DE102008052439B4

DE102008052439B4 - Verfahren und System zur Erkennung eines Zielparkplatzes eines Fahrzeugs

Info

Publication number: DE102008052439B4
Application number: DE102008052439.5A
Authority: DE
Inventors: Ho-gi Jung
Original assignee: Mando Corp
Current assignee: HL Klemove Corp
Priority date: 2007-10-26
Filing date: 2008-10-21
Publication date: 2018-11-22
Anticipated expiration: 2028-10-22
Also published as: US8260001B2; KR101104609B1; KR20090042534A; US20090146842A1; DE102008052439A1

Abstract

System zur Erkennung einer Zielparkstelle eines Fahrzeugs, wobei das System umfasst:ein Abtast-Laser-Radar zur Erfassung von Entfernungsdaten,eine Vorverarbeitungseinheit zur Vorverarbeitung der Entfernungsdaten zur Extraktion effektiver Cluster durch Entfernen von ineffektiven Daten, die einen Entfernungswert von Null aufweisen, und isolierten Daten, wobei ein Punkt als isolierte Daten eingestuft wird, wenn die kleinere der Entfernungen von einem Punkt zu ihm benachbarten Punkten über einem Schwellenwert liegt,eine Eckenerkennungseinheit zur Extraktion von Hindernisecken aus den effektiven Clustern,wobei die Eckenerkennungseinheit dafür eingerichtet ist, eine Erkennung rechtwinkliger Ecken und eine Erkennung runder Ecken durchzuführen, wobei:wenn ein Anpassungsfehler der Rechtwinkeleckenerkennung unter einem unteren Schwellenwert liegt, wird eine rechtwinklige Ecke erkannt;wenn der Anpassungsfehler der Rechtwinkeleckenerkennung über einem oberen Schwellenwert liegt, wird ein effektives Cluster als eine als eine für ein Parken irrelevante gerade Linie eingestuft und ignoriert; undwenn der Anpassungsfehler der Rechtwinkeleckenerkennung über dem unteren Schwellenwert aber unter dem oberen Schwellenwert liegt, wird die Rundeckenerkennung durchgeführt, wobeiwenn ein Anpassungsfehler der Rundeckenerkennung unter einem weiteren Schwellenwert liegt, wird eine runde Ecke erkannt; undwenn der Anpassungsfehler der Rundeckenerkennung über dem weiteren Schwellenwert liegt, wird ein effektives Cluster als für das Parken irrelevant eingestuft und ignoriert; undeine Parkstellenfestlegungseinheit zur Festlegung einer Zielparkstelle auf der Grundlage von extrahierten Hindernisecken.

Description

Technisches Gebiet
Die vorliegende Offenbarung betrifft ein Verfahren und ein System zur Erkennung eines Zielparkplatzes eines Fahrzeugs. Insbesondere betreffen die Ausführungsformen der Erfindung ein Verfahren und ein System zur Erkennung eines Zielparkplatzes eines Fahrzeugs, bei dem am Heckabschnitt eines Fahrzeugs ein Abtast-Laser-Radar angebracht ist, um Entfernungsdaten zu erfassen, die zur Festlegung der Zielparkplatz für das rechtwinklige Einparken verwendet werden.
Hintergrund der Offenbarung
Für weibliche und unerfahrene Fahrzeugführer stellt das Parken ihrer Autos in Parklücken eine Schwierigkeit dar, und sie können sogar Zusammenstöße verursachen. Viele unerfahrene Fahrzeugführer geraten im Zusammenhang mit dem Parken unter Stress und tendieren sogar dazu, das Autofahren ganz zu vermeiden.
Angesichts dessen ist vorgeschlagen worden, am Fahrzeug Sensoren anzubringen und ein Parkplatz automatisch zu erkennen, so dass der Fahrzeugführer bequemer parken kann. An Fahrzeugen angebrachte Sensoren zur automatischen Erkennung der Parkplatzes basieren auf binokularem Stereo, Bewegungsstereo, Lichtebenenprojektion, Ultraschallwellen, Nahbereichsradar (Short Range Radar, SRR) etc.
Das auf binokularem Stereo oder Bewegungsstereo beruhende Verfahren zur Erkennung eines verfügbaren Parkplatzes (und somit einer Zielparkstelle) weist ein Problem dahingehend auf, dass es bei Dunkelheit nicht korrekt funktioniert und starke Reflexion an der Fahrzeugoberfläche die Extraktion von Merkmalspunkten erschwert. Insbesondere schwarze Fahrzeuge erschweren die Extraktion von Merkmalspunkten und den Erhalt dreidimensionaler Informationen in Bezug auf Fahrzeuge.
Bei dem auf Lichtebenenprojektion beruhenden Verfahren zur Erkennung eines verfügbaren Parkplatzes (und somit einer Zielparkstelle) wird ein Lichtebenenprojektor verwendet, um eine plane Lichtquelle zu projizieren, und ein auf dem Objekt erzeugter Lichtstreifen erkannt. Der Lichtstreifen wird zur Erkennung von Fahrzeugen auf beiden Seiten des verfügbaren Parkplatzes und zur Bestimmung der Zielparkstelle verwendet. Dieses Verfahren kann jedoch tagsüber (d. h. bei starkem Sonnenlicht) nicht verwendet werden, obwohl es das vorgenannte, auf binokularem Stereo oder Bewegungsstereo beruhende Verfahren nachts oder auf unterirdischen Parkplätzen ergänzen kann. Insbesondere im Fall von schwarzen Fahrzeugen ist die Menge an reflektiertem Licht ungenügend, und die Zuverlässigkeit der erhaltenen dreidimensionalen Informationen wird vermindert.
Das auf Ultraschallsensoren beruhende Verfahren zur Erkennung eines verfügbaren Parkplatzes (und somit einer Zielparkstelle) wird üblicherweise für das parallele Einparken verwendet. Dabei wird während der Bewegung des Fahrzeugs die Entfernung zu Hindernissen in der Parklücke gemessen, um einen verfügbaren Parkplatz (und somit die Zielparkstelle) zu erkennen. Dieses Verfahren weist jedoch ein Problem dahingehend auf, dass, wenn bereits geparkte Fahrzeuge nicht parallel zur Bewegungsrichtung sind, ein starkes Rauschen auftritt und die Zuverlässigkeit der erhaltenen dreidimensionalen Informationen vermindert. Insbesondere wenn in der Nähe der Zielparklücke intensives Manövrieren notwendig ist (z. B. beim Parken in einer Garage), befinden sich die Ultraschallsensoren in einem Winkel bezogen auf bereits geparkte Fahrzeuge, und die Zuverlässigkeit der erhaltenen dreidimensionalen Informationen ist niedrig.
Das auf Nahbereichsradar (Short Range Radar, SRR) beruhende Verfahren zur Erkennung eines verfügbaren Parkplatzes (und somit einer Zielparkstelle) wird üblicherweise für das parallele Einparken verwendet und ähnelt dem auf Ultraschallsensoren beruhenden Verfahren. Die Entfernungsinformationen variieren jedoch stark, und bei Punkten mit diskontinuierlicher Entfernung tritt starkes Rauschen auf. Obwohl dieses Verfahren Entfernungsinformationen innerhalb eines vergleichsweise großen Sichtfelds (Field of View, FOV) liefert, eignet es sich nicht zur Erkennung der Kontur eines Fahrzeugs aus Punkten mit starker elektromagnetischer Reflexion.
US 2005/0225439 A1 beschreibt eine Hindernisdetektionsvorrichtung mit einem Hinderniserfassungsabschnitt zum Emittieren von Strahlen mit einem vorbestimmten Divergenzwinkel nacheinander in einer Mehrzahl von verschiedenen Richtungen, zum Empfangen einer reflektierten Welle von einem Hindernis für jede Richtung und zum Detektieren des in einem Emissionswinkelbereich vorhandenen Hindernisses des Strahls für jede Richtung, einem Abstandsberechnungsabschnitt zum Berechnen einer Distanz, die einen Zwischenraum zwischen dem Hindernis und dem Fahrzeug für jede Richtung darstellt, basierend auf einem empfangenen Signal der reflektierten Welle für die von dem Hinderniserfassungsabschnitt ausgegebene Richtung und einem Hindernisbilderzeugungsabschnitt zum Erzeugen einer zweidimensional im Emissionswinkelbereich des in jeder Richtung emittierten Strahls entwickelten Figur als Hindernisbild.
US 2007/0040835 A1 beschreibt eine Punktsequenz-Approximationsvorrichtung, welche bestimmt, ob ein Anteil einer Geradlinien-Näherungsregion im Vergleich zu dem einer Kurvennäherungsregion hoch ist. Wenn darüber hinaus bestimmt wird, dass der Anteil der Geradliniennäherungsregion im Vergleich zu demjenigen der Kurvenanpassungsregion hoch ist, führt die Punktsequenznäherungsvorrichtung wiederholt eine zufällige Einstellung eines Kandidaten einer Näherungsgeraden und eine Auswertung der Näherungsgenauigkeit des Kandidaten der Näherungsgeraden auf der Grundlage von Abständen zwischen dem Kandidaten der Annäherungsgeraden und den Punkten durch, die die Punktfolge bilden.
