CN108140323A - 用于机动车中的环境检测时改进的数据融合的方法和设备 - Google Patents

用于机动车中的环境检测时改进的数据融合的方法和设备 Download PDF

Info

Publication number
CN108140323A
CN108140323A CN201680057632.9A CN201680057632A CN108140323A CN 108140323 A CN108140323 A CN 108140323A CN 201680057632 A CN201680057632 A CN 201680057632A CN 108140323 A CN108140323 A CN 108140323A
Authority
CN
China
Prior art keywords
sensor
alignment features
environmental map
identification
region
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.)
Granted
Application number
CN201680057632.9A
Other languages
English (en)
Other versions
CN108140323B (zh
Inventor
S.施泰因迈尔
D.莫索
M.穆夏尔
O.比尔巴赫
P.格勒塞尔
T.库伯恰克
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.)
Audi AG
Volkswagen AG
Original Assignee
Audi AG
Volkswagen AG
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 Audi AG, Volkswagen AG filed Critical Audi AG
Publication of CN108140323A publication Critical patent/CN108140323A/zh
Application granted granted Critical
Publication of CN108140323B publication Critical patent/CN108140323B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/168—Driving aids for parking, e.g. acoustic or visual feedback on parking space
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
    • B60R2300/30—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of image processing
    • B60R2300/303—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of image processing using joined images, e.g. multiple camera images
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • 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
    • G01S2013/9314—Parking operations
    • 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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2015/932—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles for parking operations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及一种用于机动车（50）中的环境检测时改进的数据融合的方法，所述方法包括下述步骤：借助至少一个传感器（2）来检测（101）机动车（50）的环境（40）；识别（102）由至少一个传感器（2）检测的测量数据（20）中的对象（81）；融合（115）识别的对象（81）和其在环境地图（80）中的对象位置，其中在环境地图（80）中保存的对象（81）与存在概率相关联或者是与存在概率相关联的，并且其中如果在检测时在保存的对象的位置处测量出空闲区域（86，86.1），那么保存的对象（81）的存在概率降低，其中各一个定向特征（60）与在环境地图（80）中保存的对象（81）相关联并且在环境地图（80）中保存，并且对于至少一个传感器（2）的传感器区域（83.1，83.2，83.3）中的测量出空闲区域（86，86.1）的区域，在环境地图（80）中在与所述区域一致的区域中保存的对象（81）的存在概率根据相关联的定向特征（60）来降低。此外，本发明涉及一种所属的设备1。

