DE102011081740A1 - Fahrumgebung-Erkennungseinrichtung und Fahrumgebung-Erkennungsverfahren - Google Patents

Fahrumgebung-Erkennungseinrichtung und Fahrumgebung-Erkennungsverfahren Download PDF

Info

Publication number
DE102011081740A1
DE102011081740A1 DE102011081740A DE102011081740A DE102011081740A1 DE 102011081740 A1 DE102011081740 A1 DE 102011081740A1 DE 102011081740 A DE102011081740 A DE 102011081740A DE 102011081740 A DE102011081740 A DE 102011081740A DE 102011081740 A1 DE102011081740 A1 DE 102011081740A1
Authority
DE
Germany
Prior art keywords
occupancy
vehicle
occupancy probability
probability
cell
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.)
Ceased
Application number
DE102011081740A
Other languages
English (en)
Inventor
Kiyokazu Takagi
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Denso Corp
Original Assignee
Denso Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Denso Corp filed Critical Denso Corp
Publication of DE102011081740A1 publication Critical patent/DE102011081740A1/de
Ceased legal-status Critical Current

Links

Images

Classifications

    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity data
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/06—Direction of travel
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/20—Road profile, i.e. the change in elevation or curvature of a plurality of continuous road segments
    • 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
    • B60W2554/00—Input parameters relating to objects
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/65—Data transmitted between vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9323—Alternative operation using light waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9324—Alternative operation using ultrasonic waves

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

Eine Fahrumgebung-Erkennungseinrichtung (10) ist in der Lage, eine Fahrumgebung eines Fahrzeugs präzise zu erkennen. Eine Belegungsgitterkarte, die eine Belegungswahrscheinlichkeit jedes Hindernisses für die Fahrt des eigenen Fahrzeugs für jede Zelle der Belegungsgitterkarte speichert, wird erzeugt, und die Belegungswahrscheinlichkeit für jede Zelle wird in Übereinstimmung mit Bayes'scher Deduktion aktualisiert (S30 bis S50). Im Einzelnen werden für jede Zelle der Belegungsgitterkarte die aus Information von einer Radareinrichtung (20) berechnete Belegungswahrscheinlichkeit, die aus Information von einer Kommunikationseinrichtung (50) berechnete Belegungswahrscheinlichkeit, und die aus Information von einer Speichereinrichtung, die Kartendaten (40) speichert, berechnete Belegungswahrscheinlichkeit vermischt, um eine Belegungswahrscheinlichkeit der Hindernisse für die Fortbewegung des eigenen Fahrzeugs bereitzustellen, welches zu einer genaueren Fahrumgebungserkennung führt.

