DE10127034A1 - Verfahren und Vorrichtung zur Ermittlung eines Spurverlaufs einer Fahrbahn - Google Patents
Verfahren und Vorrichtung zur Ermittlung eines Spurverlaufs einer FahrbahnInfo
- Publication number
- DE10127034A1 DE10127034A1 DE10127034A DE10127034A DE10127034A1 DE 10127034 A1 DE10127034 A1 DE 10127034A1 DE 10127034 A DE10127034 A DE 10127034A DE 10127034 A DE10127034 A DE 10127034A DE 10127034 A1 DE10127034 A1 DE 10127034A1
- Authority
- DE
- Germany
- Prior art keywords
- lane
- model
- vehicle
- image
- dark
- 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.)
- Withdrawn
Links
Classifications
-
- 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
- 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
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
Abstract
Bei einem Verfahren zur Ermittlung eines Spurverlaufs einer beidseitig helle oder dunkle Spurbegrenzungslinien (6, 7) aufweisenden dunklen bzw. hellen Fahrbahn (1) aus einem über die Fahrbahn (1) fahrenden Fahrzeug (2) liefert mindestens eine Kamera (3) in bestimmten Zeitintervallen ein Bild (5) eines vor dem Fahrzeug liegenden Außenraums an eine Bildverarbeitungseinrichtung (4). Die Bildverarbeitungseinrichtung (4) ermittelt bei den Spurbegrenzungslinien (6) in Abhängigkeit von zumindest einem Lenkwinkel sowie einer momentanen Geschwindigkeit des Fahrzeugs (2) und einem vorgegebenen Fahrzeuglage- und Spurverlaufsmodell signifikante Hell-Dunkel-Grenzen (8) modellgestützt sowie einen von zwei signifikanten Hell-Dunkel-Grenzen (8) begrenzten Linienbereich zeilenweise. Messkandidaten (9) der Hell-Dunkel-Grenzen (8) werden von der Bildverarbeitungseinrichtung (4) in jeweils mindestens einem modellgestützten und merkmalsbasierten Zustandsschätzverfahren (10, 15) zu Zustandsvektoren verarbeitet, die die Fahrzeuglage und den Spurverlauf beschreiben. Eine Inferenzmaschine (13) ermittelt aus diesen Zustandsvektoren die Ist-Daten des Spurverlaufs und vergleicht, beurteilt und korrigiert ggf. das modellgestützte sowie das merkmalsbasierte Zustandsschätzverfahren (10, 15) anhand der vorgegebenen Daten.
Description
Die Erfindung bezieht sich auf ein Verfahren
zur Ermittlung eines Spurverlaufs einer beidseitig helle
oder dunkle Spurbegrenzungslinien aufweisenden dunklen
bzw. hellen Fahrbahn aus einem über die Fahrbahn fahren
den Fahrzeug sowie auf eine Vorrichtung zur Durchführung
dieses Verfahrens.
Aus der DE 43 08 776 C2 ist eine Einrichtung
zum Überwachen des Außenraums eines Kraftfahrzeugs, das
über eine durch ausgedehnte weiße Linien begrenzte Fahr
spur fährt, bekannt. Die Einrichtung umfasst mehrere Ka
meras, die Bilder des Fahrzeugaußenraums aufnehmen und
Bildsignale erzeugen, die diese Bilder anzeigen, und eine
Bildverarbeitungseinrichtung. Die Bildverarbeitungsein
richtung ermittelt in Abhängigkeit von den Bildsignalen
eine Distanzverteilung bezüglich des Fahrzeugs und er
zeugt ein die Distanzverteilung anzeigendes Distanzbild.
Im Weiteren ist eine Straßen- und Objekt-Detektoreinrich
tung vorgesehen, die auf der Grundlage des Distanzbildes
dreidimensionale Koordinaten in einem auf ein Koordina
tensystem des Kraftfahrzeugs bezogenen realen Raum be
rechnet. Ferner ist eine Straßenverlaufsform-Detektor
einrichtung vorgesehen, die eine Straßenverlaufsform auf
der Grundlage der dreidimensionalen Koordinaten von Ab
schnitten der weißen Linie berechnet. Hierbei werden als
Ausgangssignale die Fahrzeuggeschwindigkeit und ein Lenk
winkelsensorsignal sowie ein Erkennungsergebnis einer
Straßenform einer letzten Zeitspanne zugrundegelegt, um
eine Straßenform nach einer bestimmten Zeitspanne abzu
schätzen. Bei diesem Verfahren ermittelt die Straßenver
laufsform-Detektoreinrichtung mehrere dreidimensionale
lineare Elemente, die jeweils einen Abschnitt jeder wei
ßen Linie innerhalb einer von mehreren Regionen der
Straße repräsentieren, wobei die Regionen bezogen auf die
Distanz vom Fahrzeug aufgeteilt sind und jede weiße Linie
durch die Kombination der dreidimensionalen linearen Ele
mente dargestellt ist. Jedes der dreidimensionalen linea
ren Elemente wird durch lineare Gleichungen repräsen
tiert, die die Projektion des dreidimensionalen Elements
auf eine horizontale und eine vertikale Ebene repräsen
tieren.
Weiterhin weist die Straßenverlaufsform-Detek
toreinrichtung eine Abschätzungseinrichtung auf, die in
Abhängigkeit von den Fahrzeugfahrbedingungen die Änderung
der dreidimensionalen linearen Elemente aus deren voraus
gehenden Positionen abschätzt. Eine erste Erzeugungsein
richtung legt ein erstes dreidimensionales Fenster fest
und schätzt einen dreidimensionalen Raum um jedes der ab
geschätzten dreidimensionalen linearen Elemente. Eine Li
nearelement-Detektoreinrichtung extrahiert aus den drei
dimensionalen Koordinaten nur die Koordinaten, die inner
halb des ersten dreidimensionalen Fensters liegen und be
rechnet die gegenwärtige Position des dreidimensionalen
linearen Elements auf der Grundlage der extrahierten Ko
ordinatendaten.
