CN110068348B - 用于在物体的周围环境中探测界限的方法和装置 - Google Patents
用于在物体的周围环境中探测界限的方法和装置 Download PDFInfo
- Publication number
- CN110068348B CN110068348B CN201910048368.8A CN201910048368A CN110068348B CN 110068348 B CN110068348 B CN 110068348B CN 201910048368 A CN201910048368 A CN 201910048368A CN 110068348 B CN110068348 B CN 110068348B
- Authority
- CN
- China
- Prior art keywords
- region
- grid
- interest window
- occupancy
- interest
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000007704 transition Effects 0.000 claims abstract description 117
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 15
- 230000008859 change Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
-
- 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
- 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
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及用于在物体的周围环境中探测界限的方法和装置。提供在一周围环境中的界限探测。为此目的,使用占据栅格的信息,其中,占据栅格提供有关周围环境中的占据概率的信息。如果已探测出占据栅格中的未占据栅格单元和占据栅格单元之间的起始过渡点,则分析围绕起始过渡点的关注区域窗口,以便识别其他过渡点。经识别的过渡点组合成一个或多个多边形链。在关注区域内已进行界限分析后,则可分析相继的关注区域。为此目的,基于当前关注区域窗口的过渡点和/或界限信息确定相继的关注区域。
Description
技术领域
本发明涉及一种用于在一物体/对象的周围环境中探测界限的方法和装置。本发明还涉及一种先进驾驶员辅助系统,一种自动驾驶车辆和一种工业机器人系统。
背景技术
尽管原则上适用于应用未占据空间探测的任何系统,但本发明及其基本问题将在下文中结合先进驾驶员辅助系统进行描述。
诸如汽车或卡车等现代化车辆通常包括在执行驾驶操纵时可为车辆驾驶员提供支持的驾驶员辅助系统。为了执行自动驾驶操纵,必须对车辆周围环境中的未占据空间加以探测。驾驶操纵例如可以是用于将车辆导航到空停车场中、让车辆行驶在规定的车道上或超车机动操纵等车辆操纵。对所有这些操纵,务必快速、可靠地确定车辆周围的未占据空间。
然而,确定车辆周围环境中的未占据空间,尤其是识别未占据空间和被占据空间之间的界限需要很大的计算工作量并容易出错。因此,需要一种有效、可靠地确定车辆周围环境中未占据空间和被占据空间之间界限的方法。
发明内容
本发明提供了一种用于探测一物体的周围环境中的界限的方法,以及一种用于探测一物体的周围环境中的界限的装置。
因此,它提供了:
一种用于在一物体的周围环境中探测界限的方法。该方法包括提供占据栅格的步骤。该占据栅格包括多个栅格单元。每个栅格单元包括在所述物体的周围环境中的占据概率。该方法还包括以下步骤:基于占据栅格中的栅格单元的值探测占据栅格中的起始过渡点,以及在所识别的起始过渡点周围的占据栅格中分配关注区域窗口。此外,该方法还包括以下步骤:基于关注区域窗口中的栅格单元的值探测占据栅格中的其他过渡点,并将所探测到的起始过渡点和所探测到的其他过渡点组合成多个多边形链,用于指定占据栅格中的界限。
此外,它提供了:
一种用于在一物体的周围环境中探测界限的装置。该装置包括占据探测器、界限探测器和界限处理器。占据探测器配置用于提供包括多个栅格单元的占据栅格。每个栅格单元包括物体周围环境中的占据概率的值。界限探测器配置用于,基于占据栅格中的栅格单元的值探测占据栅格中的起始过渡点,在所识别的起始过渡点周围的占据栅格中分配关注区域窗口,并基于关注区域窗口中的栅格单元的值探测占据栅格中的其他过渡点。界限处理器配置用于,将所探测到的起始过渡点和探测到的其他过渡点组合成多个多边形链,用于指定占据栅格中的界限。
如上所述,在车辆周围环境中探测未占据空间,尤其是探测未占据空间和占据空间之间的界限对执行车辆的部分或全自动操纵非常重要。为此目的,本发明旨在提供对周围环境中未占据空间和占据空间之间界限的一种有效、可靠的探测。尤其是,本发明旨在基于占据栅格,提供对界限的有效、高度可靠的探测。