Description

  • HINTERGRUND
  • (Technisches Gebiet)
  • Die Erfindung betrifft eine Fahrumgebung-Erkennungseinrichtung, die eine Fahrumgebung eines Fahrzeugs erkennt.
  • (Verwandter Stand der Technik)
  • Bislang wurden verschiedene Fortbewegungs- bzw. Fahrsteuertechniken auf der Grundlage einer Fahrumgebung des Fahrzeugs (etwa einer sich voraus vor dem Fahrzeug ergebenden Situation), wie beispielsweise ein adaptives Geschwindigkeitsregelungssystem bzw. eine ACC-Regelung und ein auf der Ausgangsgeschwindigkeit basierendes Voraufprall-Sicherheitssystem (Pre-Crash Safety bzw. Pre-Collision Safety, PCS), in praktische Verwendung gebracht. Die ACC-Regelung ist dazu ausgelegt, einen Zwischenfahrzeugabstand, der durch einen Insassen eines Eigenfahrzeugs oder eigenen Fahrzeugs voreingestellt wird, zwischen dem eigenen Fahrzeug und einem vor dem eigenen Fahrzeug vorausfahrenden Fahrzeug einzuhalten. Das Pre-Crash Safety(PCS)-System ist dazu ausgelegt, die Bremskraft eines eigenen Fahrzeugs in Fällen zu erhöhen, in denen eine Wahrscheinlichkeit einer Kollision des eigenen Fahrzeugs mit einem sich im Fahrweg des eigenen Fahrzeugs befindenden Objekt (wie beispielsweise einem vorausfahrenden Fahrzeug und einer Leitplanke) größer als ein vorgeschriebener Wert wird.
  • Um eine genauere Fahrzeugfortbewegungssteuerung zu erreichen, ist es wesentlich, die Fahrumgebung des Fahrzeugs präziser zu erkennen. Die Fahrumgebung des Fahrzeugs kann nicht nur durch eine Kamera oder eine Radareinrichtung oder dergleichen erfasst werden, sondern auch durch Kartendaten. Da jedoch die Fahrumgebung, die über die Kartendaten ermittelt werden kann, ungenauer ist als die tatsächliche Fahrumgebung, die in Echtzeit über die Kamera oder die Radareinrichtung erfasst werden kann, kann nicht erwartet werden, dass die Kartendaten zu einer vollständig präzisen Fahrzeugfortbewegungssteuerung führen.
  • Die japanische Patentanmeldungs-Veröffentlichung Nr. 2008-3253 offenbart eine Straßenform-Ermittlungseinrichtung, die die Genauigkeit der Kartendaten verbessern kann. Diese Straßenform-Ermittlungseinrichtung erzeugt eine gitterartige Verbindungsebene, die einer eine Straße auf der Karte repräsentierenden Verbindung zugeordnet ist, aktualisiert eine Wahrscheinlichkeit für das Vorhandensein einer weißen Linie für jede Gitterzelle in Übereinstimmung mit einem Bayes'schen Aktualisierungsausdruck, wobei die weiße Linie durch eine Kamera erfasst wird, und ermittelt eine tatsächliche Straßenform aus den Zellen, die eine hohe resultierende Weißlinien-Vorhandenseinswahrscheinlichkeit haben, welches zu einer hohen Genauigkeit der Kartendaten führt.
  • Da jedoch, wie vorstehend beschrieben wurde, die Kartendaten weniger genau sind als das durch die Kamera oder dergleichen erhaltene Erfassungsergebnis, kann eine Kombination des Erfassungsergebnisses mit den Kartendaten (genauer, der der Verbindung zugeordneten Verbindungsebene), wie in der japanischen Patentanmeldungs-Veröffentlichung Nr. 2008-3253 beschrieben, zu einer großen Abweichung von einer tatsächlichen Position im Raum führen.
  • In Anbetracht des Vorstehenden sind beispielhafte Ausführungsbeispiele der Erfindung darauf gerichtet, eine Fahrumgebung-Erkennungseinrichtung bereitzustellen, die eine Fahrumgebung eines Fahrzeugs präzise erkennen kann.
  • In Übereinstimmung mit einem beispielhaften Aspekt der Erfindung wird eine Fahrumgebung-Erkennungseinrichtung bereitgestellt, die eine Fahrumgebung eines eigenen Fahrzeugs erkennt. Die Einrichtung beinhaltet: eine Eigenes-Fahrzeug-Positionsermittlungseinrichtung zum Ermitteln einer Position und einer Fahrtrichtung des eigenen Fahrzeugs in einem Absolutkoordinatensystem, dessen Ursprung an einem beliebigen Punkt liegt, auf der Grundlage von Information von einem oder mehreren Sensor(en) zum Erfassen eines Ausmaßes einer Bewegung des Fahrzeugs; und eine Belegungsgitterkarten-Erzeugungseinrichtung zum Unterteilen des Absolutkoordinatensystems in ein Gitter von gleichen Zellen und Erzeugen einer Belegungsgitterkarte, die eine Belegungswahrscheinlichkeit jedes Hindernisses (d. h. Hindernisses für die Fahrt des eigenen Fahrzeugs) für jede Zelle des Gitters speichert, und Aktualisieren der Belegungswahrscheinlichkeit in Übereinstimmung mit Bayes'scher Deduktion.
  • Im Einzelnen beinhaltet die Belegungsgitterkarten-Erzeugungseinrichtung: eine Objekt-Belegungswahrscheinlichkeit-Berechnungseinrichtung zum Berechnen der Belegungswahrscheinlichkeit eines sich voraus befindenden Objekts für jede Zelle der Belegungsgitterkarte auf der Grundlage von Information von einer Radareinrichtung, die das sich vor dem eigenen Fahrzeug befindende Objekt erfasst, welches ein Hindernis ist (das sich voraus befindende Objekt ist ein Hindernis); eine Anderes-Fahrzeug-Belegungswahrscheinlichkeit-Berechnungseinrichtung zum Berechnen der Belegungswahrscheinlichkeit eines anderen Fahrzeugs für jede Zelle der Belegungsgitterkarte auf der Grundlage von Information von einer Kommunikationseinrichtung, die von dem anderen Fahrzeug in der Umgebung des eigenen Fahrzeugs, welches ein Hindernis ist (das andere Fahrzeug ist ein Hindernis), übermittelte Positionsinformation empfängt; eine Fahrspurlinien-Belegungswahrscheinlichkeit-Berechnungseinrichtung zum Berechnen der Belegungswahrscheinlichkeit der Fahrspurlinie für jede Zelle der Belegungsgitterkarte auf der Grundlage von Information von einer Speichereinrichtung, die Kartendaten speichert, welche es erlauben, eine Position einer Fahrspurlinie, welche ein Hindernis ist (die Fahrspurlinie ist ein Hindernis), zu bestimmen; und eine Belegungswahrscheinlichkeit-Vermischungseinrichtung zum Vermischen, für jede Zelle der Belegungsgitterkarte, der durch die Objekt-Belegungswahrscheinlichkeit-Berechnungseinrichtung berechneten Belegungswahrscheinlichkeit, der durch die Anderes-Fahrzeug-Belegungswahrscheinlichkeit-Berechnungseinrichtung berechneten Belegungswahrscheinlichkeit, und der durch die Fahrspurlinien-Belegungswahrscheinlichkeit-Berechnungseinrichtung berechneten Belegungswahrscheinlichkeit, um eine vermischte Belegungswahrscheinlichkeit der Hindernisse für die Fahrt des eigenen Fahrzeugs bereitzustellen.
  • Dies erlaubt es, die Fahrumgebung (genauer, das Vorhandensein eines Hindernisses für die Fortbewegung des eigenen Fahrzeugs) des eigenen Fahrzeugs durch die Belegungswahrscheinlichkeit in dem Absolutkoordinatensystem auszudrücken, welche Wahrscheinlichkeit in Übereinstimmung mit der Bayes'schen Deduktion bzw. Inferenz oder Folgerung aktualisiert werden kann, wodurch die Genauigkeit der Belegungsgitterkarte erhöht wird. Insbesondere werden in der Fahrumgebung-Erkennungseinrichtung die Belegungswahrscheinlichkeit, die auf der Grundlage der Information von der Radareinrichtung berechnet wurde, die Belegungswahrscheinlichkeit, die auf der Grundlage der Information von der Kommunikationseinrichtung berechnet wurde, und die Belegungswahrscheinlichkeit, die auf der Grundlage der Information von der Speichereinrichtung, die Kartendaten speichert, berechnet wurde, miteinander vermischt bzw. kombiniert, um eine vermischte Belegungswahrscheinlichkeit der Hindernisse für die Fortbewegung des eigenen Fahrzeugs bereitzustellen. Dies führt zu einer Belegungswahrscheinlichkeit, die genauer ist als die aus der Information von einer der Radareinrichtung, der Kommunikationseinrichtung oder der Speichereinrichtung erhaltene Belegungswahrscheinlichkeit, welches es erlaubt, dass die Fahrumgebung des eigenen Fahrzeugs präziser erkannt werden kann.
  • KURZBESCHREIBUNG DER ZEICHNUNGEN
  • Es zeigen:
  • 1 vereinfacht ein Blockdiagramm eines Fahrumgebung-Erkennungssystems in Übereinstimmung mit einem Ausführungsbeispiel der Erfindung;
  • 2 vereinfacht ein Ablaufdiagramm der Fahrumgebungserkennung des Fahrumgebung-Erkennungssystems;
  • 3A vereinfacht ein Einzelecho-Sensormodell, das für die Fahrumgebungserkennung auf der Grundlage von Information von einem Laserradar verwendet wird;
  • 3B vereinfacht ein Mehrfachecho-Sensormodell, das für die Fahrumgebungserkennung auf der Grundlage von Information von dem Laserradar verwendet wird;
  • 3C vereinfacht tatsächliche Beobachtungsdaten der Fahrumgebungserkennung auf der Grundlage von Information von dem Laserradar;
  • 4 vereinfacht ein Weißlinien-Sensormodell, das für die Fahrumgebungserkennung auf der Grundlage von Information von dem Laserradar verwendet wird;
  • 5 vereinfacht ein Zwischenfahrzeugkommunikation-Sensormodell, das für die Fahrumgebungserkennung auf der Grundlage von von dem anderen Fahrzeug empfangener Information verwendet wird;
  • 6A vereinfacht eine Belegungsgitterkarte mit Knoten, die auf der Grundlage von Information aus einer Kartendatenbank darauf abgebildet sind;
  • 6B vereinfacht eine Berechnung einer Straßenform in einer Fortbewegungsrichtung eines eigenen Fahrzeugs auf der Grundlage von Information aus der Kartendatenbank;
  • 6C vereinfacht eine Berechnung einer Belegungswahrscheinlichkeit einer Fahrspurlinie auf der Grundlage von Information aus der Kartendatenbank;
  • 7 vereinfacht ein Sensormodell, das für die Fahrumgebungserkennung auf der Grundlage von Information aus der Kartendatenbank verwendet wird;
  • 8 vereinfacht eine tatsächliche Erkennung eines befahrbaren Raums für ein eigenes Fahrzeug; und
  • 9 vereinfacht eine hierarchische Belegungsgitterkarte.
  • BESCHREIBUNG BEVORZUGTERAUSFÜHRUNGSBEISPIELE
  • Die Erfindung wird nachstehend unter Bezugnahme auf die Zeichnungen näher beschrieben. Gleiche Bezugszeichen beziehen sich durchgehend auf gleiche Elemente.
  • (1. Systemkonfiguration)
  • 1 zeigt ein Blockdiagramm eines Fahrumgebung-Erkennungssystems in Übereinstimmung mit einem Ausführungsbeispiel der Erfindung. Das Fahrumgebung-Erkennungssystem beinhaltet eine signalverarbeitende elektronische Steuereinheit (ECU) bzw. Signalverarbeitungs-ECU 10, ein Laserradar 20, einen GPS-Empfänger 30, eine Kartendatenbank 40, eine Kommunikationseinrichtung 50, einen Fahrzeuggeschwindigkeitssensor 60, einen Gierratensensor 70, und einen Lenkwinkelsensor 80.
  • Die Signalverarbeitungs-ECU 10 beinhaltet eine (nicht gezeigte) zentrale Verarbeitungseinheit oder CPU, einen (nicht gezeigten) Festspeicher oder ROM, und einen (nicht gezeigten) Direktzugriffsspeicher oder RAM, und führt durch zum Beispiel Ausführen entsprechender, in dem ROM gespeicherter Programme verschiedene Prozesse durch, die für die Fahrumgebungserkennung des vorliegenden Ausführungsbeispiels erforderlich sind.
  • Der Laserradar 20 emittiert gepulstes Laserlicht für eine 2D-Abtastung aus einem Lichtemissionsabschnitt (oder einem Lichtemissionspunkt), der an einem vorderen Abschnitt eines eigenen Fahrzeugs oder Eigenfahrzeugs vorgesehen ist, und empfängt reflektiertes Laserlicht von einem Objekt, wie beispielsweise einem dreidimensionalen (3D-)Objekt und einer Fahrspurlinie, vor dem eigenen Fahrzeug an einem Lichtempfangsanschnitt, der an dem vorderen Abschnitt des eigenen Fahrzeugs vorgesehen ist. Der Laserradar 20 gibt an die Signalverarbeitungs-ECU 10 gemessene Zeitinformation, die eine verstrichene Zeit (oder einen Zeitunterschied) von der Abstrahlung bis zum Empfang des Laserlichts angibt, und eine reflektierte Lichtintensität aus. Die Signalverarbeitungs-ECU 10 berechnet einen Abstand von dem eigenen Fahrzeug zu dem sich voraus befindenden Objekt auf der Grundlage der gemessenen Zeitinformation, die von dem Laserradar 20 zugeführt wird, und ermittelt eine Position des sich voraus befindenden Objekts relativ zu dem eigenen Fahrzeug (Entfernung und Richtung) auf der Grundlage der berechneten Entfernung und einem Einstrahlwinkel des reflektierten Laserlichts.
  • Der Laserradar 20 kann eine Vielzahl von Linien (beispielsweise 6 Linien in dem vorliegenden Ausführungsbeispiel) von Laserlicht emittieren, die in einer Höhenrichtung wechselseitig unterschiedliche Winkel haben. Obere Linien (beispielsweise die oberen 3 Linien in dem vorliegenden Ausführungsbeispiel) werden hauptsächlich dazu verwendet, ein 3D-Objekt (beispielsweise ein sich voraus befindendes bzw. vorausfahrendes Fahrzeug, ein Objekt am Straßenrand wie etwa ein Leitpfosten und eine Hinweistafel) zu erfassen. Untere Linien (beispielsweise die unteren 3 Linien in dem vorliegenden Ausführungsbeispiel) werden hauptsächlich dazu verwendet, eine Fahrbahnlinie (beispielsweise eine weiße Linie) auf der Straße, welche eine Grenze zwischen wechselseitig benachbarten Bahnen ist, zu erfassen.
  • Der GPS-Empfänger 30 empfängt eine von einem GPS(Global Positioning System)-Satelliten gesendete Funkwelle und erfasst eine gegenwärtige Position des eigenen Fahrzeugs (in dem vorliegenden Ausführungsbeispiel seiner absoluten Position in dem Breitengrad-Längengrad-Koordinatensystem).
  • Die Kartendatenbank 40 ist eine Speichereinrichtung, die in eine Datenbank kompilierte Kartendaten in Übereinstimmung mit dem Breitengrad-Längengrad-Koordinatensystem speichert. In den Kartendaten wird eine Fahrzeugstraße durch eine Vielzahl von Knoten und Verbindungen, von denen jede ein Paar wechselseitig benachbarter Knoten verbindet, repräsentiert, wobei sich jeder der Knoten in einem Zentrum eines entsprechenden Schnittpunkts bzw. einer entsprechenden Kreuzung befindet. Information über jeden Knoten beinhaltet nicht nur dessen absolute Position, sondern auch eine Straßenbreite und eine Anzahl von Bahnen bzw. Fahrbahnen um den Knoten als dem Knoten zugeordnete Eigenschafts- oder Attributinformation. Die absolute Position des Knotens in Verbindung mit seiner Attributinformation erlaubt es, eine Position jeder Fahrbahnlinie zu bestimmen.
  • Die Kommunikationseinrichtung 50 kommuniziert mit einem anderen Fahrzeug oder einer straßenseitigen Einheit in der Umgebung oder Nähe des eigenen Fahrzeugs, und empfängt eine gegenwärtige Position des anderen Fahrzeugs (dessen absolute Position in dem Breitengrad-Längengrad-Koordinatensystem) und sein Ausmaß der Bewegung (die Fortbewegungsrichtung und das Verlagerungsausmaß). Ähnliche Information kann von dem eigenen Fahrzeug an das andere Fahrzeug übertragen werden, wobei die Kommunikationseinrichtung 50 eine gegenwärtige Position des eigenen Fahrzeugs (dessen absolute Position in dem Breitengrad-Längengrad-Koordinatensystem), die von dem GPS-Empfänger 30 erhalten wird, und ein aus der Fahrzeuggeschwindigkeit, der Gierrate und dem Lenkwinkel des eigenen Fahrzeug abgeschätztes Ausmaß der Bewegung des eigenen Fahrzeugs, welches später beschrieben werden wird, übermittelt.
  • Ein Fahrzeuggeschwindigkeitssensor 60, ein Gierratensensor 70 und ein Lenkwinkelsensor 80 sind Sensoren zum Erfassen eines Ausmaßes der Bewegung des eigenen Fahrzeugs. Im Einzelnen erfasst der Fahrzeuggeschwindigkeitssensor 60 eine Fortbewegungsgeschwindigkeit des eigenen Fahrzeugs, erfasst der Gierratensensor 70 eine Gierrate des eigenen Fahrzeugs, und erfasst der Lenkwinkelsensor 80 einen Lenkwinkel eines Lenkrads des eigenen Fahrzeugs.
  • (2. Überblick über den Fahrumgebung-Erkennungsprozess)
  • Nachstehend wird der Fahrumgebung-Erkennungsprozess erklärt, der von dem Fahrspur-Erkennungssystem des vorliegenden Ausführungsbeispiels durchzuführen ist.
  • In dem Fahrumgebung-Erkennungssystem des vorliegenden Ausführungsbeispiels wird eine Belegungsgitterkarte zum Erkennen einer Fahrumgebung (oder Straßenumgebung) in der Nähe, der Umgebung und insbesondere vor dem eigenen Fahrzeug erzeugt. Im Einzelnen wird ein absolutes Koordinatensystem oder Absolutkoordinatensystem in ein Gitter (oder Netz) von gleichen Zellen unterteilt, in dem zweckmäßig der Ursprung des Absolutkoordinatensystems an eine Position des eigenen Fahrzeugs zu einer bestimmten Zeit t = 0 gelegt wird, die X-Achse in einer seitlichen Richtung oder Querrichtung des eigenen Fahrzeugs festgelegt wird, und die Y-Achse in einer anteroposterioren Richtung bzw. Richtung von vorne nach hinten oder Längsrichtung des eigenen Fahrzeugs festgelegt wird. Eine Belegungswahrscheinlichkeit (d. h. eine bestehende Wahrscheinlichkeit) eines Hindernisses für die Fortbewegung des eigenen Fahrzeugs wird für jede Zelle (ein 50 cm-Quadrat in dem vorliegenden Ausführungsbeispiel) des Gitters gespeichert. Wie vorstehend beschrieben wurde, kann eine Zellengröße für das Gitter wahlfrei oder beliebig sein, oder kann für eine gewünschte Sensorerfassungsgenauigkeit geeignet sein.
  • Hindernisse für die Fortbewegung des eigenen Fahrzeugs können nicht nur ein dreidimensionales (3D-)Objekt beinhalten, sondern auch eine Fahrbahnlinie. Die vorstehende Belegungsgitterkarte kann in einer kollisionsbasierten Anwendung für eine voraus gerichtete Vorausüberwachung wie beispielsweise einem adaptiven Geschwindigkeitsregelungssystem (ACC) und einem Pre-Crash Sicherheits(PCS)-System verwendet werden. Es wird angemerkt, dass das Absolutkoordinatensystem, wie es in dem vorliegenden Ausführungsbeispiel verwendet wird, ein bestimmtes Koordinatensystem ist, in dem der Ursprung an eine beliebige Position gelegt werden kann, und die X- und Y-Achsen in beliebigen Richtungen festgelegt werden können. Daher besteht keine direkte Entsprechung zwischen dem vorstehenden Absolutkoordinatensystem und dem Breitengrad-Längengrad-Koordinatensystem.
  • Eine Belegungswahrscheinlichkeit eines Hindernisses für die Fortbewegung des eigenen Fahrzeugs kann nicht nur aus Information von dem Laserradar 20, sondern auch aus Information von der Kommunikationseinrichtung 50 und Information aus der Kartendatenbank 40 erhalten werden. Im Einzelnen kann für jede Zelle der Belegungsgitterkarte eine Belegungswahrscheinlichkeit eines sich voraus befindenden Objekts aus der Information von dem Laserradar 20 erhalten werden. Ähnlich dazu kann für jede Zelle der Belegungsgitterkarte eine Belegungswahrscheinlichkeit des anderen Fahrzeugs aus der Information von der Kommunikationseinrichtung 50 erhalten werden. Darüber hinaus kann für jede Zelle der Belegungsgitterkarte eine Belegungswahrscheinlichkeit für die Fahrbahnlinie aus der Information von der Kartendatenbank 40 erhalten werden. Das heißt, dass die Belegungswahrscheinlichkeiten unterschiedlicher Arten von Hindernissen individuell aus der Information von den jeweiligen Sensoren (dem Laserradar 20, der Kommunikationseinrichtung 50 und der Kartendatenbank 40 in dem vorliegenden Ausführungsbeispiel) gewonnen werden können. Danach werden die gewonnenen Belegungswahrscheinlichkeiten, die den unterschiedlichen Arten von Hindernissen zugeordnet sind, für jede Zelle der Belegungsgitterkarte vermischt bzw. kombiniert oder zusammengeführt, welches zu einer Belegungsgitterkarte führt, die für die kollisionsbasierte Anwendung nützlicher ist (und nachstehend auch als eine kombinierte Belegungsgitterkarte bezeichnet wird).
  • (Betriebsabläufe des Fahrumgebung-Erkennungsprozesses)
  • Nachstehend wird der wie vorstehend kurz beschriebene Prozess, der von der Signalverarbeitungs-ECU 10 des vorliegenden Ausführungsbeispiels durchzuführen ist, näher erklärt.
  • 2 zeigt ein Ablaufdiagramm des Fahrumgebung-Erkennungsprozesses, der von der Signalverarbeitungs-ECU 10 durchzuführen ist. Die Abfolge von Vorgängen S10 bis S70 wird in einem vorbestimmten Zeitintervall (welches in dem vorliegenden Ausführungsbeispiel 100 ms betragen kann, jedoch nicht darauf beschränkt ist), wiederholt.
  • Der Fahrumgebung-Erkennungsprozess beginnt mit der Gewinnung von Sensordaten von verschiedenen Sensoren (dem Laserradar 20, der Kommunikationseinrichtung 50 und der Kartendatenbank 40 in dem vorliegenden Ausführungsbeispiel) in Schritt S10. Im Einzelnen führt die Signalverarbeitungs-ECU 10 die folgenden Operationen (1) bis (5) durch.
    • (1) Die Signalverarbeitungs-ECU 10 gewinnt Information über gemessene Zeit von dem Laserradar 20 (wobei die Information über gemessene Zeit eine verstrichene Zeit von der Emission bis zum Empfang des Laserlichts und eine Intensität reflektierten Lichts angibt), und ermittelt eine Position (Entfernung und Richtung) eines sich voraus befindenden Objekts relativ zu dem eigenen Fahrzeug auf der Grundlage der Information über gemessene Zeit.
    • (2) Die Signalverarbeitungs-ECU 10 beschafft eine gegenwärtige Position eines anderen Fahrzeugs in der Nähe oder der Umgebung des eigenen Fahrzeugs (eine absolute Position in dem Breitengrad-Längengrad-Koordinatensystem) und ein Ausmaß der Bewegung (die Fahrtrichtung und das Verlagerungsausmaß) von der Kommunikationseinrichtung 50.
    • (3) Die Signalverarbeitungs-ECU 10 beschafft Information über jeden Knoten (dessen absolute Position und Attributinformation) von der Kartendatenbank 40.
    • (4) Die Signalverarbeitungs-ECU 10 beschafft eine gegenwärtige Position des eigenen Fahrzeugs (dessen absolute Position in dem Breitengrad-Längengrad-Koordinatensystem) von dem GPS-Empfänger 30.
    • (5) Die Signalverarbeitungs-ECU 10 beschafft eine Fortbewegungsgeschwindigkeit (Fahrzeuggeschwindigkeit) des eigenen Fahrzeugs von dem Fahrzeuggeschwindigkeitssensor 60, eine Gierrate des eigenen Fahrzeugs von dem Gierratensensor 70, und einen Lenkwinkel eines Lenkrads des eigenen Fahrzeugs von dem Lenkwinkelsensor 80.
  • Die Reihenfolge der Operationen (1) bis (5) ist nicht auf die vorstehend angegebene Reihenfolge beschränkt.
  • Nachfolgend schätzt in Schritt S20 die Signalverarbeitungs-ECU 10 ein Ausmaß der Bewegung des eigenen Fahrzeugs (das auch als ”Eigenbewegung” oder ”Selbstbewegung” bezeichnet wird) auf der Grundlage der Fahrzeuggeschwindigkeit des eigenen Fahrzeugs, der Gierrate und des Lenkwinkels, die in Schritt S10 beschafft wurden, ab. Im Einzelnen berechnet die Signalverarbeitungs-ECU 10 das Ausmaß der Bewegung (die Fortbewegungsrichtung und das Verlagerungsausmaß) des eigenen Fahrzeugs für jeden Zyklus (100 ms in dem vorliegenden Ausführungsbeispiel) auf der Grundlage der Fahrzeuggeschwindigkeit, der Gierrate und des Lenkwinkels. Das Ausmaß der Bewegung des eigenen Fahrzeugs kann zum Beispiel durch Anwenden der Fahrzeuggeschwindigkeit, der Gierrate und des Lenkwinkels des eigenen Fahrzeugs auf ein bestimmtes Modell (beispielsweise ein Zweirad-Modell) berechnet werden. Alternativ kann das Ausmaß der Bewegung des eigenen Fahrzeugs auch durch eine Abtastungsübereinstimmung auf der Grundlage der von dem Laserradar 20 beschafften Information, von Unterschieden zwischen Radgeschwindigkeiten von vier Rädern, und einer Bewegungsgeschwindigkeit des eigenen Fahrzeugs, die von dem GPS-Empfänger 30 erhalten wird, berechnet werden.
  • Die Signalverarbeitungs-ECU 10 berechnet dann eine gegenwärtige Position und eine Fortbewegungsrichtung des eigenen Fahrzeugs in dem absoluten Koordinatensystem auf der Grundlage des berechneten Ausmaßes der Bewegung des eigenen Fahrzeugs. Zum Beispiel wandelt die Signalverarbeitungs-ECU 10 die Fortbewegungsrichtung des eigenen Fahrzeugs in eine Fortbewegungsrichtung in dem Absolutkoordinatensystem um und zerlegt ein Verlagerungsausmaß in der Fortbewegungsrichtung in dem Absolutkoordinatensystem in ein Verlagerungsausmaß in der X-Richtung und ein Verlagerungsausmaß in der Y-Richtung in dem Absolutkoordinatensystem (ΔX, ΔY). Die Position und die Richtung des eigenen Fahrzeugs in dem Absolutkoordinatensystem können durch Addieren des Verlagerungsausmaßes (ΔX, ΔY) zu der vorangehenden Position (X, Y) des eigenen Fahrzeugs in dem Absolutkoordinatensystem erhalten werden, um (X + ΔX, Y + ΔY) zu erhalten.
  • Darauf folgend wandelt in Schritt S30 die Signalverarbeitungs-ECU 10 von verschiedenen Sensoren (dem Laserradar 20, der Kommunikationseinrichtung 50 und der Kartendatenbank 40) erhaltene Daten auf der Grundlage der Position und der Richtung des eigenen Fahrzeugs in dem Absolutkoordinatensystem, die in Schritt S20 berechnet wurden, in Daten in dem Absolutkoordinatensystem um. Dann erzeugt in Schritt S40 die Signalverarbeitungs-ECU 10 eine Belegungsgitterkarte für jeden Sensor auf der Grundlage der umgewandelten Daten und berechnet eine Belegungswahrscheinlichkeit für jedes Hindernis für die Fortbewegung des eigenen Fahrzeugs für jede Zelle der Belegungsgitterkarte.
  • Nachstehend werden die Operationen S30 und S40 erklärt, die für jeden Sensor durchzuführen sind.
  • (A. Berechnung der Belegungswahrscheinlichkeit auf der Grundlage von Information von dem Laserradar)
  • Die Signalverarbeitungs-ECU 10 wandelt eine relative Position (Entfernung und Richtung relativ zu dem eigenen Fahrzeug) des sich voraus befindenden Objekts, die auf der Grundlage der von dem Laserradar 20 beschafften Införmation in Schritt S10 bestimmt wurde, in eine Position in dem Absolutkoodinatensystem um. Im Einzelnen kann eine Position des sich voraus befindenden Objekts in dem Absolutkoordinatensystem durch Drehen eines Relativkoordinatensystems mit seinem Ursprung an einem gegenwärtigen Punkt des eigenen Fahrzeugs (insbesondere des Laserradars 20) so, dass eine Vorausrichtung in dem Relativkoordinatensystem mit der Fortbewegungsrichtung (der Gierrate) des eigenen Fahrzeugs in dem Absolutkoordinatensystem über einstimmt, und Umwandeln der zweidimensionalen Koordinaten in Vorwärts- und Fahrzeugbreiten-Richtungen in Koordinaten in dem Absolutkoordinatensystem (d. h. durch eine Koordinatentransformation aus dem Relativkoordinatensystem in das Absolutkoordinatensystem) erhalten werden.
  • Darauf folgend berechnet die Signalverarbeitungs-ECU 10 eine Belegungswahrscheinlichkeit des sich voraus befindenden Objekts in dem Absolutkoordinatensystem auf der Grundlage der Position des sich voraus befindenden Objekts in dem Absolutkoordinatensystem. Die Art und Weise zur Erfassung der Belegungswahrscheinlichkeit eines sich voraus befindenden Objekts, das unter Verwendung der oberen Linien des Laserlichts des Laserradars 20 erfasst wurde (3D-Objekt), unterscheidet sich von der Art und Weise zur Erfassung der Belegungswahrscheinlichkeit eines sich voraus befindenden Objekts unter Verwendung der unteren Linien des Laserlichts des Laserradars 20 (Fahrbahnlinie). Daher werden im Folgenden die Art und Weise zur Berechnung der Belegungswahrscheinlichkeit des 3D-Objekts und die Art und Weise zur Berechnung der Belegungswahrscheinlichkeit der Fahrbahnlinie einzeln erklärt.
  • (A1. Belegungswahrscheinlichkeit des durch den Laserradar erfassten 3D-Objekts)
  • 3A zeigt ein beispielhaftes (Einzelecho-)Sensormodell, das eine Belegungswahrscheinlichkeit des ersten sich voraus befindenden Objekts (3D-Objekt) als eine Funktion einer direkten Entfernung von dem Lichtemissionsabschnitt bzw. Lichtabstrahlabschnitt des Laserradars 20 entlang einer geraden Linie durch den Lichtemissionsabschnitt und einen beobachteten Punkt des 3D-Objekts definiert. Anhand des Sensormodells kann ermittelt werden, dass die Belegungswahrscheinlichkeit an dem beobachteten Punkt des 3D-Objekts einen Wert nahe Eins annimmt. Derweil nimmt die Belegungswahrscheinlichkeit an einem Punkt, der näher an dem Lichtemissionsabschnitt des Laserradars 20 liegt als der beobachtete Punkt des 3D-Objekts, einen Wert nahe Null an (ε in 3A). Dies ist deshalb so, weil in Betracht gezogen werden kann, dass zwischen dem Lichtemissionsabschnitt des Laserradars 20 und dem beobachteten Punkt des 3D-Objekts kein Hindernis vorhanden ist. Darüber hinaus nimmt die Belegungswahrscheinlichkeit an einem Punkt jenseits des beobachteten Punkts des 3D-Objekts einen Zwischenwert an (0,5 in dem vorliegenden Ausführungsbeispiel). Dies ist deshalb so, weil nicht ermittelt werden kann, ob jenseits des beobachteten Punkts des 3D-Objekts ein Hindernis vorhanden ist oder nicht.
  • Bei Vorhandensein von Regen und/oder Nebel vor dem eigenen Fahrzeug kann eine Vielzahl von sich voraus befindenden Objekten an ihren beobachteten Punkten entlang einer geraden Linie durch dieselben erfasst werden. Bei dem Einzelecho-Sensormodell wie in 3A gezeigt wird ein einzelnes Objekt als ein einzelnes Echo erfasst. Andererseits werden in einem beispielhaften Mehrfachecho-Sensormodell wie in 3B gezeigt zwei Objekte als Doppelechos, die den jeweiligen Objekten zugeordnet sind, erfasst. Wie in 3B gezeigt ist, kann bei dem Vorhandensein mehrerer Echos (zu Darstellungszwecken und in Bezug auf das eigene Fahrzeug hierin als ein näheres Echo, das einem näheren sich voraus befindenden 3D-Objekt zugeordnet ist, und ein entfernteres Echo, das einem entfernteren sich voraus befindenden 3D-Objekt zugeordnet ist, bezeichnet) das Mehrfachecho-Sensormodell derart verwendet werden, dass zwei unterscheidbare Einzelecho-Sensormodelle gegeneinander versetzt angeordnet sind. Das heißt, dass die Belegungswahrscheinlichkeit an einem beobachteten Punkt für jedes sich voraus befindende Objekt einen höheren Wert (nahe bei Eins) annimmt, und die Belegungswahrscheinlichkeit an einem Punkt jenseits des beobachteten Punkts des entfernteren sich voraus befindenden Objekts einen Zwischenwert (beispielsweise 0,5) annimmt. Bei dem Mehrfachecho-Sensormodell des vorliegenden Ausführungsbeispiels jedoch nimmt die Belegungswahrscheinlichkeit an einem Punkt, der jenseits einer Blindzone, wo nicht ermittelt werden kann, ob dort ein Objekt vorhanden ist oder nicht (vgl. 3B), und näher an dem eigenen Fahrzeug als der beobachtete Punkt des entfernteren sich voraus befindenden Objekts liegt, einen Wert nahe Null an. Die Belegungswahrscheinlichkeit nimmt in der Blindzone einen Zwischenwert an. Ferner wird bei dem Mehrfachecho-Sensormodell des vorliegenden Ausführungsbeispiels die Belegungswahrscheinlichkeit an dem beobachteten Punkt des näher liegenden, sich voraus befindenden Objekts kleiner festgelegt als die Belegungswahrscheinlichkeit an dem beobachteten Punkt des entfernteren sich voraus befindenden Objekts. Dies ist deshalb so, weil Regen und/oder Nebel wahrscheinlich als das näher liegende, sich voraus befindende Objekt erfasst wird.
  • Zum Beispiel können in einer Situation, wie sie in dem Bild auf der linken Seite von 3C gezeigt ist, beobachtete Punkte (gemessene Entfernungsdaten) der sich voraus befindenden Objekte wie auf der rechten Seite von 3C gezeigt erhalten werden. Die resultierende Belegungsgitterkarte kann wie in der Mitte von 3C gezeigt erhalten werden.
  • In dem vorliegenden Ausführungsbeispiel wird die Belegungsgitterkarte (und folglich die Belegungswahrscheinlichkeit) durch Bayes'sche Deduktion (bzw. Folgerung oder Inferenz) aktualisiert. in Übereinstimmung mit dem Sensormodell, das die Belegungswahrscheinlichkeit des sich voraus befindenden Objekts (3D-Objekt) auf der Grundlage der von dem Laserradar 20 beschafften Information definiert, wird für jede Zelle ermittelt, ob die Zelle an dem oder in der Umgebung des beobachteten Punkt(s) (an dem die Belegungswahrscheinlichkeit einen Wert von 0,5 in dem vorliegenden Ausführungsbeispiel annimmt) existiert, oder die Zelle in einer Region näher an dem (Laserradar des) eigenen Fahrzeug(s) als der beobachtete Punkt (an dem die Belegungswahrscheinlichkeit einen Wert gleich oder kleiner als 0,5 annimmt) existiert, oder die Zelle in einer Region jenseits des beobachteten Punkts (wo die Belegungswahrscheinlichkeit einen Wert gleich 0,5 annimmt), existiert. Falls die Zelle an dem oder in der Umgebung des beobachteten Punkt(s) existiert, dann wird die Zelle als durch das sich voraus befindende Objekt belegt betrachtet (ein Ereignis zt derart, dass das sich voraus befindende Objekt in der Zelle existiert, ist eingetreten). Falls die Zelle in einer Region näher an dem eigenen Fahrzeug als der beobachtete Punkt existiert, dann wird die Zelle als nicht durch das sich voraus befindende Objekt belegt betrachtet (ein Ereignis z t derart, dass das sich voraus befindende Objekt nicht in der Zelle existiert, ist aufgetreten, wobei sich das Ereignis z t auf ein sich gegenseitig ausschließendes Ereignis bezogen auf zt bezieht). Falls die Zelle in einer Region jenseits bzw. hinter dem beobachteten Punkt existiert, kann nicht ermittelt werden, ob die Zelle durch ein sich voraus befindendes Objekt belegt ist oder nicht.
