen reagieren auf Stimuli nur in einem eingeschränkten Bereich des visuellen Feldes, der als rezeptives Feld bekannt ist. Die rezeptiven Felder verschiedener Neuronen überlappen sich teilweise derart, dass sie das gesamte visuelle Feld abdecken.In machine learning, a convolutional neural network is a class of deep, feedforward artificial neural networks that has been successfully used to analyze visual images. CNNs use a variation of multilayer perceptrons that are designed to require minimal preprocessing. Convolutional networks have been inspired by biological processes in which the connectivity pattern between neurons is inspired by the organization of the animal visual cortex. Individual cortical neurons respond to stimuli only in a restricted area of the visual field known as the receptive field. The receptive fields of different neurons partially overlap to cover the entire visual field.
CNNs verwenden im Vergleich zu anderen Bildklassifizierungsalgorithmen relativ wenig Vorverarbeitung. Dies bedeutet, dass das Netzwerk die Filter lernt, die in herkömmlichen Algorithmen von Hand entwickelt wurden. Diese Unabhängigkeit von vorherigem Wissen und menschlichem Arbeitsaufwand beim Merkmalsdesign ist ein großer Vorteil. CNNs finden Anwendung in der Bild- und Videoerkennung, Empfehlungssystemen und natürlicher Sprachverarbeitu ng.CNNs use relatively little preprocessing compared to other image classification algorithms. This means that the network learns the filters that have been manually developed in conventional algorithms. This independence of prior knowledge and human effort in feature design is a great advantage. CNNs are used in image and video recognition, recommendation systems and natural language processing.
In dieser Hinsicht offenbart die
Auf dem Fachgebiet bekannte herkömmliche Verfahren erfassen einen Fußgänger nur rahmenweise mit einer gewissen Nachverfolgung über die Zeit. Diese Verfahren können jedoch nicht statische Fußgänger handhaben.Conventional methods known in the art capture a pedestrian only in a frame by frame with some tracking over time. However, these methods can not handle static pedestrians.
Fahrunterstützungssysteme, wie beispielsweise Fahrerassistenzsysteme oder hochentwickelte Fahrerassistenzsysteme (ADAS), sind eines der am schnellsten wachsenden Segmente in der Automobilelektronik, und es besteht ein Bedarf an verbesserten Verfahren und Systemen zum Vorhersagen des Verhaltens von Objekten im Verkehr.Driving assistance systems, such as driver assistance systems or sophisticated driver assistance systems (ADAS), are one of the fastest growing segments in automotive electronics, and there is a need for improved methods and systems for predicting the behavior of objects in traffic.
Der vorliegenden Erfindung liegt die Aufgabe zugrunde, ein Verfahren zum Vorhersagen des Verhaltens von Objekten in einer Verkehrsszene anzugeben, das auch das wahrscheinliche zukünftige Verhalten statischer Objekte vorhersagen kann.It is an object of the present invention to provide a method for predicting the behavior of objects in a traffic scene that may also predict the likely future behavior of static objects.
Die Lösung der Aufgabe erfolgt durch den Gegenstand der unabhängigen Ansprüche. Bevorzugte Ausführungsformen sind in den Unteransprüchen beschrieben.The object is achieved by the subject matter of the independent claims. Preferred embodiments are described in the subclaims.
Durch die Erfindung ist ein Verfahren zum Vorhersagen des Verhaltens mindestens eines Fußgängers in einer Verkehrsszene angegeben, insbesondere zum Steuern eines Kraftfahrzeugs, das ein Fahrunterstützungssystem aufweist, wobei das Verfahren die folgenden Schritte aufweist:
- - Bereitstellen eines oder mehrerer Bilder mindestens eines Fußgängers außerhalb des Kraftfahrzeugs, die durch mindestens eine Kamera des Fahrzeugs aufgenommen werden,
- - Erfassen des mindestens einen Fußgängers innerhalb des einen oder der mehreren Bilder unter Verwendung eines Computer-Vision-Objekterfassungsalgorithmus,
- - Bestimmen der Position des mindestens einen Fußgängers relativ zu dem Kraftfahrzeug,
- - Schätzen der Kopf-, Oberkörper- und/oder Beinhaltung des mindestens einen Fußgängers unter Verwendung des Computer-Vision-Objekterfassungsalgorithmus,
- - Bestimmen der Trajektorie und des Bewegungszustands des mindestens einen Fußgängers, und
- - Abschätzen der Absicht des mindestens einen Fußgängers, um das Verhalten des mindestens einen Fußgängers vorherzusagen.
- Providing one or more images of at least one pedestrian outside the motor vehicle, which are received by at least one camera of the vehicle,
- Detecting the at least one pedestrian within the one or more images using a computer vision object detection algorithm,
- Determining the position of the at least one pedestrian relative to the motor vehicle,
- Estimating the head, torso and / or leg posture of the at least one pedestrian using the computer vision object detection algorithm,
- Determining the trajectory and the state of motion of the at least one pedestrian, and
- Estimate the intention of the at least one pedestrian to predict the behavior of the at least one pedestrian.
Der auf dem Fachgebiet bekannte Standardalgorithmus für eine Fußgängererfassung führt eine Erfassung über einen Begrenzungsrahmen (Bounding Box) durch, und der Fußpunkt auf dem Boden wird verfolgt und nachgeregelt, um die Bewegungstrajektorie zu erhalten. Im Gegensatz dazu sagt das erfindungsgemäße Verfahren außerdem die Absicht des mindestens einen Fußgängers vorher, um die Trajektorie vorauszusehen und vorherzusagen. Das erfindungsgemäße Verfahren ist vorzugsweise für Fahrszenarien im innerstädtischen Bereich ausgelegt, bei denen eine große Wahrscheinlichkeit für Wechselwirkungen mit Fußgängern besteht. Dies ist besonders vorteilhaft für statische Fußgänger, bei denen keine Nachverfolgungsinformation zur Vorhersage der Trajektorie verwendet werden kann.The standard algorithm for pedestrian detection known in the art carries out detection via a bounding box, and the footing on the ground is tracked and readjusted to obtain the motion trajectory. In contrast, the inventive method also predicts the intention of the at least one pedestrian to anticipate and predict the trajectory. The method according to the invention is preferably designed for driving scenarios in the inner city area where there is a high probability of interactions with pedestrians. This is particularly advantageous for static pedestrians where tracing information can not be used to predict the trajectory.
Fahrunterstützungssysteme beinhalten Fahrerassistenzsysteme, die bereits bekannt sind und in herkömmlichen Fahrzeugen verwendet werden. Die entwickelten Fahrunterstützungssysteme werden bereitgestellt, um Fahrzeugsysteme hinsichtlich der Sicherheit und besserem Fahrverhalten zu automatisieren, anzupassen und zu verbessern. Sicherheitsmerkmale sind dafür ausgelegt, Kollisionen und Unfälle zu vermeiden, indem sie Technologien bereitstellen, die den Fahrer vor möglichen Problemen warnen oder Kollisionen durch Implementieren von Sicherheitsmaßnahmen und Übernahme der Fahrzeugkontrolle vermeiden. In autonomen Fahrzeugen stellen die Fahrunterstützungssysteme Eingaben zum Ausführen einer Steuerung des Fahrzeugs bereit. Adaptive Merkmale können die Beleuchtung automatisieren, eine adaptive Geschwindigkeitsregelung bereitstellen, den Bremsvorgang automatisieren, Verkehrswarnungen integrieren, mit Smartphones kommunizieren, z.B. den Fahrer hinsichtlich anderer Autos oder verschiedenartiger Gefahren warnen, das Fahrzeug in der korrekten Fahrspur halten, oder anzeigen, was sich in toten Winkeln befindet. Fahrunterstützungssysteme, die die vorstehend erwähnten Fahrerassistenzsysteme beinhalten, basieren häufig auf Eingaben von mehreren Datenquellen, wie beispielsweise von im Kraftfahrzeug installierten bildgebenden Einrichtungen, Bildverarbeitung, Radarsensoren, LiDAR, Ultraschallsensoren und anderen Quellen.Driving assistance systems include driver assistance systems that are already known and used in conventional vehicles. The developed driving assistance systems are provided to automate, adapt and improve vehicle systems in terms of safety and better handling. Security features are designed to prevent collisions and accidents by providing technologies that warn the driver of potential problems or avoid collisions by implementing security measures and taking control of the vehicle. In autonomous vehicles, the driving assistance systems provide inputs for performing control of the vehicle. Adaptive features can automate the lighting, provide adaptive cruise control, automate the braking process, integrate traffic alerts, communicate with smartphones, e.g. Warn the driver about other cars or various dangers, keep the vehicle in the correct lane, or indicate what is in blind spots. Driving assistance systems incorporating the aforementioned driver assistance systems are often based on inputs from multiple data sources, such as on-vehicle imaging devices, image processing, radar sensors, LiDAR, ultrasonic sensors, and other sources.
Das erfindungsgemäße Verfahren kann auf folgende Anwendungsfälle angewendet werden: Haltungs- und Absichtserfassung mindestens eines statischen Fußgängers in der Nähe des Straßenrands und in einigen speziellen Fällen von Fußgängern, die in die falsche Richtung blicken, eines dynamischen Fußgängers, der zum Straßenrand hin läuft, Erfassen eines Gruppenverhaltens mehrerer Fußgänger, des Verhaltens eines abgelenkten Fußgängers, z.B.: Personen, die ihre Mobiltelefone oder andere Mobilgeräte nutzen, Kinder, Erfassen von Hindernissen auf dem Gehweg und Vorhersagen, ob der mindestens eine Fußgänger ein Hindernis umgehen wird und wahrscheinlich auf der Straße erscheint, mindestens eines Fußgängers, der eine große Kiste trägt, wodurch eine Behinderung verursacht wird, mindestens eines Fußgängers, der nach einer Gelegenheit sucht, an einer nicht markierten Abzweigung, d.h. nicht an einem Zebrastreifen, über die Straße zu laufen, und Handhaben eines langfristigen Trajektorienverhaltens mindestens eines Fußgängers.The method according to the invention can be applied to the following applications: detection of at least one static pedestrian near the roadside and in some specific cases of pedestrians looking in the wrong direction of a dynamic pedestrian moving towards the roadside, detecting a Group behavior of multiple pedestrians, the behavior of a distracted pedestrian, for example: people using their mobile phones or other mobile devices, children, detecting obstacles on the sidewalk and predicting whether the at least one pedestrian will bypass an obstacle and is likely to appear on the street, at least a pedestrian carrying a large crate causing disability, at least one pedestrian looking for an opportunity, across the road at an unmarked junction, ie not at a pedestrian crossing running, and managing a long-term trajectory behavior of at least one pedestrian.
