DE102007013023A1

DE102007013023A1 - Probabilistische Rasterkarte

Info

Publication number: DE102007013023A1
Application number: DE102007013023A
Authority: DE
Inventors: Thorsten Weiss; Kay Fürstenberg; Michael KÖHLER; Klaus Prof. Dr.-Ing. Dietmayer
Original assignee: Ibeo Automobile Sensor GmbH
Current assignee: Sick AG
Priority date: 2007-03-19
Filing date: 2007-03-19
Publication date: 2008-09-25
Anticipated expiration: 2027-03-20
Also published as: DE102007013023B4

Abstract

Rekursives Verfahren zum Erstellen einer Rasterkarte mit Gitterzellen, denen jeweils ein Gesamtwert einer Wahrscheinlichkeit für eine Besetzung der jeweiligen Gitterzelle durch wenigstens ein Objekt zugeordnet ist, auf der Basis von in aufeinanderfolgenden Messungen mittels wenigstens eines an einem Fahrzeug angeordneten Umfeldsensors erfassten tiefenaufgelösten Bildern zur Detektion von Objekten im Sichtbereich des Umfeldsensors, wobei bei dem Verfahren in jedem Rekursionsschritt aus dem Bild einer aktuellen Messung ein Einzelmessraster mit Gitterzellen, denen jeweils ein aktueller Einzelwert einer Besetzungswahrscheinlichkeit zugeordnet ist, ermittelt wird, welches Einzelmessraster anschließend dazu verwendet wird, unter Anwendung eines Verknüpfungsalgorithmus, insbesondere eines Binary-Bayes-Filters, die jeweils in einem vorhergehenden Rekursionsschritt erstellte Rasterkarte zu aktualisieren, wobei einer freien Gitterzelle des Einzelmessrasters ein aktueller Einzelwert zugewiesen wird, der von der Entfernung der freien Gitterzelle des Einzelmessrasters von dem Umfeldsensor abhängt.

Description

Die vorliegende Erfindung betrifft ein rekursives Verfahren zum Erstellen einer Rasterkarte mit Gitterzellen, denen jeweils ein Gesamtwert einer Wahrscheinlichkeit für eine Besetzung der jeweiligen Gitterzelle durch wenigstens ein Objekt zugeordnet ist, auf der Basis von in aufeinanderfolgenden Messungen mittels wenigstens eines an einem Fahrzeug angeordneten Umfeldsensors erfassten tiefenaufgelösten Bildern zur Detektion von Objekten im Sichtbereich des Umfeldsensors, wobei bei dem Verfahren in jedem Rekursionsschritt aus dem Bild einer aktuellen Messung ein Einzelmessraster mit Gitterzellen, denen jeweils ein aktueller Einzelwert einer Besetzungswahrscheinlichkeit zugeordnet ist, ermittelt wird, welches Einzelmessraster anschließend dazu verwendet wird, unter Anwendung eines Verknüpfungsalgorithmus, insbesondere eines Binary-Bayes-Filters, die jeweils in einem vorhergehenden Rekursionsschritt erstellte Rasterkarte zu aktualisieren.
Ein derartiges Verfahren ist grundsätzlich bekannt und wurde beispielsweise in dem Buch von S. Thrun, D. Fox, und W. Burgard, "Probabilistic Robotics", MIT Press, 2005 beschrieben, dessen Inhalt hiermit in diese Anmeldung aufgenommen wird.
Bei dem bekannten Verfahren wird das Umfeld des Sensors, welcher zur Detektion von Objekten ausgelegt ist, in einzelne Gitterzellen eingeteilt, wodurch eine Rasterkarte entsteht. Die Gitterzellen werden jeweils mit einem Wert belegt, der angibt, wie hoch die Wahrscheinlichkeit dafür ist, dass sich ein Objekt oder ein Teil oder ein Bereich des Objekts in der je weiligen Gitterzelle befindet. Dabei werden die Besetzungswahrscheinlichkeitswerte, welche sich aus der Akkumulation vorhergehender Messungen ergeben, mittels den in der aktuellen Messung ermittelten aktuellen Einzelwerten aktualisiert, wodurch verbesserte Gesamtwerte der Besetzungswahrscheinlichkeit für die Gitterzellen der Rasterkarte entstehen, welche neben der Historie auch die jeweils aktuelle Messung berücksichtigen.
Dabei wird einer freien Gitterzelle des Einzelmessrasters, welche dadurch definiert ist, dass sie nicht durch ein Objekt oder einen Bereich des Objekts verdeckt ist und in ihr kein Objekt detektiert worden ist, der aktuelle Wert 0 oder ein besonders niedriger aktueller Wert für die Besetzungswahrscheinlichkeit nahe 0 zugewiesen. Einer besetzten Gitterzelle des Einzelmessrasters hingegen, welche dadurch definiert ist, dass in ihr ein Objekt detektiert worden ist, wird ein hoher aktueller Wert, beispielsweise zwischen 0,5 und 1, zugewiesen.
Allerdings ist dieses Verfahren bei Verwendung eines diskret abtastenden Umfeldsensors, welcher einen vorgegebenen Winkelbereich überstreicht, mit einer gewissen Unsicherheit behaftet, da in weiter von dem Umfeldsensor entfernten Gitterzellen liegende kleine oder schmale Objekte, beispielsweise Begrenzungs-, Ampel- und/oder Schilderpfosten, von dem Umfeldsensor übersehen werden können, so dass diese Gitterzellen fälschlicherweise als freie Gitterzellen interpretiert werden, welchen dann ein niedriger Wert für die Besetzungswahrscheinlichkeit, insbesondere 0, zugewiesen wird.
Der vorliegenden Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren der eingangs genannten Art bereitzustellen, welches den vorstehend beschriebenen Nachteil falscher niedriger Werte beseitigt.
Die Aufgabe wird durch ein Verfahren mit den Merkmalen des Anspruchs 1 und insbesondere dadurch gelöst, dass einer freien Gitterzelle des Einzelmessrasters ein aktueller Einzelwert zugewiesen wird, der von der Entfernung der freien Gitterzelle des Einzelmessrasters von dem Umfeldsensor abhängt.
