CN116806348A - 用于确定机动车的传感器的检测范围的方法和装置 - Google Patents
用于确定机动车的传感器的检测范围的方法和装置 Download PDFInfo
- Publication number
- CN116806348A CN116806348A CN202280012572.4A CN202280012572A CN116806348A CN 116806348 A CN116806348 A CN 116806348A CN 202280012572 A CN202280012572 A CN 202280012572A CN 116806348 A CN116806348 A CN 116806348A
- Authority
- CN
- China
- Prior art keywords
- detection range
- sensor
- determined
- motor vehicle
- predetermined object
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012549 training Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- 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
- 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
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/12—Systems for determining distance or velocity not using reflection or reradiation using electromagnetic waves other than radio waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
- G01S7/4052—Means for monitoring or calibrating by simulation of echoes
- G01S7/4082—Means for monitoring or calibrating by simulation of echoes using externally generated reference signals, e.g. via remote reflector or transponder
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种用于确定安装在机动车处的传感器的检测范围的方法,该传感器扫描机动车的周围环境。该方法的特征在于,包括:通过传感器识别机动车的周围环境中的预定对象,确定所识别的对象到机动车的距离,并且基于所确定的距离来确定检测范围。
Description
技术领域
本发明涉及一种用于确定安装在机动车处的传感器(其扫描机动车的环境)的检测范围的方法以及被设计用于执行该方法的机动车。
背景技术
驾驶辅助系统,如高速公路领航员,在不同天气条件下以最高130km/h的速度接管机动车在高速公路上的车辆纵向和横向引导,其依赖于对车辆环境中的对象的可靠识别。
为此,在车辆处安装有传感器,其可以扫描车辆的周围环境并且可以识别车辆周围环境中预定的、即待识别的对象。这样的传感器输出所识别的对象的列表,即其中每个对象对应于由相应传感器识别的真实世界中的对象的列表。在激光雷达传感器和雷达传感器中,这些对象通常包括其他道路使用者,但由于其高反射率也可以包括护栏或尤其是在激光雷达传感器中包括交通标志。因为摄像头的识别能力远远不止于此,所以其还可以识别道路标线、红绿灯、隧道等以外的对象。传感器通常提供所识别对象(例如行人、汽车、卡车、自行车骑行者、标志等)的对象类型的分类,有时甚至提供预定对象类型上的概率分布,以对各个识别算法中的模糊性进行建模,例如当传感器不确定所识别的对象是自行车骑行者还是摩托车骑行者但却非常确定其不是卡车时。
这里的问题是特别是对于不同类型或类别的对象确定传感器的检测范围或视场(英语“field of view”),因为例如在变化的天气条件下不能总是期望额定传感器功率,即传感器可以提供的最大检测范围。
因此,如果基于某个地方或位置处的传感器的传感器数据无法识别对象,这可能是由于该位置处实际上不存在任何对象,或者传感器例如由于硬件错误、软件错误和/或由于诸如天气和/或位置遮蔽等外部影响而无法扫描或观测该位置,其中后者是更为关键的情况。
为了克服这种情况,常规上建议检验传感器是否识别出机动车环境中的静态对象,其根据地图数据存在于该处并且应由传感器在额定功率下识别出。
这种基于地图的方法特别是在交通密集的情况下达到其极限,特别是当真实对象开始遮蔽通过地图数据待识别的预定对象时,例如交通标志。这样的系统还取决于环境具有距离估计所需的足够且准确的预定对象类型。如果此类基础设施元素或预定对象较稀疏,则无法以足够的可靠性来确定识别范围。此外,这种系统还依赖于预定对象在地图内的确切定位以及地图是最新的。
常规而言,传感器的视场也基于从所标记的数据离线导出的统计数据来确定。