Die Straßenverlaufsform wird modellbasiert in
lineare Abschnitte von jeweils einer bestimmten Distanz
aufgeteilt und die Plausibilität aus der Parallelität
dieser Abschnitte in horizontaler und vertikaler Rich
tung, bezogen auf Messergebnisse für den linken als auch
den rechten Abschnitt, beurteilt. Die Messergebnisse und
die festgelegten linearen Abschnitte werden nach vorgege
ben Berechnungsmethoden miteinander verglichen und ge
wichtet sowie korrigiert. Mit dieser Einrichtung ist es
nach der Verarbeitung einer relativ großen Datenmenge
möglich, durch Ausnutzen dreidimensionaler Positionsin
formationen der weißen Linien diese von dreidimensionalen
Objekten zuverlässig zu trennen.
Darüber hinaus ist ein Verfahren zur Abschät
zung eines Spurverlaufs einer Fahrbahn bekannt (Disserta
tion Dipl.-Ing. B. Mysliwetz, Universität der Bundeswehr
München, 10.08.1990), das zur Unterscheidung zwischen ei
nem optischen Signal einer weißen Spurbegrenzungslinie
und Störungen ein dynamisches Modell von Fahrzeugquerbe
wegungen und einer Spurverlaufsgeometrie verwendet. Die
ses dynamische Modell ermöglicht eine Formulierung einer
Erwartung über die Lage und die Orientierung der Spurbe
grenzungslinie in einem Videobild. Hierbei wird eine
Kante der Spurbegrenzungslinie gezielt in ihrer erwarte
ten Lage im Videobild mittels signalangepasster Filter
kerne gesucht. Die erwartete Lage und die Orientierung
der Spurbegrenzungslinie werden durch physikalische und
logische Größen, die den aktuellen Zustand, in dem sich
Fahrzeug und Spurverlauf befinden, beschrieben. Diese re
levanten Größen werden durch die aktuelle Fahrzeuglage
sowie dessen Querdynamik und Geschwindigkeit und bekann
ten Daten über Spurverläufe und Straßenattribute gewon
nen. Der Unterschied zwischen der erwarteten Lage und der
gemessenen Lage der Spurbegrenzungslinie wird unmittel
bar, d. h. ohne die perspektivische Abbildung zu inver
tieren, im Rahmen eines Optimalfilters, eines Kalman Fil
ters, auf den erwarteten Farzeuglage- und Spurverlaufszu
stand aufgeschlagen. Die Messung im Videobild korrigiert
somit lediglich die modellbasierte Erwartung oder eine zu
Beginn der Messungen formulierte Hypothese über den An
fangsschätzwert. Dieses rekursive Verfahren ist ein Spur
verfolgungsverfahren, das auf die Ergebnisse einer se
quentiell vorausgehenden Spurentdeckungsphase angewiesen
ist.
Ferner wurde an der Carnegie Mellon University,
Pittsburgh, USA, ein Verfahren (RALPH, Rapidly Adapting
Lateral Position Handler) entwickelt, das die Modellie
rung von Fahrzeugquerbewegungen und Spurverlaufsgeometrie
vermeidet, um von der speziellen Ausbildung der Spurver
laufsgeometrie sowie der Spurbegrenzungslinie und damit
auch der Art der jeweils angepassten extraktionsfähigen
Merkmale unabhängig zu bleiben. Bei diesem Verfahren wird
damit aber auch auf die Auswertung der querdynamischen
zeitlichen Zusammenhänge zwischen aufeinanderfolgenden
Videobildern verzichtet. Es konzentriert sich lediglich
auf die Auswertung des jeweiligen Einzelbildes. Wegen der
Notwendigkeit den Zustand in jedem Videobild komplett neu
berechnen zu müssen, handelt es sich hierbei primär um
ein merkmalsbasiertes Spurerkennungsverfahren.
Die Praxis zeigte, dass weder das an der Uni
versität der Bundeswehr entwickelte Spurverfolgungsver
fahren noch das von der Carnegie Mellon University ver
folgte Spurerkennungsverfahren jeweils in isolierter An
wendung in der Lage ist, die komplexe Szene des Fahrzeug
umfeldes hinsichtlich des Spurverlaufs einer Fahrbahn zu
friedenstellend zu ermitteln.
Es ist Aufgabe der Erfindung, ein Verfahren der
eingangs genannten Art und eine Vorrichtung zu schaffen,
wobei mit einem relativ geringen Rechenaufwand einen
Spurverlauf einer Fahrbahn mit hinreichender Genauigkeit
ermittelt werden soll.
Erfindungsgemäß wird die Aufgabe durch ein Ver
fahren zur Ermittlung eines Spurverlaufs einer beidseitig
helle oder dunkle Spurbegrenzungslinien aufweisenden
dunklen bzw. hellen Fahrbahn aus einem über die Fahrbahn
fahrenden Fahrzeug gelöst, bei dem
- - mindestens eine Kamera in bestimmten Zeitintervallen ein Bild eines vor dem Fahrzeug liegenden Außenraums an eine Bildverarbeitungseinrichtung liefert,
- - die Bildverarbeitungseinrichtung bei den Spurbegren zungslinien in Abhängigkeit von zumindest einem Lenk winkel sowie einer momentanen Geschwindigkeit des Fahrzeugs und einem vorgegebenen Fahrzeuglage- und Spurverlaufsmodell signifikante Hell-Dunkel-Grenzen modellgestützt sowie einen von zwei signifikanten Hell-Dunkel-Grenzen begrenzten Linienbereich zeilen weise ermittelt,
- - Messkandidaten der Hell-Dunkel-Grenzen von der Bild verarbeitungseinrichtung in jeweils mindestens einem modellgestützten und merkmalsbasierten Zustands schätzverfahren zu Zustandsvektoren verarbeitet wer den, die die Fahrzeuglage und den Spurverlauf be schreiben und
- - eine Inferenzmaschine die Zustandsvektoren und damit Ist-Daten des Spurverlaufs ermittelt sowie das mo dellgestützte und das merkmalsbasierte Zustands schätzverfahren anhand vorgegebener Daten vergleicht und beurteilt.
Die Merkmale einer erfindungsgemäßen Vorrich
tung ergeben sich aus Patentanspruch 11.
