CN113178097B - 建立包括静态目标和动态目标的未占用空间概率地图的方法 - Google Patents

建立包括静态目标和动态目标的未占用空间概率地图的方法 Download PDF

Info

Publication number
CN113178097B
CN113178097B CN202110013386.XA CN202110013386A CN113178097B CN 113178097 B CN113178097 B CN 113178097B CN 202110013386 A CN202110013386 A CN 202110013386A CN 113178097 B CN113178097 B CN 113178097B
Authority
CN
China
Prior art keywords
unoccupied space
map
trajectory
static
dynamic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110013386.XA
Other languages
English (en)
Other versions
CN113178097A (zh
Inventor
F·埃德林
M·卢克斯
H·斯图宾
G·朱金斯
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 Zhixing Germany Co ltd
Original Assignee
Continental Zhixing Germany Co ltd
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 Zhixing Germany Co ltd filed Critical Continental Zhixing Germany Co ltd
Publication of CN113178097A publication Critical patent/CN113178097A/zh
Application granted granted Critical
Publication of CN113178097B publication Critical patent/CN113178097B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • 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
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • 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
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00272—Planning or execution of driving tasks using trajectory prediction for other traffic participants relying on extrapolation of current movement
    • 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
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00274—Planning or execution of driving tasks using trajectory prediction for other traffic participants considering possible movement changes
    • 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
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00276—Planning or execution of driving tasks using trajectory prediction for other traffic participants for two or more other traffic participants
    • 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
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • 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
    • B60W2554/20—Static objects
    • 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
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • 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
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • 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
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4049—Relationship among other objects, e.g. converging dynamic objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Instructional Devices (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明涉及建立包含静态目标和动态目标的未占用空间概率地图的方法，包括：从现有周围环境模型中调用静态目标以及感知区域多边形；收集动态目标预测到的轨迹；在第一未占用空间地图中对静态目标、感知区域多边形和预测得到的轨迹进行合并；确定最大预测时间；确定预测时间步长；确定当前预测时间并将该当前预测时间设置为数值0，以确定所规定预测时间段的起点；在静态目标和动态目标周围确定置信区域；在至少一个静态目标或动态目标周围确定至少一个不确定区域；为当前预测时间生成一份第一未占用空间概率地图；为至少一预测时间步长生成至少另一未占用空间地图；对所生成的未占用空间地图进行分析评估。