Die Haupteingabe des Systems kann aus einem oder mehreren Bildern bestehen, die durch mindestens eine, vorzugsweise mindestens zwei, bevorzugter mindestens drei und am meisten bevorzugt mindestens vier Kameras, vorzugsweise Rundumsichtkameras, wie beispielsweise Kameras mit Fischaugenlinsen, zugeführt werden. Die mindestens vier Kameras können eine kombinierte Rundumansicht des Umgebungsbereichs des Fahrzeugs bereitstellen. Das eine oder die mehreren bereitgestellten Bilder werden zum Erfassen mindestens eines Fußgängers innerhalb des einen oder der mehreren Bilder verwendet. Das Bestimmen der Position des mindestens einen Fußgängers relativ zum Kraftfahrzeug kann auch das Verwenden von Odometriesignalen, GPS- (Global Positioning System) Signalen, mechanischen Signalen, die die Ego-Bewegung des Fahrzeugs darstellen, sowie das Erfassen von Straßenkontextmerkmalen aufweisen.The main input of the system may consist of one or more images supplied by at least one, preferably at least two, more preferably at least three and most preferably at least four cameras, preferably all-round vision cameras such as fish eye lens cameras. The at least four cameras can provide a combined surround view of the surrounding area of the vehicle. The one or more provided images are used to capture at least one pedestrian within the one or more images. Determining the position of the at least one pedestrian relative to the motor vehicle may also include using odometry signals, GPS (Global Positioning System) signals, mechanical signals representing the ego movement of the vehicle, and detecting road context features.
Das erfindungsgemäße Verfahren kann in zwei Stufen geteilt werden. Die erste Stufe beinhaltet das Aufnehmen des einen oder der mehreren Bilder und das Erfassen des mindestens einen Fußgängers und das Lokalisieren des Fußgängers unter Verwendung der Odometriesignale, die die Ego-Bewegung des Fahrzeugs darstellen. Der Begriff „Lokalisieren“ bezieht sich auf das Bestimmen der relativen Position des mindestens einen Fußgängers bezüglich des Kraftfahrzeugs. Die zweite Stufe des erfindungsgemäßen Verfahrens kann das Bereitstellen begrenzter Bereiche von Interesse (ROIs), die den mindestens einen Fußgänger enthalten, und seiner Position als Eingabe für einen Computer-Vision-Algorithmus aufweisen, der zum Ausführen einer Schätzung der Kopf-, der Oberkörper- und/oder der Beinhaltung des mindestens einen Fußgängers verwendet wird. Die Fußgängertrajektorie kann unter Verwendung der Kopf-, Oberkörper- und/oder Beinhaltungsinformation und der Positionsinformation hergeleitet werden, um die Absicht des mindestens einen Fußgängers abzuschätzen. Zusätzlich kann die Kopf-, Oberkörper- und/oder Beinhaltungsinformation und die Positionsinformation des mindestens einen Fußgängers auch Information über eine mögliche Ablenkung des mindestens einen Fußgängers aufweisen, z.B. wenn ein Fußgänger telefoniert.The process according to the invention can be divided into two stages. The first stage includes capturing the one or more images and capturing the at least one pedestrian and locating the pedestrian using the odometry signals representing the ego movement of the vehicle. The term "locate" refers to determining the relative position of the at least one pedestrian with respect to the motor vehicle. The second stage of the method of the invention may include providing limited areas of interest (ROIs) containing the at least one pedestrian and its position as input to a computer vision algorithm that is used to make an estimation of the head, upper body and / or the leg posture of the at least one pedestrian is used. The pedestrian trajectory may be derived using the head, torso and / or stance information and position information to estimate the intent of the at least one pedestrian. In addition, the head, upper body and / or containment information and the position information of the at least one pedestrian may also include information about a possible distraction of the at least one pedestrian, e.g. when a pedestrian is on the phone.
Das eine oder die mehreren Bilder, die durch mindestens eine Kamera aufgenommen werden, werden anschließend durch ein Fußgängererfassungssystem zum Erfassen mindestens eines Fußgängers innerhalb des einen oder der mehreren Bilder verwendet. Das Fußgängererfassungssystem kann ein Computer-Vision-Objekterfassungsalgorithmus sein, der ein neuronales Netzwerk aufweisen kann. Vorzugsweise wird mindestens ein Fußgänger unter Verwendung eines vollständig konvolutionellen neuronalen Netzwerks (CNN), z.B. eines Single-Shot-Detektors (SSD), erfasst. Die Fußgängererfassungsausgabe kann ein Begrenzungsrahmen sein. Das erfindungsgemäße Verfahren kann auch mehrere Fußgänger oder eine Vielzahl von Fußgängern erfassen, die auch miteinander interagieren können.The one or more images captured by at least one camera are then used by a pedestrian sensing system to detect at least one pedestrian within the one or more images. The pedestrian sensing system may be a computer vision object detection algorithm that may include a neural network. Preferably, at least one pedestrian is navigated using a fully convolutional neural network (CNN), e.g. of a single-shot detector (SSD). The pedestrian acquisition output may be a bounding box. The method according to the invention can also detect a plurality of pedestrians or a large number of pedestrians, who can also interact with one another.
Anschließend wird die Position des mindestens einen Fußgängers relativ zum Kraftfahrzeug bestimmt. Mindestens ein Fußgänger oder ein oder mehrere Fußgänger können basierend auf einer Fußpunktschätzung und/oder einem Dense-Structure-From-Motion-Prozess lokalisiert werden. Dies kann eine Vorstellung von der Gefahr geben, die mit dem erfassten einen oder den erfassten mehreren Fußgängern verbunden ist, wobei Fußgänger, die sich in der Nähe des Fahrzeugs befinden, gefährdeter sein können.Subsequently, the position of the at least one pedestrian is determined relative to the motor vehicle. At least one pedestrian or one or more pedestrians may be located based on a base point estimate and / or a dense structure-from-motion process. This may give an idea of the danger associated with the detected one or more detected pedestrians, with pedestrians located near the vehicle being more vulnerable.
Nachverfolgung und Trajektorienschätzung können basierend auf Fusion optischer Flussinformation und auch durch Nachverfolgen des Fußpunkts des erfassten mindestens einen Fußgängers ausgeführt werden, was durch einen Zustandsbewegungsblock dargestellt werden kann.Tracking and trajectory estimation may be performed based on fusion of optical flow information and also by tracking the foot of the detected at least one pedestrian, which may be represented by a state motion block.
Nach der Bestimmung der Position des mindestens einen Fußgängers relativ zum Kraftfahrzeug erfolgt eine Schätzung der Kopfhaltung, der Oberkörperhaltung und/oder der Beinhaltung des erfassten mindestens einen Fußgängers. Die Schätzung der Oberkörperhaltung und der Beinhaltung kann als eine Abschätzung der Körperhaltung kombiniert werden. Aus Gründen der Effizienz kann der Computer-Vision-Objekterfassungsalgorithmus, der beim Erfassen des mindestens einen Fußgängers verwendet wird, z.B. ein neuronales Netzwerk, wie etwa ein konvolutionelles neuronales Netzwerk (CNN), beim Schätzen der Kopfhaltung, der Oberkörperhaltung und/oder der Beinhaltung des erfassten mindestens einen Fußgängers erneut verwendet werden, wobei zusätzliche Schichten hinzugefügt werden können, um die Haltung zu ermitteln. Das neuronale Netzwerk, vorzugsweise ein konvolutionelles neuronales Netzwerk (CNN), kann separate Haltungsmodule für separate Körperbereiche oder Körperteile des mindestens einen Fußgängers aufweisen, z.B. ein Haltungsmodul für den Kopf, ein Haltungsmodul für den Oberkörper und/oder ein Haltungsmodul für die Beine. Das Erfassen der Haltung der Beine des mindestens eines Fußgängers kann genutzt werden, um die Gestik einer Beinbewegung vorauszusehen und zu erfassen, die sich zum Laufen vorbereitet. Zusätzlich können die Randbedingungen der Steifigkeit von Kopf und Körper und ihre Ausrichtung zueinander modelliert werden, da sie in einer geometrischen Beziehung miteinander stehen. Eine separate Ermittlung für die vorstehend erwähnten Körperteile oder Körperbereiche, z.B. Kopf, Oberkörper und/oder Beine, kann auch Behinderungen Robustheit verleihen.After determining the position of the at least one pedestrian relative to the motor vehicle, an estimation of the head posture, the upper body posture and / or the leg posture of the detected at least one pedestrian is carried out. The estimation of upper body posture and leg posture can be combined as an estimation of posture. For reasons of efficiency, the computer vision object detection algorithm used in detecting the at least one pedestrian may include, for example, a neural network, such as a convolutional neural network (CNN), in estimating head posture, upper body posture, and / or leg posture at least one pedestrian can be reused, with additional layers added to determine posture. The neural network, preferably a convolutional neural network (CNN), may have separate posture modules for separate body areas or body parts of the at least one pedestrian, eg, a head posture module, a torso posture module, and / or a leg retention module. Detecting the posture of the legs of the at least one pedestrian may be used to anticipate and grasp the gesture of leg movement preparing to walk. In addition, the constraints of head and body stiffness and their alignment with each other can be modeled because they are in a geometric relationship with each other. A separate determination for the above-mentioned body parts or body parts, For example, head, torso and / or legs, can also give disability robustness.
Zusätzlich kann das Bestimmen der Position des mindestens einen Fußgängers relativ zum Kraftfahrzeug auch das Erfassen von Straßenkontextmerkmalen, wie beispielsweise Straße, Fahrspuren, Parkbereichseigenschaften, Gehweg und deren Hindernisse, aufweisen, um einen globalen Kontext der Szene zu erhalten und die Absicht des mindestens einen Fußgängers besser zu verstehen.In addition, determining the position of the at least one pedestrian relative to the motor vehicle may also include detecting road context features such as road, lanes, parking area characteristics, walkway and their obstacles to obtain a global context of the scene and better the intent of the at least one pedestrian to understand.
