CN112041886A - 根据一周围环境传感器的测量数据识别一车辆轮廓 - Google Patents

根据一周围环境传感器的测量数据识别一车辆轮廓 Download PDF

Info

Publication number
CN112041886A
CN112041886A CN201980029192.XA CN201980029192A CN112041886A CN 112041886 A CN112041886 A CN 112041886A CN 201980029192 A CN201980029192 A CN 201980029192A CN 112041886 A CN112041886 A CN 112041886A
Authority
CN
China
Prior art keywords
vehicle
spatial points
spatial
points
polygonal chain
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.)
Pending
Application number
CN201980029192.XA
Other languages
English (en)
Inventor
M·费瑟
K·施耐德
T·布兰德迈尔
A·卡曼
R·鲁格纳
D·魏希伯格
R·瑙曼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Continental Automotive Technologies GmbH
Original Assignee
Continental Automotive GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Continental Automotive GmbH filed Critical Continental Automotive GmbH
Publication of CN112041886A publication Critical patent/CN112041886A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • 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
    • B60W40/12—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 parameters of the vehicle itself, e.g. tyre models
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/30—Conjoint control of vehicle sub-units of different type or different function including control of auxiliary equipment, e.g. air-conditioning compressors or oil pumps
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/02—Control of vehicle driving stability
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo or light sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • B60W2420/408—
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/30241—Trajectory
    • 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

Abstract

公布了一种基于一周围环境传感器的测量数据识别一车辆(12)轮廓的方法，其中，所述测量数据具有由周围环境传感器检测到目标一定数量的空间点。所述方法具有以下内容：根据空间点数量以一多边形链形式生成目标周围的包络；通过删除包络内的所有空间点减少空间点数量；从多边形链中去除与一车辆轮廓识别无关的空间点，并确定与一车辆轮廓识别相关的多边形链的空间点；根据减少的空间点数量将一个或多个边缘分类为属于一车辆的前面和侧面。在此，从多边形链去除与一车辆轮廓识别无关的空间点具有下列内容：删除包络上其连接直线(28)与多边形链(24)的相邻空间点(26)彼此成一小于或等于预定角度，尤其是2度的空间点(26)，并连接(30)与多边形链(24')中被删除空间点相连的空间点(26)。