Description

建立包括静态目标和动态目标的未占用空间概率地图的方法
技术领域
本发明涉及一种建立包括静态目标和动态目标并与基于概率的驾驶功能反应相结合的未占用空间概率地图的方法。
背景技术
从现有技术中已知例如所谓的交通拥堵辅助系统，它是以自适应巡航控制系统(ACC)和车道保持辅助系统的组合为基础的。此外，目前还在引入所谓的变道辅助系统，该系统必须由驾驶员主动触发或启动。对交通和线路信息(目标)的反应可通过测量与目标的相对距离并(例如通过ACC、车道保持辅助系统)控制该距离来实现，或通过建立包含有关网格单元占用概率信息的网格图(例如用于自动泊车的登姆普斯特—谢弗(Dampster-Shafer)网格图)来实现。
当前的解决方案(占用网格或相对于本车的目标清单)仅提供有关未占用空间当前状态的信息。特定区域(例如网格单元)可被标记为“测量为未占用”/“测量为占用”或“尚未被测量”。但是，当前地图不包含有关根据其他交通参与者的行为，一空间将来未占用或被占用的预测信息。如果要规划驾驶策略，以实现安全、舒适和高效驾驶的目标，则必须知道，将来进入到某一特定区域是否明智。
发明内容
因此，本发明的任务是提供一种有助于实现改进型未占用空间地图并克服现有技术缺点的方法。
该任务通过独立权利要求1的主题解决。其他有益的设计方案是从属权利要求的主题。
本发明的原则目标是，怎样处理周围环境检测和交通参与者预测中的不确定性。自主驾驶情况下，周围环境检测时，周围环境模型中始终会留有不确定区域。对后续驾驶功能的问题在于，驾驶员不想要例如具有不良预测的系统行为那样的紧急干预，而希望舒缓地提前做出反应：这方面的示例性场景是，如果识别到突然闯入的交通参与者，则会导致紧急制动的触发。在此，驾驶员更希望系统执行柔和减速或提前变道，因为驾驶员例如提前数秒就已预知交通参与者可能会闯入。
本发明的目的是，如果只能采取紧急干预，则提前、舒适地对“不确定区域”做出反应，而不是在几秒钟后采取措施。驾驶员宁可接受以后发现是不必要的舒适反应(例如不对行驶加以制动的略微减速，以便在没发生交通参与者闯入情况下也能规避交通参与者的闯入)，而不希望因不良预测交通参与者闯入而采取的紧急制动。
但是，具有较低存在概率的目标不允许被简单地忽略，因为在极少数对安全至关重要的情况下，必须做出紧急响应。
本发明的基本想法是：可通过建立未占用空间概率地图避免上述这些问题，该未占用空间概率地图还包含有关预测中的不确定性和预测行为的信息。
因此，根据本发明所述，用于建立包括静态目标和动态目标的未占用空间概率地图的方法具有以下步骤：
-从现有周围环境模型中调用静态目标和感知区域多边形；
-收集预测到的动态目标轨迹；
-在地图中合并静态目标、感知区域多边形和预测到的轨迹；
-确定最大预测时间；
-确定预测时间步长；
-确定当前预测时间并将该当前预测时间设置为数值0，以确定所规定预测时间段的起点；
-确定静态目标和动态目标周围的置信度范围；
-确定至少一个静态目标或动态目标周围的至少一个不确定区域；
-为当前预测时间生成第一未占用空间概率地图；
-为至少一个预测时间步长生成至少一个另外的未占用空间地图；
-对所生成的未占用空间地图进行分析评估
在此所使用的周围环境模型例如是借助由例如雷达传感器和摄像机传感器等至少两个周围环境检测传感器的当前传感器数据的传感器数据融合生成的。至于静态目标，它也可是所存储的周围环境模型，例如语义网格图，其中，相应数据基于本车的自身定位可借助全球定位系统(GPS)和/或地标识别调用。如果使用所存储的周围环境模型，则以预定周期对该模型进行定期更新是有益的，由此能可靠顾及静态目标的任何更改。
根据本发明所述，感知区域多边形描述的是围绕本车的多边形，并表示当前的360度视野。该多边形的影响参数一方面是传感器的作用范围，另一方面是车道(弯道、坡顶等)的几何形状。
如果在本车的周围环境中检测到动态目标或其他交通参与者，则针对每个动态目标预测一个或多个轨迹。各相应轨迹例如基于运动方向、速度和/或加速度等预测。
然后，将上述数据输入到公用地图中作为其他方法步骤的基础。
此外，确定最大预测时间，截至该时间可对动态目标或其他交通参与者的最多可能轨迹进行预测。此外，还确定预测时间步长。因为由此确定了更新预测的间隔时间，所以是有益的。因此，例如最大预测时间可是10秒，并且例如可每0.5秒执行每个预测步骤。
要开始预测，首先确定当前预测时间，并将其数值设置为0。从该时间点起，以预先设置的预测时间步长一直执行预测，直至达到最大预测时间。在此，从当前预测时间开始，为每个预测时间步长建立未占用空间概率地图。每个预测时间步长被添加到当前预测时间，直至达到最大预测时间。此外，还针对当前预测时间确定静态目标和动态目标周围的置信区域。在此，所述置信区域描述了每个网格单元具有被视为由相应目标所占用区域的一定概率。此外，在至少一个动态目标周围确定至少一个不确定区域。但可设想为多个动态目标各确定至少一个不确定区域。
在此，该不确定区域描述的是可潜在通过动态目标将来会移动到该区域中而被占用的区域。此外，对未占用空间概率地图进行分析评估。为能相应调整适配必要的后续驾驶功能，这样做是有益的。
为执行预测，例如可使用贝叶斯网络。作为计算动态目标或一交通参与者特定轨迹概率的输入参数，可对例如周围环境中静态目标和动态目标的存在、相应交通参与者的速度、加速度、运动方向以及道路走向加以考虑。此外，也可对诸如天气等环境因素加以考虑。
在一特别优选的实施方式中，针对每个预测时间步长生成未占用空间地图，直至达到最大预测时间为止。由于周围环境会随预测时间步长的变化而变化，所以这样做是有益的。以此方式可确保检测到所有潜在变化。
在一特别优选的实施方式中，基于现有周围环境模型和动态目标的轨迹预测确定至少一个不确定区域。
在另一优选的设计方案中，至少一个不确定区域沿着动态目标的至少一个预测轨迹加以扩展。特别优选的是，不确定区域的扩展方式是，在最大预测时间，所有可能的预测轨迹至少部分被不确定区域所覆盖。由于预测总因考虑不确定区域而有一定的不确定性，所以这样做是有益的。
特别优选的是，在每个时间步长中对不确定区域进行调整适配。随着预测时间的增加，不确定性区域变大，因为不确定性沿预测到的轨迹增加。例如，如果车辆接近前方行驶车辆时，不确定性增加，因为车辆变道的概率随时间的增加和距离的减小而增大。但是，车辆也会制动，从而导致预测中的不确定性。
进一步优选的是，在分析评估未占用空间概率地图后，针对整个时间范围规划本车的轨迹，该轨迹针对舒适性、性能和安全性方面进行了优化。由此，在有高不确定性情况下，本车可以有益的方式提前实施车辆变道，以防止在稍后的时间点突然进行制动或转向干预。为此，例如可为不确定性确定阈值。如果超越该阈值，则实施预防性驾驶操作。作为替代选择，可在优化的成本函数中直接使用不确定区域的占用概率。取代车辆变道，也可考虑将本车减速作为预防措施。
特别优选的是，通过成本函数优化本车的至少一个驾驶功能和/或轨迹。借助成本函数，例如可鉴于达到一目标速度、一纵向加速度和纵向变加速度/急动度、一横向加速度和横向变加速度/急动度、与其他交通参与者的安全距离、其他交通参与者的必要反应(例如强力制动)以及鉴于驶过未来被其他交通参与者占用区域的概率或以后不舒适干预的概率对本车的轨迹进行优化。作为替代选择或附加措施，可想象的还有鉴于车道导引的准确性以及鉴于车辆轨迹切线角/行进方向角与车道中心轨迹切线角/行进方向角的偏差进行优化。
在另一特别优选的实施方式中，还包括将感知区域多边形用于轨迹优化。例如，有益的是在高速公路上左转弯处不一直行驶到车道的左边缘，车道边缘是传感器系统无法充分前瞻性查看的。如果在车道边缘突然出现例如丢失的轮胎部件，则只能通过紧急操作规避碰撞。此外，在被动态目标遮挡的情况下进行的分析评估会有差异：在车辆后方跟踪行驶时，车辆前方的区域可能会被遮挡，但可假设，仍然有可继续行驶数秒钟的未占用空间，因为恰好有另一目标在该轨迹曲线上运动。
可想象的是，在世界坐标中输出预测轨迹的方向、加速度和速度。也可考虑将坐标转换为通用坐标系。由此可优选将坐标以交通路线坐标形式输出。
特别优选的是，基于存在概率、目标的位置方差和速度矢量以及速度矢量和加速度矢量的数值确定置信区域。由此，不仅可为静态目标，还可为动态目标建立置信区域，因为还考虑到了速度和加速度的影响。
在另一优选实施方式中，基于轨迹的概率、目标(V1到V7)预测到的各单一轨迹点的位置、速度和加速度数值和方差确定不确定区域。
此外，在分析评估未占用空间地图前，优选在未占用空间地图中，将具有相同占用概率的网格单元合并到分别借助相应多边形链彼此分隔的区域。在此，所述占用概率不必是固定值，更多的是指概率区域。由此，区域例如可包括占用概率大于90％的所有网格单元。以此方式，例如也可考虑交通参与者周围的置信区域。由于区域中合并只需较少的分析评估计算能力，所以网格单元的合并是有益的。
附图说明
从附图中得出其他设计方案和实施方式。其中：
图1是根据本发明的一个实施方式的未占用空间地图的示意图；
图2是根据本发明的一个实施方式的经扩展的未占用空间地图的示意图；
图3是根据本发明的个实施方式的经扩展的未占用空间地图的另一示意图；
图4是根据本发明的一个实施方式的经扩展的未占用空间地图的另一示意图；
图5是根据本发明另一实施方式的经扩展的未占用空间地图的另一示意图；
图6是本发明实施方式的流程示意图。
具体实施方式
图1展示根据本发明一实施方式的未占用空间地图示意图。在该图中，本车1与若干交通参与者V1到V7一起在有3个车道F1到F3的道路上运动。在该时间点，本车1沿着当前的轨迹Ta运动。除了交通参与者V1到V7外，还分别展示了例如护栏等车道界限3以及其他静态目标2a、2b。针对V1到V7每个交通参与者至少预测两个轨迹T1、T2。在此，T1说明具有最高概率的轨迹。轨迹T2说明另一具有较低概率的可能轨迹。在此，T1用实线箭头表示，轨迹T2用虚线箭头表示。为了清楚起见，分别仅标记了一个轨迹T1、T2，而没有标记所有交通参与者V1到V7的所有轨迹T1、T2。此外，展示了一个感知区域多边形WP。在本发明的意义上，该感知区域多边形WP说明了本车1周围的一360度视图。在此，静态目标2a、2b、3以及感知区域多边形WP例如可从周围环境模型中调用。
图2中展示的是根据本发明的一个实施方式的经扩展的未占用空间地图示意图。在此处所示图中，已在静态目标2a、2b和3以及动态目标或交通参与者V1到V7周围确定了置信区域K。在该示意图中，为每个静态目标2a、2b、3以及每个交通参与者V1到V7假设一个矩形置信区域K，从而在该图中有若干置信区域彼此交错重叠。这些置信区域在未占用空间地图中视为已被占用。此外，在此沿交通参与者V1的可能轨迹T1、T2确定不确定区域U。该不确定区域U可分别根据交通参与者V1的行为被占用或保持未占用状态。在这种相互关系中，可考虑的是，作为替代选择或附加措施，为V2到V7的其他交通参与者至少确定另一不确定区域U。图2中展示例如对应于第一预测时间步长的时间点。在此，所述不确定区域U仅略微延伸到本车1的车道F2上。由于还没有充分的驾驶操作需求，因此，本车1可能的未来轨迹Te1继续对应于当前的行驶轨迹Ta。
图3展示根据本发明的实施方式的经扩展的未占用空间地图的另一示意图。图3的内容与图2相对应。然而，该图涉及随后的预测时间步长，所以其不确定区域U大于图2中相应区域。其原因是，随着时间的增加，V1例如越驶近V2，车辆变道的概率越高，但不能100％地假设，因为V1也会制动。因此，不确定区域U被扩大。同时，除了沿当前所行驶方向的先前轨迹Te1外，本车1还计划另一可能的轨迹Te2。该另外的轨迹Te2与车道F3上的车辆变道相对应。
图4展示根据本发明的一个实施方式的经扩展的未占用空间地图的另一示意图。在此，该图也与图2、图3和图4相对应。图4说明一比图3更晚的预测时间步长。因此，与图2和图3相比，不确定区域U被重新放大，并已在本车1的车道F2的整个车道宽度上延伸。在此所计划的本车1的潜在轨迹Te2预先规定了车辆变道，以便在潜在的V1车辆变道前进行规避。由此，可及时实施柔和的驾驶操作，并不会出现对本车1驾驶员而言不舒适的转向或制动干预。
图5展示根据本发明的另一实施方式的经扩展的未占用空间地图的另一示意图。在该图中，具有相同占用概率B的网格单元已被合并到相应的区域4中。这些区域4分别由多边形链P分隔。如图所示，有其中占用概率B小于0.1％的区域4，占用概率B小于10％的区域4，占用概率B大于50％的区域以及占用概率B大于90％的区域4。具有90％占用概率的区域4例如可由其中已检测到交通参与者的网格以及交通参与者周围的置信区域K构成。此外，还展示了这些区域4中多个交错重叠的不确定区域U。
图6展示本发明的实施方式的流程示意图。在步骤S1中，从现有周围环境模型中调用静态目标2a、2b、3以及感知区域多边形WP。在步骤S2中，收集动态目标V1到V7经预测的轨迹T1、T2。在随后的步骤S3中，将静态目标2a、2b、3、感知区域多边形WP和经预测的轨迹T1、T2在第一未占用空间地图中加以合并。在步骤S4中，确定最大预测时间，并在也可同时与S4并行的步骤S5中，确定相应的预测时间步长。此后，在步骤S6中，确定当前预测时间，并将当前预测时间的数值设置为0，以便确定所确定预测时间段的起始。在步骤S7中，围绕静态目标2a、2b、3和动态目标V1到V7确定置信区域K。此外，在步骤S8中，在至少一个静态目标2a、2b、3或动态目标V1到V7的周围确定至少一个不确定区域U。在步骤S9中，生成当前预测时间的第一未占用空间概率地图。在步骤S10中，为预测时间步长建立至少另一份未占用空间地图。一直重复该步骤S10，直至达到最大预测时间为止。在下一步骤S11中，对所生成的未占用空间地图，尤其是在最大预测时间这一时间点的未占用空间地图进行分析评估。
附图标记列表
1 本车
2a、2b 静态目标
3 车道界限
4 区域
B 占用概率
F1-F3 车道
K 置信度区域
P 多边形链
S1-S11 方法步骤
Ta 当前的本车轨迹
Te1、Te2 作为替代选择的潜在本车轨迹
T1、T2 动态目标的潜在轨迹
U 不确定区域
V1-V7 动态目标/交通参与者
WP 感知区域多边形

Claims (11)

1.建立包含静态目标(2a、2b、3)和动态目标(V1到V7)的未占用空间概率地图的方法，所述未占用空间概率地图包括具有占用概率的多个网格单元，所述方法包括下列步骤：
-从现有周围环境模型中调用(S1)静态目标(2a、2b、3)以及感知区域多边形(WP)；
-收集(S2)动态目标(V1到V7)的预测到的轨迹(T1、T2)；
-在第一未占用空间地图中对静态目标(2a、2b、3)、感知区域多边形(WP)和预测到的轨迹(T1、T2)进行合并(S3)；
-确定(S4)最大预测时间；
-确定(S5)预测时间步长；
-确定(S6)当前预测时间并将该当前预测时间设置为数值0，以对确定的预测时间段的起点进行确定；
-在静态目标(2a、2b、3)和动态目标(V1到V7)周围确定(S7)置信区域(K)；
-在至少一个静态目标(2a、2b、3)或动态目标(V1到V7)周围确定(S8)至少一个不确定区域(U)；
-为当前预测时间生成(S9)第一未占用空间概率地图；
-为至少一个预测时间步长生成(S10)至少另外的未占用空间地图；
-对所生成的未占用空间地图进行分析评估(S11)。
2.根据权利要求1所述的方法，
其特征在于，
为每个预测时间步长生成未占用空间地图，直至达到最大预测时间。
3.根据权利要求1所述的方法，
其特征在于，
基于现有周围环境模型和动态目标(V1到V7)的轨迹预测确定至少一个不确定区域(U)。
4.根据权利要求1到3中任一权利要求所述的方法，
其特征在于，
至少一个不确定区域(U)沿动态目标(V1到V7)的至少一个预测到的轨迹(T1、T2)进行扩展。
5.根据权利要求1到3中任一权利要求所述的方法，
其特征在于，
在每个时间步长中对不确定区域(U)进行调整适配。
6.根据权利要求1到3中任一权利要求所述的方法，
其特征在于，
在对整个时间范围的未占用空间概率地图进行分析评估后，至少要对一种驾驶功能进行调整适配和/或规划优化舒适性、性能和安全性的本车(1)轨迹(Te1、Te2)。
7.根据权利要求1到3中任一权利要求所述的方法，
其特征在于，
对本车(1)的轨迹(Te1、Te2)的规划也要对感知区域多边形(WP)加以考虑。
8.根据权利要求6所述的方法，
其特征在于，
通过成本函数对本车(1)的至少一个驾驶功能和/或轨迹(Te1、Te2)进行优化。
9.根据权利要求1到3中任一权利要求所述的方法，
其特征在于，
基于存在概率、目标(2a、2b、3、V1到V7)的位置方差和速度矢量以及速度矢量值和加速度矢量值确定置信区域(K)。
10.根据权利要求1到3中任一权利要求所述的方法，
其特征在于，
基于轨迹的概率、预测到的目标(V1到V7)各个轨迹点的位置、速度和加速度的数值和方差确定不确定区域。
11.根据权利要求1所述的方法，
其特征在于，
在分析评估未占用空间地图前，在未占用空间地图中将具有相同占用概率的网格单元合并到借助一多边形链彼此分隔的区域。
CN202110013386.XA 2020-01-09 2021-01-06 建立包括静态目标和动态目标的未占用空间概率地图的方法 Active CN113178097B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102020200183.9A DE102020200183A1 (de) 2020-01-09 2020-01-09 Verfahren zum Erstellen einer probabilistischen Freiraumkarte mit statischen und dynamischen Objekten
DE102020200183.9 2020-01-09

Publications (2)

Publication Number Publication Date
CN113178097A CN113178097A (zh) 2021-07-27
CN113178097B true CN113178097B (zh) 2023-03-14

Family

ID=74103821

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110013386.XA Active CN113178097B (zh) 2020-01-09 2021-01-06 建立包括静态目标和动态目标的未占用空间概率地图的方法

Country Status (6)

Country Link
US (1) US11820404B2 (zh)
EP (1) EP3848266A1 (zh)
JP (1) JP2021111366A (zh)
CN (1) CN113178097B (zh)
DE (1) DE102020200183A1 (zh)
SG (1) SG10202100162WA (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113936481B (zh) * 2021-12-02 2022-07-26 公安部交通管理科学研究所 一种信号控制交叉口的空间利用状况评价方法
DE102021214977A1 (de) 2021-12-23 2023-06-29 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Betreiben eines automatisierten Fahrzeugs an einer Verkehrskreuzung
US20230202516A1 (en) * 2021-12-29 2023-06-29 Baidu Usa Llc Planning under prediction with confidence region for an autonomous driving vehicle
EP4276791A1 (en) * 2022-05-09 2023-11-15 Zenseact AB Prediction of near-future behavior of road users
DE102022002253B3 (de) 2022-06-21 2023-08-24 Mercedes-Benz Group AG Verfahren zur Planung einer Solltrajektorie für ein automatisiert fahrendes Fahrzeug
CN115731708B (zh) * 2022-11-15 2023-10-17 东南大学 一种基于贝叶斯理论的实时车辆轨迹换道点监测方法
DE102022132345A1 (de) 2022-12-06 2024-06-06 Connaught Electronics Ltd. Objektmodellierung auf der Basis einer Belegungsgitterkarte
CN116541727B (zh) * 2023-07-07 2023-09-12 中国兵工物资集团有限公司 一种轨迹相似度计算方法和系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017138660A (ja) * 2016-02-01 2017-08-10 トヨタ自動車株式会社 物体検出方法、物体検出装置、およびプログラム
WO2018078413A1 (en) * 2016-10-31 2018-05-03 Toyota Motor Europe Driving assistance method and system
WO2018175441A1 (en) * 2017-03-20 2018-09-27 Mobileye Vision Technologies Ltd. Navigation by augmented path prediction
WO2019136479A1 (en) * 2018-01-08 2019-07-11 The Regents On The University Of California Surround vehicle tracking and motion prediction
CN110214264A (zh) * 2016-12-23 2019-09-06 御眼视觉技术有限公司 具有施加的责任约束的导航系统
WO2019232355A1 (en) * 2018-05-31 2019-12-05 TuSimple System and method for proximate vehicle intention prediction for autonomous vehicles

