DE102004018088B4

DE102004018088B4 - Fahrbahnerkennungssystem

Info

Publication number: DE102004018088B4
Application number: DE102004018088.1A
Authority: DE
Inventors: Vinh H. Tran
Original assignee: Continental Teves Inc
Current assignee: Continental Teves Inc
Priority date: 2003-04-09
Filing date: 2004-04-08
Publication date: 2017-11-30
Anticipated expiration: 2024-04-09
Also published as: DE102004018088A1; US6807473B1; US20040204812A1

Abstract

Methode zur Erkennung des Fahrbahnzustands zum Einsatz in einem Kraftfahrzeug, wobei die Methode die folgenden Schritte umfasst: Ermitteln von Fahrbahndaten durch einen Temperatursensor, der Temperaturdaten liefert, einen Ultraschallsensor, der Rauheitsdaten liefert, und eine Kamera, die Bilddaten liefert; Filtern der Fahrbahndaten für die Verarbeitung; Vergleich der gefilterten Fahrbahndaten mit den Referenzdaten und Generierung eines Sicherheitsgrades für den Vergleich; Ermittlung des Zustands der Fahrbahnoberfläche auf der Basis des Vergleichs der gefilterten Fahrbahndaten mit den Referenzdaten; und Ermittlung eines Zuverlässigkeitswerts für den Zustand der Fahrbahnoberfläche auf der Basis des Sicherheitsgrades.

Description

BEREICH DER ERFINDUNG
Die vorliegende Erfindung bezieht sich im allgemeinen auf ein Fahrbahnerkennungssystem zur Feststellung des Zustandes der Fahrbahn, die vor einem Fahrzeug liegt, und insbesondere auf ein System, das den Fahrer mit Hilfe der Bildverarbeitung informiert und die Bremsleistung auf der Basis des festgestellten Fahrbahnzustandes optimiert.
HINTERGRUND DER ERFINDUNG
Es sind viele verschiedene Geräte und Methoden angewandt worden, um den Fahrbahnzustand zu bestimmen, und insbesondere die Beschaffenheit des Straßenbelags oder den Reibungskoeffizienten zwischen dem Reifen des Fahrzeugs und der Fahrbahn. Es wurden beispielsweise verschiedene Strukturen entwickelt, die direkt in den Reifen eines Fahrzeugs eingesetzt werden. Diese Strukturen kommen normalerweise mit der Fahrbahn in Kontakt und ermitteln den Reibungskoeffizienten der Fahrbahnoberfläche. Leider erfordern diese Systeme komplexe Strukturen, die nur mit Schwierigkeiten bei vorhandenen Reifen eingesetzt werden können. Außerdem macht die Tatsache, dass diese Strukturen direkt am Reifen angebracht werden, einen Ersatz oder eine Reparatur des Reifens sehr kostspielig oder sehr kompliziert.
Aus der DE 36 37 165 A1 ist ein Verfahren zum Verhindern von Zusammenstößen, insbesondere für Kraftfahrzeuge im Straßenverkehr bekannt, welches unter anderem Umweltparameter wie Temperatur, Feuchtigkeit/Regen, Glättezustand (Eisgefahr) der Fahrbahn erfasst.
Aus der DE 36 19 824 C2 ist eine Vorrichtung zum Anzeigen der aktuell gültigen oder der nach den Umgebungsbedingungen sicheren Höchstgeschwindigkeit für Straßenfahrzeuge bekannt mit einem elektronischen Bildsensor zum Erfassen der dem Fahrzeug vorausliegenden Fahrbahn.
Aus der DE 34 47 015 C2 ist eine Vorrichtung zum Erfassen des Zustandes einer Straßenoberfläche im Bereich eines Straßenfahrzeugs mit einer Strahlenquelle, aus der ein Strahl auf die Straßenoberfläche unter einem vorbestimmten Winkel abgestrahlt wird bekannt.
Aus der US 65 38 578 B1 ist ein System zur Erkennung und Auswertung von Oberflächenzuständen und Wetterbedingungen aus einem bewegten Fahrzeug bekannt.
Aus der US 63 00 865 B1 ist ein Verfahren zur Erkennung des vorausliegenden Fahrbahnverlaufs für ein Kraftfahrzeug bekannt.
Aus der US 59 63 148 ist ein Verfahren bekannt, bei dem Grundlage von aus einem Navigationssystem ausgelesenen Straßendaten oder auf Grundlage eines durch ein Kameramittel, wie etwa eine Videokamera, aufgenommenen Bildes ein Bild eines Straßenbereiches vor einem Fahrzeug gebildet bzw. abgebildet wird.