Aufgrund dieses Verfahrensablaufs wird ein
Spurverlauf einer Fahrbahn mit einer relativ hohen Genau
igkeit ermittelt, da in der Bildverarbeitungseinrichtung
jedes von der Kamera gelieferte Bild nach mehreren Zu
standsschätzverfahren, nämlich sowohl nach mindestens ei
nem modellgestützten Spurverfolgungsverfahren als auch
nach mindestens einem merkmalsbasierten Spurerkennungs
verfahren, im wesentlichen parallel ausgewertet wird.
Diesen Zustandsschätzverfahren liegen Messkandidaten
zugrunde, die die Bildverarbeitungseinrichtung zum einen
anhand von Kantenmerkmalen, die an den signifikanten
Hell-Dunkel-Grenzen, die am Übergang der hellen Spurbe
grenzungslinie zu dem relativ dunklen Fahrbahnbelag vor
liegen und anhand von linienförmigen Merkmalen, die durch
im wesentlichen gegenüberliegende Hell-Dunkel-Grenzen de
finiert sind, ermittelt.
Diese Messkandidaten werden in den Zustands
schätzverfahren zu Fahrzeuglage und Spurverlauf beschrei
benden Zustandsvektoren verarbeitet, die rechnerinternen
Repräsentanten des physikalischen Prozesses der Fahrzeug
querbewegung auf einer beliebig gekrümmten Straße ent
sprechen. Hierzu greift das modellgestützte Spurverfol
gungsverfahren auf Informationen über Spurgeometrien und
den Fahrzeugzustand zurück, wobei das Signal eines Lenk
winkelsensors und die aktuelle Fahrzeuggeschwindigkeit
lediglich Minimalinformationen darstellen. Bei der mo
dellgestützten Ermittlung von Zustandsvektoren können
beispielsweise ein Schwimmwinkel des Fahrzeugs, also der
Winkel zwischen der Fahrzeuglängsachse und der Bewegungs
richtung, die Querablage des Fahrzeugs, ein Gierwinkel,
also der Winkel zwischen Fahrzeuglängsachse und Fahrbahn
tangente, der in der Ebene der Fahrbahn gemessen wird,
sowie ein Nickwinkel, also der Winkel zwischen Fahrzeug
längsachse und Fahrbahntangente, gemessenen in der zur
Fahrbahn senkrechten Ebene berücksichtigt werden. Hin
sichtlich der Spurverlaufsgeometrie werden Attribute, wie
Spurkrümmungen und ihr Änderungsverhalten sowie unter
schiedliche Arten von Spurbegrenzungslinien, berücksich
tigt.
Auf Grundlage dieser Informationen spannt das
modellgestützte Spurverfolgungsverfahren Suchfenster in
dem Bereich auf, in dem eine Spurbegrenzungslinie vermu
tet wird und sucht nach den signifikanten Hell-Dunkel-
Grenzen, die am Übergang der in der Regel hellen Spurbe
grenzungslinie zu dem relativ dunklen Fahrbahnbelag vor
liegen. Dadurch ist es nicht erforderlich, das gesamte
Bild auszuwerten, sondern lediglich den Bereich, in dem
die Spurbegrenzungslinie aufgrund der dynamischen Model
lierung vermutet wird. Dieses modellgestützte Spurverfol
gungsverfahren hat den Vorteil einer relativ zuverlässi
gen Rauschunterdrückung, jedoch auch den Nachteil, dass
bei zu großen gemessenen Abweichungen von Modellvorstel
lungen der Rechenprozess divergieren kann und instabil
wird. Daher läuft als Redundanzverfahren das merkmalsba
sierte Spurerkennungsverfahren ab, das ein Detektionsver
fahren ist und im Wesentlichen eine Bildauswertung vor
nimmt. Das Spurerkennungsverfahren liefert auch in rela
tiv großer Entfernung zur Kamera des Fahrzeugs zuverläs
sigere Messkandidaten als das modellgestützte Verfahren.
Die die Ist-Daten des Spurverlaufs ermittelnde
Inferenzmaschine vergleicht und beurteilt anhand vorgege
bener Daten das modellgestützte und das merkmalsbasierte
Zustandsschätzverfahren und berücksichtigt hierbei die
unterschiedlichen Stärken und Schwächen der Verfahren.
Bei einem plötzlichen Spurwechsel oder einer fehlenden
Spurbegrenzungslinie greift die Inferenzmaschine auf ihre
eigene Daten- und Regelbasis und/oder die Zustandsvekto
ren aus der modellgestützten Ermittlung der Hell-Dunkel
Grenze der Spurbegrenzungslinie zurück und greift unter
stützend in die Bildverarbeitungseinrichtung ein, wobei
die Inferenzmaschine bidirektional arbeitet. Die Infe
renzmaschine liefert die ermittelten Ist-Daten des Spur
verlaufs an sogenannte Fahrzeugassistenzsysteme. Ein sol
ches Fahrzeugassistenzsystem kann beispielsweise die Ge
schwindigkeitsregelung des Fahrzeugs in Abhängigkeit vom
Spurverlauf oder von anderen auf der Fahrbahn detektier
ten Objekten übernehmen. Im Weiteren können die Ist-Daten
zur Absicherung eines Spurwechsels verwendet werden, in
dem sie mit weiteren Erkennungssystemen gekoppelt werden.
Die von der Inferenzmaschine ermittelten Ist-Daten können
auch als Grundlage zur Schätzung der Fahrbahnkrümmung in
einem nicht von der Kamera erfassten Bereich dienen.
Um den erforderlichen Rechenaufwand relativ ge
ring zu halten, liefern zweckmäßigerweise das modellge
stützte und das merkmalsbasierte Zustandsschätzverfahren
Vertrauensmaße, mit denen die Güte der Zustandsvektoren
abgeschätzt wird.