因此,本发明通过确定特定的关注区域窗口并分析在这类关注区域窗口中的占据栅格数据提供一种探测未占据空间和占据空间之间的界限的方法。因此,通过将针对界限探测的详细分析限定在特定的关注区域窗口,可改进占据栅格中未占据单元和占据单元之间过渡的探测。尤其是,通过将分析限定在特定的关注区域窗口,不再需要分析整个占据栅格的数据,而只需分析已识别的关注区域窗口中的数据。从而,可加速探测界定占据栅格中未占据和占据单元之间的过渡的界限,并降低计算工作量。
此外,通过连续分析多个关注区域窗口,此前已分析的关注区域窗口的信息可用于验证和证明相继的关注区域窗口中的所探测的界限。因此,对已探测的、界定占据栅格中未占据和占据栅格单元之间过渡的界限,此方法可提高该界限的可靠性。
占据栅格中的栅格单元可包括描述周围环境中一相应位置上的占据程度的概率的值。例如,栅格单元中的较高值可表示周围环境中相应位置处占据的概率较低,而栅格单元中的较低值可表示周围环境中相应位置处占据的概率较高。但是,作为替代选择或附加情况,占据栅格中的栅格单元也可包括描述周围环境中未占据位置的概率的值。在一个实例中,栅格单元中未占据位置的概率和占据概率的和可为1。但是,也可考虑占据和/或未占据位置的不确定性。在此情况下,概率的和可能不等于1,尤其是小于1。此外,还有可能无法获取栅格单元的占据程度的信息。在此情况下,可将各栅格单元的值设为特定值,或各栅格单元可包括一特定标志,用于说明相应栅格单元无可靠值。
根据关注区域窗口中的过渡,可在每个关注区域窗口中确定一个或多个多边形链。尤其是,虽然在某些情况下过渡点可组合成一个多边形链,但本发明不限于在各关注区域窗口中仅一个多边形链。此外,还可在关注区域窗口中确定多于一个多边形链,即并非关注区域窗口中的所有过渡点均组合成唯一一个多边形链。
在一可能的实施方式中,占据栅格包括栅格单元的二维表达,指定对应于物体周围环境中的一关联位置的占据概率。例如,可确定占据栅格中每个栅格单元的占据概率,并将对应于此概率的值分配至相应的栅格单元。根据此概率,可确定物体是否可能位于与相应栅格单元相对应的位置。因此,通过比较这些值,尤其是分配至各栅格单元的概率值,可识别占据栅格中未占据空间与由物体占据的空间之间可能出现过渡的位置。但应明确的是,也可采用任何其他类型的占据栅格指定周围环境中的占据程度。
在一可能的实施方式中,可基于登普斯特-谢弗(Dempster-Shafer)证据理论计算占据栅格。登普斯特-谢弗证据理论是一种非常适用于确定物体周围环境中占据情况的方法。但应明确的是,也可采用任何其他确定和界定物体周围环境中占据情况的方法。
在一可能的实施方式中,在正交于物体运动方向的方向上探测第一起始过渡点。尤其是,若要探测物体左侧的界限,则第一起始点可以指向与物体运动方向正交的左侧方向。与此相应,若要探测物体右侧的界限,则另一初始过渡点可指向物体运动方向的右侧方向。例如,为了识别预先确定的过渡,可分析占据栅格中位于与物体运动方向正交的线上的值。例如,可以在占据栅格中的值超过预定阈值或该值增加大约预定比率的位置确定起始点。但应明确的是,任何其他确定占据栅格中未占据栅格单元和占据栅格单元之间的过渡的方案也是可能的。
在一可能的实施方式中,可基于物体与关注区域窗口的中心之间的距离调整匹配关注区域窗口的尺寸。尤其是,如果关注区域窗口的一个维度几乎与物体的运动方向正交,则可根据关注区域窗口的中心点与物体之间的距离调整该维度的尺寸。此外,几乎与物体运动方向平行的维度可保持不变,或者也可根据关注区域窗口的中心与物体之间的距离对其进行调整。此外,还可对关注区域窗口采用固定的、预先确定的尺寸。但应明确的是,也可采用任何其他可能的方法来选择关注区域窗口的尺寸或至少一个维度。
在一可能的实施方式中,可基于当前关注区域窗口中的其他过渡点确定另一个关注区域窗口的中心点。此外,还可考虑关注区域窗口中的多边形链的两个最远过渡点之间的方向。尤其是,可考虑关注区域窗口的中心和该关注区域窗口或多边形链的其他过渡点的加权平均值。
在一可能的实施方式中,可基于当前关注区域窗口中的其他过渡点确定另一个关注区域窗口的取向。例如,还可考虑关注区域窗口的多边形链中的两个最远过渡点之间的方向。但应明确的是,也可采用任何其他方法来选择另一关注区域窗口的取向。通过调整匹配关注区域窗口的取向和/或关注区域窗口的中心点,即使占据栅格中未占据栅格单元和占据栅格单元之间的界限不是笔直向前的,也可以调整匹配关注区域窗口。由此,可提高界限探测的精度。
在一可能的实施方式中,另一关注区域窗口的中心点和/或取向是以当前关注区域窗口的其他过渡点和中心的加权平均值为基础的。
在一可能的实施方式中,另一关注区域窗口的中心点和/或取向是以与当前关注区域窗口中最长的多边形链相关的其他过渡点为基础的。