Hierdurch kann erreicht werden, dass bei weiter von dem Umfeldsensor entfernt liegenden freien Gitterzellen der höheren Unsicherheit bei der Detektion von Objekten durch höhere Besetzungswahrscheinlichkeitswerte Rechnung getragen wird. Stellt sich heraus, dass es sich bei einer weiter entfernt liegenden Gitterzelle entgegen ursprünglichen Annahmen nicht um eine freie Gitterzelle, sondern um eine besetzte Gitterzelle handelt, kann die Besetzungswahrscheinlichkeit einer derartigen Gitterzelle innerhalb weniger Rekursionsschritte und damit besonders schnell einen hohen und damit richtigen Wert einnehmen, da bereits von einem höheren zugrundeliegenden Wert gestartet wird. Es hat sich gezeigt, dass durch diese Maßnahme die Robustheit der Umfelderkennung erheblich verbessert werden kann.
Bei dem wenigstens einen Umfeldsensor handelt es sich bevorzugt um ein LIDAR-System, insbesondere einen Laserscanner.
Bevorzugt nimmt innerhalb eines vorgegebenen Entfernungsbereichs der zugewiesene aktuelle Einzelwert insbesondere kontinuierlich und/oder linear mit der Entfernung der freien Gitterzelle des Einzelmessrasters von dem Umfeldsensor zu.
Nach einer anderen Ausgestaltung der Erfindung, welche auch unabhängig beansprucht wird, ist das Koordinatensystem der Rasterkarte drehfest mit einem globalen Koordinatensystem verbunden. Bei einer Drehung des Fahrzeugs wird das Fahrzeug auf der Rasterkarte gedreht und nicht die Rasterkarte unter dem Fahrzeug. Hierdurch können Diskretisierungsfehler vermieden werden.
Nach einer anderen Ausgestaltung der Erfindung, welche auch unabhängig beansprucht wird, werden die Gesamtwerte ohne Verwendung des Logarithmus des Chancen-Verhältnisses der Gesamtwerte erstellt. Insbesondere können die Gesamtwerte durch Multiplikation der aktuellen Einzelwerte mit Gesamtwerten des vorhergehenden Rekursionsschritts erstellt werden. Durch Verzicht auf die Verwendung des Logarithmus des Chancen-Verhältnisses kann bei einer Implementierung des erfindungsgemäßen Verfahrens in Software die Rechenzeit erheblich verkürzt werden, wobei es möglich ist, die probabilistische Rasterkarte in Echtzeit zu erstellen.
Bevorzugt wird ein Gesamtwert, der größer ist als ein Wert 1 – ε, gleich dem Wert 1 – ε, und/oder ein Gesamtwert, der kleiner ist als ein Wert ε', gleich dem Wert ε' gesetzt, insbesondere um numerische Rundungsprobleme in Digitalrechnersystemen zu vermeiden.
Ab einer vorgegebenen Entfernung der freien Gitterzelle des Einzelmessrasters von dem Umfeldsensor kann der zugewiesene aktuelle Einzelwert konstant sein. Bei der vorgegebenen Entfernung kann es sich um die maximale Reichweite des Umfeldsensors handeln. Bevorzugt ist die vorgegebene Entfernung jedoch geringer als die maximale Reichweite des Umfeldsensors. Weiterhin ist es bevorzugt, wenn der aktuelle Einzelwert der Besetzungswahrscheinlichkeit der freien Gitterzelle des Einzelmessrasters ab der vorgegebenen Entfernung auf 0,5 gesetzt wird, d. h. es liegt keinerlei Information darüber vor, ob die Gitterzelle des Einzelmessrasters frei oder besetzt ist.
Einer besetzten Gitterzelle des Einzelmessrasters kann ein aktueller Einzelwert zugewiesen werden, der umso höher ist, je öfter das Objekt in der besetzten Gitterzelle detektiert worden ist. Hierdurch kann berücksichtigt werden, dass bei einer Mehrfachdetektion in einer Gitterzelle eine höhere Sicherheit dafür besteht, dass die entsprechende Gitterzelle des Einzelmessrasters mit dem Objekt besetzt ist.
Nach einer anderen Ausgestaltung der Erfindung werden bei einer translatorischen Bewegung des Fahrzeugs relativ zu seiner Umgebung der Rasterkarte an ihrem in Bewegungsrichtung befindlichen Ende Gitterzellen hinzugefügt und/oder an ihrem entgegen der Bewegungsrichtung befindlichen Ende Gitterzellen entfernt. Somit wird gewährleistet, dass das Fahrzeug nicht aus der Rasterkarte hinaus fahren kann und/oder aufgrund steigender Entfernung zum Fahrzeug nicht mehr benötigte Gitterzellen gelöscht werden können. Insbesondere hierdurch kann erreicht werden, dass die Größe der Rasterkarte zeitlich konstant ist.
Die Erfindung betrifft weiterhin ein Verfahren, bei dem eine probabilistische Rasterkarte erstellt und in einem Fahrerassistenzsystem, insbesondere zur Erkennung einer Fahrbahn, eines Fahrschlauchs und/oder von Fahrbahnbegrenzungen, zur Erkennung eines bewegten Objekts, zur Unterscheidung eines bewegten Objekts von einem unbewegten Objekt, zur Eigenlokalisation eines Fahrzeugs und/oder zur Erkennung von Störungen, verwendet wird.
Die Erfindung betrifft weiterhin ein Verfahren zur Erkennung eines bewegten Objekts und/oder zur Unterscheidung eines bewegten Objekts von einem unbewegten Objekt in einem Sichtbereich wenigstens eines Umfeldsensors, bei dem mittels des Umfeldsensors eine probabilistische Raster karte erstellt wird, und nach einem für das Vorliegen eines bewegten Objekts charakteristischen Merkmal in der Rasterkarte gesucht wird.
Bevorzugt ist das charakteristische Merkmal durch eine charakteristische Variation der Gesamtwerte entlang wenigstens einer insbesondere geraden Linie über mehrere Gitterzellen hinweg gegeben. Da üblicherweise mehrere Rekursionsschritte nötig sind, um eine in der Rasterkarte zu einem früheren Zeitpunkt als durch ein Objekt besetzt gekennzeichnete Gitterzelle von einem hohen Gesamtwert auf einen niedrigen Gesamtwert zu bringen, weist beispielsweise ein sich über die Gitterzellen hinweg bewegendes Objekt einen Schweif mit in Bewegungsrichtung des sich bewegenden Objekts gesehen zumindest im Mittel ansteigenden bzw. entgegen der Bewegungsrichtung des sich bewegenden Objekts gesehen zumindest im Mittel abfallenden Gesamtwerten auf. Bei der Linie handelt es sich insbesondere um die Bewegungsbahn des bewegten Objekts.
Besonders bevorzugt ist es, wenn die Variation der Gesamtwerte mehrere lokale Maxima und/oder lokale Minima aufweist. Die lokalen Maxima entstehen insbesondere in Gitterzellen, in denen zu einem früheren Zeitpunkt ein sich bewegendes Objekt detektiert wurde. Die lokalen Minima entstehen insbesondere in Gitterzellen, die zu dem früheren Zeitpunkt von dem sich bewegenden Objekt oder einen Bereich des Objekts verdeckt wurden. Aus den lokalen Maxima und/oder lokalen Minima kann die Geschwindigkeit des sich bewegenden Objekts bestimmt werden.
Alternativ kann das charakteristische Merkmal dadurch gegeben sein, dass zumindest eine Gitterzelle, welche in einer in einem vorhergehenden Rekursionsschritt erstellten Rasterkarte als freie Gitterzelle gekennzeichnet ist, in der aktuellen Rasterkarte als eine besetzte Gitterzelle gekennzeichnet ist. Insbesondere können hierdurch bewegte Objekte, welche keinen Schweif aufweisen, beispielsweise entgegenkommende Fahrzeuge, erkannt und/oder von unbewegten Objekten unterschieden werden.
Auf der Basis des charakteristischen Merkmals und/oder auf der Basis von dem charakteristischen Merkmal zugrunde liegenden Gitterzellen kann die Geschwindigkeit, die Orientierung und/oder die Breite des bewegten Objekts bestimmt werden. Hierdurch kann ein Tracking-System zur Verfolgung von Objekten realisiert werden. Das Tracking-System kann in Fahrerassistenzsystemen verwendet werden, beispielsweise ACC, Stauassistent und/oder Kreuzungsassistent.
Die Erfindung betrifft weiterhin ein Verfahren zur Erkennung einer Fahrbahn, eines Fahrschlauchs und/oder von Fahrbahnbegrenzungen in einem Sichtbereich wenigstens eines Umfeldsensors, bei dem eine probabilistische Rasterkarte erstellt wird, ein Bereich von Gitterzellen, deren Gesamtwerte jeweils eine untere Schranke unterschreiten, gesucht wird, und Begrenzungen des Bereichs identifiziert werden, die durch Gitterzellen gegeben sind, deren Gesamtwerte jeweils eine obere Schranke überschreiten.
Nach einer Ausgestaltung der Erfindung wird zur Identifizierung der Begrenzungen in dem Bereich von Gitterzellen, deren Gesamtwerte jeweils eine untere Schranke unterschreiten, eine insbesondere parallel zu einer Mittenachse des Umfeldssensors verlaufende Linie definiert, und die Linie in mehrere Teillinien unterteilt, welche jeweils nach beiden Seiten quer, insbesondere senkrecht, zu der Linie verschoben werden, bis sie in Endpositionen auf Gitterzellen treffen, deren Gesamtwerte jeweils eine obere Schranke überschreiten.
Bevorzugt wird geprüft, ob die Begrenzungen, insbesondere die Teillinien in ihren Endpositionen, derart zueinander angeordnet sind, dass sie ein für das Vorliegen einer Fahrbahn, eines Fahrschlauchs und/oder von Fahrbahnbegrenzungen gegebenes Modell beschreiben.
Bevorzugt wird hieraus die Orientierung und/oder Position des Umfeldsensors relativ zu der Fahrbahn und/oder den Fahrbahnbegrenzungen bestimmt.
Die Erfindung betrifft weiterhin ein Verfahren zur Eigenlokalisation eines Fahrzeugs mittels wenigstens eines Umfeldsensors, bei dem mittels des Umfeldsensors eine probabilistische Rasterkarte erstellt wird, aus der Rasterkarte stationäre Landmarken extrahiert werden, mittels des Umfeldsensors Objekte unter Verwendung von den Objekten zugeordneten Modellen für die zeitliche Entwicklung von dynamischen Zustandsparametern erkannt werden, einander entsprechende erkannte Objekte und stationäre Landmarken einander zugeordnet werden, und aus Abweichungen zwischen den Positionen der einander zugeordneten stationären Landmarken und erkannten Objekten auf die Position und/oder Orientierung des Umfeldsensors geschlossen wird. Dies ermöglicht, auch bei Rutschen oder Schleudern des Fahrzeugs oder bei durchdrehenden Rädern Translation und Rotation des sich bewegenden Fahrzeugs, insbesondere zur Bestimmung der jeweils aktuellen Position und/oder Ausrichtung des Fahrzeugs, fehlerfrei zu bestimmen. Die Erkennung von Objekten mittels eines Umfeldsensors unter Verwendung von den Objekten zugeordneten Modellen für die zeitliche Entwicklung von dynamischen Zustandsparametern ist aus dem Stand der Technik bekannt und beispielsweise in EP 1 298 454 , WO 20/03019234 , EP 1 291 674 und EP 1 298 012 beschrieben, deren Inhalte hiermit jeweils in diese Anmeldung aufgenommen werden. Die Zuordnung einander entsprechender erkannter Objekte und stationä rer Landmarken und das Schließen auf die Position und/oder Orientierung des Umfeldsensors aus Abweichungen zwischen den Positionen einander zugeordneter stationärer Landmarken und erkannter Objekte ist aus dem Stand der Technik bekannt und beispielsweise in T. Weiss, N. Kaempchen, und K. Dietmayer, "Precise egolocalization in urban areas using laserscanner and high accuracy feature maps", Proceedings of IEEE Intelligent Vehicles Symposium 2005, Las Vegas, USA, 2005, und Paul Besl, Neil McKay, "A method for registration of 3D shapes", IEEE Transactions an Pattern Analysis and Machine Intelligence, Vol. 14, No 2, February 1992, beschrieben, deren Inhalte hiermit jeweils in diese Anmeldung aufgenommen werden.
Die Erfindung betrifft weiterhin ein Verfahren zur Erkennung von Störungen, bei dem mittels wenigstens eines Umfeldsensors eine probabilistische Rasterkarte erstellt wird, und aus in Einzelmessrastern räumlich und/oder zeitlich statistisch verteilt auftretenden besetzten Gitterzellen auf die Störung, insbesondere Regen, Nebel oder Schnee, geschlossen wird.
Die Erfindung betrifft weiterhin ein Verfahren zur Erkennung von Störungen, bei dem mittels wenigstens eines Umfeldsensors eine probabilistische Rasterkarte erstellt wird, und aus einem in Einzelmessrastern mit einer Bewegung des Umfeldsensors korrelierenden Wechsel besetzter Gitterzellen auf die Störung, insbesondere eine Verschmutzung des Umfeldsensors, geschlossen wird.
Bevorzugt wird die probabilistische Rasterkarte nach dem Verfahren der eingangs genannten Art, insbesondere nach dem erfindungsgemäßen Verfahren erstellt.
Weiterer Gegenstand der Erfindung ist ein Computerprogramm mit Programmcode-Mitteln, um das erfindungsgemäße Verfahren durchzuführen, wenn das Programm auf einem Computer ausgeführt wird.
Gegenstand der Erfindung ist auch ein Computerprogrammprodukt mit Programmcode-Mitteln, die auf einem computerlesbaren Datenträger gespeichert sind, um das erfindungsgemäße Verfahren durchzuführen, wenn das Computerprogrammprodukt auf einem Computer ausgeführt wird.
Unter einem Computer wird hierbei eine beliebige Datenverarbeitungsvorrichtung verstanden, mit der das Verfahren ausgeführt werden kann. Insbesondere können diese digitale Signalprozessoren und/oder Mikroprozessoren aufweisen, mit denen das Verfahren ganz oder in Teilen ausgeführt wird.
Schließlich ist Gegenstand der Erfindung eine Vorrichtung zum Erstellen einer Rasterkarte mit Gitterzellen, denen jeweils ein Gesamtwert einer Wahrscheinlichkeit für eine Besetzung der jeweiligen Gitterzelle durch wenigstens ein Objekt zugeordnet ist, mit wenigstens einem Umfeldsensor zum Erfassen von tiefenaufgelösten Bildern in aufeinanderfolgenden Messungen zur Detektion von Objekten im Sichtbereich des Umfeldsensors, und mit einer Datenverarbeitungseinrichtung, die zur Durchführung des erfindungsgemäßen Verfahrens ausgebildet ist.
Die Erfindung wird im Folgenden beispielhaft unter Bezugnahme auf die Zeichnung beschrieben. Es zeigen:
1 ein Einzelmessraster mit Gitterzellen, denen jeweils aktuelle Einzelwerte einer Besetzungswahrscheinlichkeit zugewiesen sind,
2 eine Darstellung einer distanzabhängigen Besetzungswahrscheinlichkeit freier Zellen im Einzelmessraster,
3 eine Rasterkarte mit einem dazugehörigen Einzelmessraster,
4 eine Rasterkarte bei Drehung und Translation eines Umfeldsensors,
5 eine Rasterkarte mit einem sich bewegenden Objekt, welches einen Schweif aufweist, und eine Darstellung der Variation von Gesamtwerten entlang einer geraden Linie über mehrere Gitterzellen hinweg,
6 eine Darstellung eines Verfahrens zur Erkennung einer Fahrbahn, eines Fahrschlauchs und/oder von Fahrbahnbegrenzungen, und
7 eine Darstellung eines Verfahrens zur Eigenlokalisation eines Fahrzeugs.
Im Folgenden bezeichnet m_i eine Gitterzelle i einer probabilistischen Rasterkarte oder eines Einzelmessrasters, p(m_i) einen Wert einer Besetzungswahrscheinlichkeit der Zelle i, p(m_i|z_t) einen aktuellen Einzelwert einer Besetzungswahrscheinlichkeit der Zelle i des Einzelmessrasters zu einem Zeitpunkt z_t, p(m_i|z₁, ..., z_t) einen Gesamtwert einer Besetzungswahrscheinlichkeit der Zelle i der Rasterkarte zu einem Zeitpunkt z_t, und p(m_i|z₁, ..., z_t-1) den Gesamtwert einer Besetzungswahrscheinlichkeit der Zelle i der Rasterkarte zu einem Zeitpunkt Z_t-1. Die Werte der Besetzungswahr scheinlichkeiten p(m_i|z_t), p(m_i|z₁, ..., z_t) und p(m_i|z₁, ..., z_t-1) bewegen sich jeweils im Bereich zwischen 0 und 1.
Zunächst wird die Rasterkarte wie folgt initialisiert: p(m_i|z₁, ..., z_t-1) = p(m_i|z₀) = 0,5 für alle Gitterzellen i = 1 ... N, d. h. es liegt keinerlei Information darüber vor, ob die Gitterzellen der Rasterkarte frei oder besetzt sind.
Anschließend wird mittels eines an einem Fahrzeug 17 (1) angeordneten Laserscanners 19 eine aktuelle Messung durchgeführt, bei der ein zunächst in Polarkoordinaten vorliegendes tiefenaufgelöstes Bild von im Fahrzeugumfeld befindlichen Objekten 15 aufgenommen wird. Das Bild besteht aus einzelnen Meßpunkten 15a, die durch Reflexion des Laserstrahls des Laserscanners 19 an den Objekten 15 hervorgerufen werden.
Danach wird das tiefenaufgelöste Bild in das Koordinatensystem eines Einzelmessrasters 21 transformiert, wobei einer Gitterzelle 23a des Einzelmessrasters 21, in der genau ein Messpunkt 15a liegt, ein aktueller Einzelwert p(m_i|z_t) = 0,55 zugewiesen wird. Für jeden weiteren Messpunkt 15a, der in einer Gitterzelle 23 liegt, wird die Besetzungswahrscheinlichkeit um 0,05 erhöht. Beispielsweise weist die Gitterzelle 23b drei Meßpunkte und damit einen aktuellen Einzelwert von 0,65 auf. Gitterzellen 23a, 23b, die einen aktuellen Einzelwert von p(m_i|z_t) ≥ 0,55 aufweisen, sind dunkelgrau dargestellt.
Gitterzellen 23c des Einzelmessrasters 21, die von einem Objekt 15 oder von einem Bereich des Objekts verdeckt werden und somit nicht von dem Laserscanner 19 erfasst werden können, behalten ihren Initialisierungswert bei, d. h. p(m_i|z_t) = 0,5. Derartige Gitterzellen 23c sind grau dargestellt. Dies gilt analog für Gitterzellen 23e, die sich außerhalb des Sichtbereichs des Laserscanners 19 befinden.
Einer freien Gitterzelle 23d des Einzelmessrasters 21 (in 1 weiß dargestellt), welche nicht durch ein Objekt 15 oder einen Bereich des Objekts verdeckt ist und in welcher kein Objekt 15 detektiert worden ist, wird ein aktueller Einzelwert der Besetzungswahrscheinlichkeit p(m_i|z_t) zugewiesen, welcher bis zu einer Entfernung von beispielsweise d_max = 50 m linear mit der radialen Entfernung d der freien Gitterzelle 23d des Einzelmessrasters 21 von dem Laserscanner 19 zunimmt (2). Ab der Entfernung d_max = 50 m beträgt der aktuelle Einzelwert konstant p(m_i|z_t) = 0,4. Die in 2 gezeigte Abhängigkeit des aktuellen Einzelwerts p(m_i|z_t) von der Entfernung d ist in Gleichung (1) wiedergegeben:
Gemäß S. Thrun, D. Fox, and W. Burgard, "Probabilistic Robotics", MIT Press, 2005, gilt:
welches Verhältnis auch als Chancen-Verhältnis bzw. "odds ratio" bezeichnet wird.
Im Gegensatz zum Stand der Technik werden die aktuellen Gesamtwerte p(m_i|z₁, ..., z_t) der Gitterzellen der Rasterkarte jedoch nicht über den Logarithmus des Chancen-Verhältnisses bestimmt. Vielmehr wird Gleichung (2) unter der Annahme von z. B. p(m_i) = 0,5 in Gleichung (3) umformuliert:
Über Gleichung (3) kann dann mittels der aktuellen Messung die in dem vorhergehenden Rekursionsschritt erstellte Rasterkarte (oder die am Rekursionsanfang vorliegende anfänglich initialisierte Rasterkarte) aktualisiert werden (Binary-Bayes-Filter). Grundsätzlich ist jedoch auch andere Verknüpfungsalgorithmen denkbar.
Um Schwierigkeiten bei der Bestimmung der Gesamtwerte p(m_i|z₁, ..., z_t) zu vermeiden, welche bei Einzelwerten von p(m_i|z_t) = 0 oder 1 auftreten können, werden diejenigen Gesamtwerte p(m_i|z₁, ..., z_t), welche größer sind als ein Wert 1 – ε, gleich dem Wert 1 – ε, und diejenigen Gesamtwerte p(m_i|z₁, ..., z_t), welche kleiner sind als ein Wert ε', gleich dem Wert ε' gesetzt wird, wobei beispielsweise ε = ε' = 1E – 6.
3 zeigt eine Rasterkarte 11 (links) mit Gesamtwerten p(m_i|z₁, ..., z_t) und ein dazugehöriges Einzelmessraster 21 (rechts oben) mit aktuellen Einzelwerten p(m_i|z_t). Zur weiteren Erläuterung ist weiterhin ein Videobild (rechts unten) der dargestellten Situation gezeigt.
Dabei ist das Koordinatensystem der Rasterkarte 11 drehfest mit einem globalen Koordinatensystem verbunden. Folglich wird bei einer Drehung des Kraftfahrzeugs 17 nicht die Rasterkarte 11 unter dem Fahrzeug 17 gedreht, sondern das Kraftfahrzeug 17 auf der Rasterkarte 11 (4). Hierdurch können ansonsten auftretende Diskretisierungsfehler (rechts) vermieden werden.
Bei einer translatorischen Bewegung des Fahrzeugs 11 relativ zu seiner Umgebung werden der Rasterkarte 11 an ihrem in Bewegungsrichtung befindlichen Ende Gitterzellen 13a hinzugefügt und an ihrem entgegen der Bewegungsrichtung befindlichen Ende Gitterzellen 13b entfernt (4). Das Fahrzeug 17 bewegt sich virtuell über die Rasterkarte 11. Die Größe der Rasterkarte 11 bleibt dabei konstant.
Die derart erstellte Rasterkarte 11 kann dazu verwendet werden, bewegte Objekte 15a, beispielsweise einen in dem Videobild (links) in 5 gezeigten LKW 15a, zu erkennen und von unbewegten Objekten zu unterscheiden. Wie in 5 (Mitte) gezeigt ist, weist das sich bewegende Objekt 15a, dessen Bewegungsrichtung von dem Fahrzeug, an welchem der Laserscanner angeordnet ist, weg gerichtet ist, in der Rasterkarte 11 einen Schweif 25 auf, welcher in 5 durch ein Rechteck hervorgehoben ist und dadurch entsteht, dass üblicherweise mehrere Rekursionsschritte nötig sind, um eine in der Rasterkarte 11 zu einem früheren Zeitpunkt als durch ein Objekt besetzt gekennzeichnete Gitterzelle von einem hohen Gesamtwert p(m_i|z₁, ..., z_t) auf einen niedrigen Gesamtwert p(m_i|z₁, ..., z_t) zu senken. Aus der Breite des Schweifs 25 kann die Breite des bewegten Objekts 15a bestimmt werden. Aus der Längsrichtung des Schweifs 25 kann die Orientierung des bewegten Objekts 15a bestimmt werden.
Entlang einer durch den Schweif 25 in Längsrichtung des Schweifs 25 orientierten Linie 27 ergibt sich die in 5 (rechts) gezeigte Variation der Gesamtwerte p(m_i|z₁, ..., z_t), welche eine Vielzahl lokaler Maxima 29 und lokaler Minima 31 aufweist. Der in 5 (rechts) gezeigte Verlauf der Gesamtwerte p(m_i|z₁, ..., z_t) kann auch durch eine Mittelung der Gesamtwerte mehrerer parallel zueinander verlaufender Linien bestimmt werden. Aus der Distanz d_peak zweier lokaler Maxima 29 oder zweiter lokaler Minima 31 und der Abtastfrequenz f_scan des Laserscanners kann dann die Geschwindigkeit v_obj des bewegten Objekts 15a bestimmt werden: vobj = dpeak·fscan (4)
Die Rasterkarte 11 kann auch dazu verwendet werden, eine Fahrbahn, einen Fahrschlauch und/oder Fahrbahnbegrenzungen zu erkennen. In dem in 6a (oben) weiß dargestellten Bereich weist die Rasterkarte 11 Gitterzellen mit Gesamtwerten p(m_i|z₁, ..., z_t) auf, die unterhalb einer unteren Schranke, beispielsweise 0,1, liegen. Wie in 6a (Mitte) gezeigt ist, wird zunächst innerhalb dieses Bereichs eine Linie 33 bestimmt, insbesondere eine Mittellinie, welche in Längsrichtung des Fahrzeugs 17 orientiert ist. Anschließend wird die Linie 33 in mehrere Teillinien 35 unterteilt. Die Teillinien 35 werden dann senkrecht zu der Linie 33 sowohl nach links als auch nach rechts verschoben, bis sie auf Gitterzellen treffen, deren Gesamtwerte p(m_i|z₁, ..., z_t) jeweils eine obere Schranke, beispielsweise 0,5, überschreiten. Danach werden die Zentren der Teillinien 35 jeder Seite miteinander verbunden und geprüft, ob die dadurch entstehende Verbindungslinie ein für das Vorliegen einer Fahrbahn 37, eines Fahrschlauchs und/oder von Fahrbahnbegrenzungen gegebenes Modell beschreibt, beispielsweise eine Gerade, eine Klothoide, ein Polygon, ein Polynom, eine Parabel oder ein Spline. Bei der Bestimmung der Fahrbahn 37 können einzelne, aus der Reihe fallende Endpositionen ausgeschlossen werden, die beispielsweise durch auf der rechten Seite der Fahrbahn 37 parkende Fahrzeuge 15b bedingt sind (vgl. hierzu auch 6a, unten). An Kreuzungen und Abzweigungen kann das vorstehend beschriebene Verfahren zusätzlich auch an querenden Straßen durchgeführt werden (6b).
Die Rasterkarte kann darüber hinaus dazu verwendet werden, eine Eigenlokalisation des Fahrzeugs mittels des Umfeldsensors durchzuführen. Üblicherweise kann die Translation und die Rotation eines sich bewegen des Fahrzeugs, insbesondere zur Bestimmung der jeweils aktuellen Position und Ausrichtung, aus der Giergeschwindigkeit, dem Lenkwinkel und der Raddrehzahl des Fahrzeugs fortlaufend bestimmt werden. Bei Rutschen oder Schleudern des Fahrzeugs oder bei durchdrehenden Rädern ist eine Bestimmung der Translation und der Rotation des Fahrzeugs über Giergeschwindigkeit, Lenkwinkel und Raddrehzahl jedoch nicht mehr fehlerfrei möglich. Deshalb werden, sobald ein derartiger Zustand festgestellt wird, aus der Rasterkarte stationäre Objekte F1, F2, F3 extrahiert (7), beispielsweise Pfosten, Ampeln oder Verkehrszeichen, die als Landmarken dienen. Bei der Extraktion werden nur Gitterzellen berücksichtigt, deren Gesamtwerte einen bestimmten Schwellwert jeweils überschreiten. Anschließend werden aus den berücksichtigten Gitterzellen mittels aus der Bildverarbeitung bekannten Konturdetektionsalgorithmen Cluster oder Segmente gebildet, die dann, sofern sie die entsprechenden Bedingungen an eine Landmarke erfüllen, als eine Landmarke gekennzeichnet werden. Die Rasterkarte wird während eines derartigen Zustands nicht aktualisiert. Parallel hierzu werden mittels des Umfeldsensors Objekte SO, S1, S2, S3, S4, S5, S6 (7) unter Verwendung von den Objekten zugeordneten Modellen für die zeitliche Entwicklung von dynamischen Zustandsparametern erkannt und verfolgt. Derartige Erkennungsverfahren sind aus dem Stand der Technik bekannt. Anschließend werden einander entsprechende erkannte Objekte S1, S2, S5 und stationäre Landmarken F1, F2, F0 einander zugeordnet (7). Aus den Abweichungen zwischen den Positionen der einander zugeordneten stationären Landmarken F1, F2, F0 und erkannten Objekten S1, S2, S5 kann dann auf die absolute Position und Orientierung des Fahrzeugs geschlossen werden.

11: Rasterkarte
13: Gitterzelle der Rasterkarte
15: Objekt
15a: Messpunkt
17: Fahrzeug
19: Laserscanner
21: Einzelmessraster
23: Gitterzelle des Einzelmessrasters
25: Schweif
27: Linie
29: Maximum
31: Minimum
33: Linie
35: Teillinie
37: Fahrbahn

ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

- EP 1298454 [0027]
- WO 20/03019234 [0027]
- EP 1291674 [0027]
- EP 1298012 [0027]

Zitierte Nicht-Patentliteratur

- S. Thrun, D. Fox, und W. Burgard, "Probabilistic Robotics", MIT Press, 2005 [0002]
- T. Weiss, N. Kaempchen, und K. Dietmayer, "Precise egolocalization in urban areas using laserscanner and high accuracy feature maps", Proceedings of IEEE Intelligent Vehicles Symposium 2005, Las Vegas, USA, 2005 [0027]
- Paul Besl, Neil McKay, "A method for registration of 3D shapes", IEEE Transactions an Pattern Analysis and Machine Intelligence, Vol. 14, No 2, February 1992 [0027]
- S. Thrun, D. Fox, and W. Burgard, "Probabilistic Robotics", MIT Press, 2005 [0049]

Claims

Rekursives Verfahren zum Erstellen einer Rasterkarte (11) mit Gitterzellen (13), denen jeweils ein Gesamtwert (p(m_i|z₁, ..., z_t)) einer Wahrscheinlichkeit für eine Besetzung der jeweiligen Gitterzelle (13) durch wenigstens ein Objekt (15) zugeordnet ist, auf der Basis von in aufeinanderfolgenden Messungen mittels wenigstens eines an einem Fahrzeug (17) angeordneten Umfeldsensors (19) erfassten tiefenaufgelösten Bildern zur Detektion von Objekten (15) im Sichtbereich des Umfeldsensors (19), wobei bei dem Verfahren in jedem Rekursionsschritt aus dem Bild einer aktuellen Messung ein Einzelmessraster (21) mit Gitterzellen (23), denen jeweils ein aktueller Einzelwert einer Besetzungswahrscheinlichkeit (p(m_i|z_t)) zugeordnet ist, ermittelt wird, welches Einzelmessraster (21) anschließend dazu verwendet wird, unter Anwendung eines Verknüpfungsalgorithmus, insbesondere eines Binary-Bayes-Filters, die jeweils in einem vorhergehenden Rekursionsschritt erstellte Rasterkarte (11) zu aktualisieren, dadurch gekennzeichnet, dass einer freien Gitterzelle (23d) des Einzelmessrasters (21) ein aktueller Einzelwert (p(m_i|z_t)) zugewiesen wird, der von der Entfernung der freien Gitterzelle (23d) des Einzelmessrasters (21) von dem Umfeldsensor (19) abhängt.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass innerhalb eines vorgegebenen Entfernungsbereichs der zuge wiesene aktuelle Einzelwert (p(m_i|z_t)) insbesondere linear mit der Entfernung der freien Gitterzelle (23d) des Einzelmessrasters (21) von dem Umfeldsensor (19) zunimmt.
Verfahren nach dem Oberbegriff des Anspruchs 1, insbesondere nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass das Koordinatensystem der Rasterkarte (11) drehfest mit einem globalen Koordinatensystem verbunden ist.
Verfahren nach dem Oberbegriff des Anspruchs 1, insbesondere nach zumindest einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass die Gesamtwerte (p(m_i|z₁, ..., z_t)) ohne Verwendung des Logarithmus des Chancen-Verhältnisses der Gesamtwerte (p(m_i|z₁, ..., z_t)) erstellt werden.
Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass die Gesamtwerte (p(m_i|z₁, ..., z_t)) durch Multiplikation der aktuellen Einzelwerte (p(m_i|z_t)) mit Gesamtwerten (p(m_i|z₁, ..., Z_t-1)) des vorhergehenden Rekursionsschritts erstellt werden.
Verfahren nach zumindest einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass ein Gesamtwert (p(m_i|z₁, ..., z_t)), der größer ist als ein Wert 1 – ε, gleich dem Wert 1 – ε, und/oder ein Gesamtwert p(m_i|z₁, ..., z_t)), der kleiner ist als ein Wert ε', gleich dem Wert ε' gesetzt wird.
Verfahren nach zumindest einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass ab einer vorgegebenen Entfernung der freien Gitterzelle (23d) des Einzelmessrasters (21) von dem Umfeldsensor (19) der zugewiesene aktuelle Einzelwert (p(m_i|z_t)) konstant ist.
Verfahren nach zumindest einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass einer besetzten Gitterzelle (23a, 23b) des Einzelmessrasters (21) ein aktueller Einzelwert (p(m_i|z_t)) zugewiesen wird, der umso höher ist, je öfter das Objekt (15) in der besetzten Gitterzelle (23a, 23b) detektiert worden ist.
Verfahren nach zumindest einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass bei einer translatorischen Bewegung des Fahrzeugs (17) relativ zu seiner Umgebung der Rasterkarte (11) an ihrem in Bewegungsrichtung befindlichen Ende Gitterzellen (13a) hinzugefügt und/oder an ihrem entgegen der Bewegungsrichtung befindlichen Ende Gitterzellen (13b) entfernt werden.
Verfahren nach zumindest einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass die Größe der Rasterkarte (11) zeitlich konstant ist.
Verfahren zur Erkennung eines bewegten Objekts (15a) und/oder zur Unterscheidung eines bewegten Objekts (15a) von einem unbewegten Objekt in einem Sichtbereich wenigstens eines Umfeldsensors (19), bei dem mittels des Umfeldsensors (19) eine probabilistische Rasterkarte (11) erstellt wird, und nach einem für das Vorliegen eines bewegten Objekts (15a) charakteristischen Merkmal (25) in der Rasterkarte (11) gesucht wird.
Verfahren nach Anspruch 11, dadurch gekennzeichnet, dass das charakteristische Merkmal (25) durch eine charakteristische Variation der Gesamtwerte (p(m_i|z₁, ..., z_t)) entlang Wenigstens einer insbesondere geraden Linie (27) über mehrere Gitterzellen (13) hinweg gegeben ist.
Verfahren nach Anspruch 12, dadurch gekennzeichnet, dass die Variation der Gesamtwerte (p(m_i|z₁, ..., z_t)) mehrere lokale Maxima (29) und/oder lokale Minima (31) aufweist.
Verfahren nach Anspruch 11, dadurch gekennzeichnet, dass das charakteristische Merkmal dadurch gegeben ist, dass zumindest eine Gitterzelle (13), welche in einer in einem vorhergehenden Rekursionsschritt erstellten Rasterkarte (11) als freie Gitterzelle (23c) gekennzeichnet ist, in der aktuellen Rasterkarte (11) als eine besetzte Gitterzelle (23a, 23b) gekennzeichnet ist.
Verfahren nach einem der Ansprüche 11 bis 14, dadurch gekennzeichnet, dass auf der Basis des charakteristischen Merkmals (25) und/oder auf der Basis von dem charakteristischen Merkmal (25) zugrunde liegenden Gitterzellen (13) die Geschwindigkeit, die Orientierung und/oder die Breite des bewegten Objekts (15a) bestimmt wird.
Verfahren zur Erkennung einer Fahrbahn, eines Fahrschlauchs und/oder von Fahrbahnbegrenzungen in einem Sichtbereich wenigstens eines Umfeldsensors, bei dem mittels des Umfeldsensors (19) eine probabilistische Rasterkarte (11) erstellt wird, ein Bereich von Gitterzellen, deren Gesamtwerte (p(m_i|z₁, ..., z_t)) jeweils eine untere Schranke unterschreiten, gesucht wird, und Begrenzungen des Bereichs identifiziert werden, die durch Gitterzellen gegeben sind, deren Gesamtwerte (p(m_i|z₁, ..., z_t)) jeweils eine obere Schranke überschreiten.
Verfahren nach Anspruch 16, dadurch gekennzeichnet, dass zur Identifizierung der Begrenzungen in dem Bereich von Gitterzellen, deren Gesamtwerte (p(m_i|z₁, ..., z_t)) jeweils eine untere Schranke unterschreiten, eine insbesondere parallel zu einer Mittenachse des Umfeldssensors (19) verlaufende Linie (33) definiert wird, und die Linie (33) in mehrere Teillinien (35) unterteilt wird, welche jeweils nach beiden Seiten quer, insbesondere senkrecht, zu der Linie (33) verschoben werden, bis sie in Endpositionen auf die Gitterzellen (13) treffen, deren Gesamtwerte (p(m_i|z₁, ..., z_t)) jeweils eine obere Schranke überschreiten.
Verfahren nach Anspruch 16 oder 17, dadurch gekennzeichnet, dass geprüft wird, ob die Begrenzungen, insbesondere Teillinien (35) in ihren Endpositionen, derart zueinander angeordnet sind, dass sie ein für das Vorliegen einer Fahrbahn (37), eines Fahrschlauchs und/oder von Fahrbahnbegrenzungen gegebenes Modell beschreiben.
Verfahren nach zumindest einem der Ansprüche 16 bis 18, dadurch gekennzeichnet, dass die Orientierung und/oder Position eines Umfeldsensors (19) relativ zu der Fahrbahn (37) und/oder den Fahrbahnbegrenzungen bestimmt wird.
Verfahren zur Eigenlokalisation eines Fahrzeugs mittels wenigstens eines Umfeldsensors, bei dem mittels des Umfeldsensors (19) eine probabilistische Rasterkarte (11) erstellt wird, aus der Rasterkarte (11) stationäre Landmarken (39) extrahiert werden, mittels des Umfeldsensors (19) Objekte (15) unter Verwendung von den Objekten (15) zugeordneten Modellen für die zeitliche Entwicklung von dynamischen Zustandsparametern erkannt werden, einander entsprechende erkannte Objekte (15) und stationäre Landmarken (39) einander zugeordnet werden, und aus Abweichungen zwischen den Positionen der einander zugeordneten stationären Landmarken (39) und erkannten Objekten (15) auf die Position und/oder Orientierung des Umfeldsensors (19) geschlossen wird.
Verfahren zur Erkennung von Störungen, bei dem mittels wenigstens eines Umfeldsensors (19) eine probabilistische Rasterkarte (11) erstellt wird, und aus in Einzelmessrastern (21) räumlich und/oder zeitlich statistisch verteilt auftretenden besetzten Gitterzellen (23a, 23b) auf die Störung, insbesondere Regen, Nebel oder Schnee, geschlossen wird.
Verfahren zur Erkennung von Störungen, bei dem mittels wenigstens eines Umfeldsensors (19) eine probabilistische Rasterkarte (11) erstellt wird, und aus einem in Einzelmessrastern (21) mit einer Bewegung des Umfeldsensors (19) korrelierenden Wechsel besetzter Gitterzellen (23a, 23b) auf die Störung, insbesondere eine Verschmutzung des Umfeldsensors, geschlossen wird.
Verfahren nach zumindest einem der Ansprüche 11 bis 22, dadurch gekennzeichnet, dass die probabilistische Rasterkarte (11) nach dem Oberbegriff des Anspruchs 1, insbesondere nach zumindest einem der Ansprüche 1 bis 10, erstellt wird.
Computerprogramm mit Programmcode-Mitteln, um das Verfahren nach zumindest einem der Ansprüche 1 bis 23 durchzuführen, wenn das Programm auf einem Computer ausgeführt wird.
Computerprogrammprodukt mit Programmcode-Mitteln, die auf einem computerlesbaren Datenträger gespeichert sind, um das Verfahren nach zumindest einem der Ansprüche 1 bis 23 durchzuführen, wenn das Computerprogrammprodukt auf einem Computer ausgeführt wird.
Vorrichtung zum Erstellen einer Rasterkarte (11) mit Gitterzellen (13), denen jeweils ein Gesamtwert (p(m_i|z₁, ..., z_t)) einer Wahr scheinlichkeit für eine Besetzung der jeweiligen Gitterzelle (13) durch wenigstens ein Objekt (15) zugeordnet ist, mit wenigstens einem Umfeldsensor (19) zum Erfassen von tiefenaufgelösten Bildern in aufeinanderfolgenden Messungen zur Detektion von Objekten (15) im Sichtbereich des Umfeldsensors (19), und mit einer Datenverarbeitungseinrichtung (26), die zur Durchführung des Verfahrens nach zumindest einem der Ansprüche 1 bis 23 ausgebildet ist.