Description

根据一周围环境传感器的测量数据识别一车辆轮廓
技术领域
本专利申请的公布涉及根据一周围环境传感器测量数据对一车辆轮廓的识别。
背景技术
在至少部分设置为自主驾驶的现代车辆中，越来越多地使用传感器和传感器系统检测其他交通参与者。尤其是摄像机、雷达传感器，有时还将激光雷达传感器用作传感器。一激光雷达传感器借助激光辐射扫描一特定的空间检测区域，并可根据检测区域中目标反射的激光辐射测定目标的空间点。由于空间点具有空间坐标，因此以下也被称为3D(三维立体)测量点。
由这类传感器生成的数据通过驾驶员辅助系统进行算法处理后，尤其用于识别一车辆行驶通道中的目标，以及避免可能与识别到目标发生的事故。通常在驾驶员辅助系统中所使用的算法设置用于，通过所谓的“矩形边框”，即在空间中一箱形或平面中一矩形的包络体标记识别到的目标，用于后续的算法处理。
例如，DE 10 2013 008 828 A1公布了一种用于根据一周围环境传感器测量数据识别一车辆轮廓的方法，其中，所述测量数据具有检测到车辆的多个轮廓点。根据轮廓点构成包围一车辆的矩形或多边形，其中，为进一步处理，确定与识别车辆轮廓相关的轮廓点。为此，针对一所形成网格图的每一行和每一列确定位于该行或该列中的轮廓点数量。例如，位于网格图左半部分且轮廓点最多的列构成描述车辆轮廓矩形的左边缘，位于网格图下半部分且轮廓点最多的行构成描述车辆轮廓矩形的下边缘。
发明内容
下面描述根据本发明所述根据一周围环境传感器测量数据识别一车辆轮廓的方法和一根据本发明所述用于车辆的安全系统。
根据一第一观点，公布的是一种根据周围环境传感器的测量数据识别车辆轮廓的方法，其中，所述测量数据具有周围环境传感器检测到目标的多个空间点。所公布方法具有以下内容：根据空间点数量以一多边形链的形式生成围绕目标的一包络；通过删除包络内所有空间点减少空间点数量；从多边形链中去除与一车辆轮廓识别无关的空间点，并确定与车辆轮廓识别相关的多边形链的空间点；根据减少的空间点数量将一个或多个边缘分类为属于一车辆的前面和侧面。上述处理尤其可作为给定顺序中的一算法步骤执行。包络例如可是一凸包或由一三次埃尔米特矩阵样条构成。通过所述方法识别的一车辆轮廓与一相对不精确的矩形边框不同，例如尽可能可靠预测一事故，控制被动安全器件情况下特别有益。例如，可根据识别到的另一车辆轮廓更精确地估计本车与另外车辆发生碰撞的可能性，并可通过尤其是避免不必要或不正确触发被动安全器件或更准确地调整设置所谓的预碰撞触发，改善被动安全器件的控制。
此外，所述方法还可具有以下内容：根据分类得到的边缘通过对车辆一中轴的估计对一车辆的完整形状加以补充。通过获取一更精确的车辆轮廓，可进一步改善轮廓的识别。
尤其是，根据空间点数量以一多边形链形式生成围绕目标的包络可在空间点数量上执行一葛立恒扫描算法。葛立恒扫描算法即使在例如可由基于激光雷达的周围环境传感器生成的相对较大数据量情况下，也可有效计算出围绕目标的包络。
从多边形链上去除与一车辆轮廓识别无关的空间点包括：删除包络上的空间点，该空间点的连接直线与多边形链的相邻空间点相互成一角度，该角度小于或等于一预定角度，尤其是2度，并在多边形链中连接与被删除空间点相连接的空间点。由此，可从多边形链中去除不表示车辆轮廓角点，因此对事故预测原则上无足轻重的空间点。
