WO2020052715A1 - Method for estimating the geometry of a motion path - Google Patents

Method for estimating the geometry of a motion path Download PDF

Info

Publication number
WO2020052715A1
WO2020052715A1 PCT/DE2019/200055 DE2019200055W WO2020052715A1 WO 2020052715 A1 WO2020052715 A1 WO 2020052715A1 DE 2019200055 W DE2019200055 W DE 2019200055W WO 2020052715 A1 WO2020052715 A1 WO 2020052715A1
Authority
WO
WIPO (PCT)
Prior art keywords
road
geometry
movement path
determined
sensor
Prior art date
Application number
PCT/DE2019/200055
Other languages
German (de)
French (fr)
Inventor
Donald Parruca
Original Assignee
Conti Temic Microelectronic 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 Conti Temic Microelectronic Gmbh filed Critical Conti Temic Microelectronic Gmbh
Publication of WO2020052715A1 publication Critical patent/WO2020052715A1/en

Links

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
    • 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
    • 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
    • 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
    • G01S2013/9323—Alternative operation using light waves
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection

Definitions

  • the present invention relates to a method for estimating the geometry of a movement path of a means of transportation, in particular a vehicle, and a system for carrying out the method.
  • ADR automatic distance control
  • ACC adaptive cruise control
  • EBA emergency brake assistant
  • the road boundary is usually expressed in the form of a clothoid.
  • z. B the transition curve between a straight line and a curvature.
  • the respective course of the clothoid z. B. can be estimated on the basis of static targets or objects that are located in the area of the road boundary and were detected by means of radar measurements.
  • the road boundary is estimated in this way using a Kalman filter, which, for. B. serves to reduce errors in real measured values and to provide estimates for non-measurable system variables.
  • the filter records the clothoid coefficients for the left and right side of the road for each cycle.
  • Search areas are then formed by predicting and introducing the Kalman filter covariance to define the region of interest for the upcoming measurement update of a cycle.
  • the search area is understood to be the region in which the subsequent cycle searches for detections in which a detection falls during the subsequent cycle or radar scan, so that this is accepted in order to calculate the clothoid parameters.
  • Only static road targets that fall between these search areas are considered road boundary targets for the upcoming measurement update of the Kalman filter process. This method works very well in scenarios with relatively smooth boundary edges and transitions, such as those found in B. are present on highways. However, this method is very imprecise for highly dynamic scenarios such as B.
  • search areas may overlap, for example when the vehicle enters a curve.
  • the uncertainty of the search areas can become so great that they overlap with one another.
  • the Kalman filter can give the wrong impression that such targets are classified as outliers and therefore only have to be weighted slightly to determine the road limit.
  • the algorithm may even identify the guardrail as a road boundary rather than as a narrow lane width due to road works.
  • the road limit estimation method using the Kalman filter therefore has a certain potential for error, particularly in dynamic scenarios.
  • US Pat. No. 6,751,547 B2 discloses a method for accurately estimating the geometry of the forward path of a vehicle, which is based on a two-cloth road model.
  • Road data that is provided by a camera or a radar system is collected here.
  • a measurement transfer function of the two clothoid road model is then calculated on the basis of the road data.
  • the clothoid coefficients for the near and far areas are estimated at the same time and the forward path of the vehicle is estimated on the basis of the data provided by the two-cloth model.
  • US 6 718 259 B1 discloses a method for estimating the geometry of a forward path of a vehicle using an adaptive Kalman filter bank and a two-clothoid road model.
  • the object of the present invention is to provide a method in which the estimation of the geometry of the movement path is improved in a simple and inexpensive manner.
  • sensor data are collected by means of a sensor, the geometry of the movement path being estimated on the basis of the sensor data. This is done in particular by determining static targets or objects along the movement path on the basis of the sensor data and determining location points for the respective position of the targets and the sensor. Furthermore, a polygon is determined based on the location points, eg B. by using a definable number of location points as corner points of the polygon. In particular, the polygon can include location points on each side of the street. The polygon is then used to estimate the geometry of the movement path. B. be determined for both road boundaries. This determination can e.g. B.
  • the inner road boundary of the road can be determined or calculated based on the sensor measurements using the invention.
  • This has the advantage that the Algorithm has low computational complexity and is easy to implement or retrofit.
  • the method is not dependent on the side classification or on the calculation of previous radar cycles.
  • the method according to the invention can therefore also be used for the classification or estimation of the trajectory or movement path geometry in dynamic scenarios, such as, for example, B. in road border expansion or narrowing, road construction work, missing guardrails or the like.
  • a radar sensor is provided as the sensor.
  • other sensors known from the prior art can also be provided, such as. B. camera or lidar sensors.
  • a plurality of polygons are preferably determined, in particular continuously, so that an entire polygon network is determined.
  • This polygon mesh can then be used to estimate the geometry of the movement path. The estimation of the geometry can thus be made even more reliable, so that the method can also be used reliably in highly dynamic driving scenarios.
  • polygon is a triangle, since this can be calculated extremely simply with little computing effort.
  • an entire polygon network can be created using triangular formations. This can be done in a simple manner on the basis of a Delaunay triangulation or delaunay triangulation.
  • Location points are preferably only defined for static destinations, since generally only static destinations mark a road boundary. Moving or mobile targets or objects, on the other hand, are not suitable for determining the road boundary. Consequently, no location points are set for these destinations, e.g. B. to protect the computing capacity. This further reduces the susceptibility to errors.
  • a segment is expediently arranged between two local points, which is therefore part of the polygon or the (Delaunay) triangle.
  • a test line is preferably provided which runs through the center or at least the central region of a segment assigned to the road surface and the inclination of which is determined on the basis of the inclination of a segment assigned to the road boundary.
  • the test line can be (newly) calculated and inserted for the respective segment.
  • test lines can be provided, each of the test lines being assigned to one of the road boundaries, i. H. is arranged in the vicinity or adjacent to this street side.
  • the test line can intersect the segment from the location point in the first third, preferably in the first quarter and particularly preferably in the first fifth of the segment.
  • the innermost road boundary points of the two road borders can be determined by the two test lines.
  • the road boundary points are then compared with one another, and the comparison of the road boundary points allows conclusions to be drawn about road courses which differ from one another by exceeding or falling below a definable value for the deviation.
  • This can crossroads or crossroads, such as z. B. on motorway exits or on construction sites, can be detected.
  • the estimation of the geometry of the movement path can be further improved. This configuration also implements an additional function for recognizing the course of trams.
  • the present invention comprises a system for estimating the geometry of the movement path of a means of transportation.
  • the system has a sensor for generating sensor data, the geometry of the movement path being estimated on the basis of the sensor data and static targets along the movement path being able to be determined.
  • the system is also designed to carry out the estimation of the geometry of the movement path using the method according to the invention, location points being determined for the respective position of the targets and the sensor, a polygon being determined on the basis of the location points and the polygon for estimating the Geometry of the movement path is used.
  • the present invention can reduce the uncertainty in connection with overlapping search areas.
  • filtering useful detections for road boundary estimation can be done by narrow search rich to be improved.
  • latency when adapting to changing environments and the road boundary determination in the event of constrictions caused by road work can be improved.
  • FIG. 1 is a simplified schematic representation of a method for estimating the geometry of a forward path of a means of transportation according to the prior art
  • FIG. 2 shows a simplified schematic illustration of an exemplary embodiment of the method according to the invention
  • FIG. 3 shows a simplified schematic illustration of a further exemplary embodiment of the method according to the invention.
  • FIG. 5 shows a simplified schematic representation of a method step of the exemplary embodiment from FIG. 4;
  • FIG. 6 shows a simplified schematic illustration of a further method step of the exemplary embodiment from FIG. 4;
  • FIG. 7 shows a simplified schematic illustration of a further method step of the exemplary embodiment from FIG. 4, and
  • FIG. 8 shows a simplified schematic illustration of a further method step of the exemplary embodiment from FIG. 4.
  • the respective course of the clothoid K is estimated on the basis of targets or objects O.
  • the road boundary is estimated using a Kalman filter.
  • the Kalman filter records the coefficients of the clothoids K for the left side of the road Kl and the right side of the road Kr for each cycle.
  • this method of road boundary estimation using the Kalman filter has a large potential for errors, particularly in dynamic scenarios.
  • the geometry of the movement path is estimated by determining or calculating the inner road boundary on the basis of sensor measurements.
  • a radar sensor is used as the sensor.
  • other sensors known from the prior art such as e.g. B. lidar or camera sensors.
  • the objects are then classified as static or mobile targets. In the present case, however, only the static targets are used for the estimation of the road boundary, each of which can be assigned a location point.
  • the estimate is made by calculating or inserting a Delaunay triangulation (Delaunay triangulation or Delaunay triangulation) on the basis of the position of the static targets or their location points and that of the ego vehicle.
  • the first left and right points in the triangulation diagram are then determined or searched for.
  • the search is carried out by first connecting the first left point (location point 2) and the first right point (location point 54) to one another and thus forming a segment (2, 54).
  • the first left and first right points are then connected directly to location point 0 or the position of the ego vehicle, the first left point (location point 2) being a negative y coordinate and the first right point (location point 54) being a posi - has active y-coordinate. Consequently, the first triangle is delimited by the location points 0, 2 and 54 and set for the further search in the Delaunay triangulation.
  • next triangle which is set at the first left and right points.
  • the location points 2, 4 and 54 of the new triangle or the segments (2, 4) and (4, 54) must then be classified whether they belong to the roadside or the road boundary or the road surface.
  • a test line T is inserted, which can cross with the segments of the new triangle (2, 4, 54). If the test line T crosses with a segment, e.g. B. segment (4, 54), then the segment is classified as belonging to the road surface. In the same way, a segment that does not cross the test line T is classified as belonging to the road boundary, such as. B. the other segment (2, 4).
  • the algorithm is repeated for each newly determined segment until one is recognized as belonging to the road surface. Accordingly, the next adjacent triangle on the segment (4, 54) is searched until it is decided whether the segments (4,7) or (7, 54) belong to the road boundary or the road surface.
  • the test line T leads through the middle of the segment of the road surface that was determined in the previous algorithm step.
  • the inclination of the test line T is based on the inclination of the road boundary segments, i. H. the test line T has the same slope as the road boundary segments.
  • the slope can be smoothed using a low-pass filter (based on exponential smoothing), the input value of which is the slope of the discovered road boundary.
  • the algorithm is ended as soon as no further triangle or segment has been found that has a common corner point on the street surface.
  • the algorithm can also expediently, according to FIG. 3, for the detection of intersections or road junctions, such as eg. B. at motorway exits or construction sites.
  • intersections or road junctions such as eg. B. at motorway exits or construction sites.
  • Each of the test lines T can run in the vicinity of one of the road boundaries, in which case the same inner road boundary points are obtained. If different or at least more deviating road boundary points are obtained, this is used as an indicator that the road borders or road courses differ from each other, so that a road fork or intersection can be inferred.
  • the inclination of the test line T to the vertical is set, as it were as an initialization step, and the Delaunay graph is calculated.
  • objects 2 and 54 are classified as left and right location points, the segment between location points 2 and 54 being defined as an opening gate to the street.
  • the first Delaunay triangle (location points 0, 2 and 54) is set. It is then examined whether the triangle with the location points 2, 4 and 54 is the next adjacent triangle to be created on the segment (2, 54). This segment can then be stored or saved in an external list.
  • the test line T is set, which has the inclination of the segment (2, 4) or the same angle and runs through the middle of the segment (4, 54). If the segment (e.g. the segment between the location points 2 and 4) does not cross with the test line T, this segment (2, 4) is classified as belonging to the road boundary and the location point 4 becomes a location point due to the direct vicinity 2 classified as a left local point. However, if the segment (eg the segment between location points 4 and 54) crosses with the test line T, it is classified as belonging to the road surface. It is then examined whether the triangle with the location points 4, 7 and 54 is the next adjacent triangle to be applied to the segment (4, 54). The segment (4, 54) can then be removed from the diagram.
  • the segment e.g. the segment between the location points 2 and 4
  • the points of the second step are repeated, with the result that the segment (4, 7) is classified as the left side of the street and the segment (7, 54) is then removed from the graphic. Then the triangle (7, 10, 54) is created. The process is ended, as shown for example in FIG. 7, when a segment (53, 69) no longer has any other supporting triangles. This ends the search and the corresponding segment (53, 69) is removed from the diagram.
  • the algorithm provides the inner road boundary points or the road boundaries for the left and right side of the road, as shown in FIG. 8, the Delaunay graphic being separated into two sub-graphs. Furthermore, each of the sub-graphs contains all the location points on a street side or street boundary.

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)
  • Radar Systems Or Details Thereof (AREA)

Abstract

The invention relates to a method for estimating the geometry of a motion path of a means of transportation, in which method sensor data are collected by means of a sensor and the geometry of the motion path is estimated using the sensor data. In the method, static destinations along the motion path are determined using the sensor data, location points for the respective positions of the destinations and of the sensor are defined, a polygon is determined using the location points, and the polygon is used to estimate the geometry of the motion path.

Description

Verfahren zur Schätzung der Geometrie eines Bewequnqsweqes  Method for estimating the geometry of a motion wave
Die vorliegende Erfindung betrifft ein Verfahren zur Schätzung der Geometrie eines Bewe- gungsweges eines Fortbewegungsmittels, insbesondere eines Fahrzeugs, sowie ein System zur Durchführung des Verfahrens. The present invention relates to a method for estimating the geometry of a movement path of a means of transportation, in particular a vehicle, and a system for carrying out the method.
Technologischer Hintergrund Technological background
Das Erkennen und Abschätzung von Straßenkanten bzw. Straßengrenzen ist eine elementare Funktion in modernen Fahrerassistenzsystemen und wird z. B. bei einer automatischen Dis- tanzregelung (ADR) bzw. Adaptive Cruise Control (ACC) oder einem Notbremsassistenten (EBA) eingesetzt, um die T rajektorie bzw. den Bewegungsweg des jeweiligen Fortbewegungs- mittels bzw. Fahrzeugs zu schätzen. The detection and assessment of road edges or road boundaries is an elementary function in modern driver assistance systems. B. used in an automatic distance control (ADR) or adaptive cruise control (ACC) or an emergency brake assistant (EBA) to estimate the trajectory or the movement path of the respective means of transportation or vehicle.
Der Straßengrenzverlauf wird dabei in der Regel in Form einer Klothoide ausgedrückt. Als Klothoide wird im modernen Straßenbau z. B. der Übergangsbogen zwischen einer Geraden und einer Krümmung bezeichnet. Der jeweilige Verlauf der Klothoide kann z. B. anhand von statischen Zielen bzw. Objekten geschätzt werden, die sich im Bereich der Straßengrenze befinden und mittels Radarmessungen detektiert wurden. Beispielsweise erfolgt eine derartige Schätzung der Straßengrenze anhand eines Kalman-Filters, der z. B. dazu dient, Fehler in realen Messwerten zu reduzieren und Schätzungen für nicht messbare Systemgrößen zu lie fern. The road boundary is usually expressed in the form of a clothoid. As a clothoid, z. B. the transition curve between a straight line and a curvature. The respective course of the clothoid z. B. can be estimated on the basis of static targets or objects that are located in the area of the road boundary and were detected by means of radar measurements. For example, the road boundary is estimated in this way using a Kalman filter, which, for. B. serves to reduce errors in real measured values and to provide estimates for non-measurable system variables.
Der Filter zeichnet dabei für jeden Zyklus die Koeffizienten der Klothoide für die linke und rechte Straßenseite auf. Anschließend werden Suchbereiche durch die Vorhersage und der Einführung der Kovarianz des Kalman Filters gebildet, um die Region zu definieren, die für das bevorstehende Messungs-Update eines Zyklus interessant ist. Hierbei wird als Suchbereich die Region verstanden, in welchem der nachfolgende Zyklus nach Detektionen sucht in den beim nachfolgenden Zyklus bzw. Radarscan eine Detektion fällt, sodass dieser akzeptiert wird, um die Klothoidenparameter zu berechnen. Einzig statische Straßenziele, die zwischen diese Suchbereiche fallen, gelten als Straßengrenzziele für das bevorstehende Messungs-Update des Kalman-Filterprozesses. Diese Methode funktioniert sehr gut bei Szenarien mit relativ glat- ten Grenzkanten und Übergängen, wie sie z. B. auf Autobahnen vorhanden sind. Jedoch ist diese Methode sehr ungenau für hochdynamische Szenarien, wie z. B. eine Autobahnauffahrt oder Autobahnabfahrt, eine Fahrbahnverbreiterung oder Fahrbahnverengung und urbane Szenarien. Insbesondere weil es zu einer Überlappung der Suchbereiche kommen kann, zum Beispiel wenn das Fahrzeug in eine Kurve einfährt. Hierbei kann die Unsicherheit der Such- bereiche so groß werden, dass diese miteinander überlappen. Bei überlappenden Suchberei- chen ist es in der Regel schwierig zu unterscheiden, ob die Ziele bzw. Objekte zu der linken oder rechten Fahrspur zugeordnet werden müssen. Daher wird der Straßenrand bzw. die Stra- ßengrenze auf die überlappte Region geschätzt. Dies führt zu einer nur sehr kurzen Länge der Straßengrenzschätzung, die in der Regel nicht gewünscht ist. The filter records the clothoid coefficients for the left and right side of the road for each cycle. Search areas are then formed by predicting and introducing the Kalman filter covariance to define the region of interest for the upcoming measurement update of a cycle. Here, the search area is understood to be the region in which the subsequent cycle searches for detections in which a detection falls during the subsequent cycle or radar scan, so that this is accepted in order to calculate the clothoid parameters. Only static road targets that fall between these search areas are considered road boundary targets for the upcoming measurement update of the Kalman filter process. This method works very well in scenarios with relatively smooth boundary edges and transitions, such as those found in B. are present on highways. However, this method is very imprecise for highly dynamic scenarios such as B. a freeway entrance or exit, a lane widening or narrowing and urban Scenarios. In particular because the search areas may overlap, for example when the vehicle enters a curve. The uncertainty of the search areas can become so great that they overlap with one another. In the case of overlapping search areas, it is generally difficult to distinguish whether the destinations or objects have to be assigned to the left or right lane. Therefore, the roadside or the road boundary on the overlapped region is estimated. This leads to a very short length of the road boundary estimate, which is usually not desired.
Ferner kann es zu einer größeren Latenz bei der Anpassung an veränderte Umgebungen kommen, indem es mehrere Zyklen benötigt, bis der Kalman-Filter eine Klothoide für die Stra- ßengrenze berechnet hat. Dadurch kann es zu einer falschen Ausrichtung der Suchbereiche und somit einer Falschausrichtung der gesamten Klothoide kommen. Dadurch können Stra- ßenbiegungen falsch abgeschätzt werden oder es können nicht vorhandene Straßenbiegun- gen als Straßenbiegungen ermittelt werden. Zudem können auch zu schmale Suchbereiche gebildet werden, sodass reale Ziele auf der Straßenseite fälschlicherweise als Ausreißer ein- gestuft werden. Dies führt zu einer ungenauen Abschätzung der Klothoide bzw. zu einer un- genauen Straßenbreitenschätzung. Im Rahmen von Straßenbauarbeiten bei denen Fahr- spurseparatoren zum Einsatz kommen, kann es Vorkommen, dass die Dichte der Zielreflexio- nen, die von Fahrspurseparatoren stammen, viel niedriger ist als die Dichte einer Leitplanke. Durch den Kalman-Filter kann dabei der falsche Eindruck entstehen, dass solche Ziele als Ausreißer einzustufen sind und somit nur gering gewichtet werden müssen, um den Straßen- grenze zu bestimmen. Es kann sogar Vorkommen, dass der Algorithmus die Leitplanke als Straßengrenze identifiziert anstatt als verengte Fahrbahnbreite durch Straßenarbeiten. Die Methode der Straßengrenzschätzung mittels Kalman-Filter besitzt somit ein gewisses Fehler- potential, insbesondere in dynamischen Szenarien. Furthermore, there may be greater latency in adapting to changing environments, as it takes several cycles for the Kalman filter to calculate a clothoid for the road boundary. This can lead to incorrect alignment of the search areas and thus incorrect alignment of the entire clothoid. As a result, road bends can be incorrectly estimated or non-existent road bends can be determined as road bends. In addition, narrow search areas can also be formed, so that real targets on the street side are wrongly classified as outliers. This leads to an inaccurate estimate of the clothoid or an inaccurate road width estimate. In the course of road construction work in which lane separators are used, it may happen that the density of the target reflections that come from lane separators is much lower than the density of a guardrail. The Kalman filter can give the wrong impression that such targets are classified as outliers and therefore only have to be weighted slightly to determine the road limit. The algorithm may even identify the guardrail as a road boundary rather than as a narrow lane width due to road works. The road limit estimation method using the Kalman filter therefore has a certain potential for error, particularly in dynamic scenarios.
Druckschriftlicher Stand der Technik Printed state of the art
Aus der US 6 751 547 B2 ist ein Verfahren zur genauen Schätzung der Geometrie des Vor- wärtsweges eines Fahrzeugs bekannt, welches auf einem Zwei-Klothoiden-Straßenmodell ba- siert. Hierbei werden Straßendaten, die von einer Kamera oder einem Radarsystem bereitge- stellt werden, gesammelt. Anhand der Straßendaten wird anschließend eine Messungstrans- ferfunktion 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 ge- schätzt. Die US 6 718 259 B1 offenbart ein Verfahren zur Schätzung der Geometrie eines Vorwärts- weges eines Fahrzeugs unter Verwendung einer adaptiven Kalman-Filterbank und eines Zwei- Klothoiden-Straßenmodells. Hierbei werden mehrere Kalman-Filter verwendet, wobei Gewich- tungsfaktoren 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. US Pat. No. 6,751,547 B2 discloses a method for accurately estimating the geometry of the forward path of a vehicle, which is based on a two-cloth road model. Road data that is provided by a camera or a radar system is collected here. A measurement transfer function of the two clothoid road model is then calculated on the basis of the road data. The clothoid coefficients for the near and far areas are estimated at the same time and the forward path of the vehicle is estimated on the basis of the data provided by the two-cloth model. US 6 718 259 B1 discloses a method for estimating the geometry of a forward path of a vehicle using an adaptive Kalman filter bank and a two-clothoid road model. Several Kalman filters are used here, with weighting factors being provided for each filter, which indicate the probability of whether the upcoming road geometry matches the road model assumed in the filter. After the filters have been assigned a weighted value, the street models are merged with a weighted value using a fusion element, so that a weighted street model can be output.
Aufgabe der vorliegenden Erfindung Object of the present invention
Die Aufgabe der vorliegenden Erfindung besteht darin, ein Verfahren zur Verfügung zu stellen, bei dem die Schätzung der Geometrie des Bewegungsweges in einfacher und kostengünstiger Weise verbessert wird. The object of the present invention is to provide a method in which the estimation of the geometry of the movement path is improved in a simple and inexpensive manner.
Lösung der Aufgabe Solution of the task
Die vorstehende Aufgabe wird durch die gesamte Lehre des Anspruchs 1 sowie des neben- geordneten Anspruchs gelöst. Zweckmäßige Ausgestaltungen der Erfindung sind in den Un- teransprüchen beansprucht. The above object is achieved by the entire teaching of claim 1 and the subordinate claim. Appropriate embodiments of the invention are claimed in the subclaims.
Bei dem erfindungsgemäßen Verfahren zur Schätzung der Geometrie des Bewegungsweges eines Fortbewegungsmittels, insbesondere eines Fahrzeuges, werden Sensordaten mittels ei- nes Sensors gesammelt, wobei die Schätzung der Geometrie des Bewegungsweges anhand der Sensordaten erfolgt. Dies erfolgt, indem insbesondere statische Ziele bzw. Objekte entlang des Bewegungsweges anhand der Sensordaten ermittelt und Ortspunkte für die jeweilige Po- sition der Ziele und des Sensors festgelegt werden. Ferner wird ein Polygon anhand der Orts- punkte bestimmt, z. B. indem eine festlegbare Anzahl an Ortpunkten als Eckpunkte des Poly- gons dienen. Insbesondere kann das Polygon dabei Ortspunkte jeder Straßenseite umfassen. Anschließend wird das Polygon zur Schätzung der Geometrie des Bewegungsweges heran- gezogen, d. h. die inneren Straßengrenzpunkte können z. B. für beide Straßengrenzen be- stimmt werden. Diese Bestimmung kann z. B. in Form eines Algorithmus implementiert wer- den, d. h. anhand der Erfindung kann die innere Straßengrenze der Straße basierend auf den Sensormessungen ermittelt bzw. berechnet werden. Daraus resultiert der Vorteil, dass der Algorithmus eine geringe Rechenkomplexität aufweist und leicht zu implementieren oder nach- zurüsten ist. Ferner besteht bei dem Verfahren keine Abhängigkeit von der Seitenklassifizie- rung oder von der Berechnung früherer Radarzyklen. Somit kann das erfindungsgemäße Ver- fahren auch für die Klassifizierung bzw. Schätzung der Trajektorie bzw. Bewegungsweggeo- metrie in dynamischen Szenarien eingesetzt werden, wie z. B. bei Straßengrenzausbau oder -Verengung, Straßenbauarbeiten, fehlende Leitplanken oder dergleichen. In the method according to the invention for estimating the geometry of the movement path of a means of transportation, in particular a vehicle, sensor data are collected by means of a sensor, the geometry of the movement path being estimated on the basis of the sensor data. This is done in particular by determining static targets or objects along the movement path on the basis of the sensor data and determining location points for the respective position of the targets and the sensor. Furthermore, a polygon is determined based on the location points, eg B. by using a definable number of location points as corner points of the polygon. In particular, the polygon can include location points on each side of the street. The polygon is then used to estimate the geometry of the movement path. B. be determined for both road boundaries. This determination can e.g. B. can be implemented in the form of an algorithm, ie the inner road boundary of the road can be determined or calculated based on the sensor measurements using the invention. This has the advantage that the Algorithm has low computational complexity and is easy to implement or retrofit. Furthermore, the method is not dependent on the side classification or on the calculation of previous radar cycles. The method according to the invention can therefore also be used for the classification or estimation of the trajectory or movement path geometry in dynamic scenarios, such as, for example, B. in road border expansion or narrowing, road construction work, missing guardrails or the like.
Gemäß einer bevorzugten Ausgestaltung ist als Sensor ein Radarsensor vorgesehen. Jedoch können auch andere aus dem Stand der Technik bekannte Sensoren vorgesehen sein, wie z. B. Kamera- oder Lidarsensoren. According to a preferred embodiment, a radar sensor is provided as the sensor. However, other sensors known from the prior art can also be provided, such as. B. camera or lidar sensors.
Vorzugsweise werden mehrere Polygone, insbesondere fortlaufend, bestimmt, sodass ein ganzes Polygonnetz bestimmt wird. Dieses Polygonnetz kann dann zur Schätzung der Geo- metrie des Bewegungsweges herangezogen werden. Die Schätzung der Geometrie kann dadurch noch sicherer gestaltet werden, sodass das Verfahren auch in hochdynamischen Fahrszenarien verlässlich einsetzbar ist. A plurality of polygons are preferably determined, in particular continuously, so that an entire polygon network is determined. This polygon mesh can then be used to estimate the geometry of the movement path. The estimation of the geometry can thus be made even more reliable, so that the method can also be used reliably in highly dynamic driving scenarios.
Als besonders vorteilhaft hat es sich erwiesen, wenn es sich bei dem Polygon um ein Dreieck handelt, da dieses äußert einfach mit wenig Rechenaufwand berechnet werden kann. In glei cher vorteilhafter Weise kann ein gesamtes Polygonnetz anhand von Dreiecksbildungen er- stellt werden. In einfacher Weise kann dies anhand einer Delaunay-Triangulierung bzw. De- launay-Dreiecksbildung erfolgen. It has proven to be particularly advantageous if the polygon is a triangle, since this can be calculated extremely simply with little computing effort. In an identical manner, an entire polygon network can be created using triangular formations. This can be done in a simple manner on the basis of a Delaunay triangulation or delaunay triangulation.
Vorzugsweise werden Ortspunkte nur für statische Ziele festgelegt, da in der Regel nur stati- sche Ziele eine Straßengrenze markieren. Bewegliche bzw. mobile Ziele oder Objekte eignen sich hingegen nicht zur Bestimmung der Straßengrenze. Folglich werden für diese Ziele keine Ortspunkte festgelegt, um z. B. die Rechenkapazität zu schonen. Die Fehleranfälligkeit wird dadurch noch weiter verringert. Location points are preferably only defined for static destinations, since generally only static destinations mark a road boundary. Moving or mobile targets or objects, on the other hand, are not suitable for determining the road boundary. Consequently, no location points are set for these destinations, e.g. B. to protect the computing capacity. This further reduces the susceptibility to errors.
Zweckmäßigerweise ist zwischen zwei Ortspunkten jeweils ein Segment angeordnet, welches somit Teil des Polygons bzw. des (Delaunay-) Dreiecks ist. A segment is expediently arranged between two local points, which is therefore part of the polygon or the (Delaunay) triangle.
Besonders vorteilhaft ist es, wenn die Ortspunkte und/oder Segmente als zur Straße bzw. zum Straßenbelag oder zur Straßengrenze zugehörig klassifiziert werden. Die Klassifikation kann anschließend in praktischer Weise zur Schätzung der Geometrie des Bewegungsweges her- angezogen werden. Vorzugsweise ist eine Testlinie vorgesehen, welche durch die Mitte oder zumindest den mitt- leren Bereich eines dem Straßenbelag zugeordneten Segments verläuft und deren Neigung anhand der Neigung eines der Straßengrenze zugeordneten Segments festgelegt wird. Die Testlinie kann dabei für das jeweilige Segment (neu) berechnet und eingefügt werden. It is particularly advantageous if the location points and / or segments are classified as belonging to the street or to the road surface or to the street boundary. The classification can then be used in a practical way to estimate the geometry of the movement path. A test line is preferably provided which runs through the center or at least the central region of a segment assigned to the road surface and the inclination of which is determined on the basis of the inclination of a segment assigned to the road boundary. The test line can be (newly) calculated and inserted for the respective segment.
Gemäß einer besonderen Ausgestaltung der Erfindung können mindestens zwei Testlinien vorgesehen sein, wobei jede der Testlinien jeweils einer der Straßengrenzen zugeordnet wird, d. h. in der Nähe bzw. benachbart zu dieser Straßenseite angeordnet wird. Beispielsweise kann die Testlinie das Segment jeweils vom Ortspunkt aus im ersten Drittel, bevorzugt im ers- ten Viertel und besonders bevorzugt im ersten Fünftel des Segments schneiden. According to a special embodiment of the invention, at least two test lines can be provided, each of the test lines being assigned to one of the road boundaries, i. H. is arranged in the vicinity or adjacent to this street side. For example, the test line can intersect the segment from the location point in the first third, preferably in the first quarter and particularly preferably in the first fifth of the segment.
Ferner können durch die beiden Testlinien die jeweils innersten Straßengrenzpunkte der bei- den Straßengrenzen ermittelt werden. Die Straßengrenzpunkte werden anschließend mitei- nander verglichen, wobei durch den Vergleich der Straßengrenzpunkte auf voneinander ab- weichende Straßenverläufe geschlossen werden kann, indem ein festlegbarer Wert für die Abweichung über- oder unterschritten wird. Durch ein Abweichen der Straßengrenzpunkte kann somit in einfacher Weise auf voneinander abweichende Straßenverläufe geschlossen werden kann. Dadurch können Kreuzungen oder Straßengabelungen, wie sie z. B. bei Auto- bahnausfahrten oder Baustellen Vorkommen, detektiert werden. Ferner kann die Schätzung der Geometrie des Bewegungsweges weiter verbessert werden. Zudem wird durch diese Aus- gestaltung eine zusätzliche Funktion zum Erkennen von Straßenbahnverläufen implementiert. Furthermore, the innermost road boundary points of the two road borders can be determined by the two test lines. The road boundary points are then compared with one another, and the comparison of the road boundary points allows conclusions to be drawn about road courses which differ from one another by exceeding or falling below a definable value for the deviation. By deviating the road boundary points, it is thus easy to conclude that the road courses differ from one another. This can crossroads or crossroads, such as z. B. on motorway exits or on construction sites, can be detected. Furthermore, the estimation of the geometry of the movement path can be further improved. This configuration also implements an additional function for recognizing the course of trams.
Ferner umfasst die vorliegende Erfindung ein System zur Schätzung der Geometrie des Be- wegungsweges eines Fortbewegungsmittels. Das System weist hierzu einen Sensor zum Er- zeugen von Sensordaten auf, wobei anhand der Sensordaten die Schätzung der Geometrie des Bewegungsweges erfolgt und statische Ziele entlang des Bewegungsweges ermittelbar sind. Das System ist ferner dazu hergerichtet, die Schätzung der Geometrie des Bewegungs- weges anhand des erfindungsgemäßen Verfahrens durchzuführen, wobei Ortspunkte für die jeweilige Position der Ziele und des Sensors festgelegt werden, ein Polygon anhand der Orts- punkte bestimmt wird und das Polygon zur Schätzung der Geometrie des Bewegungsweges verwendet wird. Furthermore, the present invention comprises a system for estimating the geometry of the movement path of a means of transportation. For this purpose, the system has a sensor for generating sensor data, the geometry of the movement path being estimated on the basis of the sensor data and static targets along the movement path being able to be determined. The system is also designed to carry out the estimation of the geometry of the movement path using the method according to the invention, location points being determined for the respective position of the targets and the sensor, a polygon being determined on the basis of the location points and the polygon for estimating the Geometry of the movement path is used.
Zusammenfassend kann durch die vorliegende Erfindung neben der Allokation die Unsicher- heit im Zusammenhang mit Überlappung von Suchbereichen verringert werden. Ferner kann das Filtern nützlicher Detektionen für die Straßengrenzschätzung durch zu schmale Suchbe- reiche verbessert werden. Zudem lässt sich die Latenz bei der Anpassung an veränderte Um- gebungen und die Straßengrenzbestimmung bei Verengungen durch Straßenarbeiten verbes- sern. In summary, in addition to the allocation, the present invention can reduce the uncertainty in connection with overlapping search areas. In addition, filtering useful detections for road boundary estimation can be done by narrow search rich to be improved. In addition, the latency when adapting to changing environments and the road boundary determination in the event of constrictions caused by road work can be improved.
Beschreibung der Erfindung anhand von Ausführunqsbeispielen Description of the invention using exemplary embodiments
Im Folgenden wird die Erfindung anhand von zweckmäßigen Ausführungsbeispielen näher erläutert. Es zeigen: The invention is explained in more detail below on the basis of practical exemplary embodiments. Show it:
Fig. 1 eine vereinfachte schematische Darstellung eines Verfahrens zur Schätzung der Geometrie eines Vorwärtsweges eines Fortbewegungsmittels gemäß dem Stand der Technik, 1 is a simplified schematic representation of a method for estimating the geometry of a forward path of a means of transportation according to the prior art,
Fig. 2 eine vereinfachte schematische Darstellung eines Ausführungsbeispiels des er- findungsgemäßen Verfahrens; 2 shows a simplified schematic illustration of an exemplary embodiment of the method according to the invention;
Fig. 3 eine vereinfachte schematische Darstellung eines weiteren Ausführungsbei- spiels des erfindungsgemäßen Verfahrens; 3 shows a simplified schematic illustration of a further exemplary embodiment of the method according to the invention;
Fig. 4 eine vereinfachte schematische Darstellung einer Ausgestaltung eines Ablauf- planes des erfindungsgemäßen Verfahrens; 4 shows a simplified schematic representation of an embodiment of a flow chart of the method according to the invention;
Fig. 5 eine vereinfachte schematische Darstellung eines Verfahrensschritts des Aus- führungsbeispiels aus Fig. 4; 5 shows a simplified schematic representation of a method step of the exemplary embodiment from FIG. 4;
Fig. 6 eine vereinfachte schematische Darstellung eines weiteren Verfahrensschritts des Ausführungsbeispiels aus Fig. 4; FIG. 6 shows a simplified schematic illustration of a further method step of the exemplary embodiment from FIG. 4;
Fig. 7 eine vereinfachte schematische Darstellung eines weiteren Verfahrensschritts des Ausführungsbeispiels aus Fig. 4, sowie FIG. 7 shows a simplified schematic illustration of a further method step of the exemplary embodiment from FIG. 4, and
Fig. 8 eine vereinfachte schematische Darstellung eines weiteren Verfahrensschritts des Ausführungsbeispiels aus Fig. 4. 8 shows a simplified schematic illustration of a further method step of the exemplary embodiment from FIG. 4.
In Fig. 1 ist eine Schätzung der Geometrie eines Bewegungsweges eines Fahrzeugs unter1 shows an estimate of the geometry of a movement path of a vehicle
Verwendung einer adaptiven Kalman-Filterbank und eines Klothoiden-Straßenmodells gemäß dem Stand der Technik dargestellt. Der jeweilige Verlauf der Klothoide K wird anhand von Zielen bzw. Objekten O geschätzt. Die Schätzung der Straßengrenze erfolgt dabei anhand eines Kalman-Filters. Der Kalman-Filter zeichnet dabei für jeden Zyklus die Koeffizienten der Klothoide K für die linke Straßenseite Kl und rechte Straßenseite Kr auf. Diese Methode der Straßengrenzschätzung mittels Kalman-Filter weist jedoch, wie eingangs beschrieben, ein großes Fehlerpotential gerade in dynamischen Szenarien auf. Using an adaptive Kalman filter bank and a clothoid road model according to the state of the art. The respective course of the clothoid K is estimated on the basis of targets or objects O. The road boundary is estimated using a Kalman filter. The Kalman filter records the coefficients of the clothoids K for the left side of the road Kl and the right side of the road Kr for each cycle. However, as described in the introduction, this method of road boundary estimation using the Kalman filter has a large potential for errors, particularly in dynamic scenarios.
Bei dem erfindungsgemäßen Verfahren wird die Geometrie des Bewegungsweges geschätzt, indem die innere Straßengrenze auf der Basis von Sensormessungen bestimmt bzw. berech- net wird. Im Folgenden werden Ausführungsbeispiele beschrieben, bei denen als Sensor ein Radarsensor verwendet wird. Ausdrücklich umfasst sind jedoch auch andere aus dem Stand der Technik bekannte Sensoren, wie z. B. Lidar- oder Kamerasensoren. Wie in Fig. 2 gezeigt, liefert der Radarsensor in jedem Scanzyklus eine Liste von Objekten bzw. Zielen mit der ent- sprechenden relativen Position der jeweiligen Ziele und deren Geschwindigkeit im Verhältnis zum Ego-Fahrzeug, welches den Radarsensor umfasst und dem Ortspunkt 0 (x = 0; y = 0) entspricht. Basierend auf der relativen Geschwindigkeit zum Ego-Fahrzeug werden die Ob- jekte dann als statische oder mobile Ziele eingestuft. Für die Abschätzung der Straßengrenze werden vorliegend jedoch nur die statischen Ziele verwendet, denen jeweils ein Ortspunkt zu- geordnet werden kann. In the method according to the invention, the geometry of the movement path is estimated by determining or calculating the inner road boundary on the basis of sensor measurements. Exemplary embodiments are described below in which a radar sensor is used as the sensor. However, other sensors known from the prior art, such as e.g. B. lidar or camera sensors. As shown in FIG. 2, the radar sensor delivers a list of objects or targets in each scan cycle with the corresponding relative position of the respective targets and their speed in relation to the ego vehicle, which comprises the radar sensor and the location point 0 (x = 0; y = 0). Based on the relative speed to the ego vehicle, the objects are then classified as static or mobile targets. In the present case, however, only the static targets are used for the estimation of the road boundary, each of which can be assigned a location point.
Die Abschätzung erfolgt, indem eine Delaunay-Triangulation (Delaunay-Dreiecksbildung oder Delaunay-Triangulierung) auf der Grundlage der Position der statischen Ziele bzw. deren Orts- punkte und der des Ego-Fahrzeugs berechnet bzw. eingefügt wird. Anschließend werden die ersten linken und rechten Punkte im Triangulations-Diagramm ermittelt bzw. gesucht. The estimate is made by calculating or inserting a Delaunay triangulation (Delaunay triangulation or Delaunay triangulation) on the basis of the position of the static targets or their location points and that of the ego vehicle. The first left and right points in the triangulation diagram are then determined or searched for.
Wie in Fig. 2 dargestellt, erfolgt die Suche indem zunächst der erste linke Punkt (Ortspunkt 2) und der erste rechte Punkt (Ortspunkt 54) miteinander verbunden werden und somit ein Seg- ment (2, 54) bilden. Danach werden der erste linke und der erste rechte Punkt direkt mit dem Ortspunkt 0 bzw. der Position des Ego-Fahrzeugs verbunden, wobei der erste linke Punkt (Ortspunkt 2) eine negative y-Koordinate und der erste rechte Punkt (Ortspunkt 54) eine posi- tive y-Koordinate hat. Folglich ist das erste Dreieck durch die Ortspunkte 0, 2 und 54 begrenzt und für die weitere Suche in der Delaunay-Triangulation gesetzt. As shown in FIG. 2, the search is carried out by first connecting the first left point (location point 2) and the first right point (location point 54) to one another and thus forming a segment (2, 54). The first left and first right points are then connected directly to location point 0 or the position of the ego vehicle, the first left point (location point 2) being a negative y coordinate and the first right point (location point 54) being a posi - has active y-coordinate. Consequently, the first triangle is delimited by the location points 0, 2 and 54 and set for the further search in the Delaunay triangulation.
Zweckmäßigerweise kann anschließend mit dem nächsten Dreieck fortgefahren werden, das an den ersten linken und rechten Punkten angesetzt wird. Im Ausführungsbeispiel gemäß Fig. 2 ist es somit das Dreieck zwischen den Ortspunkten 2, 4 und 54. Anschließend müssen die Ortspunkte 2, 4 und 54 des neuen Dreiecks bzw. die Segmente (2, 4) und (4, 54), klassifiziert werden, ob sie zum Straßenrand bzw. zur Straßengrenze oder zum Straßenbelag gehören. Zu diesem Zweck wird eine Testlinie T eingefügt, die sich mit den Segmenten des neuen Drei- ecks (2, 4, 54) kreuzen kann. Wenn sich die Testlinie T mit Segment kreuzt, z. B. Segment (4, 54), dann wird das Segment als dem Straßenbelag zugehörig klassifiziert. In gleicher weise wird ein Segment, dass die Testlinie T nicht kreuzt als zur Straßengrenze zugehörig klassifi ziert, wie z. B. das andere Segment (2, 4). It is then expedient to continue with the next triangle, which is set at the first left and right points. In the exemplary embodiment according to FIG. 2, it is therefore the triangle between the location points 2, 4 and 54. The location points 2, 4 and 54 of the new triangle or the segments (2, 4) and (4, 54) must then be classified whether they belong to the roadside or the road boundary or the road surface. For this purpose, a test line T is inserted, which can cross with the segments of the new triangle (2, 4, 54). If the test line T crosses with a segment, e.g. B. segment (4, 54), then the segment is classified as belonging to the road surface. In the same way, a segment that does not cross the test line T is classified as belonging to the road boundary, such as. B. the other segment (2, 4).
Der Algorithmus wiederholt sich für jedes neu bestimmte Segment solange, bis eines als zum Straßenbelag zugehörig erkannt wird. Demzufolge wird solange nach dem nächsten angren- zenden Dreieck auf dem Segment (4, 54) gesucht, bis entschieden ist, ob die Segmente (4,7) oder (7, 54) zur Straßengrenze oder zur Straßenbelag gehören. The algorithm is repeated for each newly determined segment until one is recognized as belonging to the road surface. Accordingly, the next adjacent triangle on the segment (4, 54) is searched until it is decided whether the segments (4,7) or (7, 54) belong to the road boundary or the road surface.
Die Testlinie T führt dabei durch die Mitte des Segments der Straßenoberfläche, die im vorhe- rigen Algorithmus-Schritt bestimmt wurde. Die Neigung der Testlinie T basiert dabei auf der Neigung der Straßengrenzsegmente, d. h. die Testlinie T weist die gleiche Neigung auf, wie die Straßengrenzsegmente. Ferner kann die Neigung durch einen Tiefpassfilter geglättet wer- den (basierend auf exponentieller Glättung), dessen Eingangswert die Neigung der entdeckten Straßengrenze ist. Der Algorithmus wird dabei beendet, sobald kein weiteres Dreieck bzw. Segment gefunden wurde, das einen gemeinsamen Eckpunkt auf der Straßenoberfläche hat. The test line T leads through the middle of the segment of the road surface that was determined in the previous algorithm step. The inclination of the test line T is based on the inclination of the road boundary segments, i. H. the test line T has the same slope as the road boundary segments. Furthermore, the slope can be smoothed using a low-pass filter (based on exponential smoothing), the input value of which is the slope of the discovered road boundary. The algorithm is ended as soon as no further triangle or segment has been found that has a common corner point on the street surface.
Zweckmäßigerweise kann der Algorithmus auch, gemäß Fig. 3, zur Erkennung von Kreuzun- gen oder Straßengabelungen, wie z. B. bei Autobahnausfahrten oder Baustellen, eingesetzt werden. Beispielsweise dadurch, dass zwei Testlinien T verwendet werden. Dabei kann jede der Testlinien T jeweils in der Nähe einer der Straßengrenzen verlaufen, wobei dann die glei- chen inneren Straßengrenzpunkte gewonnen werden. Sollten unterschiedliche oder zumin- dest stärker abweichende Straßengrenzpunkte gewonnen werden, wird dies als Indikator ver- wendet, dass die Straßengrenzen bzw. Straßenverläufe voneinander abweichenden, sodass auf eine Straßengabel oder Kreuzung rückgeschlossen werden kann. The algorithm can also expediently, according to FIG. 3, for the detection of intersections or road junctions, such as eg. B. at motorway exits or construction sites. For example, by using two test lines T. Each of the test lines T can run in the vicinity of one of the road boundaries, in which case the same inner road boundary points are obtained. If different or at least more deviating road boundary points are obtained, this is used as an indicator that the road borders or road courses differ from each other, so that a road fork or intersection can be inferred.
Im Folgenden wird anhand eines Ausführungsbeispiels gemäß dem Ablaufplan in Fig. 4 sowie der Diagramme in den Fig. 5-8 ein Algorithmus für eine tatsächliche Radarmessung auf der Autobahn dargestellt. In the following, an algorithm for an actual radar measurement on the highway is shown using an exemplary embodiment according to the flow chart in FIG. 4 and the diagrams in FIGS. 5-8.
Zunächst wird gemäß Fig. 5, sozusagen als Initialisierungsschritt, die Neigung der Testlinie T zur Senkrechten eingestellt und der Delaunay-Graph berechnet. Im Folgenden ersten Schritt, gemäß Fig. 5, werden die Objekte 2 und 54 als linker und rechter Ortspunkt eingestuft, wobei das Segment zwischen den Ortspunkten 2 und 54 als Öffnungstor zur Straße festgelegt wird. Folglich ist das erste Delaunay-Dreieck (Ortspunkte 0, 2 und 54) gesetzt. Im Anschluss daran wird untersucht, ob das Dreieck mit den Ortspunkten 2, 4 und 54 als nächstes angrenzendes Dreieck an das Segment (2, 54) anzulegen ist. Dieses Segment kann dann in einer externen Liste hinterlegt bzw. abgespeichert werden. 5, the inclination of the test line T to the vertical is set, as it were as an initialization step, and the Delaunay graph is calculated. In the following first step, according to FIG. 5, objects 2 and 54 are classified as left and right location points, the segment between location points 2 and 54 being defined as an opening gate to the street. As a result, the first Delaunay triangle (location points 0, 2 and 54) is set. It is then examined whether the triangle with the location points 2, 4 and 54 is the next adjacent triangle to be created on the segment (2, 54). This segment can then be stored or saved in an external list.
Im zweiten Schritt, gemäß Fig. 6, wird die Testlinie T gesetzt, welche die Neigung des Seg- ments (2,4) bzw. den gleichen Winkel aufweist und durch die Mitte des Segments (4, 54) ver- läuft. Wenn sich nun das Segment (z. B. das Segment zwischen den Ortspunkten 2 und 4) nicht mit der Testlinie T kreuzt, wird dieses Segment (2, 4) als zugehörig zur Straßengrenze klassifiziert und der Ortspunkt 4 wird aufgrund der direkten Nachbarschaft zu Ortspunkt 2 als linker Ortspunkt klassifiziert. Wenn sich das Segment (z. B. das Segment zwischen den Orts- punkten 4 und 54) jedoch mit der Testlinie T kreuzt wird es als zugehörig zum Straßenbelag klassifiziert. Anschließend wird dann untersucht, ob das Dreieck mit den Ortspunkten 4, 7 und 54 als nächstes angrenzendes Dreieck an das Segment (4, 54) anzulegen ist. Im Anschluss daran kann das Segment (4, 54) aus dem Diagramm entfernt werden. In the second step, according to FIG. 6, the test line T is set, which has the inclination of the segment (2, 4) or the same angle and runs through the middle of the segment (4, 54). If the segment (e.g. the segment between the location points 2 and 4) does not cross with the test line T, this segment (2, 4) is classified as belonging to the road boundary and the location point 4 becomes a location point due to the direct vicinity 2 classified as a left local point. However, if the segment (eg the segment between location points 4 and 54) crosses with the test line T, it is classified as belonging to the road surface. It is then examined whether the triangle with the location points 4, 7 and 54 is the next adjacent triangle to be applied to the segment (4, 54). The segment (4, 54) can then be removed from the diagram.
Im dritten Schritt werden die Punkte des zweiten Schritts wiederholt, mit dem Ergebnis, dass das Segment (4, 7) als linke Straßenseite klassifiziert wird und das Segment (7, 54) anschlie- ßend aus der Grafik entfernt wird. Danach wird das Dreieck (7, 10, 54) angelegt. Das Verfah- ren wird dann beendet, wie beispielsweise in Fig. 7 gezeigt, wenn ein Segment (53, 69) keine anderen tragenden Dreiecke mehr aufweist. Dadurch wird die Suche beendet und das ent- sprechende Segment (53, 69) wird aus dem Diagramm entfernt. Als Ergebnis liefert der Algo- rithmus die inneren Straßengrenzpunkte bzw. die Begrenzungen der Straße für die linke und rechte Straßenseite, wie in Fig. 8 gezeigt, wobei die Delaunay-Grafik in zwei Sub-Graphen getrennt ist. Ferner enthält jeder der Sub-Graphen alle Ortspunkte einer Straßenseite bzw. Straßengrenze. In the third step, the points of the second step are repeated, with the result that the segment (4, 7) is classified as the left side of the street and the segment (7, 54) is then removed from the graphic. Then the triangle (7, 10, 54) is created. The process is ended, as shown for example in FIG. 7, when a segment (53, 69) no longer has any other supporting triangles. This ends the search and the corresponding segment (53, 69) is removed from the diagram. As a result, the algorithm provides the inner road boundary points or the road boundaries for the left and right side of the road, as shown in FIG. 8, the Delaunay graphic being separated into two sub-graphs. Furthermore, each of the sub-graphs contains all the location points on a street side or street boundary.
BEZUGSZEICHENLISTE REFERENCE SIGN LIST
k Klothoide k Clothoid
o Objekt o object
Kl Klothoide für die linke Straßenseite  Kl clothoid for the left side of the street
Kr Klothoide für die rechte Straßenseite Kr clothoid for the right side of the street
T Testlinie T test line
T1 Testlinie  T1 test line
T2 Testlinie  T2 test line

Claims

PATENTANSPRÜCHE PATENT CLAIMS
1. Verfahren zur Schätzung der Geometrie eines Bewegungsweges eines Fortbewe- gungsmittels, bei dem Sensordaten mittels eines Sensors gesammelt werden und die Schätzung der Geometrie des Bewegungsweges anhand der Sensordaten erfolgt, wobei1. Method for estimating the geometry of a movement path of a means of transportation, in which sensor data are collected by means of a sensor and the geometry of the movement path is estimated on the basis of the sensor data, wherein
Ziele entlang des Bewegungsweges anhand der Sensordaten ermittelt werden, Ortspunkte für die jeweilige Position der Ziele und des Sensors festgelegt werden, ein Polygon anhand der Ortspunkte bestimmt wird und Targets along the movement path are determined on the basis of the sensor data, location points are determined for the respective position of the targets and the sensor, a polygon is determined on the basis of the location points and
das Polygon zur Schätzung der Geometrie des Bewegungsweges herangezogen wird.  the polygon is used to estimate the geometry of the movement path.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass als Sensor ein Ka mera-, Radar- oder Lidarsensor vorgesehen ist. 2. The method according to claim 1, characterized in that a Ka mera, radar or lidar sensor is provided as the sensor.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass mehrere Po- lygone, insbesondere fortlaufend, bestimmt werden, sodass ein Polygonnetz bestimmt wird, welches zur Schätzung der Geometrie des Bewegungsweges herangezogen wird. 3. The method according to claim 1 or 2, characterized in that a plurality of polygons, in particular continuously, are determined, so that a polygon network is determined which is used to estimate the geometry of the movement path.
4. Verfahren nach mindestens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass es sich bei dem Polygon um ein Dreieck handelt und/oder das Po- lygonnetz anhand einer Delaunay-Triangulierung bestimmt wird. 4. The method according to at least one of the preceding claims, characterized in that the polygon is a triangle and / or the polygon network is determined on the basis of a Delaunay triangulation.
5. Verfahren nach mindestens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass Ortspunkte nur für statische Ziele festgelegt werden. 5. The method according to at least one of the preceding claims, characterized in that location points are only determined for static destinations.
6. Verfahren nach mindestens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass zwischen zwei Ortspunkten jeweils ein Segment angeordnet ist. 6. The method according to at least one of the preceding claims, characterized in that a segment is arranged in each case between two location points.
7. Verfahren nach mindestens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Ortspunkte und/oder Segmente als zum Straßenbelag oder zur Straßengrenze zugehörig klassifiziert werden und die Klassifikation zur Schätzung der Geometrie des Bewegungsweges herangezogen wird. 7. The method according to at least one of the preceding claims, characterized in that the location points and / or segments are classified as belonging to the road surface or the road boundary and the classification is used to estimate the geometry of the movement path.
8. Verfahren nach mindestens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass eine Testlinie (L) vorgesehen ist, welche durch die Mitte des Seg- ments des Straßenbelages verläuft und deren Neigung anhand der Neigung des Seg- ments der Straßengrenze festgelegt wird. 8. The method according to at least one of the preceding claims, characterized in that a test line (L) is provided which runs through the center of the segment of the road surface and the inclination of which is determined on the basis of the inclination of the segment of the road boundary.
9. Verfahren nach mindestens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass mindestens zwei Testlinien (T1 , T2) vorgesehen sind, wobei jede der Testlinien (T1 , T2) jeweils einer der Straßengrenzen zugeordnet wird. 9. The method according to at least one of the preceding claims, characterized in that at least two test lines (T1, T2) are provided, each of the test lines (T1, T2) being assigned to one of the road boundaries.
10. Verfahren nach Anspruch 9, dadurch gekennzeichnet, dass anhand der Zuord- nung der Testlinien (T1 , T2) für die jeweilige Straßengrenze Straßengrenzpunkte ge- wonnenen werden, wobei die Straßengrenzpunkte miteinander verglichen werden und durch den Vergleich der Straßengrenzpunkte auf voneinander abweichende Straßen- verläufe geschlossen wird, indem ein festlegbarer Wert für die Abweichung über- oder unterschritten wird. 10. The method according to claim 9, characterized in that on the basis of the assignment of the test lines (T1, T2) for the respective road boundary, road boundary points are obtained, the road boundary points being compared with one another and by comparing the road boundary points with mutually different road is closed by exceeding or falling below a definable value for the deviation.
1 1. System zur Schätzung der Geometrie eines Bewegungsweges eines Fortbewe- gungsmittels, mit 1 1. System for estimating the geometry of a movement path of a means of transportation, with
einem Sensor zur Erzeugung von Sensordaten, wobei  a sensor for generating sensor data, wherein
anhand der Sensordaten des Sensors die Schätzung der Geometrie des Bewe- gungsweges erfolgt, indem  on the basis of the sensor data of the sensor, the geometry of the movement path is estimated by
das System dazu hergerichtet ist, die Schätzung der Geometrie des Bewegungs- weges mittels eines Verfahrens nach mindestens einem der vorhergehenden Ansprüche durchzuführen.  the system is designed to carry out the estimation of the geometry of the movement path by means of a method according to at least one of the preceding claims.
PCT/DE2019/200055 2018-09-11 2019-05-29 Method for estimating the geometry of a motion path WO2020052715A1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102018215448.1A DE102018215448B3 (en) 2018-09-11 2018-09-11 Method of estimating the geometry of a path of movement
DE102018215448.1 2018-09-11

Publications (1)

Publication Number Publication Date
WO2020052715A1 true WO2020052715A1 (en) 2020-03-19

Family

ID=67659784

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/DE2019/200055 WO2020052715A1 (en) 2018-09-11 2019-05-29 Method for estimating the geometry of a motion path

Country Status (2)

Country Link
DE (1) DE102018215448B3 (en)
WO (1) WO2020052715A1 (en)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020118318A1 (en) 2020-07-10 2022-01-13 Bayerische Motoren Werke Aktiengesellschaft Method and device for identifying a traffic junction on the basis of trajectory data
DE102020208889A1 (en) 2020-07-16 2022-01-20 Continental Automotive Gmbh Intersection detection method
DE102020208981A1 (en) 2020-07-17 2022-01-20 Continental Automotive Gmbh Method for estimating the geometry of a movement path
CN114067594B (en) * 2020-08-05 2023-02-17 北京万集科技股份有限公司 Method and device for planning driving path, computer equipment and storage medium
DE102020213697A1 (en) 2020-10-30 2022-05-05 Continental Automotive Gmbh Method for detecting road boundaries and a system for controlling a vehicle
DE102021207609A1 (en) 2021-07-16 2023-01-19 Continental Autonomous Mobility Germany GmbH Procedure for marking a movement path

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3324325B2 (en) * 1995-03-14 2002-09-17 三菱電機株式会社 Vehicle front monitoring device
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
DE102016107705A1 (en) * 2015-04-27 2016-10-27 GM Global Technology Operations, LLC (n.d. Ges. d. Staates Delaware) Reactive path planning for autonomous driving

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102667888B (en) * 2009-11-27 2014-12-31 丰田自动车株式会社 Drive assistance device and drive assistance method
DE102013201796A1 (en) * 2013-02-05 2014-08-07 Robert Bosch Gmbh Method for providing a driving corridor for a vehicle and driver assistance system
DE102015013084A1 (en) * 2015-10-08 2016-03-31 Daimler Ag Method for securing control parameters in a lane detection algorithm of a motor vehicle

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3324325B2 (en) * 1995-03-14 2002-09-17 三菱電機株式会社 Vehicle front monitoring device
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
DE102016107705A1 (en) * 2015-04-27 2016-10-27 GM Global Technology Operations, LLC (n.d. Ges. d. Staates Delaware) Reactive path planning for autonomous driving

Also Published As

Publication number Publication date
DE102018215448B3 (en) 2019-10-31

Similar Documents

Publication Publication Date Title
DE102018215448B3 (en) Method of estimating the geometry of a path of movement
EP2561419B1 (en) Method for determining the lane course for a vehicle
EP1502165B1 (en) Method and device for predicting the course of motor vehicles
DE102015108605B4 (en) Lane change path planning algorithm for an autonomous vehicle
DE10022528B4 (en) Vehicle navigation system with a lane curve information function
EP1844373B1 (en) Method for predicting the course in driver assistance systems for motor vehicles
DE19637053C2 (en) Method and device for automatic detection of right-hand or left-hand traffic
EP3432203B1 (en) Predictive roadway guidance of a vehicle
EP2467291B1 (en) Method and controller for a robust detection of a vehicle lane change
DE102019112413A1 (en) METHOD AND DEVICE FOR MULTI-SENSOR DATA FUSION FOR AUTOMATED AND AUTONOMOUS VEHICLES
DE102005035746A1 (en) Method for determining a relative position of a mobile unit by comparing scans of an environment and mobile unit
EP2963631B1 (en) Method for determining a parking space from a number of measuring points
DE112018006511T5 (en) DEVICE FOR GENERATING DATA OF A DRIVING ROUTE WITHIN AN INTERSECTION, PROGRAM FOR GENERATING DATA OF A DRIVING ROUTE WITHIN AN INTERSECTION, AND STORAGE MEDIUM
WO2018019454A1 (en) Method and device for determining a roadway model for the surroundings of a vehicle
DE102019105547A1 (en) Method and control unit for recognizing a vehicle entering or exiting
DE102013201941A1 (en) Method for determining lane course for vehicle, involves determining resultant respective path includes traffic lane boundary depending on predetermined allocation map which represents predetermined area around vehicle
EP3279049B1 (en) Control system and control method for determining a roadway
DE102008021380B4 (en) Method and device for predicting a course of a roadway and driver assistance system
DE102019132150A1 (en) Method for automatically calibrating an environment sensor, in particular a lidar sensor, of a vehicle on the basis of occupancy cards and computing device
WO2020160796A1 (en) Method and device for multi-sensor data fusion for automated and autonomous vehicles
DE19627938B4 (en) Method for dynamic tracking in moving picture sequences
EP2602744A1 (en) Method for detecting and tracking lane markings
EP4027245A1 (en) Computer-implemented method for determining similarities of traffic scenarios
DE102006051091B4 (en) Method for object recognition in vehicles by means of close-range detection
DE102020206771A1 (en) Method for estimating an airspeed

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19753239

Country of ref document: EP

Kind code of ref document: A1

WD Withdrawal of designations after international publication

Designated state(s): DE

122 Ep: pct application non-entry in european phase

Ref document number: 19753239

Country of ref document: EP

Kind code of ref document: A1