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6590507B2 (en) * 2001-03-05 2003-07-08 Hrl Laboratories, Llc Method and system for providing personalized traffic alerts
US8024112B2 (en) * 2005-09-29 2011-09-20 Microsoft Corporation Methods for predicting destinations from partial trajectories employing open-and closed-world modeling methods
DE102006060893A1 (de) * 2006-05-12 2007-11-15 Adc Automotive Distance Control Systems Gmbh Vorrichtung und Verfahren zum Bestimmen eines Freiraums vor einem Fahrzeug
EP2562060B1 (en) * 2011-08-22 2014-10-01 Honda Research Institute Europe GmbH A method and system for predicting movement behavior of a target traffic object
GB201211614D0 (en) * 2012-06-29 2012-08-15 Tomtom Dev Germany Gmbh Generating alternative routes
EP2950294B1 (en) * 2014-05-30 2019-05-08 Honda Research Institute Europe GmbH Method and vehicle with an advanced driver assistance system for risk-based traffic scene analysis
DE102014212478A1 (de) * 2014-06-27 2015-12-31 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Erstellung eines Umfeldmodells eines Fahrzeugs
EP3885217A1 (en) * 2015-02-10 2021-09-29 Mobileye Vision Technologies Ltd. Sparse map for autonomous vehicle navigation
US10585409B2 (en) * 2016-09-08 2020-03-10 Mentor Graphics Corporation Vehicle localization with map-matched sensor measurements
US10794711B2 (en) * 2016-12-30 2020-10-06 DeepMap Inc. High definition map updates based on sensor data collected by autonomous vehicles
US10309777B2 (en) * 2016-12-30 2019-06-04 DeepMap Inc. Visual odometry and pairwise alignment for high definition map creation
DE102017103154A1 (de) 2017-02-16 2018-08-16 Connaught Electronics Ltd. Verfahren zum Erzeugen einer digitalen Umgebungskarte einer Umgebung eines Kraftfahrzeugs unter Berücksichtigung eines Freiraums, Recheneinrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug
US10471955B2 (en) * 2017-07-18 2019-11-12 lvl5, Inc. Stop sign and traffic light alert
US10579063B2 (en) * 2017-07-21 2020-03-03 Uatc, Llc Machine learning for predicting locations of objects perceived by autonomous vehicles
DE102017009435B4 (de) * 2017-10-10 2023-05-11 Volkswagen Ag Evaluation von Komponenten automatischer Fahrfunktionen und Fahrbahnerkennung auf unterschiedlichen Verarbeitungsstufen
DE102018219110A1 (de) * 2017-11-09 2019-05-09 Robert Bosch Gmbh Verfahren und Vorrichtung zum Einleiten gefahrenreduzierender Maßnahmen in Reaktion auf das Erkennen einer Falschfahrt eines Kraftfahrzeugs
US10480952B2 (en) * 2018-02-01 2019-11-19 Didi Research America, Llc Probabilistic navigation system and method
US11099561B1 (en) * 2018-06-19 2021-08-24 Zoox, Inc. Control of an autonomous vehicle in unmapped regions
CN110893858B (zh) * 2018-09-12 2021-11-09 华为技术有限公司 一种智能驾驶方法及智能驾驶系统
US11215997B2 (en) * 2018-11-30 2022-01-04 Zoox, Inc. Probabilistic risk assessment for trajectory evaluation
US11555903B1 (en) * 2018-11-30 2023-01-17 Zoox, Inc. Sensor calibration using dense depth maps
US11415992B2 (en) * 2019-12-27 2022-08-16 Woven Planet North America, Inc. Resource prioritization based on travel path relevance

