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 PDF

Info

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
Application number
DE102022207736.9A
Other languages
German (de)
Inventor
Donald Parruca
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Continental Autonomous Mobility Germany GmbH
Original Assignee
Continental Autonomous Mobility Germany GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Continental Autonomous Mobility Germany GmbH filed Critical Continental Autonomous Mobility Germany GmbH
Priority to DE102022207736.9A priority Critical patent/DE102022207736B3/en
Application granted granted Critical
Publication of DE102022207736B3 publication Critical patent/DE102022207736B3/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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 US 6 751 547 B2 ist ein Verfahren zur genauen Schätzung der Geometrie des Vorwärtsweges eines Fahrzeugs bekannt, welches auf einem Zwei-Klothoiden-Straßenmodell basiert. Hierbei werden Straßendaten, die von einer Kamera oder einem Radarsystem bereitgestellt werden, gesammelt. Anhand der Straßendaten wird anschließend eine Messungstransferfunktion des Zwei-Klothoiden-Straßenmodells berechnet. Die Klothoidenkoeffizienten für den Nahbereich und den Fernbereich werden gleichzeitig geschätzt und der Vorwärtsweg des Fahrzeugs wird anhand der von dem Zwei-Klothoiden-Modell bereitgestellten Daten geschätzt.From the U.S. 6,751,547 B2 a method for accurately estimating the geometry of a vehicle's forward path is known, which is based on a two-clothoid road model. Here road data provided by a camera or a radar system is collected. A measurement transfer function of the two-clothoid road model is then calculated using the road data. The near and far range clothoid coefficients are estimated simultaneously and the forward path of the vehicle is estimated from the data provided by the two clothoid model.

Die US 6 718 259 B1 offenbart ein Verfahren zur Schätzung der Geometrie eines Vorwärtsweges eines Fahrzeugs unter Verwendung einer adaptiven Kalman-Filterbank und eines Zwei-Klothoiden-Straßenmodells. Hierbei werden mehrere Kalman-Filter verwendet, wobei Gewichtungsfaktoren für jeden Filter bereitgestellt werden, welche die Wahrscheinlichkeit angeben, ob die bevorstehende Straßengeometrie mit dem im Filter angenommenen Straßenmodell übereinstimmt. Nachdem den Filtern jeweils ein gewichteter Wert zugewiesen wurde, werden die Straßenmodelle mit gewichtetem Wert mittels eines Fusionselements fusioniert, sodass ein gewichtetes Straßenmodell ausgegeben werden kann.The U.S. 6,718,259 B1 discloses a method for estimating the geometry of a vehicle's forward path using an adaptive Kalman filter bank and a two-clothoid road model. A number of Kalman filters are used here, with weighting factors being provided for each filter which indicate the probability that the upcoming road geometry will match the road model assumed in the filter. After each filter has been assigned a weighted value, the weighted value road models are fused using a fusion element so that a weighted road model can be output.

Darüber hinaus beschreibt US 2019 072 970 A1 eine Fahrassistenzvorrichtung, die Informationen über die hintere Fahrspur anhand von Fahrspurinformationen und der Fahrtrajektorie des Ego-Fahrzeugs errechnet. Die Vorrichtung erfasst dabei Fahrspurinformationen auf der Grundlage von Bildern einer Bildgebungseinheit (monokulare oder stereoskopische Kamera). Hierzu können insbesondere Fahrbahnmarkierungen zur Erkennung der Fahrspurbegrenzungen der Fahrspur des Ego-Fahrzeugs sowie der Nachbarspuren verwendet werden.In addition, describes U.S. 2019 072 970 A1 a driving assistance device that calculates rear lane information based on lane information and the travel trajectory of the ego vehicle. The device captures lane information based on images from an imaging unit (monocular or stereoscopic camera). For this purpose, in particular, lane markings can be used to identify the lane boundaries of the lane of the ego vehicle and the neighboring lanes.

Ferner ist aus US 2021 319 602 A1 eine Kartenerzeugungsvorrichtung bekannt, die eine Linearisierungsinformationen auf der Grundlage von Messinformationen eines Fahrbahnrandes erzeugt, wobei die Linearisierungsinformation die Fahrbahnmarkierung einer Fahrbahn und eines Fahrbahnrandes umfassen. Die Messinformationen werden dabei von einer Messvorrichtung, umfassend einen Laserradar und eine Kamera, gewonnen. Die Messinformationen beinhalten zudem Messpunkte des Straßenrandes, wobei wird der Straßenrand basierend auf einen Höhenunterschied der Detektionen ermittelt wird und die Messpunkte in einem aufwändigen Verfahren miteinander verbunden werden. Die ermittelten Informationen können dann durch die Kartenerzeugungsvorrichtung für eine Kartierung der Umgebung verwendet werden.Furthermore is off U.S. 2021 319 602 A1 There is known a map generating device that generates linearization information based on measurement information of a lane edge, the linearization information including lane markers of a lane and a lane edge. The measurement information is obtained from a measurement device comprising a laser radar and a camera. The measurement information also includes measurement points of the roadside, with the roadside being determined based on a height difference between the detections and the measurement points being connected to one another in a complex process. The information ascertained can then be used by the map generation device for mapping the environment.

Aus der DE 10 2016 200 642 A1 ist ein Verfahren zum Klassifizieren von Fahrbahnbegrenzungen bekannt, bei dem in einem Fahrzeugumfeld eines Fahrzeugs Radarwellen in das Fahrzeugumfeld durch ein Radarsystem ausgesendet und deren Reflexionen wieder empfangen werden, wobei ein Belegungsgitter erstellt wird, bei dem jeder Zelle des Belegungsgitters Zellinformationen zugeordnet werden, welche eine Reflexionsanzahl und eine Größe bezüglich einer Reflexionsstärke umfassen, wobei die Reflexionsanzahl eine Anzahl derjenigen empfangenen Reflexionen ist, welche aus einem dieser Zelle entsprechenden Bereich reflektiert wurden. Im Anschluss daran können dann die Fahrbahnbegrenzungen anhand der Zellinformationen klassifiziert werden.From the DE 10 2016 200 642 A1 a method for classifying lane boundaries is known, in which radar waves are emitted into the vehicle environment by a radar system in a vehicle environment of a vehicle and their reflections are received again, with an occupancy grid being created in which each cell of the occupancy grid is assigned cell information which includes a number of reflections and a quantity related to a reflection strength, the reflection count being a number of those received reflections that were reflected from a region corresponding to that cell. The lane boundaries can then be classified based on the cell information.

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 claim 1 and the independent claim. Expedient developments of the invention are claimed in the dependent claims.

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.
The invention is explained in more detail below using expedient exemplary embodiments. Show it:
  • 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 1 bezeichnet ein Fahrzeug bzw. Ego-Fahrzeug mit einer Steuereinrichtung 2 (ECU, Electronic Control Unit oder ADCU, Assisted and Automated Driving Control Unit), durch die eine Sensorsteuerung, Sensordatenfusion, Umfeld- und/oder Objekterkennung, Trajektorienplanung und/oder Fahrzeugsteuerung, insbesondere (teil-) autonom, erfolgen kann. Zur Fahrzeugsteuerung kann die Steuereinrichtung 2 auf verschiedenen Aktoren (Lenkung 3, Motor 4, Bremse 5) zugreifen. Ferner weist das Fahrzeug 1 zur Umfelderfassung verschiedene Sensoren auf (Lidarsensor 6, Kamera 7, ein nach vorne gerichteter Langstreckenradar 8 sowie mehrere Kurzstreckenradare 9a-9d). Die Kurzstreckenradare 9c, 9d sind dabei nach hinten bzw. rückwärtig ausgerichtet, so dass diese das Umfeld hinter bzw. das rückwärtige Fahrzeugumfeld erfassen. In vorteilhafter Weise können die Sensordaten zur Umfeld- und Objekterkennung genutzt werden, sodass verschiedene Assistenzfunktionen, wie z. B. Notbremsassistent (EBA, Emergency Brake Assist), Abstandsfolgeregelung (ACC, Adaptive Cruise Control), Spurhalteregelung bzw. ein Spurhalteassistent (LKA, Lane Keep Assist), Toter-Winkel-Erfassung (BSD, Blind Spot Detection) oder dergleichen, realisiert werden können. Ferner kann die Ausführung der Assistenzfunktionen ebenfalls über die Steuereinrichtung 2 oder eine andere, dafür vorgesehene Steuereinheit erfolgen. Die Erfassung der Geometrie des rückwärtigen Bewegungsweges bzw. die Erfassung der rückwärtigen Straßengrenzen erfolgt dabei anhand der rückwärtigen Kurzstreckenradare 9c, 9d gemäß dem erfindungsgemäßen Verfahren. Die Erfindung ist jedoch ausdrücklich nicht nur auf die im vorliegenden Ausführungsbeispiel gezeigte Sensorkonfiguration beschränkt, sondern kann jegliche Sensorkonfigurationen umfassen.Reference number 1 in 1 refers to a vehicle or ego vehicle with a control device 2 (ECU, Electronic Control Unit or ADCU, Assisted and Automated Driving Control Unit), through which sensor control, sensor data fusion, environment and/or object recognition, trajectory planning and/or vehicle control, in particular (partially) autonomously. To control the vehicle, the control device 2 can access various actuators (steering 3, motor 4, brake 5). Furthermore, the vehicle 1 has the environment detection various sensors (lidar sensor 6, camera 7, a forward-facing long-distance radar 8 and several short-distance radars 9a-9d). The short-range radars 9c, 9d are aligned to the rear or to the rear, so that they detect the area behind or the area to the rear of the vehicle. Advantageously, the sensor data can be used for environment and object detection, so that various assistance functions such. B. Emergency Brake Assist (EBA, Emergency Brake Assist), distance control (ACC, Adaptive Cruise Control), lane departure control or a lane departure warning system (LKA, Lane Keep Assist), blind spot detection (BSD, Blind Spot Detection) or the like can be realized can. Furthermore, the assistance functions can also be executed via the control device 2 or another control unit provided for this purpose. The geometry of the rear movement path or the rear road boundaries are recorded using the rear short-distance radars 9c, 9d according to the method according to the invention. However, the invention is expressly not limited to the sensor configuration shown in the present exemplary embodiment, but can include any sensor configuration.

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-range radars 9c, 9d generally have ranges of up to 100 meters (but can also extend beyond this) and are designed in such a way that the system can use their data to distinguish between static and moving objects. The respective precise design of the radar sensors is well known and is not part of this invention. Information about the road geometry in front of the vehicle 1 can be derived from the static objects. However, such information can also be ambiguous: for example, there are scenarios where only corridors based on static information are good candidates for roadside estimation. In order to eliminate such ambiguities, the lane information from moving objects can also be used to estimate the roadside. The traces of the detected moving objects indicate the position history or movement history of the objects or road users in the traffic surrounding the vehicle 1 .

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 2 dargestellt). Das Histogramm zeigt dabei das Auftreten der besetzten Zellen in rückwärtiger Längsrichtung an. Dabei werden die ersten Spitzen (Peaks) des Histogramms links und rechts vom Sensor bzw. von der Fahrzeugachse erkannt. Sie bezeichnen dann die innerste Straßengrenzlage links (SGL) und rechts (SGR) von der Fahrzeugsachse (FA).For the implementation of the method according to the invention, a grid or radar grid or radar grid can first be created in order to record static detections and to accumulate them over time. Various types of accumulations can be used for this, e.g. B. probabilistic accumulations such as Bayesian grid or RCS (radar cross section or radar cross section)-based accumulations. The latter has the advantage that the RCS value obtained depends on the reflection parameters of the objects and indicates how large the reflection of the radio wave or radar wave is through an object back in the direction of the radar sensor. Therefore, a distinction can be made between strong detections (usually from metal objects) or weak detections (from non-metallic ones such as vegetation, concrete, etc.). For example, for forward-looking applications, after inserting the detections into the static grid, e.g. B. the lateral displacement or offset (edge) of the road can be taken. This can e.g. B. done by a histogram, the z. B. extends up to 50 meters in the longitudinal, rearward direction and 15 meters laterally to the left and right or laterally in both directions from the sensor position (as in 2 shown). The histogram shows the occurrence of the occupied cells in the backward longitudinal direction. The first peaks of the histogram are detected to the left and right of the sensor or the vehicle axle. They then designate the innermost road boundary to the left (SGL) and right (SGR) of the vehicle axis (FA).

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 3 gezeigt.After this, the first peak of the histogram on the left and the first peak of the histogram on the right can be determined or calculated. These coordinates are then saved and also used in the coming iterations. In the following measurement cycle, the stored coordinates of the first histogram peaks are then transformed using the properties of the vehicle (e.g. speed, yaw rate, acceleration and the like). These then designate the innermost limit position or the innermost road limit to the left and right of the vehicle or the vehicle axis. By selecting all detections up to a definable distance (e.g. 0.5 m from the estimated road boundary), such detections can then be marked as a recognized road boundary and it can also be specified to which side of the road the detections belong. The filtered detections can then be used for the road model on the left and right side of the road (e.g. polynomial approximations or polynomial clothoidal approximations, Bezier curves or simple segments). By combining the currently determined lateral boundaries or borders with the ego trajectory or ego path EP of the vehicle, the road boundaries to the left and right of the vehicle can then be reconstructed (reconstructed road boundary on the left rSGL and reconstructed road boundary on the right rSGR), as in 3 shown.

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 4 ist stark vereinfach das Ego-Fahrzeug dargestellt, welches entlang einer Straße fährt, wobei die Straßengrenze der laterale Versatz bzw. die laterale Distanz des Ego-Fahrzeuges (bei Position (0,0)) zur seitlichen Straßenbegrenzung ist (d. h. sozusagen ein eindimensionaler Wert, der beschreibt, wie weit das Ego-Fahrzeug oder die Mittenachse des Ego-Fahrzeuges von der eigentlichen Straßenbegrenzung entfernt ist. Bei der Umfelderfassung des Sensors wird dabei jeweils 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 bestimmt werden. Unter Anzahl im Sinne der Erfindung wird ausdrücklich verstanden, dass dabei die Anzahl bzw. der Wert, ein Maximalpunkt oder aber einfach die grafische Darstellung des Histogramms (sozusagen ein „Peak“ bzw. eine Spitze im Verlauf - wie in 4 vereinfacht dargestellt) herangezogen werden. Anhand der Anzahl an gefilterten Detektionen und der Entfernung auf der horizontalen Achse zum Fahrzeug wird dann die Straßengrenze festgelegt. Mithin kann durch das erfindungsgemäße Verfahren die Straßengeometrie bestimmt werden, wobei die (geometrische) Form der Straße den vom Ego-Fahrzeug aus betrachtet rückwärtigen (d. h. entgegen der Fahrtrichtung) Bereich des Ego-Fahrzeuges umfasst. Dementsprechend wird durch das erfindungsgemäße Verfahren nicht nur lediglich die Distanz zur Straßengrenze bestimmt, sondern die Geometrie des Straßenverlaufs in rückwärtiger Richtung. Ein besonderer Vorteil der Erfindung liegt dabei darin, dass diese auch in Situationen funktioniert, in denen das Ego-Fahrzeug die Fahrspuren wechselt, während dies bei Verfahren mit einer reinen Distanzbestimmung (z. B. anhand von Straßenmarkierungen) oder mit einer lediglich nach vorne gerichteten Straßenverlaufsbestimmung zu weiteren Schwierigkeiten führen kann.In 4 the ego-vehicle is shown in a highly simplified manner driving along a road, with the road boundary being the lateral offset or the lateral distance of the ego-vehicle (at position (0,0)) to the lateral road boundary (i.e. a one-dimensional value, so to speak, which describes how far the ego vehicle or the center axis of the ego vehicle is from the actual road boundary.When the sensor detects the surroundings, a histogram is created based on the filtered detections, with the number of filtered detections along the horizontal axis Detections for a definable distance to the vehicle are determined.Number within the meaning of the invention is expressly understood to mean that the number or the value, a maximum point or simply the graphic representation of the histogram (so to speak, a "peak" or a peak in the Course - as in 4 shown in simplified form) can be used. The road boundary is then determined based on the number of filtered detections and the distance on the horizontal axis to the vehicle. Consequently, the road geometry can be determined by the method according to the invention, with the (geometric) shape of the road encompassing the area of the ego vehicle which is to the rear (ie opposite to the direction of travel) as seen from the ego vehicle. Accordingly, not only the distance to the road boundary is determined by the method according to the invention, but also the geometry of the course of the road in the rearward direction. A particular advantage of the invention is that it also works in situations in which the ego vehicle changes lanes, while this is the case in methods with a pure distance determination (e.g. using road markings) or with a forward-only determination Road course determination can lead to further difficulties.

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)

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, wobei eine erste Entfernung, vom Fahrzeug (1) aus entlang der horizontalen Achse in Richtung rechter/linker 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/linken Straßengrenze festgelegt wird, und die Punkte der innersten linken/rechten Straßengrenze verbunden werden und die dadurch entstandene Verbindung als Verlauf der innersten linken/rechten Straßengrenze herangezogen wird.Method for determining the course of the road to the rear of a vehicle (1), in which at least one rearward-facing sensor for detecting the surroundings, in particular a radar sensor (9c, 9d) and/or lidar sensor, is provided, wherein the environment is detected within consecutive measurement cycles of the environment sensor and objects are detected based on detections of the sensor, 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 plotted, and When the sensor detects the surroundings, a histogram is created based on the filtered detections, where the number of filtered detections for a definable distance from the vehicle (1) is determined along the horizontal axis, and a road boundary is determined based on the number of filtered detections and the distance on the horizontal axis to the vehicle (1), where a first distance, from the vehicle (1) along the horizontal axis in the direction of the right/left road boundary, at which the number of filtered detections changes and/or the threshold for the filtered detections is exceeded, as a point of the innermost right/left road boundary is set, and the points of the innermost left/right road boundary are connected and the resulting connection is used as the course of the innermost left/right road boundary. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Filter derart hergerichtet ist, dass zusätzlich nur Detektionen ausgewählt werden, die von erhöhten Objekten stammen und/oder einen hohen RCS-Wert, insbesondere > -40 dBm, aufweisen.procedure after claim 1 , characterized in that the filter is prepared in such a way that in addition only detections are selected which originate from elevated objects and/or have a high RCS value, in particular >-40 dBm. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass für die Anzahl der gefilterten Detektionen ein Grenzwert festgelegt wird, dessen Überschreiten angibt, ob eine Straßengrenze vorliegt oder nicht.procedure after claim 1 or 2 , characterized in that a limit value is set for the number of filtered detections, exceeding which indicates whether a road limit is present or not. Verfahren einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Punkte anhand polynominaler Näherungen, Bezierkurven oder durch einfache Segmente verbunden werden.Method according to one of the preceding claims, characterized in that the points are connected using polynomial approximations, Bezier curves or by simple segments. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die rechte/linke Straßengrenze oder ein Punkt der innersten rechten/linken Straßengrenze auf die Entfernung zum Fahrzeug festgelegt wird, bei der ein Maximalpunkt der Anzahl an gefilterten Detektionen erreicht wurde.Method according to one of the preceding claims, characterized in that the right/left road boundary or a point of the innermost right/left road boundary is defined as the distance to the vehicle at which a maximum point of the number of filtered detections was reached. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass 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/rechten Straßengrenze herangezogen werden.Method according to one of the preceding claims, characterized in that the distances on the horizontal axis are stored for one measurement cycle and in the following measurement cycle taking into account vehicle properties, in particular the vehicle speed and/or the yaw rate and/or vehicle acceleration, to determine the innermost left/ right road border can be used. Verfahren einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als statische Objekte Leitplanken, Infrastrukturen, parkende Verkehrsteilnehmer, Straßenmarkierungen, Straßenrandbebauungen und dergleichen vorgesehen sind.Method according to one of the preceding claims, characterized in that crash barriers, infrastructure, parked road users, road markings, roadside buildings and the like are provided as static objects. Assistenzsystem zur Bestimmung des rückwärtigen Straßenverlaufs eines Fahrzeuges (1), umfassend eine Steuereinrichtung (2) und mindestens einen rückwärtig ausgerichteten Sensor zur Umfelderfassung, insbesondere ein Radarsensor (9c, 9d) und/oder Lidarsensor, dadurch gekennzeichnet, dass die Steuereinrichtung (2) dazu hergerichtet ist, die Bestimmung des rückwärtigen Verlaufs des Bewegungsweges des Fahrzeuges (1) anhand eines Verfahrens gemäß einem der vorhergehenden Ansprüche durchzuführen.Assistance system for determining the course of the road to the rear of a vehicle (1), comprising a control device (2) and at least one rear-facing sensor for detecting the surroundings, in particular a radar sensor (9c, 9d) and/or lidar sensor, characterized in that the control device (2) is prepared to carry out the determination of the backward course of the movement path of the vehicle (1) using a method according to one of the preceding claims.
DE102022207736.9A 2022-07-27 2022-07-27 Method for determining the rear course of a road boundary of a vehicle and assistance system Active DE102022207736B3 (en)

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)

* Cited by examiner, † Cited by third party
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
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