DE102014215124A1 - Mobileinheit und Verfahren zur Positionsbestimmung eines Umgebungsobjektes einer Mobileinheit - Google Patents

Mobileinheit und Verfahren zur Positionsbestimmung eines Umgebungsobjektes einer Mobileinheit Download PDF

Info

Publication number
DE102014215124A1
DE102014215124A1 DE102014215124.4A DE102014215124A DE102014215124A1 DE 102014215124 A1 DE102014215124 A1 DE 102014215124A1 DE 102014215124 A DE102014215124 A DE 102014215124A DE 102014215124 A1 DE102014215124 A1 DE 102014215124A1
Authority
DE
Germany
Prior art keywords
mobile unit
state vector
environment
characteristic point
environment object
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Withdrawn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
DE102014215124.4A
Other languages
English (en)
Inventor
Felix Klanner
Horst Klöden
Andreas Rauch
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.)
Bayerische Motoren Werke AG
Original Assignee
Bayerische Motoren Werke 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 Bayerische Motoren Werke AG filed Critical Bayerische Motoren Werke AG
Priority to DE102014215124.4A priority Critical patent/DE102014215124A1/de
Publication of DE102014215124A1 publication Critical patent/DE102014215124A1/de
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • 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
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • 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
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • 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
    • G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • 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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/0009—Transmission of position information to remote stations
    • G01S5/0072—Transmission between mobile stations, e.g. anti-collision systems
    • 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
    • G01S7/003—Transmission of data between radar, sonar or lidar systems and remote stations
    • 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
    • G01S2013/9316—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles combined with communication equipment with other vehicles or with base stations
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes

Landscapes

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

Abstract

Es werden eine Mobileinheit sowie ein Verfahren zur Positionsbestimmung eines Umgebungsobjektes einer Mobileinheit vorgeschlagen. Das Verfahren umfasst die Schritte: – Erfassen des Umgebungsobjektes (20, 30) durch einen Umgebungssensor (1) der ersten Mobileinheit (10), – Ermitteln einer Eigenposition (P10) der ersten Mobileinheit (10), – Erstellen eines ersten Zustandsvektors (4) kennzeichnend mindestens einen ersten charakteristischen Punkt (21) und einen zweiten charakteristischen Punkt (22) des Umgebungsobjektes (20, 30) auf Basis von Umgebungssensordaten des Umgebungssensors (1) und der Eigenposition (P10), – Empfangen eines zweiten Zustandsvektors (5) aus der Umgebung in der ersten Mobileinheit (10) kennzeichnend mindestens einen dritten charakteristischen Punkt (21) und einen vierten charakteristischen Punkt (24) des Umgebungsobjektes (10), – Sicherstellen, dass der erste charakteristische Punkt (21) des ersten Zustandsvektors (4) und der dritte charakteristische Punkt (21) des zweiten Zustandsvektors (5) einen identischen charakteristischen Punkt des Umgebungsobjektes (30) kennzeichnen, und – Bestimmen einer Position und Ausrichtung des Umgebungsobjektes (10) auf Basis des identischen charakteristischen Punktes. – Bestimmen der Unsicherheiten der neuberechneten Positionen und Ausrichtungen der Umgebungsobjekte.

Description

  • Die vorliegende Erfindung betrifft eine Mobileinheit sowie ein Verfahren zur Positionsbestimmung eines Umgebungsobjektes einer Mobileinheit. Insbesondere betrifft die vorliegende Erfindung eine Verbesserung einer Positionsbestimmung, welche auf der Beobachtung eines Umgebungsobjektes durch mehrere Mobileinheiten basiert.
  • In der Kommunikation zwischen Mobileinheiten (nachfolgend „Fortbewegungsmittel“ oder "Fahrzeug") ist der Austausch von Objektlisten grundsätzlich bekannt. Hierbei werden auf Basis der kommunizierten, satellitenbasiert bestimmten Positionen der Kommunikationspartner und deren Unsicherheiten die Relativpositionen der Objekte im Empfängerfahrzeug bestimmt. Im Bereich der Fahrzeugeigenlokalisierung sind zudem Verfahren bekannt, welche die Landmarken einer digitalen Karte mit den durch das Fahrzeug erkannten Landmarken abgleichen, um die Position des Fahrzeuges zu bestimmen. Eine Quelle für das vorgenannte Verfahren ist A. Schindler: "Vehicle self-localization using High-Precision digital maps, IEEE intelligent vehicles symposium (IV), Gold Coast City, Australien, 2013".
  • Um die Objektlisten zu assoziieren, bietet sich ein sogenanntes Point-Maching-Verfahren an, dass die beiden Objektlisten in Punktwolken umwandelt und deren Relativversatz bestimmt (A. Rauch, S. Maier, F. Klanner, K. Dietmayer: "Inter-Vehicle Object Association for cooperative perception systems, IEEE intelligent transportation systems conference (ITSC), Den Hark, Niederlande, 2013"). Darüber hinaus sind Point-Matching-Verfahren insbesondere im Bereich der Bildverarbeitung und in der Laserscannerdatenverarbeitung bekannt, z. B. die Funktion von zwei überlappenden Bildern („Scanmatching“) bei der 3D-Rekonstruktion.
  • S. J. Julier, J. K. Uhlmann: "Unscented filtering and nonlinear estimation, proceedings of the IEEE, Vol. 92, Nr. 3, März 2004" offenbart eine Methode zur Propagation/Umrechnung von Unsicherheiten von Zustandsgrößen, die mittels nichtlinearer Transformationen transformiert werden. Die bekannten Ansätze zur gemeinschaftlichen Nutzung kommunizierter satellitenbasiert bestimmter Positionen führt nach heutigem Stand zu Fehlern im Bereich von ein bis zehn Metern oder größer für die relative Positionierung. Diese Fehler beeinflussen die Fehler und die Gütemaße der kommunizierten Objektlisten nachteilig. Hierdurch ist z.B. in der Regel keine fahrstreifengenaue Zuordnung der kommunizierten Objekte möglich. Wird aufgrund des Gütemaßes der zu erwartende Fehler zu hoch, ist eine Durchführung vieler Fahrerassistenzfunktionen auf dieser Datenbasis nicht mehr möglich. Die bisher vorgestellten Verfahren (ausgenommen vereinzelte iterative oder heuristische Verfahren, z.B. Pennec – „A Framework for Uncertainty and Validation of 3D Registration Methods") zum Point-Matching liefern keine Aussage über die Güte der Relativposition und Lage der miteinander fusionierten Punktwolken sowie deren Assoziation. Zudem verwenden die vorgenannten Verfahren eine starke Heuristik, sodass Algorithmen nur durch viel Empirie angepasst werden können, was zu suboptimalen Ergebnissen führt. Zudem fordern die klassischen Fusionsverfahren ein konsistentes Gütemaß, da es ansonsten zu inkonsistenten Fusionsergebnissen kommen kann, d. h. dass das angegebene Gütemaß deutlich vom tatsächlichen Fehler abweicht (z. B. bei einer Position mit einem tatsächlichen Fehler von 5 m ist das Gütemaß nur 5 cm, oder anders herum).
  • Es ist eine Aufgabe der vorliegenden Erfindung, die vorgenannten Nachteile auszuräumen.
  • Die vorstehend identifizierte Aufgabe wird erfindungsgemäß durch ein Verfahren mit den Merkmalen gemäß Anspruch 1 sowie durch eine Mobileinheit mit den Merkmalen gemäß Anspruch 11 gelöst.
  • Das Verfahren dient der Positionsbestimmung eines Umgebungsobjektes einer ersten Mobileinheit. In einem ersten Schritt wird das Umgebungsobjekt durch einen Sensor (z. B. einen Umgebungssensor) der ersten Mobileinheit erfasst. Die Mobileinheit kann beispielsweise ein PKW, ein Transporter, ein LKW, eine automatisch navigierende Einheit oder eine ferngesteuerte Einheit sein. Das Umgebungsobjekt kann beispielsweise eine weitere Mobileinheit sein, welche optional ebenfalls zur Durchführung des erfindungsgemäßen Verfahrens eingerichtet ist. Auch andere Verkehrsteilnehmer können als Umgebungsobjekt am erfindungsgemäßen Verfahren teilnehmen. Weiter umfasst das Verfahren ein Ermitteln einer Eigenposition der ersten Mobileinheit, was beispielsweise unter Verwendung eines satellitenbasierten Ortungssystems erfolgen kann. Anschließend wird ein erster Zustandsvektor erstellt, welcher mindestens einen ersten charakteristischen Punkt und einen zweiten charakteristischen Punkt des Umgebungsobjektes kennzeichnet. Der Zustandsvektor kann beispielsweise auf Basis von Sensordaten eines Umgebungssensors der ersten Mobileinheit sowie optional auf Basis der Eigenposition der Mobileinheit erstellt werden. Die Eigenposition kann zunächst jedoch auch unabhängig von dem Zustandsvektor gespeichert und weiterverarbeitet werden. Der Zustandsvektor kennzeichnet beispielsweise eine jeweilige Position und/oder eine relative Zuordnung der charakteristischen Punkte des Umgebungsobjektes zueinander. Anschließend wird ein zweiter Zustandsvektor aus der Umgebung durch die erste Mobileinheit empfangen. Dies kann beispielsweise unter Verwendung einer Drahtloskommunikationsverbindung zu einer weiteren Mobileinheit und/oder einem bzw. dem Umgebungsobjekt erfolgen. Auch der zweite Zustandsvektor kennzeichnet charakteristische Punkte des Umgebungsobjektes. Mindestens ein charakteristischer Punkt, welcher durch den ersten Zustandsvektor gekennzeichnet ist, muss auch im zweiten Zustandsvektor enthalten sein beziehungsweise durch diesen repräsentiert werden. Obgleich der übereinstimmend gekennzeichnete Punkt in den Zustandsvektoren durch unterschiedliche Messungenauigkeiten behaftet sein kann, ist sicherzustellen, dass der erste charakteristische Punkt des ersten Zustandsvektors und der dritte charakteristische Punkt des zweiten Zustandsvektors einen identischen charakteristischen Punkt des Umgebungsobjektes kennzeichnen. Dies kann beispielsweise ein vordefinierter Punkt an der Außenhaut des Umgebungsobjektes (z. B. eine Ecke eines Fahrzeuges, ein Außenspiegel, eine Antenne o.ä.) sein. Nachdem sichergestellt wurde, dass zumindest ein identischer Punkt durch die beiden Zustandsvektoren charakterisiert wird, wird schließlich eine Position des Umgebungsobjektes auf Basis des identischen charakteristischen Punktes bestimmt. Indem erfindungsgemäß mehrere Punkte eines Umgebungsobjektes bestimmt und bei der Positionsbestimmung des Umgebungsobjektes berücksichtigt werden, können beispielsweise Kenntnisse über die Natur der zu erwartenden Ungenauigkeiten (Messtoleranzen o.ä. systemimmanente Unsicherheiten) besser berücksichtigt beziehungsweise kompensiert werden. Im Ergebnis wird die gemeinschaftliche Positionsbestimmung eines einzigen Umgebungsobjektes weniger fehlerbehaftet und für bislang nicht in Betracht gezogene Anwendungsfälle verwendbar.
  • Die Unteransprüche zeigen bevorzugte Weiterbildungen der Erfindung.
  • Zur Berücksichtigung der Messfehler und anderen Toleranzen kann weiter eine erste Kovarianzmatrix für den ersten Zustandsvektor ermittelt werden, welcher die Ungenauigkeit der Werte des ersten Zustandsvektors repräsentiert. Die Kovarianzmatrix kann beispielsweise eine Messcharakteristik des verwendeten Sensors (z. B. ein Ultraschallsensor, ein Radarsensor, ein Lidar-Sensor, ein 2D- und/oder 3D-Sensor, ein Lasersensor) berücksichtigen. Entsprechend wird in einem weiteren Schritt eine zweite Kovarianzmatrix für den zweiten Zustandsvektor empfangen. Dieser kennzeichnet eine Ungenauigkeit der Werte des zweiten Zustandsvektors. Die zweite Kovarianzmatrix kann beispielsweise durch dieselbe Instanz (z. B. das Umgebungsobjekt oder eine zweite Mobileinheit) erstellt und gesendet werden, von welcher auch der zweite Zustandsvektor empfangen wurde. Entsprechend kann auch der zur Erstellung des zweiten Zustandsvektors verwendete Sensor (z. B. ein Ultraschallsensor, ein Radarsensor, ein Lidar-Sensor, ein 2D- und/oder 3D-Sensor, ein Lasersensor) und dessen Messunsicherheiten berücksichtigt werden.
  • Die erste Kovarianzmatrix ermöglicht die Bestimmung einer ersten Kovarianzellipse für den ersten charakteristischen Punkt des Umgebungsobjektes. Entsprechend ermöglicht die zweite Kovarianzmatrix die Bestimmung einer zweiten Kovarianzellipse für den ersten charakteristischen Punkt des Umgebungsobjektes. Die Kovarianzellipsen repräsentieren eine Charakteristik von Messunsicherheiten zur Erstellung des ersten beziehungsweise des zweiten Zustandsvektors verwendeter Sensoren. Beispielsweise ist eine Entfernungsmessung mittels eines optischen 2D-Sensors mit größeren Toleranzen behaftet als die Richtungsbestimmung mit dem optischen Sensor. Hingegen ist die Verwendung eines Radarsensors bei der Umfeldanalyse hinsichtlich aktueller Entfernungen mit recht geringen Fehlern beaufschlagt, während die Richtungsauflösung des Radarsensors gegebenenfalls deutlich größere Fehler aufweisen kann. Durch die üblicherweise unterschiedlichen Perspektiven, welche die Sensoren bei der Erfassung des Umgebungsobjektes auf die jeweiligen charakteristischen Punkte haben, können die Schnittmengen der Kovarianzellipsen derjenigen charakteristischen Punkte, welche in beiden Zustandsvektoren enthalten sind, die Fehler bei der Positionsbestimmung drastisch senken. Zudem ermöglichen die relativen Lagen der Kovarianzellipsen zueinander eine Möglichkeit, die unterschiedlichen Perspektiven auf das Umgebungsobjekt zu ermitteln. Die unterschiedlichen Perspektiven können beispielsweise auch bei dem identifizieren identischer charakteristischer Punkte verwendet werden, indem sie einen Anhaltspunkt für eine Transformationsvorschrift zum Vergleich des ersten Zustandsvektors in den zweiten Zustandsvektor (oder umgekehrt) geben.
  • Zusätzlich können weitere Punkte auf der ersten Kovarianzellipse und auf der zweiten Kovarianzellipse ermittelt werden, welche z.B. zur Untersuchung einer relativen Lage der Kovarianzellipsen zueinander mittels eines Point-Matching-Algorithmus' verwendet werden können. Beispielsweise kann durch die Erzeugung zusätzlicher Punkte auf den Kovarianzellipsen eine Punktewolke mit einer eindeutig bestimmbaren Orientierung geschaffen werden, wobei die Gestalt und Orientierung der Punktewolken/Kovarianzellipsen Aufschluss über die bei der Positionsbestimmung verwendeten Perspektiven bzw. Sensorprinzipien geben.
  • Auch eine Referenzposition kann aus der Umgebung der ersten Mobileinheit empfangen und mit dem zweiten Zustandsvektor zur Identifikation identischer charakteristischer Punkte verknüpft werden. Die Referenzposition kann beispielsweise eine Position einer weiteren Mobileinheit kennzeichnen, welche beispielsweise satellitenbasiert bestimmt wurde. Mit anderen Worten kann die erste Mobileinheit sowohl eine Referenzposition (z. B. Eigenposition einer weiteren Mobileinheit) als auch den zweiten Zustandsvektor und die zweite Kovarianzmatrix über eine Drahtlosverbindung aus der eigenen Umgebung empfangen, die charakterisierten Punkte des Umgebungsobjektes mittels der Kovarianzmatrizen hinsichtlich einer Messunsicherheit bewerten und anschließend aufeinander abstimmen (englisch "matching").
  • Die Verwendung eines globalen Zeitstempels beim Erstellen von Zustandsvektoren beziehungsweise bei deren Versand kann die vorstehend beschriebene Abstimmung weiter unterstützen. Über den Zeitstempel können über der Zeit veränderliche Positionsdaten besser miteinander zu verlässlichen und exakten Ergebnissen verknüpft werden.
  • Die Zustandsvektoren können beispielsweise Position, Dimension, Orientierung im Raum, Geschwindigkeit, Bewegungsrichtung, Beschleunigung o.ä. des Umgebungsobjektes charakterisieren. Alternativ oder zusätzlich können entsprechende Größen auch für die Mobileinheit(en) inkludiert werden, durch welche das Umgebungsobjekt sensorisch erfasst worden ist.
  • Sofern das Umgebungsobjekt selbst zur Durchführung des erfindungsgemäßen Verfahrens, also zur Ermittlung einer Eigenposition, eines Zustandsvektors und ggf. einer zugehörigen Kovarianzmatrix) eingerichtet ist, kann es als zweite Mobileinheit (oder weitere Mobileinheit) verstanden werden. Mit anderen Worten sendet das Umgebungsobjekt selbst den zweiten Zustandsvektor an die erste Mobileinheit, ermittelt die eigene Position (Referenzposition) sowie einen Zeitstempel und sendet diese Informationen an die erste Mobileinheit.
  • Selbstverständlich schließt dies nicht aus, dass das Umgebungsobjekt auch durch eine weitere Mobileinheit erfasst wird, welche einen dritten Zustandsvektor für das Umgebungsobjekt ermittelt, die eigene Position (Referenzposition) ermittelt und beide Informationen zeitgestempelt der ersten Mobileinheit zur Positionsbestimmung des Umgebungsobjektes übersendet. Auch kann die weitere Mobileinheit entsprechende Daten von der ersten Mobileinheit erhalten, um ihrerseits eine entsprechende Positionsbestimmung durchzuführen.
  • Gemäß einer Weiterbildung kann das Umgebungsobjekt durch die erste Mobileinheit klassifiziert werden und im Ansprechen auf das Ergebnis der Klassifikation die charakteristischen Punkte des Umgebungsobjektes für den ersten Zustandsvektor und/oder für den zweiten Zustandsvektor definiert werden. Mit anderen Worten wird eine geeignete Anzahl/Position der charakteristischen Punkte in Abhängigkeit der Art des Umgebungsobjektes (z. B. ein PKW, ein Motorrad, ein Fußgänger, ein Baum, eine Leitplanke o.ä. ermittelt und bei der Wahl einer Dimension für den Zustandsvektor ("Anzahl und/oder Position und/oder Benennung der charakteristischen Punkte des Umgebungsobjektes") verwendet werden. Dies ermöglicht eine artgemäße Wahl der charakteristischen Punkte.
  • Um die durch die Zustandsvektoren beschrieben Positionen des Umgebungsobjektes zu einem gemeinsamen Zeitpunkt miteinander in Beziehung setzen zu können, kann insbesondere unter der Annahme einer konstanten Geschwindigkeit und/oder einer konstanten Beschleunigung der jeweiligen Mobileinheit und/oder des Umgebungsobjektes eine Position des Umgebungsobjektes zu einem zukünftigen Zeitpunkt vorhergesagt werden. Der zukünftige Zeitpunkt kann beispielsweise Laufzeiten der Signale, ihre Verarbeitungszeit und weitere Sicherheitsreserven berücksichtigen. Beispielsweise kann ein auf Basis eines empfangenen Zeitstempels die Position des Umgebungsobjektes zu einem späteren Zeitpunkt berechnet werden, wobei eine wahrscheinliche Signallaufzeit vom Absender des zweiten Zustandsvektors zur ersten Mobileinheit zugrunde gelegt wird.
  • Bevorzugt kann das erfindungsgemäße Verfahren einen Point-Matching-Algorithmus (z. B. iterative closest point ("iterativ nächstgelegener Punkt") oder expectation-maximization-iterative closest point (EM-ICP, "Erwartungsmaximierung des iterativen nächstgelegenen Punktes")) für charakteristische Punkte des Umgebungsobjektes im ersten Zustandsvektor und im zweiten Zustandsvektor durchführen. Während Point-Matching-Algorithmen wie eingangs erläutert in anderen Zusammenhängen Stand der Technik sind, können die bekannten Algorithmen auf die erfindungsgemäß erstellten Messwerte des Umgebungsobjektes angewendet werden. Auf diese Weise verringern sich der messtechnisch bedingte Fehler beziehungsweise die systembedingten Unsicherheiten bei der Positionsbestimmung sowie beim Fusionieren von Objektlisten erheblich.
  • Das Erfassen des Umgebungsobjektes kann beispielsweise durch einen optischen Umgebungssensor, radar- und/oder lidar- und/oder ultraschall- und/oder laserbasiert erfolgen. Eine optische Erfassung des Umgebungsobjektes kann beispielsweise mittels 2D- und/oder 3D-Kamerasystemen vorgenommen werden. Solche Sensoren sind für Fahrerassistenzsysteme bereits in Serie und daher kostengünstig verfügbar. Eine Realisierung des erfindungsgemäßen Verfahrens kann daher bevorzugt durch bereits für andere Zwecke und/oder Funktionen vorgesehene Hard- und Software erfolgen.
  • Bevorzugt kann bei der Erstellung des ersten Zustandsvektors der erste charakteristische Punkt und/oder der zweite charakteristische Punkt des Umgebungsobjektes nur unter der Bedingung verwendet werden, dass er einer durch den Sensor der ersten Mobileinheit erfassten Seite des Umgebungsobjektes zugeordnet ist, welche unter einem Winkel größer einem vordefinierten Winkel vom Sensor erfasst wird. Mit anderen Worten kann hierbei vermieden werden, dass der charakteristische Punkt zwar grundsätzlich vom Umgebungssensor erfasst werden kann, die Perspektive des Umgebungssensors auf den charakteristischen Punkt jedoch keine hinreichend zuverlässigen Daten ermöglicht. Zur Überprüfung des vorgenannten Winkels kann beispielsweise eine relative Orientierung zweier erfasster Punkte des Umgebungsobjektes bezüglich des verwendeten Sensors ausgewertet und mit vordefinierten Schwellenwerten verglichen werden. Dies verbessert die Zuverlässigkeit der erfindungsgemäßen Positionsbestimmung und vermeidet gegebenenfalls sicherheitskritische Fehlfunktionen.
  • Gemäß einem zweiten Aspekt der vorliegenden Erfindung wird eine Mobileinheit (z. B. ein PKW, ein Transporter, ein LKW, ein Fahrroboter und/oder eine ferngesteuerte mobile Einheit) vorgeschlagen, welche einen Umgebungssensor, eine Drahtloskommunikationseinheit und eine Auswerteeinheit (z. B. ein elektronisches Steuergerät oder ein programmierbarer Prozessor) umfasst. Die Mobileinheit ist erfindungsgemäß eingerichtet, als erste Mobileinheit in einem Verfahren gemäß dem vorstehend diskutieren, erstgenannten Erfindungsaspekt verwendet zu werden. Die Merkmale, Merkmalskombinationen und die sich aus diesen ergebenden Vorteile entsprechen den in Verbindung mit dem erfindungsgemäßen Verfahren Ausgeführten derart ersichtlich, dass zur Vermeidung von Wiederholung auf die obigen Ausführungen verwiesen wird.
  • Allgemein findet während der Anwendung des optional vorgeschlagenen Point-Matching-Verfahrens eine zusätzliche Plausibilisierung der Zuordnung von Punkten aus den durch die Zustandsvektoren (gegebenenfalls in Verbindung mit den Kovarianzmatrizen und/oder den Referenzpositionen) beschriebenen Punktewolken statt. Eine Zuordnung zweier Punkte zum Zweck der Berechnung und Minimierung einer Kostenfunktion findet nur dann statt, falls die beiden Punkte den gleichen Typ aufweisen (z. B. vordere/hintere, linke/rechte Ecke eines PKW). Die Bestimmung des Typs richtet sich bei dynamischen Objekten beispielsweise nach der Bewegungsrichtung. Des Weiteren wird bei der Zuordnung darauf geachtet, dass nicht Eckpunkte eines einzelnen Objektes Eckpunkten mehrerer anderer Objekte zugeordnet werden. Dies verhindert mehrdeutige Objektassoziationen.
  • Zur Bestimmung des anwendungsbedingt geforderten Gütemaßes für die Fusion der charakteristischen Punkte wird beispielsweise die unscented Transformation (S. J. Julier, J. K. Uhlmann: "Unscented filtering and nonlinear estimation, proceedings of the IEEE, Vol. 92, Nr. 3, März 2004") genutzt. Durch das hier vorgeschlagene Verfahren verringert sich die Anzahl der zu vergleichenden Punkte auf wenige Eckpunkte/Objekte, sodass der Algorithmus technisch und wirtschaftlich realisierbar wird. Bevorzugt kann gezielt ein Fehler auf die erfassten Punkte gerechnet werden. Dieser Fehler richtet sich nach den Güten der charakteristischen Punkte. Der Point-Matching-Algorithmus wird bevorzugt mehrfach auf die modifizierten Punkte angewendet und auf Basis der Empfindlichkeit des resultierenden Translationsvektors und der resultierenden Orientierung ein entsprechendes Gütemaß bestimmt. Mit der bekannten Translation/Orientierung und deren Gütemaßen aus der UT (Unscented Transformation) wird die Objektliste des Senderfahrzeugs auf die Relativposition des Empfängerfahrzeugs umgerechnet. Mit Hilfe der assoziierten und auf das Koordinatensystem des Empfängerfahrzeuges (die erste Mobileinheit) umgerechneten Objektlisten (insbesondere der Zustandsvektor(en)) erfolgt nun die Fusion von objekteigenen Punkten und deren Gütemaßen. Sofern von dem sendenden Fahrzeug (z. B. zweite Mobileinheit) und dem Empfängerfahrzeug nur ein einziges Objekt gemeinsam gesehen wird, werden zuerst die dieses Objekt repräsentierenden charakteristischen Punkte fusioniert. Hieraus ergibt sich explizit (das sendende Objekt wird gemeinsam gesehen) oder implizit (nicht sendendes Objekt wird gemeinsam gesehen) der Positions- und Orientierungsfehler des sendenden Fahrzeugs als Unterschied zwischen der ursprünglichen und der fusionierten Position und Lage des Objektes. Die Objektliste des sendenden Fahrzeugs wird entsprechend vor der Assoziation und Fusion um diese Abweichung korrigiert.
  • Weitere Einzelheiten, Merkmale und Vorteile der Erfindung ergeben sich aus der nachfolgenden Beschreibung und den Figuren. Es zeigen:
  • 1 eine Draufsicht auf eine Verkehrssituation, in welcher das erfindungsgemäße Verfahren durch zwei erfindungsgemäß ausgestaltete Mobileinheiten ausgeführt wird;
  • 2 eine Draufsicht auf zwei Mobileinheiten zur Veranschaulichung bei der Erfassung charakteristischer Punkte eines Umgebungsobjektes relevanter Winkel; und
  • 3 ein Flussdiagramm veranschaulichend Schritte eines Ausführungsbeispiels eines erfindungsgemäßen Verfahrens.
  • 1 zeigt einen ersten PKW 10 als erste Mobileinheit, einen zweiten PKW 20 als zweite Mobileinheit und einen dritten PKW 30 als Umgebungsobjekt. Sämtliche PKW 10, 20, 30 weisen charakteristische Punkte 21, 22, 23, 24 in den ihren Grundriss säumenden Eckbereichen auf. Konkret sind die Eckbereiche vorne links, vorne rechts, hinten links, hinten rechts durch charakteristische Punkte 21, 22, 23, 24 gekennzeichnet. Die PKW 10, 20 weisen jeweils einen Radarsensor 1 als Umgebungssensor, ein elektronisches Steuergerät 2 als Auswerteeinheit und eine durch eine Antenne 3 repräsentierte Drahtloskommunikationseinheit auf. Über die Antenne 3 können die PKW 10, 20 einerseits Signale eines durch einen Satelliten 40 symbolisierten satellitenbasierten Navigationssystems empfangen, andererseits durch Sprechblasen symbolisierte Zustandsvektoren 4, 5 und Kovarianzmatrizen 6, 7 austauschen. Der Empfang satellitenbasierter Navigationsinformationen ermöglicht eine von einem absoluten Referenzpunkt 50 gemessene Eigenposition P10 beziehungsweise Referenzposition P20. Lediglich beispielhaft ist die eigene Position P10, P20 der PKW 10, 20 in Bezug auf ihren jeweiligen Mittelpunkt M bestimmt. Basierend auf den Positionen P10, P20 können die mittels der Radarsensoren 1 aufgenommenen Zustandsvektoren 4, 5 und Kovarianzmatrizen 6, 7 zur erfindungsgemäßen Positionsbestimmung des PKW 30 verwendet werden. Hierzu sendet der zweite PKW 20 einen Datensatz an den PKW 10, welcher die absolute eigene Referenzposition/Eigenposition P20, Koordinaten charakteristischer Punkte P21, P24 in einem Zustandsvektor 5 und Informationen zu messprinzipbedingten Messunsicherheiten in Form einer Kovarianzmatrix 7 enthält. Ähnlich liegen dem PKW 10 die Eigenposition P10, Koordinaten charakteristischer Punkte P21, P22 in einem ersten Zustandsvektor 4 und Informationen zu messsystembedingten Fehlern in einer zweiten Kovarianzmatrix 6 vor. Erkennbar ist der charakteristische Punkt 21 in beiden Zustandsvektoren 4, 5 enthalten. Über die relative Orientierung der gestrichelt dargestellten, aus den Kovarianzmatrizen 6, 7 berechneten, Kovarianzellipsen 21a, 21b, kann der charakteristische Punkt 21 als innerhalb der Schnittmenge der Kovarianzellipsen 21a, 21b liegend deutlich exakter lokalisiert werden, als dies durch die Verwendung lediglich eines Radarsensors 1 möglich wäre.
  • 2 zeigt einen ersten PKW 10 und einen zweiten PKW 20 als erste Mobileinheit beziehungsweise als Umgebungsobjekt, wobei der zweite PKW 20 durch einen Radarsensor 1 des ersten PKWs 10 erfasst wird. Die charakteristischen Punkte 21, 22, 23 des PKWs 20 werden durch den Radarsensor 1 erfasst und mit den Koordinaten P21, P22, P23 beschrieben, während ein vierter charakteristischer Punkt 24 durch den PKW 20 selbst abgeschattet ist und nicht zur erfindungsgemäßen Positionsbestimmung zur Verfügung steht. Die im Wesentlichen entlang der linken Seite beziehungsweise entlang der Heckkante verlaufenden Linien 25, 26 schneiden die charakteristischen Punkte 21 und 22 bzw. 22 und 23. Die jeweilige Mitte dieser Linien 25, 26 zwischen den Punkten 21 und 22 bzw. 22 und 23 wird entsprechend der Strahlen S12, S32 unter jeweiligen Winkel ϕ1, ϕ2 erfasst. Da die Winkel größer als eine vorbestimmte untere Grenze sind, können alle drei charakteristischen Punkte 21, 22, 23 zur Verwendung im erfindungsgemäßen Verfahren herangezogen werden. Für den Fall, dass eine andere Orientierung des PKW 20 einen der Winkel ϕ1, ϕ2 unter die vorbestimmte Schwelle fallen lässt, können lediglich solche charakteristischen Punkte 21, 22, 23 erfindungsgemäß verwendet werden, durch welche eine Gerade 25, 26 verläuft, die mit den Strahlen S12, S32 einen Winkel ϕ1, ϕ2 beschreibt, der oberhalb des vordefinierten Schwellenwertes ist.
  • 3 zeigt Schritte eines Ausführungsbeispiels eines erfindungsgemäßen Verfahrens zur Positionsbestimmung eines Umgebungsobjektes einer ersten Mobileinheit. In Schritt 100 wird das Umgebungsobjekt durch einen Sensor der ersten Mobileinheit erfasst. Der Sensor kann beispielsweise ein Umgebungssensor sein, mittels welches Umgebungsobjekte in der Nähe der ersten Mobileinheit hinsichtlich Position und/oder Entfernung erfasst werden können. In Schritt 200 wird das Umgebungsobjekt hinsichtlich seines Typs klassifiziert, im Ansprechen worauf in Schritt 300 charakteristische Punkte des Umgebungsobjektes für den ersten Zustandsvektor und/oder einen zweiten Zustandsvektor definiert werden. Mit anderen Worten wird im Ansprechen auf die ermittelte Klasse eine Dimension für die Zustandsvektoren festgelegt. In Schritt 400 wird eine Eigenposition der ersten Mobileinheit ermittelt, was beispielsweise satellitengestützt erfolgen kann. In Schritt 500 wird ein erster Zustandsvektor erstellt, welcher mindestens einen ersten charakteristischen Punkt und einen zweiten charakteristischen Punkt des Umgebungsobjektes kennzeichnet. Die Erstellung kann auf Basis von Sensordaten des Umgebungssensors sowie auf Basis der Eigenposition der ersten Mobileinheit erfolgen. Der erste Zustandsvektor kann beispielsweise in einem Datensatz enthalten sein, welcher zudem eine Kovarianzmatrix kennzeichnend eine Ungenauigkeit der Werte des ersten Zustandsvektors umfasst. Alternativ oder zusätzlich kann auch eine Referenzposition für die erste Mobileinheit in dem Datensatz enthalten sein. In Schritt 600 wird eine Position des Umgebungsobjektes zu einem zukünftigen Zeitpunkt vorhergesagt, was insbesondere unter der Annahme einer konstanten Geschwindigkeit (constant velocity, CV) und/oder einer konstanten Beschleunigung (constant acceleration, CA) der ersten Mobileinheit und/oder des Umgebungsobjektes erfolgt. In Schritt 700 wird die vorgenannte Kovarianzmatrix für den ersten Zustandsvektor in der ersten Mobileinheit ermittelt, in Schritt 800 eine erste Kovarianzellipse für den ersten charakteristischen Punkt des Umgebungsobjektes auf Basis der ersten Kovarianzmatrix bestimmt und in Schritt 900 weitere Punkte auf der ersten Kovarianzellipse und auf einer gegebenenfalls vorhandenen zweiten Kovarianzellipse ermittelt. In Schritt 1000 wird ein zweiter Zustandsvektor aus der Umgebung durch die erste Mobileinheit empfangen, wobei auch der zweite Zustandsvektor mindestens einen dritten charakteristischen Punkt und einen vierten charakteristischen Punkt des Umgebungsobjektes kennzeichnet, welche vollständig oder anteilig mit den charakteristischen Punkten innerhalb des ersten Zustandsvektors identisch sind. In Schritt 1100 wird eine Referenzposition aus der Umgebung der ersten Mobileinheit durch die erste Mobileinheit empfangen. Diese kennzeichnet die Position des Umgebungsobjektes beziehungsweise einer zweiten Mobileinheit. Insbesondere kennzeichnet die Referenzposition einen solchen Ort, von welchem aus gemessen der zweite Zustandsvektor die charakteristischen Werte des Umgebungsobjektes beschreibt. Die Referenzposition kann daher beispielsweise ein ortsfester Punkt auf der Erdoberfläche sein. Anschließend wird in Schritt 1200 der zweite Zustandsvektor mit der Referenzposition zur Identifikation identischer charakteristischer Punkte auf der Oberfläche des Umgebungsobjektes verknüpft. Mit anderen Worten wird eine Beziehung zwischen den durch die erste Mobileinheit ermittelten Positionsdaten des Umgebungsobjektes und drahtlos in der ersten Mobileinheit empfangener Positionsdaten des Umgebungsobjektes hergestellt. Die Beziehung kann initial z.B. durch einen Auktionsalgorithmus hergestellt werden (Stand der Technik) und wird schrittweise im Point Matching verfeinert/verbessert.
  • In Schritt 1300 wird eine zweite Kovarianzmatrix für den zweiten Zustandsvektor in der ersten Mobileinheit empfangen und in Schritt 1400 eine zweite Kovarianzellipse für den ersten charakteristischen Punkt auf Basis der zweiten Kovarianzmatrix bestimmt. In Schritt 1500 wird sichergestellt, dass der erste charakteristische Punkt des ersten Zustandsvektors und der dritte charakteristische Punkt des zweiten Zustandsvektors einen identischen charakteristischen Punkt des Umgebungsobjektes (z. B. vorne links, vorne rechts, hinten links, hinten rechts) kennzeichnen. Anschließend wird ein Point-Matching-Algorithmus in Schritt 1600 durchgeführt, wobei ein iterative closest point"- (ICP) oder ein Erwartungsmaximierung des iterativen nahesten Punktes (englisch " expectation-maximization-iterative closest point" (EM-ICP)) Verfahren verwendet wird. Hierbei werden charakteristische Punkte des Umgebungsobjektes im ersten Zustandsvektor oder im zweiten Zustandsvektor zusammengefügt. In Schritt 1700 wird die Unsicherheit der in Schritt 1600 ermittelten relativen Position und Lage der charakteristischen Punkte zueinander mittels UT (Unscented Transformation) bestimmt. Schließlich wird in Schritt 1800 die korrigierte Position und Unsicherheit des Umgebungsobjektes auf Basis des Matching-Ergebnisses bestimmt.
  • Bezugszeichenliste
    • 1
    Radarsensor
    2
    elektronisches Steuergerät
    3
    Drahtloskommunikationseinheit
    4, 5
    Zustandsvektor
    6, 7
    Kovarianzmatrix
    10
    PKW
    20
    PKW
    21, 22, 23, 24
    charakteristische Punkte
    21a, 21b
    Kovarianzellipsen
    25, 26
    Kantenlinien des PKW 20
    30
    PKW
    40
    Satellit
    50
    Koordinatenursprung
    100 bis 1800
    Verfahrensschritte
    M
    Mittelpunkt der PKW 10, 20
    P10, P20
    Referenz-/Eigenpositionen der PKW 10, 20
    P21, P22, P23
    relative Koordinaten
    S12, S32
    optische Achsen auf die Linien 25, 26
  • 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
    • A. Schindler: "Vehicle self-localization using High-Precision digital maps, IEEE intelligent vehicles symposium (IV), Gold Coast City, Australien, 2013" [0002]
    • A. Rauch, S. Maier, F. Klanner, K. Dietmayer: "Inter-Vehicle Object Association for cooperative perception systems, IEEE intelligent transportation systems conference (ITSC), Den Hark, Niederlande, 2013" [0003]
    • S. J. Julier, J. K. Uhlmann: "Unscented filtering and nonlinear estimation, proceedings of the IEEE, Vol. 92, Nr. 3, März 2004" [0004]
    • Pennec – „A Framework for Uncertainty and Validation of 3D Registration Methods“ [0004]
    • S. J. Julier, J. K. Uhlmann: "Unscented filtering and nonlinear estimation, proceedings of the IEEE, Vol. 92, Nr. 3, März 2004" [0024]

Claims (11)

  1. Verfahren zur Positionsbestimmung eines Umgebungsobjektes (20, 30) einer ersten Mobileinheit (10) umfassend die Schritte: – Erfassen (100) des Umgebungsobjektes (20, 30) durch einen Umgebungssensor (1) der ersten Mobileinheit (10), – Ermitteln (400) einer Eigenposition (P10) der ersten Mobileinheit (10), – Erstellen (500) eines ersten Zustandsvektors (4) kennzeichnend mindestens einen ersten charakteristischen Punkt (21) und einen zweiten charakteristischen Punkt (22) des Umgebungsobjektes (20, 30) auf Basis von Umgebungssensordaten des Umgebungssensors (1) und der Eigenposition (P10), – Empfangen (1000) eines zweiten Zustandsvektors (5) aus der Umgebung in der ersten Mobileinheit (10) kennzeichnend mindestens einen dritten charakteristischen Punkt (21) und einen vierten charakteristischen Punkt (24) des Umgebungsobjektes (10), – Sicherstellen (1500), dass der erste charakteristische Punkt (21) des ersten Zustandsvektors (4) und der dritte charakteristische Punkt (21) des zweiten Zustandsvektors (5) einen identischen charakteristischen Punkt des Umgebungsobjektes (30) kennzeichnen, und – Bestimmen (1800) einer Position des Umgebungsobjektes (10) auf Basis des identischen charakteristischen Punktes.
  2. Verfahren nach Anspruch 1, weiter umfassend – Ermitteln (700) einer ersten Kovarianzmatrix (6) für den ersten Zustandsvektor (4) durch die erste Mobileinheit (10), – Empfangen (1300) einer zweiten Kovarianzmatrix (7) für den zweiten Zustandsvektor (5) durch die erste Mobileinheit (10), und – Bestimmen (800) einer ersten Kovarianzellipse (21a) für den ersten charakteristischen Punkt (21) auf Basis der ersten Kovarianzmatrix (6) und – Bestimmen (1400) einer zweiten Kovarianzellipse (21b) für den ersten charakteristischen Punkt (21) auf Basis der zweiten Kovarianzmatrix (7), und – wobei die Kovarianzellipsen (21a, 21b) Messunsicherheiten zur Erstellung des ersten Zustandsvektors (4) und des zweiten Zustandsvektors (5) verwendeter Umgebungssensoren (1) repräsentieren.
  3. Verfahren nach einem der vorstehenden Ansprüche weiter umfassend – Empfangen (1100) einer Referenzposition (P20) aus der Umgebung der ersten Mobileinheit (10), und – Verknüpfen (1200) des zweiten Zustandsvektors (5) mit der Referenzposition (P20) zur Identifikation identischer charakteristischer Punkte.
  4. Verfahren nach einem der vorstehenden Ansprüche, wobei der zweite Zustandsvektor (5), und insbesondere eine ihm zugeordnete Referenzposition (P20), vom Umgebungsobjekt (30) oder einer zweiten Mobileinheit (20) in der Umgebung des Umgebungsobjektes (30) ermittelt und gesendet wird.
  5. Verfahren nach einem der vorstehenden Ansprüche weiter umfassend die Schritte – Klassifizieren (200) des Umgebungsobjektes (30), und im Ansprechen auf das Ergebnis der Klassifikation, – Definieren (300) charakteristischer Punkte (21, 22, 24) des Umgebungsobjektes (30) für den ersten Zustandsvektor (4) und/oder den zweiten Zustandsvektor (5).
  6. Verfahren nach einem der vorstehenden Ansprüche weiter umfassend die Schritte – Vorhersagen (600) einer Position des Umgebungsobjektes (30) zu einem zukünftigen Zeitpunkt, insbesondere unter der Annahme einer konstanten Geschwindigkeit und/oder einer konstanten Beschleunigung der ersten Mobileinheit (10) und/oder des Umgebungsobjektes (20).
  7. Verfahren nach einem der vorstehenden Ansprüche weiter umfassend – Durchführen (1600) eines Point-Matching-Algorithmus‘, insbesondere eines iterativen nahesten Punktes oder einer Erwartungsmaximierung des iterativen nahesten Punktes, für charakteristische Punkte (21, 22, 24) des Umgebungsobjektes (30) im ersten Zustandsvektor (4) und im zweiten Zustandsvektor (5).
  8. Verfahren nach einem der vorstehenden Ansprüche weiter umfassend – Ermitteln (900) von weiteren Punkten auf der ersten Kovarianzellipse (21a) und auf der zweiten Kovarianzellipse (21b), und – Bestimmen der Unsicherheit der Position und Lage der charakteristischen Punkte zueinander (1700) mittels UT und daraus Ableitung der Unsicherheiten der Position und Lage der empfangenen Umgebungsobjekten.
  9. Verfahren nach einem der vorstehenden Ansprüche, wobei – das Erfassen des Umgebungsobjektes (20) durch einen optischen Umgebungssensor (1) der ersten Mobileinheit (10) erfolgt, und/oder – der erste charakteristische Punkt (21) und/oder der zweite charakteristische Punkt (22) des Umgebungsobjektes (20) bei der Erstellung des ersten Zustandsvektors nur dann verwendet wird, wenn er einer durch den Umgebungssensor (1) der ersten Mobileinheit (10) erfassten Seite des Umgebungsobjektes (20) zugeordnet ist, welche unter einem Winkel (ϕ1, ϕ2) größer einem vordefinierten Winkel vom Umgebungssensor (1) erfasst wird.
  10. Verfahren nach einem der vorstehenden Ansprüche, wobei das Ermitteln von Positionsdaten einer Eigenposition der ersten Mobileinheit (10) über ein satellitenbasiertes Ortungssystem (40) erfolgt.
  11. Mobileinheit, insbesondere Fortbewegungsmittel, insbesondere ein PKW oder ein Transporter oder ein LKW, umfassend – einen Umgebungssensor (1), – eine Drahtloskommunikationseinheit (3), und – eine Auswerteeinheit (2), wobei die Mobileinheit (10) eingerichtet ist, als erste Mobileinheit (10) an einem Verfahren gemäß einem der vorstehenden Ansprüche teilzunehmen.
DE102014215124.4A 2014-08-01 2014-08-01 Mobileinheit und Verfahren zur Positionsbestimmung eines Umgebungsobjektes einer Mobileinheit Withdrawn DE102014215124A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102014215124.4A DE102014215124A1 (de) 2014-08-01 2014-08-01 Mobileinheit und Verfahren zur Positionsbestimmung eines Umgebungsobjektes einer Mobileinheit

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102014215124.4A DE102014215124A1 (de) 2014-08-01 2014-08-01 Mobileinheit und Verfahren zur Positionsbestimmung eines Umgebungsobjektes einer Mobileinheit

Publications (1)

Publication Number Publication Date
DE102014215124A1 true DE102014215124A1 (de) 2016-02-04

Family

ID=55079529

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102014215124.4A Withdrawn DE102014215124A1 (de) 2014-08-01 2014-08-01 Mobileinheit und Verfahren zur Positionsbestimmung eines Umgebungsobjektes einer Mobileinheit

Country Status (1)

Country Link
DE (1) DE102014215124A1 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3339897A1 (de) * 2016-12-20 2018-06-27 Nxp B.V. Selektives sensordatennetzwerk
DE102018216417A1 (de) * 2018-09-26 2020-03-26 Robert Bosch Gmbh Ortsvorhersage für dynamische Objekte

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102005007536A1 (de) * 2005-02-17 2007-01-04 Isra Vision Systems Ag Verfahren zur Kalibrierung eines Messsystems

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102005007536A1 (de) * 2005-02-17 2007-01-04 Isra Vision Systems Ag Verfahren zur Kalibrierung eines Messsystems

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
A. Rauch, S. Maier, F. Klanner, K. Dietmayer: "Inter-Vehicle Object Association for cooperative perception systems, IEEE intelligent transportation systems conference (ITSC), Den Hark, Niederlande, 2013"
A. Rauch, S. Maier, F. Klanner, K. Dietmayer: Inter-Vehicle Object Association for cooperative perception systems. In: IEEE intelligent transportation systems conference (ITSC), Den Haag, Niederlande, 2013, 893 - 898. *
A. Schindler: "Vehicle self-localization using High-Precision digital maps, IEEE intelligent vehicles symposium (IV), Gold Coast City, Australien, 2013"
A. Schindler: Vehicle self-localization using High-Precision digital maps. In: IEEE intelligent vehicles symposium (IV), Gold Coast City, Australien, 2013, 141 - 146. *
Pennec - "A Framework for Uncertainty and Validation of 3D Registration Methods"
S. J. Julier, J. K. Uhlmann: "Unscented filtering and nonlinear estimation, proceedings of the IEEE, Vol. 92, Nr. 3, März 2004"
S. J. Julier, J. K. Uhlmann: Unscented filtering and nonlinear estimation. In: Proceedings of the IEEE, Vol. 92, Nr. 3, 2004, 401 - 422. *
Stefan Wender: Multisensorsystem zu erweiterten Fahrzeugumfelderfassung. Schriftenreihe des Instituts für Mess-, Regel- und Mikrotechnik. Ulm : Univ., Fak. für Ingenieurwiss. und Informatik, 2008. - ISBN 9783941543003 *
X. Pennec, J.-P. Thirion: A Framework for Uncertainty and Validation of 3D Registration Methods. In: International Journal of Computer Vision, 25(3), 1997, 203 - 229. *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3339897A1 (de) * 2016-12-20 2018-06-27 Nxp B.V. Selektives sensordatennetzwerk
DE102018216417A1 (de) * 2018-09-26 2020-03-26 Robert Bosch Gmbh Ortsvorhersage für dynamische Objekte
US11541885B2 (en) 2018-09-26 2023-01-03 Robert Bosch Gmbh Location prediction for dynamic objects

Similar Documents

Publication Publication Date Title
EP2819901B1 (de) Verfahren und vorrichtung zur ermittlung der geschwindigkeit und/oder position eines fahrzeuges
EP3380811B1 (de) Verfahren und system zum erstellen einer digitalen karte
EP3432108B1 (de) Verfahren und steuervorrichtung für ein autonomes und/oder teilautonomes transportfahrzeug
DE102017126925A1 (de) Automatisierte Co-Pilotsteuerung für autonome Fahrzeuge
DE102010006828B4 (de) Verfahren zur automatischen Erstellung eines Modells der Umgebung eines Fahrzeugs sowie Fahrerassistenzsystem und Fahrzeug
EP3695244B1 (de) Verfahren und vorrichtung zum erzeugen eines inversen sensormodells und verfahren zum erkennen von hindernissen
DE102016119130A1 (de) Probabilistische Folgerung unter Verwendung gewichteter Integrale und Summen durch Hashing zur Objektverfolgung
DE102019127058A1 (de) Fahrzeugwegplanung
DE102016112913A1 (de) Verfahren und Vorrichtung zum Bestimmen einer Fahrzeug-Ich-Position
EP3380810B1 (de) Verfahren, vorrichtung, kartenverwaltungseinrichtung und system zum punktgenauen lokalisieren eines kraftfahrzeugs in einem umfeld
DE102017103123A1 (de) Fahrzeugfahrbahnplatzierung
DE112012005261B4 (de) Freirauminformationen in einem Belegungsgitter als Grundlage für die Bestimmung eines Manöverraums für ein Fahrzeug
DE102016212503A1 (de) Verfahren zum klassifizieren eines ziels unter verwendung von wegverlaufsdaten während einer v2v-kommunikation
DE102019112649A1 (de) Vorrichtung und verfahren zur verbesserten radarstrahlformung
DE102017118808A1 (de) Verfahren und Systeme für Fahrzeugpositionierungs-Rückmeldung
DE102016003261A1 (de) Verfahren zur Selbstlokalisierung eines Fahrzeugs in einer Fahrzeugumgebung
DE102017118078A1 (de) Lokalisationseinrichtung für ein Kraftfahrzeug, Fahrerassistenzeinrichtung, Kraftfahrzeug sowie Verfahren zum Lokalisieren eines Kraftfahrzeugs
DE102020122752A1 (de) Sensorlokalisierung anhand externer quelldaten
DE102016220581A1 (de) Verfahren und vorrichtung zur bestimmung eines umfeldmodells
DE102015210118A1 (de) Verfahren und Vorrichtung zur Unterstützung des Ausparkens eines Fahrzeugs
DE102014215124A1 (de) Mobileinheit und Verfahren zur Positionsbestimmung eines Umgebungsobjektes einer Mobileinheit
DE102017122440A1 (de) Verfahren zum Lokalisieren und Weiterbilden einer digitalen Karte durch ein Kraftfahrzeug; Lokalisierungseinrichtung
DE102019217648A1 (de) Graph-basiertes Verfahren zur holistischen Fusion von Messdaten
DE102016105022A1 (de) Verfahren zum Erfassen zumindest eines Objekts in einer Umgebung eines Kraftfahrzeugs durch eine indirekte Messung mit Sensoren, Steuereinrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug
DE112022002046T5 (de) Fahrvorrichtung, fahrzeug und verfahren zum automatisierten fahren und/oder assistierten fahren

Legal Events

Date Code Title Description
R163 Identified publications notified
R005 Application deemed withdrawn due to failure to request examination