Aus der US 48 99 296 ist eine Vorrichtung zur Erkennung des Zustands eines Straßenpflasters bekannt.
Aus der US 5 864 056 A ist ein Verfahren zur Schleuderwarnung eines Fahrzeugs bekannt.
Aus der US 6 266 600 B1 ist ein Verfahren zum zyklischen Regeln der Abbremsung eines Fahrzeugs bekannt, wobei eine Straßenoberflächen-Reibungskraft des Fahrzeugs erfasst wird.
Aus der US 6 617 980 B2 ist eine Vorrichtung bekannt, womit ein bewegtes Objekt Informationen mit einer Informationslieferstelle austauschen kann.
Ein weiterer Nachteil der vorhandenen Systeme zur Erkennung des Fahrbahnzustandes ist die eingeschränkte Erfassungsfähigkeit. Es kann zwar ein geschätzter Oberflächen-Reibungskoeffizient ermittelt werden, andere Daten im Zusammenhang mit dem Fahrbahnzustand, wie z. B. die Art der Oberfläche, werden jedoch nicht ermittelt. Dementsprechend besteht ein Bedarf für ein Fahrbahnerkennungssystem, das sowohl bei neuen als auch bei vorhandenen Fahrzeugen einfach eingesetzt werden kann, ohne die Reifenstruktur zu ändern und ohne dass komplizierte strukturelle Verbesserungen notwendig werden, wobei ein robustes Erfassungssystem gleichzeitig die Informationen über den Fahrbahnzustand und auch die Oberflächenbedingungen liefert.
KURZE ZUSAMMENFASSUNG DER ERFINDUNG
Die vorliegende Erfindung umfasst ein Gerät und eine Methode zur Erkennung des Fahrbahnzustandes, das in einem Kraftfahrzeug eingesetzt wird. Das System und die Methode erfassen die Fahrbahndaten über einen Temperatursensor, einen Ultraschallsensor und eine Kamera. Diese Sensoren liefern Temperaturdaten, Rauheitsdaten bzw. Bilddaten. Danach werden die Fahrbahndaten gefiltert, um die Verarbeitung zu erleichtern. Die gefilterten Fahrbahndaten werden mit Referenzdaten verglichen, und für diesen Vergleich wird ein Sicherheitsgrad generiert. Der Vergleich der gefilterten Fahrbahndaten mit den Referenzdaten dient als Basis für die Ermittlung der Befahrbarkeit der Fahrbahn. Schließlich wird auf der Basis des Sicherheitsgrads der Zuverlässigkeitswert des Fahrbahnzustandes festgestellt.
Vorzugsweise wird der Fahrer über den Fahrbahnzustand informiert, wenn der Zuverlässigkeitswert über einem bestimmten Wert liegt. In ähnlicher Art und Weise werden Stabilitätskontrollsysteme auf der Basis des festgestellten Fahrbahnzustandes optimiert, wenn der Zuverlässigkeitswert einen bestimmten Wert überschreitet. Die Filterung der Fahrbahndaten kann eine Komprimierung der Bilddaten umfassen. Umgekehrt kann die Komprimierung der Bilddaten auf verschiedene Art und Weise erfolgen, wie z. B. mit Hilfe der Kantenerfassung, der Linienerfassung, der Weichzeichnungstechnik und der Erkennung von Farbe und Helligkeit. Zum Filtern der Ultraschalldaten kann eine Schwellenfrequenz verwendet werden. Ebenso kann ein Durchschnitt der Ultraschalldaten über einen bestimmten Zeitraum oder eine Fourier-Transformation eingesetzt werden.
Der Vergleich der gefilterten Fahrbahndaten mit den Referenzdaten kann auch die Feststellung einer umgebungsbezogenen Klassifizierung des Zustands der Fahrbahnoberfläche umfassen, wie z. B. trocken, vereist, verschneit, nass. Ebenso kann die Fahrbahnoberfläche klassifiziert werden, wie z. B. Beton, Asphalt, Schmutz, Gras, Sand oder Kies. Der Sicherheitsgrad wird durch die Korrelation der Fahrbahndaten mit den Referenzdaten bestimmt. Vorzugsweise basiert der Zuverlässigkeitswert nicht nur auf dem Sicherheitsgrad, sondern auch auf der Beständigkeit der Fahrbahn- und Filterdaten während eines bestimmten Zeitraums und der Menge der Störgeräusche in den Fahrbahndaten vor der Filterung. Der Fahrer wird vorzugsweise durch Bilder oder Text auf einer herkömmlichen Anzeige informiert. Fahrzeugstabilitätssysteme umfassen Systeme wie Antiblockier-Bremssysteme, Traktionskontrollsysteme, Gier- und Roll-Stabilitätssysteme und ähnliches.