然而,这种数据驱动的方法需要大量标记的训练数据,其必须包括传感器将暴露于其中的预期环境的良好、无失真的表示。这样的训练数据难以获得和标记。此外还存在以下剩余风险,即传感器会遇到在训练数据之外的其中无法再估计视场的情况。
因此,常规的传感器无法在传感器运行期间仅仅基于其自身检测的数据来可靠地识别或确定其检测范围。
发明内容
在现有技术的背景下,本发明的目的在于提供一种装置和方法,其分别适用于克服现有技术的至少上述缺点。
特别是旨在使得可以基于传感器的检测数据在其运行中确定传感器的实际视场或检测范围。
该目的通过独立权利要求的特征来实现。从属权利要求包含本发明的优选改进方案。
然后,该目的通过一种用于确定安装在机动车处的传感器的检测范围的方法来实现,其中传感器扫描机动车的周围环境。
可考虑的是,传感器是相机,特别是摄像机。检测范围也可以用于确定例如被设计为半圆形、特别是具有150°视角且具有特定检测范围作为半径的传感器的检测范围。
该方法包括通过传感器识别机动车的周围环境中的预定对象、特别是另一车辆(例如另一机动车)和/或行人的步骤。
此外,该方法还包括确定所识别的对象到机动车的距离,以及基于所确定的距离来确定检测范围。
可考虑的是,还将确定是否通过传感器在机动车的周围环境中连续多次地、特别是在预定时间段内不中断地识别出预定对象。还可考虑的是,仅当通过传感器在机动车的周围环境中连续多次地识别出预定对象时,才基于预定对象的距离来确定检测范围。
为了确定检测范围,可以使用预定对象的在通过传感器在多次中的第一次识别出预定对象的时间点所确定的距离。
此外,该方法还可以包括确定机动车从通过传感器在多次中的第一次识别出预定对象的时间点以来所驶过的路段。
然后,可以基于预定对象的在通过传感器在多次中的第一次识别出预定对象的时间点所确定的距离以及所确定的或在此期间机动车所驶过的路段之间的差来确定检测范围。
此外,该方法还可以包括将所识别的预定对象分配到多个预定对象类别中的一个对象类别,例如乘用车、载重汽车、摩托车和/或行人。
然后,可以基于预定对象的所确定的距离为所识别的预定对象被分配到的对象类别确定检测范围。
然后,还可以基于预定对象的所确定的距离和相应的换算值为所识别的预定对象未被分配到的对象类别确定检测范围。
此外,还可以基于先前确定的检测范围来确定(当前)检测范围,该先前确定的检测范围特别是在检测范围之前利用上述方法被确定。
可考虑的是,通过使用加权滤波器基于所确定的检测范围与先前确定的检测范围的组合来确定(当前)检测范围,该加权滤波器赋予所确定的检测范围更高的权重并且赋予先前确定的检测范围更低的权重。
传感器的检测范围可以被划分为多个区域、特别是多个水平区域,其中每个区域的检测范围基于在相应的区域内所检测的预定对象来确定。
换言之,上述内容可以总结如下:
在上述方法的第一步骤中,从一个或多个传感器收集数据。
在第二步骤中,可以过滤掉所有不相关的识别,即过滤掉通过传感器不能充分确定地保证进行的对象识别为真实或正确的所有识别。
对此的标准可以是过滤掉如下相应的识别对象,即其是在少于预定数量的通过传感器获取的连续数据集中被识别的。
对于每个初始对象识别,即对象的第一次出现,可以确定时间戳t0和该对象在时间点t0相对于传感器或机动车的相对位置。然后,在同一对象已被连续识别N次、例如9次之后,该对象可以在时间点t0+N用作用于确定检测范围的候选者。
一旦一个对象被识别了N次,特别是存在有多个被识别N次的对象的列表,就可以在该方法的第三步骤中计算传感器的视场或检测范围。
为此,首先确定相应的对象何时被首次识别。可考虑的是,在该时间点对相应对象的识别不被宣布为有效识别,因为对象是否实际存在的不确定性在该时间点过大。
为了确定检测范围,则可考虑在时间点t0和当前时间点t0+N的相对位置之间的移动或所驶过的路段,以获得对象的新的相对位置。在时间点t0所识别的对象的距离减去机动车在时间点t0和t0+N之间所驶过的路段被确定为传感器对于该特定类型对象的检测范围。
因此,可以进行所谓的机动车自身移动补偿。也就是说,在时间点t0,在相对于机动车的x,y位置识别出先前未识别的对象。现在可以判定该对象是实际对象还是所谓的幽灵对象,即对象的假阳性识别。该判定需要若干个计算周期(在此为N个周期)以及在计算周期期间对所识别对象的对象跟踪或追踪。然而,在这些计算周期内,机动车可能继续移动。现在可以从在时间点t0所识别的对象的相对x,y位置减去机动车的这种相对自身移动。因此,第一次识别出对象的位置被换算为在当前时间点t0+N相对于机动车的相对位置。例如可考虑的是,在时间点t0第一次识别出在位置(100,0)处的对象。在N个周期之后确认对象,其中车辆在该N个周期期间向前移动了30m。于是,转换后或换算后的相对位置位于(70,0)。由此,检测范围在此将为70m。
由于可并行观察多个对象,因此可考虑将传感器的视场或检测范围水平地划分为单个分段,并单独地导出每个分段的检测范围。如果多个对象候选者落入同一分段,则可以通过将Max运算应用于同一分段中的候选者列表来减少数据集。
此外,还可基于通过所识别对象确定的检测范围针为所识别对象不属于其中的其他类别的对象确定检测范围。为此可以使用模型,其对传感器识别不同对象类型的对象的能力之间的关系进行建模。例如,如果传感器可以看到或识别出距离达200m的汽车,则可以识别出150m内的更小的对象,例如摩托车骑行者,而可以识别出仅70m内的甚至更小的对象,例如行人。