  • Im Folgenden wird das Ereignis derart, dass ein sich voraus befindendes Objekt existiert, durch xt bezeichnet, wobei der tiefgestellte Index ”t” einen Signalverarbeitungszyklus (t = 0, 1, 2, ..., k, K + 1) repräsentiert, und die Belegungswahrscheinlichkeit des sich voraus befindenden Objekts für eine bestimmte Zelle durch p(xt) bezeichnet. Die Belegungswahrscheinlichkeit des Objekts für jede Zelle kann durch Berechnen der folgenden bedingten Wahrscheinlichkeit aktualisiert werden.
    • • Bayes'scher Aktualisierungsausdruck für eine belegte Zelle
      Figure 00160001
      worin 0.0001 ≤ p(xt|zt) ≤ 0.9999 P(zt|xt) = 0.7 p(zt|x t) = 0.1
    • • Bayes'scher Aktualisierungsausdruck für eine nicht belegte Zelle
      Figure 00160002
      worin 0.0001 ≤ p(xt|z t) ≤ 0.9999 p(z t|xt) = 1 – p(zt|xt) p(z t|x t) = 1 – p(zt|x t)
  • (A2. Berechnung der Belegungswahrscheinlichkeit einer durch den Laserradar erfassten Fahrbahnlinie)
  • 4 zeigt ein beispielhaftes (Weißlinien-)Sensormodell, das eine Belegungswahrscheinlichkeit des zweiten sich voraus befindenden Objekts (einer Fahrbahnlinie) als eine Funktion eines direkten Abstands bzw. einer direkten Entfernung von dem Lichtemissionsabschnitt des Laserradars 20 entlang einer geraden Linie durch den Lichtemissionsabschnitt und einen beobachteten Punkt des zweiten sich voraus befindenden Objekts definiert. Aus dem Weißlinien-Sensormodell kann entnommen werden, dass die Belegungswahrscheinlichkeit an dem beobachteten Punkt der Fahrbahnlinie einen Wert α (alpha) annimmt, der relativ niedriger ist als die Belegungswahrscheinlichkeit an dem beobachteten Punkt des 3D-Objekts, aber höher als 0,5 festgelegt ist, zum Beispiel auf 0,7. Andererseits nimmt die Belegungswahrscheinlichkeit einen Wert ε (epsilon) nahe Null in einer Region jenseits des beobachteten Punkts der Fahrbahnlinie und in einer Region näher an dem eigenen Fahrzeug (speziell dem Lichtemissionsabschnitt des Laserradars 20) als der beobachtete Punkt der Fahrbahnlinie an. Dies ist deshalb so, weil ein Grad der Behinderung der Fahrbahnlinie niedriger ist als der des 3D-Objekts.
  • Ähnlich zu der Belegungswahrscheinlichkeit des 3D-Objekts wird die Belegungsgitterkarte (und folglich die Belegungswahrscheinlichkeit) der Fahrbahnlinie durch die Bayes'sche Deduktion aktualisiert. In Übereinstimmung mit dem Weißlinien-Sensormodell, das die Belegungswahrscheinlichkeit des sich voraus befindenden Objekts (der Fahrbahnlinie) auf der Grundlage der von dem Laserradar 20 beschafften Information definiert, wird für jede Zelle ermittelt, ob die Zelle an dem oder in der Umgebung des beobachteten Punkt(s) (an dem die Belegungswahrscheinlichkeit einen Wert nahe Null annimmt) existiert. Falls die Zelle an dem oder in der Umgebung des beobachteten Punkt(s) existiert, dann wird die Zelle als durch die Bahnlinie belegt betrachtet (ein Ereignis zt ist aufgetreten). Falls die Zelle in einer Region näher an dem eigenen Fahrzeug als der beobachtete Punkt oder in einer Region jenseits des beobachteten Punkts existiert, dann wird die Zelle als nicht durch die Bahnlinie belegt betrachtet (ein Ereignis z t ist aufgetreten).
  • (B. Berechnung der Belegungswahrscheinlichkeit auf der Grundlage von Information von der Kommunikationseinrichtung)
  • Die Signalverarbeitungs-ECU 10 wandelt eine gegenwärtige Position und eine Fortbewegungsrichtung des anderen Fahrzeugs (die absolute Position und die Richtung in dem Breitengrad-Längengrad-Koordinatensystem), die von der Kommunikationseinrichtung 50 in Schritt S10 beschafft wurden, in eine Position und eine Richtung in dem Absolutkoordinatensystem um. Im Einzelnen ermittelt die Signalverarbeitungs-ECU 10 eine Position und eine Richtung des anderen Fahrzeugs relativ zu dem eigenen Fahrzeug auf der Grundlage einer gegenwärtigen Position des eigenen Fahrzeugs (der absoluten Position in dem Breitengrad-Längengrad-Koordinatensystem), die von dem GPS-Empfänger 30 in Schritt S10 beschafft wurde, und der Fortbewegungsrichtung des eigenen Fahrzeugs, die in Schritt S20 abgeschätzt wurde, und wandelt die ermittelte relative Position und Richtung in eine Position und eine Richtung des anderen Fahrzeugs in dem Absolutkoordinatensystem um. Die Umwandlung der relativen Position und Richtung in die Position und die Richtung in dem Absolutkoordinatensystem kann in zu einer der Umwandlung basierend auf der von dem Laserradar 20 beschafften Information, wie sie vorstehend beschrieben wurde, ähnlichen Weise durchgeführt werden.
  • Darauf folgend berechnet die Signalverarbeitungs-ECU 10 eine Belegungswahrscheinlichkeit des anderen Fahrzeugs in dem Absolutkoordinatensystem auf der Grundlage der Position des anderen Fahrzeugs in dem Absolutkoordinatensystem. 5 zeigt ein Zwischenfahrzeugkommunikation-Sensormodell, das eine Entsprechungsbeziehung zwischen einer Position mit Bezug zu einer tatsächlichen Außenform bzw. Kontur des anderen Fahrzeugs und einer Belegungswahrscheinlichkeit des anderen Fahrzeugs definiert. In 5 entspricht der Zentrumspunkt dem Mittelpunkt zwischen den Hinterrädern des anderen Fahrzeugs.
  • Wie in dem Sensormodell von 5 gezeigt ist, nimmt die Belegungswahrscheinlichkeit Premote des anderen Fahrzeugs in einem Bereich innerhalb einer inneren Kontur, die die tatsächliche Kontur des anderen Fahrzeugs ist, einen Wert Pinside an (wobei Pinside in dem vorliegenden Ausführungsbeispiel 0,8 ist), in einer Streifenregion zwischen der inneren Kontur und einer äußeren Kontur, die außerhalb der inneren Kontur liegt, einen Wert Pstrip (wobei Pstrip in dem vorliegenden Ausführungsbeispiel 0,6 ist), und in einer verbleibenden Region außerhalb der äußeren Region einen Wert Poutside an (wobei Poutside in dem vorliegenden Ausführungsbeispiel 0,5 ist), welches wie folgt zusammengefasst wird.
  • Figure 00190001
  • Die innere Kontur kann eine Kontur eines Aufbaus eines Bezugsfahrzeugs (Normalfall) sein, oder kann durch von dem anderen Fahrzeug übermittelte definierende Information definiert werden.
  • Die Belegungsgitterkarte (und folglich die Belegungswahrscheinlichkeit) wird durch die Bayes'sche Deduktion aktualisiert. In Übereinstimmung mit dem in 5 gezeigten Sensormodell, das die Belegungswahrscheinlichkeit des anderen Fahrzeugs auf der Grundlage der von der Kommunikationseinrichtung 50 beschafften Information definiert, wird für jede Zelle ermittelt, ob die Zelle in der Region innerhalb der inneren Kontur (wo die Belegungswahrscheinlichkeit den Wert 0,8 annimmt) existiert, oder ob die Zelle in der Streifenregion zwischen der inneren Kontur und der äußeren Kontur (wo die Belegungswahrscheinlichkeit den Wert 0,6 annimmt) existiert, oder ob die Zelle in der verbleibenden Region außerhalb der äußeren Kontur (wo die Belegungswahrscheinlichkeit den Wert 0,5 annimmt) existiert. Falls die Zelle in der Region innerhalb der inneren Kontur oder in der Streifenregion existiert, dann wird die Zelle als durch das andere Fahrzeug belegt betrachtet (ein Ereignis zt ist eingetreten). Falls die Zelle in der verbleibenden Region existiert, wird die Zelle als nicht durch das andere Fahrzeug belegt betrachtet (ein Ereignis z t ist eingetreten).
  • (C. Berechnung der Belegungswahrscheinlichkeit auf der Grundlage von von der Kartendatenbank beschaffter Information)
  • Die Signalverarbeitungs-ECU 10 berechnet eine Belegungswahrscheinlichkeit für jede Fahrbahnspur in Schritt S40 auf der Grundlage der absoluten Positionen von Knoten und der Attributinformation der Knoten, die beide in Schritt S10 aus der Kartendatenbank 40 erhalten wurden.
  • (C1. Initialisierung)
  • Da die Belegungswahrscheinlichkeiten für alle Zellen zu Beginn unbekannt sind, werden die Belegungswahrscheinlichkeiten für alle Zellen auf 0,5 initialisiert.
  • (C2. Gewinnung von Knotenpositionen aus von dem GPS-Empfänger beschaffter Information)
  • Nachfolgend werden Positionen der Knoten in dem Absolutkoordinatensystem auf der Grundlage der gegenwärtigen Position des eigenen Fahrzeugs (dessen absoluter Position in dem Breitengrad-Längengrad-Koordinatensystem), die von dem GPS-Empfänger 30 in Schritt S10 erhalten wurde, berechnet, und werden dann, wie in 6A gezeigt ist, die Knoten unter Verwendung der berechneten Positionen der Knoten auf die Belegungsgitterkarte abgebildet.
  • (C3. Berechnung der Straßenform)
  • Wie in 6B gezeigt ist, wird eine Straßenform (eine Bahnlinienposition der Straße) in der Fortbewegungsrichtung des eigenen Fahrzeugs auf der Grundlage der Attributinformation der Knoten berechnet. Im Einzelnen werden Straßenseiten bzw. Ränder der Straße, auf welcher sich das eigene Fahrzeug fortbewegt, aus Straßenbreiteninformation, die in der Attributinformation der Knoten enthalten ist, ermittelt, und wird dann die Fahrspur oder Fahrbahn, auf welcher sich das eigene Fahrzeug fortbewegt, aus der Anzahl von Bahnen (in der Fortbewegungsrichtung und der entgegenkommenden Richtung), die aus der Straßenbreite abgeleitet wird, bestimmt.
  • (C4. Berechnung der Belegungswahrscheinlichkeit)
  • Wie in 6C gezeigt ist, wird eine Belegungswahrscheinlichkeit für eine Zelle, die sich mit einer Fahrbahn schneidet, um 0,1 erhöht, wird eine Belegungswahrscheinlichkeit für eine Zelle, die zwischen den benachbarten Fahrbahnlinien liegt, um 0,1 verringert, und wird eine Belegungswahrscheinlichkeit für eine Zelle, die aufgrund eines Fehlens der Attributinformation über den Knoten weder als sich mit einer Bahnlinie schneidend noch als zwischen den Bahnlinien liegend ermittelt werden kann, oder die außerhalb der Straße liegt, auf 0,5 festgelegt.
  • (C5. Aktualisieren der Belegungswahrscheinlichkeit)
  • Die Belegungswahrscheinlichkeit für jede Zelle wird in Übereinstimmung mit den folgenden Gleichungen (5) und (6) unter Verwendung der Belegungswahrscheinlichkeit für die Zelle während des vorangehenden Zyklus und der während des aktuellen Zyklus berechneten Belegungswahrscheinlichkeit für die Zelle aktualisiert. Falls die neu berechnete Belegungswahrscheinlichkeit größer ist als 1 – ε, dann wird die Belegungswahrscheinlichkeit durch 1 – ε ersetzt (oder darauf festgelegt). Falls die neu berechnete Belegungswahrscheinlichkeit kleiner ist als ε, dann wird die Belegungswahrscheinlichkeit durch ε ersetzt (oder darauf festgelegt).
  • Figure 00210001
  • Ähnlich zu dem Berechnungsprozess der Belegungsgitterkarte auf der Grundlage der Information von dem Laserradar 20 und dem Berechnungsprozess der Belegungsgitterkarte auf der Grundlage der Information von der Kommunikationseinrichtung kann auch in dem Berechnungsprozess der Belegungsgitterkarte auf der Grundlage der Information aus der Kartendatenbank die Belegungsgitterkarte (und folglich die Belegungswahrscheinlichkeit) in Übereinstimmung mit der Bayes'schen Deduktion aktualisiert werden. 7 zeigt ein beispielhaftes Sensormodell, das eine Entsprechungsbeziehung zwischen Absolutpositionen zweiter benachbarter Knoten und einer Breite der die beiden Knoten verbindenden Straße, die aus der Kartendatenbank 40 gewonnen wurde, und einer Belegungswahrscheinlichkeit jeder Fahrbahnlinie definiert. In dem Sensormodell von 7 wird die Belegungswahrscheinlichkeit jeder Fahrbahnlinie, die eine Streifenregion mit einer konstanten Breite (außerhalb einer Straßenbreitenregion zwischen den Fahrbahnlinien, wobei die Region die Fahrbahnlinien nicht einschließt) ist, auf 1 – ε festgelegt, wird die Belegungswahrscheinlichkeit der Fahrbahnlinie in der Straßenbreitenregion auf ε nahe Null festgelegt, und wird die Belegungswahrscheinlichkeit der Fahrbahnlinie außerhalb der Straße (den Fahrbahnlinien und der Straßenbreitenregion) auf 0,5 festgelegt.
  • Bei der Berechnung der Belegungswahrscheinlichkeit der Fahrbahnlinie in Übereinstimmung mit einem solchen Sensormodell wie in 7 kann die Belegungsgitterkarte (und folglich die Belegungswahrscheinlichkeit) in Übereinstimmung mit der Bayes'schen Deduktion in einer zu dem Berechnungsprozess der Belegungsgitterkarte auf der Grundlage der Information von dem Laserradar 20 und dem Berechnungsprozess der Belegungsgitterkarte auf der Grundlage der Information von der Kommunikationseinrichtung 50 ähnlichen Art und Weise aktualisiert werden. Das heißt, dass Information von allen Sensoren in dem Rahmenwerk der Bayes'schen Deduktion verarbeitet werden kann. In dem Sensormodell von 7 wird dann, wenn eine Zelle auf einer der Fahrbahnlinien existiert, die Zelle als durch die Fahrbahnlinie belegt betrachtet (ein Ereignis zt ist aufgetreten). Falls eine Zelle in der Straßenbreitenregion zwischen benachbarten Fahrbahnlinien existiert, wird die Zelle als nicht durch die Fahrbahnlinie belegt betrachtet (ein Ereignis z t ist aufgetreten). Falls eine Zelle außerhalb der Straße existiert, kann nicht ermittelt werden, ob die Zelle durch die Fahrbahnlinie belegt ist oder nicht (kein Ereignis ist aufgetreten).
  • Erneut zu 2 zurückkehrend, führt in Schritt S50 die Signalverarbeitungs-ECU 10 eine gewichtete Vermischungs- bzw. Kombinations- oder Zusammenführungsoperation durch, in welcher die auf der Grundlage der Information von dem Laserradar 20, der Kommunikationseinrichtung 50 und der Kartendatenbank 40 berechneten Belegungswahrscheinlichkeiten unterschiedlich gewichtet und dann zusammengemischt bzw. zusammengeführt werden. Das heißt, dass für jede gemeinsame Zelle der auf der Grundlage der von den Sensoren (dem Laserradar 20, der Kommunikationseinrichtung 50 und der Kartendatenbank 40 in dem vorliegenden Ausführungsbeispiel) beschafften Information berechneten Belegungsgitterkarten die Belegungswahrscheinlichkeiten unterschiedlich gewichtet und dann miteinander kombiniert werden, um eine einzige Belegungsgitterkarte bereitzustellen. Die gewichtete Kombinationsoperation kann durch beispielsweise Anwenden einer gewichteten Mittelung erfolgen. In dem vorliegenden Ausführungsbeispiel wird die Gewichtungsoperation in Übereinstimmung mit der folgenden absteigenden Reihenfolge von Gewichten für die Sensoren durchgeführt: ein Gewicht für den Laserradar 20 > (ist größer als) ein Gewicht für die Kommunikationseinrichtung 50 > (ist größer als) ein Gewicht für die Kartendatenbank 40. Der Grund, weshalb der der Kartendatenbank 40 zugeordneten Belegungswahrscheinlichkeit das kleinste Gewicht zugewiesen wird, besteht darin, dass die Information aus der Kartendatenbank 40 als weniger genau im Vergleich zu der Information von den anderen Sensoren (dem Laserradar und der Kommunikationseinrichtung in dem vorliegenden Ausführungsbeispiel) erachtet werden. Es wird angemerkt, dass dann, wenn die Belegungswahrscheinlichkeit für die Zelle an der Position des eigenen Fahrzeugs höher ist (als 0,5, aber gleich oder kleiner als 1), das eigene Fahrzeug wahrscheinlicher mit irgend einem 3D-Objekt kollidieren oder irgend eine Fahrbahnlinie kreuzen wird.
  • Darauf folgend berechnet in Schritt S60 die Signalverarbeitungs-ECU 10 einen Schwellenwert, der einen für die kollisionsbasierte Anwendung unter Verwendung der Belegungsgitterkarte geeigneten Wert zwischen 0 und 1 annimmt. Der Schwellenwert kann in Abhängigkeit von der Art der kollisionsbasierten Anwendung geändert werden, während die Belegungswahrscheinlichkeit der Fahrbahnspur kleiner als die Belegungswahrscheinlichkeit eines tatsächlichen Objekts (3D-Objekt) festgelegt wird, wie vorstehend beschrieben wurde.
  • Wenn zum Beispiel eine Steuerung durchgeführt wird zum Verhindern, dass das eigene Fahrzeug die Fahrbahnlinie kreuzt, kann der Schwellenwert niedriger festgelegt werden als die Belegungswahrscheinlichkeit der Fahrbahnlinie. Andererseits kann dann, wenn eine Steuerung durchgeführt wird zum Vermeiden einer Kollision des eigenen Fahrzeugs mit dem tatsächlichen Objekt (3D-Objekt), während es dem eigenen Fahrzeug erlaubt wird, die Fahrbahnlinie zu kreuzen, der Schwellenwert höher als die Belegungswahrscheinlichkeit der Fahrbahnlinie und niedriger als die Belegungswahrscheinlichkeit des tatsächlichen Objekts (3D-Objekt) festgelegt werden, welches das eigene Fahrzeug in die Lage versetzt, die Kollision mit dem tatsächlichen Objekt durch Vermeiden von Vorgängen einschließlich dem Kreuzen der Fahrbahnlinie zu vermeiden.