Description

用于机动车中的环境检测时改进的数据融合的方法和设备
技术领域
本发明涉及用于机动车中的环境检测时改进的数据融合的方法和设备。
背景技术
现代机动车提供丰富的辅助系统，所述辅助系统对驾驶员在驾驶机动车时进行支持。这种辅助系统例如是驻车辅助，所述驻车辅助为了支持驻车以光学的或声学的方式提供附加的信息，例如与相邻的机动车或障碍物的间距，并且在有碰撞危险时发出警报信号。此外，也已知半自动的和全自动的驻车辅助。
为了能够提供说明和/或监控与相邻的机动车或障碍物的间距的辅助功能，驻车辅助必须始终得到关于机动车的环境的状态的信息。通常，为此借助传感器、例如借助于超声波、雷达、激光等来检测环境。随后，根据传感器数据，例如经由图案识别方法来识别环境中的对象并且关于其在环境中的位置进行分析和/或在环境地图中保存，用于稍后的调用。
从DE 10 2007 056 622 A1中已知一种用于识别停车空隙的方法。在此，为了确定用于车辆的适合的停车空隙，借助于用于测量在车辆旁边识别的对象之间的空隙的传感器在自身的车辆停车时检查，传感器的信号在停车期间是否改变，其中用于测量在车辆旁边识别的对象之间的空隙的传感器能够不仅在车辆右侧、而且在车辆左侧激活。在自身的车辆的停车之后继续行驶的情况下，如果在自身的车辆之前停车期间，在该车辆侧上的传感器的信号已经改变，那么将适合的停车空隙或开始的停车空隙的识别在车辆侧作为无效的而丢弃。
从DE 10 2009 012 435 B4中已知用于探测空闲的停车位的设备和方法。对此规定，通过借助车辆后视图像检测装置或相机检测空闲的停车位的图像来检测图像序列，所述车辆后视图像检测装置或相机利用图像序列中的点一致性来三维地重建在车辆或汽车之后的视图并且根据已知的相机高度重新获得关于3D结构的米制信息，并且通过估计相邻车辆的位置来探测空闲的停车位。在此，在估计相邻车辆的角点和定向时也规定对精度进行评估。
上述设备和方法的缺点是，不将测量伪影作为这样的来识别。这在如下情况下是尤其严重的：将在环境地图中保存的对象或对象的一部分基于测量伪影清除，尽管其仍在其原始位置上尚未改变地存在。这种测量伪影例如在脉冲回声测量法中在如下情况下出现：对象的表面定向成，使得由传感器发出的功率的大部分不朝向传感器的方向向回反射，而是远离传感器地反射。因为传感器从对象的方向中或从对象的位置未测量到任何反射，所以出现测量数据的错误解释。在传感器、即车辆的环境中由对象或对象的一部分占据的区域被归为空闲区域。在跟随测量将测量数据融合时，于是在对象或对象的一部分的位置处错误地认为空闲区域，由此与对象或对象的一部分相关联的存在概率降低，或者对象或对象的一部分被认为不再存在。
发明内容
因此，本发明基于如下问题，实现用于检测环境的一种方法和一种设备，其中改进数据融合。
技术目的根据本发明通过具有专利权利要求1的特征的方法和具有专利权利要求17的特征的设备来实现。本发明的有利的设计方案由从属权利要求中得出。
发明基本思想
本发明基于如下构思，在融合测量数据时不考虑如下区域，在所述区域中在环境中定位的对象具有以下表面，所述表面基于其定向将由传感器发出的测量信号不朝向传感器向回反射。在此，本发明的核心思想是，将环境中的识别的对象与至少一个定向特征相关联。对此，在环境由至少一个传感器检测的测量数据中识别对象，并且为识别的对象分别估计定向特征。于是在数据融合中，根据定向特征来降低保存在环境地图中的对象的存在概率。
例如，根据本发明的定向特征能够是表面定向。为识别的对象估计表面定向，将其与已知的对象结合并且保存在环境地图中。如果在随后为传感器的测量区域中的区域检测环境时测量出空闲区域，那么检查，在环境地图中的一致的区域中是否保存有对象。如果在环境地图中保存有用于传感器区域的区域的对象，那么估计与所述保存的对象的测量角度。这表示，确定在对象扩展时与对象的以下部分的测量角度，所述部分处于测量出的空闲区域中。随后，从环境地图中调用与保存的对象结合的至少一个表面定向。于是，从估计的测量角度和保存的对象的至少一个表面定向、例如表面法线中，确定角度差。如果所确定的角度差超过阈值，那么对象的存在概率在融合时不降低，或者降低较小的量值，并且丢弃该区域中的测量数据。
本发明的优点在于，识别出错误地表明空闲区域的测量伪影，并且在融合时相应地予以考虑，例如优选地丢弃，所述空闲区域基于反射识别，所述反射例如在对象表面上以锐角发生。因此，所述测量伪影不能够影响或歪曲环境地图的维护。考虑所识别的对象的定向特征、诸如表面定向能够实现，在测量时，估计在环境地图中保存的对象的表面的定向，进而认出对于测量不利的角度。于是不将如下区域错误解释成空闲区域，所述区域基于在对象表面上完全远离传感器反射的测量信号而表现成空闲区域。所属的测量数据在融合时丢弃并且对象此外以相同的存在概率保存在环境地图中。
由此，在环境地图中改进机动车的环境的描绘，由此辅助系统能够更可靠地且更安全地工作，所述辅助系统动用环境地图
定义
传感器在下文中应表示感应器，所述感应器适合于，地点分辨地检测机动车的环境中的对象。传感器例如能够是超声波传感器、雷达传感器、红外传感器、图像检测系统（俯视图/局部图等）或激光扫描仪。
测量伪影是如下测量结果，所述测量结果仅由于使用的测量方法的特性产生。在下文中，测量伪影尤其表示根据脉冲回声法工作的传感器的测量结果，所述测量结果通过绝大部分或完全远离传感器反射、而不是向回反射的发送信号来产生，进而错误地表现成空闲区域。术语回声在此在广泛的意义上来理解并且不仅仅局限于声学信号。在雷达传感器的情况下发出的雷达脉冲的向回反射的电磁波、在LIDAR传感器的情况下反射的光脉冲例如也是本说明书的意义上的回声。LIDAR在此是英语术语“Laser detection andranging，激光探测和定位装置”的缩写。
空闲区域是机动车的环境中的如下区域，在所述区域中不存在任何对象或障碍物。例如，空的街道或空的停车位为这种空闲区域。
定向特征为与对象或对象的一部分结合的特性，所述特性描述对象的或对象的一部分的定向。例如，表面定向或表面法线能够为这种定向特征。一个对象在此能够与多个定向特征相关联。对象的表面轮廓的不同的部位或位置有利地能够分别与一个定向特征相关联。
表面轮廓是对象的轮廓线，所述轮廓线将对象与其环境限界。表面轮廓的外侧上的每个点或部段在此能够与一个表面法线相关联。这种点或部段因此是对象的一部分。
测量角度是如下角度，由传感器发出的测量信号以所述角度射到在环境中定位的对象的表面或对象的一部分上。如果测量信号例如垂直地射到表面上，那么测量角度根据定义例如为0°，而如果测量信号的传播方向平行于表面伸展，那么测量角度根据定义为90°。
从测量传感器伸展至对象表面的测量位置的向量称作为测量向量。