DE 10 2004 003 870 A1 beschreibt ein Verfahren zur Klassifizierung von Objekten, die Gegenständen im Erfassungsbereich eines Sensors für elektromagnetische Strahlung, insbesondere eines Laserscanners, entsprechen, auf der Basis wenigstens eines von dem Sensor erfassten Abstandsbildes des Erfassungsbereichs mit Abstandsbildpunkten, die jeweils durch Aussendung eines Pulses elektromagnetischer Strahlung und Detektion des von einem Punkt oder Bereich auf einem Gegenstand jeweils zurückgeworfenen Pulses ermittelt wurden, wobei wenigstens einem Objekt Abstandsbildpunkte des Abstandsbildes zugeordnet werden.
DE 10 2005 051 559 A1 beschreibt ein Verfahren zur Bestimmung von Objekten in 3-D-Scan-Daten, wobei eine direkte Generierung von CAD-Objekten aus einem Pixelbild mithilfe eines Binärfiles erfolgt. Die Scanrohdaten (binäre xyz-Koordinaten) werden in Zeile, Spalte und Farbwert konvertiert. Nach der Identifizierung der Objekte im Graustufenpixelbild werden über ein Kommunikationsinterface, in dem die Umrechnung des Punktwertes im Pixelbild auf den xyz-Wert der Binärdatei vorgenommen wird, CAD-Objekte generiert.
OFFENBARUNG DER ERFINDUNG
Es ist eine Aufgabe der vorliegenden Erfindung, ein Verfahren und ein System zur Erkennung einer Zielparkstelle eines Fahrzeugs mit Hilfe einer verbesserten Erkennung von Hindernissen bereitzustellen.
Diese Aufgabe wird erfindungsgemäß durch ein System zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß Anspruch 1 und ein Verfahren zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß Anspruch 3 gelöst.
Vorteilhafterweise wird am Heckabschnitt eines Fahrzeugs ein Abtast-Laser-Radar angebracht, um Entfernungsdaten zu erfassen, die zur Festlegung der Zielparkstelle für das rechtwinklige Einparken verwendet werden. Dies ist insoweit vorteilhaft, als dass die Zielparkstelle selbst in Fällen ermittelt werden kann, die mit herkömmlichen Verfahren kaum handhabbar sind (z.B. tagsüber, nachts, im Freien, unterirdisch, Rücklicht).
Figurenliste
Die vorstehenden und weitere Vorteile der vorliegenden Erfindung werden aus der folgenden detaillierten Beschreibung zusammen mit den beigefügten Zeichnungen noch besser ersichtlich. Es zeigt:

1 ein System zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung,
2 Entfernungsdaten, die durch eine Sensoreinheit 102 vom Laser-Radar-Typ des Systems zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der Erfindung erfasst wurden,
3 effektive Entfemungsdaten, erhalten durch die Entfernung ineffektiver Daten und isolierter Daten aus Entfernungsdaten, die durch ein Abtast-Laser-Radar 102 des Systems zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung erfasst wurden,
4 das Ergebnis der Erkennung von Okklusionen nach der Entfernung ineffektiver Daten und isolierter Daten aus Entfernungsdaten, die durch das Abtast-Laser-Radar 102 des Systems zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung erfasst wurden,
5 das Ergebnis der Extraktion effektiver Cluster durch die Entfernung kleiner Cluster aus Clustern durch das System zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung,
6 ein Ablaufdiagramm, das die Prozesse der Erkennung von Ecken aus effektiven Clustern durch das System zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung zeigt,
7 eine rechtwinklige Ecke, die durch das System zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung aus einem effektiven Cluster erkannt wurde,
8 einen Anpassungs(fitting)fehler, der vom Bezugspunkt eines effektiven Clusters abhängt, und eine potenzielle rechtwinklige Ecke im System zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung,
9 zwei gerade Linien, die sich von einem Eckpunkt eines effektiven Clusters im System zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung erstrecken,
10 einen effektiven Cluster, bei dem es sich um eine gerade Linie handelt und der einen kleinen Rechtwinkeleckenanpassungsfehlerwert aufweist, im System zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung,
11 einen effektiven Cluster, bei dem es sich um eine gerade Linie handelt und der einen kleinen Rechtwinkeleckenausgleichungsfehlerwert aufweist, im System zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung,
12 eine Rechtwinkeleckenerkennung, die gegen die Eckenrichtung und Rauschen robust ist,
13 einen Vergleich zwischen Rechtwinkeleckenerkennung und Rundeckenerkennung, wenn die Front- oder Heckfläche eines Fahrzeugs rund ist,
14 das Ergebnis der Rundeckenerkennung im Fall einer Ecke aus Bogen und gerader Linie,
15 das Ergebnis der Rundeckenerkennung im Fall einer Ecke aus gerader Linie und Bogen,
16 das Ergebnis der Anwendung der Rundeckenerkennung auf tatsächliche Entfernungsdaten, die von einem Abtast-Laser-Radar erhalten wurden,
17 das Ergebnis der Eckenerkennung und das Ergebnis der Anwendung des Interessengebiets(ROI),
18 ein Verfahren zur Bestätigung, ob nahe einer Hindernisecke ein verfügbarer Parkplatz vorhanden ist,
19 das Ergebnis der Belassung nur solcher Hindernisecken, die eine Bedingung eines verfügbaren Parkplatzes erfüllen,
20 das Ergebnis der Erkennung einer Hindernisecke, die dem betreffendem Fahrzeug am nächsten ist, aus Hindernisecken, welche die Bedingung eines verfügbaren Parkplatzes erfüllen, als eine neben der Zielparkstelle vorhandene Hauptbezugsecke,
21 ein Verfahren zur Festlegung einer nachgeordneten Bezugsecke und der Außengrenze einer Zielparkstelle,
22 eine bestimmte Zielparkstelle,
23 einen Fall der Bestimmung der Außengrenze einer Zielparkstelle unter Bezugnahme auf einen Projektionspunkt einer nachgeordneten Bezugsecke und
24 ein Ablaufdiagramm, das ein Verfahren zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung zeigt.

DETAILLIERTE BESCHREIBUNG DER BEISPIELHAFTEN AUSFÜHRUNGSFORMEN
Nachfolgend werden unter Bezugnahme auf die beigefügten Zeichnungen beispielhafte Ausführungsformen der vorliegenden Erfindung beschrieben. In der folgenden Beschreibung und den Zeichnungen werden zur Bezeichnung gleicher oder ähnlicher Komponenten die gleichen Bezugszeichen verwendet, und so werden gleiche oder ähnliche Komponenten nicht wiederholt beschrieben. Ferner werden hierin integrierte bekannte Funktionen und Konfigurationen nicht detailliert beschrieben, um den Gegenstand der vorliegenden Erfindung nicht unklar zu machen.
1 zeigt ein System zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung.
Wie in 1 gezeigt, schließt das System zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung ein: ein Abtast-Laser-Radar 102, eine Vorverarbeitungseinheit 104, eine Eckenerkennungseinheit 106 und eine Parkstellenfestlegungseinheit 108.
Das Abtast-Laser-Radar 102 erfasst Entfernungsdaten, die von der Heckfläche des Fahrzeugs reflektiert und gerichtet bzw. gelenkt werden. Insbesondere ist das Abtast-Laser-Radar 102 an der Heckfläche des Fahrzeugs angebracht, um Licht (d. h. Laser) abzutasten und aus dem reflektierten Licht ein Entfernungs- und Winkeldaten-Paar zu ermitteln. Das auf diese Weise ermittelte Entfernungs- und Winkeldaten-Paar wird als Entfernungsdaten bezeichnet.
Die Vorverarbeitungseinheit 104 verarbeitet die vom Abtast-Laser-Radar 102 ermittelten Entfernungsdaten vor und extrahiert effektive Cluster. Die Vorverarbeitung schließt folgende Schritte ein: Entfernung ineffektiver Daten und isolierter Daten aus den Entfernungsdaten zur Extraktion effektiver Entfernungsdaten, Erkennung von Okklusionen aus den effektiven Entfernungsdaten und Entfernung kleiner Cluster aus den effektiven Entfernungsdaten.
2 zeigt Entfernungsdaten, die von einer Sensoreinheit 102 vom Laser-Radar-Typ des Systems zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung erfasst wurden.
Insbesondere zeigt 2a ein Foto einer Zielparkfläche zwischen Fahrzeugen auf einem unterirdischen Parkplatz, das im Fahrzeug des Fahrzeugführers aufgenommen wurde. 2b zeigt die Ausgabe des Abtast-Laser-Radars des Fahrzeugs auf der entsprechenden Fläche.
In 2b bezeichnet die Entfernung die Entfernung vom Abtast-Laser-Radar 102 des Fahrzeugs, und der Winkel bezeichnet den Abtastwinkel des Abtast-Laser-Radars.
3 zeigt effektive Entfernungsdaten, die durch die Entfernung ineffektiver Daten und isolierter Daten aus Entfernungsdaten erhalten wurden, die von einem Abtast-Laser-Radar 102 des Systems zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung erfasst wurden.