这是有利的,因为对于行人检测范围的确定无法总是假设机动车附近有足够的行人,例如在高速公路上行驶时。基于这些模型,如果实际识别出其他对象类型,例如汽车,则可推断出行人的检测范围。
在算法的第四步骤中,可以将新的检测范围或当前确定的检测范围与相应传感器的先前估计的检测范围相组合。这例如可以通过使用加权滤波器来实现,其赋予新的测量更高的权重,而赋予已经存在的测量更低的权重。这些滤波器允许检测范围的软变化,并且加权参数的适当调整允许检测范围更新的更快或更慢的变化,这取决于传感器的具体应用场合。
连同检测范围的确定一起,该方法还使得可以确定精度和关于检测范围的最后更新的信息。例如,可以使用传感器的检测范围的最后扫描的加权方差来评估所确定的检测范围的不确定性。类似地,关于检测范围上次更新的时间的信息为更高层级的软件提供信息集,然后可以判定其可在多大程度上信任所确定的检测范围。这例如对于与安全距离相关的参数的调整而言可能是至关重要的。例如,检测范围定期地用于机动车的最大安全速度的计算。可考虑的是,可以基于检测范围的估计不确定性来进一步降低最大速度。
此外,提供了一种机动车,特别是乘用车。机动车包括传感器和连接到传感器的控制装置,传感器被布置和配置为扫描机动车的周围环境。
控制装置被设计为通过上述方法来确定传感器的检测范围。
可考虑的是,机动车是至少部分自动化的机动车,即被设计为至少暂时自动化地接管机动车的横向和/或纵向引导。
参考方法所述的内容也类似地适用于装置,反之亦然。
附图说明
下面将参考图1说明一个实施方式。
图1示出了用于确定安装在机动车处的传感器的检测范围的方法的流程图,该传感器扫描机动车的周围环境。
具体实施方式
如图1所示,用于确定安装在机动车处的传感器的检测范围的方法基本包括四个步骤S1-S4,该传感器扫描机动车的周围环境。
机动车具有控制装置,其以如下方式连接到传感器,使得可以从传感器接收与由传感器扫描的机动车的周围环境相对应的数据。
基于这些数据,控制装置被设计为执行下述方法。可考虑的是,控制装置在执行下述方法之后基于通过该方法确定的传感器检测范围向机动车输出控制信号,例如以便控制其速度。
在该方法的第一步骤S1中,通过传感器对机动车的周围环境中的预定对象进行识别,该传感器在此具有摄像机或实施为摄像机。
然后,在该方法的第一步骤S1中,将确定是否通过传感器在机动车的周围环境中连续多次地、特别是在预定时间段内不中断地识别出所识别的预定对象。
此外,至少在识别出预定对象的第一次确定该对象到机动车、特别是到传感器的距离。
如果是这种情况,即传感器连续多次、例如9次识别出了预定对象,则在第二步骤S2中确定所识别对象到机动车的距离,该距离在第一步骤S1中在通过传感器第一次识别出预定对象的时间点已被确定。
在该方法的第三步骤S3中,确定机动车从通过传感器在多次中的第一次识别出预定对象的时间点以来所驶过的路段。
此外,将所识别的预定对象分配给多个预定对象类别中的一个对象类别。
然后,在第三步骤S3中,基于在第二步骤S2中确定的距离和所确定的机动车驶过的路段来确定对象被分配到的对象类别的检测范围。
也就是说,仅当通过传感器在机动车附近连续多次识别出预定对象时,即以预定概率存在真实识别的情况下,才基于预定对象在传感器第一次识别出预定对象的时间点所具有的距离来确定检测范围。
更确切而言,基于预定对象的在通过传感器在多次中的第一次识别出预定对象的时间点所确定的距离以及所确定的路段之间的差来确定所识别的预定对象被分配到的对象类别的检测范围。
通过相应的换算值或相应的换算公式现在可基于预定对象的所确定的距离为所识别的预定对象没有被分配到的其他对象类别确定检测范围,特别是基于为对象被分配到的对象类别所确定的检测范围。
还可考虑的是,基于传感器的所确定的检测范围、即1D值来确定或估计传感器的特别是水平的检测范围,即2D范围。此外还可考虑的是,将检测范围划分为多个特别是水平的区域,其中基于在相应区域内所检测的预定对象来确定每个区域的检测范围。
在第四步骤S4中,将在第三步骤S3中所确定的检测范围(或者在有多个对象类别的情况下将在第三步骤S3中所确定的多个检测范围)与先前确定的检测范围(或者先前确定的多个检测范围)相组合。
这种组合可以通过使用一个或多个加权滤波器来完成,该加权滤波器对所确定的检测范围赋予更高的权重并且对先前确定的检测范围赋予更低的权重。
附图标记列表
S1–S4方法的步骤
Claims (10)
1.一种用于确定安装在机动车处的传感器的检测范围的方法,所述传感器扫描所述机动车的周围环境,
其特征在于,所述方法包括:
–通过所述传感器识别(S1)所述机动车的所述周围环境中的预定对象,
–确定(S2)所识别的对象到所述机动车的距离,并且
–基于所确定的距离来确定(S3)所述检测范围。
2.根据权利要求1所述的方法,
其特征在于,所述方法还包括:
–确定(S1)是否通过所述传感器在所述机动车的所述周围环境中连续多次地、特别是不中断地识别出所述预定对象,
–仅当通过所述传感器在所述机动车的所述周围环境中连续多次地识别出所述预定对象时,才基于所述预定对象的距离来确定(S3)所述检测范围。
3.根据权利要求2所述的方法,
其特征在于,
为了确定(S3)所述检测范围,使用所述预定对象的在通过所述传感器在多次中的第一次识别出所述预定对象的时间点所确定的距离。