传感器的品质是如下值，所述值表达传感器与相同类型或不同类型的其他传感器相比的质量。例如，传感器的地点分辨率能够表达这种品质。在此，例如传感器的品质随着地点分辨能力而增大。即能够越精细地地点分辨地检测环境，关于地点分辨率的品质就越高。
变量的估计包括确定所述变量，即使不使用估计方法也如此。
表达“识别对象”应表示，针对环境中的位置或区域，根据传感器的测量数据来确定障碍物的存在或存在的存在概率。在此不重要地确定，这样识别的对象是否属于环境中的同一目标。因此首先确定对象位置。在一些实施方式中，每个这样确定的障碍物位置或对象位置理解成对象。这尤其经常地适用于如下实施方式，在所述实施方式中，将对象位置保存在细胞状的地图中。环境的一个区域在此与细胞状的地图中的一个细胞相关联。在一些实施方式中，根据使用的测量方法和使用的分析方法，根据测量值确定的对象位置然而也综合成一个对象，所述对象然后保存在地图中。在这种情况下也能够涉及细胞状的地图。对于本发明而言如下事实是不重要的，在地图中不进行与环境中的相同的真实目标相关联的不同的检测的对象位置的综合并且因此将对象位置处理成单独对象。重要的仅为，对象位置能够与定向特征相关联。如果在环境中例如存在沿着街道直线伸展并且垂直于车道表面定向的扁平的壁的形式的障碍物，那么沿着不同位置处的扩展经由渡越时间测量能够确定壁的存在，进而确定一系列对象位置。由于直线的伸展，能够将全部所述对象位置作为一个对象特征分别与相对于壁面的同一法线向量相关联。对于本发明而言不重要的是，是否在地图中将对象位置作为分别具有法线向量的形式的定向特征的单独对象来处理，或者在地图中是否保存有壁的扩展和其位置连同法线向量一起。重要的是，在如下情况下对于在其上在地图中保存有对象位置的位置能够确定定向特征：随后的测量为所述位置表明空闲区域。
在环境地图中，对象和/或对象位置通常与存在概率相关联。在简单的环境地图中，仅存在值“存在”和“不存在”，所述值例如经由数字“1”和“0”表达。其他环境地图了解分级。
传感器的测量区域称为传感器区域。测量区域是环境的如下区域，传感器的测量关于所述区域提供环境信息。
优选的实施方式
尤其地，因此实现一种用于机动车中的环境检测时改进的数据融合的方法，所述方法包括如下步骤：借助至少一个传感器来检测机动车的环境；识别由至少一个传感器检测的测量数据中的对象；融合识别的对象和其在环境地图中的对象位置，其中在环境地图中保存的对象与存在概率相关联或者是与存在概率相关联的，并且其中如果在检测时在保存的对象的位置处测量出空闲区域，那么保存的对象的存在概率降低，其中分别至少一个定向特征与在环境地图中保存的对象相关联并且保存在环境地图中，并且对于至少一个传感器的传感器区域中的测量出空闲区域的区域，在环境地图中在与所述区域一致的区域中保存的对象的存在概率根据保存的对象的至少一个相关联的定向特征降低。
此外，有利地实现一种用于执行根据上述权利要求中任一项所述的方法的设备，所述设备包括：用于检测机动车的环境的至少一个传感器；用于识别对象的对象识别装置；用于融合识别的对象和其在环境地图中的对象位置的融合装置，其中融合装置被构造为，将在环境地图中保存的对象与存在概率相关联，并且如果在检测时在保存的对象的位置处测量出空闲区域，那么保存的对象的存在概率降低；和控制装置，其中融合装置包括伪影识别装置，其中伪影识别装置被构造为，将在环境地图中保存的对象与至少一个定向特征相关联，并且对于至少一个传感器的传感器区域中的测量出空闲区域的区域，在环境地图中在与该区域一致的区域中保存的对象的存在概率根据至少一个相关联的定向特征降低。
与各个对象相关联的定向特征能够已经保存在环境地图中，所述定向特征但是也能够基于当前的测量才产生。因此，在一个有利的实施方式中规定，定向特征基于由传感器检测的测量数据来估计。这具有如下优点，即使当识别还未保存在环境地图中的新的对象时，同样能够将新的对象与用于制图的定向特征相关联。为了估计，在此能够使用不同的方法，例如图案识别方法、线性回归方法或还有统计方法。
在估计定向特征时能够有利的是，不仅考虑对象的用于估计定向的一个或一些对象位置，而且一起考虑相邻的对象位置。因此，在另一有利的实施方式中规定，在估计定向特征时一起考虑相邻的对象位置。在此，相邻的对象位置不必与相同对象相关联。即例如，即使当将标记的对象位置在地图中作为单个对象理解，也能够将相邻的对象位置考虑用于估计定向特征。环境中的表面轮廓能够由一个对象或多个并排布置的对象形成。然而，相邻的识别的对象或对象位置经常根据在同一对象的不同部位上的反射引起。表面轮廓能够根据识别的对象位置与如下内容无关地确定：识别的对象位置与对象的关联是否正确地进行，所述关联与实际对象一致。
除了为在当前检测的测量数据中识别的对象估计定向特征之外也存在如下可能性，为已经在环境地图中保存的对象估计定向特征。因此，在本发明的一个有利的实施方式中规定，附加地或替代地基于在环境地图中保存的对象分别估计至少一个定向特征，并且将所估计的定向特征分别与保存的对象相关联。这例如能够在如下情况下是有利的：在机动车中计算功率可用或否则保持不可用的时间中，对于在环境地图中保存的对象能够确定定向特征。这例如能够在定向特征的数量或地点分辨率中证实为是有利的。在询问大量计算功率的时间中，例如在借助于驻车辅助来驻车时，于是能够动用之前估计的定向特征。由此将计算功率中的瓶颈避免或保持得尽可能小。
如果存在多个传感器的测量数据，那么每个传感器的品质对于由所述传感器检测的测量数据的质量是决定性的。因此，具有较大的地点分辨率的传感器与具有较小的地点分辨率的传感器相比大多具有较高的质量。但是，质量例如也能够与当前的环境情形、例如天气相关。
因此，以光学的方式工作的传感器尽管具有可能的较高的地点分辨率在雾中与例如雷达传感器相比提供更差的结果，对于所述雷达传感器而言可忽略雾。因此，在一个尤其有利的实施方式中规定，在估计至少一个定向特征时，考虑至少一个传感器的品质。
同样有利的并且值得期望的能够是，不将单独测量采用为用于估计检测的对象的定向特征的基础，而是使用多个时间上依次跟随检测的测量。因此在一个有利的实施方式中规定，将多个为识别的和/或在环境地图中保存的对象估计的定向特征融合成一个定向特征。
如果这是不可能的，那么证实为有利的是，将对定向特征的最后的估计采用为当前有效的估计。因此在该情况下规定，对于识别的对象仅将以下定向特征保存在环境地图中，所述定向特征在时间上作为最后一个被估计。因此，尽管存在少量的测量数据，始终提供对机动车的环境的当前的描绘。
在估计定向特征时能够有利的是，将更大的、更好地描述对象的特性的关联关系一并包括在内。因此在另一有利的实施方式中规定，为每个识别的对象估计表面轮廓，并且基于估计的表面轮廓估计定向特征，其中为每个识别的对象，基于为所述对象确定的测量角度估计定向特征，能够不为所述每个识别的对象估计表面轮廓。因此始终确保，每个识别的对象与一个定向特征相关联或者是与一个定向特征相关联的，即使对于所述识别的对象仅存在非常少的测量数据也如此。