Das erfindungsgemäße Verfahren kann auf verschiedene Kombinationen von Fußgänger- und Fahrzeugszenarien angewendet werden. Insbesondere können Szenarien klassifiziert werden in Szenarien, bei denen für den mindestens einen Fußgänger eine geringere Gefahr besteht, und Szenarien, bei denen für den mindestens einen Fußgänger eine höhere Gefahr besteht, wo ein Brems- oder eine Verzögerungsvorgang erforderlich sein könnte. Das erfindungsgemäße Verfahren kann alle erfassten Objekte und Fußgängerattribute in ein probabilistisches graphisches Modell einfügen, um zu lernen, Entscheidungen beim Bremsen und Lenken zu treffen.The method according to the invention can be applied to various combinations of pedestrian and vehicle scenarios. In particular, scenarios may be classified in scenarios where there is less danger to the at least one pedestrian and scenarios where the at least one pedestrian is at greater risk of where a braking or deceleration process may be required. The method of the invention can incorporate all detected objects and pedestrian attributes into a probabilistic graphical model to learn to make decisions in braking and steering.
Gemäß einer bevorzugten Ausführungsform der Erfindung weist das Erfassen mindestens eines Fußgängers und das Ausführen einer Schätzung der Kopf-, Oberkörper- und/oder Beinhaltung des Fußgängers unter Verwendung eines Computer-Vision-Objekterfassungsalgorithmus das Verwenden eines neuronalen Netzwerks auf. Das Schätzen der Oberkörper- und Beinhaltung kann auch als Schätzung der Körperhaltung kombiniert werden. Vorzugsweise ist das neuronale Netzwerk ein konvolutionelles neuronales Netzwerk (CNN). Ein derartiges CNN kann z.B. ein Single-Shot-Detektor (SSD) sein.According to a preferred embodiment of the invention, detecting at least one pedestrian and making an estimate of the head, torso, and / or leg position of the pedestrian using a computer vision object detection algorithm comprises using a neural network. Appreciating the upper body and leg posture can also be combined as an estimate of posture. Preferably, the neural network is a convolutional neural network (CNN). Such a CNN may e.g. be a single-shot detector (SSD).
Vorzugsweise weist das Bestimmen der Position des mindestens einen Fußgängers relativ zum Kraftfahrzeug das Verwenden von Odometriesignalen, GPS- (Global Positioning System) Signalen, mechanischen Signalen, die die Ego-Bewegung des Fahrzeugs darstellen, und das Erfassen von Straßenkontextmerkmalen auf.Preferably, determining the position of the at least one pedestrian relative to the motor vehicle comprises using odometry signals, GPS (Global Positioning System) signals, mechanical signals representing the ego movement of the vehicle, and detecting road context features.
Das Erfassen von Straßenkontextmerkmalen kann das Erfassen von Straßen-, Fahrspur-, Gehweg- und/oder Parkbereichseigenschaften aufweisen, wobei die Parkbereichseigenschaften Straßenmarkierungen, Fußgängerwege, Fußgängerüberwege, Parkbereichsschilder, Hinweisschilder für Fußgänger und Parkbereichsbelegungszustände aufweisen können.The detection of road context features may include detecting road, lane, walkway, and / or parking area characteristics, wherein the parking area characteristics may include road markings, pedestrian walks, pedestrian crossings, parking area signs, pedestrian signposts, and parking lot occupancy states.
In einer bevorzugten Ausführungsform der Erfindung wird die Ausgabe der Erfassung des mindestens einen Fußgängers unter Verwendung eines Computer-Vision-Objekterfassungsalgorithmus durch einen Begrenzungsrahmen dargestellt. Die Eingabe zum Ausführen einer Schätzung der Kopf-, Oberkörper- und/oder Beinhaltung des mindestens einen Fußgängers unter Verwendung des Computer-Vision-Objekterfassungsalgorithmus kann ein oder mehrere begrenzte Bereiche von Interesse (ROIs) und deren Positionen sein, die den mindestens einen Fußgänger anzeigen.In a preferred embodiment of the invention, the output of the detection of the at least one pedestrian is represented by a bounding box using a computer vision object detection algorithm. The input for making an estimate of the head, torso, and / or leg position of the at least one pedestrian using the computer vision object detection algorithm may be one or more limited areas of interest (ROIs) and their locations indicative of the at least one pedestrian ,
Vorzugsweise weist das Verfahren einen zusätzlichen Schritt zum Treffen einer Entscheidung über Manöver des Kraftfahrzeugs basierend auf dem vorhergesagten Verhalten des mindestens einen Fußgängers auf, insbesondere von Entscheidungen über Brems- und/oder Lenkmanöver des Fahrzeugs. Daher kann die Steuerung des Fahrzeugs z.B. ausgeführt werden, um einen Kontakt mit den Fußgängern zu vermeiden, entweder durch Stoppen des Fahrzeugs oder Fortsetzen einer Bewegung des Fahrzeugs, während dem Fußgänger ausgewichen wird.The method preferably has an additional step for making a decision about maneuvers of the motor vehicle based on the predicted behavior of the at least one pedestrian, in particular decisions about braking and / or steering maneuvers of the vehicle. Therefore, the control of the vehicle may be e.g. be executed to avoid contact with the pedestrians, either by stopping the vehicle or continuing a movement of the vehicle, while the pedestrian is dodged.
In einer bevorzugten Ausführungsform der Erfindung sagt das Verfahren das Verhalten einer Vielzahl von Fußgängern voraus. Mehrere Fußgänger können miteinander interagieren und können sogar abgelenkt sein. Daher kann das Verhalten mehrerer Fußgänger weitere besondere Eigenschaften für eine Vorhersage des Verhaltens mindestens eines Fußgängers bereitstellen.In a preferred embodiment of the invention, the method predicts the behavior of a plurality of pedestrians. Several pedestrians can interact with each other and even be distracted. Therefore, the behavior of multiple pedestrians may provide other unique characteristics for predicting the behavior of at least one pedestrian.
Durch die Erfindung ist ferner ein Verfahren zum Vorhersagen des Verhaltens mindestens eines Fußgängers auf einem Parkbereich zum Steuern eines Kraftfahrzeugs angegeben, das ein Fahrunterstützungssystem aufweist, wobei das Verfahren die Schritte aufweist:
- - Bereitstellen eines oder mehrerer Bilder mindestens eines Fußgänger außerhalb des Kraftfahrzeugs, die durch mindestens eine Kamera des Fahrzeugs aufgenommen werden,
- - Erfassen des mindestens einen Fußgängers innerhalb des einen oder der mehreren Bilder unter Verwendung eines Computer-Vision-Objekterfassungsalgorithmus,
- - Bestimmen der allgemeinen Richtung des mindestens einen Fußgängers,
- - Schätzen der beabsichtigten Route des mindestens einen Fußgängers,
- - Erfassen von Parkbereichseigenschaften unter Verwendung einer oder mehrerer Kameras,
- - Kombinieren der Ergebnisse der Bestimmung der allgemeinen Richtung und der Schätzung der beabsichtigten Route des mindestens einen Fußgängers mit den erfassten Parkbereichseigenschaften und
- - Vorhersagen der Route, der der mindestens eine Fußgänger folgen wird, basierend auf den kombinierten Ergebnissen.
- Providing one or more images of at least one pedestrian outside the motor vehicle taken by at least one camera of the vehicle,
- Detecting the at least one pedestrian within the one or more images using a computer vision object detection algorithm,
- Determining the general direction of the at least one pedestrian,
- Estimating the intended route of the at least one pedestrian,
- Detecting parking area characteristics using one or more cameras,
- Combining the results of determining the general direction and estimating the intended route of the at least one Pedestrian with the detected parking area features and
- Predict the route the at least one pedestrian will follow, based on the combined results.
Allgemein ist die Beschreibung des vorstehenden Verfahrens zum Vorhersagen des Verhaltens mindestens eines Fußgängers in einer Verkehrsszene auch auf das Verfahren zum Vorhersagen des Verhaltens mindestens eines Fußgängers auf einem Parkbereich anwendbar.In general, the description of the above method for predicting the behavior of at least one pedestrian in a traffic scene is also applicable to the method of predicting the behavior of at least one pedestrian on a parking area.
Gemäß einer bevorzugten Ausführungsform dieses Verfahrens der Erfindung weist das Erfassen mindestens eines Fußgängers innerhalb des einen oder der mehreren Bilder unter Verwendung eines Computer-Vision-Objekterfassungsalgorithmus das Verwenden eines neuronalen Netzwerks auf. Vorzugsweise ist das neuronale Netzwerk ein konvolutionelles neuronales Netzwerk (CNN). Ein derartiges CNN kann z.B. ein Single-Shot-Detektor (SSD) sein.According to a preferred embodiment of this method of the invention, detecting at least one pedestrian within the one or more images using a computer vision object detection algorithm comprises using a neural network. Preferably, the neural network is a convolutional neural network (CNN). Such a CNN may e.g. be a single-shot detector (SSD).
Diese Ausführungsform der Erfindung ermöglicht eine genauere Vorhersage des Fußgängerzustands und ermöglicht ein umfassenderes Frühwarnsystem. Das Modell für den Fußgänger wird verbessert und um topologische Information ergänzt, zum Beispiel um einen Kurs des Fußgängers, einen Fußgängerroutenbestimmungsalgorithmus, Straßenmarkierungen, eine Beschilderung und ein Parkbereichsbelegungszustand. Diese Metainformation ermöglicht es dem Fahrunterstützungssystem des Kraftfahrzeugs eine genauere Position des mindestens einen Fußgängers und einen wahrscheinlichen Pfad des mindestens einen Fußgängers weiter in die Zukunft vorhersagen, was es dem Fahrunterstützungssystem des Fahrzeugs ermöglicht, Maßnahmen früher zu ergreifen oder den Fahrer früher zu warnen.This embodiment of the invention allows a more accurate prediction of pedestrian condition and allows for a more comprehensive early warning system. The model for the pedestrian is improved and supplemented with topological information, for example, a pedestrian's course, a pedestrian route determination algorithm, road markings, signage, and parking area occupancy state. This meta-information allows the drive assist system of the motor vehicle to predict a more accurate position of the at least one pedestrian and a probable path of the at least one pedestrian further into the future, allowing the vehicle propulsion system to take action earlier or alert the driver earlier.