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017138660A (ja) * 2016-02-01 2017-08-10 トヨタ自動車株式会社 物体検出方法、物体検出装置、およびプログラム
WO2018078413A1 (en) * 2016-10-31 2018-05-03 Toyota Motor Europe Driving assistance method and system
CN110214264A (zh) * 2016-12-23 2019-09-06 御眼视觉技术有限公司 具有施加的责任约束的导航系统
WO2018175441A1 (en) * 2017-03-20 2018-09-27 Mobileye Vision Technologies Ltd. Navigation by augmented path prediction
WO2019136479A1 (en) * 2018-01-08 2019-07-11 The Regents On The University Of California Surround vehicle tracking and motion prediction
WO2019232355A1 (en) * 2018-05-31 2019-12-05 TuSimple System and method for proximate vehicle intention prediction for autonomous vehicles

Also Published As

Publication number Publication date
EP3848266A1 (de) 2021-07-14
US20210213978A1 (en) 2021-07-15
JP2021111366A (ja) 2021-08-02
CN113178097A (zh) 2021-07-27
SG10202100162WA (en) 2021-08-30
DE102020200183A1 (de) 2021-07-15
US11820404B2 (en) 2023-11-21

Similar Documents

Publication Publication Date Title
CN113178097B (zh) 建立包括静态目标和动态目标的未占用空间概率地图的方法
CN107264532B (zh) 用于自主车辆的基于状态的操作
US11225249B2 (en) Vehicle control device, vehicle control method, and storage medium
US11597385B2 (en) Autonomous vehicle and vehicle running control method using the same
JP7440324B2 (ja) 車両制御装置、車両制御方法、及びプログラム
JP7347523B2 (ja) 車両制御装置及び車両制御方法
US20170259816A1 (en) Vehicle control system, vehicle control method, and vehicle control program
WO2021075454A1 (ja) 車載装置及び運転支援方法
US20230123418A1 (en) Method for planning a target trajectory
JP7085371B2 (ja) 車両制御装置、車両制御方法、およびプログラム
US20190299987A1 (en) Vehicle control device, vehicle control method, and storage medium
US20190258269A1 (en) Vehicle control device
US20220314968A1 (en) Electronic control device
US20190283740A1 (en) Vehicle control device, vehicle control method, and storage medium
JP6913716B2 (ja) 車両制御装置、車両制御方法、及びプログラム
US20210300414A1 (en) Vehicle control method, vehicle control device, and storage medium
JP7464425B2 (ja) 車両制御装置、車両制御方法、及びプログラム
US20230174106A1 (en) Path checking device and path checking method
US20190299985A1 (en) Vehicle control device, vehicle control method, and storage medium
US11667281B2 (en) Vehicle control method, vehicle control device, and storage medium
US20210300415A1 (en) Vehicle control method, vehicle control device, and storage medium
CN115871712A (zh) 操作自主驾驶车辆的方法和系统
JP7233299B2 (ja) 運転挙動制御方法及び運転挙動制御装置
EP4372715A1 (en) Vehicle collision threat assessment
JP7483419B2 (ja) 走行支援方法及び走行支援装置

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: 20230104

Address after: Germany Ingolstadt

Applicant after: Continental Zhixing Germany Co.,Ltd.

Address before: Hannover

Applicant before: CONTINENTAL AUTOMOTIVE GmbH

GR01 Patent grant
GR01 Patent grant