DE102018121867A1

DE102018121867A1 - Verfahren und Vorrichtung zum Identifizieren einer Vorlage einer Deichsel eines Anhängers

Info

Publication number: DE102018121867A1
Application number: DE102018121867.2A
Authority: DE
Inventors: Swaroop Kaggere Shivamurthy
Original assignee: Connaught Electronics Ltd
Current assignee: Connaught Electronics Ltd
Priority date: 2018-09-07
Filing date: 2018-09-07
Publication date: 2020-03-12

Abstract

Eine Vorlage einer Deichsel soll zuverlässiger identifiziert werden. Daher wird ein Verfahren zum Identifizieren einer Vorlage (5) einer Deichsel eines Anhängers, der an ein Fahrzeug angehängt ist, bereitgestellt mit den Schritten
a) Erfassen eines Bildes der Deichsel des Anhängers,
b) Durchführen einer Texturanalyse des Bildes auf Blockbasis,
c) Bestimmen von ungewöhnlichen Blöcken (27) in dem Bild, die jeweils ein anderes Texturmuster aufweisen als ein festgelegter Block oder eine festgelegte Gruppe von Blöcken des Bildes,
d) Gruppieren der ungewöhnlichen Blöcke (27) und
e) Definieren der gruppierten ungewöhnlichen Blöcke (27) als Vorlage der Deichsel.

Description

Die vorliegende Erfindung bezieht sich auf ein Verfahren zum Identifizieren einer Vorlage einer Deichsel eines Anhängers, der an ein Fahrzeug angehängt ist, mit dem Schritt des Erfassens eines Bildes der Deichsel des Anhängers. Ferner bezieht sich die vorliegende Erfindung auf eine Vorrichtung zum Identifizieren einer Vorlage einer Deichsel eines Anhängers, der an ein Fahrzeug angehängt ist, mit einer Abbildungseinrichtung zum Erfassen eines Bildes der Deichsel des Anhängers.
In einem Gespann mit einem Fahrzeug und einem Anhänger besteht ein Problem, dass der hintere Raum des Anhängers selbst für den Fahrer des Fahrzeugs nur schwer sichtbar ist. Der hintere Raum um das Gespann ist nur in Bruchteilen durch den Innenspiegel und die zwei Außenspiegel sichtbar. Dadurch entstehen Schwierigkeiten insbesondere beim Rückwärtsfahren oder bei der Durchführung anderer Manöver. Insbesondere bei kleinen oder schmalen Anhängern, die durch das Zugfahrzeug bedeckt sind und über die Außenspiegel kaum sichtbar sind, hat der Fahrer kaum eine Möglichkeit zu erkennen, in welcher Winkelposition sich der Anhänger gegenwärtig befindet. Assistenzsysteme für den Anhängerbetrieb erfordern auch häufig die Bestimmung der Winkelposition des Anhängers.
Daher besteht in mehreren Fahrsituationen die Anforderung, den Winkel des gezogenen Anhängers in Bezug auf die Längsachse des Zugfahrzeugs zu erhalten, mit dem der Anhänger gekoppelt ist. Sobald der Winkel erhalten ist, stehen zahlreiche Funktionen für den Benutzer zur Verfügung, die die Nutzung dieses Anhängerwinkels erfordern. Folglich kann ein Anhängerparkassistenzsystem beispielsweise bereitgestellt werden, wenn der Rückwärtsgang eingelegt ist. Außerdem kann der detektierte Winkel zum Erkennen einer Eskalation des Anhängers verwendet werden, wenn das Gespann mit einer bestimmten Geschwindigkeit vorwärts fährt. Der detektierte Winkel kann überdies verwendet werden, um ein Rutschen des Anhängers zu erkennen, wenn das Gespann auf einem Gefälle fährt. Ferner kann der detektierte Winkel auch verwendet werden, um eine Trajektorie des Anhängers auf einen Bildschirm für den Benutzer in Abhängigkeit von der aktuellen Winkelposition beispielsweise beim Rückwärtsfahren zu überlagern. Zahlreiche andere Anwendungsmöglichkeiten für den detektierten Winkel sind denkbar.
Bisher stehen einige Verfahren bereits zur Verfügung, um den Winkel eines Anhängers in Bezug auf die Längsachse des Zugfahrzeugs zu bestimmen. Volkswagen stellt folglich beispielsweise einen Anhängerassistenten auf Kamerabasis bereit, um den Anhängerwinkel zu bestimmen. Jaguar Landrover stellt überdies einen JLR-Anhängerassistenten bereit, bei dem ein bekanntes Ziel (drei schwarze Kreise auf weißem Hintergrund) am Anhänger angebracht ist. Der entsprechende Algorithmus detektiert dann das bekannte Ziel.
Aus dem Dokument US 9 085 261 B1 ist ein Rückansichtssystem mit Anhängerwinkeldetektion bekannt. Durch eine rückwärts gerichtete Kamera am Zugfahrzeug werden rückwärts gerichtete Aufnahmen durchgeführt. Wenn ein Anhänger mit dem Zugfahrzeug gekoppelt ist, wird der Anhängerwinkel aus den aufgenommenen Bildern der rückwärts gerichteten Kamera mittels eines Prozessors berechnet. Dabei wird insbesondere ein bekanntes Zielmuster am Anhänger ausgewertet.
Es ist häufig erwünscht, einen Anhängerwinkel eines Anhängers automatisch zu bestimmen. Ein entsprechendes Verfahren sollte robust und effizient sein. Ferner ist es erwünscht, dass verschiedene Anhängertypen selbst unter anspruchsvollen Wetter- und Beleuchtungsbedingungen detektierbar sind.
Die Aufgabe der vorliegenden Erfindung besteht darin, eine Möglichkeit zum Detektieren der Position eines an ein Fahrzeug angehängten Anhängers in einer zuverlässigen Weise bereitzustellen. Ein entsprechendes Verfahren und eine entsprechende Vorrichtung sollen zur Verfügung gestellt werden.
Gemäß der vorliegenden Erfindung wird diese Aufgabe durch ein Verfahren und eine Vorrichtung, wie in den unabhängigen Ansprüchen definiert, gelöst. Weitere vorteilhafte Weiterentwicklungen sind in den Unteransprüchen definiert.
In einem Aspekt der vorliegenden Erfindung wird ein Verfahren zum Identifizieren einer Vorlage einer Deichsel eines an ein Fahrzeug angehängten Anhängers bereitgestellt mit den Schritten

a) Erfassen eines Bildes der Deichsel des Anhängers,
b) Durchführen einer Texturanalyse des Bildes auf Blockbasis,
c) Bestimmen von ungewöhnlichen Blöcken in dem Bild, die jeweils ein anderes Texturmuster aufweisen als ein festgelegter Block oder eine festgelegte Gruppe von Blöcken des Bildes,
d) Gruppieren der ungewöhnlichen Blöcke und
e) Definieren der gruppierten ungewöhnlichen Blöcke als Vorlage der Deichsel.

Mit anderen Worten, es ist ein wesentlicher Bestandteil der vorliegenden Erfindung, eine Vorlage einer Deichsel eines Anhängers zu identifizieren. Eine solche Vorlage ermöglicht es, verschiedene Daten über den Anhänger zu erhalten. Die Vorlage könnte verwendet werden, um den Typ des Anhängers zu identifizieren sowie den Winkel des Anhängers in Bezug auf das Zugfahrzeug zu bestimmen. Das Verfahren umfasst den Schritt des Erfassens eines Bildes der Deichsel des Anhängers. Vorzugsweise wird dieses Bild vom Fahrzeug, das den Anhänger zieht, aus erfasst. In einer bevorzugten Ausführungsform ist das Bild ein optisches Bild, das durch eine Kamera und insbesondere durch eine Videokamera erfasst wird. Andere Sensoren wie Infrarotsensoren, Ultraschallsensoren oder dergleichen können jedoch auch verwendet werden, um Bilder für das vorliegende Verfahren zu erfassen. Solche Bilder der Deichsel können Informationen über den Winkel des Anhängers bereitstellen.
In einem ersten Verarbeitungsschritt wird eine Texturanalyse auf Blockbasis an dem einen oder den mehreren Bildern durchgeführt. Dies bedeutet, dass das Bild in Blöcke mit vorzugsweise rechteckiger oder quadratischer Form unterteilt wird. Ein solcher Block kann die Größe von 8x8 Pixeln aufweisen. Jeder Block wird hinsichtlich seiner Textur analysiert. Der Block kann eine raue, glatte, wahllose Textur oder dergleichen aufweisen. Ferner kann ein Block Kanten oder andere geometrische Merkmale umfassen.
In einem anschließenden Schritt werden ungewöhnliche Blöcke im Bild bestimmt. Ein Block wird als ungewöhnlich definiert, wenn sein Texturmuster von einem festgelegten Block oder einer festgelegten Gruppe von Blöcken des Bildes verschieden ist. Insbesondere kann die festgelegte Gruppe von Blöcken eine Mehrheit innerhalb des Bildes oder eines festgelegten Bereichs des Bildes darstellen. Ein aktueller Block weist beispielsweise ein anderes Texturmuster als der Block auf seiner linken Seite auf. In diesem Fall kann der aktuelle Block ein ungewöhnlicher Block sein. Der aktuelle Block kann auch mit dem Block auf der rechten Seite oder dem Block darüber oder darunter verglichen werden. Ferner können diagonal benachbarte Blöcke verwendet werden, um ungewöhnliche Blöcke zu identifizieren. In einer speziellen Ausführungsform werden einer oder mehrere dieser benachbarten Blöcke verwendet, um ungewöhnliche Blöcke zu identifizieren. Ein Block mit einer Kante kann auch ein ungewöhnlicher Block innerhalb oder an der Grenze eines Bereichs mit einer Mehrheit von glatten Blöcken sein. Dagegen weist ein gewöhnlicher Block dasselbe Texturmuster wie der aktuelle oder vorliegende Block auf. In einem Bereich des Bildes, der die Straße darstellt, weisen beispielsweise alle Blöcke dieselbe Textur auf. Folglich sind diese Blöcke gewöhnliche Blöcke. Am Rand zur Deichsel weist jedoch der Block, der einen Teil der Deichsel darstellt, ein anderes Texturmuster als der Block, der die Straße darstellt, auf. Folglich ist dieser Block mit dem Teil der Deichsel ein ungewöhnlicher Block in Bezug auf die Straßenblöcke. Wenn der nächste Block, der zum aktuellen Block benachbart ist, auch ein Deichseltexturmuster aufweist, dann kann er als gewöhnlich in Bezug auf den ersten Deichselblock klassifiziert werden.
In einem anschließenden Schritt werden die ungewöhnlichen Blöcke gruppiert. Dies bedeutet, dass beispielsweise eine Menge von ungewöhnlichen Blöcken zur Deichsel oder zu den benachbarten Bereichen gehört. Es kann angenommen werden, dass diese gruppierten ungewöhnlichen Blöcke die Deichsel darstellen, wohingegen die meisten der gewöhnlichen Blöcke die Straße zeigen, auf der der Anhänger und das Fahrzeug fahren. Schließlich werden die gruppierten ungewöhnlichen Blöcke als Vorlage für die Deichsel definiert. Dieses Verfahren zum Identifizieren einer Vorlage einer Deichsel arbeitet nicht nur zuverlässig, wenn die Straße glatt ist, sondern auch auf Gras- oder Kiesoberflächen oder anderen Oberflächen mit hoher oder zufälliger Textur. Dementsprechend werden die Blöcke der Straße oder anderen Oberfläche zuverlässig als gewöhnliche Blöcke klassifiziert. In diesem Fall ist es leicht, ungewöhnliche Blöcke, die Kanten oder dergleichen darstellen, zu identifizieren. Folglich kann eine Vorlage des Anhängers erhalten werden, die nicht auf einem künstlichen Ziel basiert. Der Vorteil eines solchen zielfreien Verfahrens besteht darin, dass kein Risiko besteht, dass das Ziel schmutzig werden kann, dass das Ziel vor der Kamera verdeckt ist oder dass sich das Ziel von der Anhängeroberfläche über die Zeit ablösen kann, was unzuverlässige Detektionen erzeugt.
In einer bevorzugten Ausführungsform werden separate Bereiche des Bildes bestimmt und die Schritte des Durchführens einer Texturanalyse auf Blockbasis, des Bestimmens von ungewöhnlichen Blöcken und des Gruppierens dieser ungewöhnlichen Blöcke werden für jeden Bereich durchgeführt. Der Vorteil der Unterteilung des Bildes in mehrere Bereiche besteht darin, dass jeder Bereich separat verarbeitet werden kann. In einer speziellen Ausführungsform unterscheiden sich die separaten Bereiche in einem Intensitätswert voneinander. Insbesondere treten Probleme auf, wenn Schatten auf die Deichsel und/oder die Straße fallen. Durch Unterteilen des Bildes in mehrere Bereiche können ein Schattenbereich und ein sonniger Bereich eigenständig verarbeitet werden. Dies führt zu besseren Ergebnissen, wenn die verarbeiteten Blöcke oder Bereiche wieder kombiniert werden.
In einer weiteren Ausführungsform werden im Schritt des Durchführens einer Texturanalyse des Bildes auf Blockbasis die Blöcke in Bezug auf ihre Textur klassifiziert und die Bestimmung der ungewöhnlichen Blöcke wird auf der Basis der klassifizierten Blöcke durchgeführt. Jeder Block kann beispielsweise in die Klassen „glatt“, „rau“, „regelmäßig“, „wahllos“ oder dergleichen klassifiziert werden. Solche Klassen verringern die Anstrengungen der Datenverarbeitung. Insbesondere ist der Vergleich zwischen zwei Blöcken viel leichter, wenn nur einige verschiedene Klassen eines Texturmusters bestehen.
Gemäß einer weiteren Ausführungsform ist das Bild der Deichsel ein Polaransichtsbild. Dies bedeutet, dass das Bild von kartesischen Koordinaten in Polarkoordinaten transformiert wird. Eine solche Transformation ist für Deichseln mit V-Form mit der Spitze am Kugelkopf sehr vorteilhaft. In diesem Fall weisen die Deichsel und auch die Vorlage der Deichsel ungefähr eine rechteckige Form auf. Folglich ist eine entsprechende Vorlage leicht zu handhaben.
In einer weiteren vorteilhaften Ausführungsform wird eine Breite der Vorlage der Deichsel automatisch durch Detektieren einer jeweiligen Anzahl von ungewöhnlichen Blöcken in mehreren Spalten des Bildes und Verfolgen von zwei dieser Spalten zum Bestimmen der Breite der Vorlage, deren Anzahl von ungewöhnlichen Blöcken eine festzulegende Bedingung erfüllt, bestimmt. Dies bedeutet, dass die ungewöhnlichen Blöcke eine Anhäufung mit mehreren Spalten bilden. Zwei von diesen Spalten werden verwendet, um die Breite der Vorlage zu bestimmen. Für diesen Zweck wird die Anzahl von ungewöhnlichen Blöcken in jeder der Spalten berechnet. In Abhängigkeit von dieser Anzahl von ungewöhnlichen Blöcken werden zwei Spalten der Vielzahl von Spalten verwendet, um die Breite der Vorlage zu bestimmen. Insbesondere muss die Anzahl von ungewöhnlichen Blöcken eine Bedingung erfüllen, so dass die jeweilige Spalte für den Schritt der Bestimmung der Breite der Vorlage verwendet wird. Jene zwei Spalten von Blöcken werden beispielsweise für die Bestimmung der Breite der Vorlage verwendet, die die höchste und zweithöchste Anzahl von ungewöhnlichen Blöcken aufweisen. In diesem Beispiel wird der Abstand zwischen den zwei Spalten beispielsweise als Breite der Vorlage definiert.
Gemäß einer speziellen Ausführungsform wird eine Spalte mit einer Spitzenanzahl von ungewöhnlichen Blöcken innerhalb der mehreren Spalten bestimmt und die vorstehend erwähnte Bedingung umfasst, dass die Anzahl von ungewöhnlichen Blöcken einer ersten und einer zweiten der zwei Spalten höher ist als eine festgelegter Prozentsatz der Spitzenanzahl, d. h. der Spitzenwert. Dies bedeutet, dass eine Spalte von Blöcken, die die höchste Anzahl von ungewöhnlichen Blöcken umfasst, zum Bestimmen der Breite der Vorlage verwendet wird. Vorzugsweise weist diese Spitzenspalte eine Randspalte der Vorlage auf ihrer linken Seite und eine Randspalte der Vorlage auf ihrer rechten Seite auf. Beide Randspalten werden gesucht, um die Breite der Vorlage zu bestimmen. Diese Randspalten sollten zumindest einen festlegbaren oder festgelegten Prozentsatz von ungewöhnlichen Blöcken in Bezug auf den Spitzenwert der Spitzenspalte aufweisen. Dieser Prozentsatz kann manuell oder automatisch festgelegt werden. Die Randspalten können beispielsweise jene Spalten sein, die mindestens 75 % des Spitzenwerts aufweisen und die den größten Abstand von der Spitzenspalte aufweisen, wenn mehrere Spalten mit einer höheren Anzahl von ungewöhnlichen Blöcken als 75 % des Spitzenwerts vorliegen.
In einer bevorzugten Ausführungsform werden mehrere Prozentsätze des Spitzenwerts festgelegt, für jeden festgelegten Prozentsatz des Spitzenwerts wird ein Paar einer ersten und einer zweiten Spalte bestimmt, deren Anzahl von ungewöhnlichen Blöcken höher ist als der entsprechende Prozentsatz des Spitzenwerts, und dieses Paar der ersten und der zweiten Spalte wird zum Bestimmen der Breite der Vorlage ausgewählt, die eine vorbestimmte Symmetriebedingung in Bezug auf ihr Zentrum erfüllt. Mit anderen Worten, jene Spalte wird gesucht, die die höchste Anzahl von ungewöhnlichen Blöcken neben der Spitzenanzahl aufweist. Dies wird durch Verringern des Schwellenwerts von z. B. 100 % oder 95 % als vorgegebenen Wert durchgeführt. Diese Verringerung des Prozentsatzwerts kann in Schritten wie 5 % durchgeführt werden. Wenn beispielsweise keine der Spalten 95 % des Spitzenwerts von ungewöhnlichen Blöcken aufweist, wird der Schwellenwert von 95 % auf 90 % verringert. Wenn keine der Spalten 90 % des Spitzenwerts von ungewöhnlichen Blöcken aufweist, wird der Prozentsatz oder Schwellenwert auf 85 % verringert. Wenn ein Paar von Spalten 85 % des Spitzenwerts von ungewöhnlichen Blöcken des Spitzenwerts von ungewöhnlichen Blöcken aufweist, ist dieses Spaltenpaar ein Kandidatenspaltenpaar, das gesucht wird. In diesem Fall kann die Vorlage zwischen diesem Spaltenpaar liegen. Die Breite dieser Vorlage wird durch Verringern des Prozentsatzwerts oder Schwellenwerts für die Anzahl von ungewöhnlichen Blöcken in den jeweiligen Spalten automatisch gefunden.
In einer weiteren vorteilhaften Ausführungsform wird die Breite der Vorlage der Deichsel auf der Basis einer ersten Anzahl von Bildern bestimmt, ein Konfidenzwert wird für die Breite bestimmt, und wenn der Konfidenzwert niedriger ist als ein vorgegebener Schwellenwert, wird die Breite der Vorlage der Deichsel auf der Basis einer zweiten Anzahl von weiteren Bildern bestimmt. Tatsächlich sollte die Breite der Vorlage nicht auf der Basis eines einzigen Bildes bestimmt werden. Vielmehr ist es bevorzugt, die Breite der Vorlage auf der Basis einer ersten Anzahl von Bildern zu bestimmen. Ein Konfidenzwert wird für die Breite auf der Basis jedes Breitenwerts, der aus jedem Bild der ersten Anzahl von Bildern erhalten wird, berechnet. Falls der Konfidenzwert niedriger ist als ein vorgegebener Schwellenwert, kann angenommen werden, dass die Breite der Vorlage nicht zuverlässig bestimmt werden kann. In diesem Fall sollten weitere Bilder verwendet werden, um die Breite der Vorlage zuverlässiger zu bestimmen. Insbesondere wird eine zweite Anzahl von Bildern verwendet, um die Breite der Vorlage zu bestimmen. Die erste Anzahl von Bildern ist beispielsweise 30 und die zweite Anzahl von Bildern ist 120. Unter Verwendung eines Algorithmus mit einer Ausgabe von 10 Bildern pro Sekunde würde die gesamte Bestimmung der Breite 3 s und, falls erforderlich, weiterhin 12 s dauern. Irgendein anderer Wert für die erste Anzahl und die zweite Anzahl kann natürlich angewendet werden.
Der obige Versuch, die Breite der Vorlage zu bestimmen, kann erfolglos sein. In einem zweiten Versuch wird dann die Breite der Vorlage, die auf der Basis der ersten und/oder zweiten Anzahl von Bildern bestimmt wird, gespeichert und die Breite der Vorlage wird auf der Basis einer dritten Anzahl von Bildern genauer bestimmt, wobei nur solche Bilder verwendet werden, die einen Breitenwert ergeben, der näher an der gespeicherten Breite als eine vorgegebene Differenz liegt. Dies bedeutet, dass in einem zweiten Versuch das Ergebnis der Bestimmung der Breite der Vorlage vom ersten Versuch verwendet wird, und versucht wird, das Ergebnis mit zusätzlichen Bildern zu verbessern, nämlich einer dritten Anzahl von Bildern. Nicht jeder Breitenwert von jeder solchen dritten Anzahl von Bildern wird jedoch zum Verbessern des Ergebnisses verwendet. Nur jene Breitenwerte werden verwendet, die nahe dem Ergebnis des ersten Versuchs liegen. Folglich kann das Gesamtergebnis für die Vorlagenbreite stabilisiert werden.
Der Konfidenzwert zum Bestimmen der Breite der Vorlage kann eine Spitzenanzahl derselben Breitenwerte für eine vorgegebene Anzahl von Bildern dividiert durch die vorgegebene Anzahl von Bildern sein. Folglich ist der Konfidenzwert für die Breite ein Verhältnis der höchsten Anzahl von gleichen Breitenwerten für die vorbestimmte Anzahl von Bildern und dieser Anzahl von Bildern. Die vorbestimmte Anzahl von Bildern ist beispielsweise die erste Anzahl, die zweite Anzahl oder die dritte Anzahl von Bildern.
Gemäß einer weiteren Ausführungsform der Erfindung wird ein Verfahren zum Bestimmen eines Anhängerwinkels eines Anhängers, der an ein Fahrzeug angehängt ist, durch Identifizieren einer Vorlage einer Deichsel des Anhängers, wie vorstehend angegeben, bereitgestellt. Dabei wird der Anhängerwinkel auf der Basis einer Position einer Darstellung der Deichsel in Bezug auf eine Referenzposition bestimmt, wobei die Darstellung der Deichsel der Vorlage der Deichsel entspricht. Folglich wird die früher bestimmte Vorlage zum Detektieren eines Anhängerwinkels verwendet. Dafür wird eine Darstellung der Deichsel zu einem aktuellen Zeitpunkt erfasst. Die Vorlage kann derart positioniert sein, dass die Korrelation zwischen der Vorlage und der Darstellung einen Spitzenwert aufweist. Die gewonnene Position der Vorlage kann mit einer Referenzposition, z. B. einer 0°-Position, verglichen werden. Folglich kann der Anhängerwinkel sehr effektiv aufgrund des erfindungsgemäßen Verfahrens zur Identifikation der Vorlage erhalten werden.
Außerdem wird ein Verfahren zum Verfolgen eines Anhängerwinkels durch Wiederholen der Bestimmung des Anhängerwinkels, wie vorstehend dargelegt, bereitgestellt. Insbesondere kann der Anhängerwinkel in vorgegebenen Zeitschritten aktualisiert werden. Dafür wird das obige Verfahren zum Bestimmen eines Anhängerwinkels eines Anhängers nach jedem Zeitschritt wiederholt.
Die obige Aufgabe wird auch durch eine Vorrichtung zum Identifizieren einer Vorlage einer Deichsel eines Anhängers, der an ein Fahrzeug angehängt ist, gelöst mit

a) einer Abbildungseinrichtung zum Erfassen eines Bildes der Deichsel des Anhängers und
b) einer Recheneinrichtung zum Durchführen einer Texturanalyse des Bildes auf Blockbasis zum Bestimmen von ungewöhnlichen Blöcken im Bild, die jeweils ein anderes Texturmuster als ein festgelegter Block oder eine festgelegte Gruppe von Blöcken des Bildes aufweisen, zum Gruppieren der ungewöhnlichen Blöcke und zum Definieren der gruppierten ungewöhnlichen Blöcke als Vorlage der Deichsel.

Die Vorteile und Möglichkeiten der Modifikation, die vorstehend in Verbindung mit dem erfindungsgemäßen Verfahren gezeigt sind, gelten auch analog für die erfindungsgemäße Vorrichtung.
Überdies wird ein Computerprogrammprodukt bereitgestellt, das Befehle speichert, die, wenn sie durch einen Prozessor ausgeführt werden, bewirken, dass eine Vorrichtung zum Identifizieren einer Vorlage einer Deichsel eines Anhängers ein Verfahren durchführt, wie vorstehend definiert.
Weitere Merkmale der Erfindung ergeben sich aus den Ansprüchen, den Figuren und der Figurenbeschreibung. Die vorstehend in der Beschreibung genannten Merkmale und Merkmalskombinationen sowie die nachfolgend in der Figurenbeschreibung genannten und/oder in den Figuren alleine gezeigten Merkmale und Merkmalskombinationen sind nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen verwendbar, ohne den Rahmen der Erfindung zu verlassen. Es sind somit auch Ausführungen von der Erfindung als umfasst und offenbart anzusehen, die in den Figuren nicht explizit gezeigt und erläutert sind, jedoch durch separierte Merkmalskombinationen aus den erläuterten Ausführungen hervorgehen und erzeugbar sind. Es sind auch Ausführungen und Merkmalskombinationen als offenbart anzusehen, die somit nicht alle Merkmale eines ursprünglich formulierten unabhängigen Anspruchs aufweisen. Es sind darüber hinaus Ausführungen und Merkmalskombinationen, insbesondere durch die oben dargelegten Ausführungen, als offenbart anzusehen, die über die in den Rückbezügen der Ansprüche dargelegten Merkmalskombinationen hinausgehen oder von diesen abweichen.
Die Erfindung wird nun in Verbindung mit den folgenden Figuren beschrieben, die zeigen in

1 eine schematische Draufsicht auf ein Kraftfahrzeug mit einem angehängten Anhänger;
2 eine Architektur für eine robuste Anhängerwinkeldetektion;
3 eine Polaransicht einer Deichsel mit einem vertikalen Histogramm auf der Basis von ungewöhnlichen Blöcken;
4 die Ansicht von 3 mit Schwellenwerten zum Bestimmen der Breite der Vorlage;
5 eine korrekte Kantenkombination zum Bestimmen der Breite der Vorlage;
6 eine falsche Kantenkombination zum Bestimmen der Breite der Vorlage; und
7 ein Zustandsdiagramm, das für die Anhängervorlagenextraktion verwendet wird.

Im Folgenden werden bevorzugte Ausführungsformen genauer erläutert. Eine Grundidee der Erfindung besteht darin, auf ein vordefiniertes Ziel, das am Anhänger befestigt ist, wie aus Lösungen des Standes der Technik bekannt, zu verzichten. Stattdessen soll die Anhängerdeichsel oder eine Vorlage davon identifiziert werden, und falls erforderlich, soll sie über die Zeit verfolgt werden. Um die Deichsel zu identifizieren, soll man wissen, wo sich die Deichsel zu einem gewissen Zeitpunkt befindet. Dann kann eine anfängliche Vorlage erfasst werden und sie kann in anschließenden Kamerabildern gesucht werden. In einer bevorzugten Ausführungsform wird ein Verfahren zum anfänglichen Identifizieren der Anhängerdeichsel definiert.
Übliche anspruchsvolle Szenarios für eine solche (Winkel-) Detektion eines ziellosen Anhängers sind eine schmale Deichsel ohne viel Merkmale, geringe Lichtbedingungen, eine schwarze Deichsel mit Schattenbedingungen, eine Deichsel, die mit einem teilweisen Schatten und teilweisem Sonnenlicht bedeckt ist, eine Oberfläche mit hoher Textur und so weiter. In solchen anspruchsvollen Situationen können die Beleuchtungsbedingungen und Texturen Kanten unscharf machen oder viele Kanten erzeugen, was es schwierig macht, einen Anhänger für diese Fälle zu detektieren und zu verfolgen.
1 zeigt eine Ausführungsform eines Kraftfahrzeugs 1 mit einem Anhänger 2, der an das Kraftfahrzeug 1 angehängt ist, in einer schematischen Draufsicht. Der Anhänger 2 befindet sich im angehängten Zustand am Kraftfahrzeug 1. Das Kraftfahrzeug 1 mit dem Anhänger 2 bildet ein Gespann 3 im angehängten Zustand. Insbesondere ist vorgesehen, dass das Kraftfahrzeug 1 eine Anhängerkupplung 4 umfasst. Der Anhänger 2 kann dann mit der Anhängerkupplung 4 über eine Deichsel 5 gekoppelt werden.
Insbesondere ist vorgesehen, dass das Kraftfahrzeug 1 eine erste Längsachse L1 aufweist und der Anhänger 2 eine zweite Längsachse L2 aufweist. Insbesondere ist in der vorliegenden Ausführungsform ein Winkel α zwischen der ersten Längsachse L1 und der zweiten Längsachse L2 gebildet, der auch als Kupplungswinkel bezeichnet werden kann. Die Anhängerkupplung 4 umfasst einen Anhängerkugelkopf 6. Insbesondere ist eine reale Position X, Y, Z des Anhängerkugelkopfs 6 in Bezug auf eine Umgebung 8 des Kraftfahrzeugs 1 durch ein Anhängerkugelkopfzentrum 7 des Anhängerkugelkopfs 6 gebildet. Die reale Position 7 beschreibt insbesondere die Position in Bezug auf eine Fahrbahn, auf der das Kraftfahrzeug angeordnet ist.
Das Kraftfahrzeug 1 kann ein Assistenzsystem 9 umfassen. Ein Teil des Anhängers und insbesondere der Deichsel 5 kann mittels einer Erfassungsvorrichtung 10 (z. B. einer Videokamera) des Assistenzsystems 9 erfasst werden. Eine charakterisierende Eigenschaft 11 der Deichsel 5 (z. B. eine Vorlage der Deichsel 5) kann mittels einer elektronischen Rechenvorrichtung 12 des Assistenzsystems 9 bestimmt werden. Die Vorlage kann mittels der elektronischen Rechenvorrichtung 12 bestimmt werden.
2 zeigt eine vorgeschlagene TTT- (Verfolgung eines zielfreien Anhängers) Architektur für eine robuste Anhängerwinkeldetektion. Dies kann auf dem erfindungsgemäßen Verfahren zum Identifizieren einer Vorlage der Deichsel basieren. Ein TTT-Kernblock 13 empfängt Eingangsinformationen und liefert jeweilige Ausgangsinformationen. Die Eingangsinformationen können Fahrzeug/Anhänger-Daten 14 wie Deichsellänge des Anhängers (Abstand zwischen Koppler und Achse des Anhängers), Kugelkopfposition usw. umfassen. Ferner können die Eingangsinformationen Kalibrierungsdaten wie Kamerakalibrierungsdaten 15, insbesondere Kamerafischaugenkoeffizienten, umfassen. Die Eingangsinformationen können auch Bilder 16 umfassen, die von der Deichsel 5 und/oder einem Teil des Anhängers 2 erfasst werden. Diese Bilder 16 können durch eine Rückansichtskamera als Erfassungsvorrichtung 10 erfasst werden. Weitere Eingangsinformationen für den TTT-Kernblock 13 können ein Odometriesignal 17 sein. Es kann Werte für die zurückgelegte Strecke, die Fahrzeuggeschwindigkeit und den Lenkwinkel umfassen.
Im TTT-Kernblock 13 ist ein Rechenmodul 18 vorgesehen. Es kann eine Nachschlagetabelle zum Transformieren von Weltkoordinaten (3D-Koordinaten X, Y, Z) in Rohpunkte (2D-Koordinaten x, y) umfassen. Ein Polaransichtsgenerator 19 des TTT-Kernblocks 13 kann Polaransichtsbilder aus den ursprünglichen Bildern 16 und den Rohpunkten, die vom Rechenmodul 18 erhalten werden, erzeugen. Solche Polaransichtsbilder sind jedoch optional.
Die (Polaransichts-) Bilder werden in einem Vorlagenlernmodul 20 des TTT-Kernblocks 13 verwendet. Dieses Modul 20 kann eine Extraktion einer optimalen Vorlage durchführen. Insbesondere können eine Vorlagenbreite und ein Startindex zu einem Korrelationsmodul 21 des TTT-Kernblocks 13 geliefert werden. Dieses Korrelationsmodul 21 kann einen Vorlagenabgleich in Bezug auf die Vorlagendaten, die vom Vorlagenlernmodul 20 erhalten werden, und ein Polaransichtsbild, das vom Polaransichtsgenerator 19 erhalten wird, durchführen. Das Korrelationsmodul 21 kann einen Winkel α des Anhängers 2 in Bezug auf das Kraftfahrzeug 1 aus den empfangenen Daten bestimmen. Dieser Winkel kann zu einem TTT-Konfidenzmodul 22 des TTT-Kernblocks 13 übertragen werden. Das TTT-Konfidenzmodul 22 kann einen Anhängerwinkel 23 und einen Winkelkonfidenzwert 24 als Ausgangsinformationen erzeugen. Parallel zum Korrelationsmodul 21 kann der TTT-Kernblock 13 ein Vorlagenverfolgermodul 25 umfassen. Es kann auch einen Winkel für das TTT-Konfidenzmodul 22 aus den Vorlagendaten berechnen, die vom Vorlagenlernmodul 20 erhalten werden. Außerdem kann das Odometriesignal 17 zum TTT-Konfidenzmodul 22 geliefert werden.
Die Verfolgung eines zielfreien Anhängers TTT ist ein Verfahren, das ein Anhängermerkmal aus einem Bild extrahiert und das Anhängermerkmal verfolgt, um den Anhängerwinkel (wiederholt) zu detektieren. Dieses Verfahren hat mehrere Vorteile:

a) Schmutz auf dem Anhänger wirkt sich nicht auf die Verfolgung aus. Gewöhnlich ist ein Teil des Anhängers unter den meisten Beleuchtungsbedingungen für eine genaue Anhängerwinkeldetektion sichtbar.
b) Keine Zeit ist für eine anfängliche Kalibrierung erforderlich. Die Deichselsegmentierung auf Texturbasis stellt die Detektion der Anhängermerkmale vorzugsweise ab dem allerersten Bild sicher. Typischerweise wird der Anhängerwinkel folglich ab dem ersten Bild detektiert.
c) Theoretisch kann die vorgeschlagene Lösung eine Auflösung von bis zu 0.1° aufweisen. Praktisch kann eine Genauigkeit von bis zu 0.5° erreicht werden.
d) Verdeckungen von Teilen des Anhängers wirken sich nicht auf die Winkelgenauigkeit des vorgeschlagenen Systems aus.

Die vorliegende Erfindung bezieht sich hauptsächlich auf das Vorlagenlernmodul 20, das in 2 gezeigt ist. Dieses Modul extrahiert eine Deichselvorlage, die für das weitere Verfolgen des Anhängerwinkels verwendet werden kann.
Die Vorlage wird durch Abschneiden von kleinen Abschnitten eines Bildes erhalten, das die Anhängerdeichsel umfasst. Der Bereich der Vorlage wird verwendet, um die Anhängerdeichsel in aufeinander folgenden Bildern zu detektieren und zu verfolgen. Eine Referenzvorlage wird identifiziert. Nur in seltenen Fällen muss sie bei 0° zwischen der Längsachse L1 des Kraftfahrzeugs 1 und der Längsachse L2 des Anhängers 2 identifiziert werden (vergleiche 1). Die jeweils gelernte Referenzvorlage garantiert eine hohe Qualität für das nachfolgende Verfolgen. Eine Ungenauigkeit bei der Vorlagenextraktion kann eine Ungenauigkeit in Anhängerwinkelmessungen erzeugen. Das automatische Vorlagenlernen ist vorteilhaft, wenn nicht genügend dauerhafter Speicher vorhanden ist, um ein vollständiges Vorlagenbild zwischen Fahrzyklen zu speichern. Ferner wurde bis heute das Anhängerlernen oder Vorlagenlernen manuell durch Geradeausfahren und Auswählen einer Vorlage durch Betrachten eines Fehlersuchbildschirms durchgeführt. Das automatische Vorlagenlernen verringert nun die Fahreranstrengungen.
Die Vorlagengröße kann auf der Basis des Typs und der Größe der verbundenen Deichsel variieren. Bis heute wurde die optimale Vorlagengröße durch Vorsehen einer Eingabe durch HMI- (Mensch-Maschine-Schnittstelle) Befehle ausgewählt. Ein Algorithmus zur Extraktion einer optimalen Vorlage stellt die automatische Auswahl einer optimalen Vorlagengröße sicher, was manuelle Anstrengungen verringert. Außerdem wird die Eingabe einer falschen Vorlage, die einen Fehler bei der Deichselverfolgung für aufeinander folgende Bilder ergibt, vermieden. Wenn beispielsweise die Vorlagengröße größer als erwartet ist, kann die Genauigkeit des Algorithmus beeinflusst werden. Der Grund dafür kann darin bestehen, dass die vorherige Vorlage unter einer anderen Beleuchtungsbedingung und/oder auf einer anderen Straßenoberfläche übernommen wurde. Folglich weist das Anhänger- oder Vorlagenlernen vorzugsweise zwei Hauptschritte auf: Detektion einer optimalen Vorlagenbreite und Vorlagenextraktion einer Referenz nahe null.
Im Folgenden wird ein detailliertes Beispiel des Anhängerlernens oder Vorlagenlernens mit Detektion einer optimalen Vorlagenbreite beschrieben. Dieses Beispiel umfasst neun Schritte, aber nicht alle Schritte sind obligatorisch. Diese Schritte sind:

1. Die Bilder (auch Einzelbilder genannt) werden in Blöcke unterteilt. Irgendeine Blockkostenmetrik kann verwendet werden, um kleinere horizontale und vertikale Texturabbildungen und Luminanzabbildungen zu erzeugen, die für die Deichselkantendetektion weiter analysiert werden können. Eine horizontale Texturabbildung kann durch Heranziehen der Differenz zwischen einem vorliegenden Block und dem benachbarten linken Block erhalten werden. Eine vertikale Texturabbildung kann durch Heranziehen der Differenz zwischen dem vorliegenden Block und dem benachbarten Block darüber erhalten werden.
2. Ein Polaransichtsbild kann optional aus dem ursprünglichen Bild (z. B. von einer Kamera) gewonnen werden. Das Polaransichtsbild kann in eine Anzahl von Kacheln unterteilt werden. Jedes Polaransichtsbild kann beispielsweise vertikal in vier Kacheln 26 mit jeweils einer Streifenform unterteilt werden (vergleiche 3).
3. Eine Histogrammanalyse der Textur kann in jeder Kachel 26 durchgeführt werden. Dabei werden Histogrammintervallbereiche auf der Basis von sogenannten ungewöhnlichen Texturblöcken 27 bestimmt. Diese ungewöhnlichen Blöcke 27 unterscheiden sich jeweils von ihrem benachbarten Block oder einem anderen Block oder einer speziellen Gruppe von Blöcken, da sie eine Kantentextur oder einen Luminanzwert enthalten, der sich vom jeweiligen Block oder der Gruppe von Blöcken unterscheidet.
1. a. Um Schatten- und geringe Lichtbedingungen zu handhaben, kann das Bild in mehrere Bereiche, beispielsweise drei Bereiche, unterteilt werden:
  - Bereiche mit niedriger, mittlerer und hoher Intensität. Eine Kantenschwellenwertbildung ist für verschiedene Luminanzbereiche unterschiedlich. Das vorgeschlagene Verfahren kann geringere Schwellenwerte aufweisen (vergleiche 5), um mehr Kanten in Bereichen mit geringem Licht im Vergleich zu Bereichen mit mittlerer und hoher Intensität zu detektieren.
2. b. Das vorgeschlagene Verfahren kann auch die Möglichkeit aufweisen, ungewöhnliche Muster zu filtern. Ein größerer Schattenbereich kann beispielsweise von einem helleren Bereich unterschieden werden.
4. Ein vertikales Texturhistogramm kann durch Zählen von ungewöhnlichen Blöcken in jeder Spalte einer horizontalen und einer vertikalen Texturabbildung (für jede Kachel 26) bestimmt werden. Dabei ist eine horizontale Texturabbildung eine Sammlung von Blockkostenwerten in Bezug auf z. B. linke Nachbarn, wohingegen die vertikale Texturabbildung eine Sammlung von Blockkostenwerten in Bezug auf z. B. obere Nachbarn ist. Die horizontale Texturabbildung ist bevorzugt, wenn die Hintergrundstraßenoberfläche glatt ist. Man kann klare eindeutige Texturmuster an Deichselkanten sehen. Ansonsten ist die vertikale Texturabbildung bevorzugt, wenn der Hintergrund viele zufällige Texturen wie eine Glasoberfläche, Baumschatten, eine Kiesoberfläche usw. aufweist. Wenn sich der aktuelle Block im Polaransichtsbild an der Deichsel befindet, gehört sogar der Block darüber zur Deichsel. Die Kostendifferenz ist niedrig, was diese Blöcke einzigartig macht (als glatte Blöcke klassifiziert, wohingegen die Bodenoberfläche als Blöcke mit wahlloser Textur klassifiziert wird). Diese Art von zu verwendender Abbildung kann vom Typ der Hintergrundtextur abhängigen. Wenn die Bodenoberfläche glatt ist, sollte die horizontale Texturabbildung verwendet werden. Wenn die Straßenoberfläche eine wahllose Textur aufweist, sollte ansonsten die vertikale Texturabbildung verwendet werden. In einem nächsten Schritt werden Blöcke, die ungewöhnliche Texturtypen aufweisen, in jeder Kachel bestimmt. Das Wort „ungewöhnlich“ bedeutet, dass die entsprechenden Blöcke von einem Texturtyp sind, der nicht häufig wiederholt wird. Anschließend werden die ungewöhnlichen Texturblöcke in jeder Blockspalte aufaddiert, um ein vertikales Histogramm zu erzeugen. Das vertikale Histogramm wird verwendet, da die Deichsel eine vertikale Struktur in der Polaransicht aufweist, ohne ihre Form in verschiedenen Winkeln drastisch zu ändern.
5. In einem weiteren optionalen Vorlagenlernschritt kann eine Luminanzabbildung verwendet werden. Insbesondere können ungewöhnliche Blöcke in jeder Spalte der Luminanzabbildung aufaddiert werden, um ein vertikales Histogramm des Luminanzzählwerts zu erhalten.
6. Anschließend kann ein gesamtes vertikales Histogramm bestimmt werden. Hier wird nur der Intervallbereichsindex mit einer Spitze der ungewöhnlichen Textur in allen Kacheln berücksichtigt. Ein solches gesamtes vertikales Histogramm 28 in 4 gezeigt. Der Histogrammwert ist dort hoch, wo die jeweilige vertikale Spalte viele ungewöhnliche Texturblöcke aufweist.
7. Nun soll die optimale Breite der Vorlage der Deichsel bestimmt werden. Daher wird eine Ansammlung von möglichen linken und rechten Kantendeichselgrenzen 29l, 29r, 30l, 30r, 31l und 31r (vergleiche 5) bestimmt. In einem speziellen Beispiel kann angenommen werden, dass die Deichsel nicht größer als 50 % des Polaransichtsbildes sein kann (diese Annahme hängt vom Anhängertyp ab). Diese Breite kann als Gleitfenster im vertikalen Histogramm verwendet werden, um den Spaltenindex zu finden, an dem die ungewöhnlichen Spitzenblöcke positioniert sind. Folglich werden nur jene Spalten berücksichtigt, die innerhalb des Fensters von 50 % liegen. Das vertikale Histogramm 28 wird in diesem Abschnitt der Polaransicht betrachtet. Ein Spitzenwert wird in diesem Histogrammabschnitt bestimmt. Der Spitzenwert des Histogramms ist beispielsweise 45 und in Bezug auf diesen Spitzenwert werden mehrere Schwellenwerte, z. B. 60 %, 65 %, 70 % usw., erzeugt (vergleiche 5). 70 % des Spitzenwerts entspricht beispielsweise dem Wert 31. Die Spalte, die der linken Grenze 29l entspricht, weist beispielsweise den Wert 40 auf und die Spalte, die der rechten Grenze 29r entspricht, weist den Wert 42 auf. Beide Werte sind größer als 31. Daher kann das Fenster von 50 % auf das Fenster zwischen den Grenzen 291 und 29r in der Größe geändert werden. Solche Berechnungen können für ein Paar von Schwellenwerten beispielsweise zwischen 40 % und 70 % in einem Inkrement von 5 % durchgeführt werden. In dieser Weise können verschiedene Kombinationen von linken und rechten Kanten bestimmt werden, um eine endgültige stabile linke und rechte Kante zu erreichen. Die Kanten oder Grenzen 30l, 30r, 31l und 31r können in dieser Hinsicht erhalten werden. Folglich wird eine Ansammlung von gültigen Kombinationen von linken und rechten Kanten erzeugt.
8. Eine Kombination, die einen symmetrischen ungewöhnlichen Inhalt auf beiden Seiten des Zentrums aufweist, kann aus der Ansammlung ausgelesen werden. Andere Kriterien zum Bestimmen einer resultierenden Kantenkombination können verwendet werden, wie Gradienten oder dergleichen. Die Beispiele von 6 und 7 zeigen verschiedene Kantenkombinationen. 6 zeigt die Kanten 291 und 29r ähnlich zu 5. Im Gegenteil zeigt 7 zusätzliche Kanten 321 und 32r. Die Kantenkombination 29I, 29r definiert ein Fenster, das ein symmetrischeres ungewöhnliches Muster auf beiden Seiten des Zentrums im Vergleich zum Fenster der Kantenkombination 321, 32r von 7 umfasst. Für diese Symmetrieanalyse muss ein Zentrum „C“ des jeweiligen Fensters bestimmt werden. Ein Wert von 50 % der Spitzenanzahl im Fenster kann als Referenz betrachtet werden. Auf dieser Basis kann ein Texturmuster von Nullen und Einsen erzeugt werden, wie an der Oberseite von sowohl 6 als auch 7 gezeigt. Auf der Basis dieser Symmetrieanalyse können die gesuchten Kanten identifiziert werden. Diese Kombination von linken und rechten Kanten kann die Breite der zu bestimmenden Vorlage darstellen.
9. Um die Robustheit des Vorlagenlernens zu verbessern, kann eine Logik mit drei Versuchen zum Bestimmen der optimalen Breite verwendet werden.
1. a. In einem ersten Versuch wird eine Breite der Vorlage vorübergehend für einen Satz von Bildern analysiert, um schließlich die optimale Vorlagenbreite zu detektieren. Die optimale Breite wird in diesem Versuch in irgendeinem Winkel gelernt. Der Versuch 1 wird beispielsweise in 3 s nach der Aktivierung des TTT-Verfahrens vollendet.
2. b. In einem optionalen zweiten Versuch kann eine in einem vorherigen Fahrzyklus gelernte Breite verwendet werden. Insbesondere kann sie aus einem nichtflüchtigen dauerhaften Speicher abgerufen werden. Dies ist nützlich, um Fälle zu handhaben, in denen Kanten aufgrund von Schatten, Fahrzeugrauch oder sogar Kondensation auf der Kamera unscharf sind.
3. c. Ein dritter Versuch wird gestartet, wenn der Konfidenzwert im zweiten Versuch immer noch niedrig ist. In diesem Versuch wird ein Nullreferenzwinkel angenommen. Das entsprechende Verfahren basiert auf Odometrie, wobei der Fahrer gebeten wird, einige Meter innerhalb festgelegter Lenkwinkel- und Fahrzeuggeschwindigkeitsgrenzen zu fahren. Nach dem Fahrzyklus kann angenommen werden, dass der Anhänger ziemlich gerade ist. Die Kombination der linken und der rechten Deichselkante kann für den Anhängerwinkel von null erzeugt werden.

Die drei Versuche werden nun genauer erläutert. Im ersten Versuch kann der Anhänger in irgendeinem Winkel gelernt werden. Das Anhänger- oder Vorlagenlernen beginnt mit einem Satz von z. B. 30 Bildern. Bei erfolgreichem Lernen der Breite wird eine entsprechende Vollendungsmeldung für den Benutzer angezeigt und die Verfolgung kann starten. Wenn jedoch der Konfidenzwert niedriger ist als 50 %, fährt das Vorlagenlernen für ein Maximum von 120 Bildern (zusätzliche 90 Bilder) fort. In Anbetracht einer Algorithmusausgabe mit 10 fps soll der erste Versuch für ein Maximum von 12 s fortfahren. Bei Misserfolg des ersten Versuchs wird das Vorlagenlernen zurückgesetzt, um es von Anfang an neu zu starten. Der Algorithmus schreitet zum zweiten Versuch fort (die Mehrheit von Szenarios des Vorlagenlernens schließt jedoch im ersten Versuch ab).
Im zweiten Versuch befindet sich die TTT bereits in einem aktiven Zustand. Wie im ersten Versuch kann die Vorlage in irgendeinem Winkel gelernt werden, wobei entsprechende Informationen aus einem dauerhaften Speicher gelesen werden. Für diesen zweiten Versuch prüft der Anhänger- oder Vorlagenlernalgorithmus auf eine gespeicherte Vorlagenbreite von vorherigen Fahrzyklen mit ihren entsprechenden Konfidenzen.
Insbesondere wenn der Konfidenzwert des ersten Versuchs geringer ist als ein konfigurierter Schwellenwert (X %), geht der Algorithmus zur vorher gelernten Vorlagenbreite und ihrer Konfidenz zurück. Folglich zwingt der Algorithmus den Detektor, die Deichsel nahe der vorher gelernten stabilen Breite zu detektieren. Der Konfidenzwert kann auf der Basis von ähnlichen Breitendetektionen für z. B. die nächsten 30 aufeinander folgenden Bilder erhöht werden. Bei Erfolg kann das Vorlagenverfolgen starten. Ansonsten ist bei Misserfolg wieder ein Zyklus von maximal 12 s (120 Bilder) erforderlich. Eine Mehrheit von schwierigen Fällen wird im zweiten Versuch behandelt. Ansonsten begibt sich der Algorithmus zum dritten Versuch.
Die optimale Breite und das Texturmuster können im zweiten Versuch in einem dauerhaften Speicher gespeichert werden. Außerdem können ein Konfidenzwert und ein Speicherstatusbit gespeichert werden. Wenn keine Speichereinschränkung besteht, kann sogar ein binäres Muster eines ungewöhnlichen Musters (z. B. 50 Bits von Nullen und Einsen) gespeichert werden. In jeder Iteration kann der vorgeschlagene Algorithmus die neue Breite aktualisieren, wenn der Konfidenzwert besser ist als für die vorher gelernte Breite im letzten Fahrzyklus.
Schließlich entspricht der dritte Versuch einer Odometriekalibrierungsfahrt. Der Fahrer sollte das Fahrzeug gerade vorwärts für eine festgelegte Strecke mit niedriger Geschwindigkeit (z. B. niedriger als 10 km/h) fahren. Der Lenkwinkel sollte nahe 0° liegen. Der TTT-Lernalgorithmus analysiert kontinuierlich den Lenkwinkel, der für die vollständige Fahrt nahe 0° liegen sollte. Wenn nicht, wird die Kalibrierungsfahrstrecke nicht berücksichtigt, bis das Fahrzeug gerade vorwärts fährt. Eine Nachricht, um geradeaus zu fahren, wird dem Fahrer kontinuierlich gegeben. In diesem Zustand lernt der Lernalgorithmus bei einem Anhängerwinkel von 0°. D.h. eine Kombination von linken und rechten Anhängerkanten sollte ein Zentrum nahe einem Anhängergierwinkel von null aufweisen. Wenn der dritte Versuch auch misslingt, weiß man, dass der Anhänger gerade ausgerichtet ist. Wenn eine vorher gespeicherte Breite vorhanden ist, kann eine Vorlage dieser Breite um das Polaransichtszentrum, was der Anhängerwinkel von null ist, blind übernommen werden. Ansonsten kann man z. B. 40 % der Polaransichtsbreite als optimale Vorlagenbreite um den Anhängerwinkel von null blind übernehmen. Der Anhängerlernalgorithmus setzt das Lernen der aktuellen Breite im Hintergrund fort und aktualisiert die genaue Vorlage bei Erfolg.
Das vorstehend beschriebene Verfahren oder die vorstehend beschriebene Vorrichtung verwenden eine Konfidenz (einen Konfidenzwert) mit optimaler Breite. Diese Konfidenz (dieser Konfidenzwert) kann als Verhältnis des Spitzenwiederholungswerts einer speziellen Breite und der Gesamtzahl von Bildern definiert sein.
Eine spezielle Ausführungsform des erfindungsgemäßen Verfahrens der Vorlagenextraktion ist in 8 gezeigt. In einem ersten Schritt S1 wird die Bildkantendetektion auf der Basis einer Texturanalyse durchgeführt. Bei Erfolg wird eine Extraktion der optimalen Breite in Schritt S2 durchgeführt. Nach dem Erhalten der optimalen Vorlagenbreite kann die Detektion der Breite fortgesetzt werden, bis ungefähr ein Anhängerwinkel von null erreicht wird. Dann kann eine Detektion des optimalen Winkels nahe 0° durchgeführt werden. Vorzugsweise wird eine Grenze eines Maximums von 200 Bildern vom vorherigen Zustand festgelegt. Bei Erfolg wird eine Vorlagenextraktion (Aktualisierung) in Schritt S4 durchgeführt. Es ist wichtig, die Vorlage nahe 0° zu übernehmen, da das meiste Fahren geradeaus stattfindet. Die Vorlage sieht gewöhnlich bei verschiedenen Winkeln geringfügig unterschiedlich aus. Ferner hilft das Übernehmen der Vorlage nahe 0°, einen genauen Winkel für die meisten Fahrverwendungsfälle zu detektieren. Bei Misslingen von Schritt 4 kann der Zyklus in Schritt 1 erneut gestartet werden. Ansonsten kann bei Erfolg der Vorlagenextraktion in Schritt S4 die Vorlage in einen Vorlagenverfolgeralgorithmus von Schritt S5 eingespeist werden. Zum Verbessern der Zuverlässigkeit kann die in Schritt S4 extrahierte Vorlage zusätzlich in einen Korrelationsalgorithmus von Schritt S6 eingespeist werden. Sowohl der Korrelationsalgorithmus von Schritt S6 als auch der Vorlagenverfolgungsalgorithmus von Schritt S5 können verwendet werden, um den Anhängerwinkel und vorzugsweise eine Winkelkonfidenz zu bestimmen (vergleiche 1).
ZITATE ENTHALTEN IN DER BESCHREIBUNG
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.
Zitierte Patentliteratur

US 9085261 B1 [0005]

Claims

Verfahren zum Identifizieren einer Vorlage einer Deichsel (5) eines Anhängers (2), der an ein Fahrzeug (1) angehängt ist, mit den Schritten a) Erfassen eines Bildes (16) der Deichsel (5) des Anhängers (2), gekennzeichnet durch b) Durchführen einer Texturanalyse des Bildes (16) auf Blockbasis, c) Bestimmen von ungewöhnlichen Blöcken (27) in dem Bild, die jeweils ein anderes Texturmuster als ein festgelegter Block oder eine festgelegte Gruppe von Blöcken des Bildes (16) aufweisen, d) Gruppieren der ungewöhnlichen Blöcke (27) und e) Definieren der gruppierten ungewöhnlichen Blöcke (27) als Vorlage der Deichsel (5).
Verfahren nach Anspruch 1, wobei separate Bereiche des Bildes (16) bestimmt werden und die Schritte b) bis d) für jeden Bereich durchgeführt werden.
Verfahren nach Anspruch 2, wobei die separaten Bereiche sich in einem Intensitätswert voneinander unterscheiden.
Verfahren nach einem der vorangehenden Ansprüche, wobei in Schritt b) Blöcke in Bezug auf ihre Textur klassifiziert werden und Schritt c) auf der Basis der klassifizierten Blöcke durchgeführt wird.
Verfahren nach einem der vorangehenden Ansprüche, wobei das Bild (16) der Deichsel (5) ein Polaransichtsbild ist.
Verfahren nach Anspruch 5, wobei eine Breite der Vorlage der Deichsel (5) automatisch durch Detektieren einer jeweiligen Anzahl von ungewöhnlichen Blöcken (27) in mehreren Spalten des Bildes (16) und Heranziehen von zwei dieser Spalten zum Bestimmen der Breite der Vorlage, deren Anzahl von ungewöhnlichen Blöcken (27) eine festzulegende Bedingung erfüllt, durchgeführt wird.
Verfahren nach Anspruch 6, wobei eine Spalte mit einer Spitzenanzahl von ungewöhnlichen Blöcken (27) innerhalb der mehreren Spalten bestimmt wird und die Bedingung umfasst, dass die Anzahl von ungewöhnlichen Blöcken (27) einer ersten und einer zweiten der zwei Spalten höher ist als ein festgelegter Prozentsatz des Spitzenwerts.
Verfahren nach Anspruch 7, wobei mehrere Prozentsätze des Spitzenwerts festgelegt werden, für jeden festgelegten Prozentsatz des Spitzenwerts ein Paar einer ersten und einer zweiten Spalte bestimmt wird, deren Anzahl von ungewöhnlichen Blöcken höher ist als der entsprechende Prozentsatz des Spitzenwerts, und jenes Paar von erster und zweiter Spalte zum Bestimmen der Breite der Vorlage ausgewählt wird, das eine vorbestimmte Symmetriebedingung in Bezug auf sein Zentrum erfüllt.
Verfahren nach einem der Ansprüche 6 bis 8, wobei die Breite der Vorlage der Deichsel (5) auf der Basis einer ersten Anzahl von Bildern bestimmt wird, ein Konfidenzwert für die Breite bestimmt wird, und wenn der Konfidenzwert niedriger ist als ein vorgegebener Schwellenwert, die Breite der Vorlage der Deichsel (5) auf der Basis einer zweiten Anzahl von weiteren Bildern bestimmt wird.
Verfahren nach Anspruch 9, wobei die Breite der Vorlage, die auf der Basis der ersten und/oder zweiten Anzahl von Bildern bestimmt wird, gespeichert wird und die Breite der Vorlage auf der Basis einer dritten Anzahl von Bildern genauer bestimmt wird, wobei nur solche Bilder verwendet werden, die einen Breitenwert ergeben, der näher an der gespeicherten Breite liegt als eine vorgegebene Differenz.
Verfahren nach Anspruch 9 oder 10, wobei der Konfidenzwert eine Spitzenanzahl von gleichen Breitenwerten für eine vorgegebene Anzahl von Bildern dividiert durch die vorgegebene Anzahl von Bildern ist.
Verfahren zum Bestimmen eines Anhängerwinkels (23) eines Anhängers (2), der an ein Fahrzeug (1) angehängt ist, durch Identifizieren einer Vorlage einer Deichsel (5) des Anhängers (2) nach einem der vorangehenden Ansprüche, wobei der Anhängerwinkel (23) auf der Basis einer Position einer Darstellung der Deichsel (5) in Bezug auf eine Referenzposition bestimmt wird, wobei die Darstellung der Deichsel (5) der Vorlage der Deichsel entspricht (5).
Verfahren zum Verfolgen eines Anhängerwinkels (23) durch Wiederholen der Bestimmung des Anhängerwinkels (23) gemäß dem Verfahren von Anspruch 12.
Vorrichtung zum Identifizieren einer Vorlage einer Deichsel (5) eines Anhängers (2), der an ein Fahrzeug (1) angehängt ist, mit a) einer Abbildungseinrichtung (10) zum Erfassen eines Bildes (16) der Deichsel (5) des Anhängers (2), gekennzeichnet durch b) eine Recheneinrichtung (12) zum Durchführen einer Texturanalyse des Bildes (16) auf Blockbasis, zum Bestimmen von ungewöhnlichen Blöcken (27) im Bild (16), die jeweils ein anderes Texturmuster aufweisen als ein festgelegter Block oder eine festgelegte Gruppe von Blöcken des Bildes (16), zum Gruppieren der ungewöhnlichen Blöcke (27) und zum Definieren der gruppierten ungewöhnlichen Blöcke (27) als Vorlage der Deichsel (5).
Computerprogrammprodukt, das Befehle speichert, die, wenn sie durch einen Prozessor ausgeführt werden, bewirken, dass eine Vorrichtung zum Identifizieren einer Vorlage einer Deichsel (5) eines Anhängers (2) ein Verfahren nach einem der Ansprüche 1 bis 13 durchführt.