Diese Ausführungsform der Erfindung bietet den Vorteil, dass eine genauere Modellierung des Fußgängers ermöglicht wird, während herkömmliche Modelle lediglich vorhersagen können, ob der Fußgänger seinen oder ihren Kurs fortsetzen wird. Durch Beobachten einiger Eigenschaften des Fußgängerverhaltens und von Eigenschaften des Parkbereichs kann diese Ausführungsform der Erfindung den mindestens einen Fußgänger genauer lokalisieren und längerfristige Vorhersagen zur Verwendung in Fahrunterstützungssystemen ermöglichen, die Frühwarnsysteme aufweisen.This embodiment of the invention offers the advantage of allowing more accurate modeling of the pedestrian, while conventional models can only predict whether the pedestrian will continue his or her course. By observing some characteristics of pedestrian behavior and properties of the parking area, this embodiment of the invention can more accurately locate the at least one pedestrian and enable longer term predictions for use in driving assistance systems having early warning systems.
Fußgängereigenschaften, die hilfreich sind und gemäß dieser Ausführungsform der Erfindung beobachtet werden können, sind: die allgemeine Richtung des mindestens einen Fußgängers, d.h. ihr Kurs, und der Fußgängerroutenbestimmungsalgorithmus, wie Manhattan oder Shortest Path. Durch Bereitstellen der vorstehend erwähnten zwei Informationselemente kann das Fahrzeug allgemein wissen, wohin der mindestens eine Fußgänger geht und wie sie allgemein navigieren. Das Verfahren kann wahrscheinliche Routen, die der mindestens eine Fußgänger nehmen wird, durch Kombinieren der vorstehenden Information mit den Parkbereichseigenschaften vorhersagen.Pedestrian characteristics that are helpful and that can be observed according to this embodiment of the invention are: the general direction of the at least one pedestrian, i. their course, and the pedestrian route determination algorithm, such as Manhattan or Shortest Path. By providing the above-mentioned two information items, the vehicle can generally know where the at least one pedestrian is going and how to navigate generally. The method may predict probable routes that the at least one pedestrian will take by combining the above information with the parking area characteristics.
Parkbereichseigenschaften, die durch diese Ausführungsform der Erfindung beobachtet werden können, sind z.B. Straßenmarkierungen, Fußgängerwege, Fußgängerüberwege, Parkbereichsbeschilderungen, Hinweisschilder für Fußgänger, die die Richtung zum Eingang eines Einkaufszentrums anzeigen und Parkbereichsbelegung. Durch Kombinieren dieser Information mit den Fußgängereigenschaften kann das Verfahren vorhersagen, ob ein bestimmter Fußgänger oder eine Gruppe von Fußgängern einen Pfad fortsetzen wird, wenn er oder sie die Fahrspur überqueren kann, oder z.B. ob die Fußgänger zu ihrem Auto oder zum Eingang eines Einkaufszentrum gehen.Parking area characteristics which can be observed by this embodiment of the invention are e.g. Road markings, pedestrian walkways, pedestrian crossings, parking area signage, pedestrian signposts indicating the direction to the entrance of a shopping mall and parking area occupancy. By combining this information with the pedestrian characteristics, the method can predict whether a particular pedestrian or a group of pedestrians will continue on a path when he or she can cross the lane, or e.g. whether the pedestrians go to their car or to the entrance of a shopping mall.
Die folgenden Anwendungsfälle demonstrieren die Vorteile dieser Ausführungsform der Erfindung.The following applications demonstrate the advantages of this embodiment of the invention.
Ein Fußgänger läuft entlang einer Reihe von Autos. Voraus befindet sich eine Abzweigung. Auf dem Fachgebiet bekannte Verfahren gehen davon aus, dass der Fußgänger geradeaus weiterläuft, bis er dies nicht mehr tut und der Zustand mit einer neuen Position aktualisiert wird. Im Gegensatz dazu beobachtet in dieser Ausführungsform der Erfindung ein Fahrunterstützungssystem, das dafür konfiguriert ist, das vorstehend beschriebene Verfahren auszuführen, den auf einem markierten Pfad gehenden Fußgänger. Der Fußgänger folgt typischerweise einem Manhattan-Pfad und hat einen Kurs quer über den Parkbereich. Es gibt keine Fahrzeuge, die direkt auf der anderen Seite des Fahrzeugs parken. Das erfindungsgemäße Verfahren sagt vorher, dass der Fußgänger wahrscheinlich den Fußgängerüberweg überqueren wird. Das Fahrunterstützungssystem warnt den Fahrer entsprechend.A pedestrian is walking along a row of cars. Ahead is a turnoff. Methods known in the art assume that the pedestrian will continue straight ahead until he ceases to do so and the condition is updated with a new position. In contrast, in this embodiment of the invention, a driving support system configured to carry out the method described above observes the pedestrian walking on a marked path. The pedestrian typically follows a Manhattan path and has a course across the park area. There are no vehicles parked directly on the other side of the vehicle. The method according to the invention predicts that the pedestrian is likely to cross the pedestrian crossing. The driving support system alerts the driver accordingly.
Ein Fußgänger erscheint von einer Reihe von Autos. Auf dem Fachgebiet bekannte Verfahren gehen davon aus, dass der Fußgänger geradeaus weiterläuft, bis er dies nicht mehr tut, woraufhin der Zustand mit der neuen Position aktualisiert wird. Im Gegensatz dazu beobachtet in dieser Ausführungsform der Erfindung ein Fahrunterstützungssystem, das dafür konfiguriert ist, das vorstehend beschriebene Verfahren auszuführen, dass der Fußgänger Kurs in die der Einkaufszentrumbeschilderung entgegengesetzte Richtung nimmt, wodurch angezeigt wird, dass er zu seinem Fahrzeug zurückkehren könnte. Der Fußgänger erscheint von einer Reihe von Fahrzeugen, wodurch angezeigt wird, dass er sich auf einer Shortest-Path-Route befinden könnte. Das Fahrunterstützungssystem, das dafür konfiguriert ist, das vorstehend beschriebene Verfahren auszuführen, weiß, dass Fahrzeuge auf der dem Fahrzeug gegenüberliegenden Seite geparkt sind. Dementsprechend sagt das Fahrunterstützungssystem des Fahrzeugs vorher, dass der Fußgänger versuchen könnte, die Fahrspur zu überqueren.A pedestrian appears from a row of cars. Methods known in the art assume that the pedestrian will continue straight ahead until he ceases to do so, whereupon the condition will be updated with the new position. In contrast, in this embodiment of the invention, a drive assisting system configured to execute the above-described method observes that the pedestrian is heading in the opposite direction to the shopping center signage, indicating that he is returning to his vehicle could. The pedestrian appears from a row of vehicles indicating that he or she might be on a shortest path route. The drive assisting system configured to execute the above-described method knows that vehicles are parked on the opposite side of the vehicle. Accordingly, the vehicle drive assist system predicts that the pedestrian might attempt to cross the lane.
Ein Fußgänger erscheint von einer Reihe von Autos. Auf dem Fachgebiet bekannte Verfahren gehen davon aus, dass der Fußgänger geradeaus weiterläuft, bis er dies nicht mehr tut, woraufhin der Zustand mit der neuen Position aktualisiert wird. Im Gegensatz dazu beobachtet in dieser Ausführungsform der Erfindung ein Fahrunterstützungssystem, das dafür konfiguriert ist, das vorstehend beschriebene Verfahrens auszuführen, dass der Fußgänger Kurs in eine Richtung nimmt, die mit der Beschilderung für den Eingang eines Einkaufszentrums ausgerichtet ist. Der Fußgänger erscheint von einer Reihe von Fahrzeugen, wodurch angezeigt wird, dass er sich auf einer Shortest-Path-Route befinden könnte. Das Fahrunterstützungssystem, das dafür konfiguriert ist, das vorstehend beschriebene Verfahren auszuführen, weiß, dass sich auf der ihm gegenüberliegenden Seite der Eingang zu einem Einkaufszentrum befindet. Dementsprechend kann das Fahrunterstützungssystem des Fahrzeugs voraussagen, dass der Fußgänger die Fahrspur überquert.A pedestrian appears from a row of cars. Methods known in the art assume that the pedestrian will continue straight ahead until he ceases to do so, whereupon the condition will be updated with the new position. In contrast, in this embodiment of the invention, a driving assistance system configured to carry out the above-described method observes that the pedestrian steers course in a direction aligned with the signage for a mall entrance. The pedestrian appears from a row of vehicles indicating that he or she might be on a shortest path route. The driving support system configured to carry out the method described above knows that the entrance to a shopping center is on the opposite side. Accordingly, the vehicle driving assistance system may predict that the pedestrian crosses the traffic lane.
Ein Fußgänger läuft entlang einer Reihe von Fahrzeugen. Voraus befindet sich eine Abzweigung. Auf dem Fachgebiet bekannte Verfahren gehen davon aus, dass der Fußgänger geradeaus weiterläuft, bis er dies nicht tut, woraufhin der Zustand mit der neuen Position aktualisiert wird. Im Gegensatz dazu beobachtet bei der vorliegenden Ausführungsform der Erfindung ein Fahrunterstützungssystem, das dafür konfiguriert ist, das vorstehend beschriebene Verfahren auszuführen, dass der Fußgänger die Fahrspur früher auf einer Manhattan-Route überquert hat. Voraus befindet sich eine Abzweigung. Das Verfahren gemäß der vorliegenden Ausführungsform der Erfindung sagt dann vorher, dass der Fußgänger seiner Route weiter folgt und an der Abzweigung abbiegt, anstatt sie zu überqueren.A pedestrian walks along a row of vehicles. Ahead is a turnoff. Methods known in the art assume that the pedestrian will continue to walk straight until he does not, then the state will be updated with the new position. In contrast, in the present embodiment of the invention, a driving support system configured to execute the method described above observes that the pedestrian has crossed the lane earlier on a Manhattan route. Ahead is a turnoff. The method according to the present embodiment of the invention then predicts that the pedestrian continues to follow his route and turns at the intersection instead of crossing it.
Durch die Erfindung ist auch die Verwendung der hierin beschriebenen Verfahren in einem Fahrunterstützungssystem eines Kraftfahrzeugs angegeben. Insbesondere ist durch die Erfindung die Verwendung des Verfahrens zum Vorhersagen des Verhaltens mindestens eines Fußgängers in einer Verkehrsszene zum Steuern eines Kraftfahrzeugs in einem Fahrunterstützungssystem eines Kraftfahrzeugs angegeben, wie weiter oben beschrieben, wurde. Durch die Erfindung ist ferner die Verwendung des Verfahrens zum Vorhersagen des Verhaltens mindestens eines Fußgängers auf einem Parkbereich zum Steuern eines Kraftfahrzeugs in einem Fahrunterstützungssystem eines Kraftfahrzeugs angegeben, wie vorstehend beschrieben wurde.The invention also specifies the use of the methods described herein in a driving assistance system of a motor vehicle. In particular, the invention provides the use of the method for predicting the behavior of at least one pedestrian in a traffic scene for controlling a motor vehicle in a driving assistance system of a motor vehicle, as described above. The invention further provides the use of the method for predicting the behavior of at least one pedestrian on a parking area for controlling a motor vehicle in a driving support system of a motor vehicle, as described above.
Durch die Erfindung ist ferner ein Fahrunterstützungssystem für ein Kraftfahrzeug angegeben, das ein Kamerasystem mit mindestens einer Kamera aufweist, wobei das Fahrunterstützungssystem dafür konfiguriert ist, die hierin beschriebenen Verfahren auszuführen.The invention further provides a vehicle ride assist system comprising a camera system having at least one camera, the ride assist system configured to perform the methods described herein.
Vorzugsweise weist das Kamerasystem des Kraftfahrzeugs mindestens zwei, vorzugsweise mindestens drei, besonders bevorzugt mindestens vier Kameras auf, wobei die Kameras vorzugsweise eine Rundumansicht des Fahrzeugs bereitstellen. Die im Kamerasystem des Kraftfahrzeugs verwendeten Kameras können z.B. Kameras mit Fischaugenlinsen sein. Mehrere Kameras, beispielsweise vier Kameras, können eine kombinierte Rundumsicht bereitstellen.The camera system of the motor vehicle preferably has at least two, preferably at least three, more preferably at least four cameras, the cameras preferably providing an all-round view of the vehicle. The cameras used in the camera system of the motor vehicle can e.g. Be cameras with fish-eye lenses. Several cameras, for example four cameras, can provide a combined all-round view.
Vorzugsweise weist das Fahrunterstützungssystem ferner einen GPS-Empfänger und/oder Detektoren zum Erfassen mechanischer Signale, die die Ego-Bewegung des Fahrzeugs anzeigen, und zum Erfassen von Straßenkontextmerkmalen und/oder Parkbereichskontextmerkmalen auf. Das Erfassen mechanischer Signale, die die Eigenbewegung des Fahrzeugs durch Odometrie anzeigen, kann durch Detektoren und/oder Sensoren ausgeführt werden, die die Lenkungs- und/oder die Raddrehbewegung messen. Detektoren oder Sensoren für die Raddrehbewegung können die vollständige Drehbewegung eines Rades sowie mehrere Teildrehbewegungen eines Rades mit bestimmten Zwischenpositionen erfassen.Preferably, the driving assistance system further comprises a GPS receiver and / or detectors for detecting mechanical signals indicative of the ego movement of the vehicle, and for detecting road context features and / or parking area context features. The detection of mechanical signals indicative of the vehicle's own motion by odometry may be performed by detectors and / or sensors that measure steering and / or wheel rotation. Wheel rotation detectors or sensors can detect the full rotational movement of a wheel as well as multiple partial rotations of a wheel with certain intermediate positions.
Gemäß einer bevorzugten Ausführungsform der Erfindung weist das Fahrunterstützungssystem einen Computer-Vision-Objekterfassungsalgorithmus, vorzugsweise ein neuronales Netzwerk, bevorzugter ein konvolutionelles neuronales Netzwerk (CNN) auf. Das neuronale Netzwerk, vorzugsweise das konvolutionelle neuronale Netzwerk (CNN), kann separate Haltungsmodule aufweisen, die separate Haltungsmodule für den Kopf, den Oberkörper und/oder die Beine aufweisen.According to a preferred embodiment of the invention, the driving support system comprises a computer vision object detection algorithm, preferably a neural network, more preferably a convolutional neural network (CNN). The neural network, preferably the convolutional neural network (CNN), may have separate posture modules having separate posture modules for the head, torso, and / or legs.
Durch die Erfindung ist ferner ein nichtflüchtiges computerlesbares Medium angegeben, das darauf gespeicherte Anweisungen aufweist, die, wenn sie auf einem Prozessor ausgeführt werden, ein Fahrunterstützungssystem veranlassen, die hierin beschriebenen Verfahren auszuführen.The invention also provides a non-transitory computer-readable medium having instructions stored thereon that, when executed on a processor, cause a driving support system to perform the methods described herein.
Durch die Erfindung ist auch ein Kraftfahrzeug angegeben, mit:
- einer Datenverarbeitungseinrichtung,
- einem nichtflüchtigen computerlesbaren Medium mit darauf gespeicherten Anweisungen, die, wenn sie auf einem Prozessor ausgeführt werden, ein Fahrunterstützungssystem veranlassen, die hierin beschriebenen Verfahren auszuführen, und
- ein Fahrunterstützungssystem für ein Kraftfahrzeug mit einem Kamerasystem, das mindestens eine Kamera aufweist, wobei das Fahrunterstützungssystem dafür konfiguriert ist, die hierin beschriebenen Verfahren auszuführen.
- a data processing device,
- a non-transitory computer readable medium having instructions stored thereon that, when executed on a processor, cause a driving support system to perform the methods described herein, and
- a drive assist system for a motor vehicle having a camera system having at least one camera, the drive assist system configured to perform the methods described herein.
Diese und andere Aspekte der Erfindung werden anhand der nachfolgend beschriebenen Ausführungsformen und Beispiele ersichtlich und erläutert. Einzelne Merkmale, die in den Ausführungsformen dargelegt sind, bilden allein oder in Kombination einen Aspekt der vorliegenden Erfindung. Merkmale der verschiedenen Ausführungsformen können von einer Ausführungsform auf eine andere Ausführungsform übertragen werden. Ausführungsformen der vorliegenden Erfindung werden in den folgenden Beispielen näher beschrieben, die lediglich zur Erläuterung dienen und die Erfindung in keiner Weise einschränken sollen.These and other aspects of the invention will be apparent from and elucidated with reference to the embodiments and examples described below. Individual features set forth in the embodiments, alone or in combination, constitute one aspect of the present invention. Features of the various embodiments may be transferred from one embodiment to another embodiment. Embodiments of the present invention will be further described in the following examples, which are given by way of illustration only and are not intended to limit the invention in any way.
Es zeigen:
-
1 schematisch einen statischen Fußgänger, der nach einer Gelegenheit zum Überqueren der Straße sucht, als eine beispielhafte Verkehrsszene, in der das erfindungsgemäße Verfahren das Verhalten des Fußgängers vorhersagen kann; -
2 schematisch zwei statische Fußgänger, die nach einer Gelegenheit zum Überqueren der Straße suchen, die Touristen sind, die fälschlicherweise in die falsche Richtung schauen, als eine beispielhafte Verkehrsszene, in der das erfindungsgemäße Verfahren das Verhalten der Fußgänger vorhersagen kann; -
3 schematisch Fußgänger, die die Straße überqueren, während sie durch ihre Telefone abgelenkt sind, als eine beispielhafte Verkehrsszene, in der das erfindungsgemäße Verfahren das Verhalten der Fußgänger vorhersagen kann; -
4 schematisch Fußgänger, die in einem nicht gekennzeichneten Bereich herumlaufen, um die Straße zu überqueren, als eine beispielhafte Verkehrsszene, in der das erfindungsgemäße Verfahren das Verhalten der Fußgänger vorhersagen kann; -
5 schematisch ein Blockdiagramm einer Ausführungsform des erfindungsgemäßen Verfahrens, das die Schritte aufweist: Bereitstellen mehrerer Bilder mindestens eines Fußgängers, die durch ein Fischaugen-Multikamerasystem mit mehreren Kameras3 desFahrzeugs 1 aufgenommen werden, Erfassen des Fußgängers innerhalb des einen oder der mehreren Bilder unter Verwendung eines Computer-Vision-Objekterfassungsalgorithmus (Fußgängererfassung), Bestimmen der Position des mindestens einen Fußgängers relativ zum Kraftfahrzeug1 (Fußgänger-Auto-Lokalisierung), Abschätzen der Kopf-, Oberkörper- und/oder Beinhaltung des Fußgängers unter Verwendung des Computer-Vision-Objekterfassungsalgorithmus (Fußgängerhaltungserfassung), Bestimmen der Trajektorie und des Bewegungszustandes des Fußgängers (Zustandsbewegung), Abschätzen der Absicht des mindestens einen Fußgängers (Fußgängerabsichtsschätzung), um das Verhalten des mindestens einen Fußgängers (Fußgängerabsicht und -trajektorie) vorherzusagen, worauf basierend eine Entscheidung über Manöver des Kraftfahrzeugs1 getroffen werden kann; -
6 schematisch ein detaillierteres Blockdiagramm des ersten Teils (Stufe1 ) einer Ausführungsform des erfindungsgemäßen Verfahrens, das die Schritte aufweist: Bereitstellen mehrerer Bilder mindestens eines Fußgängers, die durch ein Fischaugen-Multikamerasystem mit mehreren Kameras3 desFahrzeugs 1 aufgenommen werden, Erfassen des Fußgängers in dem einen oder in den mehreren Bildern unter Verwendung eines Computer-Vision-Objekterfassungsalgorithmus (Fußgängererfassung), Bestimmen der Position des mindestens einen Fußgängers relativ zum Kraftfahrzeug1 (Fußgängerlokalisierung, Auto-Fußgänger-Referenz), was die Verwendung von Odometriesignalen, GPS-Signalen, mechanischen Signalen, die die Ego-Bewegung des Fahrzeugs anzeigen (GPS + Ego-Bewegung) und das Erfassen von Straßenkontextmerkmalen (Fahrspurerfassung) beinhaltet, und Bereitstellen eines Begrenzungsrahmens des Fußgängers (Fußgängereingrenzung) und der Position des Fußgängers und des Fahrzeugs (Fußgänger- und Auto-Lokalisierung); -
7 schematisch ein detaillierteres Blockdiagramm des zweiten Teils (Stufe2 ) einer Ausführungsform des erfindungsgemäßen Verfahrens, das die Schritte aufweist: Bereitstellen einer Eingrenzung des Fußgängers (Fußgängereingrenzung), Schätzen der Kopfhaltung und der Körperhaltung (die die Oberkörper- und/oder Beinhaltung beinhaltet) des mindestens einen Fußgängers unter Verwendung des Computer-Vision-Objekterfassungsalgorithmus, Bestimmen der Trajektorie und des Bewegungszustands des mindestens einen Fußgängers (Körpertrajektorienschätzung, Fußgängerbewegungschätzung), Abschätzen der Absicht des mindestens einen Fußgängers (Fußgängeraufmerksamkeitsschätzung) basierend auf der Fußgängertrajektorie und dem Bewegungszustand, um das Verhalten des mindestens einen Fußgängers (Fußgängerabsicht) vorherzusagen wird, worauf basierend eine Entscheidung über Manöver des Kraftfahrzeugs1 getroffen werden kann; -
8 schematisch ein Kraftfahrzeug 1 , das einen Fußgänger erfasst, wobei ein Fußgänger durch einen Begrenzungsrahmen für die Körperhaltung, die den Oberkörper und die Beine beinhaltet, und einen Begrenzungsrahmen für die Kopfhaltung dargestellt ist, und wobei eine Ausgabe des Verfahrens die Begrenzungsrahmen, Haltungen und Abstände aufweist; -
9 schematisch verschiedene Interaktionsmodelle desKraftfahrzeugs 1 , das mit einem Fußgänger interagiert, wobei der Fußgänger beabsichtigen kann, die Straße zu überqueren (oben), oder wobei der Fußgänger beabsichtigen kann, weiterhin auf dem Gehweg zu gehen (unten); -
10 schematisch verschiedene Interaktionsmodelle des Kraftfahrzeuges1 , das mit Fußgängern interagiert, wobei zwei Fußgänger die Absicht haben können, die Straße zu überqueren, basierend darauf, dass ihre Kopfausrichtung vom Kraftfahrzeug1 weg zeigt, während ihre Trajektorie zum Pfad der Trajektorie des Fahrzeugs1 hin zeigt (oben), und ein weiterer Fußgänger beabsichtigen kann, die Straße an einer Abzweigung zu kreuzen, wobei seine Trajektorie zum Pfad der Trajektorie des Fahrzeugs1 hin zeigt, das dabei ist, rechts abzubiegen (unten); und -
11 schematisch ein Kraftfahrzeug 1 , das ein Rundumsichtkamerasystem mit vier Kameras3 aufweist, d.h. mit einerFrontkamera 31 ,einer Rückkamera 32 , einer rechten Spiegelkamera33 und einer linkenSpiegelkamera 34 , wobei das Rundumsichtkamerasystem einen Fußgänger an einem Zebrastreifen erfasst, gemäß einer Ausführungsform der Erfindung.