4.根据权利要求3所述的方法,
其特征在于,所述方法还包括:
–确定(S3)所述机动车从通过所述传感器在多次中的第一次识别出所述预定对象的时间点以来所驶过的路段,
–其中基于所述预定对象的在通过所述传感器在多次中的第一次识别出所述预定对象的时间点所确定的距离以及所确定的路段之间的差来确定所述检测范围。
5.根据前述权利要求中任一项所述的方法,
其特征在于,所述方法还包括:
–将所识别的预定对象分配(S3)到多个预定对象类别中的一个对象类别,
–其中基于所述预定对象的所确定的距离为所识别的预定对象被分配到的对象类别确定所述检测范围。
6.根据权利要求5所述的方法,
其特征在于:
–基于所述预定对象的所确定的距离和相应的换算值为所识别的预定对象未被分配到的对象类别确定所述检测范围。
7.根据前述权利要求中任一项所述的方法,
其特征在于,所述方法还包括:
–还基于先前确定的检测范围来确定(S4)当前检测范围,所述先前确定的检测范围在所述检测范围之前特别是利用根据权利要求1至6中任一项所述的方法被确定。
8.根据权利要求7所述的方法,
其特征在于:
–通过使用加权滤波器基于所确定的检测范围与先前确定的检测范围的组合来确定所述当前检测范围,所述加权滤波器赋予所确定的检测范围更高的权重并且赋予先前确定的检测范围更低的权重。
9.根据前述权利要求中任一项所述的方法,
其特征在于,
–将所述传感器的检测范围划分为多个区域、特别是多个水平区域,其中基于在相应的所述区域内所检测的预定对象来确定每个区域的检测范围。
10.一种机动车,
–其中所述机动车包括传感器和连接到所述传感器的控制装置,所述传感器被布置和配置为扫描所述机动车的周围环境,
其特征在于,
–其中所述控制装置被设计为通过根据前述权利要求中任一项所述的方法来确定所述传感器的检测范围。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102021102199.5 | 2021-02-01 | ||
DE102021102199.5A DE102021102199A1 (de) | 2021-02-01 | 2021-02-01 | Verfahren und vorrichtung zur bestimmung einer erfassungsreichweite eines sensors eines kraftfahrzeugs |
PCT/EP2022/050582 WO2022161772A1 (de) | 2021-02-01 | 2022-01-13 | Verfahren und vorrichtung zur bestimmung einer erfassungsreichweite eines sensors eines kraftfahrzeugs |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116806348A true CN116806348A (zh) | 2023-09-26 |
Family
ID=80225310
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280012572.4A Pending CN116806348A (zh) | 2021-02-01 | 2022-01-13 | 用于确定机动车的传感器的检测范围的方法和装置 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN116806348A (zh) |
DE (1) | DE102021102199A1 (zh) |
WO (1) | WO2022161772A1 (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1194946A (ja) * | 1997-07-23 | 1999-04-09 | Denso Corp | 車両用障害物認識装置 |
KR102214332B1 (ko) * | 2014-04-30 | 2021-02-10 | 주식회사 만도 | 운전자 편의 시스템 및 운전자 편의 시스템에서 레이더 센서의 수직각도 이상 판정 방법 |
DE102016201250A1 (de) * | 2016-01-28 | 2017-08-03 | Conti Temic Microelectronic Gmbh | Verfahren und Vorrichtung zur Reichweitenbestimmung eines Sensors für ein Kraftfahrzeug |
WO2017180394A1 (en) * | 2016-04-12 | 2017-10-19 | Pcms Holdings, Inc. | Method and system for online performance monitoring of the perception system of road vehicles |
US11454525B2 (en) | 2018-10-19 | 2022-09-27 | Robert Bosch Gmbh | Vehicle sensor field calibration utilizing other vehicles |
