DE102010033776A1

DE102010033776A1 - Verfahren zur Erfassung und Vorhersage von Aktionen zumindest zwei bewegter Objekte

Info

Publication number: DE102010033776A1
Application number: DE102010033776A
Authority: DE
Inventors: Christoph Dipl.-Inf. Hermes; Eugen Dipl.-Inf. Käfer; Helge Prof. Dr. Ritter; Christian Prof. Dr. Wöhler
Original assignee: Daimler AG
Current assignee: Mercedes Benz Group AG
Priority date: 2009-09-14
Filing date: 2010-08-09
Publication date: 2011-05-26

Abstract

Die Erfindung betrifft ein Verfahren zur Erfassung und Vorhersage von Aktionen zumindest zwei bewegter Objekte (O1, O2), bei dem aktuelle Bewegungstrajektorien (B_O1akt, B_O2akt) der Objekte (O1, O2) mittels zumindest einer Erfassungseinheit (1) ermittelt und gespeichert werden und anhand der aktuellen Bewegungstrajektorien (B_O1akt, B_O2akt) und/oder der gespeicherten Bewegungstrajektorien (B_O1g, B_O2g) zukünftige Bewegungstrajektorien (B_O1z1 bis B_O1z4, B_O2z1 bis B_O2z3) der Objekte (O1, O2) prognostiziert werden. Erfindungsgemäß werden aus den gespeicherten Bewegungstrajektorien (B_O1g, B_O2g), aktuellen Bewegungstrajektorien (B_O1akt, B_O2akt) und/oder zukünftigen Bewegungstrajektorien (B_O1z1 bis B_O1z4, B_O2z1, bis B_O2z3) Merkmale extrahiert und/oder anhand dieser erzeugt, wobei die Merkmale klassifiziert und bei der Klassifikation klassenspezifische Zugehörigkeitswahrscheinlichkeiten der aktuellen Bewegungstrajektorien (B_O1akt, B_O2akt) und/oder der zukünftigen Bewegungstrajektorien (B_O1z1 bis B_O1z4, B_O2z1 bis B_O2z3) zu einer oder mehreren Situationsklassen ermittelt werden.

Description

Die Erfindung betrifft ein Verfahren zur Erfassung und Vorhersage von Aktionen zumindest zwei bewegter Objekte, bei dem aktuelle Bewegungstrajektorien der Objekte mittels zumindest einer Erfassungseinheit ermittelt und gespeichert werden und anhand der aktuellen Bewegungstrajektorien und/oder der gespeicherten Bewegungstrajektorien zukünftige Bewegungstrajektorien der Objekte prognostiziert werden.
Es ist aus mehreren Anwendungsgebieten im Stand der Technik, beispielsweise bei Fahrerassistenzsystemen oder in der mobilen Robotik, bekannt, anhand einer erfassten Bewegung eines Objektes eine zukünftige Bewegung desselben zu prognostizieren und anhand der Prognose eine Bewegung eines weiteren Objektes, beispielsweise eines Fahrzeuges oder eines Roboters, zu steuern. Zu dieser Prognose der zukünftigen Bewegung des Objektes existieren im Stand der Technik verschiedenartige Lösungen.
Dabei ist für eine Reaktion eines Fahrerassistenzsystemes eine Erkennung einer Situation, in der sich ein eigenes Fahrzeug in Interaktion mit anderen Fahrzeugen befindet, von entscheidender Bedeutung. Erst eine Erkennung der Situation, welche über eine reine Prädiktion eines Bewegungsverhaltens des eigenen Fahrzeugs und der mit ihm interagierenden anderen Verkehrsteilnehmer hinausgeht, ermöglicht eine realistische Prognose eines Verhaltens der anderen Verkehrsteilnehmer und damit eine realistische Einschätzung eines Gefährdungsgrades.