KURZE BESCHREIBUNG DER ZEICHNUNGEN
Die beigefügten Zeichnungen, die in die Spezifikation aufgenommen werden und deren Bestandteil sind, illustrieren mehrere Aspekte der vorliegenden Erfindung und dienen zusammen mit der Beschreibung dazu, die Prinzipien der Erfindung zu erläutern. Die Zeichnung:
1 ist eine schematische Darstellung einer Ausgestaltung des Prozesses zur Erkennung des Fahrbahnzustandes nach der Lehre der vorliegenden Erfindung;
2 ist ein logisches Flussdiagramm des in 1 dargestellten Prozesses und zeigt die Bestimmung der umgebungsbezogenen Klassifizierung des Zustands der Fahrbahnoberfläche;
3a und 3b zeigen eine Temperatur- bzw. eine Frequenzskala, die von dem in 1 beschriebenen System verwendet wird;
4 stellt ein Diagramm dar, das zur Bestimmung der Oberflächenklassifikation durch das in 1 beschriebene System verwendet wird.
DETAILLIERTE BESCHREIBUNG DER ERFINDUNG
Bei näherer Betrachtung der Zeichnungen besteht die vorliegende Erfindung aus einem System 10 und ein Verfahren 50 zur Bestimmung des Fahrbahnzustandes, bevor ein Fahrzeug in diesen Bereich kommt oder zum Zeitpunkt des Eintretens in diesen Bereich, wie in 1 und 2 dargestellt. Kamera 12 wird zur Erkennung des Fahrbahnzustandes verwendet. Die Kenntnis des Fahrbahnzustandes steigert die Zuverlässigkeit der Stabilitätskontrollsysteme erheblich und gibt dem Fahrer ein umgehendes Feedback. Das heißt: die Fähigkeit, den Fahrbahn- bzw. Oberflächenzustand zu erkennen (einschließlich des Oberflächen-Reibungskoeffizienten mu), der hier als mu bezeichnet wird, erlaubt die Optimierung der Stabilitätskontrollsysteme, wie z. B. ABS, ASR, Roll- und Gier-Stabilitätssysteme und integrierte Fahrzeugdynamik, um Zuverlässigkeit und Reaktionszeit zu erhöhen. Das ABS-System kann beispielsweise bestimmte Softwareprüfungen ausschließen, wenn es weiß, dass der Oberflächenzustand im allgemeinen entweder im oberen oder im unteren mu-Bereich liegt. Dies schließt ebenso die Möglichkeit einer falschen Erkennung durch die Software des ABS-Systems aus. Ähnlich kann der Übergang zwischen dem oberen und dem unteren mu-Bereich und umgekehrt für die integrierte Fahrzeugdynamik optimiert werden. Die falsche Erkennung oder fehlerhafte Einschätzung des Oberflächenzustandes (mu), die auf den seitlichen oder in Längsrichtung angeordneten Sensoren basiert, kann ebenso unterbunden werden.
Das System und die Methode 10 für die Erkennung des Zustands der Fahrbahn, die vor einem Kraftfahrzeug liegt, wird zunächst ausführlich beschrieben. Dann folgenden spezielle Einzelheiten dieses Aspekts. Mit Bezug auf 1 liefern die Sensoren noch nicht aufbereitete Fahrbahndaten 18 zur Bestimmung des Fahrbahnzustandes. Die Sensoren umfassen vorzugsweise eine Kamera 12, einen Ultraschallsensor 14 und einen Temperatursensor 16. Die Fahrbahndaten 18 werden gefiltert, um gefilterte Daten 20 zu erzeugen, die leichter durch den Mikroprozessor oder die CPU 15 verarbeitet werden können. Die gefilterten Daten 20 werden dann mit den Referenzdaten 22 verglichen, die in einer Datenbank gespeichert sind, auf die der Mikroprozessor 15 zugreifen kann. Je nachdem wie nah die gefilterten Daten 20 beim Vergleich bei den Referenzdaten 22 liegen oder wie genau die gefilterten Daten mit den Referenzdaten übereinstimmen, kann ein Sicherheitsgrad 42 festgestellt werden. Außerdem erfolgt die Erkennung der Fahrbahnoberfläche 44 auf der Basis eines Vergleichs der gefilterten Daten 20 mit den Referenzdaten 22. Dann wird ein Zuverlässigkeitswert 46 erzeugt, der zumindest teilweise auf dem Sicherheitsgrad 42 basiert. Wenn der Zuverlässigkeitswert 46 ausreicht oder eine vorher bestimmte Schwelle erreicht, kann der Fahrer informiert und die Stabilitätsprogramme optimiert werden, wie in Block 48 angegeben.
Wie in 1 dargestellt, liefern die Kamera 12, der Ultraschallsensor 14 und der Temperatursensor 16 Bilddaten, Rauheitsdaten bzw. Temperaturdaten an einen Mikroprozessor 15. Diese Daten bilden insgesamt die Fahrbahndaten 18. Kamera 12 ist vorzugsweise eine Digitalkamera, die in einer gewünschten Position am Fahrzeug montiert werden kann, um ein Bild zur Erkennung und Bestimmung des Fahrbahn- und Oberflächenzustands zu erfassen. Die Kamera kann in einer Vielzahl von Positionen befestigt werden, die von den Informationen abhängen, welche jeweils vom System 10 gefordert werden. Vorzugsweise ist Kamera 12 vorn am Fahrzeug montiert, um die vor dem Fahrzeug liegende Fahrbahn zu erfassen. Die Kamera sollte in einem solchen Winkel angebracht werden, dass das Bild des Fahrbahnzustands erfasst wird, bevor das Fahrzeug das dargestellte Terrain erreicht. Der Temperatursensor 16 kann ein beliebiger Sensor sein, der in der Kfz-Technik bekannt ist. Es gibt beispielsweise kontaktfreie Temperatursensoren, die sowohl die Fahrbahn- als auch die Lufttemperatur erfassen. Der Ultraschallsensor 14 kann ebenso aus zahlreichen bekannten Sensoren ausgewählt werden und besteht im allgemeinen aus einem Sender und einem Empfänger für die Feststellung der Rauheit durch Ablesen der Frequenz des reflektierten Ultraschallsignals. Der Sensor 14 sollte über einen Erfassungsbereich zwischen 6 und 10 Fuß (ca. 1,8 bis 3 m) sowie eine Genauigkeit von 0,1% in diesem Bereich verfügen.
Die Fahrbahndaten 18 sind die noch nicht aufbereiteten Daten, die von der Kamera 12, dem Ultraschallsensor 14 und dem Temperatursensor 16 erfasst wurden. Um eine schnelle Verarbeitung und Handhabung der Fahrbahndaten 18 zu ermöglichen, werden die Daten gefiltert, um die Filterdaten 20 zu erzeugen. Genauer gesagt, können die Bilddaten von Kamera 12 mit Hilfe von zahlreichen Techniken komprimiert werden. Für die Kantenerfassung kann z. B. die stufenweise Kantenerfassung oder die Laplace-Kantenerfassung verwendet werden. Genauso kann für die Linienerfassung, die Methode nach Sobel oder Sewit, die auf einer Verschiebung bzw. Differenz beruhende oder die Liniensegmenterfassung verwendet werden. Eine weitere Kompressionstechnik umfasst die Weichzeichnung des Bildes, um den Anteil der Störgeräusche zu reduzieren, wie z. B. durch Verwendung eines Durchschnittsfilters, eines Mittelfilters oder eines Gauss'schen Filters. Die Bilddaten könnten auch nur im Hinblick auf eine Farberkennung gefiltert werden, d. h. sie könnten einfach die Helligkeit und die Größe der hellen Flecke ermitteln. Die Ultraschalldaten werden vorzugsweise gefiltert, indem ein Durchschnitt der Daten über einen bestimmen Zeitraum ermittelt wird oder alternativ durch Verwendung einer Fourier-Transformation.
Die gefilterten Daten 20 werden dann mit den Referenzdaten 22 verglichen. Die Referenzdaten 22 beziehen sich auf Daten, die als Ausgangspunkt für die Fahrbahnklassifizierung genommen werden. Diese Daten werden während der Entwicklungsphase gesammelt und bieten zahlreiche Beispiele für alle möglichen Fahrbahnklassifizierungen. Vorzugsweise werden die Referenzdaten in zwei Gruppen unterteilt, wie z. B. eine umgebungsbezogene Klassifizierung 24 und eine Oberflächenklassifizierung 26. Die umgebungsbezogene Klassifizierung 24 umfasst die Eigenschaften vereist 28, verschneit 30, nass 32 und trocken 34. Die Oberflächenklassifizierung umfasst die Eigenschaften rau 36, glatt 38 und mittel 40. Beispiele für eine raue Oberfläche 36 sind Sand und Kies. Beispiele für eine glatte Oberfläche 38 sind Beton und Asphalt. Beispiele für eine mittlere Oberfläche 40 sind Schmutz und Gras. Die Referenzdaten umfassen auch eine Charakterisierung des Oberflächenzustands (mu) auf der Basis einer bestimmten Kombination der umgebungsbezogenen Klassifizierung 24 und der Oberflächenklassifizierung 26.
Das logische Flussdiagramm in 2 stellt die Methode 50 für die Erkennung des Fahrbahnzustandes dar. Der Prozess 50 beginnt bei Block 52 und fließt zu Block 54, wo die Fahrbahndaten 18 erfasst werden. Die Fahrbahndaten umfassen die Bilddaten, die Temperaturdaten und die Rauheitsdaten.
Die Daten werden verarbeitet, wie in Block 56 beschrieben. Genauer gesagt werden die Bilddaten komprimiert und gefiltert, so dass sie eine oder mehrere Variablen enthalten. Beispielsweise können die Variablen Kanteneerfassung, Helligkeitserfassung und Größe der hellen Flecke verwendet werden, um die Bilddaten darzustellen.
Die Temperaturdaten können zu einer einzigen Variable gefiltert werden, wie z. B. „niedrig” (–20 bis 9°F/–29 bis –12°C), „mittel” (10 bis 39°F/–12 bis 4°C) und „hoch” (40 bis 100°F/4 bis 38°C). Wie in 3a dargestellt, stellt eine horizontale Achse 80 eine Temperaturskala dar, an der die Temperaturdaten liegen. Die Temperaturdaten können in drei Hauptgruppen gefiltert werden, d. h. hoch 90, mittel 92 und niedrig 94. Die Gruppen hoch 90, mittel 92 und niedrig 94 entsprechen bestimmten umgebungsbezogenen Klassifikationen 24. Wenn beispielsweise die Temperaturdaten als niedrig 94 eingestuft werden, entspricht die umgebungsbezogene Klassifikation immer vereist 88. Wenn die Temperaturdaten als hoch 90 eingestuft werden, so entspricht dies der umgebungsbezogenen Klassifikation trocken 82 oder nass 84, da Eis und Schnee bei hohen Temperaturen von 40 bis 100°F (4 bis 38°C) nicht vorkommen. Bei mittleren Temperaturdaten 92 kann die umgebungsbezogene Klassifikation entweder nass 94, verschneit 86 oder vereist 88 entsprechen.
Genauso können die Ultraschalldaten zu einer einzigen einfachen Variable gefiltert werden, die der Frequenz „niedrig”, „mittel” oder „hoch” entspricht. Wie in 3b gezeigt, kann ein Diagramm für die Ultraschall- oder Rauheitsdaten 104 erstellt werden, bei dem die horizontale Achse 100 die Zeit und die vertikale Achse 102 die Frequenz darstellt. Zu einem beliebigen Zeitpunkt können die Rauheitsdaten 104 auf der Basis der Frequenz charakterisiert werden. Die gestrichelten Linien sollen die Unterteilung zwischen einer niedrigen Frequenz 106, einer mittleren Frequenz 108 und einer hohen Frequenz 110 darstellen. Im allgemeinen stellt eine niedrige Frequenz 106 eine glatte Oberfläche dar, während eine hohe Frequenz 110 eine raue Oberfläche darstellt. Eine mittlere Frequenz 108 stellt eine Oberflächenrauheit dar, die zwischen den glatten 106 und den rauen 110 Werten liegt.
Die sich ergebenden gefilterten Daten 58 werden dann mit den Referenzdaten 50 verglichen, wie in Block 62 angegeben.
Auf der Basis von Vergleichsschritt 62 wird ein Sicherheitsgrad 64 ermittelt. Der Sicherheitsgrad 64 steigt, wenn die zu vergleichenden Werte möglichst nah beieinander liegen. So kann auf einer Skala von 0 bis 5 der Wert 5 eine genaue Übereinstimmung der Daten anzeigen, während 0 einen unerkennbaren Filterdatensatz 58 darstellen würde. Was die Bilddaten betrifft, so hat jedes Bild einen „Merkmalssatz”, d. h. einen Vektor, dessen einzelne Elemente jeweils einen Parameter des Bildes darstellen. Beispiele für Parameter sind Skalare wie Schwerpunkt, Momente usw. Die Parameter der einzelnen Datenbilder werden gemessen, und der Merkmalsvektor wird erzeugt. Nun wird dieser Merkmalsvektor mit den Merkmalsvektoren aller Referenzdatenbilder vergleichen. Je näher dieser Merkmalsvektor einem bestimmten Merkmalsvektor eines Referenzbildes kommt, um so höher ist die Korrelation und somit der Sicherheitsgrad. Die „Nähe” der Vektoren kann auf viele verschiedene Arten bestimmt werden. Der einfachste Weg ist der „Abstand”, d. h. die Messung des Abstandes zwischen den Merkmalsvektoren. Der Mindestabstand ist das Maß für die genaueste Übereinstimmung.
Nach dem Vergleichsschritt 62 erfolgt eine Oberflächenfeststellung, wie in Block 66 angegeben. Die Fahrbahnoberflächenfeststellung 66 entspricht einer Extrapolation der Referenzdaten 60 auf der Basis des Vergleichs 62 der gefilterten Daten mit den Referenzdaten. Dann wird ein Zuverlässigkeitswert 68 generiert. Der Zuverlässigkeitswert kann einfach auf dem Sicherheitsgrad 64 basieren. Bei der Generierung des Zuverlässigkeitswerts können jedoch auch weitere Variablen verwendet werden, wie z. B. die Beständigkeit der Fahrbahndaten und der gefilterten Daten über einen bestimmten Zeitraum. Ähnlich kann ebenso der Anteil der Störgeräusche in den Fahrbahndaten vor der Filterung verwendet werden. Vorzugsweise ist der Sicherheitsgrad 64 der vorherrschende Faktor bei der Bestimmung des Zuverlässigkeitswerts 68. Wenn der Zuverlässigkeitswert größer als ein vorher bestimmter Wert ist, sagen wir 3 auf einer Skala von 0 bis 5, dann informiert Methode 50 den Fahrer und optimiert das Stabilitätssystem, wie in Block 72 angegeben. Wenn der Zuverlässigkeitswert die vorher bestimmte Schwelle nicht erreicht, geht Methode 50 zu dem Ende bei Block 74.
In 4 wird die umgebungsbezogene und die Oberflächenklassifikation erläutert. Sobald die gefilterten Daten 20 vorliegen, werden sie durch zwei Klassifikationen charakterisiert, d. h. eine umgebungsbezogene Klassifikation 24 und eine Oberflächenklassifikation 26. Zunächst können die Temperaturdaten verwendet werden, um im allgemeinen die umgebungsbezogene Klassifikation 24 entweder als trocken 82, nass 84, verschneit 86 oder vereist 88 – wie in 3A angegeben – vorzunehmen. Wenn die Temperaturdaten keine spezielle umgebungsbezogene Klassifikation ergeben, d. h. wenn die Temperaturdaten entweder als hoch 90 oder niedrig 92 gefiltert werden, werden die Bilddaten dann für die umgebungsbezogene Klassifizierung 24 verwendet. Wie oben bereits erläutert, wird dies erreicht, indem die Bilddaten mit den Referenzbilddaten verglichen werden, vorzugsweise durch Korrelation und/oder Merkmalsvektoren.
Nach der umgebungsbezogenen Klassifizierung 24 auf der Basis der Temperatur- und Bilddaten wird eine Oberflächenklassifizierung 26 durchgeführt. Wie in 4 dargestellt, können verschiedene Diagramme verwendet werden. Im Einzelnen können ein Diagramm „trocken” 120, ein Diagramm „nass” 122, ein Diagramm „verschneit” 124 und ein Diagramm „vereist” 126 verwendet werden. Mit Hilfe dieser Diagramme 120, 122, 124 und 126 werden die Ultraschalldaten und die Bilddaten für die Oberflächenklassifizierung 26 verwendet.
Zunächst werden die Rauheitsdaten analysiert. Wie man sieht, kann für alle umgebungsbezogenen Klassifizierungen die Oberflächenklassifizierung „Beton” vorgenommen werden, wenn die Ultraschall- oder Rauheitsdaten als niedrig 130 eingestuft werden. Dementsprechend gilt die Oberflächenklassifizierung „Kies”, wenn die Ultraschall- und Rauheitsdaten als hoch 134 eingestuft werden. Wenn die Rauheitsdaten jedoch als mittel 132 eingestuft werden, müssen System 10 und Methode 50 immer noch unterscheiden, ob es sich um Asphalt, Gras, Schmutz oder Sand handelt. Dementsprechend werden die Bilddaten, die vorzugsweise auf der Basis der Kanten- oder Linienerfassung, Farb- oder Helligkeitserkennung gefiltert werden, mit den Referenzbilddaten verglichen, um die Oberflächenklassifizierungen weiter zu definieren. Alternativ können in jeder Umgebungsklassifizierung 24 die gefilterten Rauheitsdaten mit Referenzrauheitsdaten verglichen werden und die gefilterten Bilddaten können mit Referenzbilddaten verglichen werden, um eine Oberflächenklassifizierung zu ermöglichen.

Die obige Beschreibung der verschiedenen Ausgestaltungen der Erfindung dient lediglich der Illustration und Beschreibung. Sie soll nicht erschöpfend sein oder die Erfindung auf genau die beschriebenen Ausgestaltungen beschränken. Angesichts der obigen Lehre sind zahlreiche Modifikationen oder Änderungen möglich. Die besprochenen Ausgestaltungen wurden gewählt und beschrieben, um die Prinzipien der Erfindung und deren praktische Anwendung bestmöglich zu beschreiben, damit eine Person mit normalen Kenntnissen auf diesem Gebiet die Erfindung in den verschiedenen Ausgestaltungen und den verschiedenen Modifikationen verwenden kann, die für den speziellen Einsatzfall geeignet sind. All diese Modifikationen und Änderungen fallen unter den Umfang der Erfindung, wie von den beigefügten Ansprüchen festgelegt, wenn diese in der Breite interpretiert werden, die rechtlich zulässig ist. Text in den Abbildungen

Fig. 1
12	Kamera
14	Ultraschallsensor
16	Temperatursensor
19	Filter
28	vereist
30	verschneit
32	nass
34	trocken
36	rau (Sand, Kies, usw.)
38	glatt (Beton, Asphalt usw.)
40	mittel (Schmutz, Gras, usw.)
42	Sicherheitsgrad
44	Feststellung der Fahrbahnoberfläche
46	Zuverlässigkeitswert
48	Fahrer informieren und Feststellung des
	Stabilitätssystems optimieren
Fig. 2
52	Start
54	Fahrbahndaten
	F = (T, U, I)
	(1) Kamera
	(2) Temperatur
	(3) Ultraschall
Pfeil von 54 nach 56	Bildverarbeitung
56	System zur Bildverarbeitung
	1 Kantenerfassung
	2 Helligkeitserfassung
	3 Größe der hellen Punkte
	Temperatur
	1 hoch (40–100°F/–29 bis –12°C)
	2 mittel (10–39°F/–12 bis 4°C)
	3 niedrig (–20–9°F/4 bis 38°C)
	Ultraschall
	1 hohe Frequenz
	2 mittlere Frequenz
	3 niedrige Frequenz
58	gefilterte Daten
	F = (Bild, Temperatur, Ultraschall)
60	Ausgangsbilder für die Referenzdaten
62	gefilterte Daten mit Referenzdaten vergleichen
64	Sicherheitsgrad
66	Feststellung der Fahrbahnoberfläche
68	Zuverlässigkeitswert
	Berechnungsalgorithmus für RN
	hohe Sicherheit, RN = 4 oder 5
	mittlere Sicherheit, RN = 2 oder 3
	niedrige Sicherheit, RN = 11
70	ist RN ≥ 3?
Pfeil von 70 nach rechts	nein
Pfeil von 70 nach unten	ja
72	Fahrer informieren und Stabilitätssystem optimieren
74	Ende
Fig. 3a
Temperaturskala
82	trocken
84	nass
86	verschneit
88	vereist
90	hoch
92	mittel
94	niedrig
Fig. 3b
Frequenzskala
106	niedrig
108	mittel
110	hoch
Fig. 4
120	trocken
130	Beton
132	Asphalt	Gras
		Schmutz	Sand
134			Kies
122	nass
130	Beton
132	Asphalt	Gras
		Schmutz	Sand
134			Kies
124	verschneit
130	Beton
132	Asphalt /	Gras
		Schmutz	/ Sand
134			Kies
126	vereist
130	Beton
132	Asphalt	Gras
		Schmutz	Sand
134			Kies

Claims

Methode zur Erkennung des Fahrbahnzustands zum Einsatz in einem Kraftfahrzeug, wobei die Methode die folgenden Schritte umfasst: Ermitteln von Fahrbahndaten durch einen Temperatursensor, der Temperaturdaten liefert, einen Ultraschallsensor, der Rauheitsdaten liefert, und eine Kamera, die Bilddaten liefert; Filtern der Fahrbahndaten für die Verarbeitung; Vergleich der gefilterten Fahrbahndaten mit den Referenzdaten und Generierung eines Sicherheitsgrades für den Vergleich; Ermittlung des Zustands der Fahrbahnoberfläche auf der Basis des Vergleichs der gefilterten Fahrbahndaten mit den Referenzdaten; und Ermittlung eines Zuverlässigkeitswerts für den Zustand der Fahrbahnoberfläche auf der Basis des Sicherheitsgrades.
Methode nach Anspruch 1 mit dem zusätzlichen Schritt, dass der Fahrer über den Fahrbahnzustand informiert wird, wenn der Zuverlässigkeitswert einen bestimmten Wert überschreitet.
Methode nach Anspruch 1 mit dem zusätzlichen Schritt, dass die Stabilitätskontrollsysteme des Fahrzeugs auf der Basis des ermittelten Fahrbahnzustandes optimiert werden, wenn der Zuverlässigkeitswert über einem bestimmten Wert liegt.
Methode nach Anspruch 1, wobei der Schritt der Filterung der Fahrbahndaten auch die Komprimierung der Bilddaten umfasst.
Methode nach Anspruch 4, wobei die Komprimierung der Bilddaten auch die Verwendung der Kantenerfassung umfasst.
Methode nach Anspruch 4, wobei die Komprimierung der Bilddaten auch die Verwendung der Linienerfassung umfasst.
Methode nach Anspruch 4, wobei die Komprimierung der Bilddaten auch die Weichzeichnung des Bildes umfasst, um die Störgeräusche zu reduzieren.
Methode nach Anspruch 4, wobei die Komprimierung der Bilddaten auch die Farberkennung umfasst.
Methode nach Anspruch 1, wobei der Schritt der Filterung der Fahrbahndaten auch den Einsatz einer Schwellenfrequenz für Ultraschalldaten umfasst.
Methode nach Anspruch 1, wobei der Schritt der Filterung von Fahrbahndaten auch die Ermittlung eines Durchschnitts der Ultraschalldaten umfasst.
Methode nach Anspruch 1, wobei der Schritt der Filterung von Fahrbahndaten auch die Anwendung einer Fourier-Transformation auf die Ultraschalldaten umfasst.
Methode nach Anspruch 1, wobei der Schritt der Bestimmung des Fahrbahnzustands auch den Schritt der Feststellung einer umgebungsbezogenen Klassifizierung des Fahrbahnzustands umfasst.
Methode nach Anspruch 12, wobei der Schritt der Bestimmung einer umgebungsbezogenen Klassifizierung folgendes umfasst: Feststellung der Temperatur von Luft und Fahrbahn; Auswahl eines Teils der Referenzdaten auf der Basis der Temperaturdaten; Vergleich der Rauheitsdaten des Ultraschallsensors mit dem ausgewählten Teil der Referenzdaten; und Vergleich der Bilddaten der Kamera mit dem ausgewählten Teil der Referenzdaten.
Methode nach Anspruch 1, wobei der Schritt der Bestimmung des Fahrbahnzustands den Schritt der Feststellung einer Oberflächenklassifizierung des Fahrbahnzustands umfasst.
Methode nach Anspruch 14, wobei der Schritt der Feststellung einer Oberflächenklassifizierung zunächst Rauheitsdaten vom Ultraschallsensor und dann Bilddaten der Kamera vergleicht, um den Sicherheitsgrad zu erhöhen.
Methode nach Anspruch 1, wobei der Schritt der Feststellung eines Zuverlässigkeitswerts sich vorrangig auf den Vergleich der gefilterten Daten mit den Referenzfahrbahndaten stützt.
Methode nach Anspruch 1, wobei der Schritt der Feststellung eines Zuverlässigkeitswertes auch die Beständigkeit der Fahrbahn- und der gefilterten Daten über einen bestimmten Zeitraum umfasst.
Methode nach Anspruch 1, wobei der Schritt der Feststellung eines Zuverlässigkeitswertes auch den Anteil der Störgeräusche in den Fahrbahndaten vor der Filterung umfasst.
Methode nach Anspruch 1, wobei der Temperatursensor Luft- und Fahrbahntemperaturdaten liefert.
System zur Erkennung des Fahrbahnzustands für ein Kraftfahrzeug, wobei das Erkennungssystem folgendes umfasst: ein Mittel zur Erkennung der Fahrbahndaten mit einem Temperatursensor, der Temperaturdaten liefert, einem Ultraschallsensor, der Rauheitsdaten liefert und einer Kamera, die Bilddaten liefert; Mittel zur Filterung von Fahrbahndaten, um die Verarbeitung zu erleichtern; Mittel zum Vergleich der gefilterten Fahrbahndaten mit den Referenzdaten und Generierung eines Sicherheitsgrads für den Vergleich; Mittel zur Festlegung eines Fahrbahnzustands auf der Basis des Vergleichs gefilterter Fahrbahndaten mit den Referenzdaten; und Mittel zur Festlegung eines Zuverlässigkeitswerts für die Feststellung des Fahrbahnzustands auf der Basis des Sicherheitsgrads.