确定与一车辆轮廓识别相关的多边形链的空间点具有至少以下一项内容：如果空间点连接直线与多边形链的相邻空间点彼此大于一预定角度，尤其是20度时，则一空间点被确定为与车辆轮廓识别相关；如果连接直线与多边形链的相邻空间点彼此之间的角度之和大于该空间点和在多边形链中与之相邻多个空间点的预定角度，尤其是17.5度，则一空间点被确定为与车辆轮廓识别相关；如果连接直线与多边形链相邻空间点彼此所成角度与至少一条连接直线的长度相乘超过一预定值，尤其是超过8°m，则一空间点被确定为与车辆轮廓识别相关。这三种确定方法中的每一种都可有效测定与轮廓识别相关的空间点。
根据减少的空间点数量将一个或多个边缘分类为属于一车辆的前面和侧面，它可具有以下步骤：根据其长度对多边形链所减少空间点数量的连接直线进行排序，将两条最长的连接直线与一前面参数lf和一侧面参数ls进行比较，并确定一车辆的前面和/或侧面是否可见。
尤其是，确定一车辆前面和/或侧面是否可见包括至少以下一项内容：如果最长的连接直线长于前面参数lf，并且第二长的连接线在前面参数lf和侧面参数ls之间，则确定车辆前面和侧面是可见的；如果最长的连接线短于侧面参数ls，但长于前面参数lf，则确定只有前边是可见的；如果最长的连接线长于前面参数lf，并且第二长的连接线短于侧面参数ls，则确定只有侧面是可见的。
此外，根据经分类的边缘通过估计一车辆中轴对一车辆的完整形状加以补充可有以下步骤：通过设置一穿过一车辆经分类前面中心的直线生成一中轴，由此使该直线大致平行于车辆经分类的侧面，将经分类的车辆前面和侧面镜像反射在中轴上，并由镜像反射空间点覆盖已被镜像反射到中轴面上的空间点。
所述方法尤其可被循环执行，并可通过对车辆完整形状补充的分析评估测定车辆的一轨迹。例如，可测定多个经补充完整车辆形状一时间变化，尤其是测定经补充完整车辆形状的一车辆纵轴角度的变化，然后可基于该变化得出一车辆轨迹，例如车辆是否在驶过自身所在车辆的轨迹上行驶。然后可通过一安全辅助系统或驾驶员辅助系统尤其对一事故预测进行分析评估。
根据一第二观点，公布了一种用于一车辆的安全系统，其中，所述安全系统设置用于，执行本文所公布的方法，并根据识别到的车辆轮廓控制至少下列一种器件：至少一被动安全器件，尤其是一安全气囊，一安全带张紧装置；至少一主动安全器件，尤其是一制动辅助系统，一主动转向装置，一车辆防抱死系统，一行驶动态控制系统。
所述安全系统尤其可设置为，根据识别到的车辆轮廓估计与相关车辆发生事故的可能性，并根据该估计控制最少器件的触发。
结合附图中所示实施例，由以下说明得出其他特征。
附图说明
下列附图分别展示
图1展示具有一用于目标检测的周围环境传感器的车辆以及一与本车对向驶来的目标车辆；
图2展示一本车和一与本车对向驶来的目标车辆，以及为避免事故进行一规避操作时车辆的轨迹；
图3至图5是带有角点的多边形链示例；以及
图6展示一用所述方法识别的车辆轮廓示例。
具体实施方式
在以下说明中，相同的、功能相同的和功能相关的元素会配置相同的参考号。绝对值以下仅作为范例给出，不应理解为限制。
下面解释的实施例针对从自动驾驶到完全自主驾驶的所有步骤基本上被归类为车辆安全领域，其中，在该领域内，重点尤其是借助用于周围环境和碰撞对方检测的传感器提前触发诸如安全气囊和安全带张紧装置等被动安全器件。但总的来说，此处所述方法和系统适合所有将目标识别用作车辆安全的各类驾驶员辅助系统，例如也适用于诸如自动转向干预、制动干预以及行驶动态控制干预等可影响车辆控制，避免发生事故的主动安全系统。