Bevorzugt liefert die Abweichung des jeweiligen
Messkandidaten zur erwarteten Soll-Lage der Fahrbahn im
Bild ein Gütemaß zur Abschätzung der Güte der jeweiligen
modellgestützten und merkmalsbasierten Zustandsschätzver
fahren. Liefern die modellgestützte Ermittlung der Spur
begrenzungslinien und die modellfreie Ermittlung der
Spurbegrenzungslinien jeweils die Fahrzeuglage und den
Spurverlauf beschreibende Zustandsvektoren unterschiedli
cher Güte, greift die Interferenzmaschine auf ihre der
Beurteilung der Messkandidaten zugrundeliegenden Daten
zurück und entscheidet über die weitere Vorgehensweise
bei der Ist-Datenermittlung. Die Interferenzmaschine kann
dann auf den einen oder anderen Zustandsvektor zurück
greifen oder aber auch die vorhandenen Zustandsvektoren
korrigieren. Diese Vorgehensweise der szenenabhängigen
Interpretation, bei der die Interferenzmaschine ihre Wis
sensbasis, also ihre Daten- und oder Regelbasis nutzt,
ist insbesondere dann vorteilhaft, wenn die szenenabhän
gigen Schwächen eines Zustandsschätzverfahrens durch das
andere Zustandsschätzverfahren ausgeglichen werden kön
nen.
Vorteilhafterweise dienen Zustandsvektoren ei
nes Bildes als Grundlage für die Ermittlung von Messkan
didaten eines darauffolgenden Bildes. Da die einzelnen
Bilder der Kamera in sehr kurzen Zeitintervallen der
Bildverarbeitungseinrichtung zur Verfügung stehen und
eine Änderung des Spurverlaufs in diesen Zeitintervallen
in der Regel nur geringfügig ist, dienen die Ist-Daten
des Spurerkennungsverfahrens zur Eingrenzung der Suchbe
reiche der Spurbegrenzungslinien, in denen Messkandidaten
im aktuellen Bild ermittelt werden.
Vorzugsweise wird aus einem erwarteten Messvek
tor und einem ermittelten Messvektor ein Korrekturvektor
zur Ermittlung eines Zustandsvektors gebildet. Bei diesem
rekursiven Verfahren werden mit einem Relativ geringen
Rechenaufwand hinreichend genaue Ergebnisse erzielt.
Zweckmäßigerweise wird die Ermittlung der Hell-
Dunkel-Grenze und des Linienbereichs der Spurbegrenzungs
linien mit einem Optimalfilter vorgenommen. Im weiteren
wird zweckmäßigerweise bei dem modellgestützten Zustands
schätzverfahren ein Kalman Filter, eine Fuzzy-Inferenz
maschine oder ein neuronales Netz verwendet. Das Kalman
Filter liefert eine vollständige statistische Charakteri
sierung für das Problem einer Schätzung eines dynamischen
Systems und schließt neben der Charakterisierung des ak
tuellen Wissenszustandes den Einfluss aller vergangenen
Informationen mit ein. Das Kalman Filter liefert einen
linearen, unverzerrten und Minimum-Varianz rekursiven Al
gorithmus, um den Zustand eines dynamischen Systems aus
fehlerbehafteten (verrauschten) Daten, die in der Echt
zeit gegeben sind, optimal zu schätzen. Die Kalman Filter
Theorie liefert daher ein ausgezeichnetes Werkzeug für
die Kombination von Beobachtungsgrößen mit Vorhersage
größen, um die darin enthaltenen zufälligen Fehler zu
korrigieren.
Nach einer vorteilhaften Weiterbildung der Er
findung ermittelt die Bildverarbeitungseinrichtung in ei
nem bestimmten Zeilenabstand mehrere Messkandidaten für
jede der Spurbegrenzungslinien pro Bild in einer konstan
ten Vorausschauentfernung. Da bei einem vertikal gekrümm
ten Fahrbahnverlauf nicht vertikale Bildkoordinaten son
dern korrespondierende diskrete Vorschauentfernungen, an
denen bildlokal Kantenelemente extrahiert werden, kon
stant sind, wird der zur Bildauswertung erforderliche Re
chenaufwand wesentlich verringert und die Notwendigkeit
ungenauer numerischer Differentiationen vermieden. Im Zu
sammenhang mit den Daten der Zustandsschätzverfahren wer
den die Messkandidaten im Nahbereich, die in gleicher
Entfernung auf der rechten und linken Seite des Bildes
extrahiert werden, vorverarbeitet und die Abweichung zwi
schen erwarteter und gemessener Bildposition berechnet.
Die derart gewonnenen Ergebnisse werden zur Aktualisie
rung des horizontalen und vertikalen Spurverlaufs verwen
det.
Vorteilhafterweise werden aus der Differenz er
warteter und gemessener Vektoren gerade und ungerade An
teile berechnet, die in dem modellgestützten Zustands
schätzverfahren zu Zustandsvektoren verarbeitet werden.
Die geraden Anteile liefern im Zusammenhang mit den rele
vanten Fahrzeugdaten eine Aussage bezüglich der horizon
talen Spurverlaufsschätzung und die ungeraden Anteile
liefern vertikale Lagedaten des Fahrzeugs auf der Fahr
bahn. Somit stehen neben den Messdaten auch daraus resul
tierende Anteile aus der Abweichung von den Messdaten zur
Verfügung, die zur Berechnung exakter Ergebnisse des mo
dellgestützten Zustandsschätzverfahren dienen.
Zweckmäßigerweise liefert eine zweite, nicht
unbedingt erforderliche Kamera in bestimmten Zeitinter
vallen ein Bild eines hinter dem Fahrzeug liegenden
Außenraums an eine Bildverarbeitungseinrichtung. Durch
diese Bilder lassen sich genauere Angaben bezüglich einer
Spurbreitenänderung der Fahrbahn sowie des Nickwinkels
des Fahrzeugs errechnen, wobei der Nickwinkel die Dar
stellung der Breite der Spur im Bild beeinflusst.
Es versteht sich, dass die vorstehend genannten
und nachstehend noch zu erläuternden Merkmale nicht nur
in der jeweils angegebenen Kombination, sondern auch in
anderen Kombinationen verwendbar sind, ohne den Rahmen
der vorliegenden Erfindung zu verlassen.
Die Erfindung wird im folgenden anhand eines
Ausführungsbeispieles unter Bezugnahme auf die zugehöri
gen Zeichnungen näher erläutert. Es zeigen:
Fig. 1 ein Ablaufschema eines erfindungsge-
mäßen Verfahrens,
Fig. 2 eine schematische Darstellung eines
in einer Bildverarbeitungseinrichtung
nach Fig. 1 bearbeiteten Bildes und
Fig. 3 eine weitere schematische Darstellung
eines in der Bildverarbeitungsein
richtung nach Fig. 1 bearbeiteten
Bildes.
Bei dem erfindungsgemäßen Verfahren zur Ermitt
lung eines Spurverlaufs einer Fahrbahn 1 kommt eine Kame
ra 2 zum Einsatz, die in einem Fahrzeug 3 montiert und
mit einer Bildverarbeitungseinrichtung 4 gekoppelt ist.
Die Kamera 2 nimmt in bestimmten Zeitintervallen ein Bild
5 vom frontseitigen Außenraum des Fahrzeugs 3 auf. Das
Bild 5, das in unterschiedlichen verrauschten Graustufen
vorliegt und während der Fahrt des Fahrzeugs 3 über die
Fahrbahn 1 aufgenommen wird, wird in der Bildverarbei
tungseinrichtung 4 ausgewertet. Auf dem Bild 5 sind helle
Spurbegrenzungslinien 6, 7 zu erkennen, die an ihren Kan
ten signifikante Hell-Dunkel-Grenzen 8 zu der dunklen
Fahrbahn 1 aufweisen.
Die Bildverarbeitungseinrichtung 4 ermittelt
mit signalangepassten Filtern 12, 14 bei den Spurbegren
zungslinien 6, 7 Messkandidaten 9 an den signifikanten
Hell-Dunkel-Grenzen 8 sowie einen Linienbereich der Spur
begrenzungslinien 6, 7, der durch nebeneinanderliegende
Messwerte mit entsprechenden Vorzeichen gekennzeichnet
ist. Die Suche nach dem Linienbereich der Spurbegren
zungslinien 6, 7 mit dem signalangepassten Filter 14 er
folgt zeilenweise über das digitalisierte Bild 5 der
Bildverarbeitungseinrichtung 4. Bei der Ermittlung der
Hell-Dunkel-Grenzen 8 wird durch ein modellgestütztes
Spurverfolgungsverfahren 10, also dem einen Zustands
schätzverfahren, im darauffolgenden Bild ein Suchfenster
11 aufgespannt, in dem die Messkandidaten 9 mittels des
signalangepassten Filters 12, das als richtungsselektives
Kantenfilter ausgebildet ist ermittelt werden.
Diesem modellgestützten Spurverfolgungsverfah
ren 10 liegen neben relevanten Daten des Fahrzeugs, wie
Signale eines Lenkwinkelsensors und die aktuelle Fahr
zeuggeschwindigkeit, auch Daten über einen üblichen Spur
verlauf zugrunde, die zur Überprüfung der Plausibilität
des gemessenen Zustands dienen. In Abhängigkeit von die
sen Daten und der Fähigkeit zur modellgestützten Prädik
tion spannt die Bildverarbeitungseinrichtung 4 im darauf
folgenden Bild das Suchfenster 11 auf, in dem die Mess
kandidaten 9 ermittelt werden. Das modellgestützte Spur
verfolgungsverfahren 10 verarbeitet die Messkandidaten 9
unter Berücksichtigung von Abweichungen zwischen gemesse
nen Daten im Bild und erwarteten Daten aufgrund des Mo
dellwissens mittels eines Kalman-Filters zu Zustandsvek
toren. Dieses modellgestützte Zustandsschätzverfahren 10
vergleicht die Messkandidaten 9 mit den Ergebnissen, die
es aufgrund seiner Modellvorstellung erwartet und ermit
telt so ein Korrekturmaß, das bei der Berechnung der Ist-
Daten des Spurverlaufs entsprechend berücksichtigt wird.
Darüber hinaus ist als weiteres Zustandsschätz
verfahren ein modellfreies Spurerkennungsverfahren 15
vorgesehen, das ebenfalls aus dem Messkandidaten 9 Zu
standsvektoren bezüglich der Fahrzeuglage und des Spur
verlaufs errechnet und mit dem modellgestützten Spurver
folgungsverfahren 10 in Wechselwirkung stehen kann. Beide
Zustandsschätzverfahren 10, 15 liefern Zustandsvektoren
zur Auswertung an eine Inferenzmaschine 13.
Die Inferenzmaschine 13 greift zur Auswertung
und Beurteilung der Zustandsvektoren auf eine Wissensba
sis 16 mit einer Regelbasis sowie einer Datenbasis zu
rück. Die Wissensbasis 16 umfasst neben Daten bezüglich
des Momentanzustandes des Fahrzeugs auch Daten hinsicht
lich der Ausgestaltung von unterschiedlichen Spurverläu
fen. Darüber hinaus koppelt die Inferenzmaschine 13 die
beiden in der Bildverarbeitungseinrichtung 4 ablaufenden
Zustandsschätzverfahren 10, 15 zur Erkennung der Hell-
Dunkel-Grenzen der Spurbegrenzungslinien 6, 7 derart,
dass die Stärken des einen Verfahrens die Schwächen des
anderen Verfahrens ausgleicht. Hierdurch wird auch das
Spurerkennungsverfahren 15 so gesteuert, dass der signal
angepasste Filter 14 nicht das ganze Bild 5 zeilenweise
nach Linienbereichen absucht, sondern nur in dem Bereich
sucht, in dem die Wahrscheinlichkeit, die Spurbegren
zungslinien 6, 7 zu finden, hinreichend hoch ist.
Bei einer vertikalen Krümmung der Fahrbahn und
damit auch der Spurbegrenzungslinien 6, 7, deren Darstel
lung in der Bildverarbeitungsvorrichtung 4 als Kurven er
folgt, werden die Messkandidaten 9 in variablen Zeilenab
ständen i2 ausgewertet, denen jeweils eine konstante Vor
ausschauentfernung L2 auf der Fahrbahn 1 zugrunde liegt.
Die Konstanz der diskreten Vorausschauentfernungen L2 auf
denen Messkandidaten 9 auf den veränderlichen korrespon
dierenden Bildzeilen i2 entnommen werden, vermeidet so
wohl eine numerische Differentiation der Abbildungs
gleichungen, die zur Berechnung Kalmanverstärkungskoeffi
zienten linearisiert vorliegen müssen als auch die auf
wendige Erstellung korrigierter Abbildungsmatrizen, die
in der rekursiven Spurverlaufsschätzung in jedem Zyklus
erneut berechnet werden müssten.
1
Fahrbahn
2
Kamera
3
Fahrzeug
4
Bildverarbeitungseinrichtung
5
Bild
6
Spurbegrenzungslinie
7
Spurbegrenzungslinie
8
Hell-Dunkel-Grenze
9
Messkandidat
10
modellgestütztes Spurverfolgungsverfahren
11
Suchfenster
12
signalangepasstes Filter
13
Inferenzmaschine
14
signalangepasstes Filter
15
Spurerkennungsverfahren
16
Wissensbasis
Claims (11)
1. Verfahren zur Ermittlung eines Spurverlaufs einer
beidseitig helle oder dunkle Spurbegrenzungslinien
(6, 7) aufweisenden dunklen bzw. hellen Fahrbahn (1)
aus einem über die Fahrbahn (1) fahrenden Fahrzeug
(2), bei dem
- - mindestens eine Kamera (3) in bestimmten Zeitin tervallen ein Bild (5) eines vor dem Fahrzeug liegenden Außenraums an eine Bildverarbeitungs einrichtung (4) liefert,
- - die Bildverarbeitungseinrichtung (4) bei den Spurbegrenzungslinien (6) in Abhängigkeit von zumindest einem Lenkwinkel sowie einer momenta nen Geschwindigkeit des Fahrzeugs (2) und einem vorgegebenen Fahrzeuglage- und Spurverlaufsmo dell signifikante Hell-Dunkel-Grenzen (8) mo dellgestützt sowie einen von zwei signifikanten Hell-Dunkel-Grenzen (8) begrenzten Linienbereich zeilenweise ermittelt,
- - Messkandidaten (9) der Hell-Dunkel-Grenzen (8) von der Bildverarbeitungseinrichtung (4) in je weils mindestens einem modellgestützten und merkmalsbasierten Zustandsschätzverfahren (10, 15) zu Zustandsvektoren verarbeitet werden, die die Fahrzeuglage und den Spurverlauf beschreiben und
- - eine Inferenzmaschine (13) aus Zustandsvektoren die Ist-Daten des Spurverlaufs ermittelt sowie das modellgestützte und das merkmalsbasierte Zu standsschätzverfahren (10, 15) anhand vorgegebe ner Daten vergleicht, beurteilt und ggf. korri giert.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet,
dass das modellgestützte und das merkmalsbasierte
Zustandsschätzverfahren (10, 15) Vertrauensmaße lie
fern, mit denen die Güte der Zustandsvektoren abge
schätzt wird.
3. Verfahren nach Anspruch 1, dadurch gekennzeichnet,
dass die Abweichung des jeweiligen Messkandidaten
(9) zur erwarteten Soll-Lage der Fahrbahn (1) im
Bild,(5) ein Gütemaß zur Abschätzung der Güte der
jeweiligen modellgestützten und merkmalsbasierten
Zustandsschätzverfahren (10, 15) liefert.
4. Verfahren nach Anspruch 1, dadurch gekennzeichnet,
dass Zustandsvektoren eines Bildes (5) als Grundlage
für die Ermittlung von Messkandidaten (9) eines dar
auffolgenden Bildes dienen.
5. Verfahren nach einem der Ansprüche 1 bis 3, dadurch
gekennzeichnet, dass aus einen erwarteten Messvektor
und einem ermittelten Messvektor ein Korrekturvektor
zur Ermittlung eines Zustandsvektors gebildet wird.
6. Verfahren nach Anspruch 1, dadurch gekennzeichnet,
dass die Ermittlung der Hell-Dunkel-Grenze (8) und
des Linienbereichs der Spurbegrenzungslinien (6, 7)
mit einem Optimalfilter (12, 14) vorgenommen wird.
7. Verfahren nach einem der Ansprüche 1 bis 5, dadurch
gekennzeichnet, dass bei dem modellgestützten Zu
standsschätzverfahren (10) ein Kalman Filter, eine
Fuzzy-Inferenzmaschine oder ein neuronales Netz ver
wendet wird.
8. Verfahren nach Anspruch 1, dadurch gekennzeichnet,
dass die Bildverarbeitungseinrichtung (4) in einem
bestimmten Zeilenabstand mehrere Messkandidaten (9)
für jede der Spurbegrenzungslinien (6, 7) pro Bild
(5) in einer konstanten Vorausschauentfernung ermit
telt.
9. Verfahren nach einem der Ansprüche 1 bis 8, dadurch
gekennzeichnet, dass aus der Differenz erwarteter
und gemessener Vektoren gerade und ungerade Anteile
berechnet werden, die in dem modellgestützten Zu
standsschätzverfahren (10) zu Zustandsvektoren ver
arbeitet werden.
10. Verfahren nach Anspruch 1, dadurch gekennzeichnet,
dass eine zweite Kamera in bestimmten Zeitinterval
len ein Bild (5) eines hinter dem Fahrzeug (3) lie
genden Außenraums an eine Bildverarbeitungseinrich
tung (4) liefert.
11. Vorrichtung zur Ermittlung eines Spurverlaufs einer
beidseitig helle oder dunkle Spurbegrenzungslinien
(6, 7) aufweisenden dunklen bzw. hellen Fahrbahn (1)
aus einem über die Fahrbahn (1) fahrenden Fahrzeug
(2), bestehend aus
- - mindestens einer Kamera (3), die in bestimmten Zeitintervallen ein Bild (5) eines vor dem Fahr zeug liegenden Außenraums an eine Bildverarbei tungseinrichtung (4) liefert,
- - einer Bildverarbeitungseinrichtung (4), die in Abhängigkeit von zumindest einem Lenkwinkel so wie einer momentanen Geschwindigkeit des Fahr zeugs (2) und einem vorgegebenen Fahrzeuglage- und Spurverlaufsmodell signifikante Hell-Dunkel- Grenzen (8) modellgestützt sowie einen von zwei signifikanten Hell-Dunkel-Grenzen (8) begrenzten Linienbereich zeilenweise ermittelt und die Messkandidaten (9) der Hell-Dunkel-Grenzen (8) in jeweils mindestens einem modellgestützten und merkmalsbasierten Zustandsschätzverfahren (10, 15) zu Zustandsvektoren verarbeitet, welche die Fahrzeuglage und den Spurverlauf beschreiben und
- - einer Inferenzmaschine (13), die aus Zustands vektoren die Ist-Daten des Spurverlaufs ermit telt sowie das modellgestützte und das merkmals basierte Zustandsschätzverfahren (10, 15) anhand vorgegebener Daten vergleicht, beurteilt und ggf. korrigiert.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE10127034A DE10127034A1 (de) | 2001-06-02 | 2001-06-02 | Verfahren und Vorrichtung zur Ermittlung eines Spurverlaufs einer Fahrbahn |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE10127034A DE10127034A1 (de) | 2001-06-02 | 2001-06-02 | Verfahren und Vorrichtung zur Ermittlung eines Spurverlaufs einer Fahrbahn |
Publications (1)
Publication Number | Publication Date |
---|---|
DE10127034A1 true DE10127034A1 (de) | 2002-12-05 |
Family
ID=7687097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE10127034A Withdrawn DE10127034A1 (de) | 2001-06-02 | 2001-06-02 | Verfahren und Vorrichtung zur Ermittlung eines Spurverlaufs einer Fahrbahn |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE10127034A1 (de) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1431918A1 (de) * | 2002-12-20 | 2004-06-23 | Valeo Vision | Verfahren und Vorrichtung zur Erkennung von Fahrbahnkurven |
WO2005037592A1 (de) * | 2003-09-23 | 2005-04-28 | Daimlerchrysler Ag | Verfahren und vorrichtung zur erkennung von spurwechselvorgängen für ein fahrzeug |
EP1557784A1 (de) * | 2004-01-23 | 2005-07-27 | Audi Ag | Verfahren und Vorrichtung zum Assistieren beim Führen eines Kraftfahrzeuges |
EP1643269A1 (de) * | 2004-09-29 | 2006-04-05 | Robert Bosch Gmbh | Fahrerassistenzsystem mit Fuzzy-Logic |
DE102005023862A1 (de) * | 2005-05-24 | 2006-11-30 | Valeo Schalter Und Sensoren Gmbh | Spurerkennungssystem und Betriebsverfahren hierfür |
DE102006010662A1 (de) * | 2006-03-08 | 2007-09-13 | Valeo Schalter Und Sensoren Gmbh | Spurwechselwarnsystem |
DE102006055908A1 (de) * | 2006-11-27 | 2008-05-29 | Adc Automotive Distance Control Systems Gmbh | Verfahren zur automatischen Fernlichtsteuerung |
WO2010083971A1 (de) * | 2009-01-23 | 2010-07-29 | Daimler Ag | Verfahren zur ermittlung eines einem fahrzeug vorausliegenden strassenprofils einer fahrspur |
EP2525303A1 (de) * | 2011-05-17 | 2012-11-21 | Harman Becker Automotive Systems GmbH | Spurverfolgung |
DE102017216802A1 (de) * | 2017-09-22 | 2019-03-28 | Continental Teves Ag & Co. Ohg | Verfahren und vorrichtung zum erkennen von fahrspuren, fahrerassistenzsystem und fahrzeug |
DE10333670B4 (de) | 2003-07-18 | 2019-07-04 | Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr | Verfahren zum Ermitteln des Fahrbahnverlaufes aus Bilddaten |
DE102022200921A1 (de) | 2022-01-27 | 2023-07-27 | Continental Autonomous Mobility Germany GmbH | Verfahren zur Bestimmung eines dreidimensionalen Fahrbahnverlaufs, Fahrsystem und Kraftfahrzeug |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4308776C2 (de) * | 1992-03-23 | 1997-08-21 | Fuji Heavy Ind Ltd | Einrichtung zum Überwachen des Außenraums eines Fahrzeugs |
DE19749086C1 (de) * | 1997-11-06 | 1999-08-12 | Daimler Chrysler Ag | Vorrichtung zur Ermittlung fahrspurverlaufsindikativer Daten |
WO1999044173A1 (en) * | 1998-02-27 | 1999-09-02 | Lucas Industries Limited | Road profile prediction |
US6191704B1 (en) * | 1996-12-19 | 2001-02-20 | Hitachi, Ltd, | Run environment recognizing apparatus |
US6205234B1 (en) * | 1996-07-31 | 2001-03-20 | Aisin Seiki Kabushiki Kaisha | Image processing system |
-
2001
- 2001-06-02 DE DE10127034A patent/DE10127034A1/de not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4308776C2 (de) * | 1992-03-23 | 1997-08-21 | Fuji Heavy Ind Ltd | Einrichtung zum Überwachen des Außenraums eines Fahrzeugs |
US6205234B1 (en) * | 1996-07-31 | 2001-03-20 | Aisin Seiki Kabushiki Kaisha | Image processing system |
US6191704B1 (en) * | 1996-12-19 | 2001-02-20 | Hitachi, Ltd, | Run environment recognizing apparatus |
DE19749086C1 (de) * | 1997-11-06 | 1999-08-12 | Daimler Chrysler Ag | Vorrichtung zur Ermittlung fahrspurverlaufsindikativer Daten |
WO1999044173A1 (en) * | 1998-02-27 | 1999-09-02 | Lucas Industries Limited | Road profile prediction |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2848935A1 (fr) * | 2002-12-20 | 2004-06-25 | Valeo Vision | Procede de detection de virages sur une route et systeme de mise en oeuvre |