Ein derartiges Verfahren zur Prognostizierung eines zukünftigen Bewegungszustandes ist aus "A. Barth, U. Franke: Where will the oncoming vehicle be the next second?; In: Proc. IEEE Intelligent Vehicles Symposium, pages 1068–1073" bekannt. Bei diesem Verfahren wird der zukünftige Bewegungszustand anhand einer Extrapolation einer momentanen Gierrate und Beschleunigung eines einzelnen Fahrzeugs prognostiziert.
Weiterhin ist aus der DE 10 2008 061 910 A1 ein Verfahren zur Erfassung und Vorhersage von Aktionen eines oder mehrerer bewegter Objekte bekannt, bei dem eine aktuelle Bewegung des Objektes mittels zumindest einer Erfassungseinheit erfasst und aus der aktuellen Bewegung eine Bewegungstrajektorie ermittelt wird. Dabei werden die Bewegungstrajektorie und/oder ein Teilabschnitt der Bewegungstrajektorie mit Referenztrajektorien und/oder Teilabschnitten der Referenztrajektorien verglichen. Ein Maß für eine Ähnlichkeit zwischen der Bewegungstrajektorie und zumindest einer Referenztrajektorie und/oder zwischen einem Teilabschnitt der Bewegungstrajektorie und zumindest einem Teilabschnitt der zumindest einen Referenztrajektorie wird anhand einer Longest-Common-Subsequence-Methode mit einer rotationsinvarianten Metrik ermittelt, wobei anhand des Maßes der Ähnlichkeit zumindest eine Hypothese einer zukünftigen Bewegung des Objektes erzeugt wird.
Der Erfindung liegt die Aufgabe zugrunde, ein gegenüber dem Stand der Technik verbessertes Verfahren zur Erfassung und Vorhersage von Aktionen zumindest zwei bewegter Objekte anzugeben, anhand welchem eine zuverlässige Erfassung einer aktuell vorliegenden Situation sowie eine zuverlässige Prognose einer zukünftigen Situation realisierbar sind.
Die Aufgabe wird erfindungsgemäß mit einem Verfahren gelöst, welches die im Anspruch 1 oder Anspruch 2 angegebenen Merkmale aufweist.
Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand der Unteransprüche.
Bei dem Verfahren zur Erfassung und Vorhersage von Aktionen zumindest zwei bewegter Objekte werden aktuelle Bewegungstrajektorien der Objekte mittels zumindest einer Erfassungseinheit ermittelt und gespeichert, wobei anhand der aktuellen Bewegungstrajektorien und/oder der gespeicherten Bewegungstrajektorien zukünftige Bewegungstrajektorien der Objekte prognostiziert werden.
Erfindungsgemäß werden aus den gespeicherten Bewegungstrajektorien, aktuellen Bewegungstrajektorien und/oder zukünftigen Bewegungstrajektorien Merkmale extrahiert und/oder anhand dieser erzeugt, wobei die Merkmale klassifiziert und bei der Klassifikation klassenspezifische Zugehörigkeitswahrscheinlichkeiten der aktuellen Bewegungstrajektorien und/oder der zukünftigen Bewegungstrajektorien zu einer oder mehreren Situationsklassen ermittelt werden.
Daraus ergibt sich in besonders vorteilhafter Weise, dass eine zuverlässige Erfassung einer aktuell vorliegenden Situation sowie eine zuverlässige Prognose einer zukünftigen Situation realisierbar sind, da das erfindungsgemäße Verfahren die Ermittlung genau einer aktuellen Situation und genau einer zukünftigen Situation der Objekte ermöglicht. Hieraus resultiert weiterhin der Vorteil, dass beispielsweise bei einer Verwendung des Verfahrens zum Betrieb eines Fahrerassistenzsystemes in einem Fahrzeug ein zuverlässiger Betrieb desselben sichergestellt ist und Fehlwarnungen sowie Fehleingriffe des Fahrerassistenzsystems vermieden werden. Daraus folgt wiederum eine Erhöhung einer Verkehrssicherheit.
Bei einem alternativen Verfahren zur Erfassung und Vorhersage von Aktionen zumindest zwei bewegter Objekte (O1, O2), werden aktuelle Bewegungstrajektorien (B_O1akt, B_O2akt) der Objekte (O1, O2) mittels zumindest einer Erfassungseinheit (1) ermittelt und gespeichert, wobei aktuelle Bewegungstrajektorien (B_O1akt, B_O2akt) und/oder gespeicherte Bewegungstrajektorien (B_O1g, B_O2g) ausgewertet werden. Hierbei werden jedoch nicht zwingend prognostizierte Trajektorien bei der Auswertung berücksichtigt. Vielmehr ist es vollkommen ausreichend, falls nur die gemessenen Trajektorien klassifiziert werden. Kontextinformationen, z. B. über die Geometrie einer Straßenkreuzung oder Fahrbahnverläufe, können dabei auch von anderen Systemen innerhalb oder außerhalb des Fahrzeugs bereitgestellt werden. Hierdurch wird bei reduziertem Rechenaufwand eine zuverlässige Erfassung und Vorhersage von Aktionen bewegter Objekte möglich.
Ausführungsbeispiele der Erfindung werden im Folgenden anhand von Zeichnungen näher erläutert.
Dabei zeigen:
1 schematisch ein Objekt, dessen gespeicherte Bewegungstrajektorie, aktuelle Bewegungstrajektorie und mehrere prognostizierte Bewegungstrajektorien,
2 schematisch zwei Objekte, deren gespeicherte Bewegungstrajektorie, aktuelle Bewegungstrajektorie und mehrere prognostizierte Bewegungstrajektorien,
3A schematisch eine erste, aus einer ersten Kombination der zukünftigen Bewegungstrajektorien ermittelte aktuelle Situation,
3B schematisch eine zweite, aus einer zweiten Kombination der zukünftigen Bewegungstrajektorien ermittelte aktuelle Situation,
3C schematisch eine dritte, aus einer dritten Kombination der zukünftigen Bewegungstrajektorien ermittelte aktuelle Situation, und
3D schematisch eine vierte, aus einer vierten Kombination der zukünftigen Bewegungstrajektorien ermittelte aktuelle Situation.
Einander entsprechende Teile sind in allen Figuren mit den gleichen Bezugszeichen versehen.
In 1 ist ein erstes Objekt O1 in einer aktuellen Situation S_akt dargestellt, wobei das erste Objekt O1 ein Fahrzeug ist, welches sich auf einer Fahrbahn bewegt. Das erste Objekt O1 umfasst eine Erfassungseinheit 1, anhand welcher eine Umgebung des Objektes O1 erfasst wird, wobei die Erfassungseinheit 1 vorzugsweise eine oder mehrere nicht dargestellte Kameras, Radarsensoren und/oder Lidarsensoren umfasst. Anhand der Erfassungseinheit 1 und/oder weiterer, nicht näher dargestellter Sensoren wird eine aktuelle Bewegungstrajektorie B_O1akt des Objektes O1 ermittelt. Unter einer Trajektorie wird hierbei eine Beschreibung eines zeitlichen Verlaufes eines Zustandes des Objektes O1 verstanden, wobei die Trajektorie insbesondere eine Position, Geschwindigkeit, Bewegungsrichtung und Gierrate des Objektes O1 umfasst.
Die aktuelle Bewegungstrajektorie B_O1akt wird fortlaufend als gespeicherte Bewegungstrajektorie B_O1g hinterlegt, so dass Daten über eine vergangenheitsbezogene Bewegung des Objektes O1 zur Verfügung stehen.
