DE102010033776A1 - Verfahren zur Erfassung und Vorhersage von Aktionen zumindest zwei bewegter Objekte - Google Patents
Verfahren zur Erfassung und Vorhersage von Aktionen zumindest zwei bewegter Objekte Download PDFInfo
- Publication number
- DE102010033776A1 DE102010033776A1 DE102010033776A DE102010033776A DE102010033776A1 DE 102010033776 A1 DE102010033776 A1 DE 102010033776A1 DE 102010033776 A DE102010033776 A DE 102010033776A DE 102010033776 A DE102010033776 A DE 102010033776A DE 102010033776 A1 DE102010033776 A1 DE 102010033776A1
- Authority
- DE
- Germany
- Prior art keywords
- movement trajectories
- future
- current
- objects
- trajectories
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 title claims abstract description 15
- 238000011156 evaluation Methods 0.000 title description 2
- 230000002123 temporal effect Effects 0.000 claims description 4
- 238000004393 prognosis Methods 0.000 description 4
- 241000405147 Hermes Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
Die Erfindung betrifft ein Verfahren zur Erfassung und Vorhersage von Aktionen zumindest zwei bewegter Objekte (O1, O2), bei dem aktuelle Bewegungstrajektorien (BO1akt, BO2akt) der Objekte (O1, O2) mittels zumindest einer Erfassungseinheit (1) ermittelt und gespeichert werden und anhand der aktuellen Bewegungstrajektorien (BO1akt, BO2akt) und/oder der gespeicherten Bewegungstrajektorien (BO1g, BO2g) zukünftige Bewegungstrajektorien (BO1z1 bis BO1z4, BO2z1 bis BO2z3) der Objekte (O1, O2) prognostiziert werden. Erfindungsgemäß werden aus den gespeicherten Bewegungstrajektorien (BO1g, BO2g), aktuellen Bewegungstrajektorien (BO1akt, BO2akt) und/oder zukünftigen Bewegungstrajektorien (BO1z1 bis BO1z4, BO2z1, bis BO2z3) Merkmale extrahiert und/oder anhand dieser erzeugt, wobei die Merkmale klassifiziert und bei der Klassifikation klassenspezifische Zugehörigkeitswahrscheinlichkeiten der aktuellen Bewegungstrajektorien (BO1akt, BO2akt) und/oder der zukünftigen Bewegungstrajektorien (BO1z1 bis BO1z4, BO2z1 bis BO2z3) 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 (BO1akt, BO2akt) der Objekte (O1, O2) mittels zumindest einer Erfassungseinheit (
1 ) ermittelt und gespeichert, wobei aktuelle Bewegungstrajektorien (BO1akt, BO2akt) und/oder gespeicherte Bewegungstrajektorien (BO1g, BO2g) 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 Sakt dargestellt, wobei das erste Objekt O1 ein Fahrzeug ist, welches sich auf einer Fahrbahn bewegt. Das erste Objekt O1 umfasst eine Erfassungseinheit1 , anhand welcher eine Umgebung des Objektes O1 erfasst wird, wobei die Erfassungseinheit1 vorzugsweise eine oder mehrere nicht dargestellte Kameras, Radarsensoren und/oder Lidarsensoren umfasst. Anhand der Erfassungseinheit1 und/oder weiterer, nicht näher dargestellter Sensoren wird eine aktuelle Bewegungstrajektorie BO1akt 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 BO1akt wird fortlaufend als gespeicherte Bewegungstrajektorie BO1g hinterlegt, so dass Daten über eine vergangenheitsbezogene Bewegung des Objektes O1 zur Verfügung stehen.
- Anhand der aktuellen Bewegungstrajektorie BO1akt und/oder der gespeicherten Bewegungstrajektorie BO1g werden zukünftige Bewegungstrajektorien BO1z1, BO1z2, BO1z3 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 gemäß1 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 Erfassungseinheit1 angeordnet ist, aus deren erfassten Daten neben der aktuellen Bewegungstrajektorie BO1akt und der gespeicherten Bewegungstrajektorie BO1g des ersten Objektes O1 auch eine aktuelle Bewegungstrajektorie BO2akt des zweiten Objektes O2 ermittelt und fortlaufend als gespeicherte Bewegungstrajektorie BO2g des zweiten Objektes O2 hinterlegt wird. - Aus den aktuellen Bewegungstrajektorien BO1akt, BO2akt und den gespeicherten Bewegungstrajektorien BO1g, BO2g der Objekte O1, O2 wird eine aktuelle Situation Sakt, 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 BO1akt, BO2akt und anhand der gespeicherten Bewegungstrajektorien BO1g, BO2g zukünftige Bewegungstrajektorien BO1z1 bis BO1z4 des ersten Objektes O1 und zukünftige Bewegungstrajektorien BO2z1 bis BO2z3 des zweiten Objektes O2 sowie deren jeweils zugehörige Auftrittswahrscheinlichkeiten ermittelt.
- Um die dargestellte aktuelle Situation Sakt und in den
3A bis3D näher dargestellte zukünftige Situationen Sz1 bis Sz4 zu ermitteln, werden erfindungsgemäß aus den gespeicherten Bewegungstrajektorien BO1g, BO2g, aktuellen Bewegungstrajektorien BO1akt, BO2akt und/oder zukünftigen Bewegungstrajektorien BO1z1 bis BO1z4 des ersten Objektes O1 und zukünftigen Bewegungstrajektorien BO2z1 bis Bo2z3 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 BO1akt, BO2akt und/oder der zukünftigen Bewegungstrajektorien BO1z1 bis BO1z4, BO2z1 bis BO2z3 zu einer oder mehreren Situationsklassen ermittelt.
- Anhand dieser Zugehörigkeitswahrscheinlichkeiten werden mögliche aktuelle Situationen Sakt erkannt und bewertet und/oder mögliche zukünftige Situationen Sz1 bis Sz4 prognostiziert.
- Diese Ermittlung erfolgt dabei in der Art, dass für die zwei als Fahrzeuge ausgebildeten Objekte O1, O2 jeweils Hypothesen der zukünftigen Bewegungstrajektorien BO1z1 bis BO1z4, BO2z1 bis BO2z3 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 P2 (m), m = 1 bis M [2] - 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 in3B , biegt das erste Objekt O1 links ab und das zweite Objekt O2 fährt geradeaus. In einer dritten Situationsklasse, dargestellt in3C , fährt das erste Objekt O1 geradeaus und das zweite Objekt O2 biegt links ab, wobei gemäß einer vierten Situationsklasse, dargestellt in3D , 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 BO1z1 bis BO1z4, BO2z1 bis BO2z3, 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:
Qk(T(nm)), k = 1 bis K [3] - Unter der Annahme, dass die zu einem Merkmalssatz T(nm) gehörigen zukünftigen Bewegungstrajektorien BO1z1 bis BO1z4, BO2z1 bis BO2z3 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 BO1z4, BO2z1, bis BO2z3 nicht unabhängig voneinander gewählt, so dass eine Produktwahrscheinlichkeit P1 (n)P2 (m) in vorteilhafter Weise durch eine gewichtete Verbundwahrscheinlichkeit gemäß
Rnm = wnmP1 (n)P2 (m) [6] wnm = 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 Sz1 bis Sz4 angibt.
- Beispielhaft sei angenommen, dass die Objekte O1, O2 bestrebt sind, Kollisionen zu vermeiden. Paare der zukünftigen Bewegungstrajektorien BO1z1, bis BO1z4, BO2z1, bis BO2z3, 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 BO1z1 bis BO1z4, BO2z1, bis BO2z3 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 tc vermieden, wie diese Zeitspanne tc bis zur Kollision wesentlich größer als die typische Reaktionszeit tr der Fahrer ist, was in einer Gewichtsvariable von wnm << 1 resultiert.
- Bei sehr geringen Werten von tc << tr ist ein Ausweichen hingegen nicht mehr möglich, so dass hier wnm ≈ 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 BO1z1 bis BO1z4, BO2z1 bis BO2z3 die Beziehung: mit wmin als minimal mögliches Gewicht. Solange das minimal mögliche Gewicht wmin 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 BO1z1 bis BO1z4, BO2z1 bis BO2z3, das nicht zur Kollision führt, d. h. tc → ∞, gilt hierbei für die Gewichtsvariable wnm = 1. Die Reaktionszeit tr liegt typischerweise in einem Bereich 0.5 s bis 1 s.
-
- Ein alternativer Ansatz zur Berücksichtigung des erwarteten Fahrerverhaltens ist das ”Verschieben von Wahrscheinlichkeitsmasse” von einem Paar von zukünftigen Bewegungstrajektorien BO1z1 bis BO1z4, BO2z1, bis BO2z3, das zu einer Kollision führen wird, zum ähnlichsten Paar von zukünftigen Bewegungstrajektorien BO1z1 bis BO1z4, BO2z1 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 tc bis zur Kollision größer als ein Schwellwert Θc ist.
- Wenn gleichzeitig die Produktwahrscheinlichkeit P1 (n)P2 (m) des Trajektorienpaares (n, m) (= Paar von zukünftigen Bewegungstrajektorien BO1z1 bis BO1z4, BO2z1 bis BO2z3) größer als der Schwellwert Θp ist, wird zunächst das im Sinne der verwendeten Metrik ähnlichste Trajektorienpaar (n', m') ermittelt, und die zugehörigen Verbundwahrscheinlichkeiten erhalten die Werte
Rnm = θp [10] Rn'm' = P1 (n')P2 (m') + (P1 (n)P2 (m) – θp) [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 Sakt und/oder der zukünftigen Situation mit hinterlegten Referenzsituationen. Dabei werden erkannte aktuelle und zukünftige Situationen Sakt, Sz1 bis Sz4 vorzugsweise als Referenzsituationen hinterlegt, so dass diese neu gelernt werden. Somit wird eine Vielzahl von Fehlwarnungen und Fehlfunktionen des Fahrerassistenzsystems2 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 (7)
- Verfahren zur Erfassung und Vorhersage von Aktionen zumindest zwei bewegter Objekte (O1, O2), bei dem aktuelle Bewegungstrajektorien (BO1akt, BO2akt) der Objekte (O1, O2) mittels zumindest einer Erfassungseinheit (
1 ) ermittelt und gespeichert werden und anhand der aktuellen Bewegungstrajektorien (BO1akt, BO2akt) und/oder der gespeicherten Bewegungstrajektorien (BO1g, BO2g) zukünftige Bewegungstrajektorien (BO1z1 bis BO1z4, BO2z1 bis BO2z3) der Objekte (O1, O2) prognostiziert werden, dadurch gekennzeichnet, dass aus den gespeicherten Bewegungstrajektorien (BO1g, BO2g), aktuellen Bewegungstrajektorien (BO1akt, BO2akt) und/oder zukünftigen Bewegungstrajektorien (BO1z1 bis BO1z4, BO2z1 bis BO2z3) Merkmale extrahiert und/oder anhand dieser erzeugt werden, wobei die Merkmale klassifiziert und bei der Klassifikation klassenspezifische Zugehörigkeitswahrscheinlichkeiten der aktuellen Bewegungstrajektorien (BO1akt, BO2akt) und/oder der zukünftigen Bewegungstrajektorien (BO1z1 bis BO1z4, BO2z1 bis BO2z3) zu einer oder mehreren Situationsklassen ermittelt werden. - Verfahren zur Erfassung und Vorhersage von Aktionen zumindest zwei bewegter Objekte (O1, O2), bei dem aktuelle Bewegungstrajektorien (BO1akt, BO2akt) der Objekte (O1, O2) mittels zumindest einer Erfassungseinheit (
1 ) ermittelt und gespeichert werden, wobei aktuelle Bewegungstrajektorien (BO1akt, BO2akt) und/oder gespeicherte Bewegungstrajektorien (BO1g, BO2g) ausgewertet werden, dadurch gekennzeichnet, dass aus den gespeicherten Bewegungstrajektorien (BO1g, BO2g), aktuellen Bewegungstrajektorien (BO1akt, BO2akt) und/oder zukünftigen Bewegungstrajektorien (BO1z1 bis BO1z4, BO2z1 bis BO2z3) Merkmale extrahiert und/oder anhand dieser erzeugt werden, wobei die Merkmale klassifiziert und bei der Klassifikation klassenspezifische Zugehörigkeitswahrscheinlichkeiten der aktuellen Bewegungstrajektorien (BO1akt, BO2akt) und/oder der zukünftigen Bewegungstrajektorien (BO1z1 bis BO1z4, BO2z1 bis BO2z3) 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 (Sakt) erkannt und/oder bewertet und/oder mögliche zukünftige Situationen (Sz1 bis Sz4) prognostiziert werden.
- Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass die aktuellen Situationen (Sakt) und/oder die zukünftigen Situationen (Sz1 bis Sz4) anhand eines Vergleiches mit hinterlegten Referenzsituationen erkannt werden.
- Verfahren nach Anspruch 4 oder 5, dadurch gekennzeichnet, dass die erkannten aktuellen Situationen (Sakt) und/oder zukünftigen Situationen (Sz1 bis Sz4) 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 (BO1akt, BO2akt) des Fahrzeugs und zumindest eines Objektes (O1, O2) in dieser Umgebung erfasst und gespeichert werden.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102010033776A DE102010033776A1 (de) | 2009-09-14 | 2010-08-09 | Verfahren zur Erfassung und Vorhersage von Aktionen zumindest zwei bewegter Objekte |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102009041149.6 | 2009-09-14 | ||
DE102009041149 | 2009-09-14 | ||
DE102010033776A DE102010033776A1 (de) | 2009-09-14 | 2010-08-09 | Verfahren zur Erfassung und Vorhersage von Aktionen zumindest zwei bewegter Objekte |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102010033776A1 true DE102010033776A1 (de) | 2011-05-26 |
Family
ID=43902207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102010033776A Withdrawn DE102010033776A1 (de) | 2009-09-14 | 2010-08-09 | Verfahren zur Erfassung und Vorhersage von Aktionen zumindest zwei bewegter Objekte |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102010033776A1 (de) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011106176A1 (de) | 2011-07-01 | 2012-02-02 | Daimler Ag | Verfahren zur Ermittlung einer Gefahrenwahrscheinlichkeit einer Situation zwischen zwei Fahrzeugen in einem Kreuzungsbereich |
EP2642464A1 (de) * | 2012-03-23 | 2013-09-25 | Institut Français des Sciences et Technologies des Transports, de l'Aménagement et des Réseaux | Verfahren zur Informationsbestimmung |
DE102013213006A1 (de) * | 2013-07-03 | 2015-01-08 | Bayerische Motoren Werke Aktiengesellschaft | Fahrerassistenz-Teilsystem für ein Kraftfahrzeug zur Ermittlung der Handlungsoptionen von mehreren Verkehrsteilnehmern |
EP2825435A4 (de) * | 2012-03-15 | 2016-09-07 | Google Inc | Änderung des verhaltens eines autonomen fahrzeugs auf basis des vorhergesagten verhaltens von anderen fahrzeugen |
EP3144920A1 (de) * | 2015-09-17 | 2017-03-22 | Volkswagen Aktiengesellschaft | Bestimmen einer soll-trajektorie für ein fahrzeug |
WO2017137124A1 (de) * | 2016-02-11 | 2017-08-17 | Volkswagen Aktiengesellschaft | Kraftfahrzeug-steuervorrichtung und verfahren zum ermitteln von ausweichtrajektorien für ein kollisionsfreies ausweichmanöver mehrerer kraftfahrzeuge |
EP3610343A4 (de) * | 2017-04-12 | 2021-01-13 | HRL Laboratories, LLC | Kognitives verhaltensvorhersagesystem für autonome systeme |
DE102020120401A1 (de) | 2020-08-03 | 2022-02-03 | Valeo Schalter Und Sensoren Gmbh | Fahrerassistenz für ein kraftfahrzeug |
DE112019006871B4 (de) | 2019-03-18 | 2022-06-30 | Mitsubishi Electric Corporation | Kurserzeugungssystem, kurserzeugungsverfahren und kurserzeugungsprogramm |
DE102016203522B4 (de) | 2016-03-03 | 2022-07-28 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung zum Vorhersagen von Trajektorien eines Kraftfahrzeugs |
EP4219258A1 (de) * | 2022-01-28 | 2023-08-02 | Aptiv Technologies Limited | Verfahren, computersystem und nichtflüchtiges computerlesbares medium zur zielauswahl in der nähe eines fahrzeugs |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008061910A1 (de) | 2008-12-15 | 2009-09-03 | Daimler Ag | Verfahren zur Erfassung und Vorhersage von Aktionen eines oder meherer bewegter Objekte |
-
2010
- 2010-08-09 DE DE102010033776A patent/DE102010033776A1/de not_active Withdrawn
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008061910A1 (de) | 2008-12-15 | 2009-09-03 | Daimler Ag | Verfahren zur Erfassung und Vorhersage von Aktionen eines oder meherer bewegter Objekte |
Non-Patent Citations (2)
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011106176A1 (de) | 2011-07-01 | 2012-02-02 | Daimler Ag | Verfahren zur Ermittlung einer Gefahrenwahrscheinlichkeit einer Situation zwischen zwei Fahrzeugen in einem Kreuzungsbereich |
EP2825435A4 (de) * | 2012-03-15 | 2016-09-07 | Google Inc | Änderung des verhaltens eines autonomen fahrzeugs auf basis des vorhergesagten verhaltens von anderen fahrzeugen |
EP2642464A1 (de) * | 2012-03-23 | 2013-09-25 | Institut Français des Sciences et Technologies des Transports, de l'Aménagement et des Réseaux | Verfahren zur Informationsbestimmung |
FR2988507A1 (fr) * | 2012-03-23 | 2013-09-27 | Inst Francais Des Sciences Et Technologies Des Transports De Lamenagement Et Des Reseaux | Systeme d'assistance pour vehicule routier |
DE102013213006A1 (de) * | 2013-07-03 | 2015-01-08 | Bayerische Motoren Werke Aktiengesellschaft | Fahrerassistenz-Teilsystem für ein Kraftfahrzeug zur Ermittlung der Handlungsoptionen von mehreren Verkehrsteilnehmern |
US10564647B2 (en) | 2015-09-17 | 2020-02-18 | Volkswagen Ag | Method and apparatus for determining a desired trajectory for a vehicle |
DE102015217891A1 (de) * | 2015-09-17 | 2017-03-23 | Volkswagen Aktiengesellschaft | Bestimmen einer Soll-Trajektorie für ein Fahrzeug |
EP3144920A1 (de) * | 2015-09-17 | 2017-03-22 | Volkswagen Aktiengesellschaft | Bestimmen einer soll-trajektorie für ein fahrzeug |
WO2017137124A1 (de) * | 2016-02-11 | 2017-08-17 | Volkswagen Aktiengesellschaft | Kraftfahrzeug-steuervorrichtung und verfahren zum ermitteln von ausweichtrajektorien für ein kollisionsfreies ausweichmanöver mehrerer kraftfahrzeuge |
US10710581B2 (en) | 2016-02-11 | 2020-07-14 | Volkswagen Aktiengesellschaft | Transportation vehicle control device and method for determining avoidance trajectories for a collision-free avoidance maneuver of multiple transportation vehicles |
DE102016203522B4 (de) | 2016-03-03 | 2022-07-28 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung zum Vorhersagen von Trajektorien eines Kraftfahrzeugs |
EP3610343A4 (de) * | 2017-04-12 | 2021-01-13 | HRL Laboratories, LLC | Kognitives verhaltensvorhersagesystem für autonome systeme |
DE112019006871B4 (de) | 2019-03-18 | 2022-06-30 | Mitsubishi Electric Corporation | Kurserzeugungssystem, kurserzeugungsverfahren und kurserzeugungsprogramm |
DE102020120401A1 (de) | 2020-08-03 | 2022-02-03 | Valeo Schalter Und Sensoren Gmbh | Fahrerassistenz für ein kraftfahrzeug |