  • Je niedriger der Schwellenwert wird, desto wesentlicher bzw. wichtig wird das Objekt (einschließlich der Fahrbahnspur) gemacht. Demgemäß wird die Fortbewegung des eigenen Fahrzeugs durch das erkannte Objekt stärker eingeschränkt. Demgegenüber wird, je höher der Schwellenwert wird, das Objekt umso weniger wesentlich bzw. wichtig. In Anbetracht des Vorstehenden kann zum Beispiel in Fällen, in denen die Bewegungswahrscheinlichkeit in der Fortbewegungsrichtung des eigenen Fahrzeugs niedrig genug ist, um die Fahrumgebung als sicher (oder frei von Hindernissen) erachten zu können, der Schwellenwert erhöht werden. Demgegenüber kann in Fällen, in denen die Belegungswahrscheinlichkeit in der Fortbewegungsrichtung des eigenen Fahrzeugs so hoch ist, dass die Fahrumgebung als nicht sicher erachtet wird (oder reich an Hindernissen ist), der Schwellenwert verringert werden. Unter der Annahme eines festen Schwellenwerts kann ein weiter gefasster Raum vor dem eigenen Fahrzeug, der frei von Hindernissen ist, zu einer Ermittlung führen, dass die Fahrumgebung sicherer wird. Demgegenüber kann ein enger gefasster Raum vor dem eigenen Fahrzeug, der frei von Hindernissen ist, zu einer Ermittlung führen, dass die Fahrumgebung gefährlicher wird.
  • Darauf folgend wird in Schritt S70 eine Raumerkennungsoperation auf der Grundlage des in Schritt S60 berechneten Schwellenwerts durchgeführt, in welcher unter Verwendung der Belegungsgitterkarte ermittelt wird, ob es irgendwelche Hindernisse gibt. Dies führt zu einer zuverlässigen Erkennung eines befahrbaren Raums für das eigene Fahrzeug, der frei von Hindernissen wie einem voraus fahrenden Fahrzeug und einem Fußgänger ist, wie in 8 gezeigt ist.
  • Wie vorstehend beschrieben wurde, erlaubt es das Fahrumgebung-Erkennungssystem gemäß dem vorliegenden Ausführungsbeispiel, die Fahrumgebung des eigenen Fahrzeugs (genauer das Vorhandensein von Hindernissen für die Fortbewegung des eigenen Fahrzeugs) durch die Belegungswahrscheinlichkeit in dem Absolutkoordinatensystem auszudrücken. Darüber hinaus kann in Übereinstimmung mit dem vorliegenden Ausführungsbeispiel die Genauigkeit der Fahrumgebungserkennung durch Aktualisieren der Belegungswahrscheinlichkeit in Übereinstimmung mit der Bayes'schen Deduktion gesteigert werden. Insbesondere werden in Übereinstimmung mit dem vorliegenden Ausführungsbeispiel die auf der Grundlage der Information von dem Laserradar 20, der Kommunikationseinrichtung 50 und der Kartendatenbank 40 berechneten Belegungswahrscheinlichkeiten miteinander kombiniert, welches im Vergleich zu der Fahrumgebungserkennung unter Verwendung der aus der Information von einem der Sensoren (d. h. dem Laserradar 20, der Kommunikationseinrichtung 50 oder der Kartendatenbank 40 in dem vorliegenden Ausführungsbeispiel) erhaltenen Belegungswahrscheinlichkeit zu einer genaueren Fahrumgebungserkennung führt. Dies erlaubt es, die Fahrumgebung des eigenen Fahrzeugs mit einem höheren Genauigkeitsgrad zu erkennen.
  • In dem vorliegenden Ausführungsbeispiel werden die auf der Grundlage der Information von dem Laserradar 20, der Kommunikationseinrichtung 50 und der Kartendatenbank 40 berechneten Belegungswahrscheinlichkeiten unterschiedlich gewichtet und dann miteinander kombiniert, so dass ein Einflussgrad der auf der Grundlage der Information von der Kartendatenbank 40 berechneten Belegungswahrscheinlichkeit, welche weniger genau ist als die auf der Grundlage der Information von der Kartendatenbank 40 bzw. des Laserradars 20 und der Kommunikationseinrichtung 50 berechneten Belegungswahrscheinlichkeiten, minimiert wird, welches zu einer Steigerung der Genauigkeit der kombinierten Belegungswahrscheinlichkeit führt. Obwohl die Kartendaten weniger genau sind als die Information von dem Laserradar 20 und der Kommunikationseinrichtung 50, können die Kartendaten Information bereitstellen, die nicht aus der Information von dem Laserradar 20 und der Kommunikationseinrichtung 50 erhalten werden kann (wie zum Beispiel Positionen von Kreuzungen und Formen orthogonaler Straßen). Daher kann die durch Kombinieren der auf der Grundlage der Information von dem Laserradar 20, der Kommunikationseinrichtung 50 und der Kartendatenbank 40 berechneten Belegungswahrscheinlichkeiten erhaltene Belegungswahrscheinlichkeit genauer sein als die Belegungswahrscheinlichkeit, die durch Kombinieren der Belegungswahrscheinlichkeiten erhalten wird, die nur auf der Grundlage der Information von dem Laserradar 20 und der Kommunikationseinrichtung 50 berechnet werden.
  • Ferner werden in dem vorliegenden Ausführungsbeispiel die Belegungswahrscheinlichkeiten in Übereinstimmung mit Sensormodellen berechnet, welches die Berechnung der Belegungswahrscheinlichkeiten erleichtern (oder die Verarbeitungslast verringern) kann.
  • Insbesondere wenn eine Vielzahl von sich voraus befindenden Objekten (3D-Objekten) entlang derselben geraden Linie durch den Laserradar 20 erfasst wird, wird die Belegungswahrscheinlichkeit an einem beobachteten Punkt näher an dem eigenen Fahrzeug kleiner festgelegt als die Belegungswahrscheinlichkeit an einem beobachteten Punkt weiter entfernt von dem eigenen Fahrzeug. Daher kann auch in Fällen, in denen Regen und/oder Nebel zufällig als ein 3D-Objekt an einer Position näher an dem eigenen Fahrzeug als eine Position eines tatsächlich existierenden 3D-Objekts erfasst wird, der Einflussgrad des Regens und/oder Nebels verringert werden.
  • In dem vorliegenden Ausführungsbeispiel wird die Belegungswahrscheinlichkeit der durch den Laserradar 20 erfassten Fahrbahnlinie kleiner festgelegt als die Belegungswahrscheinlichkeit des durch den Laserradar 20 erfassten 3D-Objekts. Daher kann die Belegungswahrscheinlichkeit der Fahrbahnlinie, die einen kleineren Behinderungsgrad als das 3D-Objekt hat, verringert werden.
  • In dem vorliegenden Ausführungsbeispiel wird die auf der Grundlage der Information von der Kommunikationseinrichtung 50 berechnete Belegungswahrscheinlichkeit mit Bezug zu einer Kontur des anderen Fahrzeugs definiert, welches zu höherer Genauigkeit der Belegungswahrscheinlichkeit führt.
  • Die Belegungswahrscheinlichkeit wird aktualisiert, so dass die Belegungswahrscheinlichkeit für die Zeile, die sich mit der Fahrbahnlinie schneidet bzw. kreuzt, größer wird, und die Belegungswahrscheinlichkeit für die Zelle, die sich in einer Straßenbreitenregion zwischen den Fahrbahnlinien befindet, kleiner wird, welches die Genauigkeit der Belegungswahrscheinlichkeit der Fahrbahnlinie auf der Grundlage der Kartendaten steigern kann.
  • (C6. Andere Ausführungsbeispiele)
  • In dem vorstehenden Ausführungsbeispiel wird eine Position des eigenen Fahrzeugs zu einer bestimmten Zeit t = 0 beispielhaft auf den Ursprung des Absolutkoordinatensystems (der Belegungsgitterkarte) festgelegt. In anderen Ausführungsbeispielen kann die Position des eigenen Fahrzeugs zu der Zeit t = 0 (welche ebenfalls beliebig sein kann) auf einen beliebigen Punkt in dem Absolutkoordinatensystem festgelegt. Es wird angemerkt, dass das Festlegen des Ursprungs des Absolutkoordinatensystems auf einen Punkt auf einer Straße, auf welcher sich das eigene Fahrzeug fortbewegt, einen Vorteil dahin gehend bereitstellt, dass die Position des eigenen Fahrzeugs aus nur dem Ausmaß der Bewegung des eigenen Fahrzeugs abgeleitet werden kann.
  • Darüber hinaus wird in dem vorstehenden Ausführungsbeispiel die zweidimensionale (2D) Belegungsgitterkarte in der X-Richtung und der Y-Richtung beispielhaft erzeugt. Alternativ kann die dreidimensionale (3D) Belegungsgitterkarte in der X-, der Y- und der Z-Richtung erzeugt werden, wobei die Z-Achse eine Höhenrichtung repräsentiert.
  • Ferner wird in dem vorstehenden Ausführungsbeispiel der Laserradar 20, der Laserlicht emittiert, beispielhaft als eine Radareinrichtung zum Erfassen von sich vor dem eigenen Fahrzeug befindenden Objekten verwendet. Alternativ kann anstelle des Laserradars 20 eine Radareinrichtung verwendet werden, die eine Funkwelle, wie beispielsweise eine Millimeterwelle oder eine Ultraschallwelle, aussendet, verwendet werden.
  • In dem vorstehenden Ausführungsbeispiel wurde nur die positionsbasierte Belegungsgitterkarte betrachtet. In einigen Ausführungsbeispielen kann zusätzlich zu dieser positionsbasierten Belegungsgitterkarte ebenfalls eine geschwindigkeitsbasierte Belegungsgitterkarte und/oder eine beschleunigungsbasierte Belegungsgitterkarte erzeugt werden. Zum Beispiel wird ausgehend vom Blickpunkt der Wahrscheinlichkeit die geschwindigkeitsbasierte Belegungsgitterkarte zum Erhalten einer Geschwindigkeit eines Objekts verwendet, wobei ausgehend vom Blickpunkt der Wahrscheinlichkeit für jede Zelle der positionsbasierten Belegungsgitterkarte die Position des Objekts entsprechend der Zelle nach einem Zyklus vorhergesagt wird. Unter der Annahme eines Typs des Objekts (ein Fahrzeug oder ein Fußgänger oder dergleichen) kann die Vorhersage der Position des Objekts unter Verwendung eines für Merkmale des Objekts geeigneten Bewegungsmodells genauer durchgeführt werden. Ausgehend vom Blickpunkt der Wahrscheinlichkeit kann eine solche Gewinnung der Geschwindigkeit des Objekts eine Notwendigkeit für einen Gruppierungsprozess (Gruppieren einer Vielzahl von Erfassungsergebnissen desselben Objekts) zum Ermitteln der Bewegung des Objekts beseitigen.
  • Zum Beispiel werden Positionen des Objekts bei t = 1, 2, ..., k unter Verwendung einer Geschwindigkeit und einer Beschleunigung des Objekts für jede Zelle der positionsbasierten Belegungsgitterkarte vorhergesagt, und werden dann Belegungswahrscheinlichkeiten aus den positionsbasierten Belegungsgitterkarten mit Bezug zu den vorhergesagten Positionen bei t = 1, 2, ..., k miteinander kombiniert, um eine Wahrscheinlichkeit einer Kollision oder eines Streifens eines Objekts über t = 1, 2, ..., k bereitzustellen, wobei k in Übereinstimmung mit einer motorischen Eigenschaft und/oder der Steuerspezifikation des eigenen Fahrzeugs auf eine geeignete Ganzzahl festgelegt wird. Demgemäß kann ein Bereich, in dem die Belegungswahrscheinlichkeiten bei t = 1, 2, ..., k niedrig sind, als ein für das eigene Fahrzeug befahrbarer Bereich definiert werden. Innerhalb des befahrbaren Bereichs wird das eigene Fahrzeug wahrscheinlich nicht mit dem Objekt kollidieren oder die Fahrbahnspur kreuzen.
  • In dem vorstehenden alternativen Ausführungsbeispiel wird jede Zelle der positionsbasierten Belegungsgitterkarte mit der geschwindigkeitsbasierten Belegungsgitterkarte versehen bzw. bereitgestellt, und wird jede Zelle der geschwindigkeitsbasierten Belegungsgitterkarte mit der beschleunigungsbasierten Belegungsgitterkarte versehen bzw. bereitgestellt. Daher wird eine Gesamtdatengröße der Belegungsgitterkarte exponentiell zunehmen, wenn die differentielle Ordnung eines Potenzials höher wird.
  • Wenn die Belegungsgitterkarte auf der Grundlage der Information von der Kommunikationseinrichtung 50 erzeugt wird, kann auch ein Ausmaß der Bewegung des anderen Fahrzeugs gewonnen werden, welches ausgehend von Blickpunkt der Wahrscheinlichkeit eine Notwendigkeit zum Gewinnen einer Geschwindigkeit des Objekts beseitigt. Ferner ist dann, wenn die Belegungsgitterkarte auf der Grundlage der Information aus der Kartendatenbank 40 erzeugt wird, die Belegungsgitterkarte nur auf ein stationäres Objekt wie beispielsweise eine Fahrbahnlinie gerichtet, welches ausgehend vom Blickpunkt der Wahrscheinlichkeit ebenfalls eine Notwendigkeit zum Gewinnen einer Geschwindigkeit des Objekts (der Fahrbahnlinie) beseitigt.
  • Demgegenüber wird dann, wenn die Belegungsgitterkarte auf der Grundlage der Information von dem Laserradar 20 erzeugt wird, nicht nur ein stationäres Objekt wie beispielsweise eine Hinweistafel und ein Leitpfosten erfasst, sondern auch ein sich bewegendes Objekt wie beispielsweise ein vorausfahrendes Fahrzeug und ein Fußgänger. Diese Objekte können jedoch in Übereinstimmung mit der positionsbasierten Belegungsgitterkarte nicht unterschieden werden. Das heißt, die geschwindigkeitsbasierte Belegungsgitterkarte ist spezifisch für die Belegungsgitterkarte, die auf der Grundlage der Information von dem Laserradar 20 erzeugt wird.
  • Die geschwindigkeitsbasierte Belegungsgitterkarte kann für jede Zelle der positionsbasierten Belegungsgitterkarte erzeugt werden. Die Berechnung für jede Zelle der positionsbasierten Belegungsgitterkarte kann jedoch zu einem starken Anstieg der Verarbeitungslast führen. Eine solche Zunahme der Verarbeitungslast kann durch Verwenden einer hierarchischen Belegungsgitterkarte wie in 9 gezeigt wirkungsvoll verhindert werden. Nachstehend wird ein Konzept der hierarchischen unter Bezugnahme auf 9 kurz erklärt.
  • In einem anfänglichen Schritt (S100) wird eine niedrig auflösende Belegungsgitterkarte bzw. Niedrigauflösung-Belegungsgitterkarte aus der hoch auflösenden Belegungsgitterkarte bzw. Hochauflösung-Belegungsgitterkarte (d. h. der positionsbasierten Belegungsgitterkarte wie vorstehend beschrieben) durch Gruppieren aller ursprünglicher Zellen der Hochauflösung-Belegungsgitterkarte in größere gleiche Zellen, von denen jede aus einer vorgeschriebenen Anzahl von ursprünglichen Zellen besteht, erzeugt.
  • Wenn zum Beispiel jede Zelle der Niedrigauflösung-Belegungsgitterkarte ein Quadrat von 5 m ist, entspricht die Zelle 100 ursprünglichen Zellen der hoch auflösenden, positionsbasierten Belegungsgitterkarte.
  • Darauffolgend wird in Schritt S200 für jede Zelle der Niedrigauflösung-Belegungsgitterkarte ermittelt, ob eine Belegungswahrscheinlichkeit eines Objekts hoch genug ist, um anzuzeigen, dass das Objekt wahrscheinlich auf der Zelle existiert. Falls die Belegungswahrscheinlichkeit für die Zelle niedrig ist, dann fährt der Prozess nicht zu weiterer Berechnung fort. Falls die Belegungswahrscheinlichkeit für die Zelle hoch ist, werden die ursprünglichen Zellen der Hochauflösung-Belegungsgitterkarte entsprechend der Zelle (der interessierenden Zelle) der Niedrigauflösung-Belegungsgitterkarte in Schritt S300 markiert. Dann schreitet der Prozess zu einer genaueren Berechnung in Schritt S400 fort, in der die Berechnung der Belegungswahrscheinlichkeit wie vorstehend beschrieben über die markierten Zellen der Hochauflosung-Belegungsgitterkarte für alle interessierenden Zellen der Niedrigauflösung-Belegungsgitterkarte durchgeführt wird. Darauffolgend werden in Schritt S500 Belegungswahrscheinlichkeiten für die anderen Zellen als die interessierenden Zellen (”grobe” Verteilungen) der Niedrigauflösung-Belegungsgitterkarte in nicht verarbeitete Bereiche in der Hochauflösung-Belegungsgitterkarte kopiert. Demzufolge kann die auf einer solchen hierarchischen Belegungsgitterkarte basierende Prozedur die Anzahl von Zellen der Hochauflösung-Belegungsgitterkarte, für welche eine genauere Berechnung der Belegungswahrscheinlichkeit durchzuführen ist, verringern, welches die Verarbeitungslast verringern kann.
  • Viele Modifikationen und andere Ausführungsbeispiele der Erfindung werden sich für den Fachmann, an welchen sich diese Erfindung richtet, mit Gewinn aus der in der vorangehenden Beschreibung und den zugeordneten Zeichnungen dargelegten Lehre ergeben, Daher versteht es sich, dass die Erfindung nicht auf die offenbarten bestimmten Ausführungsbeispiele beschränkt ist, und dass Modifikationen und andere Ausführungsbeispiele in den Schutzbereich der beigefügten Ansprüche einzubeziehen sind. Obwohl hierin bestimmte Begriffe verwendet werden, werden sie in einem allgemeinen und nur beschreibenden Sinne verwendet, und nicht zu Zwecken einer Beschränkung.
  • 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
    • JP 2008-3253 [0004, 0005]