-
1 schematically a static pedestrian looking for an opportunity to cross the road, as an exemplary traffic scene in which the method of the invention can predict the behavior of the pedestrian; -
2 schematically, two static pedestrians looking for an opportunity to cross the road, who are tourists who are falsely looking in the wrong direction, as an exemplary traffic scene in which the method of the invention can predict the behavior of pedestrians; -
3 schematically, pedestrians crossing the street while distracted by their phones as an exemplary traffic scene in which the method of the invention can predict pedestrian behavior; -
4 schematically, pedestrians walking around an unmarked area to cross the road as an exemplary traffic scene in which the method of the invention can predict pedestrian behavior; -
5 schematically a block diagram of an embodiment of the inventive method, comprising the steps of providing a plurality of images of at least one pedestrian by a fisheye multi-camera system with multiple cameras3 of thevehicle 1 Detecting the pedestrian within the one or more images using a computer vision object detection algorithm (pedestrian detection), determining the position of the at least one pedestrian relative to the motor vehicle1 (Pedestrian car localization), estimating the head, torso and / or leg position of the pedestrian using the computer vision object detection algorithm (pedestrian attitude detection), determining the trajectory and the state of motion of the pedestrian (state movement), estimating the intention of the at least a pedestrian (pedestrian intention estimation) to predict the behavior of the at least one pedestrian (pedestrian intention and trajectory), based thereon a decision on maneuvers of themotor vehicle 1 can be taken; -
6 schematically a more detailed block diagram of the first part (step1 ) of an embodiment of the method according to the invention, comprising the steps of: providing a plurality of images of at least one pedestrian by a multi-camera fisheye multi-camera system3 of thevehicle 1 Detecting the pedestrian in the one or more images using a computer vision object detection algorithm (pedestrian detection), determining the position of the at least one pedestrian relative to the motor vehicle1 (Pedestrian localization, car pedestrian reference), which includes the use of odometry signals, GPS signals, mechanical signals indicating the ego movement of the vehicle (GPS + ego movement) and the detection of road context features (lane detection), and providing a pedestrian's limitation frame (pedestrian confinement) and the position of the pedestrian and the vehicle (pedestrian and car localization); -
7 schematically a more detailed block diagram of the second part (stage2 ) an embodiment of the method of the invention comprising the steps of: providing pedestrian confinement, estimating head posture and posture (including upper body and / or leg posture) of the at least one pedestrian using the computer vision object detection algorithm Determining the trajectory and state of motion of the at least one pedestrian (body trajectory estimation, pedestrian motion estimation), estimating the intention of the trainer at least one pedestrian (pedestrian attention estimation) based on the pedestrian trajectory and the state of motion to predict the behavior of the at least one pedestrian (pedestrian intention), based on which a decision on maneuvers of themotor vehicle 1 can be taken; -
8th schematically amotor vehicle 1 visualizing a pedestrian, wherein a pedestrian is represented by a posture limiter frame including the torso and the legs, and a head restraint frame, and wherein an output of the method comprises the bounding frames, postures, and distances; -
9 schematically different interaction models of themotor vehicle 1 interacting with a pedestrian, wherein the pedestrian may intend to cross the street (above), or the pedestrian may intend to continue on the sidewalk (below); -
10 schematically different interaction models of themotor vehicle 1 interacting with pedestrians, whereby two pedestrians may intend to cross the street based on their head alignment from themotor vehicle 1 shows off while her trajectory to the path of the trajectory of thevehicle 1 indicates (top), and another pedestrian may intend to cross the road at a junction, with its trajectory to the path of the trajectory of thevehicle 1 pointing to the right turn (below); and -
11 schematically amotor vehicle 1 , which is a four-camera all-round vision camera system3 has, ie with afront camera 31 , arear camera 32 , aright mirror camera 33 and aleft mirror camera 34 wherein the all-round vision camera system detects a pedestrian at a crosswalk, according to an embodiment of the invention.
Beispiel 1example 1
Gemäß dieser beispielhaften Ausführungsform des Verfahrens zum Vorhersagen des Verhaltens mindestens eines Fußgängers in einer Verkehrsszene zum Steuern eines Kraftfahrzeugs, das ein Fahrunterstützungssystem aufweist, kann das Verfahren das Verhalten eines oder mehrerer Fußgänger in den in den
Gemäß diesem Beispiel führt ein Kraftfahrzeug
- - Bereitstellen eines oder mehrerer Bilder mindestens eines Fußgängers außerhalb des
Kraftfahrzeugs 1 , die durch mindestens eine Kamera3 des Fahrzeugs aufgenommen werden, - - Erfassen des mindestens einen Fußgängers innerhalb des einen oder der mehreren Bilder unter Verwendung eines Computer-Vision-Objekterfassungsalgorithmus,
- - Bestimmen der Position des mindestens einen Fußgängers relativ zum Kraftfahrzeug
1 , - - Abschätzen der Kopf-, Oberkörper- und/oder Beinhaltung des mindestens einen Fußgängers unter Verwendung des Computer-Vision-Objekterfassungsalgorithmus,
- - Bestimmen der Trajektorie und des Bewegungszustands des mindestens einen Fußgängers, und
- - Schätzen der Absicht des mindestens einen Fußgängers, um das Verhalten des mindestens einen Fußgängers vorherzusagen.
- - Providing one or more pictures of at least one pedestrian outside the
motor vehicle 1 passing through at least one camera3 be absorbed by the vehicle, - Detecting the at least one pedestrian within the one or more images using a computer vision object detection algorithm,
- - Determining the position of the at least one pedestrian relative to the
motor vehicle 1 . - Estimating the head, torso and / or leg posture of the at least one pedestrian using the computer vision object detection algorithm,
- Determining the trajectory and the state of motion of the at least one pedestrian, and
- Estimating the intention of the at least one pedestrian to predict the behavior of the at least one pedestrian.
Anschließend wird eine Entscheidung über Manöver des Kraftfahrzeugs
Der auf dem Fachgebiet bekannte Standardalgorithmus für die Fußgängererfassung führt eine Erfassung über einen Begrenzungsrahmen aus, wobei der Fußpunkt auf dem Boden verfolgt und nachgeregelt wird, um die Bewegungstrajektorie zu erhalten. Im Gegensatz dazu sagt das Verfahren gemäß dieser beispielhaften Ausführungsform auch die Absicht des mindestens einen Fußgängers voraus, um die Trajektorie vorauszusehen und vorherzusagen. Das Verfahren wurde für innerstädtische Fahrszenarien entwickelt, bei denen Fußgängerinteraktionen hochgradig wahrscheinlich sind. Dies ist besonders vorteilhaft für statische Fußgänger, wie in den in den
Fahrunterstützungssysteme
Fahrunterstützungssysteme, die die vorstehend erwähnten Fahrerassistenzsysteme beinhalten, basieren häufig auf Eingaben von mehreren Datenquellen, wie beispielsweise von im Kraftfahrzeug installierten bildgebenden Einrichtungen, Bildverarbeitung, Radarsensoren, LiDAR, Ultraschallsensoren und anderen Quellen.Driving assistance systems incorporating the aforementioned driver assistance systems are often based on inputs from multiple data sources, such as on-vehicle imaging devices, image processing, radar sensors, LiDAR, ultrasonic sensors, and other sources.
Das Verfahren gemäß diesem Beispiel kann auf die folgenden Anwendungsfälle angewendet werden: Haltungs- und Absichtserfassung mindestens eines statischen Fußgängers in der Nähe des Straßenrands, wie in
Weitere Beispiele für ein Fußgängerverhalten, das in diesem Beispiel erfasst wird, sind ein dynamischer Fußgänger, der zum Straßenrand hin geht, Erfassen eines Gruppenverhaltens mehrerer Fußgänger, Verhalten eines abgelenkten Fußgängers, z.B.: Menschen, die ihr Mobiltelefon benutzen, Kinder, wie z.B. in
Die Haupteingabe für das Fahrerassistenzsystem
Das eine oder die mehreren bereitgestellten Bilder werden zum Erfassen mindestens eines Fußgängers innerhalb des einen oder der mehreren Bilder verwendet. Das Bestimmen der Position des mindestens einen Fußgängers relativ zum Kraftfahrzeug
Das Verfahren gemäß dieser beispielhaften Ausführungsform kann in zwei Stufen aufgeteilt sein. Die erste Stufe, wie auf der linken Seite in den
Insbesondere zeigt
Die zweite Stufe des Verfahrens gemäß dieser Ausführungsform (Stufe
Insbesondere zeigt
Das eine oder die mehreren Bilder, die durch mindestens eine Kamera
Anschließend wird die Position des mindestens einen Fußgängers relativ zum Kraftfahrzeug
Die Nachverfolgung und die Trajektorienschätzung werden basierend auf einer Fusion optischer Flussinformation und auch durch Verfolgen des Fußpunkts des erfassten mindestens einen Fußgängers ausgeführt, was durch einen Zustandsbewegungsblock dargestellt ist.The tracking and the trajectory estimation are performed based on a fusion of optical flow information and also by tracking the foot of the detected at least one pedestrian, represented by a state motion block.
Nach der Bestimmung der Position des mindestens einen Fußgängers relativ zum Kraftfahrzeug
Zusätzlich beinhaltet das Bestimmen der Position des mindestens einen Fußgängers relativ zum Kraftfahrzeug
Das Verfahren gemäß dieser beispielhaften Ausführungsform kann auf verschiedene Kombinationen von Fußgänger- und Autoszenarien angewendet werden. Insbesondere können Szenarien in Szenarien klassifiziert werden, bei denen eine geringere Gefahr für den mindestens einen Fußgänger besteht, und in Szenarien, bei denen eine hohe Gefahr für den mindestens einen Fußgänger besteht, wo ein Abbrems- oder Verzögerungsvorgang notwendig sein könnte. Das Verfahren gemäß diesem Beispiel bringt alle erfassten Objekt- und Fußgängerattribute in ein probabilistisches grafisches Modell ein, um zu lernen, Entscheidungen für Brems- und Lenkmanöver zu treffen.The method according to this exemplary embodiment may be applied to various combinations of pedestrian and automobile scenarios. In particular, scenarios may be classified into scenarios where there is less danger to the at least one pedestrian and in scenarios where there is a high risk to the at least one pedestrian where a deceleration or deceleration process might be necessary. The method of this example incorporates all captured object and pedestrian attributes into a probabilistic graphical model to learn to make decisions for braking and steering maneuvers.
Gemäß diesem Beispiel weist das Erfassen mindestens eines Fußgängers und das Schätzen der Kopf-, Oberkörper- und/oder Beinhaltung des Fußgängers unter Verwendung eines Computer-Vision-Objekterfassungsalgorithmus das Verwenden eines konvolutionellen neuronalen Netzwerks (CNN) als ein neuronales Netzwerk auf. Das Schätzen der Oberkörperhaltung und der Beinhaltung kann auch kombiniert werden, um einen Begrenzungsrahmen als Ausgabe für die Körperhaltung zu erhalten, wie in
Das Bestimmen der Position des mindestens einen Fußgängers relativ zum Kraftfahrzeug
Das Erfassen von Straßenkontextmerkmalen beinhaltet das Erfassen von Straßen-, Fahrspur-, Gehweg- und/oder Parkbereichseigenschaften. Zu solchen Parkbereichseigenschaften gehören Straßenmarkierungen, Fußgängerwege, Fußgängerüberwege, Parkbereichsbeschilderungen, Hinweisschilder für Fußgänger und Parkbereichsbeleg u ng.Detecting road context features involves detecting road, lane, walkway and / or parking area characteristics. Such parking area features include road markings, pedestrian walks, pedestrian crossings, parking area signage, pedestrian signage, and parking area slip.
Die Ausgabe der Erfassung des mindestens einen Fußgängers unter Verwendung eines Computer-Vision-Objekterfassungsalgorithmus wird durch einen Begrenzungsrahmen dargestellt, wie in den
Insbesondere zeigt
Die Entscheidung über Manöver des Kraftfahrzeugs
Beispiel 2Example 2
Eine weitere beispielhafte Ausführungsform ist ein Verfahren zum Vorhersagen des Verhaltens mindestens eines Fußgängers auf einem Parkbereich zum Steuern eines Kraftfahrzeugs
- - Bereitstellen eines oder mehrerer Bilder mindestens eines Fußgängers außerhalb des
Kraftfahrzeugs 1 , die durch mindestens eine Kamera3 des Fahrzeugs aufgenommen werden, - - Erfassen des mindestens einen Fußgängers innerhalb des einen oder der mehreren Bilder unter Verwendung eines Computer-Vision-Objekterfassungsalgorithmus,
- - Bestimmen der allgemeinen Richtung des mindestens einen Fußgängers,
- - Schätzen der beabsichtigten Route des mindestens einen Fußgängers,
- - Erfassen von Parkbereichseigenschaften unter Verwendung einer oder mehrerer Kameras
3 , - - Kombinieren der Ergebnisse der Bestimmung der allgemeinen Richtung und der Schätzung der beabsichtigten Route des mindestens einen Fußgängers mit den erfassten Parkbereichseigenschaften, und
- - Vorhersagen der Route, der der mindestens eine Fußgänger folgen wird, basierend auf den kombinierten Ergebnissen.
- - Providing one or more pictures of at least one pedestrian outside the
motor vehicle 1 passing through at least one camera3 be absorbed by the vehicle, - Detecting the at least one pedestrian within the one or more images using a computer vision object detection algorithm,
- Determining the general direction of the at least one pedestrian,
- Estimating the intended route of the at least one pedestrian,
- - Detecting parking area properties using one or more cameras
3 . - Combining the results of determining the general direction and the estimate of the intended route of the at least one pedestrian with the detected parking area characteristics, and
- Predict the route the at least one pedestrian will follow, based on the combined results.
Diese Ausführungsform der Erfindung ermöglicht eine genauere Vorhersage des Fußgängerzustands und ermöglicht ein umfassenderes Frühwarnsystem. Das Modell für den Fußgänger wird verbessert und um topologische Information ergänzt, wie zum Beispiel den Fußgängerkurs, einen Fußgängerroutenbestimmungsalgorithmus, Straßenmarkierungen, Beschilderung und Parkbereichbelegung. Diese Metainformation ermöglicht es dem Fahrunterstützungssystem
Diese Ausführungsform der Erfindung bietet den Vorteil, dass eine genauere Modellierung des Fußgängers ermöglicht wird, während herkömmliche Modelle nur vorhersagen können, ob der Fußgänger seinen oder ihren Kurs fortsetzen wird. Durch Beobachten einiger Eigenschaften des Fußgängerverhaltens und von Eigenschaften des Parkbereichs kann diese Ausführungsform der Erfindung den mindestens einen Fußgänger genauer lokalisieren und ermöglicht eine längerfristige Vorhersage zur Verwendung in Fahrunterstützungssystemen, die Frühwarnsysteme aufweisen.This embodiment of the invention offers the advantage of allowing more accurate modeling of the pedestrian, while conventional models can only predict whether the pedestrian will continue his or her course. By observing some characteristics of pedestrian behavior and parking area characteristics, this embodiment of the invention can more accurately locate the at least one pedestrian and allows longer term prediction for use in driving support systems having early warning systems.
Fußgängereigenschaften, die in dieser beispielhaften Ausführungsform hilfreich sein können und beobachtet werden können, sind: die allgemeine Richtung des mindestens einen Fußgängers, d.h. sein Kurs, und der Fußgängerroutenbestimmungsalgorithmus, wie Manhattan oder der Shortest Path. Unter Verwendung der vorstehend erwähnten zwei Informationselemente kann das Kraftfahrzeug
Parkbereichseigenschaften, die durch diese beispielhafte Ausführungsform beobachtet werden, sind z.B. Straßenmarkierungen, Fußgängerwege, Fußgängerüberwege, Parkbereichsbeschilderung, Hinweisschilder, die dem Fußgänger den Weg zum Eingang eines Einkaufszentrum weisen, und Parkbereichsbelegung. Durch Kombinieren dieser Information mit den Fußgängereigenschaften kann das Verfahren vorhersagen, ob ein bestimmter Fußgänger oder eine Gruppe von Fußgängern auf einem Pfad weitergeht, ob er oder sie die Fahrspur überqueren kann, oder ob z.B. die Fußgänger zu ihrem Fahrzeug oder zum Eingang eines Einkaufszentrums gehen.Parking area characteristics observed by this exemplary embodiment are e.g. Road markings, pedestrian walkways, pedestrian crossings, parking area signage, information signs directing the pedestrian to the entrance of a mall, and parking area occupancy. By combining this information with the pedestrian characteristics, the method can predict whether a particular pedestrian or a group of pedestrians will continue on a path, whether he or she can cross the lane, or whether e.g. the pedestrians go to their vehicle or to the entrance of a shopping center.
In diesem Beispiel demonstrieren die folgenden Anwendungsfälle die Vorteile des Verfahrens gemäß dieser Ausführungsform:In this example, the following applications demonstrate the advantages of the method according to this embodiment:
Ein Fußgänger geht entlang einer Reihe von Autos. Voraus befindet sich eine Abzweigung. Auf dem Fachgebiet bekannte Verfahren gehen davon aus, dass der Fußgänger weiter geradeaus geht, bis er es dies nicht mehr tut, woraufhin der Zustand mit der neuen Position aktualisiert wird. Im Gegensatz dazu beobachtet das Fahrunterstützungssystem
Ein Fußgänger erscheint von einer Reihe von Autos. Auf dem Fachgebiet bekannte Verfahren gehen davon aus, dass der Fußgänger weiter geradeaus geht, bis er dies nicht mehr tut, woraufhin der Zustand mit der neuen Position aktualisiert wird. Im Gegensatz dazu beobachtet in diesem Beispiel das Fahrunterstützungssystem
Ein Fußgänger erscheint von einer Reihe von Autos. Auf dem Fachgebiet bekannte Verfahren gehen davon aus, dass der Fußgänger weiter geradeaus geht, bis er dies nicht mehr tut, woraufhin der Zustand mit der neuen Position aktualisiert wird. Im Gegensatz dazu beobachtet in diesem Beispiel das Fahrunterstützungssystem
Der Fußgänger geht entlang einer Reihe von Fahrzeugen. Voraus befindet sich eine Abzweigung. Auf dem Fachgebiet bekannte Verfahren gehen davon aus, dass der Fußgänger weiter geradeaus geht, bis er dies nicht mehr tut, woraufhin der Zustand mit der neuen Position aktualisiert wird. Im Gegensatz dazu beobachtet in diesem Beispiel das Fahrunterstützungssystem
BezugszeichenlisteLIST OF REFERENCE NUMBERS
- 11
- Kraftfahrzeugmotor vehicle
- 22
- FahrunterstützungssystemDriving assistance system
- 33
- Kameracamera
- 3131
- Frontkamerafront camera
- 3232
- Rückkamerareverse camera
- 3333
- rechte Spiegelkameraright mirror camera
- 3434
- linke Spiegelkameraleft mirror camera
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
- US 9381916 B1 [0007]US 9381916 B1 [0007]
Claims (15)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102018104270.1A DE102018104270A1 (en) | 2018-02-26 | 2018-02-26 | Method for predicting the behavior of at least one pedestrian |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102018104270.1A DE102018104270A1 (en) | 2018-02-26 | 2018-02-26 | Method for predicting the behavior of at least one pedestrian |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102018104270A1 true DE102018104270A1 (en) | 2019-08-29 |
Family
ID=67550366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102018104270.1A Pending DE102018104270A1 (en) | 2018-02-26 | 2018-02-26 | Method for predicting the behavior of at least one pedestrian |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102018104270A1 (en) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112329684A (en) * | 2020-11-16 | 2021-02-05 | 常州大学 | Pedestrian road crossing intention identification method based on gaze detection and traffic scene identification |
DE102019214004A1 (en) * | 2019-09-13 | 2021-03-18 | Robert Bosch Gmbh | Method for controlling a device in the surroundings of an unprotected road user on the basis of a determined degree of alertness of the unprotected road user |
CN114426030A (en) * | 2020-10-29 | 2022-05-03 | 华为技术有限公司 | Pedestrian passing intention estimation method, device and equipment and automobile |
DE102020213723A1 (en) | 2020-11-02 | 2022-05-05 | Volkswagen Aktiengesellschaft | Method, computer program and device for determining a pose of a road user |
CN114475587A (en) * | 2022-01-30 | 2022-05-13 | 重庆长安汽车股份有限公司 | Risk assessment algorithm introducing target behaviors and collision probability |
DE102021204399A1 (en) | 2021-05-03 | 2022-11-03 | Zf Friedrichshafen Ag | Method and device for detecting hazards in road traffic |
US20220371624A1 (en) * | 2021-05-20 | 2022-11-24 | Waymo Llc | Predicting crossing behavior of agents in the vicinity of an autonomous vehicle |
EP4124530A1 (en) * | 2021-07-29 | 2023-02-01 | Waymo LLC | Pedestrian intent yielding |
JP7480302B2 (en) | 2019-12-27 | 2024-05-09 | ヴァレオ・シャルター・ウント・ゼンゾーレン・ゲーエムベーハー | Method and apparatus for predicting the intentions of vulnerable road users |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100076621A1 (en) * | 2007-04-02 | 2010-03-25 | Panasonic Corporation | Safety driving support apparatus |
DE102008062915A1 (en) * | 2008-12-23 | 2010-07-01 | Continental Safety Engineering International Gmbh | Evaluation unit for use in car for detecting pedestrian, has detection component detecting indicator, which indicates person, by evaluating object information detected by sensor, where indication characterizes human movement |
DE102013203239A1 (en) * | 2013-02-27 | 2014-08-28 | Bayerische Motoren Werke Aktiengesellschaft | Grid-based prediction of the position of an object |
DE102014207802B3 (en) * | 2014-04-25 | 2015-10-29 | Bayerische Motoren Werke Aktiengesellschaft | Method and system for proactively detecting an action of a road user |
US20170262750A1 (en) * | 2016-03-11 | 2017-09-14 | Panasonic Intellectual Property Corporation Of America | Risk prediction method |
-
2018
- 2018-02-26 DE DE102018104270.1A patent/DE102018104270A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100076621A1 (en) * | 2007-04-02 | 2010-03-25 | Panasonic Corporation | Safety driving support apparatus |
DE102008062915A1 (en) * | 2008-12-23 | 2010-07-01 | Continental Safety Engineering International Gmbh | Evaluation unit for use in car for detecting pedestrian, has detection component detecting indicator, which indicates person, by evaluating object information detected by sensor, where indication characterizes human movement |
DE102013203239A1 (en) * | 2013-02-27 | 2014-08-28 | Bayerische Motoren Werke Aktiengesellschaft | Grid-based prediction of the position of an object |
DE102014207802B3 (en) * | 2014-04-25 | 2015-10-29 | Bayerische Motoren Werke Aktiengesellschaft | Method and system for proactively detecting an action of a road user |
US20170262750A1 (en) * | 2016-03-11 | 2017-09-14 | Panasonic Intellectual Property Corporation Of America | Risk prediction method |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019214004A1 (en) * | 2019-09-13 | 2021-03-18 | Robert Bosch Gmbh | Method for controlling a device in the surroundings of an unprotected road user on the basis of a determined degree of alertness of the unprotected road user |
JP7480302B2 (en) | 2019-12-27 | 2024-05-09 | ヴァレオ・シャルター・ウント・ゼンゾーレン・ゲーエムベーハー | Method and apparatus for predicting the intentions of vulnerable road users |
CN114426030B (en) * | 2020-10-29 | 2024-04-09 | 华为技术有限公司 | Pedestrian passing intention estimation method, device, equipment and automobile |
CN114426030A (en) * | 2020-10-29 | 2022-05-03 | 华为技术有限公司 | Pedestrian passing intention estimation method, device and equipment and automobile |
DE102020213723A1 (en) | 2020-11-02 | 2022-05-05 | Volkswagen Aktiengesellschaft | Method, computer program and device for determining a pose of a road user |
CN112329684B (en) * | 2020-11-16 | 2024-04-30 | 常州大学 | Pedestrian crossing road intention recognition method based on gaze detection and traffic scene recognition |
CN112329684A (en) * | 2020-11-16 | 2021-02-05 | 常州大学 | Pedestrian road crossing intention identification method based on gaze detection and traffic scene identification |
DE102021204399A1 (en) | 2021-05-03 | 2022-11-03 | Zf Friedrichshafen Ag | Method and device for detecting hazards in road traffic |
US20220371624A1 (en) * | 2021-05-20 | 2022-11-24 | Waymo Llc | Predicting crossing behavior of agents in the vicinity of an autonomous vehicle |
US11753043B2 (en) * | 2021-05-20 | 2023-09-12 | Waymo Llc | Predicting crossing behavior of agents in the vicinity of an autonomous vehicle |
EP4124530A1 (en) * | 2021-07-29 | 2023-02-01 | Waymo LLC | Pedestrian intent yielding |
CN114475587A (en) * | 2022-01-30 | 2022-05-13 | 重庆长安汽车股份有限公司 | Risk assessment algorithm introducing target behaviors and collision probability |
CN114475587B (en) * | 2022-01-30 | 2024-04-30 | 重庆长安汽车股份有限公司 | Risk assessment algorithm for introducing target behaviors and collision probability |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102018104270A1 (en) | Method for predicting the behavior of at least one pedestrian | |
DE60126382T2 (en) | Method and device for detecting objects | |
DE102020121865A1 (en) | POTENTIAL COLLISION WARNING SYSTEM BASED ON TRAFFIC PARTICIPANTS | |
DE102017100199A1 (en) | PEDESTRIAN RECOGNITION WITH TICKET CARDS | |
DE112018007287T5 (en) | VEHICLE SYSTEM AND METHOD FOR DETECTING OBJECTS AND OBJECT DISTANCE | |
DE102017123180A1 (en) | Backward obstacle detection and distance estimation | |
DE102017217056A1 (en) | Method and device for operating a driver assistance system and driver assistance system and motor vehicle | |
DE102017129075A1 (en) | PARKING NAVIGATION SYSTEM AND METHOD | |
DE102019115455A1 (en) | FOCUS-BASED MARKING OF SENSOR DATA | |
DE102017203276B4 (en) | Method and device for determining a trajectory in off-road scenarios | |
WO2014127777A2 (en) | Method and device for determining a traffic lane state | |
DE112017007050T5 (en) | Information processing apparatus, information processing method and information processing program | |
WO2019121035A1 (en) | Method for classifying parking spaces in a surrounding area of a vehicle having a neural network | |
DE102014207802B3 (en) | Method and system for proactively detecting an action of a road user | |
DE112020001106T5 (en) | Aligning road information for navigation | |
EP3671546A1 (en) | Method and system for determining landmarks in an environment of a vehicle | |
DE102019122266A1 (en) | Park management systems and procedures | |
WO2020025091A1 (en) | Detecting the movement intention of a pedestrian on the basis of camera images | |
DE102018108361A1 (en) | LAW RECORDING TRAINING SYSTEMS AND METHODS | |
DE102018116036A1 (en) | Training a deep convolutional neural network for individual routes | |
DE102018100909A1 (en) | Method of reconstructing images of a scene taken by a multifocal camera system | |
DE102020102823A1 (en) | VEHICLE CAPSULE NETWORKS | |
DE102018114963A1 (en) | Relocation process of a vehicle using different 3D clouds | |
DE102018211368A1 (en) | A method of describing an environment of a vehicle through the topology of the busy road | |
DE102016119729A1 (en) | Controlling a passenger transport vehicle with all-round vision camera system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R163 | Identified publications notified |