在一可能的实施方式中,仅在当前关注区域窗口的取向与下一关注区域窗口的预期方向的差值小于预定阈值时,才调整另一关注区域窗口的取向。通过将关注区域窗口的取向获取限定在一特定阈值,可进一步提高可靠性和准确性。尤其是,可补偿周围环境探测中的不准确或错误导致的轮廓失效(可补偿周围环境探测中的不准确或错误)。特别是,可动态地调整匹配用于限制关注区域窗口取向接收的阈值。例如,可根据此前关注区域窗口的取向变化调整匹配阈值。因此,如果相继关注区域窗口之间的取向只出现小的变化,则可例如假设界限与几乎笔直的道路相关,并且因此不会出现急弯曲线。但是,如果界限出现较大变化,则可假设相继关注区域窗口的取向可能出现较大变化。
在一可能的实施方式中,可基于相邻的关注区域窗口之间的取向偏差调整匹配关注区域窗口的长度和/或相邻的关注区域窗口之间的距离。例如,如果相邻关注区域窗口之间的取向变化大于一预定阈值,则可认为道路界限是弯曲的。在此情况下,关注区域窗口的大小/长度可被减小,或相邻关注区域窗口之间的距离可被减小。从而可提高精度。否则,如果相邻关注区域窗口的取向变化不大于预定阈值,则可认为道路界限弯曲较小,因此,关注区域窗口的大小/长度可被增加和/或相邻关注区域窗口之间的距离可被增加。
在一可能的实施方式中,只有在当前关注区域窗口不超过占据栅格的界限时,才能确定另一关注区域窗口。否则,如果当前关注区域窗口到达占据栅格的界限,则确定其他关注区域窗口可能被停止,因为占据栅格不能提供用于识别界限的其他数据。以此方式,在到达占据栅格的界限之前,可通过逐一分析每个关注区域窗口的占据栅格中的数据逐步确定界限。
在用于探测界限的装置的可能实施方式中,占据探测器可包括光学传感器、雷达传感器和/或超声波传感器。但也可使用任何其他扫描相应物体所在周围环境的适用传感器。尤其是来自多于一个传感器的数据——特别是来自多个异构传感器的数据——可用于扫描周围环境并提供占据栅格数据。
本发明还提供了一种包括用于探测界限的装置的先进驾驶员辅助系统。
此外,本发明还提供一种包括用于探测界限的装置的自动驾驶车辆。
最后,本发明提供一种包括用于探测界限的装置的工业机器人系统。
附图说明
为了更完整地理解本发明及其优点,现在结合附图进行以下描述。下面使用在附图中以示意图形式给出的示例性实施例对本发明作进一步的详细解释,其中:
图1以框图形式给出一种根据本发明所述的用于探测一界限的装置的实施方式;
图2显示一种可在一本发明所述实施方式中用于探测一界限的占据栅格;
图3显示一种可在一本发明所述实施方式中用于探测一界限的关注窗口;
图4显示一根据本发明所述用于在一关注窗口区域中探测界限的图;以及
图5以一流程图方式展示一种根据一本发明所述实施方式探测界限的方法。
附图旨在更详尽地解释本发明的实施方式。它们图解说明了实施方式,并有助于对本发明的原理和方案进行解释。鉴于附图,可使其他实施方式及许多所述优点变得更为显见。附图中的器件不一定按比例显示。
具体实施方式
图1显示用于探测一界限的装置1的一个框图。用于探测一界限的装置1包括占据探测器10、界限探测器20和界限处理器30。占据探测器10可包括光学传感器10-1、雷达传感器10-2和/或超声波传感器10-3。但应明确的是,也可使用任何其他传感器扫描周围环境并提供周围环境中与占据相关的数据。传感器10-i可扫描周围环境,并提供可被分析的传感器数据。例如,占据探测器10可接收传感器10-i的传感器数据,并处理传感器数据,以生成一占据栅格。所述占据栅格可以是例如一种二维表达,以指定占据栅格中每个栅格单元处的占据程度的概率。例如,占据栅格可以是二维矩阵,其中,每个矩阵元素表示各位置上一占据的概率值。在一可能的实施方式中,可基于登普斯特-谢弗证据理论计算占据栅格。但是,任何其他计算占据栅格概率值的方法也有效。可通过占据探测器10中内置的处理器对占据栅格进行计算。但是,也可在占据探测器10之外计算占据栅格,占据探测器10通过各接口接收占据栅格数据。占据栅格的栅格单元还可包括一种方式,使其可涉及关联周围环境中一相应位置上的一未占据位置的概率。未占据概率和占据概率的值可相互独立地加以确定。在此情况下,未占据栅格单元和占据栅格单元的概率之和可不等于1。尤其是,至少对于某些原理而言,不可能确定不可靠的概率。在此情况下,可将各栅格单元设置为一预定值,或将各相应栅格单元对应的标志设置为一特定值,以表示未确定可靠值。
基于占据栅格的栅格单元所提供数据,界限探测器20可确定过渡点,这些过渡点涉及占据栅格中未占据栅格单元位置与占据栅格中占据栅格单元位置之间的过渡。下文将更详细地说明如何确定过渡点。通常,界限探测器20首先探测占据栅格中的一起始过渡点,所述起始过渡点与占据栅格中未占据栅格单元和占据栅格单元之间过渡的首个过渡点相关。接着,基于所确定的起始过渡点指定一关注区域窗口。例如,关注区域窗口可有一预先确定的大小,其中,起始过渡点是关注区域窗口的中心点。在指定关注区域窗口后,通过分析关注区域窗口范围内占据栅格中栅格单元的值,确定关注区域窗口中的其他过渡点。与此相应,确定涉及关注区域窗口中未占据栅格单元和占据栅格单元之间过渡的多个过渡点。
基于关注区域窗口中所确定的过渡点,界限处理器30将所探测的过渡点——尤其是所探测的起始过渡点和其他过渡点——组合成一个或多个多边形链。与此相应,根据所确定过渡点的多边形链的数量界定占据栅格中未占据空间和占据空间之间的界限。
已生成用于确定关注区域窗口中未占据栅格单元和占据栅格单元之间界限的多边形链后,则可确定相继/连续关注区域窗口的另一个中心点,随后还可计算该其他关注区域窗口中多个多边形链的探测。
下面将更详细地解释用于探测界限的个性化操作。
图2显示了说明确定起始过渡点S和相关的关注区域窗口W的流程示意图。例如,占据栅格O包括用于指定车辆V所在周围环境中占据概率的栅格单元。此外,车辆V上的箭头表示车辆V的运动方向。从该场景开始,确定第一起始过渡点S。为此,可分析沿与车辆V运动方向正交的线上分布的占据栅格的栅格单元中的值。尽管图2中仅显示了对车辆V右侧方向上的分析,但应明确的是,也可对车辆V左侧方向进行相同的分析。为了确定起始过渡点S,可分析评估沿与车辆V运动方向正交的线上分布的每个栅格单元的值。例如,可将起始过渡点S确定为沿占据栅格中占据概率超过一预定阈值的线上的点。但任何其他确定过渡点的方案也有效。例如,还可分析占据栅格O中相邻栅格单元之间的比率,或执行任何其他分析来评估占据栅格和确定起始过渡点S。此外,也可分析与一未占据位置概率相关的栅格单元值。如果对至少一些栅格单元无法获取可靠的值,则可从栅格单元的已知占据值到未知/不确定占据值的过渡处确定一过渡点。
已确定起始过渡点S后,则可指定一个围绕起始过渡点S的关注区域窗口W。例如,关注区域窗口W可以是矩形。尤其是,起始过渡点S可在关注区域窗口W的中心。例如,关注区域窗口W可具有一个预先确定的大小,如一预定长度x和一预定宽度y。尤其是,可始终指定大小相同的关注区域窗口W。然而,也可对关注区域窗口W的大小进行调整匹配。例如,可根据车辆V和起始过渡点S之间的距离对宽度y进行调整匹配。与此相应,关注区域窗口W的长度x也可保持不变或进行调整匹配。例如,可根据一道路界限的特性调整关注区域窗口的大小,尤其是关注区域窗口的长度x。如果道路界限弯曲,则可将关注区域窗口W的长度x设置为一个较小值;如果道路界限几乎是直的,则可将关注区域窗口W的长度x设置为较大值。例如,可分析关注区域窗口W中多边形链的形状,并基于多边形链的分析,可相应调整匹配原始关注区域窗口W的长度x。应明确的是,任何其他调整匹配关注区域窗口W大小的方法也有效。尽管图2的示例中采用了一个矩形关注区域窗口W,但也可选择任何其他形状的关注区域窗口W。
图3显示了一个确定关注区域窗口W中的界限的示例。一旦已确定关注区域窗口W的起始过渡点S,并已相继指定了关注区域窗口W,则可进一步分析关注区域窗口W范围内占据栅格O中栅格单元的数据。尤其是,对其他过渡点T-i加以探测。其他过渡点T-i探测方法的实施可能与起始过渡点S探测方法类似。因此,可在关注区域窗口W中确定其他过渡点T-i。其他过渡点T-i的数量可以是可变的或固定的。例如,可在关注区域窗口W中识别预定数量的其他过渡点T-i。但也可根据关注区域窗口W的大小调整匹配关注区域窗口W中所需过渡点T-i的数量。此外,还可在关注区域窗口W中尽可能识别更多过渡点T-i。
关注区域窗口W中的过渡点T-i已确定后,关注区域窗口W中所探测的过渡点T-i可组合成一个或多个多边形链B。例如,过渡点T-i可连接到最近的相邻过渡点T-i。以此方式,过渡点T-i链代表关注区域窗口W中未占据空间和占据空间之间的界限。因此,可将该链B看作是确定围绕车辆V的未占据空间的界限。
若要扩展所述未占据空间界限,可指定另一个关注区域窗口。为此目的,必须确定另一关注区域窗口W的中心点,随后可基于所确定的中心点指定另一关注区域窗口。为此目的,可基于当前关注区域窗口W中的过渡点T-i确定另一关注区域窗口W的中心点。例如,可基于通过当前关注区域窗口W中的过渡点T-i形成的多边形链确定方向。尤其是,如果在当前关注区域窗口中确定了多个多边形链,可采用最长的多边形链。例如,可采用主成分分析(PCA)。但应明确的是,也可采用任何其他方法来确定通过过渡点T-i形成的多边形链B的方向。此外,还可基于关注区域窗口W中一已确定的多边形链的最远过渡点T-i、即车辆V运动方向中的第一个和最后一个过渡点T-i确定方向。应明确的是,任何其他确定下个关注区域窗口W方向的方法也有效。例如,可在物体O的运动方向确定一关注区域窗口W的下个中心点。下个中心点与一关注区域窗口W的当前中心点的距离可选择为大致等于该关注区域窗口W的长度x。以此方式,相邻关注区域窗口W彼此转向。但也可对关注区域窗口W的长度x进行调整匹配。例如,如果相继关注区域窗口W的取向变化大于一个预定阈值,则可认为界限是弯曲的。在此情况下,可减少关注区域窗口W的长度x或将其设为较小的值。否则,尤其是如果不认为界限是弯曲的,即两个相继关注区域窗口W之间的取向变化不大于一个预定阈值,则可将长度x设置为一个较大值。
此外,可根据当前关注区域窗口W中多边形链B的方向或根据当前关注区域窗口W中一多边形链的最远过渡点T-i指定的方向,来调整匹配相继关注区域窗口的取向。例如,通过多边形链B指定的方向可用作相继关注区域窗口的方向,前提是通过多边形链B指定的方向与最远过渡点T-i方向之间的偏差小于一个预定阈值。否则,如果两个方向之间的偏差超出一个预定阈值,例如30度,则表示存在高度不确定性。在此情况下,当前关注区域窗口的取向可被用作相继关注区域窗口的取向。但应明确的是,任何其他确定相继关注区域窗口取向的方法也有效。例如,可确定多边形链B内的各个边缘的取向的平均值,并将多边形链内所有取向的平均值用作相继关注区域窗口取向的基础。
在指定相继关注区域窗口后,可计算该相继关注区域窗口内的过渡点,方法与上述当前关注区域窗口W内过渡点的计算方式相同。因此,未占据空间和占据空间之间的界限可通过该相继窗口中的多边形链B延续。
可以继续确定其他关注区域窗口W中的其他中心点和多边形链,直至到达占据栅格O的界限。以此方式,从正交于车辆运动方向的位置到占据栅格的界限,可轻松确定占据栅格中未占据空间和占据空间之间的界限。如上所述,可在车辆V的左侧和右侧执行界限的确定。
图4以一示意图的方式描述了一占据栅格O中界限的确定。如图4所示,在车辆V的每一侧上确定多个中心点和关注区域窗口W。在到达占据栅格O的边界之前,执行中心点和相继地关注区域窗口W的确定。
图5以一流程图的方式显示了根据一实施方式在周围环境中探测一界限的方法。在步骤S1中提供一占据栅格,其中,所述占据栅格包括多个栅格单元。每个栅格单元可包括一车辆V所在周围环境中占据概率的值。在步骤S2中,根据占据栅格O的栅格单元的值探测占据栅格中的起始过渡点S。在步骤S3中指定了一个所识别的、围绕起始过渡点S的关注区域窗口W。在步骤S4中,探测关注区域窗口W中栅格单元之间的其他过渡点T-i。最后,在步骤S5中,所探测的起始过渡点S和其他所探测的过渡点T-i组合成多个多边形链B,以界定占据栅格O中的界限。
本发明例如可用于探测未占据空间区域,尤其是一车辆周围环境中一未占据空间和一占据空间之间的界限。该界限例如可用于先进驾驶员辅助系统。尤其是,该界限信息例如可用于车道保持。
此外,车辆周围环境中的界限信息还可用于车辆的全自动驾驶,或者至少可用于车辆的自动车道保持。但应明确的是,本发明不限于上述示例。它还可有任何其他适当的应用,例如车道保持、机动操纵或交替停车。
应明确的是,本发明不限于车辆的半自动驾驶或全自动驾驶。此外,本发明还适用于任何其他需要界限信息的应用。例如,本发明也可应用于工业机器人系统,在该系统中,机器人臂通过控制系统自动移动。
综上所述,本发明涉及在一周围环境中的界限探测。为此目的,使用一占据栅格的信息,其中,占据栅格提供有关周围环境中的占据概率的信息。如果已探测出占据栅格中一未占据栅格单元和一占据栅格单元之间的起始过渡点,则分析围绕起始过渡点的关注区域窗口,以便识别其他过渡点。经识别的过渡点组合成一个或多个多边形链。在关注区域内进行界限分析后,可分析相继的关注区域。为此目的,可基于一当前关注区域窗口的过渡点和/或界限信息确定相继关注区域。
Claims (15)
1.一种用于在一物体(V)的周围环境中探测界限的方法,包括下列步骤:
提供(S1)包括多个栅格单元的占据栅格(O),每个栅格单元包括用于在物体(V)的周围环境中的占据概率的值;
基于占据栅格(O)中的栅格单元的值探测(S2)占据栅格(O)中的起始过渡点(S),其中,在占据栅格中的未占据栅格单元和占据栅格单元之间探测所述起始过渡点(S);
在占据栅格(O)中指定(S3)围绕所识别的起始过渡点(S)的关注区域窗口(W),其中,基于物体(V)与关注区域窗口(W)的中心之间的距离调整匹配关注区域窗口(W)的大小;
基于关注区域窗口(W)中的栅格单元的值,探测(S4)占据栅格(O)中的其他过渡点(T-i),其中所述其他过渡点(T-i)涉及关注区域窗口(W)中的未占据栅格单元和占据栅格单元之间的过渡;以及
将所探测到的起始过渡点(S)与其他所探测到的过渡点(T-i)组合(S5)成用于指定占据栅格(O)中的界限的多个多边形链。
2.根据权利要求1所述的方法,其中,占据栅格(O)包括栅格单元的二维表示,其指定对应于物体的周围环境中的一相关位置的占据概率。
3.根据权利要求1或2所述的方法,其中,在与物体(V)的移动方向正交的方向上探测第一起始过渡点(S)。
4.根据权利要求1或2所述的方法,其中,基于当前关注区域窗口(W)中的其他过渡点(T-i)确定另一关注区域窗口(W)的中心点。
5.根据权利要求1或2所述的方法,其中,基于当前关注区域窗口(W)中的其他过渡点(T-i)确定另一关注区域窗口(W)的取向。
6.根据权利要求4所述的方法,其中,另一关注区域窗口(W)的中心点是以当前关注区域窗口(W)的其他过渡点(T-i)和中心的加权平均值为基础的。
7.根据权利要求5所述的方法,其中,另一关注区域窗口(W)的取向是以当前关注区域窗口(W)的其他过渡点(T-i)和中心的加权平均值为基础的。
8.根据权利要求4所述的方法,其中,另一关注区域窗口(W)的中心点是以与当前关注区域窗口(W)中最长的多边形链相关的其他过渡点(T-i)为基础的。
9.根据权利要求5所述的方法,其中,另一关注区域窗口(W)的取向是以与当前关注区域窗口(W)中最长的多边形链相关的其他过渡点(T-i)为基础的。
10.根据权利要求1或2所述的方法,其中,如果当前关注区域窗口(W)不超过占据栅格的界限,则确定另一关注区域窗口(W)。
11.一种用于在一物体(V)的周围环境中探测界限的装置(1),包括:
占据探测器(10),它配置用于提供包括多个栅格单元的占据栅格(O),每个栅格单元包括用于在物体(V)的周围环境中的占据概率的值;
界限探测器(20),它配置用于:基于占据栅格(O)中的栅格单元的值探测占据栅格(O)中的起始过渡点(S),其中,在占据栅格中的未占据栅格单元和占据栅格单元之间探测所述起始过渡点(S);在占据栅格(O)中指定围绕所识别的起始过渡点(S)的一关注区域窗口(W),其中,基于物体(V)与关注区域窗口(W)的中心之间的距离调整匹配关注区域窗口(W)的大小;并基于关注区域窗口(W)中的栅格单元的值探测占据栅格(O)中的其他过渡点(T-i),其中,所述其他过渡点(T-i)涉及关注区域窗口(W)中的未占据栅格单元和占据栅格单元之间的过渡;以及
界限处理器(30),它配置用于将所探测到的起始过渡点(S)和其他所探测到的过渡点(T-i)组合成多个多边形链,用于指定占据栅格(O)中的界限。
12.根据权利要求11所述的装置(1),其中,占据探测器(10)包括光学传感器(10-1)、雷达传感器(10-2)和/或超声波传感器(10-3)。
13.一种先进驾驶员辅助系统,包括根据权利要求11或12所述的、用于探测界限的装置(1)。
14.一种自动驾驶车辆,包括根据权利要求11或12所述的、用于探测界限的装置(1)。
15.一种工业机器人系统,包括根据权利要求11或12所述的、用于探测界限的装置(1)。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18152685.6A EP3514648B1 (en) | 2018-01-22 | 2018-01-22 | Method and apparatus for detecting a boundary in an envi-ronment of an object |
EPEP18152685 | 2018-01-22 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110068348A CN110068348A (zh) | 2019-07-30 |
CN110068348B true CN110068348B (zh) | 2024-03-29 |
Family
ID=61074303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910048368.8A Active CN110068348B (zh) | 2018-01-22 | 2019-01-18 | 用于在物体的周围环境中探测界限的方法和装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10783383B2 (zh) |
EP (1) | EP3514648B1 (zh) |
CN (1) | CN110068348B (zh) |
DE (1) | DE102018213515A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020146447A1 (en) | 2019-01-08 | 2020-07-16 | Aptiv Technologies Limited | Field theory based perception for autonomous vehicles |
US11620478B2 (en) * | 2019-02-06 | 2023-04-04 | Texas Instruments Incorporated | Semantic occupancy grid management in ADAS/autonomous driving |
GB2593215A (en) | 2020-03-20 | 2021-09-22 | Continental Automotive Romania Srl | Method for detecting a drivable space |
DE102021112349A1 (de) | 2020-05-12 | 2021-11-18 | Motional Ad Llc | Fahrzeugbetrieb unter verwendung eines dynamischen belegungsrasters |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455034A (zh) * | 2013-09-16 | 2013-12-18 | 苏州大学张家港工业技术研究院 | 一种基于最近距离向量场直方图的避障路径规划方法 |
CN103562980A (zh) * | 2011-02-09 | 2014-02-05 | 罗伯特·博世有限公司 | 用于支持机动车的驾驶员的方法 |
CN105083265A (zh) * | 2014-05-21 | 2015-11-25 | 本田技研工业株式会社 | 物体识别装置及车辆 |
CN107000753A (zh) * | 2015-03-24 | 2017-08-01 | 宝马股份公司 | 用于提供用于车辆的障碍物地图的方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8705792B2 (en) * | 2008-08-06 | 2014-04-22 | Toyota Motor Engineering & Manufacturing North America, Inc. | Object tracking using linear features |
JP5206752B2 (ja) * | 2010-08-30 | 2013-06-12 | 株式会社デンソー | 走行環境認識装置 |
JP5960506B2 (ja) * | 2012-05-25 | 2016-08-02 | 株式会社デンソー | 交差点認識装置及び道路種別認識装置 |
US10394244B2 (en) * | 2016-05-26 | 2019-08-27 | Korea University Research And Business Foundation | Method for controlling mobile robot based on Bayesian network learning |
US10324469B2 (en) * | 2017-03-28 | 2019-06-18 | Mitsubishi Electric Research Laboratories, Inc. | System and method for controlling motion of vehicle in shared environment |
EP3460516B1 (en) * | 2017-09-20 | 2020-05-27 | Aptiv Technologies Limited | A device and a method for distinguishing between traversable and non-traversable objects |
-
2018
- 2018-01-22 EP EP18152685.6A patent/EP3514648B1/en active Active
- 2018-08-10 DE DE102018213515.0A patent/DE102018213515A1/de active Pending
-
2019
- 2019-01-04 US US16/239,654 patent/US10783383B2/en active Active
- 2019-01-18 CN CN201910048368.8A patent/CN110068348B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103562980A (zh) * | 2011-02-09 | 2014-02-05 | 罗伯特·博世有限公司 | 用于支持机动车的驾驶员的方法 |
CN103455034A (zh) * | 2013-09-16 | 2013-12-18 | 苏州大学张家港工业技术研究院 | 一种基于最近距离向量场直方图的避障路径规划方法 |
CN105083265A (zh) * | 2014-05-21 | 2015-11-25 | 本田技研工业株式会社 | 物体识别装置及车辆 |
CN107000753A (zh) * | 2015-03-24 | 2017-08-01 | 宝马股份公司 | 用于提供用于车辆的障碍物地图的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110068348A (zh) | 2019-07-30 |
EP3514648A1 (en) | 2019-07-24 |
DE102018213515A1 (de) | 2019-07-25 |
EP3514648B1 (en) | 2023-09-06 |
US20190228237A1 (en) | 2019-07-25 |
US10783383B2 (en) | 2020-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110068348B (zh) | 用于在物体的周围环境中探测界限的方法和装置 | |
CN108367722B (zh) | 停车辅助方法及装置 | |
US20200049511A1 (en) | Sensor fusion | |
CN109522784B (zh) | 用于区分可越过物体与不可越过物体的装置和方法 | |
US9738278B2 (en) | Creation of an obstacle map | |
US10460603B2 (en) | Method for providing obstacle maps for vehicles | |
US9076047B2 (en) | System and method for recognizing parking space line markings for vehicle | |
EP3065087B1 (en) | Information processing apparatus, image capturing apparatus, control system applicable to moveable apparatus, information processing method, and carrier medium of program of method | |
CN111382768A (zh) | 多传感器数据融合方法和装置 | |
US10386483B2 (en) | Processing sensor measurements of a vehicle environment with low transverse resolution | |
KR102456626B1 (ko) | 자율 주행 차량의 차선 인지 방법 및 장치 | |
US20230260132A1 (en) | Detection method for detecting static objects | |
JP4052291B2 (ja) | 車両用画像処理装置 | |
JP2018048949A (ja) | 物体識別装置 | |
CN112240767A (zh) | 车辆定位识别 | |
CN111932644A (zh) | 融合占用地图的方法及系统 | |
EP3620818A1 (en) | Annotation of radar-profiles of objects | |
US9747801B2 (en) | Method and device for determining surroundings | |
US20190026569A1 (en) | Image processing device, image processing method, computer-readable recording medium, object recognition device, device control system, and movable body | |
US20210094612A1 (en) | Vehicle trajectory prediction using road topology and traffic participant object states | |
US11820427B2 (en) | Lane keeping assist system of vehicle and lane keeping method using the same | |
EP3582135A1 (en) | Method and apparatus for detecting, in an environment of an object, the presence of a location where road branches of an area within the environment converge or diverge | |
CN113810875A (zh) | 增强型基础设施 | |
EP4215943A1 (en) | Method and apparatus for tracking a polyline, advanced driver assistance system and autonomous vehicle | |
US20230182728A1 (en) | Collision determination apparatus, collision determination method, collision avoidance system |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230113 Address after: Germany Ingolstadt Applicant after: Continental Zhixing Germany Co.,Ltd. Address before: Hannover Applicant before: CONTINENTAL AUTOMOTIVE GmbH |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |