DE102014003343A1 - Verfahren zum Ermitteln eines Spurwechselbedarfs eines Systemfahrzeugs - Google Patents

Verfahren zum Ermitteln eines Spurwechselbedarfs eines Systemfahrzeugs Download PDF

Info

Publication number
DE102014003343A1
DE102014003343A1 DE102014003343.0A DE102014003343A DE102014003343A1 DE 102014003343 A1 DE102014003343 A1 DE 102014003343A1 DE 102014003343 A DE102014003343 A DE 102014003343A DE 102014003343 A1 DE102014003343 A1 DE 102014003343A1
Authority
DE
Germany
Prior art keywords
vehicle
feature parameters
determined
relative
lane change
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
DE102014003343.0A
Other languages
English (en)
Inventor
Gabi Breuel
Dietmar Kasper
Galia Weidl
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.)
Daimler AG
Original Assignee
Daimler AG
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 Daimler AG filed Critical Daimler AG
Priority to DE102014003343.0A priority Critical patent/DE102014003343A1/de
Publication of DE102014003343A1 publication Critical patent/DE102014003343A1/de
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/16Anti-collision systems
    • G08G1/167Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/18Propelling the vehicle
    • B60W30/18009Propelling the vehicle related to particular drive situations
    • B60W30/18163Lane change; Overtaking manoeuvres
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001Details of the control system
    • B60W2050/0043Signal treatments, identification of variables or parameters, parameter estimation or state estimation
    • B60W2050/005Sampling
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W2554/00Input parameters relating to objects
    • B60W2554/80Spatial relation or speed relative to objects
    • B60W2554/801Lateral distance
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W2554/00Input parameters relating to objects
    • B60W2554/80Spatial relation or speed relative to objects
    • B60W2554/804Relative longitudinal speed
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/10Path keeping

Abstract

Die Erfindung betrifft ein Verfahren zur Ermittlung eines Spurwechselbedarf eines Systemfahrzeugs (1) oder eines diesem vorausfahrenden Fahrzeugs (10), wobei anhand einer Umgebungsrepräsentation einer aktuellen Fahrzeugumgebung eine Anzahl von Merkmalparametern und eine zeitliche Trend-Entwicklung der Merkmalparameter sowie eine Wahrscheinlichkeit von einer Anzahl aus den Merkmalparametern erstellten Hypothesen ermittelt werden. Dabei ist vorgesehen, dass die Wahrscheinlichkeit eines tatsächlichen Werts der jeweiligen Merkmalparameter anhand einer kontinuierlichen Gaußverteilungsfunktion und der zeitlichen Trendentwicklung des jeweiligen Merkmalparameters und die jeweiligen Wahrscheinlichkeiten der Hypothesen anhand einer Sigmoidfunktion ermittelt werden, wobei mindestens einer der Merkmalparameter als Merkmalparameter einer relativen Dynamik zwischen dem Systemfahrzeug (1) bzw. einem diesem vorausfahrenden Fahrzeug und einem anderen, in der Fahrzeugumgebung befindlichen Fahrzeug oder Objekt ermittelt wird.

Description

  • Die Erfindung betrifft ein Verfahren zum Ermitteln eines Spurwechselbedarfs eines Systemfahrzeugs gemäß dem Oberbegriff des Anspruchs 1.
  • Zur Ermittlung eines Spurwechselbedarfs des eigenen Fahrzeugs werden u. a. wahrscheinlichkeitsbasierte Verfahren angewandt, insbesondere sogenannte objektorientierte Bayes-Netzwerke, auch als Object-Oriented Bayesian Network, kurz: OOBN, bekannt, wobei der Spurwechselbedarf anhand einer Momentaufnahme einer vorliegenden Umgebungssituation ermittelbar ist. Dabei werden diskrete Variablen bewertet, die entsprechend ihrer Diskretisierung eine Vielzahl von Zuständen einnehmen können. Aus den daraus abgeleiteten Wahrscheinlichkeiten erfolgt anhand von umfangreichen Wahrscheinlichkeitstabellen eine Ermittlung des Spurwechselbedarfs.
  • Aus dem IEEE-Aufsatz „Object-Oriented Bayesian Networks for Detection of Lane Change" von D. Kaspaer, G. Weidl, T. Tang, G. Breuel, A. Tamke und A. Wedel, DOI: 100.1109, ist bekannt, dass ein Spurwechsel-/Einscher-/Ausscher-/Einfädel-/Ausfädelbedarf mit dem OOBN erkannt werden kann. Die Knoten oder Variablen des OOBN repräsentieren dabei diskrete Zustände.
  • Der Erfindung liegt die Aufgabe zu Grunde, ein gegenüber dem Stand der Technik verbessertes Verfahren zum Betrieb eines Fahrzeugs anzugeben.
  • Die Aufgabe wird erfindungsgemäß durch ein Verfahren mit den in Anspruch 1 angegebenen Merkmalen gelöst.
  • Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand der Unteransprüche.
  • Beim erfindungsgemäßen einem Verfahren zum Ermitteln eines Spurwechselbedarfs eines Systemfahrzeugs oder eines diesem vorausfahrenden Fahrzeugs, wird anhand einer Umgebungsrepräsentation einer aktuellen Fahrzeugumgebung eine Anzahl von Merkmalparametern und eine Wahrscheinlichkeit von einer Anzahl von aus den Merkmalparametern erstellten Hypothesen ermittelt, wobei eine Wahrscheinlichkeit eines tatsächlichen Werts des jeweiligen Merkmalparameters anhand einer aktuellen Merkmalsbeobachtung, einer Unsicherheit der Merkmalsbeobachtung und einer kontinuierlichen Gaußverteilungsfunktion mittels des sogenannten Bayes Inferenzverfahren ermittelt wird und wobei die jeweiligen Wahrscheinlichkeiten der Hypothesen anhand einer Sigmoidfunktion (Logistische Funktion) ermittelt werden. Dabei wird als mindestens einer der Merkmalparameter eine relative Dynamik zwischen dem Systemfahrzeug bzw. dem diesem vorausfahrenden Fahrzeug und einem anderen, in der Fahrzeugumgebung befindlichen Fahrzeug oder Objekt ermittelt, insbesondere ein relativer Abstand, eine relative Geschwindigkeit, eine relative Beschleunigung und eine relative Zeitlücke.
  • Die Sigmoidfunktion (Logistische Funktion) beschreibt anhand von Merkmalparametern die steigende Wahrscheinlichkeit für einen Spurwechsel bei einer Annährung des Systemfahrzeugs oder des vorausfahrenden Fahrzeugs an Objekten (Fahrzeuge, Spurmarkierungen) der Umgebung. Ähnliche Wahrscheinlichkeitsverteilungen beschreiben die zeitliche Trend-Entwicklung der Merkmalparameter, um eine frühe und rechtzeitige Erkennung eines Spurwechselbedarfs zu ermöglichen.
  • Die dem Systemfahrzeug vorausfahrenden und umgebenden Fahrzeuge werden mittels der eigenen on-board Sensoren erfasst. Die Merkmalparameter des vorausfahrenden und umgebenden Fahrzeuge werden mittels des gleichen OOBN-Verfahrens wie für das Systemfahrzeug bewerten und die Erkennung von Fahrmanövern der vorausfahrenden und umgebenden Fahrzeuge wird analog der Erkennung von Fahrmanövern des Systemfahrzeugs und aus dessen Perspektive ermittelt.
  • Das Verfahren wird bei Fahrerassistenzsystemen von voll- oder teilautonom betriebenen Fahrzeugen eingesetzt, wobei die Fahrerassistenzsystem Daten einer Umgebungserfassung nutzen und den Fahrer bei Fahrmanövern, insbesondere bei einem Spurwechsel, unterstützen. Anhand der ermittelten Wahrscheinlichkeiten für die Hypothesen, bei denen es sich beispielsweise um eine Wahrscheinlichkeit handelt, mit der sich das eigene Fahrzeug einer Spurmarkierung nähert, wird ein Spurwechselbedarf ausgegeben. Die Ermittlung der tatsächlichen Werte der Merkmalparameter anhand der Bayes Inferenz mit kontinuierlichen Gaußverteilung und der Wahrscheinlichkeiten der Hypothesen anhand der Bayes Inferenz mit Sigmoidfunktion (Logistische Funktion) ermöglicht einen gegenüber dem Stand der Technik verringerten Speicherbedarf, da anstelle der im Stand der Technik verwendeten diskreten Gaußverteilung, bei der es sich um eine Wahrscheinlichkeitstabelle handelt, eine analytische Funktion verwendet wird. Durch Ermittlung der relativen Dynamik zwischen dem Systemfahrzeug bzw. des diesem vorausfahrenden Fahrzeugs und einem weiteren, in der Fahrzeugumgebung befindlichen Fahrzeug oder Objekt wird gegenüber dem Stand der Technik ein Fahrmanöver zusätzlich als dynamischer Prozess betrachtet, so dass eine Erkennungsleistung des Spurwechselbedarfs verbessert ist.
  • Ausführungsbeispiele der Erfindung werden im Folgenden anhand von Zeichnungen näher erläutert.
  • Dabei zeigen:
  • 1 schematisch eine Umgebungsrepräsentation eines Fahrzeugs, wobei verschiedene Merkmalparameter für einen Spurwechselbedarf des Fahrzeugs gemäß dem Stand der Technik ermittelt werden,
  • 2 schematisch die Umgebungsrepräsentation des Fahrzeugs gemäß 1 mit einem Belegungsgitter, wobei weitere Merkmalparameter für einen Spurwechselbedarf des Fahrzeugs gemäß dem Stand der Technik ermittelt werden bzw. Spurbelegung (als Sicherheitsmerkmal der abgesicherten Manöverausführung bei voll- oder teilautonomes Fahren)
  • 3a, b, c schematisch Umgebungsrepräsentationen des Fahrzeugs gemäß 1 mit den Merkmalparameter der relative Annährungs-Dynamik Hypothese in der Fahrzeug-Fahrzeug Beziehung (kurzer: „relative Annährungs-Dynamik Hypothese”), die eine Erkennung eines relativ langsam vorausfahrenden (bzw. stehendes/liegengebliebenes) Fahrzeugs als Grund eines Spurwechselbedarfs des eigenes bzw. vorausfahrendes Fahrzeugs ermittelt werden und
  • 4 ein Blockschaltbild mit Verfahrensschritten eines erfindungsgemäßen Verfahrens zum Betrieb eines Fahrzeugs.
  • Einander entsprechende Teile sind in allen Figuren mit den gleichen Bezugszeichen versehen.
  • Die 1 zeigt eine bildlich dargestellte Umgebungsrepräsentation gemäß dem Stand der Technik mit einem Fahrzeug 1 auf einer Fahrspur 2 in Draufsicht, wobei die Fahrspur 2 beidseitig in Fahrtrichtung jeweils durch eine benachbarte Fahrspur 2', 2'' begrenzt ist.
  • Das Fahrzeug 1 stellt das Systemfahrzeug bzw. ein diesem vorausfahrendes Fahrzeug aus der Perspektive des Systemfahrzeugs dar. Das Systemfahrzeug ist dabei das eigene Fahrzeug, das teil- oder vollautonom betrieben wird.
  • Zwischen den Fahrspuren 2, 2', 2'' sind Spurmarkierungen 2.1 angeordnet. Die Umgebungsrepräsentation entspricht dabei einer Momentaufnahme einer Fahrzeugumgebung, die mittels entsprechenden in und/oder an dem Fahrzeug 1 angeordneten Sensoren, beispielsweise Kameras, Radar, Laser-, Lidar-, Ultraschall- und/oder Infrarotsensoren erfasst wird.
  • Anhand der Umgebungsrepräsentation wird insbesondere ein nicht dargestelltes Fahrerassistenzsystem des Fahrzeugs 1 betrieben, wobei es sich bei dem Fahrerassistenzsystem um einen so genannten Spurwechselassistenten zur Unterstützung eines Fahrers des Fahrzeugs 1 handelt, welches einen Spurwechselbedarf des Fahrzeugs 1 mittels des nachfolgend beschriebenen Verfahrens gemäß dem Stand der Technik ermittelt, wobei der Ermittlung zugrunde gelegten die Hypothese und deren Merkmalparameter wie nachfolgend beschrieben erweitert wurden.
  • Die Erweiterung der Hypothesen beinhaltet die zusätzliche Ermittlung einer relativen Fahrzeug-Fahrzeug Annäherungsdynamik zu einem langsameren vorausfahrenden bzw. stehenden/liegengebliebenen Fahrzeug, welches den Spurwechselbedarf begründet. Darüber hinaus wurden die im Stand der Technik beschriebenen Hypothesen um eine Trendanalyse der Merkmalparameter erweitert, um zuerst eine konsequente Annährung an das vorausfahrende Fahrzeug als Spurwechselbedarf frühzeitiger zu erkennen und durch eine konsequente Annährung an die Spurmarkierung zu bestätigen. Die Erkennung einer konsequenten Annährung an die Spurmarkierung basiert dabei auf einer Trendanalyse der zeitlichen Trendentwicklung einer lateralen Evidenz Hypothese, Trajektorienhypothese und Freiraumhypothese.
  • Ein Spurwechselbedarf des Fahrzeugs 1 liegt beispielsweise, wie in 3a gezeigt, dann vor, wenn sich das Fahrzeug 1 einem vorausfahrenden Fahrzeug 10 nähert, dessen Fahrgeschwindigkeit v10 unterhalb der Fahrgeschwindigkeit v1 des Fahrzeugs 1 liegt. Auch ein auf der momentan befahrenen Fahrspur 2 befindliches Hindernis, beispielsweise ein liegengebliebenes Fahrzeug 10, kann, wie in 3b gezeigt, einen Spurwechselbedarf des Fahrzeugs 1 begründen.
  • Wenn das Fahrzeug 1 voll- oder teilautonom betrieben wird, ist zur Sicherheit der Fahrzeuginsassen des Fahrzeugs 1 eine frühzeitige Erkennung von kritischen Situationen erforderlich, die einen Spurwechselbedarf bedingen, beispielsweise ein plötzliches Bremsen eines vorausfahrenden Fahrzeugs 10.
  • Die Merkmalparameter der relativen Fahrzeug-Fahrzeug Annäherungsdynamik Hypothese beinhalten mindestens eine der Größen relativer Abstand Xrel, relative Geschwindigkeit vrel = v1 – v10, relative Beschleunigung und relative Zeitlücke Trel = Xrel/vrel zu einem vorausfahrenden bzw. stehenden/liegengebliebenen Fahrzeug 10.
  • Die frühzeitige Erkennung eines Spurwechselbedarfs basiert auf den ersten dynamischen Trend-Hinweisen der relativen Fahrzeug-Fahrzeug Annäherungsdynamik Hypothese, woraus mittels dynamischen OOBN eine konsequente Annährung an das vorausfahrende Fahrzeug erkannt wird. Falls diese konsequente Annäherung an das vorausfahrende Fahrzeug mit Trendhinweisen einer konsequenten Annährung an die Spurmarkierung bestätigt wird, wird frühzeitig auf eine Spurwechselabsicht geschlossen. Die Freiraumhypothese ermittelt die Sicherheit des beabsichtigten Spurwechselmanövers für das eigene Fahrzeug 1. Somit wird das Spurwechselmanöver voll- oder teilautonom abgesichert ausgeführt. Angewendet auf das (die) vorausfahrende(n) Fahrzeug(e) erlaubt das Verfahren, mittels der dynamischen Trendanalyse der Freiraumhypothese, ein einscherendes bzw. ausscherendes Fahrzeug frühzeitiger zu erkennen und ermöglicht somit dem Fahrerassistenzsystem des Systemfahrzeugs frühzeitiger zu reagieren.
  • Zu Beginn des Verfahrens wird die Umgebungsrepräsentation gemäß 1 bildlich dargestellt und anschließend ausgewertet, wobei Werte für eine Anzahl von Merkmalparametern mittels eines Bildverarbeitungsprogramms ermittelt werden.
  • Ein Spurwechsel des Fahrzeugs 1 ist in der vorliegenden 1 mit der Trajektorie s ausgehend vom Fahrzeug 1 auf eine benachbarte Fahrspur 2' dargestellt. Das Fahrzeug 1 ist mit seiner Längsachse zur Längsausdehnung der Fahrspurmarkierung 2.1 abgewinkelt ausgerichtet. D. h. eine Fahrtrichtung des Fahrzeugs 1 zeigt dabei in Richtung einer rechts neben der momentan befahrenen Fahrspur 1 angeordneten Fahrspur 2.
  • Als ein erster Merkmalparameter zur Erkennung einer konsequenten Annährung an die Spurmarkierung wird ein lateraler, d. h. seitlicher, Abstand d des Fahrzeugs 1 zu einer Spurmarkierung 2.1 ermittelt, welche im vorliegenden Ausführungsbeispiel rechts von dem Fahrzeugs 1 angeordnet ist.