EP1431918A1 (de) * | 2002-12-20 | 2004-06-23 | Valeo Vision | Verfahren und Vorrichtung zur Erkennung von Fahrbahnkurven |
DE10333670B4 (de) | 2003-07-18 | 2019-07-04 | Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr | Verfahren zum Ermitteln des Fahrbahnverlaufes aus Bilddaten |
WO2005037592A1 (de) * | 2003-09-23 | 2005-04-28 | Daimlerchrysler Ag | Verfahren und vorrichtung zur erkennung von spurwechselvorgängen für ein fahrzeug |
EP1557784A1 (de) * | 2004-01-23 | 2005-07-27 | Audi Ag | Verfahren und Vorrichtung zum Assistieren beim Führen eines Kraftfahrzeuges |
EP1643269A1 (de) * | 2004-09-29 | 2006-04-05 | Robert Bosch Gmbh | Fahrerassistenzsystem mit Fuzzy-Logic |
DE102005023862A1 (de) * | 2005-05-24 | 2006-11-30 | Valeo Schalter Und Sensoren Gmbh | Spurerkennungssystem und Betriebsverfahren hierfür |
DE102006010662A1 (de) * | 2006-03-08 | 2007-09-13 | Valeo Schalter Und Sensoren Gmbh | Spurwechselwarnsystem |
DE102006055908A1 (de) * | 2006-11-27 | 2008-05-29 | Adc Automotive Distance Control Systems Gmbh | Verfahren zur automatischen Fernlichtsteuerung |
US8270676B2 (en) | 2006-11-27 | 2012-09-18 | Adc Automotive Distance Control Systems Gmbh | Method for automatic full beam light control |
WO2010083971A1 (de) * | 2009-01-23 | 2010-07-29 | Daimler Ag | Verfahren zur ermittlung eines einem fahrzeug vorausliegenden strassenprofils einer fahrspur |
US8676508B2 (en) | 2009-01-23 | 2014-03-18 | Daimler Ag | Method for determining a road profile of a lane located in front of a vehicle |
CN102292249B (zh) * | 2009-01-23 | 2014-10-08 | 戴姆勒股份公司 | 用于获得处于车辆前方的行车道的道路轮廓的方法 |
EP2525303A1 (de) * | 2011-05-17 | 2012-11-21 | Harman Becker Automotive Systems GmbH | Spurverfolgung |
DE102017216802A1 (de) * | 2017-09-22 | 2019-03-28 | Continental Teves Ag & Co. Ohg | Verfahren und vorrichtung zum erkennen von fahrspuren, fahrerassistenzsystem und fahrzeug |
US11417117B2 (en) | 2017-09-22 | 2022-08-16 | Continental Teves Ag & Co. Ohg | Method and device for detecting lanes, driver assistance system and vehicle |
DE102022200921A1 (de) | 2022-01-27 | 2023-07-27 | Continental Autonomous Mobility Germany GmbH | Verfahren zur Bestimmung eines dreidimensionalen Fahrbahnverlaufs, Fahrsystem und Kraftfahrzeug |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102009015142B4 (de) | Fahrzeugumgebungs-Erkennungs-Vorrichtung und Steuerungssystem zum Verfolgen eines vorausfahrenden Fahrzeugs | |
DE102006012914B4 (de) | System und Verfahren zur Bestimmung des Abstands zu einem vorausfahrenden Fahrzeug | |
DE102014116140B4 (de) | Einparkhilfsvorrichtung und Einparkhilfsverfahren für ein Fahrzeug | |
EP2561419B1 (de) | Verfahren zur bestimmung des fahrbahnverlaufes für ein kraftfahrzeug | |
DE102013008451B4 (de) | Fahrzeugeinparksteuerungssystem und Fahrzeugeinparksteuerungsverfahren, das dieses verwendet | |
EP3455785B1 (de) | Verfahren zur erfassung von verkehrszeichen | |
DE102014213981A1 (de) | Parkplatz-Erfassungsvorrichtung und entsprechendes Verfahren | |
DE102013013082A1 (de) | Toter-winkel-warnsystem und toter-winkel-warnverfahren | |
DE10127034A1 (de) | Verfahren und Vorrichtung zur Ermittlung eines Spurverlaufs einer Fahrbahn | |
EP2200881B1 (de) | Verfahren zur schätzung der relativbewegung von video-objekten und fahrerassistenzsystem für kraftfahrzeuge | |
DE19629252A1 (de) | Fahrtweg-Ableitungsvorrichtung und -verfahren für Fahrzeuge | |
EP2618305A1 (de) | Verfahren und Vorrichtung zur Online-Kalibrierung von Fahrzeug-Kameras | |
DE102017222017A1 (de) | Verfahren und System zum Ermitteln und Bereitstellen eines Bodenprofils | |
DE112017008149B4 (de) | Vorrichtung für eine von einem Fahrzeug ausgehende Kommunikation, Verfahren zum Kommunizieren von einem Fahrzeug nach außen Informationsverarbeitungsvorrichtung und computerlesbares Medium | |
DE102018104243B3 (de) | Verfahren und System zur Erkennung von für ein Fahrzeug geeigneten Parklücken | |
EP1634241B1 (de) | Verfahren und vorrichtung zur objektbestimmung in fahrerassistenzsystemen für kraftfahrzeuge | |
DE102020124236A1 (de) | Mehrweg-geisterabmilderung im fahrzeug-radarsystem | |
EP3046076A1 (de) | Verfahren zum Kalibrieren einer Bilderfassungseinrichtung | |
DE10354984A1 (de) | Verfahren und System zur Identifikation eines Fahrspurwechsels | |
DE102011078746A1 (de) | Abstands- und Typenbestimmung von Flugzeugen während des Andockens an das Gate | |
DE102015105278B4 (de) | Verfahren zum Diagnostizieren eines Gesundheitszustands eines Fahrspurerfassungssystems | |
DE102018204451A1 (de) | Verfahren und Vorrichtung zur Autokalibrierung eines Fahrzeugkamerasystems | |
DE102006044615A1 (de) | Verfahren zur Kalibrierung von Bilderfassungseinrichtungen in Fahrzeugen | |
DE102019126116A1 (de) | Vorrichtung zum Informieren über eine Fahrspur und Steuerverfahren hierfür | |
CN110633492A (zh) | 一种仿真机器人Android平台的车道偏离预警方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OM8 | Search report available as to paragraph 43 lit. 1 sentence 1 patent law | ||
8110 | Request for examination paragraph 44 | ||
8180 | Miscellaneous part 1 |
Free format text: PFANDRECHT |
|
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |
Effective date: 20140101 |