Wie in 3 gezeigt, entfernt die Vorverarbeitungseinheit ineffektive Daten, die einen Entfernungswert von Null aufweisen, und isolierte Daten, die durch Zufallsrauschen isoliert wurden, aus den in 2b gezeigten Entfernungsdaten. Insbesondere wenn die kleinere der Entfernungen von einem Punkt zu ihm benachbarten linken und rechten Punkten über einem Schwellenwert (z. B. 0,5 m) liegt, wird dieser Punkt als isolierte Daten eingestuft und entfernt.
4 zeigt das Ergebnis der Erkennung von Okklusionen nach der Entfernung ineffektiver Daten und isolierter Daten aus den Entfernungsdaten, die vom Abtast-Laser-Radar 102 des Systems zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung erfasst wurden.
Hierin bezeichnet eine Okklusion einen Punkt, der Entfernungsdaten diskontinuierlich (d. h. anderswo kontinuierlich) macht. Zusätzlich werden kontinuierliche Entfernungsdaten zwischen Okklusionen als Cluster bezeichnet. Es wird angenommen, dass Stücke der Entfernungsdaten in der Abtastwinkelreihenfolge angeordnet sind und durch Abtastung von links nach rechts nacheinander inspiziert werden. Wenn ein effektiver Cluster beginnt, wird das linke Ende des Clusters als die am weitesten linke Okklusion erkannt, und der Punkt, an dem der effektive Cluster endet, wird als die am weitesten rechte Okklusion erkannt. Wenn beispielsweise die Entfernung zwischen kontinuierlichen Entfernungsdaten (n-1) und n über einem Schwellenwert (z. B. 0,5 m) liegt, wird der Punkt (n-1) als rechtes Ende erkannt, und der Punkt n wird als linkes Ende erkannt. In 4a ist das linke Ende einer Okklusion mit einem Kreis markiert, und das rechte Ende ist mit einem Quadrat markiert. 4b zeigt das Ergebnis der Umwandlung effektiver Entfernungsdaten und erkannter Okklusionen im Rahmen eines kartesischen Koordinatensystems und ihrer Abbildung.
5 zeigt das Ergebnis der Extraktion effektiver Cluster durch die Entfernung kleiner Cluster aus Clustern im System zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung.
Insbesondere werden aus erkannten Clustern, wie in 4 gezeigt, diejenigen mit zu geringer Größe entfernt, basierend auf der Einschätzung, dass sie aus Rauschen resultieren. Es wird angenommen, dass die Anzahl der Punkte vom linken Ende eines Clusters zum rechten Ende als Punktzahl bezeichnet wird, und die physikalische Entfernung als seine Länge bezeichnet wird. Wenn ein Cluster eine Länge unter einem Schwellenwert (z. B. 0,25 m) oder eine Punktzahl unter einem Schwellenwert (z. B. fünf) aufweist, wird er als kleiner Cluster eingestuft und entfernt. 5a und 5b zeigen die Ergebnisse der Entfernung kleiner Cluster aus den in 4a und 4b gezeigten Clustern, um jeweils effektive Cluster zu extrahieren.
Sofern nicht anders vermerkt, bezeichnet Cluster nachfolgend effektive Cluster.
Die Eckenerkennungseinheit 106 extrahiert Hindernisecken aus effektiven Clustern.
Eine Hindernisecke kann die Ecke eines rechtwinkligen Clusters, d. h. eines L-förmigen effektiven Clusters, oder die Ecke eines Rundeckenclusters, d. h. eines effektiven Clusters mit der kombinierten Form eines elliptischen Bogens und einer geraden Linie, sein.
Davon ausgehend, dass die vom Abtast-Laser-Radar erhaltenen Entfernungsdaten einen Parkplatz betreffen, weisen wesentliche Erkennungsobjekte (d. h. Fahrzeuge und Gebäudestrukturen) die Form L-förmiger Ecken auf, was bedeutet, dass die Erkennung von Ecken zur Erkennung von Fahrzeugen auf dem Parkplatz führt. In diesem Fall sehen Hindernisse, bei denen es sich nicht um Fahrzeuge handelt, nicht wie L-förmige Ecken aus, und können im Prozess der Erkennung einer Zielparkstelle unberücksichtigt bleiben.
6 ist ein Ablaufdiagramm, das Prozesse der Erkennung von Ecken aus effektiven Clustern durch das System zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung zeigt.
Wie in 6 gezeigt, besteht die Eckenerkennung aus der Erkennung rechtwinkliger Ecken und der Erkennung runder Ecken. Die Heck- und Frontflächen der meisten Fahrzeuge weisen eine annähernd L-förmige Anpassung auf, d. h. zwei gerade Linien, die einander im rechten Winkel schneiden. Einige Fahrzeuge weisen jedoch eine überwiegend gekrümmte Frontfläche auf, die der Rundeckenerkennung unterliegen sollte, d. h. ausgedrückt als eine Kombination einer geraden Linie mit einem elliptischen Bogen, die an einem Punkt miteinander verbunden sind.
Wenn der Anpassungsfehler der Rechtwinkeleckenerkennung unter einem unteren Schwellenwert (0,2 in der vorliegenden Ausführungsform) liegt, wird das Objekt als rechtwinklige Ecke erkannt. Wenn der Anpassungsfehler über dem unteren Schwellenwert, aber unter einem oberen Schwellenwert (0,6 in der vorliegenden Ausführungsform) liegt, wird die Rundeckenerkennung versucht. Wenn der Anpassungsfehler über dem oberen Schwellenwert liegt, wird das Objekt als für das Parken irrelevante gerade Linie eingestuft und ignoriert.
Ein als Ergebnis der Rundeckenerkennung erfasster Rundeckencluster ist dadurch gekennzeichnet, dass zwei Linien, die vom Biegungspunkt des effektiven Clusters zu beiden Endpunkten desselben führen, ein elliptischer Bogen bzw. eine gerade Linie sind.
Wenn der Anpassungsfehler der Rundeckenerkennung unter einem vorab festgelegten Schwellenwert (0,2 in der vorliegenden Ausführungsform) liegt, wird das Objekt als runde Ecke erkannt. Wenn der Ausgleichungsfehler über dem vorab festgelegten Schwellenwert (0,2 in der vorliegenden Ausführungsform) liegt, wird das Objekt als für das Parken irrelevant eingestuft und ignoriert.
Insbesondere wird während der Eckenerkennung jeder Punkt eines effektiven Clusters als Scheitelpunkt der entsprechenden Ecke angenommen, und, um die optimale Ecke zu erkennen, wird ein Ergebnis mit dem kleinsten Fehler als potenzielle rechtwinklige Ecke des effektiven Clusters erkannt. Ein L-förmiges Template besteht aus zwei geraden Linien, die senkrecht zueinander sind. Punkte, die dem Bezugspunkt innerhalb eines effektiven Clusters vorangehen, müssen nahe der ersten geraden Linie sein, und folgende Punkte müssen nahe der zweiten geraden Linie sein. Daher kann gesagt werden, dass die Zuordnung zum L-förmigen Template eine Aufgabe der Minimierung der Fehlersumme bezüglich der ersten geraden Linie (Punkte, die dem Bezugspunkt vorangehen) und der zweiten geraden Linie (Punkte, die dem Bezugspunkt folgen) ist, basierend auf dem Erfordernis, dass zwei gerade Linien senkrecht zueinander sein müssen.
Da die zwei geraden Linien senkrecht sind, können die erste und die zweite gerade Linie l₁ und l₂ durch die nachstehende Gleichung (1) definiert werden. $\begin{array}{l} l_{1} : a x + b y + c = 0 \\ l_{2} : b x - a y + d = 0 \end{array}$
7 zeigt eine rechtwinklige Ecke, die durch das System zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung aus einem effektiven Cluster erkannt wurde.
Es wird angenommen, dass die Anzahl der Punkte eines Clusters N ist, und jedem Punkt wird ein Index, beginnend bei 1, gegeben. Der Bezugspunkt hat den Index n, wie in 7 gezeigt. Dann müssen Punkte im Indexbereich 1-n die Geradliniengleichung l₁ erfüllen, und Punkte im Indexbereich n-N müssen die Geradliniengleichung l₂ erfüllen.
Die Anwendung der Gleichung (1) auf jeden Punkt ergibt die nachstehende Gleichung (2). $\underset{A_{n}}{\underset{︸}{[\begin{array}{l} x_{1} & y_{1} & 1 & 0 \\ ⋮ \\ x_{n} & y_{n} & 1 & 0 \\ - y_{n} & x_{n} & 0 & 1 \\ ⋮ \\ - y_{N} & x_{N} & 0 & 1 \end{array}]}} \cdot \underset{X_{n}}{\underset{︸}{[\begin{matrix} a \\ b \\ c \\ d \end{matrix}]}} = 0$
Die Parametermatrix X_n, welche die Gleichung (2) erfüllt, entspricht dem Nullvektor der Matrix A_n. Daher können durch Ermittlung des Nullvektors von A_n, basierend auf Singulärwertzerlegung (Singular Value Decomposition, SVD), wie durch die nachstehende Gleichung (3) definiert, die Parameter a, b, c, und d geschätzt werden. $[U_{n}, S_{n}, V_{n}] = S V D (A_{n})$
wobei U_n eine ausgabebezogene Basismatrix bezeichnet, S_n eine Singulärwertmatrix bezeichnet und V_n eine eingabebezogene Wertmatrix bezeichnet.
Wenn der dem Nullvektor entsprechende Singulärwert Null ist, entspricht er einem trivialen Idealwert und wird ignoriert. Es wird angenommen, dass ein Anpassungsfehler nach der Methode der kleinsten Quadrate (Least Squares, LS) ein auf den Punkt n des Clusters C bezogener Rechtwinkeleckenanpassungsfehler (C, n) ist. Dann entspricht S_n(4, 4) dem Rechtwinkeleckenanpassungsfehler (C, n), und die vierte Spalte von V_n entspricht den geschätzten Parametern von a, b, c und d. $\begin{array}{l} \begin{array}{l} S_{n} = \\ 19.8455 \\ 0 & 15.4982 & 0 & 0 \\ 0 & 0 & 1.0075 & 0 \\ 0 & 0 & 0 & 0.3905 \to LS fitting error \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 \end{array} \end{array}$
LS fitting error = LS-Anpassungsfehler
Der Rechtwinkeleckenanpassungsfehler (C, n) wird unter Bezugnahme auf die Punkte 2 bis (N-1) des Clusters C gemessen, und ein Punkt mit dem kleinsten Wert wird als potenzielle rechtwinklige Clusterecke des Clusters erkannt.
8 zeigt einen Anpassungsfehler, der vom Bezugspunkt eines effektiven Clusters abhängt, und eine potenzielle Rechtwinkelecke im System zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung.
Insbesondere ist 8a eine Graphik, die den Rechtwinkeleckenanpassungsfehler (C, n), gemessen unter Bezugnahme auf die Punkte 2 bis (n-1), zeigt, und 8b zeigt einen Bezugspunkt mit dem kleinsten Fehlerwert und eine erkannte potenzielle rechtwinklige Ecke.
9 zeigt zwei gerade Linien, die sich von einem Eckpunkt eines effektiven Clusters im System zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung aus erstrecken.
Wie in 9 gezeigt, wird der Schnittpunkt (x_c y_c) zwischen den beiden geraden Linien als Eckpunkt erkannt, und es werden einheitliche Vektoren d₁ und d₂, die parallel zu den beiden geraden Linien sind, berechnet. In diesem Fall sind d₁ und d₂ so festgelegt, dass sie die Richtung langer bzw. kurzer Seiten anzeigen.
10 zeigt einen effektiven Cluster, bei dem es sich um eine gerade Linie handelt und der einen kleinen Rechtwinkeleckenanpassungsfehlerwert aufweist, im System zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung.
Wie in 10a und 10b gezeigt, weist der Rechtwinkeleckenanpassungsfehler einen sehr kleinen Wert auf, wenn es sich bei einem Cluster um eine gerade Linie handelt und wenn ein Endpunkt des Clusters von der geraden Linie abweicht.
Dieses Problem wird durch die Verwendung eines Linienanpassungsfehlers, d. h. eines LS-Anpassungsfehlers kompensiert, basierend auf der Annahme, dass ein Cluster eine gerade Linie ist. Davon ausgehend, dass jeder Punkt eines Clusters die Gleichung der geraden Linie l, wie durch die nachstehende Gleichung (4) definiert, erfüllt, ist insbesondere die Parametermatrix X der Gleichung (5) der Nullvektor der Matrix B, und der dem Nullvektor von B entsprechende Singulärwert ist der Linienanpassungsfehler. $l : a x + b v + c = 0$
$\underset{B}{\underset{︸}{[\begin{array}{l} x_{1} & y_{1} & 1 \\ ⋮ \\ x_{N} & y_{N} & 1 \end{array}]}} \cdot \underset{X}{\underset{︸}{[\begin{matrix} a \\ b \\ c \end{matrix}]}} = 0$
Der Eckenfehler des spezifischen Clusters C, d. h. ∈_corner(C), wird ermittelt, indem der kleinste Wert des Rechtwinkeleckenanpassungsfehlers ∈_rectangular _corner(C, n) durch den Linienanpassungsfehler ∈_line(C) dividiert wird, wie durch die nachstehende Gleichung (6) definiert. $ε_{c o r n e r} (C) = \frac{min_{n} ε_{r e c t a n g u l a r c o r n e r} (C, n)}{ε_{l i n e} (C)}$
11 zeigt einen effektiven Cluster, bei dem es sich um eine gerade Linie handelt und der einen kleinen Rechtwinkeleckenanpassungsfehlerwert aufweist, im System zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung.
Wenn ein Cluster eine gerade Linie ist, kann der Linienausgleichungsfehler einen kleinen Wert aufweisen. Daher weist der Eckenfehler einen größeren Wert auf, um zu verhindern, dass er irrtümlich als rechtwinklige Ecke erkannt wird.
11a und 11b zeigen Cluster, die einem Eckencluster bzw. einer geraden Linie entsprechen. Aus den Zeichnungen ist ersichtlich, dass der Eckenfehler, der durch den in 11a gezeigten Linienanpassungsfehler kompensiert wurde, erheblich verschiedene Werte aufweist, je nachdem, ob der in 11b gezeigte Cluster eine Ecke oder eine gerade Linie ist. Wenn der auf diese Weise berechnete Eckenfehlerwert unter 0,2 liegt, wird das Objekt als rechtwinklige Ecke erkannt. Die Zahl neben dem Cluster, wie in 11, bezeichnet nachfolgend den Anpassungsfehlerwert.
Mittlerweise ist die Zuordnung zu L-förmigen Templates irrelevant gegenüber Richtungen und robust gegen starkes Rauschen. Da keine Annahme bezüglich der Länge gerader Linien oder der Entfernung zwischen Clusterpunkten getroffen wird, ist diese Art der Zuordnung robuster als der Fall der Anpassung gerader Linien anhand von Entfernungsdaten auf der linken und rechten Seite des Bezugspunkts und des Anwendung des Erfordernisses der Rechtwinkligkeit.
12 zeigt die gegenüber der Eckenrichtung und Rauschen robuste Eckenerkennung.
Insbesondere zeigt 12a, dass die aus einer impliziten Funktion bestehende Linienanpasshung irrelevant gegenüber der Richtung von Ecken ist. 12b zeigt, dass Ecken selbst dann erfolgreich erkannt werden, wenn starkes und unregelmäßiges Rauschen angelegt wird. Wenn eine auf diese Weise erkannte Ecke einen berechneten Eckenfehlerwert aufweist, der kleiner als 0,2 ist, entspricht sie einer Hindernisecke mit rechtwinkliger Form.
Wenn der berechnete Eckenfehlerwert im Bereich von 0,2-0,6 liegt, wird die Rundeckenerkennung durchgeführt.
13 zeigt einen Vergleich zwischen der Rechtwinkeleckenerkennnung und der Rundeckenerkennung, wenn die Front- oder Heckfläche eines Fahrzeugs rund ist.
Aus 13a ist ersichtlich, dass die Rechtwinkeleckenerkennung einen großen Eckenfehler verursacht, wenn die Front oder das Heck eines Fahrzeugs rund ist. Dies ist dadurch bedingt, dass die Annahme, dass eine Ecke des Fahrzeugs aus zwei geraden Linien besteht, die miteinander im rechten Winkel verbunden sind, nicht länger zutrifft. Daher wird stattdessen angenommen, dass Ecken, die durch die Rechtwinkeleckenerkennung nicht erkannt wurden, aus einer Kombination einer geraden Linie mit einer gekrümmten Linie bestehen, und die LS-Anpassung wird als Rundeckenerkennung durchgeführt. In diesem Fall wird ein gekrümmter Abschnitt zu einem elliptischen Bogen modelliert. 13b zeigt eine durch die Rundeckenerkennung erkannte Ecke.
Während der Rundeckenerkennung wird das Ergebnis der Erkennung einer Ecke aus gerader Linie und Bogen mit dem Ergebnis der Erkennung eines Bogens mit gerader Linie verglichen, und dasjenige mit einem kleineren Eckenfehler wird als potenzielle runde Ecke erkannt. Ein Fahrzeug mit einer runden Front- oder Heckfläche kann in Abhängigkeit vom Betrachtungswinkel entweder wie eine Kombination aus gekrümmter Linie und gerader Linie oder eine Kombination aus gerader Linie und Bogen aussehen. Während der Erkennung einer Ecke aus gerader Linie und Bogen erfolgt die LS-Anpassung basierend auf der Annahme, dass ein Cluster aus einer geraden Linie (links) und einem elliptischen Bogen besteht. Während der Erkennung einer Ecke aus Bogen und gerader Linie erfolgt die LS-Anpassung basierend auf der Annahme, dass ein Cluster aus einem elliptischen Bogen (links) und einer geraden Linie besteht.
Es wird angenommen, dass im Fall der Erkennung einer Ecke aus gerader Linie und Bogen die Anzahl der Punkte eines Clusters N ist und der Index des Bezugspunkt n ist. Dann müssen Punkte im Indexbereich 1-n die durch die nachstehende Gleichung (7) definierte Geradliniengleichung l₁ erfüllen, und Punkte im Indexbereich n-N müssen die durch die nachstehende Gleichung (7) definierte Ellipsengleichung e₂ erfüllen. $\begin{matrix} l_{1} : & p x + q y + r = 0 \\ e_{2} : & a x^{2} + b x y + c y^{2} + d x + e y + f = 0 \end{matrix}$
Durch die Anwendung von SVD auf Punkte im Indexbereich 1-n des Clusters C werden Parameter der Geradliniengleichung l₁ erhalten, und die Summe der quadratierten algebraischen Fehler wird als Linienabschnittsfehler, ∈_line _portion(C, n), definiert, wie in der nachstehenden Gleichung (8) angegeben. $ε_{l i n e p o r t i o n} (C, n) = \sum_{l = 1}^{n} {(p x_{i} + q y_{i} + r)}^{2}$
Auf Punkte im Indexbereich n-N wird die Ellipsenanpassung nach der Methode der stabilen direkten kleinsten Quadrate (Stable Direct Least Squares, SDLS) angewendet, um Parameter der Ellipsengleichung e₂ zu erhalten, und die Summe der quadrierten algebraischen Fehler wird als Ellipsenabschnittsfehler, ∈_lipse _portion(C, n), definiert, wie in der nachstehenden Gleichung (9) angegeben. Die Details der SDLS-Ellipsenanpassung sind auf dem Fachgebiet hinlänglich bekannt, wie z. B. offenbart in: R. Halif und J. Flusser: „Numerically Stable Direct Least Squares Fitting of Ellipses“, Abteilung Software-Engineering, Karlsuniversität, Tschechische Republik, 2000. $ε_{e l l i p s e p o r t i o n} (C, n) = \sum_{i = n}^{N} {(a x_{1}^{2} + b x_{1} y_{1} + c y_{1}^{2} d x_{1} + e y_{1} + f)}^{2} .$
Der Linie/Krümmung-Anpassungsfehler bezüglich des Punkts n des Clusters C, d. h. ∈_line-curve _corner,(C, n), wird als die Summe des Linienabschnittsfehlers und des Ellipsenabschnittsfehlers definiert, wie in der nachstehenden Gleichung (10) angegeben. $ε_{l i n e - c u r v e c o r n e r} (C, n) = ε_{l i n e p o r t i o n} (C, n) + ε_{e l l i p s e p o r t i o n} (C, n)$
Der Linie/Krümmung-Anpassungsfehler wird unter Bezugnahme auf die Punkte 5 bis (N-5) des Clusters erhalten, und eine Ecke, die einen Punkt mit dem kleinsten Wert als ihren Scheitelpunkt aufweist, wird als die potenzielle Ecke aus gerader Linie und Bogen des Clusters C erkannt. Der Linie/Krümmung-Anpassungsfehler eines Punkts, der den kleinsten Linie/Krümmung-Anpasshungsfehler aufweist, wird durch einen Linienanpassungsfehler ε_line(C) dividiert, der ausgehend von der Annahme erhalten wird, dass jeder Punkt eine gerade Linie darstellt, und normalisiert. Der resultierende Wert wird als der Eckenfehler des Clusters C, d. h. corner_error(C), definiert, wie in der nachstehenden Gleichung (11) angegeben. $corner_error (C) = \frac{min_{n} ε_{l i n e - c u r v e c o r n e r} (C, n)}{ε_{l i n e} (C)}$
Es wird angenommen, dass im Fall der Erkennung einer Ecke aus Bogen und gerader Linie von N Punkten diejenigen im Bereich 1-n die Ellipsengleichung e₁ erfüllen und diejenigen im Bereich n-N die Ellipsengleichung l₂ erfüllen, wie durch die nachstehende Gleichung (12) angegeben. $\begin{matrix} e_{1} : & a x^{2} + b x y + c y^{2} + d x + e y + f = 0 \\ l_{2} : & p x + q y + r = 0 \end{matrix}$
Nach der SDLS-Ellipsenanpassung von Punkten im Bereich 1-n wird die Summe der quadrierten algebraischen Fehler bezüglich von Parametern der Ellipse als Ellipsenabschnittsfehler, d. h. ∈_{ellipse portion}(C, n), definiert, wie in der nachstehenden Gleichung (13) angegeben. $ε_{e l l i p s e p o r t i o n} (C, n) = \sum_{i = 1}^{n} {(a x_{i}^{2} + b x_{i} y_{i} + c y_{i}^{2} + d x_{i} + e y_{i} + f)}^{2}$
Nach der Linienanpassung von Punkten im Bereich n-N mittels SVD wird die Summe der quadrierten algebraischen Fehler bezüglich von Parametern der geraden Linie als Linienabschnittsfehler, d. h. ∈_line _portion(C, n), definiert, wie in der nachstehenden Gleichung (14) angegeben. $ε_{l i n e p o r t i o n} (C, n) = \sum_{i = n}^{N} {(p x_{i} + q v_{i} + r)}^{2}$
Der Krümmung/Linie-Anpassungsfehler bezüglich des Punkts n des Clusters C, d. h. ∈_line-curve _corne,(C, n), wird als die Summe des Ellipsenabschnittsfehlers und des Linienabschnittsfehlers definiert, wie in der nachstehenden Gleichung (15) angegeben. $ε_{c u r v e - l i n e c o r n e r} (C, n) = ε_{e l l i p s e p o r t i o n} (C, n) + ε_{l i n e p o r t i o n} (C, n)$
Es wird der Krümmung/Linie-Anpassungsfehler bezüglich der Punkte 5 bis (N-5) des Clusters erhalten, und eine Ecke, die einen Punkt mit dem kleinsten Wert als Scheitelpunkt aufweist, wird als potenzielle Ecke aus Bogen und gerader Linie des Clusters C erkannt. Der kleinste Wert des Krümmung/Linie-Anpassungsfehlers wird durch einen Linienanpassungsfehler dividiert, der ausgehend von der Annahme erhalten wird, dass jeder Punkt eine gerade Linie bildet, und normalisiert. Der resultierende Wert wird als Eckenfehler des Clusters C, d. h. corner error(C), definiert, wie in der nachstehenden Gleichung (16) angegeben. $corner_error (C) = \frac{min_{n} ε_{l i n e - c u r v e c o r n e r} (C, n)}{ε_{l i n e} (C)}$
Im Fall der Rundeckenerkennung wird die Erkennung einer Ecke aus gerader Linie und Bogen auf den Cluster C angewendet, um einen Linie/Krümmung-Eckenfehler zu erhalten, wie durch die Gleichung (11) definiert, und die Erkennung einer Ecke aus Bogen und gerader Linie wird angewendet, um einen Krümmung/Linie-Eckenfehler zu erhalten, wie durch die Gleichung (16) definiert. Das Anpassungsergebnis desjenigen des so erhaltenen Linie/Krümmung-Eckenfehlers und Krümmung/Linie-Eckenfehlers, der den kleineren Wert aufweist, wird als das Anpassungsergebnis des Clusters C eingestuft. Wenn corner_error(C) unter dem Schwellenwert (z. B. 0,2) liegt, wird das Objekt als Cluster mit einer runden Ecke erkannt. Andernfalls wird das Objekt als für das Parken irrelevant eingestuft und ignoriert.
Wenn das Objekt als Cluster mit einer runden Ecke eingestuft wird, wird d₁ so festgelegt, dass er sich vom Scheitelpunkt in Richtung des Endpunkts der geraden Linie erstreckt, und d₂ wird so festgelegt, dass er sich vom Scheitelpunkt parallel zur langen Achse der Ellipse in Richtung der Mitte der Ellipse erstreckt. Der in diesem Fall erhaltene Scheitelpunkt der Hindernisecke wird festgelegt, indem der Schnittpunkt zwischen der geraden Linie und der langen Achse der Ellipse ermittelt wird und im Ausmaß des Radius der kurzen Achse entlang der kurzen Achse der Ellipse bewegt wird.
14 zeigt das Ergebnis der Rundeckenerkennung im Fall einer Ecke aus Bogen und gerader Linie.
Insbesondere zeigt 14a den Linienabschnittsfehler der Linie/Krümmung-Anpassung, 14b zeigt den Ellipsenabschnittsfehler der Linie/Krümmung-Anpassung, 14c zeigt den Linie/Krümmung-Anpassungsfehler, und 14d zeigt ein optimales Ergebnis der Linie/Krümmung-Anpassung.
14a zeigt, dass der Linienabschnittsfehler der Linie/Krümmung-Anpassung zunimmt, wenn n zunimmt, und 14b zeigt, dass der Ellipsenabschnittsfehler der Linie/Krümmung-Anpassung abnimmt, wenn n zunimmt.
14c zeigt den Linie/Krümmung-Anpassungsfehler, d. h. den Linienabschnittsfehler der Linie/Krümmung-Anpassung plus den Ellipsenabschnittsfehler der Linie/Krümmung-Anpassung. Daher können wir im Fall, dass der Linie/Krümmung-Anpassungsfehler den kleinsten Wert aufweist, n finden. 14d zeigt ein optimales Ergebnis der Linie/Krümmung-Anpassung.
14e zeigt den Linienabschnittsfehler der Krümmung/Linie-Anpassung, 14f zeigt den Ellipsenabschnittsfehler der Krümmung/Linie-Anpassung, 14g zeigt den Krümmung/Linie-Anpassungsfehler, und 14h zeigt ein optimales Ergebnis der Krümmung/Linie-Anpassung.
14e zeigt, dass der Linienabschnittsfehler der Krümmung/Linie-Anpassung abnimmt, wenn n zunimmt, und 14f zeigt, dass der Ellipsenabschnittsfehler der Krümmung/Linie-Anpassung zunimmt, wenn n zunimmt.
14g zeigt den Krümmung/Linie-Anpassungsfehler, d. h. den Linienabschnittsfehler der Krümmung/Linie-Anpassung plus den Ellipsenabschnittsfehler der Krümmung/Linie-Anpassung. Daher können wir im Fall, dass der Krümmung/Linie-Anpassungsfehler den kleinsten Wert aufweist, n finden. 14h zeigt ein optimales Ergebnis der Krümmung/Linie-Anpassung.
14i zeigt eine endgültig erkannte Hindernisecke.
Aus einem Vergleich zwischen 14c und 14g ist ersichtlich, dass der kleinste Wert des Krümmung/Linie-Anpassungsfehlers kleiner ist als der kleinste Wert des Linie/Krümmung-Anpassungsfehlers; daher ist der Eckenfehler der Krümmung/Linie-Anpassung kleiner als der Eckenfehler der Linie/Krümmung-Anpassung. Daher wurde der Cluster als Cluster mit einer runden Ecke in der Form eines Bogens mit einer geraden Linie erkannt, wie in 14i gezeigt. Dies entspricht den in 14d und 14h gezeigten optimalen Anpassungsergebnissen.
15 zeigt das Ergebnis der Rundeckenerkennung im Fall einer Ecke aus gerader Linie und Bogen.
Insbesondere zeigt 15a den Linienabschnittsfehler der Linie/Krümmung-Anpassung, 15b zeigt den Ellipsenabschnittsfehler der Linie/Krümmung-Anpassung, 15c zeigt den Linie/Krümmung-Anpassungsfehler, und 15d zeigt ein optimales Ergebnis der Linie/Krümmung-Anpassung.
15a zeigt, dass der Linienabschnittsfehler der Linie/Krümmung-Anpassung zunimmt, wenn n zunimmt, und 15b zeigt, dass der Ellipsenabschnittsfehler der Linie/Krümmung-Anpassung abnimmt, wenn n zunimmt.
15c zeigt den Linie/Krümmung-Anpassungsfehler, d. h. den Linienabschnittsfehler der Linie/Krümmung-Anpassung plus den Ellipsenabschnittsfehler der Linie/Krümmung-Anpassung. Daher können wir im Fall, dass der Linie/Krümmung-Anpassungsfehler den kleinsten Wert aufweist, n finden. 15d zeigt ein optimales Ergebnis der Linie/Krümmung-Anpassung.
15e zeigt den Linienabschnittsfehler der Krümmung/Linie-Anpassung, 15f zeigt den Ellipsenabschnittsfehler der Krümmung/Linie-Anpassung, 15g zeigt den Krümmung/Linie-Anpassungsfehler und 15h zeigt ein optimales Ergebnis der Krümmung/Linie-Anpassung.
15e zeigt, dass der Linienabschnittsfehler der Krümmung/Linie-Anpassung abnimmt, wenn n zunimmt, und 15f zeigt, dass der Ellipsenabschnittsfehler der Krümmung/Linie-Anpassung zunimmt, wenn n zunimmt.
15g zeigt den Krümmung/Linie-Anpassungsfehler, d. h. den Linienabschnittsfehler der Krümmung/Linie-Anpassung plus den Ellipsenabschnittsfehler der Krümmung/Linie-Anpassung. Daher können wir im Fall, dass der Krümmung/Linie-Anpassungsfehler den kleinsten Wert aufweist, n finden. 15h zeigt ein optimales Ergebnis der Krümmung/Linie-Anpassung.
15i zeigt eine endgültig erkannte Hindernisecke.
Aus einem Vergleich zwischen 15c und 15g ist ersichtlich, dass der kleinste Wert des Linie/Krümmung-Anpassungsfehlers kleiner ist als der kleinste Wert des Krümmung/Linie-Anpassungsfehlers; daher ist der Eckenfehler der Linie/Krümmung-Anpassung kleiner als der Eckenfehler der Krümmung/Linie-Anpassung. Daher wurde der Cluster als Cluster mit einer runden Ecke in der Form einer geraden Linie mit einem Bogen erkannt, wie in 15i gezeigt. Dies entspricht den in 15d und 15h gezeigten optimalen Anpassungsergebnissen.
16 zeigt das Ergebnis der Anwendung der Rundeckenerkennung auf tatsächliche Entfernungsdaten, die von einem Abtast-Laser-Radar erhalten wurden.
Insbesondere zeigt 16a das Ergebnis der Erkennung einer Ecke mithilfe der Rechtwinkeleckenerkennung in Bezug auf einen Cluster des Abtast-Laser-Radars, und 16b zeigt das Ergebnis der Erkennung einer Hindernisecke mithilfe der Rundeckenerkennung.
16c zeigt das Ergebnis der Erkennung einer Ecke mithilfe der Rechtwinkeleckenerkennung in Bezug auf einen anderen Cluster des Abtast-Laser-Radars, und 16d zeigt das Ergebnis der Erkennung einer Hindernisecke mithilfe der Rundeckenerkennung.
Es ist ersichtlich, dass, verglichen mit dem in 16a gezeigten Ergebnis der Rechtwinkeleckenerkennung, das in 16b gezeigte Ergebnis der Rundeckenerkennung die Stirnfläche des Fahrzeugs exakter gefunden hat. Zusätzlich hat das in 16c gezeigte Ergebnis der Rechtwinkeleckenerkennung die Richtung des Fahrzeugs aufgrund von Rauschen der Entfernungsdaten nicht exakt gefunden, aber das in 16d gezeigte Ergebnis der Rundeckenerkennung hat die Richtung des Fahrzeugs und die Hindernisecke exakt gefunden.
Die Parkstellenfestlegungseinheit 108 erkennt aus Hindernisecken eine Hauptbezugsecke und eine nachgeordnete Bezugsecke, um eine Zielparkstelle festzulegen. Die Hauptbezugsecke bezeichnet eine Hindernisecke, die einen benachbarten Raum aufweist, der eine Bedingung eines verfügbaren Parkplatzes erfüllt, und die dem betreffendem Fahrzeug am nächsten ist. Die nachgeordnete Bezugsecke bezeichnet eine Hindernisecke, die in Richtung des benachbarten Raums in einer Richtung entgegengesetzt zur Breitenrichtung des Fahrzeugs von der Hauptbezugsecke aus vorhanden ist und die einem Punkt auf dem nächstgelegenen effektiven Cluster innerhalb der Entfernung zwischen der Fahrzeugbreite und der Fahrzeuglänge entspricht.
Insbesondere wird aus Hindernisecken innerhalb des Interessengebiets (Region of Interest, ROI) für das rechtwinklige Einparken eine Hindernisecke, welche die Bedingung eines verfügbaren Parkplatzes erfüllt und die dem betreffendem Fahrzeug am nächsten ist, als Hauptbezugsecke, d. h. als Bezugspunkt zur Festlegung der Zielparkstelle, erkannt.
Es wird angenommen, dass eingegebene Entfernungsdaten erhalten wurden, indem das betreffedem Fahrzeug an einer für das rechtwinklige Einparken geeigneten Stelle gestoppt wurde. Dann muss die Zielparkstelle innerhalb eines vorab festgelegten Sichtfelds (Field of View, FOV) des an der Heckfläche des Fahrzeugs angebrachten Abtast-Laser-Radars, z. B. 160°, vorhanden sein, und die Entfernung zum betreffendem Fahrzeug muss auch innerhalb einer vorab festgelegten Entfernung liegen. Diese Bedingungen werden unter Bezugnahme auf das ROI festgelegt, und außerhalb des ROI vorhandene Hindernisecken sowie entsprechende Cluster werden ignoriert.
17 zeigt das Ergebnis der Eckenerkennung und das Ergebnis der Anwendung des ROI.
Insbesondere zeigt 17a das Ergebnis der Eckenerkennung, d.h. das Ergebnis der Erfassung eines ausgeprägten Anpassungsfehlers. 17b zeigt das Ergebnis der Anwendung des ROI auf das in 17a gezeigte Ergebnis der Eckenerkennung. Der Anpassungsfehlerwert wurde in 17b weggelassen, um anzuzeigen, dass er von der ROI-Anwendung ausgenommen wurde.
Es wird auf einheitliche Vektoren d₁ und d₂ parallel zu zwei geraden Linien Bezug genommen, die als Ergebnis der in 9 gezeigten Eckenerkennung festgelegt wurden, um zu bestätigen, ob in Richtungen entgegengesetzt zu d₁ und d₂ in Bezug auf Hindernisecken innerhalb des ROI ein Hindernis vorhanden ist oder nicht, d. h. um zu bestimmen, ob neben einem verfügbaren Parkplatz Hindernisecken vorhanden sind oder nicht.
18 zeigt ein Verfahren zur Bestätigung, ob nahe einer Hindernisecke ein verfügbarer Parkplatz vorhanden ist.
Hierin bezeichnet eine Bedingung eines verfügbaren Parkplatzes einen Fall, in dem innerhalb einer Entfernung zwischen der Fahrzeugbreite und der Fahrzeuglänge innerhalb eines vorab festgelegten ROI in einer Richtung entgegengesetzt zur Breitenrichtung des Fahrzeugs von der Hindernisecke aus ein Hindernisobjekt vorhanden ist und in dem innerhalb der Entfernung der Fahrzeuglänge innerhalb eines vorab festgelegten ROI in einer Richtung entgegengesetzt zur Längsrichtung des Fahrzeugs von der Hindernisecke aus kein Hindernisobjekt vorhanden ist.
Insbesondere wird ein vorab festgelegtes ROI in Richtungen entgegengesetzt zu d₁ und d₂, d. h. FOV-Bereich (z. B. 90°), beobachtet, um zu bestimmen, ob innerhalb einer Entfernung der Fahrzeugbreite ein Hindernisobjekt vorhanden ist oder nicht und ob innerhalb einer Entfernung der Fahrzeuglänge ein Hindernisobjekt vorhanden ist oder nicht. Wenn die inspizierte Ecke neben einer verfügbaren Parkstelle liegt, wird angenommen, dass innerhalb einer Entfernung zwischen der Fahrzeugbreite und der Fahrzeuglänge auf einer Seite ein Hindernisobjekt vorhanden ist, wie in 18 gezeigt, und angenommen, dass innerhalb einer Entfernung der Fahrzeuglänge auf der anderen Seite kein Hindernisobjekt vorhanden ist. Wenn innerhalb einer Entfernung der Fahrzeugbreite in einer beliebigen Richtung ein Hindernisobjekt vorhanden ist oder wenn innerhalb der Fahrzeuglänge in beiden Richtungen Hindernisse vorhanden sind, wird bestimmt, dass die Ecke nicht neben einer verfügbaren Parkstelle liegt.
Im Fall einer rechtwinkligen Ecke während eines Eckenerkennungsprozesses werden d₁ und d₂ in Richtung der langen bzw. kurzen Achse (Länge und Breite des Fahrzeugs) festgelegt. Im Fall einer runden Ecke werden d₁ und d₂ in Richtung der geraden Linie bzw. der Ellipse (Länge und Breite des Fahrzeugs) festgelegt. Im Prozess der Prüfung, ob ein verfügbarer Parkplatz vorhanden ist, wird d₂ modifiziert, um die Seite mit einem Hindernis zwischen der Fahrzeugbreite und der Fahrzeuglänge anzuzeigen, und d₁ wird modifiziert, um die Seite ohne Hindernis innerhalb der Fahrzeuglänge anzuzeigen. Wenn in keiner der beiden Richtungen ein Hindernis innerhalb der Fahrzeuglänge gefunden wird, wird der im Eckenerkennungsprozess festgelegte Wert beibehalten.
Die auf diese Weise festgelegten d₁ und d₂ können verwendet werden, um die Stelle der potenziellen Zielparkstelle zu bestimmen. Nur ein Fall, in dem die gesamte Fläche der Zielparkstelle innerhalb des FOV liegt, wird als gültig eingestuft, und andere Fälle werden ausgeschlossen.
19 zeigt das Ergebnis der Belassung nur solcher Hindernisecken, welche die Bedingung eines verfügbaren Parkplatzes erfüllen.
Von den Hindernisecken, die aus der in 17b gezeigten Anwendung des ROI erhalten wurden, werden nur Hindernisecken belassen, welche die Bedingung eines verfügbaren Parkplatzes erfüllen, und die Anpassungsfehlerwerte der übrigen Hindernisecken werden gelöscht. Das Ergebnis ist in 19 gezeigt. Aus 19 ist ersichtlich, dass nicht viele der innerhalb des ROI vorhandenen Hindernisecken die Bedingung eines verfügbaren Parkplatzes erfüllen.
20 zeigt das Ergebnis der Erkennung einer Hindernisecke, die dem betreffendem Fahrzeug am nächsten ist, aus Hindernisecken, welche die Bedingung eines verfügbaren Parkplatzes erfüllen, als neben dem Zielparkplatz vorhandene Hauptbezugsecke.
Nach der Erkennung der Hauptbezugsecke wird eine nachgeordnete Bezugsecke erkannt. Aus Okklusionen oder Hindernisecken, die innerhalb eines vorab festgelegten FOV (z. B. 90°) in einer Richtung entgegengesetzt zu d₂ der Hauptbezugsecke vorhanden sind, wird der nächstgelegene Punkt als nachgeordnete Bezugsecke erkannt.
Die Zielparkstelle wird auf folgende Weise festgelegt: Die nachgeordnete Bezugsecke wird auf einen Punkt auf einer geraden Linie projiziert, die sich von der Hauptbezugsecke aus in der Längsrichtung des Fahrzeugs erstreckt. Vom Projektionspunkt zu einem Punkt der Hauptbezugsecke wird ein Liniensegment gezeichnet, das in Richtung der Außenseite des benachbarten Raums, parallel zur Breitenrichtung des Fahrzeugs, liegt und als Außengrenze bezeichnet wird. Ein Liniensegment, das sich durch die Mitte der bezeichneten Außengrenze parallel zur Längsrichtung des Fahrzeugs erstreckt, befindet sich in der Mitte der Zielparkstelle.
21 zeigt ein Verfahren zur Bestimmung einer nachgeordneten Bezugsecke und der Außengrenze einer Zielparkstelle.
Fahrzeuge oder Gebäudestrukturen links und rechts eines verfügbaren Parkplatzes können verschiedene Tiefen, Richtungen oder Standorte aufweisen. Um diesen Unterschied zu kompensieren, wird die nachgeordnete Bezugsecke auf einen Punkt auf einer geraden Linie projiziert, die sich entlang von d₁ erstreckt (in 21 als „PROJEKTIONSPUNKT DER NACHGEORDNETEN BEZUGSECKE“ bezeichnet), und mit einer Stelle auf der Hauptbezugsecke verbunden, die in Richtung der Außenseite des benachbarten Parkplatzes liegt, um die Außengrenze festzulegen. 21 zeigt das Ergebnis der Erkennung der nachgeordneten Bezugsecke sowie der Außengrenze der Zielparkstelle, die unter Bezugnahme auf die Hauptbezugsecke bestimmt wurden.
Nach der Bestimmung der Hauptbezugsecke, der nachgeordneten Bezugsecke und der Außengrenze kann die Zielparkstelle bestimmt werden, indem die Mitte der Breitenrichtung der Zielparkstelle in der Mitte der Außengrenze positioniert wird. Die Breite und Länge der Zielparkstelle werden unter Bezugnahme auf die Breite und Länge des betreffendem Fahrzeugs bestimmt.
22 zeigt eine bestimmte Zielparkstelle.
Die Zielparkstelle wurde korrekt bestimmt, wie in 22 gezeigt.
23 zeigt einen Fall der Bestimmung der Außengrenze einer Zielparkstelle unter Bezugnahme auf einen Projektionspunkt einer nachgeordneten Bezugsecke.
Zwischen einem Fahrzeug und einem Pfosten ist ein verfügbarer Parkplatz vorhanden, wie in 23 gezeigt, und die Außengrenze der Zielparkstelle wird durch Projektion der nachgeordneten Bezugsecke bestimmt. Der Grund, aus dem die Projektion der nachgeordneten Bezugsecke erwogen wird, ist, dass, selbst wenn sich der verfügbare Parkplatz zwischen zwei Objekten mit verschiedenen Tiefen befindet, die Zielparkstelle bei einer geeigneten Tiefe parallel zur Tiefenrichtung beider Objekte bestimmt werden kann.
Aus den Ergebnissen der Anwendung des vorgeschlagenen Verfahrens auf 26 Fälle ist ersichtlich, dass die Zielparkstelle in allen Fällen erfolgreich bestimmt wurde. Die für das Experiment verwendeten Entfernungsdaten schließen alle Fälle ein, die mit anderen vorhandenen Verfahren kaum handhabbar sind (z. B. tagsüber, nachts, im Freien, unterirdisch, Rücklicht).
24 ist ein Ablaufdiagramm, das ein Verfahren zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung zeigt.
Bei dem in 24 gezeigten Verfahren zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausfuhrungsform der vorliegenden Erfindung wird ein System verwendet, das ein Abtast-Laser-Radar, eine Vorverarbeitungseinheit, eine Eckenerkennungseinheit und eine Parkstellenfestlegungseinheit aufweist. Das Verfahren schließt folgende Schritte ein: Erfassung von Entfernungsdaten durch ein Abtast-Laser-Radar (S242), Vorverarbeitung der Entfernungsdaten durch die Vorverarbeitungseinheit zur Extraktion effektiver Cluster (S244), Extraktion von Hindernisecken aus den effektiven Clustern durch die Eckenerkennungseinheit (S246) und Erkennung einer Hauptbezugsecke und einer nachgeordneten Bezugsecke aus den Hindernisecken durch die Parkstellenfestlegungseinheit zur Festlegung der Zielparkstelle (S248). Die Hauptbezugsecke bezeichnet eine Hindernisecke, die einen benachbarten Raum aufweist, der die Bedingung eines verfügbaren Parkplatzes erfüllt, und die dem betreffendem Fahrzeug am nächsten ist. Die nachgeordnete Bezugsecke bezeichnet eine Hindernisecke, die in Richtung des benachbarten Raums in einer Richtung entgegengesetzt zur Breitenrichtung des Fahrzeugs von der Hauptbezugsecke aus vorhanden ist und die einem Punkt auf dem nächstgelegenen effektiven Cluster innerhalb einer Entfernung zwischen der Fahrzeugbreite und der Fahrzeuglänge entspricht.
Die Vorverarbeitung kann folgende Schritte einschließen: Entfernung ineffektiver Daten und isolierter Daten aus den Entfernungsdaten zur Extraktion effektiver Entfernungsdaten, Erkennung von Okklusionen aus den effektiven Entfernungsdaten und Entfernung kleiner Cluster aus den effektiven Entfernungsdaten.
Hierin bezeichnet eine Hindernisecke die Ecke eines L-förmigen effektiven Clusters oder die Ecke eines effektiven Clusters mit der kombinierten Form eines elliptischen Bogens und einer geraden Linie.
Die Bedingung eines verfügbaren Parkplatzes bezeichnet einen Fall, in dem innerhalb einer Entfernung zwischen der Fahrzeugbreite und der Fahrzeuglänge innerhalb eines vorab festgelegten ROI in einer Richtung entgegengesetzt zur Breitenrichtung des Fahrzeugs von der extrahierten Hindernisecke aus ein Hindernisobjekt vorhanden ist und in dem innerhalb der Entfernung der Fahrzeuglänge innerhalb eines vorab festgelegten ROI in einer Richtung entgegengesetzt zur Längsrichtung des Fahrzeugs von der Hindernisecke aus kein Hindernisobjekt vorhanden ist.
Eine nachgeordnete Bezugsecke kann eine Okklusion oder die Hindernisecke sein.
Die Zielparkstelle wird auf folgende Weise festgelegt: Die nachgeordnete Bezugsecke wird auf einen Punkt auf einer geraden Linie projiziert, die sich von der Hauptbezugsecke aus in Längsrichtung des Fahrzeugs erstreckt. Vom Projektionspunkt zu einem Punkt der Hauptbezugsecke wird ein Liniensegment gezeichnet, das in Richtung der Außenseite des benachbarten Raums, parallel zur Breitenrichtung des Fahrzeugs, liegt und als Außengrenze bezeichnet wird. Ein Liniensegment, das sich durch die Mitte der bezeichneten Außengrenze parallel zur Längsrichtung des Fahrzeugs erstreckt, befindet sich in der Mitte der Zielparkstelle.
Das Verfahren zur Erkennung einer Zielparkstelle eines Fahrzeugs gemäß einer Ausführungsform der vorliegenden Erfindung basiert an sich auf den gleichen Definitionen wie das unter Bezugnahme auf 2-23 beschriebene System zur Erkennung einer Zielparkstelle eines Fahrzeugs.
Gemäß den Ausführungsformen wird am Heckabschnitt eines Fahrzeugs ein Abtast-Laser-Radar angebracht, um Entfernungsdaten zu erfassen, die zur F estlegung der Zielparkstelle für das rechtwinklige Einparken verwendet werden. Dies ist beispielsweise insoweit vorteilhaft, als dass die Zielparkstelle selbst in Fällen bestimmt werden kann, die mit herkömmlichen Verfahren kaum handhabbar sind (z. B. tagsüber, nachts, im Freien, unterirdisch, Rücklicht).

Claims

System zur Erkennung einer Zielparkstelle eines Fahrzeugs, wobei das System umfasst: ein Abtast-Laser-Radar zur Erfassung von Entfernungsdaten, eine Vorverarbeitungseinheit zur Vorverarbeitung der Entfernungsdaten zur Extraktion effektiver Cluster durch Entfernen von ineffektiven Daten, die einen Entfernungswert von Null aufweisen, und isolierten Daten, wobei ein Punkt als isolierte Daten eingestuft wird, wenn die kleinere der Entfernungen von einem Punkt zu ihm benachbarten Punkten über einem Schwellenwert liegt, eine Eckenerkennungseinheit zur Extraktion von Hindernisecken aus den effektiven Clustern, wobei die Eckenerkennungseinheit dafür eingerichtet ist, eine Erkennung rechtwinkliger Ecken und eine Erkennung runder Ecken durchzuführen, wobei: wenn ein Anpassungsfehler der Rechtwinkeleckenerkennung unter einem unteren Schwellenwert liegt, wird eine rechtwinklige Ecke erkannt; wenn der Anpassungsfehler der Rechtwinkeleckenerkennung über einem oberen Schwellenwert liegt, wird ein effektives Cluster als eine als eine für ein Parken irrelevante gerade Linie eingestuft und ignoriert; und wenn der Anpassungsfehler der Rechtwinkeleckenerkennung über dem unteren Schwellenwert aber unter dem oberen Schwellenwert liegt, wird die Rundeckenerkennung durchgeführt, wobei wenn ein Anpassungsfehler der Rundeckenerkennung unter einem weiteren Schwellenwert liegt, wird eine runde Ecke erkannt; und wenn der Anpassungsfehler der Rundeckenerkennung über dem weiteren Schwellenwert liegt, wird ein effektives Cluster als für das Parken irrelevant eingestuft und ignoriert; und eine Parkstellenfestlegungseinheit zur Festlegung einer Zielparkstelle auf der Grundlage von extrahierten Hindernisecken.
System nach Anspruch 1, dadurch gekennzeichnet, dass die Hindernisecke eine Ecke eines L-förmigen effektiven Clusters oder eine Ecke eines effektiven Clusters mit einer kombinierten Form eines elliptischen Bogens und einer geraden Linie ist.
Verfahren zur Erkennung einer Zielparkstelle eines Fahrzeugs durch ein System, das ein Abtast-Laser-Radar, eine Vorverarbeitungseinheit, eine Eckenerkennungseinheit und eine Parkstellenfestlegungseinheit aufweist, wobei das Verfahren umfasst: Erfassung von Entfernungsdaten durch das Abtast-Laser-Radar, Vorverarbeitung der Entfernungsdaten durch die Vorverarbeitungseinheit zur Extraktion effektiver Cluster durch Entfernen von ineffektiven Daten, die einen Entfernungswert von Null aufweisen, und isolierten Daten, wobei ein Punkt als isolierte Daten eingestuft wird, wenn die kleinere der Entfernungen von einem Punkt zu ihm benachbarten Punkten über einem Schwellenwert liegt, Extraktion von Hindernisecken aus den effektiven Clustern durch die Eckenerkennungseinheit, wobei die Eckenerkennungseinheit eine Erkennung rechtwinkliger Ecken und eine Erkennung runder Ecken durchführt, wobei: wenn ein Anpassungsfehler der Rechtwinkeleckenerkennung unter einem unteren Schwellenwert liegt, wird eine rechtwinklige Ecke erkannt; wenn der Anpassungsfehler der Rechtwinkeleckenerkennung über einem oberen Schwellenwert liegt, wird ein effektives Cluster als eine als eine für ein Parken irrelevante gerade Linie eingestuft und ignoriert; und wenn der Anpassungsfehler der Rechtwinkeleckenerkennung über dem unteren Schwellenwert aber unter dem oberen Schwellenwert liegt, wird die Rundeckenerkennung durchgeführt, wobei wenn ein Anpassungsfehler der Rundeckenerkennung unter einem weiteren Schwellenwert liegt, wird eine runde Ecke erkannt; und wenn der Anpassungsfehler der Rundeckenerkennung über dem weiteren Schwellenwert liegt, wird ein effektives Cluster als für das Parken irrelevant eingestuft und ignoriert; und Festlegen einer Zielparkstelle auf der Grundlage von extrahierten Hindernisecken.
Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass die Vorverarbeitung umfasst: Entfernung ineffektiver Daten und isolierter Daten aus den Entfernungsdaten zur Extraktion effektiver Entfernungsdaten, Erkennung von Okklusionen aus den effektiven Entfernungsdaten und Entfernung kleiner Cluster aus den effektiven Entfernungsdaten.
Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass die Hindernisecke eine Ecke eines L-förmigen effektiven Clusters oder eine Ecke eines effektiven Clusters mit einer kombinierten Form eines elliptischen Bogens und einer geraden Linie ist.