  • Als ein zweiter Merkmalparameter wird eine laterale Geschwindigkeit v des Fahrzeugs 1 ermittelt, dessen Geschwindigkeitsvektor in Richtung der benachbarten Fahrspur 2' zeigt, wobei dessen Betrag der lateralen Geschwindigkeit v des Fahrzeugs 1 entspricht. D. h. es wird eine Geschwindigkeit v ermittelt, mit der sich das Fahrzeug 1 der benachbarten Fahrspur 2' in lateraler Richtung nähert.
  • Als ein dritter Merkmalparameter wird eine maximal mögliche Beschleunigung für eine Trajektorienplanung einer in dem Fahrzeug 1 integrierten Fahrerassistenzvorrichtung zur autonomen oder zumindest teilautonomen Längs- und/oder Querregelung ermittelt. Die maximal mögliche Beschleunigung ist im vorliegenden Ausführungsbeispiel nicht als Vektor dargestellt.
  • Als ein vierter Merkmalparameter wird ein Orientierungswinkel Φ ermittelt, welcher einem Winkel zwischen einer momentanen Fahrtrichtung des Fahrzeugs 1 und einer von der Fahrspur 2 vorgegebenen Fahrtrichtung entspricht.
  • Als ein fünfter Merkmalparameter wird eine verbleibende Zeit t bis zum Überfahren der Spurmarkierung 2.1 ermittelt.
  • Anhand dieser fünf Merkmalparameter wird eine konsequente Annährung an die Spurmarkierung 2.1 bei der Erkennung von Manövern von Typ: Einscheren, Ausscheren bzw. Spur-Folgen erkannt.
  • Weiterhin wird als ein sechster Merkmalparameter die Gruppe aus einer relativen Position, relativen Geschwindigkeit und relativen Zeitlücke des Fahrzeugs 1 zu einem benachbarten Fahrzeug ermittelt, was in den 3a, 3b, 3c dargestellt ist. Anhand dieser Merkmalparameter wird eine konsequente Annährung an das vorausfahrende Fahrzeug bei der Erkennung eines Spurwechselbedarfs erkannt. Auf Grund deren prädiktiven Charakters erlauben diese einen Spurwechselbedarf früher zu erkennen.
  • Die Absicherung eines erkannten Spurwechselbedarfs wird anhand der Freiraumhypothese ermittelt bevor der tatsächliche Spurwechsel initialisiert wird.
  • Die Freiraumhypothese wird anhand des Merkmalparameters Belegungsgitters 3 ermittelt, welches in 2 dargestellt ist. Die 2 zeigt dazu die Umgebungsrepräsentation mit dem Fahrzeug 1, der momentan befahrene Fahrspur 2, der benachbarten Fahrspuren 2', 2'' und dem Belegungsgitter 3.
  • Das Belegungsgitter 3 ist auch als Occupancy Schedule Grid bekannt und umfasst neun Zellen Z1 bis Z9, wobei sich das Fahrzeug 1 in einer mittleren Zelle Z1 befindet. Das Belegungsgitter 3 bewegt sich dabei gemeinsam mit dem Fahrzeug 1 fort.
  • In die Zellen Z2 bis Z9 des Belegungsgitters 3 sind Umgebungsdaten des Fahrzeugs 1 abgelegt, bei welchen es sich um Sensordaten der Fahrzeugumgebung handelt, die mittels der in und/oder an dem Fahrzeug 1 angeordneten Sensoren erfasst werden. Beispielsweise repräsentiert eine linke obere Zelle Z2 eine in Bezug auf die Fahrtrichtung des Fahrzeugs 1 linke vordere Fahrzeugumgebung. Eine untere Zelle Z8 repräsentiert dabei eine in Bezug auf die Fahrtrichtung des Fahrzeugs 1 hintere Fahrzeugumgebung.
  • Mittels des Belegungsgitters 3 sind folgende Merkmalparameter ermittelbar: eine Zeit, die ein anderes Fahrzeug zum Eintritt in einer der Zellen Z2 bis Z9 benötigt, eine Zeit, die ein anderes Fahrzeug zum Austritt aus einer der Zellen Z2 bis Z9 benötigt, ein Abstand bis zum Eintritt eines anderen Fahrzeugs in eine der Zellen Z1 bis Z9 und ein Abstand bis zum Austritt eines anderen Fahrzeugs aus einer der Zellen Z1 bis Z9.
  • Aus den zuvor ermittelten Merkmalparametern sowie bekannten Unsicherheiten, bei denen es sich insbesondere um eine Standardabweichung aufgrund von Messungenauigkeiten, Rauschen und dergleichen mehr handelt, werden anschließend tatsächliche Werte der Merkmalparameter mittels Inferenz in einem aus Modifikationen dem eingangs genannten Stand der Technik bekannten Bayes-Netzwerk ermittelt. Die Modifikationen beinhalten die Verwendung von hybriden Bayes Netzwerke mit diskreten und kontinuierlichen Merkmalparametern. Die Ermittlung der tatsächlichen Werte für die Merkmalparameter erfolgt damit anhand einer bekanntenkontinuierlichen Gaußverteilung.
  • Die ermittelten Werte für die Merkmalparameter und die zugehörigen Unsicherheiten werden auch als Evidenz für die Ermittlung der tatsächlichen Werte der Merkmalparameter bezeichnet, worauf im Folgenden anhand der zuvor beschriebenen ermittelten Merkmalparameter näher eingegangen wird.
  • Aus den ermittelten, tatsächlichen Werten der zuvor beschriebenen lateralen Geschwindigkeit v des Fahrzeugs 1 und des lateralen Abstands s des Fahrzeugs 1 zur Spurmarkierung 2.1 wird eine Hypothese mit der Bezeichnung „laterale Evidenz” bewertet. D. h. es wird eine Wahrscheinlichkeit ermittelt, mit welcher sich das Fahrzeug 1 der Spurmarkierung 2.1 nähert.
  • Die einzelnen Merkmalparameter können eine Vielzahl von diskreten Zuständen annehmen, z. B. kann der laterale Abstand s des Fahrzeugs 1 zur Spurmarkierung 2.1 den Zustand „Wert liegt im Bereich von 10 cm bis 20 cm” annehmen. Auch die laterale Geschwindigkeit v des eigenen Fahrzeugs 1 kann eine Vielzahl solcher diskreter Zustände annehmen.
  • Die Wahrscheinlichkeit der lateralen Evidenz wird mittels einer bekannten Sigmoidfunktion (Logistische Funktion) in Abhängigkeit der zuvor angenommenen Zustände der lateralen Geschwindigkeit v des Fahrzeugs 1 und des lateralen Abstands s des Fahrzeugs 1 zur Spurmarkierung 2.1 ermittelt.
  • Da die Merkmalparameter laterale Geschwindigkeit v des Fahrzeugs 1 und lateraler Abstand s des Fahrzeugs 1 zur Spurmarkierung 2.1 eine n × m Anzahl diskreter Zustandspaare bilden können, ist ein Speicherbedarf zur Durchführung des Verfahrens sehr hoch.
  • Weiterhin wird eine weitere Hypothese mit der Bezeichnung „Trajektoriehypothese” aus den Merkmalparametern maximal mögliche Beschleunigung für die Trajektorienplanung, Orientierungswinkel Φ und der verbleibenden Zeit t bis zum Überfahren der Spurmarkierung 2.1 bewertet. Die Trajektoriehypothese ist dabei die Wahrscheinlichkeit, mit welcher sich das Fahrzeug 1 auf der Trajektorie s in Richtung eines Spurwechsels befindet.
  • Eine Hypothese „Freiraumhypothese” wird aus den in 2 beschriebenen Ein- und Austrittszeiten anderer Fahrzeuge in bzw. aus den Zellen Z1 bis Z9 und den Abständen anderer Fahrzeuge zum Ein- und Austritt in bzw. aus den Zellen Z1 bis Z9 bewertet. Die Freiraumhypothese ist dabei die Wahrscheinlichkeit, dass ein Freiraum für den Spurwechsel vorhanden ist.
  • Die Ermittlung der Wahrscheinlichkeiten der Trajektoriehypothese und der Freiraumhypothese erfolgen analog zur Ermittlung der Wahrscheinlichkeit für die laterale Evidenz mittels Sigmoidfunktion.
  • Die zur Ermittlung der Trajektoriehypothese und der Freiraumhypothese verwendeten Merkmalparameter können dabei analog zur zuvor beschrieben lateralen Evidenz sehr viele diskrete Zustände annehmen, so dass auch hier ein Speicherbedarf zur Ermittlung der Hypothesen und deren Wahrscheinlichkeiten sehr hoch ist.
  • Zur Verringerung des Speicherbedarfs und zur Erhöhung einer Erkennungsleistung, bei der eine relative Dynamik des Fahrzeugs 1 berücksichtigt wird, sieht die Erfindung eine Optimierung des zuvor beschriebenen, bekannten Verfahrens vor, wobei das objektorientierte Bayes-Netzwerk auf ein hybrides, dynamisches Bayes-Netzwerk erweitert wird und zusätzliche Merkmale ermittelt werden, die eine relative Dynamik zwischen zwei Objekten beschreiben.
  • Die hybride Erweiterung beinhaltet, dass zusätzlich bzw. anstelle zu der Annahme diskreter Zustände der Merkmalparameter die tatsächlichen Werte der Merkmalparameter anhand einer kontinuierlichen Gaußverteilung ermittelt werden. D. h. es wird eine analytische Funktion zur Ermittlung der tatsächlichen Werte der Merkmalparameter und nicht eine Wahrscheinlichkeitstabelle gemäß dem Stand der Technik herangezogen. Die Wahrscheinlichkeiten der Hypothesen werden ebenfalls anhand analytischer Funktionen ermittelt. Das Hinterlegen einer analytischen Funktion bedarf dabei eines signifikant geringeren Speicherbedarfs als das Hinterlegen einer Wahrscheinlichkeitstabelle.
  • Die Erweiterung des Verfahrens mit der relativen Objekt-Objekt-Dynamik beinhaltet, dass Fahrmanöver als ein dynamischer Prozess zwischen zwei Fahrzeug-Objekten betrachtet werden. D. h. es wird eine zeitliche Entwicklung der ermittelten tatsächlichen Werte für die Merkmalparameter berücksichtigt, so dass auch die daraus bewerteten Hypothesen eine dynamische Größe darstellen. D. h. beispielsweise: Aus einer steigenden Wahrscheinlichkeit der lateralen Evidenz lässt sich gegenüber dem Stand der Technik deutlich früher darauf schließen, dass das Fahrzeug 1 die Spurmarkierung 2.1 überqueren wird. Damit können kritische Situationen rechtzeitig (frühzeitig) ermittelt werden. Als rechtzeitig wird im Rahmen der Anmeldung eine Zeit von 1 bis 3 Sekunden vor dem tatsächlichen Überfahren der Spurmarkierung 2.1 definiert.
  • Als zusätzliche Merkmalparameter werden in dem erfindungsgemäßen Verfahren eine Fahrzeugklassifikation und eine relative Dynamik von zwei Objekten erfasst.
  • Bei der Fahrzeugklassifikation werden andere Fahrzeuge anhand ihrer Fahrzeugklasse charakterisiert, um so Rückschlüsse auf deren Fahrverhalten zu schließen. D. h. es ist bekannt, dass beispielweise Lastkraftwagen oder Spezialfahrzeuge wie Schwertransportfahrzeuge auf Fahrbahnen im Allgemeinen eine signifikant geringere Geschwindigkeit aufweisen als Personenkraftwagen. Wenn sich das Fahrzeug 1 dann einem solchen Fahrzeug auf der momentan befahrenen Fahrspur 2 nähert, kann eine Wahrscheinlichkeit für einen Spurwechselbedarf des Fahrzeugs 1 als sehr hoch bewertet werden.
  • Die minimale Ausführung eines Verfahrens zur Fahrzeugklassifikation basiert auf Erkennung der Rückfront/Rückseite eines vorausfahrenden Fahrzeugs sowie seines vorausfahrenden Fahrzeug, falls keine Sichtverdeckung besteht. Bei Sichtverdeckungen, wie in 3c gezeigt, wird eine Fahrzeug-zu-Fahrzeug-Kommunikation eingesetzt, wobei das verdeckende (mit breiten Rückfront) vorausfahrende Fahrzeug 10 sein vorfahrendes Fahrzeug 11 klassifiziert und dessen Objekt-Merkmale, wie Position und Geschwindigkeit, mit anderen Merkmalparametern an das nachfolgende Fahrzeug 1 übermittelt. Verfahren zur Erkennung der Rückfront eines vorausfahrenden Fahrzeugs sind an sich bekannt. Beispielsweise kann hierzu eine Stereokamera eingesetzt werden. Die ermittelte Breite und Höhe des vorausfahrenden Fahrzeugs werden als Merkmalparameter in der relativen Fahrzeug-Fahrzeug Annäherungsdynamik Hypothese verwendet.
  • Bei der relativen Annäherungsdynamik von zwei Objekten wird z. B. eine zeitliche Entwicklung einer Veränderung eines relativen Abstands, einer relativen Geschwindigkeit und einer relativen Beschleunigung zwischen dem Fahrzeug 1 und einem anderen Fahrzeug ermittelt. Daraus wird eine zeitliche Entwicklung einer Zeitlücke des Fahrzeugs 1 zu dem anderen Fahrzeug 10, z. B. einem vorausfahrenden Fahrzeug mit einer niedrigen Fahrgeschwindigkeit, ermittelt und daraus abgeleitet, ob ein Spurwechsel des Fahrzeugs 1 für die weitere ungehinderte Fahrt mit seiner aktuellen Fahrgeschwindigkeit notwendig ist.
  • Der Spurwechselbedarf wird bei dem erfindungsgemäßen Verfahren zusätzlich klassifiziert nach den Kriterien „Urgent Lane Change”, „Comfortable Lane Change” und „No Need” bzw. „Continue of Lane Follow”.
  • Urgent Lane Change bedeutet dabei einen unbedingt notwendigen Spurwechselbedarf des Fahrzeugs 1 aufgrund einer Spurblockierung oder eines Spurendes in Fahrtrichtung voraus.
  • Comfortable Lane Change bedeutet einen Spurwechselbedarf des Fahrzeugs 1, wenn eine gleichmäßige Fahrgeschwindigkeit gewünscht ist.
  • No Need bedeutet keinen Spurwechselbedarf des Fahrzeugs 1, da die relative Dynamik nicht dafür spricht, dass Objekte Hindernisse in der momentan befahrenen Fahrspur 2 darstellen und somit eine „Spur folgen”-Fahrt auf der momentan befahrenen Fahrspur 2 ungehindert möglich ist.
  • 4 zeigt ein Blockschaltbild zur Durchführung des erfindungsgemäßen Verfahrens, welches im Folgenden kurz beschrieben wird.
  • In einem ersten Schritt S1 wird eine Fahrzeugumgebung mittels entsprechender Sensoren, z. B. mittels einer Stereokamera, Radar und/oder ähnliches, ermittelt und bildlich dargestellt. Durch Sensordaten-Fusion werden die objekt-relevanten Merkmalparameter ermittelt.
  • In einem zweiten Schritt S2 wird anhand der bildlich dargestellten Fahrzeugumgebung eine Anzahl von Merkmalparametern ermittelt, die in 1 beschrieben sind und zusätzlich eine Fahrzeugklassifikation anderer Fahrzeuge anhand derer Rückfront/Rückseite und einer relativen Annäherungsdynamik, gemäß der Beschreibung in 3a, b, c, zwischen dem Fahrzeug 1 und einem oder mehreren anderen Fahrzeugen, die sich in der Fahrzeugumgebung befinden, ermittelt. Zudem wird die bildlich dargestellte Fahrzeugumgebung mit einem Belegungsgitter 3 versehen und dabei weitere Merkmalparameter gemäß der Beschreibung in 2 ermittelt.
  • Im zweiten Schritt S2 werden die Evidenzen aus den ermittelten Merkmalparametern und deren Unsicherheiten ermittelt. Die Evidenzen stellen den Input für die Ermittlung der Hypothesen, anhand eines hybriden OOBNs (Objekt-orientierte Bayes Netzwerk) dar. Das OOBN besteht aus mehreren logischen Abstraktion-Schichten, die als Schritte des Verfahrens nachfolgend beschrieben werden.
  • In einem dritten Schritt S3 werden aus den Evidenzen die Wahrscheinlichkeiten der jeweiligen Hypothesen anhand der OOBN ermittelt. In dem dritten Schritt S3 findet das Bayes-Inferenzverfahren in OOBN statt, wobei die Wahrscheinlichkeit der tatsächlichen Werte für die jeweiligen Merkmalparameter anhand einer kontinuierlichen Gaußverteilung ermittelt wird, wobei der Satz der Merkmalparameter, bereits in der 1, 2 und 3a, b, c beschrieben wurde.
  • In dem gleichen dritten Schritt S3 werden als Input die in 1, 2 und 3a, b, c beschriebenen Merkmalparameter für die Bayes-Inferenz-Bewertung verwendet und die Wahrscheinlichkeiten für die laterale Evidenz, die Trajektoriehypothese und die Freiraumhypothese jeweils mittels einer Sigmoidfunktion (Logistische Funktion) ermittelt. Die laterale Evidenz und Trajektorie Hypothesen bilden die relative Fahrzeug-Spurmarkierung-Dynamik. Die dritte Freiraumhypothese ist wichtig für die Manöverabsicherung und stellt ein Teil der relative Fahrzeug-Fahrzeug-Dynamik dar. Der erste Teil der relativen Fahrzeug-Fahrzeug-Dynamik Hypothese wird anhand der relativen Annährung ermittelt.
  • In einem vierten Schritt S4 des Verfahrens werden die Wahrscheinlichkeiten für die zeitlichen Entwicklungen der tatsächlichen Werte der jeweiligen Merkmalparameter und der Wahrscheinlichkeiten der Hypothesen ermittelt.
  • In einem fünften Schritt S5 des Verfahrens werden die Wahrscheinlichkeiten für die erkannten Manöver anhand der Kombination der Hypothesen bestehend aus der relativen Fahrzeug-Fahrzeug-Dynamik und der relativen Fahrzeug-Spurmarkierung-Dynamik ermittelt.
  • Anhand der ermittelten Wahrscheinlichkeiten der relativen Fahrzeug-Fahrzeug-Dynamik Hypothese wird der Spurwechselbedarf anhand bestimmter Kriterien, wie z. B. Urgent Lane Change, klassifiziert.
  • Der Spurwechselbedarf kann dabei durch die Fahrerassistenzvorrichtung erkannt werden, wenn der Fahrer des Fahrzeugs 1 selbst ein Fahrmanöver startet. Weiterhin kann der Spurwechselbedarf durch die Fahrerassistenzvorrichtung erkannt werden, wenn der Fahrer des Fahrzeugs 1 den Wunsch eines Spurwechsels äußert. Bei autonomen Fahrzeugen 1 wird der Spurwechselbedarf anhand bestimmter Kriterien, die beispielhaft in der 2 und 3a, b, c beschrieben sind, ermittelt. Das Verfahren eignet sich somit vorzugsweise für voll- und teilautonome Fahrzeuge 1.
  • Bezugszeichenliste
  • 1, 10, 11
    Fahrzeug
    2, 2', 2''
    Fahrspur
    2.1
    Spurmarkierung
    3
    Belegungsgitter
    S1 bis S5
    Schritte des Verfahrens
    Schritt S1
    Erhebung der Sensor Daten und Sensor-Daten-Fusion
    Schritt S2
    Ermittlung der Wahrscheinlichkeiten der tatsächlichen Merkmal-Parameter anhand von Gaußfunktionverteilungen mit den in Schritt S1 aufbereiteten Evidenzen (Messwert und Unsicherheit der Messung)
    Schritt S3
    Ermittlung der Wahrscheinlichkeiten der Hypothesen
    Schritt S4
    Ermittlung der zeitlichen Trendentwicklung der Merkmalen und Hypothesen
    Schritt S5
    Manövererkennung anhand der Kombination von Hypothesen
    Z1 bis Z9
    Zellen
    d
    lateraler Abstand
    s
    Trajektorie
    t
    Zeit
    v
    laterale Geschwindigkeit
    v1, v10
    longitudinale Geschwindigkeit
    Xrel
    relativer Abstand
    Φ
    Orientierungswinkel
  • 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 Nicht-Patentliteratur
    • IEEE-Aufsatz „Object-Oriented Bayesian Networks for Detection of Lane Change” von D. Kaspaer, G. Weidl, T. Tang, G. Breuel, A. Tamke und A. Wedel, DOI: 100.1109 [0003]

Claims (10)

  1. Verfahren zum Ermitteln eines Spurwechselbedarfs eines Systemfahrzeugs (1) oder eines dem Systemfahrzeug (1) vorausfahrenden Fahrzeugs, wobei anhand einer Umgebungsrepräsentation einer aktuellen Fahrzeugumgebung eine Anzahl von Merkmalparametern und eine Wahrscheinlichkeit von einer Anzahl von aus den Merkmalparametern erstellten Hypothesen ermittelt werden, dadurch gekennzeichnet, dass eine Wahrscheinlichkeit eines tatsächlichen Werts des jeweiligen Merkmalparameters anhand einer kontinuierlichen Gaußverteilungsfunktion und einer Wahrscheinlichkeit einer zeitlichen Trendentwicklung des jeweiligen Merkmalparameters ermittelt wird und die jeweiligen Wahrscheinlichkeiten der Hypothesen anhand einer Sigmoidfunktion ermittelt werden, und wobei mindestens einer der Merkmalparameter als Merkmalparameter einer relativen Annäherungsdynamik zwischen dem Systemfahrzeug (1) bzw. dem diesem vorausfahrenden Fahrzeug und einem anderen, in der Fahrzeugumgebung befindlichen Fahrzeug oder Objekt ermittelt wird.
  2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass eine Breite und/oder eine Höhe einer Rückseite des dem Systemfahrzeug (1) vorausfahrenden Fahrzeugs (10) als Merkmalparameter einer Fahrzeugklassifikation des vorausfahrenden Fahrzeugs (10) erfasst wird oder werden.
  3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass anhand der Merkmalparameter der Fahrzeugklassifikation die Merkmalparameter der relative Annäherungsdynamik ermittelt werden.
  4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass ein relativer Abstand, eine relative Geschwindigkeit, eine relative Beschleunigung und/oder eine relative Zeitlücke als Merkmalparametern der relativen Annährungs-Dynamik ermittelt werden.
  5. Verfahren nach einem der vorhergehenden Ansprüche, gekennzeichnet durch die folgenden Schritte: – Erfassen der Fahrzeugumgebung und Erstellen der Umgebungsrepräsentation, – Ermitteln einer ersten Anzahl von Merkmalparametern anhand der Umgebungsrepräsentation, – Ermitteln einer zweiten Anzahl von Merkmalparametern anhand eines in die Umgebungsrepräsentation implementierten Belegungsgitters (3), umfassend eine Anzahl von Zellen (Z1 bis Z9), – Ermitteln einer dritten Anzahl von Merkmalparametern anhand der relativen Annäherungsdynamik zwischen dem Systemfahrzeug (1) oder dem diesem vorausfahrenden Fahrzeug (10) und einem anderen, in der Fahrzeugumgebung befindlichen Fahrzeug, – Ermitteln von tatsächlichen Werten für die erste, zweite und dritte Anzahl der Merkmalparameter anhand von Evidenzen bestehend aus gemessenen Merkmalen und deren Mess-Unsicherheiten, – Ermitteln einer Wahrscheinlichkeit der jeweiligen tatsächlichen Werte der Merkmalparameter anhand einer kontinuierlichen Gaußverteilungsfunktion. – Erstellen einer Anzahl von Hypothesen anhand der Wahrscheinlichkeit der tatsächlichen Werte der Merkmalparameter, – Ermitteln einer jeweiligen Wahrscheinlichkeit der Hypothesen anhand einer Sigmoidfunktion.
  6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass eine zeitliche Trend-Entwicklung der tatsächlichen Werte der Merkmalparameter und der Wahrscheinlichkeiten der Hypothesen ermittelt werden.
  7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als Hypothesen eine relative-Fahrzeug-Fahrzeug-Dynamik-Hypothese anhand der die Annäherungsdynamik beschreibenden Merkmalparameter und einer Freiraumhypothese sowie eine relative Fahrzeug-Spurmarkierung-Dynamik Hypothese, anhand einer lateralen Evidenz und einer Trajektoriehypothese, erstellt werden.
  8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass bei Sichtverdeckungen durch eine Rückfront des dem Systemfahrzeug (1) vorausfahrenden Fahrzeugs (10), die Merkmalparameter eines dem vorausfahrenden Fahrzeug (10) vorausfahrenden weiteren Fahrzeugs (11) durch Fahrzeug-Fahrzeug-Kommunikation ermittelt werden.
  9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der ermittelte Spurwechselbedarf zur Erkennung und Vorhersage eines Manövers des Systemfahrzeugs (1) und/oder des diesem vorausfahrenden Fahrzeugs (10) verwendet wird, und dass das erkannte Manöver als Eingangsinformation für eine Manöverabsicherung bei voll- oder teilautonomen Fahrbetrieb des Systemfahrzeugs (1) verwendet wird.
  10. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der ermittelte Spurwechselbedarf zur Erkennung eines Manövers des Systemfahrzeugs (1) und/oder des diesem vorausfahrenden Fahrzeugs (10) verwendet wird und dass das erkannte Manöver als Eingangsinformation für eine Fahrzeugführung und Fahrerassistenz des Systemfahrzeugs (1) verwendet wird.
DE102014003343.0A 2014-03-07 2014-03-07 Verfahren zum Ermitteln eines Spurwechselbedarfs eines Systemfahrzeugs Withdrawn DE102014003343A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102014003343.0A DE102014003343A1 (de) 2014-03-07 2014-03-07 Verfahren zum Ermitteln eines Spurwechselbedarfs eines Systemfahrzeugs