Claims (16)

  1. Fahrumgebung-Erkennungseinrichtung (10), die eine Fahrumgebung eines eigenen Fahrzeugs erkennt, mit: einer Eigenes-Fahrzeug-Positionsermittlungseinrichtung (S20) zum Ermitteln einer Position und einer Fahrtrichtung des eigenen Fahrzeugs in einem Absolutkoordinatensystem, dessen Ursprung an einem beliebigen Punkt liegt, auf der Grundlage von Information von einem oder mehreren Sensor(en) zum Erfassen eines Ausmaßes einer Bewegung des Fahrzeugs; und einer Belegungsgitterkarten-Erzeugungseinrichtung (S30 bis S50) zum Unterteilen des Absolutkoordinatensystems in ein Gitter von gleichen Zellen und Erzeugen einer Belegungsgitterkarte, die eine Belegungswahrscheinlichkeit jedes Hindernisses für die Fahrt des eigenen Fahrzeugs für jede Zelle des Gitters speichert, und Aktualisieren der Belegungswahrscheinlichkeit in Übereinstimmung mit Bayes'scher Deduktion, wobei die Belegungsgitterkarten-Erzeugungseinrichtung beinhaltet: eine Objekt-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40) zum Berechnen der Belegungswahrscheinlichkeit eines sich voraus befindenden Objekts für jede Zelle der Belegungsgitterkarte auf der Grundlage von Information von einer Radareinrichtung (20), die das sich vor dem eigenen Fahrzeug befindende Objekt erfasst, welches ein Hindernis ist; eine Anderes-Fahrzeug-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40) zum Berechnen der Belegungswahrscheinlichkeit eines anderen Fahrzeugs für jede Zelle der Belegungsgitterkarte auf der Grundlage von Information von einer Kommunikationseinrichtung (50), die von dem anderen Fahrzeug in der Umgebung des eigenen Fahrzeugs, welches ein Hindernis ist, übermittelte Positionsinformation empfängt, eine Fahrbahnlinien-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40) zum Berechnen der Belegungswahrscheinlichkeit der Fahrbahnlinie für jede Zelle der Belegungsgitterkarte auf der Grundlage von Information von einer Speichereinrichtung, die Kartendaten (40) speichern, welche es erlauben, eine Position einer Fahrbahnlinie, welche ein Hindernis ist, zu bestimmen; und eine Belegungswahrscheinlichkeit-Vermischungseinrichtung (S50) zum Vermischen, für jede Zelle der Belegungsgitterkarte, der durch die Objekt-Belegungswahrscheinlichkeit-Berechnungseinrichtung berechneten Belegungswahrscheinlichkeit, der durch die AnderesFahrzeug-Belegungswahrscheinlichkeit-Berechnungseinrichtung berechneten Belegungswahrscheinlichkeit, und der durch die Fahrspurlinien-Belegungswahrscheinlichkeit-Berechnungseinrichtung berechneten Belegungswahrscheinlichkeit, um eine vermischte Belegungswahrscheinlichkeit der Hindernisse für die Fahrt des eigenen Fahrzeugs bereitzustellen.
  2. Einrichtung (10) nach Anspruch 1, bei der die Belegungswahrscheinlichkeit-Vermischungseinrichtung (50) die durch die Objekt-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40) berechnete Belegungswahrscheinlichkeit, die durch die Anderes-Fahrzeug-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40) berechnete Belegungswahrscheinlichkeit, und die durch die Fahrspurlinien-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40) berechnete Belegungswahrscheinlichkeit so vermischt, dass ein Einflussgrad der durch die Fahrspurlinien-Belegungswahrscheinlichkeit-Berechnungseinrichtung berechneten Belegungswahrscheinlichkeit minimiert wird.
  3. Einrichtung (10) nach Anspruch 1, bei der die Radareinrichtung (20) in der Lage ist, ein dreidimensionales Objekt als das sich voraus befindende Objekt zu erfassen, und die Objekt-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40) die Belegungswahrscheinlichkeit des dreidimensionalen Objekts in Übereinstimmung mit einem Sensormodell berechnet, das die Belegungswahrscheinlichkeit des dreidimensionalen Objekts als eine Funktion eines direkten Abstands von einem Erfassungswellen-Abstrahlpunkt der Radareinrichtung entlang einer geraden Linie durch den Erfassungswellen-Abstrahlpunkt und einen beobachteten Punkt des dreidimensionalen Objekts definiert.
  4. Einrichtung (10) nach Anspruch 3, bei der dann, wenn die Radareinrichtung (20) zwei dreidimensionale Objekte an ihren beobachteten Punkten entlang einer geraden Linie durch die zwei beobachteten Punkte und den Erfassungswellen-Abstrahlpunkt der Radareinrichtung erfasst, die Objekt-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40) die Belegungswahrscheinlichkeit der zwei dreidimensionalen Objekte in Übereinstimmung mit einem Sensormodell berechnet, das die Belegungswahrscheinlichkeit des dreidimensionalen Objekts als eine Funktion eines direkten Abstands von dem Erfassungswellen-Abstrahlpunkt der Radareinrichtung entlang der geraden Linie derart, dass die Belegungswahrscheinlichkeit an dem beobachteten Punkt näher an dem eigenen Fahrzeug kleiner als die Belegungswahrscheinlichkeit an dem beobachteten Punkt weiter entfernt von dem eigenen Fahrzeug festgelegt wird, definiert.
  5. Einrichtung (10) nach Anspruch 3, bei der die Radareinrichtung (20) auch in der Lage ist, eine Fahrspurlinie als das sich voraus befindende Objekt zu erfassen, und die Objekt-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40) die Belegungswahrscheinlichkeit der Fahrspurlinie in Übereinstimmung mit einem Sensormodell derart berechnet, dass die Belegungswahrscheinlichkeit der Fahrspurlinie kleiner festgelegt wird als die Belegungswahrscheinlichkeit des dreidimensionalen Objekts.
  6. Einrichtung (10) nach Anspruch 1, bei der die Kommunikationseinrichtung (50) Information über eine Position und eine Fahrtrichtung des anderen Fahrzeugs als die Positionsinformation empfängt, und die Anderes-Fahrzeug-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40) die Belegungswahrscheinlichkeit des anderen Fahrzeugs in Übereinstimmung mit einem Sensormodell berechnet, das eine Entsprechungsbeziehung zwischen einer Position in Bezug auf eine Kontur des anderen Fahrzeugs und der Belegungswahrscheinlichkeit des anderen Fahrzeugs definiert.
  7. Einrichtung (10) nach Anspruch 1, bei der die Fahrspurlinien-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40) die Belegungswahrscheinlichkeit der Fahrspurlinie in Übereinstimmung mit einem Sensormodell derart, dass die Belegungswahrscheinlichkeit für die Zelle, die sich mit einer von zwei benachbarten Fahrspurlinien schneidet, größer als 0,5 festgelegt wird und die Belegungswahrscheinlichkeit für die Zelle, die in einem Straßenbreitenabschnitt der Straße, auf der sich das eigene Fahrzeug fortbewegt, enthalten ist, kleiner als 0,5 festgelegt wird, wobei der Straßenbreitenabschnitt zwischen den zwei benachbarten Fahrspurlinien liegt und die zwei Bahnspuren nicht einschließt, berechnet.
  8. Einrichtung (10) nach Anspruch 1, bei der die Belegungswahrscheinlichkeit-Vermischungseinrichtung (S50) für jede Zelle der Belegungsgitterkarte ein gewichtetes Mittel der durch die Objekt-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40) berechneten Belegungswahrscheinlichkeit, der durch die Anderes-Fahrzeug-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40) berechneten Belegungswahrscheinlichkeit und der durch die Fahrspurlinien-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40) berechneten Belegungswahrscheinlichkeit berechnet.
  9. Einrichtung (10) nach Anspruch 8, bei der bei der Berechnung des gewichteten Mittels verwendete Gewichte derart sind, dass ein Gewicht für die durch die Objekt-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40) berechnete Belegungswahrscheinlichkeit größer ist als ein Gewicht für die durch die Anderes-Fahrzeug-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40) berechnete Belegungswahrscheinlichkeit, und das Gewicht für die durch die Anderes-Fahrzeug-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40) berechnete Belegungswahrscheinlichkeit größer ist als ein Gewicht für die durch die Fahrspurlinien-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40) berechnete Belegungswahrscheinlichkeit.
  10. Einrichtung (10) nach Anspruch 1, bei der die Radareinrichtung (20) ein Laserradar ist.
  11. Einrichtung (10) nach Anspruch 1, bei der der Ursprung des Absolutkoordinatensystems auf eine Position des eigenen Fahrzeugs zu einer bestimmten Zeit festgelegt ist.
  12. Einrichtung (10) nach Anspruch 1, ferner mit: einer Niedrigauflösung-Belegungsgitterkarten-Erzeugungseinrichtung (S100–S200) zum Gruppieren (S100) einer vorbestimmten Anzahl von wechselseitig benachbarten Zellen des Gitters in eine größere Zelle eines niedrig auflösenden Gitters über dem Gitter, und Erzeugen einer Niedrigauflösung-Belegungsgitterkarte, die eine Niedrigauflösung-Belegungswahrscheinlichkeit jedes Hindernisses für die Fahrt des eigenen Fahrzeugs für jede Zelle des niedrig auflösenden Gitters speichert, und Aktualisieren der Niedrigauflösung-Belegungswahrscheinlichkeit in Übereinstimmung mit der Bayes'schen Deduktion, wobei die Niedrigauflösung-Belegungsgitterkarten-Erzeugungseinrichtung beinhaltet: eine Niedrigauflösung-Objekt-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S200) zum Berechnen der Niedrigauflösung-Belegungswahrscheinlichkeit des sich voraus befindenden Objekts für jede Zelle der Niedrigauflösung-Belegungsgitterkarte auf der Grundlage der Information von der Radareinrichtung (20); eine Niedrigauflösung-Anderes-Fahrzeug-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S200) zum Berechnen der Niedrigauflösung-Belegungswahrscheinlichkeit des anderen Fahrzeugs für jede Zelle der Niedrigauflösung-Belegungsgitterkarte auf der Grundlage der Information von der Kommunikationseinrichtung (50); eine Niedrigauflösung-Fahrbahnlinien-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S200) zum Berechnen der Niedrigauflösung-Belegungswahrscheinlichkeit der Fahrbahnlinie für jede Zelle der Niedrigauflösung-Bewegungsgitterkarte auf der Grundlage der Information von der Speichereinrichtung, die die Kartendaten (40) speichert; und eine Niedrigauflösung-Belegungswahrscheinlichkeit-Vermischungseinrichtung (S200) zum Vermischen, für jede Zelle der Niedrigauflösung-Belegungsgitterkarte, der durch die Niedrigauflösung-Objekt-Belegungswahrscheinlichkeit-Berechnungseinrichtung berechneten Niedrigauflösung-Belegungswahrscheinlichkeit, der durch die Niedrigauflösung-Anderes-Fahrzeug-Belegungswahrscheinlichkeit-Berechnungseinrichtung berechneten Niedrigauflösung-Belegungswahrscheinlichkeit, und der durch die Niedrigauflösung-Fahrbahnlinien-Belegungswahrscheinlichkeit-Berechnungseinrichtung berechneten Niedrigauflösung-Belegungswahrscheinlichkeit, um eine niedrig auflösende vermischte Belegungswahrscheinlichkeit der Hindernisse für die Fortbewegung des eigenen Fahrzeugs bereitzustellen, wobei die Einrichtung außerdem weiter beinhaltet: eine Niedrigauflösung-Gitterzellen-Auswahleinrichtung (S300) zum Auswählen einer Zelle aus den gleichen größeren Zellen der Niedrigauflösung-Belegungsgitterkarte, die die durch die Niedrigauflösung-Belegungswahrscheinlichkeit-Vermischungseinrichtung berechnete niedrig auflösende vermischte Belegungswahrscheinlichkeit der Hindernisse hat, die größer ist als ein vorbestimmter Schwellenwert, wobei die Objekt-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40, S400) auf der Grundlage der Information von der Radareinrichtung (20) die Belegungswahrscheinlichkeit des sich voraus befindenden Objekts für jede Zelle jeder größeren Zelle der Niedrigauflösung-Belegungsgitterkarte berechnet, die durch die Niedrigauflösung-Gitterzellen-Auswahleinrichtung ausgewählt ist, die Anderes-Fahrzeug-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40, S400) auf der Grundlage der Information von der Kommunikationseinrichtung (50) die Belegungswahrscheinlichkeit des anderen Fahrzeugs für jede Zelle jeder größeren Zelle der Niedrigauflösung-Belegungsgitterkarte berechnet, die durch die Niedrigauflösung-Gitterzellen-Auswahleinrichtung ausgewählt ist; die Fahrbahnlinien-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40, S400) auf der Grundlage der Information von der Speichereinrichtung, die Kartendaten (40) speichert, die Belegungswahrscheinlichkeit der Fahrbahnlinie für jede Zelle jeder größeren Zelle der Niedrigauflösung-Belegungsgitterkarte berechnet, die durch die Niedrigauflösung-Gitterzellen-Auswahleinrichtung ausgewählt ist; und die Belegungswahrscheinlichkeit-Vermischungseinrichtung (S50, S400) für jede Zelle jeder größeren Zelle der Niedrigauflösung-Belegungsgitterkarte, die durch die Niedrigauflösung-Gitterzellen-Auswahleinrichtung ausgewählt ist, die durch die Objekt-Belegungswahrscheinlichkeit-Berechnungseinrichtung berechnete Belegungswahrscheinlichkeit, die durch die Anderes-Fahrzeug-Belegungswahrscheinlichkeit-Berechnungseinrichtung berechnete Belegungswahrscheinlichkeit und die durch die Fahrspurlinien-Belegungswahrscheinlichkeit-Berechnungseinrichtung berechnete Belegungswahrscheinlichkeit vermischt, um die vermischte Belegungswahrscheinlichkeit der Hindernisse für die Fortbewegung des eigenen Fahrzeugs bereitzustellen.
  13. Fahrumgebung-Erkennungseinrichtung (10), die eine Fahrumgebung eines eigenen Fahrzeugs erkennt, mit: einer Eigenes-Fahrzeug-Positionsermittlungseinrichtung (S20) zum Ermitteln einer Position und einer Fahrtrichtung des eigenen Fahrzeugs in einem Absolutkoordinatensystem, dessen Ursprung an einem beliebigen Punkt liegt, auf der Grundlage von Information von einem oder mehreren Sensor(en) zum Erfassen eines Ausmaßes einer Bewegung des Fahrzeugs; und einer Belegungsgitterkarten-Erzeugungseinrichtung (S30 bis S50) zum Unterteilen des Absolutkoordinatensystems in ein Gitter von gleichen Zellen und Erzeugen einer Belegungsgitterkarte, die eine Belegungswahrscheinlichkeit jedes Hindernisses für die Fahrt des eigenen Fahrzeugs für jede Zelle des Gitters speichert, und Aktualisieren der Belegungswahrscheinlichkeit in Übereinstimmung mit Bayes'scher Deduktion, wobei die Belegungsgitterkarten-Erzeugungseinrichtung beinhaltet: eine Objekt-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40) zum Berechnen der Belegungswahrscheinlichkeit eines sich voraus befindenden Objekts für jede Zelle der Belegungsgitterkarte auf der Grundlage von Information von einer Radareinrichtung (20), die das sich vor dem eigenen Fahrzeug befindende Objekt erfasst, welches ein Hindernis ist; eine Anderes-Fahrzeug-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40) zum Berechnen der Belegungswahrscheinlichkeit eines anderen Fahrzeugs für jede Zelle der Belegungsgitterkarte auf der Grundlage von Information von einer Kommunikationseinrichtung (50), die von dem anderen Fahrzeug in der Umgebung des eigenen Fahrzeugs, welches ein Hindernis ist, übermittelte Positionsinformation empfängt; und eine Belegungswahrscheinlichkeit-Vermischungseinrichtung (S50) zum Vermischen, für jede Zelle der Belegungsgitterkarte, der durch die Objekt-Belegungswahrscheinlichkeit-Berechnungseinrichtung berechneten Belegungswahrscheinlichkeit und der durch die Anderes-Fahrzeug-Belegungswahrscheinlichkeit-Berechnungseinrichtung berechneten Belegungswahrscheinlichkeit, um eine vermischte Belegungswahrscheinlichkeit der Hindernisse für die Fahrt des eigenen Fahrzeugs bereitzustellen.
  14. Fahrumgebung-Erkennungseinrichtung (10), die eine Fahrumgebung eines eigenen Fahrzeugs erkennt, mit: einer Eigenes-Fahrzeug-Positionsermittlungseinrichtung (S20) zum Ermitteln einer Position und einer Fahrtrichtung des eigenen Fahrzeugs in einem Absolutkoordinatensystem, dessen Ursprung an einem beliebigen Punkt liegt, auf der Grundlage von Information von einem oder mehreren Sensor(en) zum Erfassen eines Ausmaßes einer Bewegung des Fahrzeugs; und einer Belegungsgitterkarten-Erzeugungseinrichtung (S30 bis S50) zum Unterteilen des Absolutkoordinatensystems in ein Gitter von gleichen Zellen und Erzeugen einer Belegungsgitterkarte, die eine Belegungswahrscheinlichkeit jedes Hindernisses für die Fahrt des eigenen Fahrzeugs für jede Zelle des Gitters speichert, und Aktualisieren der Belegungswahrscheinlichkeit in Übereinstimmung mit Bayes'scher Deduktion, wobei die Belegungsgitterkarten-Erzeugungseinrichtung beinhaltet: eine Objekt-Belegungswahrscheinlichkeit Berechnungseinrichtung (S30, S40) zum Berechnen der Belegungswahrscheinlichkeit eines sich voraus befindenden Objekts für jede Zelle der Belegungsgitterkarte auf der Grundlage von Information von einer Radareinrichtung (20), die das sich vor dem eigenen Fahrzeug befindende Objekt erfasst, welches ein Hindernis ist; eine Fahrbahnlinien-Belegungswahrscheinlichkeit-Berechnungseinrichtung (S30, S40) zum Berechnen der Belegungswahrscheinlichkeit der Fahrbahnlinie für jede Zelle der Belegungsgitterkarte auf der Grundlage von Information von einer Speichereinrichtung, die Kartendaten (40) speichert, welche es erlauben, eine Position einer Fahrbahnlinie, welche ein Hindernis ist, zu bestimmen; und eine Belegungswahrscheinlichkeit Vermischungseinrichtung (S50) zum Vermischen, für jede Zelle der Belegungsgitterkarte, der durch die Objekt-Belegungswahrscheinlichkeit-Berechnungseinrichtung berechneten Belegungswahrscheinlichkeit und der durch die Fahrspurlinien-Belegungswahrscheinlichkeit-Berechnungseinrichtung berechneten Belegungswahrscheinlichkeit, um eine vermischte Belegungswahrscheinlichkeit der Hindernisse für die Fahrt des eigenen Fahrzeugs bereitzustellen.
  15. Verfahren zum Erkennen einer Fahrumgebung eines eigenen Fahrzeugs, mit den Schritten: Ermitteln einer Position und einer Fahrtrichtung des eigenen Fahrzeugs in einem Absolutkoordinatensystem, dessen Ursprung an einem beliebigen Punkt liegt, auf der Grundlage von Information von einem oder mehreren Sensor(en) zum Erfassen eines Ausmaßes einer Bewegung des Fahrzeugs (S20); und Unterteilen des Absolutkoordinatensystems in ein Gitter von gleichen Zellen und Erzeugen einer Belegungsgitterkarte, die eine Belegungswahrscheinlichkeit jedes Hindernisses für die Fahrt des eigenen Fahrzeugs für jede Zelle des Gitters speichert, und Aktualisieren der Belegungswahrscheinlichkeit in Übereinstimmung mit Bayes'scher Deduktion (S30 bis S50), wobei der Belegungsgitterkarten-Erzeugungsschritt beinhaltet: Berechnen (S30, S40) der Belegungswahrscheinlichkeit eines sich voraus befindenden Objekts für jede Zelle der Belegungsgitterkarte auf der Grundlage von Information von einer Radareinrichtung (20), die das sich vor dem eigenen Fahrzeug befindende Objekt erfasst, welches ein Hindernis ist; Berechnen (S30, S40) der Belegungswahrscheinlichkeit eines anderen Fahrzeugs für jede Zelle der Belegungsgitterkarte auf der Grundlage von Information von einer Kommunikationseinrichtung (50), die von dem anderen Fahrzeug in der Umgebung des eigenen Fahrzeugs, welches ein Hindernis ist, übermittelte Positionsinformation empfängt, Berechnen (S30, S40) der Belegungswahrscheinlichkeit der Fahrspurlinie für jede Zelle der Belegungsgitterkarte auf der Grundlage von Information von einer Speichereinrichtung, die Kartendaten (40) speichert, welche es erlauben, eine Position einer Fahrspurlinie, welche ein Hindernis ist, zu bestimmen; und Vermischen (S50), für jede Zelle der Belegungsgitterkarte, der in dem Objekt-Belegungswahrscheinlichkeit-Berechnungsschritt berechneten Belegungswahrscheinlichkeit, der in dem Anderes-Fahrzeug-Belegungswahrscheinlichkeit-Berechnungsschritt berechneten Belegungswahrscheinlichkeit, und der in dem Fahrspurlinien-Belegungswahrscheinlichkeit-Berechnungsschritt berechneten Belegungswahrscheinlichkeit, um eine vermischte Belegungswahrscheinlichkeit der Hindernisse für die Fahrt des eigenen Fahrzeugs bereitzustellen.
  16. Verfahren nach Anspruch 15, bei dem der Belegungswahrscheinlichkeit-Vermischungsschritt (S50) ein Berechnen, für jede Zelle der Belegungsgitterkarte, eines gewichteten Mittels der in dem Objekt-Belegungswahrscheinlichkeit-Berechnungsschritt (S30, S40) berechneten Belegungswahrscheinlichkeit, der in dem Anderes-Fahrzeug-Belegungswahrscheinlichkeit-Berechnungsschritt (S30, S40) berechneten Belegungswahrscheinlichkeit und der in dem Fahrspurlinien-Belegungswahrscheinlichkeit-Berechnungsschritt (S30, S40) berechneten Belegungswahrscheinlichkeit beinhaltet.
DE102011081740A 2010-08-30 2011-08-29 Fahrumgebung-Erkennungseinrichtung und Fahrumgebung-Erkennungsverfahren Ceased DE102011081740A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2010-192456 2010-08-30
JP2010192456A JP5206752B2 (ja) 2010-08-30 2010-08-30 走行環境認識装置

Publications (1)

Publication Number Publication Date
DE102011081740A1 true DE102011081740A1 (de) 2012-03-08

Family

ID=45595568

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102011081740A Ceased DE102011081740A1 (de) 2010-08-30 2011-08-29 Fahrumgebung-Erkennungseinrichtung und Fahrumgebung-Erkennungsverfahren

Country Status (3)

Country Link
US (1) US8744744B2 (de)
JP (1) JP5206752B2 (de)
DE (1) DE102011081740A1 (de)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011056413A1 (de) * 2011-12-14 2013-06-20 Continental Teves Ag & Co. Ohg Freirauminformationen in einem Belegungsgitter als Grundlage für die Bestimmung eines Manöverraums für ein Fahrzeug
DE102013018315A1 (de) 2013-10-31 2015-04-30 Bayerische Motoren Werke Aktiengesellschaft Umfeldmodell mit adaptivem Gitter
WO2015173005A1 (de) * 2014-05-13 2015-11-19 Bayerische Motoren Werke Aktiengesellschaft Umfeldkarte für fahrflächen mit beliebigem höhenverlauf
WO2015188904A1 (de) * 2014-06-13 2015-12-17 Daimler Ag Verfahren und vorrichtung zumindest zur minderung der folgen einer kollision eines fahrzeugs
DE102014210770A1 (de) * 2014-06-05 2015-12-17 Conti Temic Microelectronic Gmbh Verfahren und system zur bestimmung einer fahrzeugposition eines fahrzeuges
DE102015207978B3 (de) * 2015-04-30 2016-06-23 Bayerische Motoren Werke Aktiengesellschaft Analyse der Belegung von grid-basierten Umfeldkarten eines Fahrzeugs
WO2016150728A1 (de) * 2015-03-24 2016-09-29 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum bereitstellen von hinderniskarten für fahrzeuge
WO2016165704A3 (de) * 2015-04-13 2016-12-08 Continental Teves Ag & Co. Ohg Steuervorrichtung für ein fahrzeug und verfahren
DE102013205952B4 (de) * 2012-04-09 2020-03-19 GM Global Technology Operations, LLC (n.d. Ges. d. Staates Delaware) Rekonfigurierbares System und Verfahren zur Detektion eines freien Pfads
WO2020069922A1 (de) * 2018-10-05 2020-04-09 HELLA GmbH & Co. KGaA Verfahren zur bereitstellung von objektinformationen von statischen objekten in einer umgebung eines fahrzeuges
WO2022001337A1 (zh) * 2020-06-30 2022-01-06 华为技术有限公司 一种定位地图生成方法、定位方法及装置

Families Citing this family (117)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102763146B (zh) * 2010-02-22 2015-02-11 丰田自动车株式会社 危险度计算装置
KR101074638B1 (ko) * 2011-05-04 2011-10-18 한국항공우주연구원 조향 모델을 이용한 주행차선 판단방법
DE102011081397A1 (de) * 2011-08-23 2013-02-28 Robert Bosch Gmbh Verfahren zur Schätzung eines Straßenverlaufs und Verfahren zur Steuerung einer Lichtaussendung zumindest eines Scheinwerfers eines Fahrzeugs
JP5522157B2 (ja) * 2011-12-14 2014-06-18 株式会社デンソー 先行車判定装置および車間制御装置
WO2013148675A1 (en) * 2012-03-26 2013-10-03 Robert Bosch Gmbh Multi-surface model-based tracking
JP5600332B2 (ja) * 2012-03-29 2014-10-01 富士重工業株式会社 運転支援装置
DE102012105332A1 (de) * 2012-06-19 2013-12-19 Continental Teves Ag & Co. Ohg Verfahren zur Darstellung einer Fahrzeugumgebung
DE102012214307A1 (de) * 2012-08-10 2014-02-13 Robert Bosch Gmbh Verfahren und Vorrichtung zum Modellieren eines Umfelds
DE102013200387A1 (de) * 2013-01-14 2014-07-17 Robert Bosch Gmbh Erstellung einer Hinderniskarte
JP6128584B2 (ja) 2013-01-16 2017-05-17 株式会社Ｓｏｋｅｎ 走行経路生成装置
US9367065B2 (en) * 2013-01-25 2016-06-14 Google Inc. Modifying behavior of autonomous vehicles based on sensor blind spots and limitations
AU2014255730B2 (en) * 2013-04-16 2018-07-05 Trajet Gmbh Method for the combined determination of a speed and an image taken from a vehicle, and apparatus suitable therefor
DE102013211109A1 (de) * 2013-06-14 2014-12-31 Robert Bosch Gmbh Assistenzvorrichtung und Verfahren zum Unterstützen eines Fahrers des Fahrzeugs
US8996197B2 (en) * 2013-06-20 2015-03-31 Ford Global Technologies, Llc Lane monitoring with electronic horizon
GB201318185D0 (en) * 2013-10-14 2013-11-27 Guidance Navigation Ltd Tracking device
KR101503473B1 (ko) 2014-01-10 2015-03-18 한양대학교 산학협력단 차량의 주행 상황 판단 시스템 및 방법
KR102472494B1 (ko) * 2014-03-28 2022-11-29 얀마 파워 테크놀로지 가부시키가이샤 자율 주행 작업 차량
FR3022049B1 (fr) * 2014-06-06 2016-07-22 Inria Inst Nat De Rech En Informatique Et En Automatique Procede d'analyse d'une scene dynamique, module d'analyse et programme d'ordinateur associes
DE102014111127A1 (de) * 2014-08-05 2016-02-11 Valeo Schalter Und Sensoren Gmbh Verfahren zum Erzeugen einer Umgebungskarte sowie Fahrerassistenzsystem
KR101610502B1 (ko) * 2014-09-02 2016-04-07 현대자동차주식회사 자율주행차량의 주행환경 인식장치 및 방법
US20160146616A1 (en) * 2014-11-21 2016-05-26 Alpine Electronics, Inc. Vehicle positioning by map matching as feedback for ins/gps navigation system during gps signal loss
JP2016103194A (ja) * 2014-11-28 2016-06-02 パナソニックＩｐマネジメント株式会社 車両走行支援装置及び車両走行支援方法
EP3048023B1 (de) * 2015-01-23 2018-11-28 Honda Research Institute Europe GmbH Verfahren zur Unterstützung eines Fahrers beim Fahren eines Ego-Fahrzeugs und zugehöriges Fahrerassistenzsystem
DE102015201706A1 (de) * 2015-02-02 2016-08-04 Bayerische Motoren Werke Aktiengesellschaft Verarbeitung von Sensormessungen eines Fahrzeugumfeldes bei geringer Querauflösung
JP6237685B2 (ja) * 2015-04-01 2017-11-29 トヨタ自動車株式会社 車両制御装置
KR101734654B1 (ko) * 2015-06-25 2017-05-11 현대자동차주식회사 레이저 스캐너를 이용한 센서 중심 좌표계의 점유 격자 지도를 작성하는 시스템 및 방법
JP6567056B2 (ja) 2015-07-31 2019-08-28 日立オートモティブシステムズ株式会社 自車周辺情報管理装置
FR3041451B1 (fr) * 2015-09-22 2018-02-16 Commissariat A L'energie Atomique Et Aux Energies Alternatives Procede et systeme de perception de corps materiels
CN105447892B (zh) * 2015-11-05 2018-04-17 奇瑞汽车股份有限公司 车辆偏航角的确定方法及装置
CN105573318B (zh) * 2015-12-15 2018-06-12 中国北方车辆研究所 基于概率分析的环境构建方法
JP6597415B2 (ja) * 2016-03-07 2019-10-30 株式会社デンソー 情報処理装置及びプログラム
JP6239664B2 (ja) * 2016-03-16 2017-11-29 株式会社デンソーアイティーラボラトリ 周辺環境推定装置及び周辺環境推定方法
US9864377B2 (en) * 2016-04-01 2018-01-09 Locus Robotics Corporation Navigation using planned robot travel paths
US11222438B2 (en) 2016-05-27 2022-01-11 Kabushiki Kaisha Toshiba Information processing apparatus, vehicle, and information processing method for presence probability of object
US11132611B2 (en) 2016-05-27 2021-09-28 Kabushiki Kaisha Toshiba Information processing apparatus and information processing method for determining presence probability of object
US11204610B2 (en) 2016-05-30 2021-12-21 Kabushiki Kaisha Toshiba Information processing apparatus, vehicle, and information processing method using correlation between attributes
EP3252658B1 (de) 2016-05-30 2021-08-11 Kabushiki Kaisha Toshiba Informationsverarbeitungsvorrichtung und informationsverarbeitungsverfahren
DE102016210886A1 (de) * 2016-06-17 2017-12-21 Robert Bosch Gmbh Konzept zum Steuern eines Verkehrs innerhalb eines Parkplatzes
JP6678605B2 (ja) * 2017-01-11 2020-04-08 株式会社東芝 情報処理装置、情報処理方法、および情報処理プログラム
US20180222387A1 (en) * 2017-02-07 2018-08-09 Shenzhen Xiaofeida Electronic Co., Ltd Blind Zone Monitoring Method, License Plate Frame Device with Blind Zone Monitoring Function and Rearview Mirror
KR102414676B1 (ko) * 2017-03-07 2022-06-29 삼성전자주식회사 지도 데이터를 생성하는 전자 장치 및 그 동작 방법
DE102017203838B4 (de) 2017-03-08 2022-03-17 Audi Ag Verfahren und System zur Umfelderfassung
JP7471045B2 (ja) 2017-03-10 2024-04-19 ソニーグループ株式会社 情報処理装置及び情報処理方法
JPWO2018180247A1 (ja) * 2017-03-28 2020-02-06 パイオニア株式会社 出力装置、制御方法、プログラム及び記憶媒体
US10195992B2 (en) * 2017-04-03 2019-02-05 Ford Global Technologies, Llc Obstacle detection systems and methods
DE102017206987A1 (de) * 2017-04-26 2018-10-31 Bayerische Motoren Werke Aktiengesellschaft Verfahren, Computerprogrammprodukt, Computer-lesbares Medium, Steuergerät und Fahrzeug umfassen das Steuergerät zum Bestimmen eines kollektiven Manövers von wenigstens zwei Fahrzeugen
JP6673293B2 (ja) * 2017-05-24 2020-03-25 トヨタ自動車株式会社 車両システム
US10953887B2 (en) 2017-06-20 2021-03-23 Nira Dynamics Ab Road condition monitoring
JP6808590B2 (ja) * 2017-08-08 2021-01-06 株式会社東芝 情報処理装置、情報処理方法、プログラムおよび移動体
JP7081098B2 (ja) * 2017-09-01 2022-06-07 株式会社デンソー 走行環境認識装置、走行環境認識方法、プログラム
EP3460516B1 (de) * 2017-09-20 2020-05-27 Aptiv Technologies Limited Vorrichtung und verfahren zum unterscheiden zwischen überfahrbaren und nicht-überfahrbaren objekten
DE102017217972A1 (de) * 2017-10-10 2019-04-11 Robert Bosch Gmbh Verfahren und Vorrichtung zum Erzeugen eines inversen Sensormodells und Verfahren zum Erkennen von Hindernissen
KR102371617B1 (ko) * 2017-11-17 2022-03-07 현대자동차주식회사 차량의 객체 인식 장치 및 방법
US20180079422A1 (en) * 2017-11-27 2018-03-22 GM Global Technology Operations LLC Active traffic participant
US11273836B2 (en) * 2017-12-18 2022-03-15 Plusai, Inc. Method and system for human-like driving lane planning in autonomous driving vehicles
US20190204834A1 (en) * 2018-01-04 2019-07-04 Metawave Corporation Method and apparatus for object detection using convolutional neural network systems
EP3511740B1 (de) * 2018-01-12 2021-08-25 Bayerische Motoren Werke Aktiengesellschaft Verfahren, system und computerprogrammprodukt zur bestimmung einer blockade eines sensors mehrerer sensoren eines ego-fahrzeugs
CN110044371A (zh) * 2018-01-16 2019-07-23 华为技术有限公司 一种车辆定位的方法以及车辆定位装置
EP3514648B1 (de) * 2018-01-22 2023-09-06 Continental Autonomous Mobility Germany GmbH Verfahren und vorrichtung zur erkennung einer grenze in einer umgebung eines objektes
CN108089586A (zh) * 2018-01-30 2018-05-29 北醒（北京）光子科技有限公司 一种机器人自主导航装置、方法及机器人
CN108682167A (zh) * 2018-05-02 2018-10-19 李广连 一种车道占用率智能警示装置
US11372424B2 (en) * 2018-05-10 2022-06-28 GM Global Technology Operations LLC Generalized 3D inverse sensor model
CN108919300B (zh) * 2018-07-17 2022-07-08 重庆大学 一种面向仓库通道场景的混合地图创建方法
JP7123430B2 (ja) * 2018-07-30 2022-08-23 学校法人千葉工業大学 地図生成システムおよび移動体
CN109146898B (zh) * 2018-09-07 2020-07-24 百度在线网络技术（北京）有限公司 一种仿真数据量增强方法、装置以及终端
CN109215136B (zh) 2018-09-07 2020-03-20 百度在线网络技术（北京）有限公司 一种真实数据增强方法、装置以及终端
CN109635816B (zh) * 2018-10-31 2021-04-06 百度在线网络技术（北京）有限公司 车道线生成方法、装置、设备以及存储介质
US10989555B2 (en) * 2018-11-05 2021-04-27 Robert Bosch Gmbh System and method for automated semantic map generation
US10969789B2 (en) * 2018-11-09 2021-04-06 Waymo Llc Verifying predicted trajectories using a grid-based approach
CN109282813B (zh) * 2018-11-26 2022-05-10 深圳市海斯比海洋科技股份有限公司 一种无人艇全局障碍物识别的方法
US11030764B2 (en) 2018-11-29 2021-06-08 Denso International America, Inc. Method and system for trailer size estimating and monitoring
US20210188282A1 (en) * 2018-12-26 2021-06-24 Baidu Usa Llc Methods for obstacle filtering for a non-nudge planning system in an autonomous driving vehicle
US11449705B2 (en) 2019-01-08 2022-09-20 Motional Ad Llc Field theory based perception for autonomous vehicles
CN111538009B (zh) * 2019-01-21 2022-09-16 杭州海康威视数字技术股份有限公司 雷达点的标记方法和装置
KR102132115B1 (ko) * 2019-02-15 2020-07-08 부산대학교 산학협력단 V2v와 레이다를 이용한 상대차량 상태 추정 방법 및 장치
US11205343B2 (en) * 2019-02-20 2021-12-21 GM Global Technology Operations LLC Methods and systems for interpretating traffic signals and negotiating signalized intersections
KR102162646B1 (ko) * 2019-03-11 2020-10-07 주식회사 에스더블유엠 자율주행차의 주행 제어방법
CN111694903B (zh) * 2019-03-11 2023-09-12 北京地平线机器人技术研发有限公司 地图构建方法、装置、设备以及可读存储介质
CN109919118A (zh) * 2019-03-15 2019-06-21 百度在线网络技术（北京）有限公司 Ar导航中的障碍物提示方法、装置、设备及介质
US11107249B2 (en) * 2019-03-18 2021-08-31 Sony Group Corporation Point cloud global tetris packing
DE102019107411A1 (de) * 2019-03-22 2020-09-24 Zf Active Safety Gmbh Steuerungssystem und Steuerungsverfahren zur Pfadzuordnung von Verkehrsobjekten
JP7244325B2 (ja) * 2019-03-27 2023-03-22 株式会社Soken 物体検出装置
US11204417B2 (en) * 2019-05-08 2021-12-21 GM Global Technology Operations LLC Selective attention mechanism for improved perception sensor performance in vehicular applications
JP7152355B2 (ja) * 2019-05-20 2022-10-12 株式会社Soken 障害物検出装置および障害物検出方法
CN112050829B (zh) * 2019-06-06 2023-04-07 华为技术有限公司 一种运动状态确定方法及装置
US20220214444A1 (en) * 2019-06-14 2022-07-07 Kpit Technologies Limited Lidar and radar based tracking and mapping system and method thereof
CN110595457B (zh) * 2019-08-29 2020-12-22 山东大学 伪激光数据生成方法、地图构建方法、导航方法及系统
US11310451B1 (en) 2019-09-05 2022-04-19 Waymo Llc Smart sensor with region of interest capabilities
JP7261892B2 (ja) * 2019-09-11 2023-04-20 日立Astemo株式会社 占有格子地図管理装置
US11544899B2 (en) * 2019-10-15 2023-01-03 Toyota Research Institute, Inc. System and method for generating terrain maps
US11436876B2 (en) * 2019-11-01 2022-09-06 GM Global Technology Operations LLC Systems and methods for diagnosing perception systems of vehicles based on temporal continuity of sensor data
DE102020204078A1 (de) * 2019-11-27 2021-05-27 Robert Bosch Gesellschaft mit beschränkter Haftung Fahrerassistenzsystem für Kraftfahrzeuge
US11216669B1 (en) * 2020-01-16 2022-01-04 Outsight SA Single frame motion detection and three-dimensional imaging using free space information
US11428550B2 (en) * 2020-03-03 2022-08-30 Waymo Llc Sensor region of interest selection based on multisensor data
EP3882813A1 (de) 2020-03-20 2021-09-22 Aptiv Technologies Limited Verfahren zur erzeugung eines dynamischen belegungsrasters
KR20210127267A (ko) * 2020-04-13 2021-10-22 현대자동차주식회사 차량 및 그 제어방법
EP3905106A1 (de) 2020-04-27 2021-11-03 Aptiv Technologies Limited Verfahren zur bestimmung einer befahrbaren fläche
EP3905105A1 (de) * 2020-04-27 2021-11-03 Aptiv Technologies Limited Verfahren zur bestimmung eines kollisionsfreien raumes
DE102021112349A1 (de) 2020-05-12 2021-11-18 Motional Ad Llc Fahrzeugbetrieb unter verwendung eines dynamischen belegungsrasters
CN111753649B (zh) * 2020-05-13 2024-05-14 上海欧菲智能车联科技有限公司 车位检测方法、装置、计算机设备和存储介质
CN111598916A (zh) * 2020-05-19 2020-08-28 金华航大北斗应用技术有限公司 一种基于rgb-d信息的室内占据栅格地图的制备方法
CN111746559B (zh) * 2020-07-02 2023-04-07 湖北汽车工业学院 一种前车换道意图预测方法及预测系统
SG10202007346XA (en) 2020-08-01 2020-10-29 Grabtaxi Holdings Pte Ltd Processing apparatus and method for generating route navigation data
FR3114174A1 (fr) * 2020-09-14 2022-03-18 Commissariat A L'energie Atomique Et Aux Energies Alternatives Procédé et système de détection coopérative de corps matériels dans un environnement
WO2022067534A1 (zh) * 2020-09-29 2022-04-07 华为技术有限公司 占据栅格地图的生成方法和装置
FR3116640B1 (fr) * 2020-11-20 2023-11-17 Commissariat Energie Atomique Procédé itératif d’estimation du mouvement d’un corps matériel par génération d’une grille de mouvement filtrée
US11756283B2 (en) 2020-12-16 2023-09-12 Waymo Llc Smart sensor implementations of region of interest operating modes
CN112578798B (zh) * 2020-12-18 2024-02-27 珠海格力智能装备有限公司 机器人地图获取方法、装置、处理器和电子装置
CN112763995B (zh) * 2020-12-24 2023-09-01 阿波罗智联(北京)科技有限公司 雷达标定方法、装置、电子设备和路侧设备
CN112802103B (zh) * 2021-02-01 2024-02-09 深圳万拓科技创新有限公司 激光扫地机的位姿重定位方法、装置、设备及介质
JP2022124865A (ja) * 2021-02-16 2022-08-26 三菱重工業株式会社 移動体、移動制御システム、移動体の制御方法及びプログラム
CN112947454A (zh) * 2021-02-25 2021-06-11 浙江理工大学 一种仓库的消防评估方法、装置、设备和存储介质
US11709260B2 (en) * 2021-04-30 2023-07-25 Zoox, Inc. Data driven resolution function derivation
DE102021208627B4 (de) 2021-08-09 2023-10-12 Volkswagen Aktiengesellschaft Verfahren und Prozessorschaltung zum Betreiben eines Radarsystems mit mehreren Antennen sowie Radarsystem und Kraftfahrzeug
CN114842108A (zh) * 2022-04-22 2022-08-02 东南大学 一种概率栅格地图的处理方法、装置及存储设备
CN115143951A (zh) * 2022-05-31 2022-10-04 深圳市普渡科技有限公司 栅格地图更新系统、方法、计算机设备及存储介质
CN115407344B (zh) * 2022-11-01 2023-01-17 小米汽车科技有限公司 栅格地图创建方法、装置、车辆及可读存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008003253A (ja) 2006-06-21 2008-01-10 Toyota Motor Corp 道路形状取得装置

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4125569B2 (ja) 2001-09-21 2008-07-30 株式会社 三英技研 運転支援システム、運転支援方法及び運転支援プログラム
DE60208616T2 (de) 2001-09-21 2006-07-13 Sanei Co., Ltd. System, Verfahren und Programm zur Unterstützung von Fahrzeugen
JP3931879B2 (ja) 2003-11-28 2007-06-20 株式会社デンソー センサフュージョンシステム及びそれを用いた車両制御装置
JP4533659B2 (ja) 2004-05-12 2010-09-01 株式会社日立製作所 レーザー計測により地図画像を生成する装置及び方法
JP2006140636A (ja) 2004-11-10 2006-06-01 Toyota Motor Corp 障害物検出装置および方法
US7142150B2 (en) * 2004-12-15 2006-11-28 Deere & Company Method and system for detecting an object using a composite evidence grid
JP4483589B2 (ja) * 2005-01-12 2010-06-16 日産自動車株式会社 車両用情報提供装置
US7266477B2 (en) * 2005-06-22 2007-09-04 Deere & Company Method and system for sensor signal fusion
US8364366B2 (en) * 2005-06-24 2013-01-29 Deere & Company System and method for providing a safety zone associated with a vehicle
FR2890774B1 (fr) * 2005-09-09 2007-11-16 Inst Nat Rech Inf Automat Procede d'assitance a la conduite d'un vehicule et dispositif associe ameliore
US7864032B2 (en) * 2005-10-06 2011-01-04 Fuji Jukogyo Kabushiki Kaisha Collision determination device and vehicle behavior control device
JP2007310741A (ja) 2006-05-19 2007-11-29 Fuji Heavy Ind Ltd 立体物認識装置
JP2007333486A (ja) * 2006-06-13 2007-12-27 Denso Corp 車両用障害物検知装置
JP4886597B2 (ja) * 2007-05-25 2012-02-29 アイシン・エィ・ダブリュ株式会社 レーン判定装置及びレーン判定方法、並びにそれを用いたナビゲーション装置
US20090233714A1 (en) * 2008-03-14 2009-09-17 William Toro Three Dimensional Infrared Movement Sensing Matrix
JP5094658B2 (ja) * 2008-09-19 2012-12-12 日立オートモティブシステムズ株式会社 走行環境認識装置
US9672736B2 (en) * 2008-10-22 2017-06-06 Toyota Motor Engineering & Manufacturing North America, Inc. Site map interface for vehicular application
DE102010007091A1 (de) * 2010-02-06 2011-08-11 Bayerische Motoren Werke Aktiengesellschaft, 80809 Verfahren zur Positionsermittlung für ein Kraftfahrzeug

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008003253A (ja) 2006-06-21 2008-01-10 Toyota Motor Corp 道路形状取得装置

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011056413A1 (de) * 2011-12-14 2013-06-20 Continental Teves Ag & Co. Ohg Freirauminformationen in einem Belegungsgitter als Grundlage für die Bestimmung eines Manöverraums für ein Fahrzeug
DE102013205952B4 (de) * 2012-04-09 2020-03-19 GM Global Technology Operations, LLC (n.d. Ges. d. Staates Delaware) Rekonfigurierbares System und Verfahren zur Detektion eines freien Pfads
DE102013018315A1 (de) 2013-10-31 2015-04-30 Bayerische Motoren Werke Aktiengesellschaft Umfeldmodell mit adaptivem Gitter
US10286901B2 (en) 2014-05-13 2019-05-14 Bayerische Motoren Werke Aktiengesellschaft Map of the surroundings for driving areas with random altitude profile
WO2015173005A1 (de) * 2014-05-13 2015-11-19 Bayerische Motoren Werke Aktiengesellschaft Umfeldkarte für fahrflächen mit beliebigem höhenverlauf
DE102014210770A1 (de) * 2014-06-05 2015-12-17 Conti Temic Microelectronic Gmbh Verfahren und system zur bestimmung einer fahrzeugposition eines fahrzeuges
US10955854B2 (en) 2014-06-05 2021-03-23 Conti Temic Microelectronic Gmbh Method and system for determining the position of a vehicle
WO2015188904A1 (de) * 2014-06-13 2015-12-17 Daimler Ag Verfahren und vorrichtung zumindest zur minderung der folgen einer kollision eines fahrzeugs
WO2016150728A1 (de) * 2015-03-24 2016-09-29 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum bereitstellen von hinderniskarten für fahrzeuge
US10460603B2 (en) 2015-03-24 2019-10-29 Bayerische Motoren Werke Aktiengesellschaft Method for providing obstacle maps for vehicles
WO2016165704A3 (de) * 2015-04-13 2016-12-08 Continental Teves Ag & Co. Ohg Steuervorrichtung für ein fahrzeug und verfahren
DE102015207978B3 (de) * 2015-04-30 2016-06-23 Bayerische Motoren Werke Aktiengesellschaft Analyse der Belegung von grid-basierten Umfeldkarten eines Fahrzeugs
WO2020069922A1 (de) * 2018-10-05 2020-04-09 HELLA GmbH & Co. KGaA Verfahren zur bereitstellung von objektinformationen von statischen objekten in einer umgebung eines fahrzeuges
WO2022001337A1 (zh) * 2020-06-30 2022-01-06 华为技术有限公司 一种定位地图生成方法、定位方法及装置

Also Published As

Publication number Publication date
JP2012048642A (ja) 2012-03-08
JP5206752B2 (ja) 2013-06-12
US8744744B2 (en) 2014-06-03
US20120053755A1 (en) 2012-03-01

Similar Documents

Publication Publication Date Title
DE102011081740A1 (de) Fahrumgebung-Erkennungseinrichtung und Fahrumgebung-Erkennungsverfahren
DE102009006113B4 (de) Vorrichtung und Verfahren zur Sensorfusion mit dynamischen Objekten
DE112014005021B4 (de) Fahrtsteuervorrichtung, Server und In-Vehicle-Vorrichtung
DE102017003067A1 (de) Kollisionsverhinderungsvorrichtung und kollisionsverhinderungsverfahren
DE102017217961A1 (de) Einrichtung zum steuern eines fahrzeugs an einer kreuzung
DE102019114867A1 (de) Autonome fahrentscheidungen an kreuzungen unter verwendung eines hierarchischen optionalen markov-entscheidungsprozesses
DE102019215403A1 (de) Vorrichtung zur wegerzeugung an einer kreuzung und verfahren und vorrichtung zum steuern eines fahrzeugs an einer kreuzung
DE102018111626A1 (de) Sechsdimensionales punktwolkensystem für ein fahrzeug
DE102011103795A1 (de) Verfahren und System zur Kollisionsbewertung für Fahrzeuge
DE112018008222T5 (de) Bewegungsplan-erzeugungseinrichtung und autonomes fahrsystem
DE102005026386A1 (de) Verfahren und Vorrichtung zum Bestimmen von Freiflächen in der Umgebung eines Fahrzeugs
DE102019119204A1 (de) Assistenzsteuerungssystem
DE102012210608A1 (de) Verfahren und Vorrichtung zum Erzeugen eines Steuerparameters für ein Abstandsassistenzsystem eines Fahrzeugs
DE102021103649A1 (de) Lokalisierung von fahrzeugvorrichtungen
DE102011005727A1 (de) Verfahren und Vorrichtung zur Erfassung von Straßenrändern
DE102018009434A1 (de) Steuerungssystem und -Verfahren für ein Kraftfahrzeug zur Verarbeitung von mehrfach reflektierten Signalen
DE102021128727A1 (de) Geisterpunktfilterung
DE102020215773A1 (de) Verfahren und Vorrichtung zum Erkennen von Objekten in Sensordaten einer Ultraschallsensorik eines Fahrzeugs
DE112021001685T5 (de) Radarvorrichtung
DE102020210380A1 (de) Verfahren zum Bestimmen einer Bewegung eines Objekts
DE102017205245A1 (de) Freibereichsfusion für Fahrerassistenzsysteme
EP3809316A1 (de) Vorhersage eines strassenverlaufs auf basis von radardaten
EP3171196A1 (de) Verfahren und vorrichtung zum detektieren einer zukünftigen annäherung oder eines abstands zwischen zwei verkehrsteilnehmern
DE102019131667A1 (de) Fahrzeug und verfahren zur voraussage einer kollision
DE102022111718A1 (de) Verbesserter fahrzeugbetrieb

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R002 Refusal decision in examination/registration proceedings
R003 Refusal decision now final