EP3693244B1 (en) * | 2019-02-06 | 2022-08-17 | Continental Autonomous Mobility Germany GmbH | Vehicle and method for autonomously operating a vehicle |
DE102019203132A1 (de) | 2019-03-07 | 2020-09-10 | Robert Bosch Gmbh | Verfahren zur Kalibrierung eines Umfeldsensors in einem motorisierten Einspurfahrzeug |
-
2021
- 2021-02-01 DE DE102021102199.5A patent/DE102021102199A1/de active Pending
-
2022
- 2022-01-13 WO PCT/EP2022/050582 patent/WO2022161772A1/de active Application Filing
- 2022-01-13 CN CN202280012572.4A patent/CN116806348A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
DE102021102199A1 (de) | 2022-08-04 |
WO2022161772A1 (de) | 2022-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110675656B (zh) | 一种基于瞬时风险识别的智能车辆换道预警方法 | |
US8346463B2 (en) | Driving aid system and method of creating a model of surroundings of a vehicle | |
US9074906B2 (en) | Road shape recognition device | |
US11345371B2 (en) | Evaluation of components of driving functions and roadway detection in different processing stages | |
JP6572930B2 (ja) | 情報処理装置及び情報処理システム | |
JP4914160B2 (ja) | 車両制御装置 | |
CN109923438B (zh) | 用于确定车辆速度的装置和方法 | |
JP2009181315A (ja) | 物体検出装置 | |
Dyckmanns et al. | Object tracking in urban intersections based on active use of a priori knowledge: Active interacting multi model filter | |
WO2019216386A1 (ja) | 車両制御装置および車両 | |
KR20180103462A (ko) | 라이더 스캔 데이터의 누적에 의한 자율주행 자동차의 위치인식 시스템 및 그 방법 | |
CN112997093A (zh) | 用于确定关于车辆环境中的物体的信息的方法和处理单元 | |
JP7016276B2 (ja) | 列車位置推定装置 | |
KR101628547B1 (ko) | 주행 차선 확인 장치 및 방법 | |
CN108475467B (zh) | 用于识别错误停泊车的方法 | |
CN110870332B (zh) | 用于对自动化程度较高的车辆(haf)、尤其高度自动化车辆的数字地图进行验证的方法 | |
US11487293B2 (en) | Map-information obstacle-tracking system and method | |
CN110869869A (zh) | 用于运行较高程度自动化的车辆(haf)、尤其是高度自动化的车辆的方法 | |
CN113525358A (zh) | 车辆控制装置以及车辆控制方法 | |
Tsogas et al. | Using digital maps to enhance lane keeping support systems | |
CN110095776B (zh) | 用于确定对象的存在和/或特性的方法和周围环境识别设备 | |
CN111612818A (zh) | 新型双目视觉多目标跟踪方法及系统 | |
CN112352268A (zh) | 用于车辆的驾驶辅助系统、带驾驶辅助系统的车辆和用于车辆的驾驶辅助方法 | |
CN116806348A (zh) | 用于确定机动车的传感器的检测范围的方法和装置 | |
US20230236020A1 (en) | System and Method for Map Matching GNSS Positions of a 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 |