当前车辆所用的驾驶员辅助系统中，主要借助雷达和摄像机传感器进行周围环境检测，例如，可使用这些传感器信息减少被动安全器件执行机构的点火阈值。但迄今为止，执行机构的激活始终在两个事故方之间首次接触的时间点t0后启动。
通过触发例如安全带张紧装置或安全气囊等保护装置和安全带回拉装置，可在t0前进一步实现事故对乘员影响程度的最小化。但是，为此必须具有关于碰撞对方尽可能多的信息。其中包括可借助所述传感器确定的速度和位置。其他相关参数只能在非常有限的范围内确定或根本无法确定，因此，未来在车辆中将使用一激光雷达传感器(或激光扫描仪)作为第三周围环境检测传感器。由于一激光雷达传感器的传感器数据可提供空间中的大量测量点或3D(三维立体)测量点，所以借助所述传感器可计算事故对方的车辆轮廓。由此，可以更高精度估计事故对方在本车上的撞击点位置以及事故对方的波及范围。下面描述一种方法，借助该方法，可将一简单的矩形边框(空间中长方体形式或平面中矩形形式的包络体)的估计值上升为一用于在预碰撞情形中识别对向驶来车辆轮廓的详细应用。
如果现今本车周围的目标由一车辆周围环境传感器检测，则这些目标的轮廓和精确尺寸将无法确定。只是在不考虑准确目标形状情况下，将矩形边框(在包围一预订数量目标或测量点的、与轴平行的尽可能小的矩形层面中)置放在各单一目标周围。以此方式，关于一识别到车辆目标的宝贵信息会被丢失，这些信息可能与触发诸如安全带张紧装置等被动安全器件的点火相关。
图1根据一识别到车辆的简化图示阐明该问题。目标车辆12处于本车10的视场(由点划线包围的圆弧段)或传感器检测区域14中。传感器检测区域14对应于本车10中用于检测车辆前方目标，即检测沿通常行驶方向目标的周围环境传感器的检测区域。作为传感器，周围环境传感器具有例如一雷达传感器、一激光雷达传感器和/或一摄像机传感器。目标车辆12被周围环境传感器检测为对向驶来的车辆，并被集成到本车10的一驾驶员辅助系统周围环境模型中。然而，这种集成不是以实际目标车辆的形式进行的，而是以一矩形边框16的形式(在图1中通过目标车辆12周围的黑色矩形16表示)实施的。与此相应，目标车辆12被存储为系统中比实际更大和更不精确的目标16。该错误显示为目标车辆12周围的黑白条纹面区域18。
如果要触发一被动安全器件，则由于目标车辆12过大尺寸的假设可能导致错误触发。由于矩形边框16和本车10之间的轮廓重叠，预测了一即将发生的碰撞，包括碰撞情形和严重性，因此被动安全器件，尤其是安全带张紧装置被激活。但实际上可能会出现完全不同的碰撞情形，从而导致完全不同的碰撞严重程度，直至驶过时完全避免事故的发生。因此，尽管两个车辆目标10和12都在预测中相遇(目标车辆12的矩形边框18与本车10重叠，但车辆10和12的真实车辆轮廓没有重叠)，但也有可能不发生碰撞。图2中示例性地阐述了这一点：本车10的轨迹20经过目标车辆22的轨迹22，从而在两个车辆10和12之间实际上不发生碰撞。然而，驾驶员辅助系统预测碰撞，因为它仅考虑目标车辆12的矩形边框16，并在预测时认为目标车辆前方与本车10的左侧挡泥板相撞。
使用这种简化的“矩形边框”方法而没有精确确定轮廓会导致错误触发，从而无法对被动安全器件的执行机构进行安全的预碰撞触发。因此，必须确保了解有关目标车辆12的精确轮廓。下面说明，在预碰撞情形下如何通过本文介绍的对向驶来车辆的轮廓识别方法解决该技术问题。
如上所述，目的是在预碰撞阶段尽可能精确地估计一要对向驶来车辆的轮廓。下面所述算法尤其通过四个前后连续的步骤完成该精确计算，这四个步骤分别为“生成目标周围一凸包”，“确定关键角点”，“分类车辆的正面和侧面”，以及最后“通过估算一中轴补充完整车辆形状”。最后的补充步骤是可选的，主要用于提高轮廓识别精度。
生成目标周围一凸包
作为凸包的基础，使用的是众所周知的葛立恒扫描算法，该算法的特征在于其运行时间短，并且效率高。该算法于1972年由数学家罗纳德·刘易斯·葛立恒(Ronald LewisGraham)提出。在此，必须先定义一个起点P0，其中，始终采用具有最小纵坐标和横坐标的点，因为在所述方法中，该点务必表示一个角点。现在，所有其他点将根据P0和x轴之间的角度以升序逆时针排序。现在测试三个点是否构成一正向三角形，并通过一行列式进行检查。如果构成一正向三角形，则该三角形的外线被规定为外包络。如果一三角形是负向的，则重新开始计算，其中，中间点被跳过。一直重复该过程，直至重新到达起点，由此全面完成凸包。最后，删除具有最低x横坐标和最高x横坐标的点之间的连接，以便仅获得也可由激光雷达看到的形状。以此方式获得的凸包对应于一多边形链，在该多边形链中，定义包络成对的空间点通过连接路径或连接直线彼此连接。
确定相关角点或关键角点
在下面的步骤中，从多边形链中构成角点，从中建立准确的车辆轮廓估计，并得出车辆纵轴(相关角点或关键角点或空间点)。由于激光雷达点云表示大量数据，但其中大部分数据未被使用，在此测量数据会被减少。一方面，凸包内的所有点被删除，另一方面，可删除其中一多边形链空间点连接路径或连接直线只有一可被忽略小角度的所有点，即删除彼此之间角度可忽略不计的所有点。
这在图3所示一通过在确定相关角点或关键角点的24前和24‘后的短多边形链的示例加以说明：图3左侧展示具有三个角点26的一多边形链24。角点的连接直线28在左角点处彼此成一20度角，在中间角点处彼此成一2度角，在右角点处彼此成一17度角。该示例中规定了2度的角度限制。这意味着，如果要连接一角点的直线彼此之间的角度大于2度，则该算法仅将角点分类为关键角点或相关角点。由此连接直线彼此成一小于或等于2度的所有角点都被删除。因此，图3所示示例中，中间角点被算法删除，并且左角点和右角点重新通过一新的直线30彼此连接，从而构成图3中右侧经变换的多边形链24'。
下面从其他测量点定义相关角点。为此目的检查所述测量点是否满足以下条件之一，尤其以降序排序为从a)到c)。如果已将一个点定义为角点，则可预先规定，它不必再满足其他条件。还应注意的是，具有最小x横坐标和最大x横坐标的两个点自动表示角点。
a)有关大角度变化
车辆结构上大角度变化与例如从灯光到挡泥板的过渡等半径的明显变化紧密相关。因此，在具有例如大于20度角度过渡的位置处生成一角点。
b)小角度相加
该重点主要在于车辆散热器格栅和灯光之间的过渡。为此，检查在一所规定长度(例如20厘米)内所有点的角度变化，并将各单一值相加。例如，如果该相加总和超过17.5度的极限值，则在该部分上定义一角点。该点的坐标是根据所有涉及点的算术平均值计算得出的。图4展示一示例：在所示多边形链24“中，三个角点32、32‘和32“的中间有一规定长度。连接这些角点的连接直线彼此所成角度为7度、5度和6度。所述角度的总和为18度，并高于上面示例性给出的极限值17.5度，从而可在要包围三个角点32、32‘、32“的多边形链24“部分上定义一角点。
c)有关线长的加权
对一车辆的侧面结构，通常仅基于先前过滤的直线间角度定义角点是不够的。因此，可能有必要在测定中也对相邻直线的长度加以考虑。为此，将角度乘以直线，随后进行加权。如果在此再度超过一极限值(例如8°m)，则将该点确定为角点。图5展示一示例：两个点34和34‘之间直线36的长度乘以连接角点34的直线所包围的角度2.5度。将由此获取的数值与一极限值进行比较；如果超出极限值，则将点34分类为角点，否则将其删除。
如果目标车辆绝对正面对向驶向本车，则可对车辆前面结构进行分类。如果目标车辆以一定角度接近本车，则可附加对车辆侧面进行分类。这在考虑被跟踪车辆的运动历史情况下进行。
车辆前面和侧面的分类
确定角点后，基于例如六到八个点对轮廓进行简化。由此，从中得出车辆前面、侧面以及前照灯。其背景是期望确定目标车辆相对于本车的定向角度。
为此，先根据所有线长度对其进行升序排序。随后，将两条最长线与两个参数，即正面的lf(例如＝1.60米)和侧面的ls(例如＝0.55米)进行比较。在此，可区分四种能明确决定车辆可见部分的情况。具体情况如下表所示。
Figure BDA0002750343850000081
借助上述步骤，可以相对较高的精度识别一车辆轮廓，尤其是一车辆前面轮廓，并在必要时作为一车辆的数字化表示，可以相对较高的精度以相对一简单矩形边框或一长方体的改进型显示方式识别车辆侧面轮廓，因为以所述方法识别的轮廓更精确地对应于实际车辆轮廓。
通过对中轴的估计补充完整的车辆形状
借助这最后步骤，可进一步改善轮廓的识别，即使车辆部分被遮挡或激光雷达传感器无法识别，也可测定一几乎完整的车辆形状或车辆轮廓。为此，先确定车辆纵轴。如果目标车辆的一部分被遮挡或周围环境传感器看不到车辆的一部分，则必须确定车辆纵轴，以获取整个车辆轮廓。为此目的，设置一条穿过识别到的前面结构中心的直线，该直线平行于可见的车辆侧面。随后，将面向本车的车辆轮廓镜象反射在中轴上。中轴另一侧上的点将被新的、被镜象反射的角点覆盖。
在一正面驶向本车的目标车辆中，也可确定车辆的纵轴，以提高覆盖估计的准确性。在此情况下，一正交线通过识别到车辆前面的中心定义纵轴。此外，根据时间通过对目标进行连续观察或通过确定目标参数的宽度和偏离角，可不断逐步提高中轴位置的精度。
所述目标车辆的背面无法由此被具体确定，只能通过连接后面的角点建立。其原因是由于激光雷达的不可见性。但是，在此不会构成问题，因为车辆背面的准确形状对事故发生无关紧要。
由此，最后构成了目标车辆的一完整轮廓估计，如图6示例性根据围绕目标车辆12的外轮廓线38所示。
同时，图6还展示相对于当今系统的巨大优势。借助新方法，目标车辆12的识别比迄今为止的方法更精确，由此，省略了用一矩形边框16估计的悬垂区域18(阴影面区域)。由区域18引起的、可能导致错误触发的不确定性已被完全消除，从而可明显提高事故预测的可靠性。由此，这种用于在一预碰撞阶段改善事故对方轮廓识别的算法可解决在(不必要触发、错误触发等)激活被动安全执行机构时的主要问题。

Claims (10)

1.根据一周围环境传感器的测量数据识别一车辆(12)轮廓的方法，其中，测量数据具有由一周围环境传感器检测到目标一定数量的空间点，其中，所述方法具有以下内容：
·根据空间点数量以多边形链的形式生成围绕目标的一包络；
·采用通过删除包络内的所有空间点，从多边形链中删除与一车辆轮廓识别无关的空间点以及确定与一车辆轮廓识别相关的多边形链的空间点的方法减少空间点；
·根据减少的空间点数量将一个或多个边缘分类为属于一车辆前面和车辆侧面；其中，
·从多边形链上去除与一车辆轮廓识别无关的空间点包括以下步骤：删除包络上其连接直线(28)与多边形链(24)的相邻空间点(26)彼此成一小于或等于预定角度，尤其是2度的空间点(26)，并连接(30)与多边形链(24')中被删除空间点相连的空间点(26)。
2.根据权利要求1所述的方法，
其特征在于，
它具有以下内容：
根据经分类的边缘估计车辆一中轴，由此对一车辆的完整形状(38)进行补充。
3.根据权利要求1或2所述的方法，
其特征在于，
根据空间点数量以多边形链形式生成围绕目标的一包络，这包括对空间点数量执行一葛立恒扫描算法。
4.根据权利要求1所述的方法，
其特征在于，
确定与一车辆轮廓识别相关的多边形链空间点具有至少以下一项内容：
·如果一空间点与多边形链相邻空间点的连接直线彼此之间的角度大于一预定角度，尤其是20度，则该空间点被确定为与车辆轮廓识别相关；
·如果连接直线与多边形链相邻空间点之间的角度之和大于多边形链中与其相邻一个和多个空间点的一预定角度，尤其是17.5度，则该空间点被确定为与车辆轮廓识别相关；
·如果连接直线与多边形链相邻空间点彼此之间的角度乘以至少一连接直线的长度超过一预定值，尤其是8°m，则一空间点被确定为与车辆轮廓识别相关。
5.根据上述权利要求中任一权利要求所述的方法，
其特征在于，
根据减少的空间点数量将一个或多个边缘分类为属于一车辆前面和车辆侧面，它具有以下步骤：
·根据其长度对多边形链减少数量后的空间点连接直线进行排序，
·将具有一前面参数lf和一侧面参数ls的两条最长连接直线加以比较，以及
·确定车辆的前面和/或侧面是否可见。
6.根据权利要求5所述的方法，
其特征在于，
确定一车辆的前面和/或侧面是否可见，具有下列内容之一：
·如果最长连接线长于前面参数lf，并且第二条最长连接线位于前面参数lf和侧面参数ls之间，则确定只有车辆前面和侧面是可见的；
·如果最长连接线短于侧面参数ls，但长于前面参数lf，则确定只有车辆前面是可见的；
·如果最长连接线长于前面参数lf，第二条最长连接线短于侧面参数ls，则确定只有车辆侧面是可见的。
7.根据权利要求5或6所述的方法，
其特征在于，
根据经分类的边缘估计车辆一中轴，由此对一车辆的完整形状进行补充，它包括下列步骤：
·通过设置一穿过一车辆经分类前面中心的直线生成一中轴，由此使该直线大致平行于车辆经分类的侧面，
·将分类后的车辆前面和侧面镜象反射到中轴上，以及
·由镜像反射空间点覆盖已被镜像反射到中轴面上的空间点。
8.根据上述权利要求中任一权利要求所述的方法，
其特征在于，
循环执行所述方法，并可通过对车辆完整形状补充的分析评估测定车辆的一轨迹。
9.用于一车辆的安全系统，其中，用于实施上述权利要求中任一权利要求所述方法，并根据识别到的车辆轮廓控制至少下列一种器件的安全系统被设计为：至少一被动安全器件，尤其是一安全气囊、一安全带张紧装置；至少一主动安全器件，尤其是一制动辅助系统、一主动转向装置、一车辆防抱死系统、一行驶动态控制系统。
10.根据权利要求9所述的安全系统，
其特征在于，
它被设计为，根据识别到的车辆轮廓估计与相关车辆发生事故的可能性，并根据该估计控制最少一器件的触发。
CN201980029192.XA 2018-05-02 2019-04-16 根据一周围环境传感器的测量数据识别一车辆轮廓 Pending CN112041886A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102018206751.1A DE102018206751A1 (de) 2018-05-02 2018-05-02 Konturerkennung eines fahrzeugs anhand von messdaten einer umfeldsensorik
DE102018206751.1 2018-05-02
PCT/DE2019/200031 WO2019210916A1 (de) 2018-05-02 2019-04-16 Konturerkennung eines fahrzeugs anhand von messdaten einer umfeldsensorik

Publications (1)

Publication Number Publication Date
CN112041886A true CN112041886A (zh) 2020-12-04

Family

ID=66429134

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980029192.XA Pending CN112041886A (zh) 2018-05-02 2019-04-16 根据一周围环境传感器的测量数据识别一车辆轮廓

Country Status (5)

Country Link
US (1) US20210046940A1 (zh)
EP (1) EP3788594B1 (zh)
CN (1) CN112041886A (zh)
DE (1) DE102018206751A1 (zh)
WO (1) WO2019210916A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210124789A (ko) * 2020-04-07 2021-10-15 현대자동차주식회사 라이다센서 기반의 객체 인식 장치 및 그 방법
DE102022210567A1 (de) 2022-10-06 2024-04-11 Zf Friedrichshafen Ag Parametrisierung einer Kollision eines Fahrzeugs

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2554273B2 (ja) * 1988-11-11 1996-11-13 本田技研工業株式会社 走行経路表示装置
US5801966A (en) * 1995-07-24 1998-09-01 Cognex Corporation Machine vision methods and articles of manufacture for determination of convex hull and convex hull angle
US7324691B2 (en) * 2003-09-24 2008-01-29 Microsoft Corporation System and method for shape recognition of hand-drawn objects
JP2009042181A (ja) * 2007-08-10 2009-02-26 Denso Corp 推定装置
CN103492903B (zh) * 2011-03-01 2015-04-01 丰田自动车株式会社 状态推定装置
CA3112113A1 (en) * 2012-03-02 2013-09-06 Leddartech Inc. System and method for multipurpose traffic detection and characterization
DE102013008828A1 (de) * 2013-05-24 2014-11-27 Volkswagen Aktiengesellschaft Verfahren zur Erstellung eines Modells eines Umfelds eines Fahrzeugs sowie entsprechend ausgestaltetes Fahrerassistenzsystem
KR20140144470A (ko) * 2013-06-11 2014-12-19 주식회사 만도 주차제어방법, 장치 및 시스템
EP3007150A1 (en) * 2014-10-07 2016-04-13 Autoliv Development AB Lane change detection
KR101549155B1 (ko) * 2014-12-18 2015-10-06 주식회사 누리공간산업 라이다 자료를 활용한 구조물의 직선경계 추출방법
JP6278920B2 (ja) * 2015-03-23 2018-02-14 三菱電機株式会社 駐車支援装置
DE102015204214A1 (de) * 2015-05-07 2016-11-10 Robert Bosch Gmbh Verfahren zur Darstellung einer Fahrzeugumgebung eines Fahrzeuges
CN104992447B (zh) * 2015-07-24 2018-02-09 安徽工业大学 一种污水运动微生物的图像自动检测方法
JP6564346B2 (ja) * 2016-05-30 2019-08-21 株式会社Ｓｏｋｅｎ 駐車支援装置及び駐車支援方法
US11161547B2 (en) * 2016-09-09 2021-11-02 Mitsubishi Electric Corporation Parking assistance device
CN106918311A (zh) * 2017-01-20 2017-07-04 山东科技大学 基于车载激光点云数据的单株树树冠投影面积自动计算方法
GB2559157A (en) * 2017-01-27 2018-08-01 Ucl Business Plc Apparatus, method and system for alignment of 3D datasets
CN110678872A (zh) * 2017-04-04 2020-01-10 罗伯特·博世有限公司 通过使用神经网络图像处理的、作为3d限界框的直接载具检测
JP2019191807A (ja) * 2018-04-23 2019-10-31 株式会社デンソーテン 異常検出装置および異常検出方法
US20200027266A1 (en) * 2018-07-17 2020-01-23 Uti Limited Partnership Building contour generation from point clouds

Also Published As

Publication number Publication date
EP3788594B1 (de) 2022-06-08
WO2019210916A1 (de) 2019-11-07
US20210046940A1 (en) 2021-02-18
DE102018206751A1 (de) 2019-11-07
EP3788594A1 (de) 2021-03-10

Similar Documents

Publication Publication Date Title
CN110232836B (zh) 物体识别装置以及车辆行驶控制系统
US20170297488A1 (en) Surround view camera system for object detection and tracking
EP1338477B1 (en) Obstacle detection device for vehicle and method thereof
US10438489B2 (en) Object detection method and apparatus
JP5892129B2 (ja) 道路形状認識方法、道路形状認識装置、プログラムおよび記録媒体
JP4420011B2 (ja) 物体検知装置
US7777669B2 (en) Object detection device
JP7088135B2 (ja) 信号表示推定システム
JP3349060B2 (ja) 車外監視装置
US10793096B2 (en) Vehicle control device with object detection
EP3581451A1 (en) Lane keeping assist system and method for improving safety in preceding vehicle follower longitudinal control
US11338801B2 (en) Collision avoidance device
JP5098563B2 (ja) 物体検出装置
JP7054327B2 (ja) 走行支援装置
CN111341148A (zh) 用于处理多重反射信号的机动车的控制系统以及控制方法
CN112041886A (zh) 根据一周围环境传感器的测量数据识别一车辆轮廓
US11420624B2 (en) Vehicle control apparatus and vehicle control method
CN108885833B (zh) 车辆检知装置
EP4024330B1 (en) Object recognition method and object recognition device
US20050004719A1 (en) Device and method for determining the position of objects in the surroundings of a motor vehicle
CN111591242A (zh) 确定头部定向/定位的方法、控制器和计算机程序产品
EP4060643B1 (en) Traffic signal recognition method and traffic signal recognition device
US20220366702A1 (en) Object detection device
EP3540643A1 (en) Image processing apparatus and image processing method
EP3683718A1 (en) Driver assistance system and method for a motor vehicle

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
TA01 Transfer of patent application right

Effective date of registration: 20230111

Address after: Hannover

Applicant after: Continental Automotive Technology Co.,Ltd.

Address before: 9 Valen Ward street, Hannover, Germany

Applicant before: CONTINENTAL AUTOMOTIVE GmbH