在此在如下情况下也能够改进估计的质量：不仅仅将唯一的、而是将多个测量一起考虑到估计中。因此，已经证实为有利的是，实现如下实施方式，在所述实施方式中规定，识别的对象的表面轮廓通过综合多个在时间上依次相随的测量来估计。
尤其有利的是如下实施方式：在所述实施方式中在检测机动车的环境时使用多个传感器。因此，在这种实施方式中规定，机动车的环境由至少一个另外的传感器根据另外的测量方法来检测，并且在估计定向特征时考虑所检测的测量数据。在此，在估计定向特征时同样能够再次考虑使用的传感器的品质。于是有利地也可能的是，已经借助于根据一个测量方法工作的传感器确定的定向特征，在融合借助根据另外的测量方法工作的另外的传感器检测的测量数据时予以考虑。因此，例如识别的对象的定向特征能够基于如下测量数据来确定，所述测量数据已经借助于激光扫描仪检测。如果将关于所述识别的对象的定向特征根据本发明保存在环境地图中，那么在随后的例如借助于超声波传感器的测量中，可以访问保存的定向特征。
在此证实为尤其有利的是，将由至少一个另外的传感器检测的测量数据在估计定向特征时以加权的方式考虑。作为能够在加权时考虑的参数例如能够考虑所使用的传感器的品质或检测的测量数据的时刻。
证实为尤其有利的是，定向特征是表面定向。这种表面定向尤其好地允许，估计由传感器发出的脉冲在所属的表面上的反射表现，进而认出测量伪影，所述测量伪影基于绝大部分或完全远离传感器进行的反射来形成。尤其在超声波传感器的情况下，所述问题频繁出现，但是在光学传感器、如激光扫描仪或雷达传感器的情况下，也出现所述问题。
在此优点是，能够实现如下实施方式，在所述实施方式中规定，表面特征与表面法线相关联或者是与表面法线相关联的。于是，确定所识别的对象的对于检测具有不利的定向的表面是尤其简单的。
因此，在一个尤其有利的实施方式中规定，当由测量角度和表面法线形成的角度差超过阈值时，保存的对象的存在概率在融合时不降低。因此，能够以简单的方式根据在环境地图中保存的表面法线来估计，是否出现不利的反射。作为基于超声波的测量的标准值，大约为45°的角度差的阈值证实为是有利的。对于基于激光扫描仪地检测环境，角度差的阈值更大一些，所述阈值在此为大致65°至70°。
渡越时间测量的向回反射的强度如脉冲回声测量那样除了发出的脉冲的传播方向和障碍物的表面定向之间的角度关系之外也与测量传感器和障碍物之间以及在反射之后在障碍物和测量传感器之间的信号削弱相关。甚至在定向发出的脉冲的情况下，通常发生所发出的脉冲的空间扩展，使得每反射面积的强度降低。附加地，出现另外的削弱效应，所述削弱效应通常具有与经过的路段的相关性。即射在环境中的目标上的脉冲关于强度已经削弱。在反射之后，通常脉冲的聚束特性不维持。向回反射通常在宽的角度范围中进行。这伴随着：随着距进行反射的障碍物的间距，本地要测量的强度继续降低。所检测的强度因此在几何关系否则保持不变的情况下随传感器和障碍物或对象之间的间距而降低。因为障碍物的不利的定向也引起反射的强度的降低，所以两个过程加强。因此，本发明的一个有利的实施方式规定，为角度变量、例如测量向量和表面定向之间的角度差使用的阈值根据在地图中保存的对象的位置距测量传感器的确定的间距来确定或选择。例如，用于测量向量和表面法线之间的最大角度差的阈值直至空闲区域作为在地图中的对象位置处的融合时的空闲区域来考虑，根据与间距相关的阈值函数来确定。在小的间距的情况下，角度差的阈值与在间距更大的情况下相比更大。在例如25cm的非常小的间距下，例如在超声波传感器中，发出的脉冲强度是高的，使得通常也由非常扁平的条带的对象（相对于表面法线测量的测量角度接近90°）向回反射能检测的回声脉冲。
附图说明
下面，根据优选的实施例参考附图来详细阐述本发明。在此：
图1示出用于机动车中的环境检测时改进的数据融合的设备的一个实施方式的示意图；
图2示出用于机动车中的环境检测时改进的数据融合的设备的另一实施方式的示意图；
图3示出机动车的环境的测量数据的示意图；
图4a示出机动车的环境的彼此叠加的测量数据和图3中的环境地图在较晚时刻的对应的局部的示意图；
图4b示出如在图4a中的示意图，然而仅示出机动车的环境的测量数据；
图5示出如在图3中的机动车的环境的测量数据的示意图，以阐述本发明；
图6a示出如在图5中的机动车的环境在稍晚时刻的测量数据的示意图，用于阐述本发明；
图6b示出彼此叠加的测量数据和在环境地图中保存的用于如在图6a中示出的相同情形的对象的示意图，用于阐述角度差的确定；
图6c示出用于阐述角度差的确定的示意图；
图7示出方法的示意流程图。
具体实施方式
在图1中示出在机动车50中的用于环境检测时的改进的数据融合的设备1的一个实施方式。设备1包括至少一个传感器2、对象识别装置3、融合装置4和控制装置5。控制装置5能够访问存储器6，在所述存储器中保存有具有对象、对象位置和定向特征的环境地图。融合装置4包括伪影识别装置7并且同样能够访问存储器6。可选地，设备1包括另外的传感器8、8’。
根据本发明的方法现在如下在设备1中执行。至少一个传感器2检测机动车50的环境。由至少一个传感器2检测的测量数据20然后由控制装置5转发给对象识别装置3。对象识别装置3在测量数据20中识别对象和属于所识别的对象的对象位置。同样地，对象识别装置3识别空闲区域，在所述空闲区域中不存在任何对象。对象、对象位置和空闲区域的位置作为数据30经由控制装置5转发给伪影识别装置4。伪影识别装置4随后检查，在空闲区域的位置上在环境地图中是否保存有对象。对此，伪影识别装置4执行在存储器6中的相应的询问。如果保存有对象，那么伪影识别装置4调用为所述对象保存的定向特征。例如，这种定向特征能够是识别的对象的表面法线。在调用之后，伪影识别装置4估计至少一个传感器2相对于识别的对象的测量角度，并且从所估计的测量角度和所调用的至少一个表面法线中确定角度差。如果所确定的角度差超过阈值，那么属于空闲区域的测量数据在数据融合时不一并考虑，所述阈值例如与使用的至少一个传感器相关。而识别的对象和其对象位置通过与已经保存的对象的融合保存在环境地图中。
在图2中示意性地示出设备1的另一实施方式。所述设备大部分对应于在图1中示出的实施方式。相同的附图标记在此表示相同的特征。然而，伪影识别装置4附加地包括估计装置10。
估计装置10在由控制装置5输送给伪影识别装置4的数据30中的识别的对象处执行分别关于至少一个定向特征的估计。例如，在此再次将表面法线采用为表面特征。针对每个识别的对象，估计装置10估计至少一个表面法线，例如其方式是：首先估计识别的对象的表面轮廓，并且随后为所述表面轮廓估计至少一个表面法线。通常，估计的扩展的表面轮廓在不同位置处具有不同的表面法线。对象或表面轮廓因此能够与多个表面矩相关联。关联是位置相关的。替代地或附加地，相应的表面轮廓和表面法线也能够针对在环境地图中保存的对象进行估计。所估计的表面法线然后与识别的对象相关联并且连同其一起在环境地图中结合并且在存储器6中保存。以所述方式，所述表面法线为了随后识别测量伪影能够维持并且再次调用。
图3示出在驶向停车空隙41时的机动车50的典型的环境40。视图基于以实验的方式检测的测量数据。机动车50在此接近停车空隙41并且借助于一个激光扫描仪85和多个超声波传感器82.1、82.2、82.3来检测环境40。超声波传感器82.1、82.2、82.3在此分别具有一个传感器区域83.1、83.2、83.3，所述超声波传感器当前测量所述传感器区域。与超声波传感器82.1、82.2、82.3相比，激光扫描仪85具有更大的有效范围。从环境40的由激光扫描仪85和超声波传感器82.1、82.2、82.3检测的测量数据中创建环境地图80，在所述环境地图中保存有对象81和空闲区域86。此外，也存在如下区域，所述区域已经由传感器识别为不可接近的，因为所述区域落到识别的对象的阴影中。所述区域在图3中作为轻阴影线示出。空闲区域86不含阴影线。在随后的测量中，当前测量的测量数据与已经在环境地图80中保存的测量的测量数据通过执行根据本发明的方法而融合。
在图4a中示出在稍后的时刻的相同的环境40或相同的环境地图80。在此，当前检测的测量数据和在环境地图80中保存的对象81彼此相叠地示出。机动车50在直至稍后的时刻的时间段中经历一个路段，并且在稍后的时刻直接平行地位于停车空隙41旁边。
机动车50的右前方的超声波传感器82.4现在检测一个传感器区域83.4，在所述传感器区域中存在停车的机动车51的后侧45。停车的机动车51的后侧45的表面的轮廓46部分地定向成或者具有这种表面定向66，使得由超声波传感器发出的测量信号71以非常小的锐角射到该表面上。因为由所述部分仅反射非常小的功率或根本不反射功率，所以所述区域在测量时错误地显示为空闲区域86.1。
图4b示出与图4a相同的情形，然而仅示出当前的测量数据。明显识别到由右前方的超声波传感器82.3测量的空闲区域86.1，所述空闲区域基于停车的机动车51的后侧45的在图4a中示出的轮廓46和由此引起的反射方向而形成。
图5示出与在图3中相同的在机动车50的环境40中的情形。相同的附图标记在此表示相同的目标。为了解决在图4b中描述的问题，停车的机动车51的后侧45的轮廓46在根据本发明的方法中与至少一个定向特征60相关联。在此，机动车51的识别的对象后侧45与多个定向特征相关联，所述定向特征分别构造为在轮廓46处排成行的指向不同方向的表面法线61。表面法线61例如经由分析轮廓46来估计。
在图6a中示出与在图4b中相同的情形。机动车50的右前方的超声波传感器测量出空闲区域86.1。因为测量出空闲区域86.1，现在检查，用于相同的区域的对象81是否保存在地图中。
在此检查得出：在地图中保存有对象81，所述对象属于停车的机动车51的后侧45。这示意性地在图6b中示出，在该图6b中彼此相叠地示出当前检测的测量数据和在环境地图80中保存的对象81。随后，为保存的对象关于机动车50的当前位置或右边的超声波传感器82.4在环境地图80中确定测量角度64（对此也参见图6c）或测量向量62。从环境地图80中询问针对保存的对象81的至少一个保存的定向特征60，在此为表面法线61。
从测量角度64或测量向量62和表面法线61中确定角度差63。如果角度差63超过阈值65，那么将表明在保存的对象的位置处的空闲区域的所检测的测量数据丢弃并且在将当前的数据与已经在环境地图80中保存的数据融合时不予考虑，因为所述测量数据仅基于测量伪影。与停车的机动车51的后侧45相关联的存在概率因此不改变。
图7示出用于在环境检测时的改进的数据融合的方法的示意流程图。在第一方法步骤中，借助至少一个传感器检测101机动车的环境。随后，在检测的测量数据中识别102对象。可选地，现在可以在识别的对象处分别估计103至少一个定向特征。在此尤其有利的是将至少一个表面法线作为定向特征来估计。如果在测量时仅确定环境中的个别的对象位置或者出于其他原因确定表面轮廓是不可能的，那么在一个实施方式中，为每个确定的对象位置借助于测量向量（参见图6c）估计定向特征。假设：用于确定对象位置的测量信号的反射与处于确定的位置处的对象的表面的表面法线共线性地实现。也就是说，定向特征是法线向量，所述法线向量与要由测量传感器确定的对象位置的测量向量共线性地并且反向地定向。如果估计104定向特征，那么将其与相应的识别的对象相关联105并且随后与关联一起保存106在环境地图中。在重复检测107环境中的相同区域时询问，在所测量的区域中是否已经测量出108空闲区域。如果测量出空闲区域，那么进行方法步骤109至114。在此，首先检查，对于测量出空闲区域的区域，是否在环境地图中保存有109对象。如果保存有对象，那么估计110至少一个传感器相对于保存的对象的测量角度。对于保存的对象从环境地图中调用111保存的表面法线。从测量角度和保存的表面法线中确定112角度差。随后检查115，角度差是否超过阈值。在一个实施方式中，阈值根据间距来选择。这表示，确定113识别的和在地图中保存的对象的间距，或更确切地说在地图中保存的对象位置与传感器的间距，并且随后根据确定的间距来确定114阈值。这在一些实施方式中根据查找表格进行，在所述查找表格中保存有关于间距或间距范围的阈值。在其他实施方式中，阈值借助于函数来计算，所述函数与确定的间距相关。如果角度差和阈值的比较得出：不超过阈值，那么将针对所述区域的检测的测量数据作为测量伪影丢弃116，所述测量数据在方法最后执行的数据融合117中不一起考虑。如果测量出真实的空闲区域或在检测的测量数据中识别出对象，那么将其与环境地图中的已经保存的对象和空闲区域117融合。随后，从前开始执行方法。
附图标记列表：
1 设备
2 传感器
3 对象识别装置
4 融合装置
5 控制装置
6 存储器
7 伪影识别装置
8，8’ 另外的传感器
10 估计装置
20 测量数据
30 数据
40 环境
41 停车空隙
45 后侧
46 轮廓
50 机动车
51 停车的机动车
60 定向特征
61 表面法线
62 测量向量
63 角度差
64 测量角度
65 阈值
66 表面定向
80 环境地图
81 对象
82.1 超声波传感器
82.2 超声波传感器
82.3 超声波传感器
82.4 右前方的超声波传感器
83.1 传感器区域
83.2 传感器区域
83.3 传感器区域
85 激光扫描仪
86 空闲区域
86.1 空闲区域
101-117 方法步骤

Claims (17)

1.一种用于在机动车（50）中的环境检测时改进的数据融合的方法，所述方法包括如下步骤：
a）借助至少一个传感器（2）来检测（101）所述机动车（50）的环境（40），
b）识别（102）由所述至少一个传感器（2）检测的测量数据（20）中的对象（81），
c）融合（115）识别的对象（81）和其在环境地图（80）中的对象位置，其中在所述环境地图（80）中保存的对象（81）与存在概率相关联或者是与存在概率相关联的，并且其中如果在检测时在保存的对象的位置处测量出空闲区域（86，86.1），那么保存的对象（81）的存在概率降低，
其特征在于，
分别至少一个定向特征（60）与在所述环境地图（80）中保存的对象（81）相关联并且保存在所述环境地图（80）中，并且对于在所述至少一个传感器（2）的传感器区域（83.1，83.2，83.3）中的测量出空闲区域（86，86.1）的区域，在所述环境地图（80）中的与所述区域一致的区域中保存的对象（81）的存在概率根据相关联的定向特征（60）降低。
2.根据权利要求1所述的方法，
其特征在于，
所述至少一个定向特征（60）基于由所述至少一个传感器（2）检测的测量数据（20）来估计。
3.根据权利要求2所述的方法，
其特征在于，
在估计所述至少一个定向特征（60）时，一起考虑相邻的对象位置。
4.根据权利要求1至3中任一项所述的方法，
其特征在于，
分别至少一个定向特征（60）附加地或替代地基于在所述环境地图（80）中保存的对象（81）来估计，并且所估计的定向特征（60）分别与保存的对象（81）相关联。
5.根据权利要求2至4中任一项所述的方法，
其特征在于，
在估计所述至少一个定向特征（60）时，考虑所述至少一个传感器（2）的品质。
6.根据权利要求2至5中任一项所述的方法，
其特征在于，
将多个为识别的和/或在所述环境地图（80）中保存的对象（81）估计的定向特征（60）融合成一个定向特征（60）。
7.根据权利要求2至6中任一项所述的方法，
其特征在于，
对于识别的对象（81），仅将以下定向特征（60）保存在所述环境地图（80）中，所述定向特征在时间上作为最后一个来估计。
8.根据上述权利要求中任一项所述的方法，
其特征在于，
为每个识别的对象（81）估计表面轮廓（46），并且所述至少一个定向特征（60）基于所估计的表面轮廓（46）来估计，
其中对于每个不能够为其估计表面轮廓（46）的识别的对象（81），所述定向特征（60）基于为所述对象（81）确定的测量角度（64）来估计。
9.根据权利要求8所述的方法，
其特征在于，
识别的对象（81）的表面轮廓（46）通过综合多个在时间上依次跟随的测量来估计。
10.根据权利要求2至9中任一项所述的方法，
其特征在于，
所述机动车（50）的环境（40）由至少一个另外的传感器（8，8’）根据另外的测量方法来检测，并且在估计所述至少一个定向特征（60）时考虑所检测的测量数据（20）。
11.根据权利要求10所述的方法，
其特征在于，
在估计所述至少一个定向特征（60）时以加权的方式考虑由所述至少一个另外的传感器（8，8’）检测的测量数据（20）。
12.根据上述权利要求中任一项所述的方法，
其特征在于，
所述至少一个定向特征（60）是表面定向（66）。
13.根据上述权利要求中任一项所述的方法，
其特征在于，
所述表面定向（66）与表面法线（61）相关联或者是与表面法线（61）相关联的。
14.根据权利要求13所述的方法，
其特征在于，
当由测量角度（64）和所述表面法线（61）形成的角度差（63）超过阈值（64）时，所保存的对象（81）的存在概率在融合时不降低。
15.根据权利要求14所述的方法，
其特征在于，
确定测量传感器与在所述空闲区域中的如下位置的间距：在所述位置处在所述环境地图（80）中保存有所述对象（81），并且根据确定的间距来确定所述阈值。
16.根据上述权利要求中任一项所述的方法，
其特征在于，
将识别的对象（81）与全球坐标系统的位置结合。
17.一种用于执行根据上述权利要求中任一项所述的方法的设备（1），所述设备包括：
至少一个传感器（2），用于测量机动车（50）的环境（40），
对象识别装置（3），用于识别对象（81），
融合装置（4），用于融合识别的对象（81）和其在环境地图（80）中的对象位置，其中所述融合装置（4）构造为，将在所述环境地图（80）中保存的对象（81）与存在概率相关联，并且如果在检测时在保存的对象（81）的位置处测量出空闲区域（86，86.1），那么保存的对象（81）的存在概率降低，和
控制装置（5），
其特征在于，
所述融合装置（4）包括伪影识别装置（7），
其中所述伪影识别装置（7）构造为，将在所述环境地图（80）中保存的对象（81）与定向特征（60）相关联，并且
对于所述至少一个传感器（2）的传感器区域（83.1，83.2，83.3）中的测量出空闲区域（86，86.1）的区域，在所述环境地图（80）中的与所述区域一致的区域中保存的对象（81）的存在概率根据相关联的定向特征（60）降低。
CN201680057632.9A 2015-08-03 2016-07-13 用于机动车中的环境检测时改进的数据融合的方法和设备 Active CN108140323B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102015214743.6 2015-08-03
DE102015214743.6A DE102015214743A1 (de) 2015-08-03 2015-08-03 Verfahren und Vorrichtung in einem Kraftfahrzeug zur verbesserten Datenfusionierung bei einer Umfelderfassung
PCT/EP2016/066650 WO2017021119A1 (de) 2015-08-03 2016-07-13 Verfahren und vorrichtung in einem kraftfahrzeug zur verbesserten datenfusionierung bei einer umfelderfassung

Publications (2)

Publication Number Publication Date
CN108140323A true CN108140323A (zh) 2018-06-08
CN108140323B CN108140323B (zh) 2021-05-18

Family

ID=56618119

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680057632.9A Active CN108140323B (zh) 2015-08-03 2016-07-13 用于机动车中的环境检测时改进的数据融合的方法和设备

Country Status (6)

Country Link
US (1) US11348342B2 (zh)
EP (1) EP3332400B1 (zh)
KR (1) KR102114759B1 (zh)
CN (1) CN108140323B (zh)
DE (1) DE102015214743A1 (zh)
WO (1) WO2017021119A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111046803A (zh) * 2019-12-13 2020-04-21 电子科技大学 一种基于卷积神经网络的车辆检测及着地点定位方法
CN111239725A (zh) * 2020-03-05 2020-06-05 成都运为科技有限公司 一种动态自适应多雷达信息融合方法
CN113227834A (zh) * 2019-02-06 2021-08-06 宝马股份公司 用于车辆的传感器数据融合的方法和装置

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015214743A1 (de) 2015-08-03 2017-02-09 Audi Ag Verfahren und Vorrichtung in einem Kraftfahrzeug zur verbesserten Datenfusionierung bei einer Umfelderfassung
CN107150689A (zh) * 2017-03-20 2017-09-12 深圳市保千里电子有限公司 一种汽车辅助驾驶方法及系统
CN108973995B (zh) * 2017-06-05 2020-05-22 上海汽车集团股份有限公司 用于辅助驾驶的环境感知数据处理方法、装置及车辆
US10883839B2 (en) 2018-07-31 2021-01-05 Here Global B.V. Method and system for geo-spatial matching of sensor data to stationary objects
KR102586445B1 (ko) * 2018-08-08 2023-10-06 현대자동차주식회사 주차 보조를 위한 장애물 높이 측정 시스템
DE102018215136B4 (de) * 2018-09-06 2021-03-25 Robert Bosch Gmbh Verfahren zum Auswählen eines Bildausschnitts eines Sensors
US11332124B2 (en) * 2019-01-10 2022-05-17 Magna Electronics Inc. Vehicular control system
JP7323356B2 (ja) 2019-06-28 2023-08-08 フォルシアクラリオン・エレクトロニクス株式会社 駐車支援装置及び駐車支援方法
WO2021024305A1 (ja) * 2019-08-02 2021-02-11 オムロン株式会社 レーダ装置及び移動体装置
CN114694123B (zh) * 2022-05-30 2022-09-27 阿里巴巴达摩院(杭州)科技有限公司 交通信号灯感知方法、装置、设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006061390A1 (de) * 2006-12-23 2008-07-10 Volkswagen Ag Umfelderfassungssystem und Umfelderfassungsverfahren eines Kraftfahrzeugs
WO2009002952A1 (en) * 2007-06-27 2008-12-31 Raytheon Company System and method for grouping and visualizing data
EP2078926A1 (en) * 2008-01-14 2009-07-15 Research In Motion Limited System and Method for Dynamically Downloading and Displaying Map Data
US20090228204A1 (en) * 2008-02-04 2009-09-10 Tela Atlas North America, Inc. System and method for map matching with sensor detected objects
EP2366503A2 (en) * 2010-03-16 2011-09-21 Sony Corporation Control apparatus, control method and program
DE102010030213A1 (de) * 2010-06-17 2011-12-22 Robert Bosch Gmbh Einparkhilfesystem für Querparklücken
CN103119469A (zh) * 2010-09-17 2013-05-22 威伯科有限公司 用于车辆的外部环境监测系统
JP2013101485A (ja) * 2011-11-08 2013-05-23 Toyota Motor Corp 周辺物体検出装置
CN104067141A (zh) * 2011-11-21 2014-09-24 大陆-特韦斯贸易合伙股份公司及两合公司 用于对道路交通中的物体基于通信信号进行位置确定的方法和装置以及该装置的应用
CN104508724A (zh) * 2012-07-27 2015-04-08 大众汽车有限公司 用于避免碰撞的方法和装置

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10360413A1 (de) 2003-12-19 2005-07-14 Robert Bosch Gmbh Vorrichtung zur Kalibrierung eines Bildsensorsystems
DE102004037871B4 (de) 2004-08-04 2006-10-12 Siemens Ag Optisches Modul für ein den Außenvorraum in Fahrtrichtung eines Kraftfahrzeuges erfassendes Assistenzsystem
DE102005026386A1 (de) 2005-06-02 2006-12-07 Volkswagen Ag Verfahren und Vorrichtung zum Bestimmen von Freiflächen in der Umgebung eines Fahrzeugs
JP2007333486A (ja) * 2006-06-13 2007-12-27 Denso Corp 車両用障害物検知装置
EP1906339B1 (en) * 2006-09-01 2016-01-13 Harman Becker Automotive Systems GmbH Method for recognizing an object in an image and image recognition device
US8325979B2 (en) * 2006-10-30 2012-12-04 Tomtom Global Content B.V. Method and apparatus for detecting objects from terrestrial based mobile mapping data
JP4412337B2 (ja) * 2007-03-08 2010-02-10 トヨタ自動車株式会社 周囲環境推定装置及び周囲環境推定システム
DE102007056622A1 (de) 2007-11-23 2009-05-28 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Ermittlung einer geeigneten Parklücke
KR101188588B1 (ko) 2008-03-27 2012-10-08 주식회사 만도 모노큘러 모션 스테레오 기반의 주차 공간 검출 장치 및방법
DE102009040373B4 (de) 2009-09-07 2020-03-12 Volkswagen Ag Verfahren zum Durchführen eines zumindest semi-autonomen Parkvorgangs eines Fahrzeugs und Parkassistenzsystem
DE102012214307A1 (de) * 2012-08-10 2014-02-13 Robert Bosch Gmbh Verfahren und Vorrichtung zum Modellieren eines Umfelds
CN107533801A (zh) * 2013-11-01 2018-01-02 国际智能技术公司 使用测绘车辆的地图测绘技术
DE102013018721A1 (de) * 2013-11-08 2014-06-18 Daimler Ag Verfahren zur Erkennung wenigstens einer Parklücke für einen Kraftwagen
GB2520338A (en) * 2013-11-19 2015-05-20 Nokia Corp Automatic scene parsing
WO2015149009A1 (en) * 2014-03-27 2015-10-01 Georgia Tech Research Corporation Systems and methods for identifying traffic control devices and testing the retroreflectivity of the same
DE102014111127A1 (de) * 2014-08-05 2016-02-11 Valeo Schalter Und Sensoren Gmbh Verfahren zum Erzeugen einer Umgebungskarte sowie Fahrerassistenzsystem
JP2016037149A (ja) * 2014-08-07 2016-03-22 日立オートモティブシステムズ株式会社 車両制御システム、およびこれを備えた行動計画システム
JP6441616B2 (ja) * 2014-08-29 2018-12-19 株式会社ゼンリン 位置特定装置、運転支援装置および制御プログラム
DE102014223363B4 (de) * 2014-11-17 2021-04-29 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zur Lokalisation eines Kraftfahrzeugs in einer ortsfesten Referenzkarte
DE102015214743A1 (de) 2015-08-03 2017-02-09 Audi Ag Verfahren und Vorrichtung in einem Kraftfahrzeug zur verbesserten Datenfusionierung bei einer Umfelderfassung

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006061390A1 (de) * 2006-12-23 2008-07-10 Volkswagen Ag Umfelderfassungssystem und Umfelderfassungsverfahren eines Kraftfahrzeugs
WO2009002952A1 (en) * 2007-06-27 2008-12-31 Raytheon Company System and method for grouping and visualizing data
EP2078926A1 (en) * 2008-01-14 2009-07-15 Research In Motion Limited System and Method for Dynamically Downloading and Displaying Map Data
US20090228204A1 (en) * 2008-02-04 2009-09-10 Tela Atlas North America, Inc. System and method for map matching with sensor detected objects
EP2366503A2 (en) * 2010-03-16 2011-09-21 Sony Corporation Control apparatus, control method and program
DE102010030213A1 (de) * 2010-06-17 2011-12-22 Robert Bosch Gmbh Einparkhilfesystem für Querparklücken
CN102310857A (zh) * 2010-06-17 2012-01-11 罗伯特·博世有限公司 用于横向泊车位的泊车辅助系统
CN103119469A (zh) * 2010-09-17 2013-05-22 威伯科有限公司 用于车辆的外部环境监测系统
JP2013101485A (ja) * 2011-11-08 2013-05-23 Toyota Motor Corp 周辺物体検出装置
CN104067141A (zh) * 2011-11-21 2014-09-24 大陆-特韦斯贸易合伙股份公司及两合公司 用于对道路交通中的物体基于通信信号进行位置确定的方法和装置以及该装置的应用
CN104508724A (zh) * 2012-07-27 2015-04-08 大众汽车有限公司 用于避免碰撞的方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周景磊: "视频分析技术在智能交通环境下的应用研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113227834A (zh) * 2019-02-06 2021-08-06 宝马股份公司 用于车辆的传感器数据融合的方法和装置
CN111046803A (zh) * 2019-12-13 2020-04-21 电子科技大学 一种基于卷积神经网络的车辆检测及着地点定位方法
CN111239725A (zh) * 2020-03-05 2020-06-05 成都运为科技有限公司 一种动态自适应多雷达信息融合方法
CN111239725B (zh) * 2020-03-05 2022-02-15 成都运为科技有限公司 一种动态自适应多雷达信息融合方法

Also Published As

Publication number Publication date
EP3332400B1 (de) 2024-02-14
US11348342B2 (en) 2022-05-31
EP3332400A1 (de) 2018-06-13
DE102015214743A1 (de) 2017-02-09
KR20180036772A (ko) 2018-04-09
CN108140323B (zh) 2021-05-18
WO2017021119A1 (de) 2017-02-09
KR102114759B1 (ko) 2020-05-26
US20180300563A1 (en) 2018-10-18

Similar Documents

Publication Publication Date Title
CN108140323A (zh) 用于机动车中的环境检测时改进的数据融合的方法和设备
US10481255B2 (en) Trailer dimension estimation with two dimensional radar and camera
KR101554892B1 (ko) 차량에 탑재된 센서에 의해 포착된 목표물과 차량간의 충돌을 회피하기 위한 목표물 검출 디바이스
JP6533040B2 (ja) レーダセンサ使用による対象物特定方法
JP5034911B2 (ja) 白線検出装置
US10571555B2 (en) Method for detecting a blocked state of an ultrasonic sensor of a motor vehicle, ultrasonic sensor apparatus and motor vehicle
CN106168667B (zh) 具有图像反射检测的车载雷达系统
CN109891262A (zh) 物体探测装置
US10074277B2 (en) Method for ascertaining a parking area of a street section
JP5012270B2 (ja) 物体検出装置
JP2002099906A (ja) 物体認識装置
CN108008379A (zh) 根据检测数据提供车辆环境轮廓折线的方法
CN109791196A (zh) 检测装置、检测方法以及检测程序
US20220244379A1 (en) Method and driver assistance system for classifying objects in the surroundings of a vehicle
CN111222441A (zh) 基于车路协同的点云目标检测和盲区目标检测方法及系统
CN108535709A (zh) 道路杂波抑除
CN109711423A (zh) 用于机动车的外部区域中物体的形状识别的方法及机动车
TW201818095A (zh) 車用毫米波雷達之環境辨識系統
TWI541152B (zh) Traffic safety system and its obstacle screening method
JP6940699B2 (ja) 駐車列の向きの検出
JP5790627B2 (ja) 物標検出装置
JP5783163B2 (ja) 物標検出装置
JP3399104B2 (ja) 先行車検出装置及び接近警報装置
JP6510052B2 (ja) 物体による自動車のセンサ装置の遮蔽を検出するための方法、コンピュータ装置、運転者支援システム、及び自動車
CN116209914A (zh) 基于雷达传感器的测量并通过识别干扰探测来识别车辆环境中的道路使用者的方法以及运算设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant