DE102022207736B3 - Method for determining the rear course of a road boundary of a vehicle and assistance system - Google Patents
Method for determining the rear course of a road boundary of a vehicle and assistance system Download PDFInfo
- Publication number
- DE102022207736B3 DE102022207736B3 DE102022207736.9A DE102022207736A DE102022207736B3 DE 102022207736 B3 DE102022207736 B3 DE 102022207736B3 DE 102022207736 A DE102022207736 A DE 102022207736A DE 102022207736 B3 DE102022207736 B3 DE 102022207736B3
- Authority
- DE
- Germany
- Prior art keywords
- vehicle
- detections
- road
- sensor
- road boundary
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 68
- 238000005259 measurement Methods 0.000 claims abstract description 19
- 230000003068 static effect Effects 0.000 claims abstract description 19
- 230000004888 barrier function Effects 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 11
- 230000035508 accumulation Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011045 prefiltration Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/411—Identification of targets based on measurements of radar reflectivity
- G01S7/412—Identification of targets based on measurements of radar reflectivity based on a comparison between measured values and known or stored values
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2013/9317—Driving backwards
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
Verfahren zur Bestimmung des rückwärtigen Straßenverlaufs eines Fahrzeuges (1), bei dem mindestens ein rückwärtig ausgerichteter Sensor zur Umfelderfassung, insbesondere ein Radarsensor (9c, 9d) und/oder Lidarsensor vorgesehen ist, wobei die Umfelderfassung innerhalb von aufeinanderfolgenden Messzyklen des Umfeldsensors erfolgt und anhand von Detektionen des Sensors Objekte erfasst werden, für die Detektionen ein Filter vorgesehen ist, durch das statische Detektionen auswählt werden, ein Gitter mit einer vertikalen und einer horizontalen Achse erstellt wird, in dem die statischen Detektionen eingetragen werden, und bei der Umfelderfassung des Sensors ein Histogramm basierend auf den gefilterten Detektionen erstellt wird, wobei entlang der horizontalen Achse jeweils die Anzahl an gefilterten Detektionen für eine festlegbaren Entfernung zum Fahrzeug (1) bestimmt werden, und anhand der Anzahl an gefilterten Detektionen und der Entfernung auf der horizontalen Achse zum Fahrzeug (1) eine Straßengrenze festgelegt wird.Method for determining the course of the road to the rear of a vehicle (1), in which at least one rear-facing sensor for detecting the surroundings, in particular a radar sensor (9c, 9d) and/or lidar sensor, is provided, with the surroundings being detected within successive measurement cycles of the surroundings sensor and using Detections of the sensor Objects are detected for which a filter is provided for the detections, through which static detections are selected, a grid with a vertical and a horizontal axis is created in which the static detections are entered, and a histogram when the sensor is detecting the surroundings is created based on the filtered detections, with the number of filtered detections for a definable distance to the vehicle (1) being determined along the horizontal axis, and based on the number of filtered detections and the distance on the horizontal axis to the vehicle (1) a road boundary is established.
Description
Die vorliegende Erfindung betrifft ein Verfahren zur Bestimmung des rückwärtigen Verlaufs eines Bewegungsweges bzw. rückwärtige Straßenverlauf eines Fahrzeuges sowie ein Assistenzsystem bzw. System für ein Fahrzeug, bei dem zur Bestimmung des rückwärtigen Verlaufs des Bewegungsweges des Fahrzeuges bzw. der rückwärtige Straßenverlauf, ein erfindungsgemäßes Verfahren eingesetzt wird.The present invention relates to a method for determining the rear course of a movement path or rear road course of a vehicle and an assistance system or system for a vehicle in which a method according to the invention is used to determine the rear course of the movement path of the vehicle or the rear road course becomes.
Technologischer HintergrundTechnological background
Moderne Fortbewegungsmittel, wie z. B. Kraftfahrzeuge oder Motorräder, werden zunehmend mit Fahrerassistenzsystemen ausgerüstet, welche mit Hilfe von Sensorsystemen die Umgebung erfassen, Verkehrssituation erkennen und den Fahrer unterstützen, z. B. durch einen Brems- oder Lenkeingriff oder durch die Ausgabe einer optischen, haptischen oder akustischen Warnung. Als Sensorsysteme zur Umgebungserfassung werden regelmäßig Radarsensoren, Lidarsensoren, Kamerasensoren, Ultraschallsensoren oder dergleichen eingesetzt. Aus den durch die Sensoren ermittelten Sensordaten können anschließend Rückschlüsse auf die Umgebung gezogen werden, womit z. B. eine Objekt- und/oder Umgebungsklassifizierung vorgenommen werden kann. Ferner ist die Umgebungserfassung nahezu unverzichtbar im Bereich des (teil-) autonomen Fahrens. Durch die Verarbeitung der Sensor- und Umfelddaten können dann Assistenzfunktionen ausgeführt werden, durch die z. B. Unfälle mit anderen Verkehrsteilnehmern vermieden oder komplizierte Fahrmanöver erleichtert werden, indem die Fahraufgabe bzw. die Fahrzeugführung unterstützt oder sogar komplett übernommen wird (teil- / vollautomatisieret).Modern means of transportation such as B. motor vehicles or motorcycles are increasingly equipped with driver assistance systems, which use sensor systems to detect the environment, recognize the traffic situation and support the driver, z. B. by a braking or steering intervention or by issuing a visual, haptic or acoustic warning. Radar sensors, lidar sensors, camera sensors, ultrasonic sensors or the like are regularly used as sensor systems for detecting the surroundings. From the sensor data determined by the sensors, conclusions can then be drawn about the environment, e.g. B. an object and / or environment classification can be made. Furthermore, the detection of the surroundings is almost indispensable in the field of (partially) autonomous driving. By processing the sensor and environment data, assistance functions can then be carried out, e.g. B. Accidents with other road users can be avoided or complicated driving maneuvers can be made easier by supporting or even completely taking over the driving task or vehicle guidance (partly / fully automated).
Die Umgebungserfassung mittels Radarsensoren kommt in modernen Fortbewegungsmitteln häufig zur Anwendung. Diese basiert auf der Aussendung von gebündelten elektromagnetischen Wellen (Radarwellen bzw. Radarsignale) und deren Reflexion, z. B. durch andere Verkehrsteilnehmer, Hindernisse auf der Fahrbahn oder die Randbebauung der Fahrbahn. Die Unterscheidung von Hindernissen bzw. Objekten, wie z. B. anderen Verkehrsteilnehmern, Verkehrsschildern, Straßenmarkierungen, Randbebauungen, Leitplanken und dergleichen ist dabei von großer Bedeutung, um zu ermitteln, wann z. B. ein Brems- oder Lenkeingriff eingeleitet werden soll.Environment detection using radar sensors is often used in modern means of transportation. This is based on the emission of bundled electromagnetic waves (radar waves or radar signals) and their reflection, e.g. B. by other road users, obstacles on the road or the edge of the road. The differentiation of obstacles or objects such. B. other road users, traffic signs, road markings, peripheral buildings, crash barriers and the like is of great importance to determine when z. B. a braking or steering intervention is to be initiated.
Mit zunehmender Zahl an Fahrfunktionen steigen auch die Sensoranforderungen und der Sensorbedarf in modernen, (teil-) autonom fahrenden Fahrfahrzeugen. Fahrfunktionen wie die Toter-Winkel-Überwachung (Blind-Spot-Detection) schützen die Insassen des Fahrzeuges beim Spurwechsel, indem sie einen Zusammenstoß mit Fahrzeugen vermeiden können, die sich im toten Winkel des Fahrzeuges befinden. Ein Spurwechselassistent (Lane-Change-Assist) bzw. Halbautomatischer Spurwechsel (Semiautomatic-Lane-Change) kann den Fahrer bei der seitlichen bzw. lateralen Fahrzeugsteuerung während des Überholens unterstützen oder diese komplett übernehmen. Ferner kann beispielsweise eine hintere Kollisionswarnung (Rear Collision Warning) den Fahrer warnen, wenn ein Fahrzeug höchstwahrscheinlich von hinten auf das eigene Auto auffährt und möglicherweise eine Kollision bevorsteht. Derartige Fahrfunktionen erfordern insbesondere Sensorfunktionen für den hinteren Teil des Fahrzeugs.With an increasing number of driving functions, the sensor requirements and the need for sensors in modern, (partially) autonomously driving vehicles also increase. Driving functions such as blind spot monitoring (blind spot detection) protect vehicle occupants when changing lanes by preventing them from colliding with vehicles that are in the vehicle's blind spot. A lane change assistant (Lane Change Assist) or semi-automatic lane change (Semiautomatic Lane Change) can support the driver in lateral vehicle control during overtaking or take over this completely. Furthermore, for example, a rear collision warning (Rear Collision Warning) can warn the driver when a vehicle is most likely to hit their car from behind and a collision may be imminent. Driving functions of this type require, in particular, sensor functions for the rear part of the vehicle.
Dabei ist die Kenntnis der Straßengeometrie für den hinteren Teil des Ego-Fahrzeugs von besonderer Bedeutung, damit relevante Objekte von den Fahrfunktionen bzw. der Sensorik aus überwacht werden können, um die richtigen Maßnahmen zu ergreifen. Wenn beispielsweise Radarsensoren verwendet werden, ist die Kenntnis über den Straßenverlauf erforderlich, damit z. B. Geisterobjekte bzw. Spiegelziele ausgefiltert werden können, die durch Reflexionen der ausgesendeten Radarstrahlen entstehen. Beispielsweise ist die Kenntnis des Straßenverlaufs auch von Bedeutung für Szenarien, in denen ein Fahrmanöver geplant wird, z. B. beim Überholen des Vorderwagens, bei dem für die Berechnung der Fahrfunktion die Kenntnis benötigt wird, wie weit das Ego-Fahrzeug von den Straßengrenzen entfernt ist und ob sich ein benachbartes Objekt bzw. Fahrzeug in der nächsten Spur befindet.The knowledge of the road geometry for the rear part of the ego vehicle is of particular importance, so that relevant objects can be monitored by the driving functions or the sensors in order to take the right measures. If, for example, radar sensors are used, knowledge of the course of the road is required, e.g. B. Ghost objects or mirror targets can be filtered out, which are caused by reflections of the emitted radar beams. For example, knowledge of the course of the road is also important for scenarios in which a driving maneuver is planned, e.g. B. when overtaking the vehicle in front, in which the calculation of the driving function requires knowledge of how far the ego vehicle is from the road boundaries and whether a neighboring object or vehicle is in the next lane.
Daher besteht ein besonderes Interesse daran, den Straßenverlauf für den hinteren Teil des Fahrzeuges. Ein besonderer Schwerpunkt liegt hierbei auf rückwärtig angeordnete bzw.am Heck des Fahrzeuges angeordnete Radarsensoren, die in der Regel einen geringeren Hardwareumfang aufweisen als nach vorne gerichtete Radarsensoren. Bei Methoden für nach vorne gerichtete Radarsensoren (auch Frontradar oder Langstreckenradar) wird in der Regel zunächst die Annahme zugrunde gelegt, dass das Ego-Fahrzeug den anstehenden Teil eines Klothoids verfolgen wird (beispielsweise über einen Kalman-Filter). Für die rückwärtige Bestimmung des Straßenverlaufs trifft dies jedoch nicht zu, da das Fahrzeug bereits durch den entsprechenden Straßenabschnitt gefahren ist. Infolgedessen müssen die Straßengrenzen dieses Teils der Fahrbahn beschrieben werden. Darüber hinaus erfordern Methoden wie Triangulation oder Clustering, die bei aufwendigeren Sensoren im Frontbereich angewendet werden, eine relativ hohe Rechenleistung und einen relativ großen Speicher, der bei Kurzstreckenradaren oder Kameraeinheiten in der Regel nicht verfügbar ist. Derartige Geräte verfügen traditionell nur über sehr geringe Rechenkapazitäten, sodass die Algorithmen an diese Computerplattformen angepasst werden müssen. Schließlich sind die Algorithmen zur Straßengrenzschätzung für den Frontbereich des Fahrzeugs „extrapoliert“. Dabei wird mit den angegebenen Daten zum Zeitpunkt t = 0 versucht, die Position des Ego-Fahrzeugs nach einer vordefinierten Zeit, z. B. nach Fahrzeit von einer bestimmten Anzahl an Sekunden, vorherzusagen. Aufgrund der Extrapolation können jedoch Fehler auftreten, wie eine fehlerhafte links/rechts-Zuordnung von Detektionen oder die Berechnung einer fehlerhaften Straßengeometrie aufgrund von Straßenausgängen. Es liegt daher ein besonderes Augenmerk auf rückwärts gerichtete Sensoren des Fahrzeugs und auf damit einhergehende Methoden, welche die Straßengrenzschätzung genauer, einfacher und robuster lösen als aktuelle Algorithmen, wie sie z. B. für Frontsensoren des Fahrzeugs eingesetzt werden, insbesondere auch in Hinblick auf die mit den Kurzstreckenradaren in der Regel einhergehenden geringeren Rechen- und Speicherkapazitäten.Therefore, there is a special interest in the course of the road for the rear part of the vehicle. A particular focus here is on radar sensors arranged at the rear or at the rear of the vehicle, which usually have a smaller hardware scope than radar sensors directed towards the front. Methods for forward-facing radar sensors (also front radar or long-range radar) usually initially assume that the ego vehicle will track the upcoming part of a clothoid (e.g. via a Kalman filter). However, this does not apply to the rearward determination of the course of the road, since the vehicle has already driven through the corresponding section of road. As a result, the road boundaries of this part of the carriageway must be described. In addition, methods such as triangulation or clustering, which are used with more complex sensors in the front area, require a relatively high computing power and a relatively large memory, which is usually not available with short-range radars or camera units. Such devices traditionally only have have very low computing capacities, so that the algorithms have to be adapted to these computer platforms. Finally, the road boundary estimation algorithms are "extrapolated" for the front of the vehicle. In this case, an attempt is made with the specified data at time t=0 to determine the position of the ego vehicle after a predefined time, e.g. B. after driving time of a certain number of seconds to predict. Due to the extrapolation, however, errors can occur, such as an incorrect left/right assignment of detections or the calculation of an incorrect road geometry due to road exits. There is therefore a special focus on rear-facing sensors of the vehicle and on the associated methods that solve the road boundary estimation more precisely, easily and more robustly than current algorithms, such as those used e.g. B. for front sensors of the vehicle, in particular with regard to the associated with the short-range radars usually lower computing and storage capacities.
Druckschriftlicher Stand der TechnikPrinted state of the art
Aus der
Die
Darüber hinaus beschreibt
Ferner ist aus
Aus der
Aufgabe der vorliegenden ErfindungObject of the present invention
Ausgehend vom Stand der Technik liegt der Erfindung somit die Aufgabe zugrunde, ein Verfahren zur Verfügung zu stellen, bei dem die Bestimmung des rückwärtigen Straßenverlaufs, in einfacher und speicherschonender Weise durchgeführt werden kann und die Nachteile aus dem Stand der Technik überwunden werden.Proceeding from the prior art, the object of the invention is therefore to provide a method in which the course of the road to the rear can be determined in a simple and memory-saving manner and the disadvantages of the prior art are overcome.
Lösung der Aufgabesolution of the task
Die vorstehende Aufgabe wird durch die gesamte Lehre des Anspruchs 1 sowie des nebengeordneten Anspruchs gelöst. Zweckmäßige Ausgestaltungen der Erfindung sind in den Unteransprüchen beansprucht.The above object is achieved by the entire teaching of
Bei dem erfindungsgemäßen Verfahren zur Bestimmung des rückwärtigen Straßenverlaufs für ein Fahrzeug ist mindestens ein rückwärtig ausgerichteter Sensor zur Umfelderfassung, insbesondere ein Radarsensor bzw. ein Kurzstreckenradar und/oder ein Lidarsensor, vorgesehen, wobei die Umfelderfassung innerhalb von aufeinanderfolgenden Messzyklen (Iterationen) des Umfeldsensors erfolgt und anhand von Detektionen des Sensors Objekte erfasst werden. Für die Detektionen ist dabei ein Filter vorgesehen (z. B. eine Filterschaltung, die Teil des Sensors oder Teil einer Steuereinrichtung zum Steuern der Umfelderfassung und ggf. von Fahrfunktionen des Fahrzeuges ist), durch das (insbesondere nur) statische Detektionen (d. h. Detektionen, die anhand von statischen bzw. nicht bewegten Objekten auftreten) auswählt werden. Ferner wird ein Gitter (bzw. Radargrid, Radargitter, Radarkarte oder Koordinatensystem oder Lidarkarte) mit einer vertikalen und einer horizontalen Achse erstellt, in dem die statischen Detektionen eingetragen werden. Hierbei wird bei der Umfelderfassung des Sensors ein Histogramm basierend auf den gefilterten Detektionen erstellt, wobei entlang der horizontalen Achse jeweils die Anzahl an gefilterten Detektionen für eine festlegbaren Entfernung zum Fahrzeug (in linker und/oder rechter Richtung) bestimmt werden. Anhand der Anzahl an gefilterten Detektionen und der Entfernung auf der horizontalen Achse zum Fahrzeug kann dann eine Straßengrenze festgelegt werden.In the method according to the invention for determining the course of the road to the rear for a vehicle, at least one rear-facing sensor for detecting the surroundings, in particular a radar sensor or a short-range radar and/or a lidar sensor, is provided, with the surroundings being detected within successive measurement cycles (iterations) of the surroundings sensor and objects are detected based on detections of the sensor. A filter is provided for the detections (e.g. a filter circuit, which is part of the sensor or part of a control device for controlling the environment detection and possibly driving functions of the vehicle), through which (in particular only) static detections (ie detections that occur due to static or non-moving objects). Furthermore, a grid (or radar grid, radar grid, radar map or coordinate system or lidar map) is created with a vertical and a horizontal axis, in which the static detections are entered. When the sensor detects the surroundings, a histogram is created based on the filtered detections, with the number of filtered detections for a definable distance from the vehicle (in the left and/or right direction) being determined along the horizontal axis. A road boundary can then be determined based on the number of filtered detections and the distance on the horizontal axis to the vehicle.
Der vorgestellte Algorithmus ist dabei komplex und leicht in bestehenden Systemen zu implementieren. Es besteht dabei keine Abhängigkeit von der Seitenklassifizierung aus der Berechnung früherer Radarzyklen (oder Lidarzyklen), so dass die Klassifizierung auch für dynamische Szenarien (z. B. Vergrößerung oder Verengung der Verkehrsgrenzen, Straßenbauarbeiten, fehlende Leitplanken und dergleichen) verwendet werden kann. Ferner kann jedoch eine korrekte Zuordnung von Erkennungen von links nach rechts und umgekehrt vorgenommen werden. In praktischer Weise hat sich gezeigt, dass in Szenarien, in denen auf einer Seite der Straße z. B. zwei Leitplanken nebeneinander angeordnet sind und bei den die bisherigen Schätzungsverfahren die Fahrbahnbegrenzung somit fehlerhafterweise zwischen diesen Leitplanken angeordnet haben, das vorgestellte Verfahren standardmäßig nur den innersten Teil der Straße bzw. die innere Straßengrenze berücksichtigt, so dass derartige Szenarien mit der richtigen Straßengrenzlage aufgelöst werden können. Ferner kann durch das Verfahren die Bestimmung des rückwärtigen Straßenverlaufs, in einfacher und speicherschonender Weise durchgeführt werden, da das Verfahren nur einen geringen Speicherbedarf benötigt und leicht zu implementieren oder in bestehenden Systemen nachzurüsten ist.The presented algorithm is complex and easy to implement in existing systems. There is no dependency on the side classification from the calculation of previous radar cycles (or lidar cycles), so the classification can also be used for dynamic scenarios (e.g. enlargement or narrowing of traffic boundaries, road works, missing crash barriers and the like). Furthermore, however, a correct assignment of recognitions from left to right and vice versa can be undertaken. In practice, it has been shown that in scenarios where e.g. B. two guard rails are arranged next to each other and in which the previous estimation methods have thus incorrectly arranged the lane boundary between these guard rails, the method presented only takes into account the innermost part of the road or the inner road boundary by default, so that such scenarios are resolved with the correct road boundary position can. Furthermore, the method can be used to determine the course of the road to the rear in a simple and memory-saving manner, since the method only requires a small amount of memory and is easy to implement or to retrofit in existing systems.
Zweckmäßigerweise kann das Filter derart hergerichtet sein, dass zusätzlich zum Auswahlkriterium „statische Detektionen“ nur Detektionen ausgewählt werden, die von erhöhten Objekten stammen (d. h. wenn der Sensor eine Elevationsfähigkeit besitzt bzw. Höhenmessungen vornehmen kann) und/oder (im Falle eines Radarsensors als Sensor zur Umfelderfassung) einen hohen RCS-Wert, insbesondere einem RCS-Wert > -40 dBm, aufweist. Dadurch, dass nur erhöhte Objekte erfasst werden, werden niedrigere Objekte bzw. Detektionen, die aus derartigen Objekten resultieren aussortiert. Ferner bedeutet ein hoher RCS-Wert, dass es sich hierbei um Objekte handelt, die eine gewisse Beschaffenheit haben, um derartig große Reflexionen zu erzeugen (z. B. größere Gebilde aus Metall oder Beton, die typischerweise eine Straßengrenze darstellen können)The filter can expediently be set up in such a way that, in addition to the “static detections” selection criterion, only detections that come from elevated objects (i.e. if the sensor has an elevation capability or can make height measurements) and/or (in the case of a radar sensor as the sensor) are selected for environment detection) has a high RCS value, in particular an RCS value > -40 dBm. Because only elevated objects are detected, lower objects or detections resulting from such objects are sorted out. In addition, a high RCS value means that these are objects that have a certain structure to produce such large reflections (e.g. larger structures made of metal or concrete, which can typically represent a road border).
Vorzugsweise wird für die Anzahl der gefilterten Detektionen ein Grenzwert festgelegt, dessen Überschreiten angibt, ob eine Straßengrenze vorliegt oder nicht. Bei dem Grenzwert kann es sich um einen absoluten Wert, einer Bereichsangabe oder einem gewissen Verhältnis (z. B. im Vergleich zum Untergrundrauschen oder im Vergleich zum vorherigen Messzyklus oder dergleichen) handeln.A limit value is preferably set for the number of filtered detections, the exceeding of which indicates whether a road boundary is present or not. The limit value can be an absolute value, a range specification or a certain ratio (e.g. compared to the background noise or compared to the previous measurement cycle or the like).
Ferner wird eine erste Entfernung, vom Fahrzeug aus entlang der horizontalen Achse in Richtung zur rechte und/oder linken Straßengrenze, bei der sich die Anzahl der gefilterten Detektionen ändert und/oder der Grenzwert für die gefilterten Detektionen überschritten wird, als Punkt der innersten rechten bzw. linken Straßengrenze festgelegt. In anderen Worten wird das erste gehäufte Auftreten von gefilterten Detektionen bzw. der erste Peak im Histogramm herangezogen, um die linke und/oder rechte Straßengrenze zu bestimmen.Furthermore, a first distance, from the vehicle along the horizontal axis towards the right and/or left road border, at which the number of filtered detections changes and/or the limit value for the filtered detections is exceeded, is defined as the point of the innermost right or .left road boundary set. In other words, the first frequent occurrence of filtered detections or the first peak in the histogram is used to determine the left and/or right road boundary.
Erfindungsgemäß werden jeweils die Punkte der innersten linken Straßengrenze und/oder der innersten rechten Straßengrenze verbunden. Die dadurch entstandene Verbindung bzw. Linie kann dann als Verlauf der innersten linken und/oder rechten Straßengrenze herangezogen werden. Dadurch kann die Straßengrenze in besonders vorteilhafter Weise visuell dargestellt werden.According to the invention, the points of the innermost left road boundary and/or the innermost right road boundary are connected. The resulting connection or line can then be used as the course of the innermost left and/or right road boundary. As a result, the road boundary can be displayed visually in a particularly advantageous manner.
In praktischer Weise können die Punkte anhand einer polynominalen (klothoidaler) Näherungen, Bezierkurven oder durch einfache Segmente miteinander verbunden werden. Dadurch können die Straßengrenzen in besonders einfacher Weise dargestellt werden.Conveniently, the points can be connected using a polynomial (clothoidal) approximation, Bezier curves, or by simple segments. As a result, the road boundaries can be displayed in a particularly simple manner.
Vorzugsweise wird die rechte Straßengrenze und/oder die linke Straßengrenze oder ein Punkt der innersten rechten Straßengrenze und/oder der innersten linken Straßengrenze auf die Entfernung zum Fahrzeug festgelegt, bei der ein Maximalpunkt der Anzahl an gefilterten Detektionen erreicht wurde. Ausdrücklich beschränkt sich die Erfindung hierbei nicht nur auf den einfachen Wert eines Maximalpunkts, sondern auch auf ein vermehrtes Auftreten von Detektionen (Häufung) oder besonders stark ausgeprägte Signale. In einfacher Weise kann dieser Maximalpunkt bzw. der entsprechende Peak im Histogramm dazu verwendet werden, um diesen Punkt bzw. die entsprechend dazugehörige Entfernung zu kennzeichnen.Preferably, the right road boundary and / or the left road boundary or a point of the innermost right road boundary and / or the innermost left road boundary on the distance to Vehicle defined where a maximum point of the number of filtered detections was reached. The invention is expressly not limited to the simple value of a maximum point, but also to an increased occurrence of detections (accumulation) or particularly strong signals. This maximum point or the corresponding peak in the histogram can be used in a simple manner to characterize this point or the corresponding associated distance.
Ferner kann die Entfernungen auf der horizontalen Achse für einen Messzyklus gespeichert werden und im folgenden Messzyklus unter Berücksichtigung von Fahrzeugeigenschaften, insbesondere der Fahrzeuggeschwindigkeit und/oder der Gierrate und/oder Fahrzeugbeschleunigung, zur Bestimmung der innersten linken und/oder rechten Straßengrenze herangezogen werden.Furthermore, the distances on the horizontal axis can be stored for a measurement cycle and used in the following measurement cycle to determine the innermost left and/or right road boundary, taking into account vehicle characteristics, in particular the vehicle speed and/or the yaw rate and/or vehicle acceleration.
Vorzugsweise können als statische Detektionen Objekte wie Leitplanken, Infrastrukturen, parkende Verkehrsteilnehmer, Straßenmarkierungen, Straßenrandbebauungen und dergleichen vorgesehen sein.Objects such as crash barriers, infrastructure, parked road users, road markings, roadside buildings and the like can preferably be provided as static detections.
Zweckmäßigerweise kann es sich bei den erfindungsgemäßen Verfahren um ein rein computerimplementiertes Verfahren handeln, wobei der Begriff „computerimplementiertes Verfahren“ im Sinne der Erfindung eine Ablaufplanung oder Vorgehensweise beschreibt, welche anhand eines Rechners verwirklicht bzw. durchgeführt wird. Der Rechner, wie z. B. ein Computer, ein Computernetzwerk, eine Steuereinrichtung bzw. Steuereinheit (z. B. ECU bzw. Electronic Control Unit oder ADCU bzw. Assisted & Automated Driving Control Unit) bzw. eine Rechenvorrichtung darin oder eine andere aus dem Stand der Technik bekannte programmierbare Vorrichtung, kann dabei mittels programmierbarer Rechenvorschriften die entsprechenden Daten verarbeiten. In Bezug auf das erfindungsgemäße Verfahren bzw. das erfindungsgemäße System können dabei die wesentlichen Eigenschaften z. B. durch ein neues Programm, neue Programme, einen Algorithmus oder dergleichen bewirkt werden, welches auf der Steuereinheit ausgeführt wird.The method according to the invention can expediently be a purely computer-implemented method, with the term “computer-implemented method” in the sense of the invention describing a flow plan or procedure that is realized or carried out using a computer. The calculator, such as B. a computer, a computer network, a control device or control unit (z. B. ECU or Electronic Control Unit or ADCU or Assisted & Automated Driving Control Unit) or a computing device therein or other from the prior art known programmable Device can process the corresponding data by means of programmable calculation rules. With regard to the method according to the invention and the system according to the invention, the essential properties z. B. be caused by a new program, new programs, an algorithm or the like, which is executed on the control unit.
Ferner umfasst die vorliegende Erfindung auch ein Assistenzsystem bzw. ein System zur Bestimmung des rückwärtigen Straßenverlaufs für ein Fahrzeug bzw. den rückwärtigen Verlauf des Bewegungsweges des Fahrzeuges, umfassend eine Steuereinrichtung und mindestens einen rückwärtig ausgerichteten Sensor zur Umfelderfassung, insbesondere einen oder mehrere Radarsensoren und/oder einen oder mehrere Lidar- und/oder Ultraschallsensoren. Beispielsweise zwei Radarsensoren, die im Heckbereich des Fahrzeuges angeordnet sind und wobei der linke Radarsensor zur Bestimmung von Detektionen im linken Heckbereich und damit zur Bestimmung der linken Straßengrenze und der rechte Radarsensor zur Bestimmung von Detektionen im rechten Heckbereich und damit zur Bestimmung der rechten Straßengrenze dient und die Steuereinrichtung hergerichtet bzw. konfiguriert ist, die Bestimmung des rückwärtigen Verlaufs des Bewegungsweges des Fahrzeuges anhand eines erfindungsgemäßen Verfahrens durchzuführen. In gleicher Weise kann das vorliegende Assistenzsystem auch einen oder mehrere nach hinten gerichtete Lidarsensoren oder andere elektromagnetische Wellen aussendende Sensoren als rückwärtig ausgerichteten Sensor zur Umfelderfassung aufweisen, die dann den rückwärtigen Verlauf des Bewegungsweges des Ego-Fahrzeuges anhand eines erfindungsgemäßen Verfahrens bestimmen. Darüber hinaus können auch Kombinationen verschiedener Sensortypen (z. B. Radar und Lidar) vorgesehen sein.Furthermore, the present invention also includes an assistance system or a system for determining the rearward course of the road for a vehicle or the rearward course of the movement path of the vehicle, comprising a control device and at least one rearward-facing sensor for detecting the surroundings, in particular one or more radar sensors and/or one or more lidar and/or ultrasonic sensors. For example, two radar sensors that are arranged in the rear area of the vehicle and the left radar sensor is used to determine detections in the left rear area and thus to determine the left road boundary and the right radar sensor to determine detections in the right rear area and thus to determine the right road boundary and the control device is set up or configured to carry out the determination of the reverse course of the movement path of the vehicle using a method according to the invention. In the same way, the present assistance system can also have one or more rear-facing lidar sensors or other sensors emitting electromagnetic waves as rear-facing sensors for detecting the surroundings, which then determine the rear course of the movement path of the ego vehicle using a method according to the invention. In addition, combinations of different sensor types (e.g. radar and lidar) can also be provided.
Beschreibung der Erfindung anhand von AusführungsbeispielenDescription of the invention based on exemplary embodiments
Im Folgenden wird die Erfindung anhand von zweckmäßigen Ausführungsbeispielen näher erläutert. Es zeigen:
-
1 eine vereinfachte schematische Darstellung eines Fahrzeuges, welches auf Kennzeichnungen zurückgreift, die anhand des erfindungsgemäßen Verfahrens erzeugt wurden; -
2 eine vereinfachte schematische Darstellung von Radardetektionen in einem Radargrid; -
3 eine vereinfachte schematische Darstellung einer statischen Umgebung (Links) sowie der Kombination aus Lateralmessung bzw. „lateral offset“ und Ego-Pfad (Mitte) und der verbundenen rekonstruierten Straßengrenze (Rechts), sowie -
4 eine vereinfachte schematische Darstellung einer Verkehrssituation, in der ein Fahrzeug einem Straßenverlauf folgt, wobei die Straßengrenze im rückwärtigen Straßenverlauf anhand eines erfindungsgemäßen Verfahrens erfolgt.
-
1 a simplified schematic representation of a vehicle, which uses identifiers that were generated using the method according to the invention; -
2 a simplified schematic representation of radar detections in a radar grid; -
3 a simplified schematic representation of a static environment (left) and the combination of lateral measurement or "lateral offset" and ego path (middle) and the associated reconstructed road border (right), as well as -
4 a simplified schematic representation of a traffic situation in which a vehicle follows the course of a road, the road boundary taking place in the rear course of the road using a method according to the invention.
Bezugsziffer 1 in
Die Kurzstreckenradare 9c, 9d haben in der Regel Reichweiten von bis zum 100 Metern (können jedoch auch darüber hinaus reichen) und sind dabei derart ausgestaltet, dass das System anhand deren Daten zwischen statischen und bewegten Objekten unterscheiden kann. Die jeweilige genaue Ausgestaltungsform der Radarsensoren ist hinreichend bekannt und ist nicht Teil dieser Erfindung. Aus den statischen Objekten können dabei Informationen über die Straßengeometrie vor dem Fahrzeug 1 abgeleitet werden. Derartige Informationen können jedoch auch mehrdeutig sein: Es gibt beispielsweise Szenarien, in denen nur auf statischen Informationen beruhende Korridore gute Kandidaten für die Straßenrandschätzung sind. Um derartige Unklarheiten zu beseitigen, kann zudem die Spureninformationen von bewegten Objekten zur Straßenrandschätzung herangezogen werden. Die Spuren der detektierten bewegten Objekte zeigen dabei die Positionsgeschichte bzw. Bewegungsgeschichte der Objekte bzw. Verkehrsteilnehmer im umliegenden Verkehr zum Fahrzeug 1 an.The short-
Für die Umsetzung des erfindungsgemäßen Verfahrens kann zunächst ein Gitter bzw. Radargrid bzw. Radargitter erstellt werden, um statische Detektionen zu erfassen und sie im Laufe der Zeit zu akkumulieren. Dafür können verschiedene Arten von Akkumulierungen verwendet werden, z. B. probabilistische Ansammlungen wie Bayes-Grid oder RCS (Radar Cross Section bzw. Radarquerschnitt)-basierte Akkumulationen. Letztere hat den Vorteil, dass der dabei gewonnene RCS-Wert von den Reflexionsparametern der Objekte abhängt und angibt, wie groß die Reflexion der Funkwelle bzw. Radarwelle durch einen Gegenstand zurück in Richtung des Radarsensors ist. Daher kann zwischen starken Detektionen (in der Regel aus Metallgegenständen) oder schwachen Detektionen (aus nicht-metallenen wie Vegetation, Beton usw.) unterschieden werden. Beispielsweise kann für nach vorne gerichtete Applikationen nach dem Einsetzen der Detektionen in das statische Gitter z. B. der seitliche Versatz bzw. Offset (Rand) der Straße entnommen werden. Dies kann z. B. durch ein Histogramm erfolgen, das sich z. B. bis zu 50 Meter in longitudinaler, rückwärtiger Richtung und 15 Meter seitlich nach links und rechts bzw. lateral in beiden Richtungen von der Sensorposition aus erstreckt (wie in
Für das erfindungsgemäße Verfahren und die Bestimmung des rückwärtigen Straßenverlaufs ist ein Vorfilter vorgesehen, das nur Detektionen auswählt, die erhöht sind bzw. von erhöhten Objekten stammen (sofern der Sensor Höheneigenschaften feststellen kann bzw. Elevationsmessungen durchführen kann), einen relativ hohen RCS-Wert aufweisen (insbesondere > -40 dBm für Radarsensoren) und statischer Natur sind (d. h. sie kommen aus nicht bewegten Objekten). Bei jeder Iteration wird dabei ein Histogramm auf diesen gefilterten Detektionen aufgebaut. Dabei wird die Querachse (y Achse im Autosar-Koordinatensystem) gescannt und gemessen, um zu ermitteln, wie viele gefilterte Detektionen bis zu einer festlegbaren Entfernung (z. B. 15 Metern in der x-Achse des Autosar-Koordinatensystems) erfasst worden sind.A pre-filter is provided for the method according to the invention and for determining the course of the road to the rear, which only selects detections that are elevated or originate from elevated objects (if the sensor can determine height properties or can carry out elevation measurements), and have a relatively high RCS value (especially > -40 dBm for radar sensors) and are static in nature (i.e. they come from non-moving objects). With each iteration, a histogram is built up on these filtered detections. The transverse axis (y-axis in the Autosar coordinate system) is scanned and measured to determine how many filtered detections have been made up to a definable distance (e.g. 15 meters in the x-axis of the Autosar coordinate system).
Im Anschluss daran kann dann der erste Peak des Histogramms links und der erste Peak des Histogramms rechts ermittelt bzw. berechnet werden. Diese Koordinaten werden dann gespeichert und auch in den kommenden Iterationen verwendet. Im folgenden Messzyklus werden die gespeicherten Koordinaten der ersten Histogramm-Peaks dann anhand der Eigenschaften des Fahrzeugs (z. B. Geschwindigkeit, Gierrate, Beschleunigung und dergleichen) transformiert. Diese bezeichnen dann die innerste Grenzlage bzw. die innerste Straßengrenze links und rechts vom Fahrzeug bzw. von der Fahrzeugsachse. Durch die Auswahl aller Detektionen bis zu einer festlegbaren Entfernung (z. B. 0,5 m von der geschätzten Straßengrenze), können dann derartige Detektionen als erkannte Straßengrenze gekennzeichnet werden und zudem kann festgelegt werden, zu welcher Straßenseite die Detektionen gehören. Die gefilterten Detektionen können dann für das Straßenmodell auf der linken und rechten Straßenseite verwendet werden (z. B. polynomiale Näherungen bzw. polynominale klothoidale Näherungen, Bezierkurven oder einfache Segmente). Durch die Kombination der aktuell ermittelten seitlichen Grenzen bzw. Ränder mit der Ego-Trajektorie bzw. des Ego-Pfades EP des Fahrzeuges können dann die Straßengrenzen links und rechts vom Fahrzeug rekonstruiert werden (rekonstruierte Straßengrenze links rSGL und rekonstruierte Straßengrenze rechts rSGR), wie in
Für jeden Zeitstempel (t0, t1, t2 ... tn) bzw. Iterationen kann links und rechts neben der Ego-Position bzw. dem Ego-Pfad EP die entsprechende Grenze links und rechts gekennzeichnet werden. Durch die Verbindung der Punkte kann dann der gesamte Verlauf des Bewegungsweges nach links und rechts rekonstruiert werden. Je nach Art der zu rekonstruierenden Straßengrenze kann dieser Algorithmus erweitert werden, um verschiedene Arten von Grenzen zu erkennen. Sofern nur die Straßengrenzen erkannt werden müssen, die von den Leitplanken stammen, und mittels Radar- oder Lidar-Sensor erfasst bzw. detektiert werden (welche derartige Ziele gut detektieren können), kann ein dediziertes statisches Gitter geschaffen werden, das es erlaubt, über die Zeit nur starke Reflexionen zu sammeln und schwächere abzulehnen bzw. zu verwerfen. Sofern Graskanten oder Betonbebauungen erfasst werden sollen, die mittels Radar- oder Lidar-Sensor erkannt werden sollen (aber nicht entsprechend starke Detektionen liefern), kann z. B. ein statisches Gitter geschaffen werden, das über die Zeit nur schwache Reflexionen akkumuliert und stärkere Reflexionen verwirft.For each timestamp (t 0 , t 1 , t 2 . By connecting the points, the entire course of the movement path to the left and right can then be reconstructed. Depending on the type of road boundary to be reconstructed, this algorithm can be extended to recognize different types of boundaries. If only the road boundaries have to be recognized, which originate from the crash barriers, and are recorded or detected using radar or lidar sensors (which can detect such targets well), a dedicated static grid can be created that allows the Time to collect only strong reflections and reject or discard weaker ones. If grass edges or concrete buildings are to be detected, which are to be detected using radar or lidar sensors (but do not provide sufficiently strong detections), e.g. For example, a static grid can be created that accumulates only weak reflections and discards stronger reflections over time.
In
Das erfindungsgemäße Verfahren ist dabei einfach zu implementieren oder in bestehenden Systemen nachzurüsten. Ferner benötigt es nur eine angemessene Menge an Ressourcen (RAM und Prozessor). Überraschenderweise hat sich gezeigt, dass der vorgestellte Algorithmus auch verwendet werden kann, um Erkennungen für maschinelle Lernverfahren zu kennzeichnen („Labelling“), d. h. um zu kennzeichnen bzw. zu beschriften, welche Detektionen zur linken oder zu rechten Straßenseite bzw. Straßengrenze gehören und welche zur innersten Straßengrenze bzw. zum innersten Teil der Straße gehören, so dass die Erfindung auch einen besonderen Beitrag auf diesem Gebiet darstellt.The method according to the invention is easy to implement or to retrofit in existing systems. Furthermore, it only requires a reasonable amount of resources (RAM and processor). Surprisingly, it turned out that the presented algorithm can also be used to label recognitions for machine learning methods (“labelling”), i. H. to mark or label which detections belong to the left or to the right side of the road or road boundary and which belong to the innermost road boundary or innermost part of the road, so that the invention also represents a special contribution in this field.
BezugszeichenlisteReference List
- 11
- Fahrzeugvehicle
- 22
- Steuereinrichtungcontrol device
- 33
- Lenkungsteering
- 44
- Motorengine
- 55
- Bremsebrake
- 66
- Lidarsensorlidar sensor
- 77
- Kameracamera
- 88th
- Radarsensorradar sensor
- 9a-9d9a-9d
- Radarsensor radar sensor
- EPEP
- Ego-Pfadego path
- SGSG
- Straßengrenzeroad border
- SGLSGL
- Straßengrenze linksstreet boundary on the left
- SGRSGR
- Straßengrenze rechtsstreet border on the right
- rSGLrSGL
- rekonstruierte Straßengrenze linksreconstructed road boundary on the left
- rSGRrSGR
- rekonstruierte Straßengrenze rechtsreconstructed road boundary on the right
Claims (8)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102022207736.9A DE102022207736B3 (en) | 2022-07-27 | 2022-07-27 | Method for determining the rear course of a road boundary of a vehicle and assistance system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102022207736.9A DE102022207736B3 (en) | 2022-07-27 | 2022-07-27 | Method for determining the rear course of a road boundary of a vehicle and assistance system |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102022207736B3 true DE102022207736B3 (en) | 2023-08-03 |
Family
ID=87161042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102022207736.9A Active DE102022207736B3 (en) | 2022-07-27 | 2022-07-27 | Method for determining the rear course of a road boundary of a vehicle and assistance system |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102022207736B3 (en) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6718259B1 (en) | 2002-10-02 | 2004-04-06 | Hrl Laboratories, Llc | Adaptive Kalman filter method for accurate estimation of forward path geometry of an automobile |
US6751547B2 (en) | 2001-11-26 | 2004-06-15 | Hrl Laboratories, Llc | Method and apparatus for estimation of forward path geometry of a vehicle based on a two-clothoid road model |
DE102016200642A1 (en) | 2016-01-19 | 2017-07-20 | Conti Temic Microelectronic Gmbh | METHOD AND DEVICE FOR CLASSIFYING TRAFFIC LIMITS AND VEHICLE |
US20190072970A1 (en) | 2017-09-01 | 2019-03-07 | Subaru Corporation | Travel assist apparatus |
US20210319602A1 (en) | 2018-10-29 | 2021-10-14 | Mitsubishi Electric Corporation | Map generation system, map generation method, and computer readable medium |
-
2022
- 2022-07-27 DE DE102022207736.9A patent/DE102022207736B3/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6751547B2 (en) | 2001-11-26 | 2004-06-15 | Hrl Laboratories, Llc | Method and apparatus for estimation of forward path geometry of a vehicle based on a two-clothoid road model |
US6718259B1 (en) | 2002-10-02 | 2004-04-06 | Hrl Laboratories, Llc | Adaptive Kalman filter method for accurate estimation of forward path geometry of an automobile |
DE102016200642A1 (en) | 2016-01-19 | 2017-07-20 | Conti Temic Microelectronic Gmbh | METHOD AND DEVICE FOR CLASSIFYING TRAFFIC LIMITS AND VEHICLE |
US20190072970A1 (en) | 2017-09-01 | 2019-03-07 | Subaru Corporation | Travel assist apparatus |
US20210319602A1 (en) | 2018-10-29 | 2021-10-14 | Mitsubishi Electric Corporation | Map generation system, map generation method, and computer readable medium |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2561419B1 (en) | Method for determining the lane course for a vehicle | |
DE102011082126B4 (en) | SAFETY DEVICE FOR MOTOR VEHICLES | |
EP3094530B1 (en) | Method and system for estimating a course of a traffic lane | |
DE102009006113B4 (en) | Device and method for sensor fusion with dynamic objects | |
DE102010006828B4 (en) | Method for the automatic creation of a model of the surroundings of a vehicle as well as driver assistance system and vehicle | |
DE112010003874B4 (en) | vehicle control | |
EP1502165B1 (en) | Method and device for predicting the course of motor vehicles | |
EP1844373B1 (en) | Method for predicting the course in driver assistance systems for motor vehicles | |
DE102018218220A1 (en) | Control device for a vehicle | |
EP2422332B1 (en) | Method for classifying an object as an obstacle | |
EP2888604B1 (en) | Method for determining the course of a lane for a vehicle | |
EP3058391B1 (en) | Use of a method and of an apparatus for classification of obstacles | |
EP3386825B1 (en) | Method for identifying a possible collision between a motor vehicle and an object by taking into account a spatial uncertainty, control device, driver assistance system and motor vehicle | |
EP2867093B1 (en) | Method and system for information usage | |
DE102018220024B3 (en) | Method for fusing sensor data from several sensors and fusion device for fusing sensor data from several sensors | |
DE102017118651A1 (en) | Method and system for collision avoidance of a vehicle | |
WO2004045888A1 (en) | System for influencing the speed of a motor vehicle | |
DE102017106349A1 (en) | A driver assistance system for a vehicle for predicting a traffic lane area, vehicle and method ahead of the vehicle | |
DE102004028404A1 (en) | Method for estimating the course of a lane of a motor vehicle | |
EP2887093A1 (en) | Method for classifying an object, sensor device and motor vehicle | |
WO2015010902A1 (en) | Efficiently providing occupancy information on the surroundings of a vehicle | |
DE102020105192B4 (en) | Method for detecting moving objects in a vehicle environment and motor vehicle | |
DE102017205245A1 (en) | Free range fusion for driver assistance systems | |
DE102022207736B3 (en) | Method for determining the rear course of a road boundary of a vehicle and assistance system | |
DE102016109850B4 (en) | Method for detecting an inclination in a roadway of a motor vehicle, driver assistance system and motor vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R016 | Response to examination communication | ||
R018 | Grant decision by examination section/examining division |