Anhand der aktuellen Bewegungstrajektorie B_O1akt und/oder der gespeicherten Bewegungstrajektorie B_O1g werden zukünftige Bewegungstrajektorien B_O1z1, B_O1z2, B_O1z3 des ersten Objektes O1 und zugehörige Auftrittswahrscheinlichkeiten ermittelt, wobei diese Daten zum Betrieb zumindest eines Fahrerassistenzsystems 2 des ersten Objektes O1 verwendet werden.
Die 2 zeigt das erste Objekt O1 gemäß 1 und ein zweites Objekt O2, bei welchem es sich ebenfalls um ein Fahrzeug handelt. Beide Objekte O1, O2 bewegen sich auf eine Straßenkreuzung zu, wobei zumindest am ersten Objekt O1 die Erfassungseinheit 1 angeordnet ist, aus deren erfassten Daten neben der aktuellen Bewegungstrajektorie B_O1akt und der gespeicherten Bewegungstrajektorie B_O1g des ersten Objektes O1 auch eine aktuelle Bewegungstrajektorie B_O2akt des zweiten Objektes O2 ermittelt und fortlaufend als gespeicherte Bewegungstrajektorie B_O2g des zweiten Objektes O2 hinterlegt wird.
Aus den aktuellen Bewegungstrajektorien B_O1akt, B_O2akt und den gespeicherten Bewegungstrajektorien B_O1g, B_O2g der Objekte O1, O2 wird eine aktuelle Situation S_akt, in welcher sich die Objekte O1, O2 befinden, erkannt und/oder bewertet. Im Folgenden wird angenommen, dass eine Situation durch ein zeitliches Verhalten von zwei oder mehr Objekten, insbesondere Verkehrsteilnehmern, welche im Allgemeinen voneinander abhängig agieren, definiert wird.
Weiterhin werden anhand der aktuellen Bewegungstrajektorien B_O1akt, B_O2akt und anhand der gespeicherten Bewegungstrajektorien B_O1g, B_O2g zukünftige Bewegungstrajektorien B_O1z1 bis B_O1z4 des ersten Objektes O1 und zukünftige Bewegungstrajektorien B_O2z1 bis B_O2z3 des zweiten Objektes O2 sowie deren jeweils zugehörige Auftrittswahrscheinlichkeiten ermittelt.
Um die dargestellte aktuelle Situation S_akt und in den 3A bis 3D näher dargestellte zukünftige Situationen S_z1 bis S_z4 zu ermitteln, werden erfindungsgemäß aus den gespeicherten Bewegungstrajektorien B_O1g, B_O2g, aktuellen Bewegungstrajektorien B_O1akt, B_O2akt und/oder zukünftigen Bewegungstrajektorien B_O1z1 bis B_O1z4 des ersten Objektes O1 und zukünftigen Bewegungstrajektorien B_O2z1 bis B_o2z3 des zweiten Objektes O2 Merkmale extrahiert und/oder anhand dieser erzeugt.
Bei den Merkmalen handelt es sich insbesondere um vollständige Sätze von zeitlichen Verläufen von Zustandsgrößen der Objekte O1, O2 und/oder um zeitliche Verläufe von Differenzen der Zustandsgrößen der Objekte O1, O2, wobei die Zustandsgrößen beispielsweise eine Position, eine Geschwindigkeit, eine Bewegungsrichtung und/oder eine Gierrate der Objekte O1, O2 umfassen.
Die extrahierten und/oder erzeugten Merkmale werden zu einer Klassifikation einem nicht näher dargestellten Klassifikationsmodell zugeführt, mittels welchem diese klassifiziert werden. Bei der Klassifikation werden klassenspezifische Zugehörigkeitswahrscheinlichkeiten der aktuellen Bewegungstrajektorien B_O1akt, B_O2akt und/oder der zukünftigen Bewegungstrajektorien B_O1z1 bis B_O1z4, B_O2z1 bis B_O2z3 zu einer oder mehreren Situationsklassen ermittelt.
Anhand dieser Zugehörigkeitswahrscheinlichkeiten werden mögliche aktuelle Situationen S_akt erkannt und bewertet und/oder mögliche zukünftige Situationen S_z1 bis S_z4 prognostiziert.
Diese Ermittlung erfolgt dabei in der Art, dass für die zwei als Fahrzeuge ausgebildeten Objekte O1, O2 jeweils Hypothesen der zukünftigen Bewegungstrajektorien B_O1z1 bis B_O1z4, B_O2z1 bis B_O2z3 mit Auftrittswahrscheinlichkeiten prognostiziert werden.
Für das Objekt O1 wird hierbei eine Anzahl von N Hypothesen mit den Auftrittswahrscheinlichkeiten gemäß: P₁ ⁽ⁿ⁾, n = 1 bis N [1 ] und für Objekt O2 eine Anzahl von M Hypothesen mit den Auftrittswahrscheinlichkeiten gemäß: P₂ ^(m), m = 1 bis M [2] prognostiziert.
Weiterhin liegt im dargestellten Ausführungsbeispiel zu einer vereinfachten Darstellung die Annahme zugrunde, dass beide Objekte O1, O2 entweder geradeaus fahren oder links abbiegen können. Es gibt daher K = 4 Situationsklassen.
Gemäß einer ersten Situationsklasse, dargestellt in 3A, biegen beide Objekte O1, O2 links ab. Gemäß einer zweiten Situationsklasse, dargestellt in 3B, biegt das erste Objekt O1 links ab und das zweite Objekt O2 fährt geradeaus. In einer dritten Situationsklasse, dargestellt in 3C, fährt das erste Objekt O1 geradeaus und das zweite Objekt O2 biegt links ab, wobei gemäß einer vierten Situationsklasse, dargestellt in 3D, beide Objekte O1, O2 geradeaus fahren. In nicht näher dargestellten Ausführungsbeispielen sind jedoch auch weitere Situationsklassen möglich.
Weiterhin existieren N·M mögliche Paare von prognostizierten zukünftigen Bewegungstrajektorien B_O1z1 bis B_O1z4, B_O2z1 bis B_O2z3, deren zugehörige Merkmalssätze durch T^(nm) gegeben sind. Mit den Merkmalssätzen T^(nm) wird ein Klassifikator, beispielsweise ein Polynomklassifikator oder ein Radialer-Basisfunktionen-Klassifikator, trainiert, der K Situationsklassen-Zugehörigkeitswahrscheinlichkeiten gemäß: Q_k(T^(nm)), k = 1 bis K [3] berechnet.
Unter der Annahme, dass die zu einem Merkmalssatz T^(nm) gehörigen zukünftigen Bewegungstrajektorien B_O1z1 bis B_O1z4, B_O2z1 bis B_O2z3 unabhängig voneinander durchfahren werden, ergibt sich nach den Rechenregeln der Wahrscheinlichkeitsrechnung als Gesamtwahrscheinlichkeit W(k) dafür, dass eine Situation der Klasse k vorliegt, die Beziehung:
Hierbei ergibt sich die Wahrscheinlichkeit, dass das Objekt O1 einer Bewegungstrajektorie n und dass das Objekt O2 einer Bewegungstrajektorie m folgt aus: R^(nm) = P₁ ⁽ⁿ⁾P₂ ^(m) [5].
Im Allgemeinen werden allerdings die von den Verkehrsteilnehmern gewählten zukünftigen Bewegungstrajektorien BO1z1 bis B_O1z4, B_O2z1, bis B_O2z3 nicht unabhängig voneinander gewählt, so dass eine Produktwahrscheinlichkeit P₁ ⁽ⁿ⁾P₂ ^(m) in vorteilhafter Weise durch eine gewichtete Verbundwahrscheinlichkeit gemäß R_nm = w_nmP₁ ⁽ⁿ⁾P₂ ^(m) [6] ersetzt wird. Eine Gewichtsvariable w_nm wird hierbei im Sinne einer ”Mind-Variable” entsprechend dem zu erwartenden Verhalten der Objekte O1, O2 gewählt. Ein voneinander unabhängiges Verhalten der Fahrzeuge entspricht w_nm = 1 [7].
In zweckmäßiger Weise wird ein unabhängiger Beobachter definiert, welcher auf Basis einer Fahrdynamik in Ausgestaltung der ”Mind-Variable” einen so genannten ”Belief-Wert” für einen Ausgang der jeweiligen Situation S_z1 bis S_z4 angibt.
Beispielhaft sei angenommen, dass die Objekte O1, O2 bestrebt sind, Kollisionen zu vermeiden. Paare der zukünftigen Bewegungstrajektorien B_O1z1, bis B_O1z4, B_O2z1, bis B_O2z3, welche zu einer Kollision der Objekte O1, O2 führen, werden im Allgemeinen durch die Fahrer der Fahrzeuge vermieden. Dies ist direkt aus dem aus den Zustandsgrößen der beiden zukünftigen Bewegungstrajektorien B_O1z1 bis B_O1z4, B_O2z1, bis B_O2z3 folgenden minimalen Abstand der Objekte O1, O2 ableitbar. Das heißt, die Kollisionen werden durch einen Fahrer der als Fahrzeuge ausgebildeten Objekte O1, O2 zumindest solange für eine Zeitspanne t_c vermieden, wie diese Zeitspanne t_c bis zur Kollision wesentlich größer als die typische Reaktionszeit t_r der Fahrer ist, was in einer Gewichtsvariable von w_nm << 1 resultiert.
Bei sehr geringen Werten von t_c << t_r ist ein Ausweichen hingegen nicht mehr möglich, so dass hier w_nm ≈ 1 ein plausibler Wert ist, entsprechend einer gegenüber dem unabhängigen Fall kaum geänderten Auftrittswahrscheinlichkeit. Dementsprechend ist ein möglicher Ansatz für die Gewichtung eines Paares von zukünftigen Bewegungstrajektorien B_O1z1 bis B_O1z4, B_O2z1 bis B_O2z3 die Beziehung:
mit w_min als minimal mögliches Gewicht. Solange das minimal mögliche Gewicht w_min größer als der Wert Null ist, ist trotz der Annahme eines Kollisionen vermeidenden Fahrerverhaltens eine Kollision niemals ganz ausgeschlossen. Für ein Paar von zukünftigen Bewegungstrajektorien B_O1z1 bis B_O1z4, B_O2z1 bis B_O2z3, das nicht zur Kollision führt, d. h. t_c → ∞, gilt hierbei für die Gewichtsvariable w_nm = 1. Die Reaktionszeit t_r liegt typischerweise in einem Bereich 0.5 s bis 1 s.
Für die Gesamtwahrscheinlichkeit, dass eine Situation der Klasse k vorliegt, gilt damit:
Ein alternativer Ansatz zur Berücksichtigung des erwarteten Fahrerverhaltens ist das ”Verschieben von Wahrscheinlichkeitsmasse” von einem Paar von zukünftigen Bewegungstrajektorien B_O1z1 bis B_O1z4, B_O2z1, bis B_O2z3, das zu einer Kollision führen wird, zum ähnlichsten Paar von zukünftigen Bewegungstrajektorien B_O1z1 bis B_O1z4, B_O2z1 bis BO2z3, das nicht zu einer Kollision führt.
Als Maß für die Ähnlichkeit zweier Trajektorienpaare T^(nm) und T^(n'm') kann beispielsweise ein in "C. Hermes et al.: Long-term Vehicle Motion Prediction; In: Proc. IEEE Intelligent Vehicles Symposium, Xi'an, China 2009" beschriebenes QRLCS-Distanzmaß verwendet werden. Beispielhaft findet eine solche ”Verschiebung von Wahrscheinlichkeitsmasse” nur dann statt, wenn die Zeitspanne t_c bis zur Kollision größer als ein Schwellwert Θ_c ist.
Wenn gleichzeitig die Produktwahrscheinlichkeit P₁ ⁽ⁿ⁾P₂ ^(m) des Trajektorienpaares (n, m) (= Paar von zukünftigen Bewegungstrajektorien B_O1z1 bis B_O1z4, B_O2z1 bis B_O2z3) größer als der Schwellwert Θ_p ist, wird zunächst das im Sinne der verwendeten Metrik ähnlichste Trajektorienpaar (n', m') ermittelt, und die zugehörigen Verbundwahrscheinlichkeiten erhalten die Werte R_nm = θ_p [10] und R_n'm' = P₁ ^(n')P₂ ^(m') + (P₁ ⁽ⁿ⁾P₂ ^(m) – θ_p) [11].
Aufgrund dieser Operation wird die Wahrscheinlichkeitsmasse der Produktwahrscheinlichkeit P₁ ⁽ⁿ⁾P₂ ^(m) vom Trajektorienpaar (n, m) zum Trajektorienpaar (n', m') verschoben.
Das erfindungsgemäße Verfahren und dessen Ausgestaltungen eignen sich vorzugsweise zur Verwendung in einem oder mehreren Fahrerassistenzsystemen, welche wie das Fahrerassistenzsystem 2 des Objektes O1 auf einer multisensoriellen Umgebungserfassung, wie z. B. anhand von Kameras, Radar- und/oder Lidarsensoren, basieren. Insbesondere ist es mittels des Verfahrens möglich, Standardsituationen wieder zu erkennen, beispielsweise anhand eines Vergleiches der aktuellen Situation S_akt und/oder der zukünftigen Situation mit hinterlegten Referenzsituationen. Dabei werden erkannte aktuelle und zukünftige Situationen S_akt, S_z1 bis S_z4 vorzugsweise als Referenzsituationen hinterlegt, so dass diese neu gelernt werden. Somit wird eine Vielzahl von Fehlwarnungen und Fehlfunktionen des Fahrerassistenzsystems 2 vermieden. Darüber hinaus sind die Ergebnisse der Situationsklassifikation zur Planung eigener Aktionen unter Berücksichtigung der Aktionen anderer Straßenverkehrsteilnehmer einsetzbar.
Bezugszeichenliste

1: Erfassungseinheit
2: Fahrerassistenzsystem
BO1akt: Aktuelle Bewegungstrajektorie
BO2akt: Aktuelle Bewegungstrajektorie
BO1g: Gespeicherte Bewegungstrajektorie
BO2g: Gespeicherte Bewegungstrajektorie
BO1z1 bis BO1z4: Zukünftige Bewegungstrajektorie
BO2z1 bis BO2z3: Zukünftige Bewegungstrajektorie
O1: Objekt
O2: Objekt
Sakt: Aktuelle Situation
Sz1 bis Sz4: Zukünftige Situation

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

DE 102008061910 A1 [0005]

Zitierte Nicht-Patentliteratur

”A. Barth, U. Franke: Where will the oncoming vehicle be the next second?; In: Proc. IEEE Intelligent Vehicles Symposium, pages 1068–1073” [0004]
”C. Hermes et al.: Long-term Vehicle Motion Prediction; In: Proc. IEEE Intelligent Vehicles Symposium, Xi'an, China 2009” [0045]

Claims

Verfahren zur Erfassung und Vorhersage von Aktionen zumindest zwei bewegter Objekte (O1, O2), bei dem aktuelle Bewegungstrajektorien (B_O1akt, B_O2akt) der Objekte (O1, O2) mittels zumindest einer Erfassungseinheit (1) ermittelt und gespeichert werden und anhand der aktuellen Bewegungstrajektorien (B_O1akt, B_O2akt) und/oder der gespeicherten Bewegungstrajektorien (B_O1g, B_O2g) zukünftige Bewegungstrajektorien (B_O1z1 bis B_O1z4, B_O2z1 bis B_O2z3) der Objekte (O1, O2) prognostiziert werden, dadurch gekennzeichnet, dass aus den gespeicherten Bewegungstrajektorien (B_O1g, B_O2g), aktuellen Bewegungstrajektorien (B_O1akt, B_O2akt) und/oder zukünftigen Bewegungstrajektorien (B_O1z1 bis B_O1z4, B_O2z1 bis B_O2z3) Merkmale extrahiert und/oder anhand dieser erzeugt werden, wobei die Merkmale klassifiziert und bei der Klassifikation klassenspezifische Zugehörigkeitswahrscheinlichkeiten der aktuellen Bewegungstrajektorien (B_O1akt, B_O2akt) und/oder der zukünftigen Bewegungstrajektorien (B_O1z1 bis B_O1z4, B_O2z1 bis B_O2z3) zu einer oder mehreren Situationsklassen ermittelt werden.
Verfahren zur Erfassung und Vorhersage von Aktionen zumindest zwei bewegter Objekte (O1, O2), bei dem aktuelle Bewegungstrajektorien (B_O1akt, B_O2akt) der Objekte (O1, O2) mittels zumindest einer Erfassungseinheit (1) ermittelt und gespeichert werden, wobei aktuelle Bewegungstrajektorien (B_O1akt, B_O2akt) und/oder gespeicherte Bewegungstrajektorien (B_O1g, B_O2g) ausgewertet werden, dadurch gekennzeichnet, dass aus den gespeicherten Bewegungstrajektorien (B_O1g, B_O2g), aktuellen Bewegungstrajektorien (B_O1akt, B_O2akt) und/oder zukünftigen Bewegungstrajektorien (B_O1z1 bis B_O1z4, B_O2z1 bis B_O2z3) Merkmale extrahiert und/oder anhand dieser erzeugt werden, wobei die Merkmale klassifiziert und bei der Klassifikation klassenspezifische Zugehörigkeitswahrscheinlichkeiten der aktuellen Bewegungstrajektorien (B_O1akt, B_O2akt) und/oder der zukünftigen Bewegungstrajektorien (B_O1z1 bis B_O1z4, B_O2z1 bis B_O2z3) zu einer oder mehreren Situationsklassen ermittelt werden.
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass als Merkmale zeitliche Verläufe von Zustandsgrößen der Objekte (O1, O2) und/oder zeitliche Verläufe von Differenzen der Zustandsgrößen der Objekte (O1, O2) extrahiert und/oder erzeugt werden.
Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass anhand der Zugehörigkeitswahrscheinlichkeiten mögliche aktuelle Situationen (S_akt) erkannt und/oder bewertet und/oder mögliche zukünftige Situationen (S_z1 bis S_z4) prognostiziert werden.
Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass die aktuellen Situationen (S_akt) und/oder die zukünftigen Situationen (S_z1 bis S_z4) anhand eines Vergleiches mit hinterlegten Referenzsituationen erkannt werden.
Verfahren nach Anspruch 4 oder 5, dadurch gekennzeichnet, dass die erkannten aktuellen Situationen (S_akt) und/oder zukünftigen Situationen (S_z1 bis S_z4) als Referenzsituationen hinterlegt werden.
Verwendung eines Verfahrens nach einem der Ansprüche 1 bis 6 zum Betrieb eines Fahrerassistenzsystemes (2) in einem Fahrzeug, wobei mittels einer oder mehrerer Kameras, Radarsensoren, Lidarsensoren und/oder weiterer Sensoren eine Umgebung des Fahrzeugs und die aktuellen Bewegungstrajektorien (B_O1akt, B_O2akt) des Fahrzeugs und zumindest eines Objektes (O1, O2) in dieser Umgebung erfasst und gespeichert werden.