EP4219258A1 (de) * | 2022-01-28 | 2023-08-02 | Aptiv Technologies Limited | Verfahren, computersystem und nichtflüchtiges computerlesbares medium zur zielauswahl in der nähe eines fahrzeugs |
EP4219259A1 (de) * | 2022-01-28 | 2023-08-02 | Aptiv Technologies Limited | Verfahren, computersystem und nichttransitorisches computerlesbares medium zur zielauswahl in der umgebung eines fahrzeugs |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102010033776A1 (de) | Verfahren zur Erfassung und Vorhersage von Aktionen zumindest zwei bewegter Objekte | |
DE102015016531A1 (de) | Fahrerassistenzsystem und Verfahren zur Kollisionsvermeidung | |
EP2867093B1 (de) | Verfahren und system zur informationsnutzung | |
DE102012009555A1 (de) | Verfahren zur Unterstützung eines Fahrers beim Führen eines Fahrzeugs und Fahrerassistenzsystem | |
DE102013005362A1 (de) | Verfahren zur Analyse einer Verkehrssituation | |
DE102019002790B4 (de) | Verfahren zur Prädiktion einer Verkehrssituation für ein Fahrzeug | |
DE10133945A1 (de) | Verfahren und Vorrichtung zum Austausch und zur Verarbeitung von Daten | |
DE102019206178A1 (de) | Verfahren und Vorrichtung zum Abschätzen einer Fahrspurwechselabsicht eines Fahrzeugs | |
DE102018131466A1 (de) | Verfahren zum wenigstens teilweise automatisierten Betreiben eines Fahrzeugs | |
DE102011013023A1 (de) | Situationsabhängiges Verfahren zur Erkennung eines Lenkradkontakts durch einen Fahrer | |
DE102011106176A1 (de) | Verfahren zur Ermittlung einer Gefahrenwahrscheinlichkeit einer Situation zwischen zwei Fahrzeugen in einem Kreuzungsbereich | |
DE102014003343A1 (de) | Verfahren zum Ermitteln eines Spurwechselbedarfs eines Systemfahrzeugs | |
DE102008042007A1 (de) | Verfahren zum Kontrollieren einer Verkehrssituation | |
DE102011113722A1 (de) | Verfahren zur Unterstützung eines Fahrers beim Führen eines Fahrzeugs | |
DE102013015028A1 (de) | Verfahren zum Betrieb eines Fahrzeuges | |
DE102014200687A1 (de) | Verfahren zum Betreiben eines Fahrzeugs | |
DE102013212360A1 (de) | Vorhersage des zukünftigen Fahrpfades eines Fahrzeuges | |
WO2020069812A1 (de) | Verfahren zum zumindest teilautomatisierten führen eines kraftfahrzeugs auf einer fahrbahn | |
DE102016203522B4 (de) | Verfahren und Vorrichtung zum Vorhersagen von Trajektorien eines Kraftfahrzeugs | |
WO2015180876A1 (de) | Bestimmen eines kritischen fahrzeugzustands und einer fahrzeugmindestentfernung | |
EP3024709A1 (de) | Effizientes bereitstellen von belegungsinformationen für das umfeld eines fahrzeugs | |
EP2353958A2 (de) | Verfahren zur Auswertung von die Umgebung eines Kraftfahrzeugs betreffenden Sensordaten wenigstens eines Umfeldsensors und Kraftfahrzeug | |
DE102016014366A1 (de) | Verfahren zum Betrieb eines Fahrerassistenzsystems | |
EP1915281A1 (de) | Verfahren zur bestimmung eines fahrschlauchs innerhalb dem sich ein fahrzeug mit grosser wahrscheinlichkeit fortbewegt | |
DE102017217986A1 (de) | Verfahren und vorrichtung zum vorhersagen potenzieller kollisionen, fahrerassistenzsystem und fahrzeug |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
R120 | Application withdrawn or ip right abandoned |