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102014003343.0A DE102014003343A1 (de) 2014-03-07 2014-03-07 Verfahren zum Ermitteln eines Spurwechselbedarfs eines Systemfahrzeugs

Publications (1)

Publication Number Publication Date
DE102014003343A1 true DE102014003343A1 (de) 2014-09-18

Family

ID=51418920

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102014003343.0A Withdrawn DE102014003343A1 (de) 2014-03-07 2014-03-07 Verfahren zum Ermitteln eines Spurwechselbedarfs eines Systemfahrzeugs

Country Status (1)

Country Link
DE (1) DE102014003343A1 (de)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015219934A1 (de) * 2015-10-14 2017-04-20 Volkswagen Aktiengesellschaft Kommunikation einer Fahrstreifenwechselabsicht
DE102016221608A1 (de) * 2016-11-04 2018-05-09 Volkswagen Aktiengesellschaft Bestimmen der aktuellen Höhe eines Fahrzeugs
DE102018001970A1 (de) 2018-03-12 2019-09-12 Daimler Ag Verfahren zum Betreiben eines Regelsystems zur automatisierten Fahrzeugführung
DE102018008599A1 (de) * 2018-10-31 2020-04-30 Trw Automotive Gmbh Steuerungssystem und Steuerungsverfahren zum Bestimmen einer Trajektorie für ein Kraftfahrzeug
CN111469847A (zh) * 2020-04-14 2020-07-31 宁波吉利汽车研究开发有限公司 一种变道路径规划的方法及系统
DE102019004842A1 (de) * 2019-07-12 2021-01-14 Zf Friedrichshafen Ag Verfahren zum Betreiben eines wenigstens teilweise automatisierten Fahrzeugs

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
IEEE-Aufsatz "Object-Oriented Bayesian Networks for Detection of Lane Change" von D. Kaspaer, G. Weidl, T. Tang, G. Breuel, A. Tamke und A. Wedel, DOI: 100.1109

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015219934A1 (de) * 2015-10-14 2017-04-20 Volkswagen Aktiengesellschaft Kommunikation einer Fahrstreifenwechselabsicht
DE102016221608A1 (de) * 2016-11-04 2018-05-09 Volkswagen Aktiengesellschaft Bestimmen der aktuellen Höhe eines Fahrzeugs
DE102018001970A1 (de) 2018-03-12 2019-09-12 Daimler Ag Verfahren zum Betreiben eines Regelsystems zur automatisierten Fahrzeugführung
WO2019174830A1 (de) 2018-03-12 2019-09-19 Daimler Ag Verfahren zum betreiben eines regelsystems zur automatisierten fahrzeugführung
DE102018008599A1 (de) * 2018-10-31 2020-04-30 Trw Automotive Gmbh Steuerungssystem und Steuerungsverfahren zum Bestimmen einer Trajektorie für ein Kraftfahrzeug
DE102019004842A1 (de) * 2019-07-12 2021-01-14 Zf Friedrichshafen Ag Verfahren zum Betreiben eines wenigstens teilweise automatisierten Fahrzeugs
CN111469847A (zh) * 2020-04-14 2020-07-31 宁波吉利汽车研究开发有限公司 一种变道路径规划的方法及系统

Similar Documents

Publication Publication Date Title
DE102014003343A1 (de) Verfahren zum Ermitteln eines Spurwechselbedarfs eines Systemfahrzeugs
DE102016203086B4 (de) Verfahren und Vorrichtung zur Fahrerassistenz
DE102013005362A1 (de) Verfahren zur Analyse einer Verkehrssituation
EP3181422B1 (de) Verfahren und system zur automatischen steuerung eines folgefahrzeugs mit einem scout-fahrzeug
DE102012009555A1 (de) Verfahren zur Unterstützung eines Fahrers beim Führen eines Fahrzeugs und Fahrerassistenzsystem
DE102015224192B4 (de) Erkennen einer Freifläche
EP3181421B1 (de) Verfahren und system zur automatischen steuerung eines folgefahrzeugs mit einem vorderfahrzeug
WO2015197353A2 (de) Verfahren zur erstellung eines umfeldmodells eines fahrzeugs
DE102015208790A1 (de) Bestimmen einer Trajektorie für ein Fahrzeug
DE102012212175A1 (de) Verfahren und Vorrichtung zum Betreiben eines Fahrzeugs
DE102007037610A1 (de) Verfahren zum Bestimmen eines wahrscheinlichen Bewegungs-Aufenthaltsbereichs eines Lebewesens
EP3105092B1 (de) Verfahren zum betrieb eines zur wenigstens teilweise automatischen fahrzeugführung ausgebildeten fahrzeugsystems und kraftfahrzeug
DE102015214425A1 (de) Verfahren zum Erkennen eines Verlaufs von Schienen
DE102018130243A1 (de) Erweitertes Szenario für Autobahnassistenten
AT14433U2 (de) Automatisierter Fahrstreifenwechsel im dynamischen Verkehr, basierend auf fahrdynamisch bedingten Einschränkungen
EP3627386A1 (de) Verfahren und vorrichtung zum bereitstellen eines umfeldabbildes eines umfeldes einer mobilen einrichtung und kraftfahrzeug mit einer solchen vorrichtung
EP2964503B1 (de) Schätzung der zukünftigen geschwindigkeit und/oder entfernung eines fahrzeugs von einem referenzpunkt und schätzung der zukünftigen beschleunigung
EP3552921B1 (de) Autonome geschwindigkeitsplanung eines auf einen vorbestimmten pfad beschränkten beweglichen akteurs
DE102004047122A1 (de) Verfahren zum Überwachen eines Fahrzeugs
DE102017200580A1 (de) Verfahren zur Optimierung einer Manöverplanung für autonom fahrende Fahrzeuge
DE102018123896A1 (de) Verfahren zum Betreiben eines wenigstens teilweise automatisierten Fahrzeugs
DE102018213521A1 (de) Verfahren zum Betreiben eines automatisierten Fahrzeugs
EP3373268A1 (de) Verfahren zum betreiben eines fahrerassistenzsystems für ein fahrzeug auf einer strasse und fahrerassistenzsystem
EP3873784A1 (de) Steuerungssystem und steuerungsverfahren zum samplingbasierten planen möglicher trajektorien für kraftfahrzeuge
EP3811351A1 (de) Anpassung der trajektorie eines ego-fahrzeugs an bewegte fremdobjekte

Legal Events

Date Code Title Description
R230 Request for early publication
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee