DE102015003666A1 - Method for processing acquired measured data of a sensor - Google Patents

Method for processing acquired measured data of a sensor Download PDF

Info

Publication number
DE102015003666A1
DE102015003666A1 DE102015003666.1A DE102015003666A DE102015003666A1 DE 102015003666 A1 DE102015003666 A1 DE 102015003666A1 DE 102015003666 A DE102015003666 A DE 102015003666A DE 102015003666 A1 DE102015003666 A1 DE 102015003666A1
Authority
DE
Germany
Prior art keywords
cluster
measurement data
sensor
data
stored
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Withdrawn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
DE102015003666.1A
Other languages
German (de)
Inventor
Marcus Wörner
Frank Schuster
Christoph Keller
Martin Haueis
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.)
Mercedes Benz Group 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 DE102015003666.1A priority Critical patent/DE102015003666A1/en
Publication of DE102015003666A1 publication Critical patent/DE102015003666A1/en
Withdrawn legal-status Critical Current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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity data
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G09B29/003—Maps
    • G09B29/004—Map manufacture or repair; Tear or ink or water resistant maps; Long-life maps
    • 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
    • G01S2013/9314—Parking operations
    • 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
    • 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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2015/932—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles for parking operations
    • 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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2015/932—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles for parking operations
    • G01S2015/933—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles for parking operations for measuring the dimensions of the parking space when driving past
    • G01S2015/935—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles for parking operations for measuring the dimensions of the parking space when driving past for measuring the contour, e.g. a trajectory of measurement points, representing the boundary of the parking space

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Acoustics & Sound (AREA)
  • Traffic Control Systems (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zur Verarbeitung von erfassten Messdaten (9) eines Sensors (4) in einem Messbereich (5) zur Erzeugung mindestens einer digitalen Karte (K). Erfindungsgemäß werden räumliche Häufungen (6) der erfassten Messdaten (9) in dem Messbereich (5) ermittelt und zu einer räumlichen Häufung (6) gehörige Messdaten (9) jeweils als ein Cluster (8, 8.1 bis 8.3) zusammengefasst und gespeichert, wobei mindestens eine digitale Clusterkarte (CK) anhand mindestens eines oder mehrerer Cluster (8, 8.1 bis 8.3) erzeugt wird.The invention relates to a method for processing acquired measurement data (9) of a sensor (4) in a measurement area (5) for generating at least one digital map (K). According to the invention, spatial accumulations (6) of the acquired measurement data (9) are determined in the measurement area (5) and measurement data (9) associated with a spatial accumulation (6) are each summarized and stored as a cluster (8, 8.1 to 8.3), wherein at least a digital cluster card (CK) is generated based on at least one or more clusters (8, 8.1 to 8.3).

Description

Die Erfindung betrifft ein Verfahren zur Verarbeitung von erfassten Messdaten eines Sensors in einem Messbereich zur Erzeugung mindestens einer digitalen Karte.The invention relates to a method for processing acquired measurement data of a sensor in a measurement area for generating at least one digital map.

Zur Ermittlung von Fahrzeugpositionen, beispielsweise für ein als Einparkhilfe ausgebildetes Fahrerassistenzsystem werden vorzugsweise gegenüber Umwelteinflüssen widerstandsfähige und kostengünstige Sensoren verwendet.In order to determine vehicle positions, for example for a driver assistance system designed as a parking aid, it is preferable to use sensors which are resistant to environmental influences and cost-effective.

Solche Sensoren, insbesondere Radarsensoren, weisen eine durch deren Messprinzip bedingte Ungenauigkeit und ein hohes Grundrauschen auf. Das Grundrauschen tritt hauptsächlich infolge von unerwünschten Reflexionen an unerwünschten Zielen, von Selbstinterferenzen (sogenannte Speckle) und infolge einer gewissen Eindringtiefe von Radarstrahlung in Messziele auf.Such sensors, in particular radar sensors, have an inaccuracy due to their measuring principle and a high background noise. The background noise occurs mainly due to unwanted reflections on unwanted targets, of self-interference (so-called speckle) and due to a certain depth of penetration of radar radiation in measurement targets.

Es sind im Wesentlichen zwei Kategorien von Verfahren bekannt, mittels derer sich den bei einem SLAM-Verfahren (Simultane Lokalisation und Kartierung) auftretenden Problemstellungen genähert wird.Essentially, two categories of methods are known by means of which the problems occurring in a SLAM method (simultaneous localization and mapping) are approximated.

In einem sogenannten Grid-basierten Verfahren wird eine Diskretisierung der Messdaten in ein festes Raster vorgenommen, so dass sowohl der Ort der Messung als auch der Messwert des Radars diskretisiert wird. Diese Verfahren benötigen lange Rechenzeiten, da häufig über die Einträge des Datensatzes iteriert werden muss. Die Diskretisierung bedingt eine gewisse Ungenauigkeit der Lokalisation und der Kartierung. Werden erhöhte Genauigkeiten angestrebt, sind im Verhältnis zur erreichten Erhöhung der Genauigkeit quadratisch ansteigende Datenvolumen erforderlich.In a so-called grid-based method, a discretization of the measured data is carried out in a fixed grid, so that both the location of the measurement and the measured value of the radar is discretized. These methods require long computation times, since it is often necessary to iterate over the entries in the data set. The discretization requires some inaccuracy of localization and mapping. If higher accuracies are desired, then in relation to the achieved increase in accuracy, quadratically increasing data volumes are required.

In Landmarken-basierten Verfahren werden dagegen spezielle Algorithmen benutzt, um die Umgebung eines markanten Punktes mittels eines Vektors, einem sogenannten Deskriptor, zu beschreiben. Dabei werden einzelne Punkte aus dem Umfeld des Punktes mittels eines Detektors (feature-detector, z. B. SIFT, SURF, ORB, FAST oder FREAK) extrahiert und über eine Vorschrift der Deskriptor berechnet. Um die Umgebung wiederzuerkennen, werden möglichst reproduzierbare Detektoren verwendet, um über ein Vergleichsverfahren (Matching-Verfahren oder kurz Matching) einen guten Abgleich der Deskriptoren zu erreichen.In landmark-based methods, on the other hand, special algorithms are used to describe the environment of a prominent point by means of a vector, a so-called descriptor. In the process, individual points from the surroundings of the point are extracted by means of a detector (feature-detector, eg SIFT, SURF, ORB, FAST or FREAK) and the descriptor is calculated by means of a rule. In order to recognize the environment, detectors that are as reproducible as possible are used in order to achieve a good comparison of the descriptors by means of a comparison method (matching or brief matching).

Aus der DE 10 2013 211 126 A1 ist ein Verfahren zum Modellieren eines Umfelds eines Fahrzeugs bekannt, wobei mittels eines Sensors Umfelddaten für eine Vielzahl von Messpositionen gewonnen und die Messpositionen gespeichert werden. Die Umfelddaten werden auf einer virtuell bereitgestellten ersten Kachel und in zumindest einer virtuell bereitgestellten zweiten Kachel eines ersten Umfeldmodells gespeichert, wobei die erste Kachel und die zweite Kachel einen Teilbereich des Umfelds repräsentieren. Er wird dann zumindest ein eindeutiges Merkmal aus den Umfelddaten der ersten Kachel und einer zugehörigen ersten Messposition, an der das Merkmal erfasst wurde, gespeichert. Anschließend wird eine gefahrene Trajektorie des Fahrzeugs gespeichert. Das gespeicherte Merkmal wird aus einer zweiten Messposition innerhalb der zweiten Kachel erfasst und eine korrigierte Messposition und eine korrigierte Trajektorie aus der ersten Messposition, der zweiten Messposition und der gefahrenen Trajektorie ermittelt. Durch Einfügen von anhand der korrigierten Trajektorie korrigierter Umfelddaten in das erste Umfeldmodell wird ein korrigiertes zweites Umfeldmodell erstellt.From the DE 10 2013 211 126 A1 a method for modeling an environment of a vehicle is known, wherein by means of a sensor environment data for a plurality of measurement positions obtained and the measurement positions are stored. The environment data is stored on a virtually provided first tile and in at least one virtually provided second tile of a first environment model, wherein the first tile and the second tile represent a subregion of the environment. He is then stored at least one unique feature from the environment data of the first tile and an associated first measurement position at which the feature was detected. Subsequently, a driven trajectory of the vehicle is stored. The stored feature is detected from a second measurement position within the second tile and a corrected measurement position and a corrected trajectory from the first measurement position, the second measurement position and the trajectory traversed determined. By inserting environment data corrected on the basis of the corrected trajectory into the first environment model, a corrected second environment model is created.

Der Erfindung liegt die Aufgabe zu Grunde, ein gegenüber dem Stand der Technik verbessertes Verfahren zur Verarbeitung von Messdaten eines Sensors anzugeben.The invention is based on the object to provide a comparison with the prior art improved method for processing measurement data of a sensor.

Hinsichtlich des Verfahrens zur Ermittlung von Messdaten aus erfassten Sensorsignalen wird die Aufgabe durch die im Anspruch 1 angegebenen Merkmale gelöst.With regard to the method for determining measured data from detected sensor signals, the object is achieved by the features specified in claim 1.

Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand der Unteransprüche.Advantageous embodiments of the invention are the subject of the dependent claims.

Das Verfahren zur Verarbeitung von erfassten Messdaten eines Sensors in einem Messbereich dient zur Erzeugung mindestens einer digitalen Karte.The method for processing acquired measurement data of a sensor in a measurement area is used to generate at least one digital map.

Erfindungsgemäß werden räumliche Häufungen der erfassten Messdaten in dem Messbereich ermittelt und zu einer räumlichen Häufung gehörige Messdaten jeweils als ein Cluster zusammengefasst und gespeichert, wobei mindestens eine digitale Clusterkarte anhand mindestens eines oder mehrerer Cluster erzeugt wird.According to the invention, spatial accumulations of the acquired measurement data in the measurement area are determined, and measurement data belonging to a spatial accumulation is in each case combined and stored as a cluster, wherein at least one digital cluster map is generated based on at least one or more clusters.

Mittels des erfindungsgemäßen Verfahrens werden in einem Messbereich eines Sensors erfasste Rohdaten oder Messdaten als ein Messdatenstrom bereitgestellt und über mehrere Zeitschritte in Clustern zusammengefasst (auch als Stream-Clustering-Algorithmus bezeichnet), wodurch vorteilhaft eine starke Reduktion von zu speichernden und zu verarbeitenden Messdaten erreicht ist. Eine verfügbare Speicherkapazität, beispielsweise die eines Steuergeräts eines Fahrzeugs, wird daher nur geringfügig belegt, sodass weiterhin erhebliche freie Speicherkapazitäten für andere Aufgaben zur Verfügung stehen. Die kleinen Mengen zu speichernder und zu verarbeitender Messdaten begünstigen eine schnelle Verarbeitung der Messdaten, was insbesondere für die Anwendbarkeit der gemäß dem erfindungsgemäßen Verfahren ermittelten Messdaten in Echtzeit-Anwendungen vorteilhaft ist. By means of the method according to the invention, raw data or measured data acquired in a measuring range of a sensor are provided as a measured data stream and combined into clusters over several time steps (also referred to as stream clustering algorithm), whereby a strong reduction of measured data to be stored and processed is achieved , An available storage capacity, for example, that of a control unit of a vehicle, is therefore only slightly occupied, so continue to have significant free storage capacity for other tasks. The small amounts of measurement data to be stored and processed favor rapid processing of the measurement data, which is advantageous in particular for the applicability of the measurement data determined in accordance with the inventive method in real-time applications.

Durch das Verfahren werden Messdaten, die aufgrund eines Rauschens des Sensors und/oder aufgrund von Sensorsignalen nur temporär in dem Messbereich befindlicher Messziele verursacht sind, unterdrückt oder gänzlich ausgefiltert. Damit ist trotz einer Verwendung von Sensoren mit einem hohen Grundrauschen ihrer Sensorsignale eine fehlerarme Ermittlung und Verarbeitung der Messdaten und ein sehr präziser Abgleich der ermittelten Messdaten mit bereits vorhandenen Messdaten, beispielsweise bei einem Abgleich von Messdaten verschiedener Datensätze und/oder Karten eines Umfelds eines Fahrzeugs, ermöglicht.The method suppresses or entirely filters out measurement data which are only temporarily caused by measuring targets located in the measuring range due to noise of the sensor and / or due to sensor signals. Thus, despite the use of sensors with a high background noise of their sensor signals, a low-error detection and processing of the measurement data and a very precise comparison of the determined measurement data with existing measurement data, for example, in a comparison of measurement data of different data sets and / or maps of an environment of a vehicle allows.

Bei der Durchführung des erfindungsgemäßen Verfahrens zur Ermittlung von Messdaten aus erfassten Sensorsignalen ist ferner keine Diskretisierung der Messdaten erforderlich.In carrying out the method according to the invention for determining measured data from detected sensor signals, no further discretization of the measured data is required.

Die bei der Durchführung des erfindungsgemäßen Verfahrens ermittelten und verarbeiteten Messdaten können zur Erzeugung einer Karte eines Umfelds des Fahrzeugs sowie zur Erstellung einer aktualisierten Karte anhand einer ursprünglichen Karte und/oder zur Erstellung eines aktualisierten Datensatzes der Karte ausgehend von einem ursprünglichen Datensatz der Karte verwendet werden.The measured data determined and processed when carrying out the method according to the invention can be used to generate a map of an environment of the vehicle and to produce an updated map from an original map and / or to generate an updated data set of the map from an original map of the map.

Ausführungsbeispiele der Erfindung werden im Folgenden anhand von Zeichnungen näher erläutert.Embodiments of the invention are explained in more detail below with reference to drawings.

Dabei zeigen:Showing:

1A bis 1C eine schematische Darstellung gemäß dem Stand der Technik erfasster Messdaten eines Radarsensors in der 1A, sowie schematische Darstellungen verschiedener Rauschartefakte gemäß dem Stand der Technik in den 1B und 1C, 1A to 1C a schematic representation according to the prior art detected measurement data of a radar sensor in the 1A , as well as schematic representations of various noise artifacts according to the prior art in the 1B and 1C .

2 eine schematische Darstellung eines Umfelds eines Fahrzeugs in einer Grid-basierten Kartendarstellung gemäß dem Stand der Technik, 2 1 is a schematic representation of an environment of a vehicle in a grid-based map display according to the prior art,

3A, 3B eine schematische Darstellung von Clustern gemäß eines ersten Ausführungsbeispiels eines Verfahrens zur Verarbeitung erfasster Messdaten eines Sensors, 3A . 3B 2 a schematic representation of clusters according to a first exemplary embodiment of a method for processing acquired measured data of a sensor,

4 eine schematische Darstellung einer Anzahl von Clustern entlang einer Sichtachse gemäß eines zweiten Ausführungsbeispiels des Verfahrens, 4 1 is a schematic representation of a number of clusters along a viewing axis according to a second embodiment of the method,

5A, 5B eine schematische Darstellung einer Karte eines Umfelds eines Fahrzeugs in der 5A und eine durch Cluster gebildete Clusterkarte des Umfelds in der 5B gemäß eines dritten Ausführungsbeispiels des Verfahrens und 5A . 5B a schematic representation of a map of an environment of a vehicle in the 5A and a clustered cluster map of the environment in the 5B according to a third embodiment of the method and

6A, 6B eine schematische Darstellung einer Clusterkarte zu einem ersten Zeitpunkt in der 6A und einer Clusterkarte zu einem zweiten Zeitpunkt in der 6B. 6A . 6B a schematic representation of a cluster card at a first time in the 6A and a cluster card at a second time in the 6B ,

Einander entsprechende Teile sind in allen Figuren mit den gleichen Bezugszeichen versehen.Corresponding parts are provided in all figures with the same reference numerals.

In der 1A sind schematisch Messdaten 9 in einer digitalen Karte K dargestellt, die mittels eines in 1C dargestellten Sensors 4 während wenigstens einer Fahrt eines Fahrzeugs 1 über einen Parkplatz 2 mit den ungefähren Abmaßen 150 m Länge und 35 m Breite gemäß dem Stand der Technik erfasst wurden. Auf dem Parkplatz 2 sind in Doppelreihen parkende Fahrzeuge 1 sowie Einrichtungen 3 wie Zäune, Laternen und Bepflanzungen vorhanden. Die Fahrzeuge 1 sowie die Einrichtungen 3 stellen jeweils Messziele dar, von denen eine reflektierte Messstrahlung, beispielsweise eine reflektierte Radarstrahlung, als ein Messdaten 9 enthaltender Messdatenstrom erfasst wird. Von den Messdaten 9 werden zu jedem Erfassungszeitpunkt jeweils deren relative Lage bezüglich des Fahrzeugs 1 durch einen horizontalen Winkel, einen vertikalen Winkel und eine Entfernung ermittelt.In the 1A are schematic measurement data 9 represented in a digital map K, which by means of a in 1C represented sensor 4 during at least one trip of a vehicle 1 over a parking lot 2 with the approximate dimensions 150 m long and 35 m wide according to the state of the art. In the parking lot 2 are vehicles parked in double rows 1 as well as facilities 3 such as fences, lanterns and plantings available. The vehicles 1 as well as the facilities 3 each represent measurement targets, of which a reflected measurement radiation, for example a reflected radar radiation, as a measurement data 9 containing measured data stream is detected. From the measurement data 9 At each detection time, their relative position with respect to the vehicle is determined 1 determined by a horizontal angle, a vertical angle and a distance.

In einer 1A sind räumliche Häufungen 6 von Messdaten 9 dargestellt, die in einer Ausschnittvergrößerung mit einer Strichlinienumrandung R1 hervorgehoben sind. Durch die räumlichen Häufungen 6 sind Fahrzeuge 1 und Einrichtungen 3 abgebildet. In a 1A are spatial accumulations 6 of measured data 9 represented, which are highlighted in a cut-out magnification with a dashed line border R1. Through the spatial accumulations 6 are vehicles 1 and facilities 3 displayed.

Die relativen Lagen der Messdaten 9 werden in ein globales Koordinatensystem übertragen und die großräumige digitale Karte K des Umfelds des Fahrzeugs 1 wird aus den relativen Lagen einer Anzahl von Messdaten 9 erstellt.The relative positions of the measured data 9 are transmitted into a global coordinate system and the large-scale digital map K of the environment of the vehicle 1 becomes from the relative locations of a number of measurement data 9 created.

Durch die Messdaten 9 sind der Parkplatz 2 und die darauf befindlichen Fahrzeuge 1 und Einrichtungen 3 mit unscharfen Konturen abgebildet.Through the measurement data 9 are the parking lot 2 and the vehicles on it 1 and facilities 3 shown with blurred contours.

Diese unscharfen Abbildungen rühren von sogenannten Rauschartefakten her, die beispielsweise durch Reflexionen an Fahrzeugwänden entstehen, wie diese beispielhaft in der 1B mit einer Volllinienumrandung R2 durch die umrandeten ovalen Bereiche hervorgehoben dargestellt sind.These blurred images are due to so-called noise artefacts that arise for example from reflections on vehicle walls, as exemplified in the 1B are shown highlighted with a solid line border R2 by the rimmed oval areas.

Ein weiteres, in der 1C mit einer Volllinienumrandung R3 schematisch dargestelltes Rauschartefakt beruht auf dem Umstand, dass bei den zumeist in Ruhe befindlichen Messzielen auf dem Parkplatz 2 eine Dopplerverschiebung für eine Lokalisation der Messziele nicht nutzbar ist. Die nur bei einer stattfindenden Relativbewegung zwischen einem Messziel und dem Sensor 4 auftretende Dopplerverschiebung wird eingesetzt, um die Genauigkeit einer Winkelmessung der Messdaten 9 in einem Messbereich 5 des Sensors 4 zu erhöhen.Another, in the 1C The noise artifact shown schematically with a solid line border R3 is based on the fact that in the parking lot which is mostly at rest, the measurement targets 2 a Doppler shift is not usable for a localization of the measurement targets. The only with a relative movement taking place between a measurement target and the sensor 4 occurring Doppler shift is used to the accuracy of an angular measurement of the measured data 9 in a measuring range 5 of the sensor 4 to increase.

In 2 ist ein weiteres Beispiel eines Parkplatzes 2 sowie darauf abgestellter Fahrzeuge 1 in einer Grid-basierten Karte K gemäß dem Stand der Technik gezeigt. Die Gridkonstante der Karte K beträgt 30 cm.In 2 is another example of a parking lot 2 and parked vehicles 1 in a grid-based map K according to the prior art shown. The grid constant of the card K is 30 cm.

Das erfindungsgemäße Verfahren wird vereinfachend anhand der 3 erläutert.The inventive method is simplifying with reference to the 3 explained.

Als Sensor 4 ist jeder Entfernungssensor verwendbar, durch den hinreichend viele Messdaten 9 erfassbar sind.As a sensor 4 Every distance sensor is usable, due to the sufficient amount of measured data 9 are detectable.

Im Folgenden wird beispielhaft von einem in 1 dargestellten und als Radarsensor ausgebildeten Sensor 4 ausgegangen, durch den eine Radarstrahlung in den lediglich angedeutet dargestellten Messbereich 5 abgestrahlt und als von Messzielen reflektierte Radarstrahlung erfasst wird.The following is an example of an in 1 represented and designed as a radar sensor 4 assumed by the radar radiation in the only indicated measuring range 5 is radiated and detected as radar radiation reflected from measurement targets.

Zusätzlich oder alternativ wird als Sensor 4 ein LIDAR-Sensor (lidar = light detection and ranging) oder ein Ultraschallsensor verwendet.Additionally or alternatively, as a sensor 4 a LIDAR sensor (lidar = light detection and ranging) or an ultrasonic sensor used.

Erfindungsgemäß werden räumliche Häufungen 6 der erfassten Messdaten 9 in dem Messbereich 5 ermittelt und zu einer räumlichen Häufung 6 gehörige Messdaten 9 jeweils als ein Cluster 8 zusammengefasst und gespeichert.According to the invention, spatial accumulations 6 the recorded measurement data 9 in the measuring range 5 determined and to a spatial accumulation 6 associated measurement data 9 each as a cluster 8th summarized and saved.

Schematisch sind in der 3A eine erste Messung 9.1 und in der 3B eine zweite Messung 9.2 dargestellt. Durch jede der 3A, 3B ist ein Teilmessbereich des Messbereichs 5 dargestellt. Entlang einer Sichtachse 7 ist jeweils eine Anzahl von Messdaten 9 erfasst, deren relative Lagen, wie oben dargelegt, ermittelt werden.Schematically are in the 3A a first measurement 9.1 and in the 3B a second measurement 9.2 shown. Through each of 3A . 3B is a partial measuring range of the measuring range 5 shown. Along a visual axis 7 each is a number of measurement data 9 whose relative positions are determined as set out above.

Eine räumliche Häufung 6 wird derart bestimmt, dass in dem Messbereich 5 Messdaten 9 erfasst und ein auf der Sichtachse 7 liegender Clustermittelpunkt m eines Clusters 8 mit einem maximalen Clusterradius rmax vorgegeben wird. Nachfolgend werden in diesem maximalen Clusterradius rmax erfasste Messdaten 9 diesem Cluster 8 zugeordnet.A spatial accumulation 6 is determined such that in the measuring range 5 measurement data 9 captured and one on the visual axis 7 lying cluster center m of a cluster 8th is specified with a maximum cluster radius r max . Subsequently, in this maximum cluster radius r max acquired measurement data 9 this cluster 8th assigned.

Anhand der dem Cluster 8 zugeordneten Messdaten 9 wird beziehungsweise werden zumindest ein Wichtungsparameter Wc, ein effektiver Clustermittelpunkt meff und/oder ein effektiver Clusterradius reff ermittelt und/oder angepasst und gespeichert.On the basis of the cluster 8th associated measurement data 9 At least one weighting parameter W c , an effective cluster center m eff and / or an effective cluster radius r eff is determined and / or adapted and stored.

Die Cluster 8 sind jeweils durch den maximalen Clusterradius rmax, den effektiven Clusterradius reff und den effektiven Clustermittelpunkt meff vollständig beschrieben.The clusters 8th are each completely described by the maximum cluster radius r max , the effective cluster radius r eff and the effective cluster center m eff .

Zur Berechnung des effektiven Clusterradius reff, des effektiven Clustermittelpunkts meff und weiterer Parameter des Clusters 8 werden folgende Gleichungen verwendet:

Figure DE102015003666A1_0002
Figure DE102015003666A1_0003
To calculate the effective cluster radius r eff , the effective cluster center m eff, and other parameters of the cluster 8th the following equations are used:
Figure DE102015003666A1_0002
Figure DE102015003666A1_0003

Dabei ist wi ein individueller Gewichtungsfaktor der jeweiligen, in den Gleichungen [1] bis [3] als Punkte Pi bezeichneten Messdaten 9. Der Wichtungsparameter Wc gibt eine Wichtung eines Clusters 8 an. Der Parameter msq ist ein Abweichungsparameter.Here, w i is an individual weighting factor of the respective measurement data designated as points P i in equations [1] to [3] 9 , The weighting parameter W c gives a weighting of a cluster 8th at. The parameter m sq is a deviation parameter.

Die Cluster 8 werden jeweils in einem Clusterdatensatz, umfassend die Parameter gemäß der Gleichungen [1] bis [4], gespeichert.The clusters 8th are each stored in a cluster data set comprising the parameters according to equations [1] to [4].

In einer weiteren Ausgestaltung des Verfahrens wird ein maximaler Wichtungsparameter Wcmax definiert, durch den eine Obergrenze des Wichtungsparameters Wc eines Clusters 8 festgelegt ist.In a further embodiment of the method, a maximum weighting parameter W cmax is defined, by which an upper limit of the weighting parameter W c of a cluster 8th is fixed.

In einer weiteren Ausgestaltung des Verfahrens wird eine räumliche Häufung 6 von Messdaten 9 dann als ein Cluster 8 zusammengefasst und gespeichert, wenn die Anzahl der dem Cluster 8 zugeordneten Messdaten 9 einen vorgegebenen Messdatengrenzwert ζ erreicht oder übersteigt.In a further embodiment of the method is a spatial accumulation 6 of measured data 9 then as a cluster 8th summarized and saved when the number of the cluster 8th associated measurement data 9 reaches or exceeds a predetermined measured data threshold ζ.

Messdaten 9, die keinem Cluster 8 zugeordnet werden können, werden verworfen, insbesondere nicht gespeichert.measurement data 9 not a cluster 8th can be assigned are discarded, especially not stored.

In dem in 3A, 3B dargestellten ersten Ausführungsbeispiel des Verfahrens sei der Messdatengrenzwert ζ auf zehn festgelegt. Bei der ersten Messung 9.1 werden acht Messdaten 9 innerhalb des maximalen Clusterradius rmax um die Sichtachse 7 erfasst. In der zweiten Messung 9.2 sind es dagegen dreiundzwanzig Messdaten 9. Das in der 3A gezeigte Cluster 8 wird als ein Außenseiter-Cluster (outlier-Cluster) identifiziert und verworfen. Das in der 3B gezeigte Cluster 8 wird dagegen als ein Cluster 8 identifiziert.In the in 3A . 3B illustrated first embodiment of the method, the measured data limit ζ is set to ten. At the first measurement 9.1 become eight measurement data 9 within the maximum cluster radius r max around the visual axis 7 detected. In the second measurement 9.2 On the other hand, there are twenty-three metrics 9 , That in the 3A shown clusters 8th is identified as an outlier cluster and discarded. That in the 3B shown clusters 8th is contrasted as a cluster 8th identified.

Hinzugefügte Messdaten 9 gehören dann zu einem Cluster 8, wenn dieser stets innerhalb des maximalen Clusterradius rmax bleibt. Andernfalls werden die Messdaten 9 dem nächstliegenden Cluster 8 zugeordnet. Ist dies nicht möglich, wird versucht, die Messdaten 9 einem nächstliegenden Außenseiter-Cluster (outlier cluster) zuzuordnen. Wenn auch diese Zuordnung nicht möglich ist, entsteht aus den jeweiligen Messdaten 9 ein neuer Außenseiter-Cluster. Ein Außenseiter-Cluster wird somit durch Messdaten 9 gebildet, welche keinem bekannten Cluster 8 zugeordnet werden können und welche somit vorbestimmte Kriterien des jeweiligen Clusters 8 zu einem betrachteten Zeitpunkt (noch) nicht erfüllen, beispielsweise wenn die aktuelle Anzahl der zugehörigen Messdaten 9 den vorgegebenen Messdatengrenzwert ζ unterschreitet.Added measurement data 9 belong to a cluster 8th if it always stays within the maximum cluster radius r max . Otherwise, the measurement data will be 9 the nearest cluster 8th assigned. If this is not possible, the measurement data will be tried 9 to assign to a nearest outlier cluster. Even if this assignment is not possible, this results from the respective measurement data 9 a new outsider cluster. An outsider cluster is thus measured by data 9 formed, which no known cluster 8th can be assigned and which thus predetermined criteria of the respective cluster 8th at a given time (not yet), for example if the current number of associated measurement data 9 falls below the specified measured value limit ζ.

Das erfindungsgemäße Verfahren eignet sich beispielsweise zur lebenslangen Kartierung eines sich verändernden Umfelds eines Fahrzeugs 1. Das Verfahren ist vorteilhaft in autonomen Fahrerassistenzsystemen wie Strecken- und/oder Spurerkennungssystemen und Einparkhilfen verwendbar.The method according to the invention is suitable, for example, for lifelong mapping of a changing environment of a vehicle 1 , The method can be used advantageously in autonomous driver assistance systems such as route and / or lane detection systems and parking aids.

Das Verfahren wird in einer seiner möglichen Ausgestaltungen zur Erzeugung einer digitalen Clusterkarte CK anhand der Cluster 8 genutzt, wobei als Clusterkarte CK in einer vorteilhaften Ausgestaltung des Verfahrens eine Karte K eines Umfelds eines Fahrzeugs 1 erzeugt wird.The method is described in one of its possible embodiments for generating a digital cluster card CK based on the clusters 8th used, as a cluster card CK in an advantageous embodiment of the method, a map K of an environment of a vehicle 1 is produced.

In einer möglichen Ausgestaltung des Verfahrens wird ein gespeichertes Cluster 8 anhand von aktuell erfassten Messdaten 9 aktualisiert oder verworfen.In one possible embodiment of the method becomes a stored cluster 8th based on currently acquired measurement data 9 updated or discarded.

Hierzu werden bei einer Erfassung von aktuellen Messdaten 9 in dem Messbereich 5 neue oder vorhandene gespeicherte Cluster 8 ermittelt beziehungsweise überprüft. Jedes der neu ermittelten oder wiederermittelten Cluster 8 wird daraufhin überprüft, ob das Cluster 8 mit einem bereits gespeicherten Cluster 8 hinsichtlich seiner räumlichen Lage übereinstimmt. Die aktuelle Erfassung von Messdaten 9 erfolgt beispielsweise während einer erneuten Fahrt des Fahrzeugs 1 entlang einer bekannten Fahrstrecke oder wird anhand eines erneut aufgenommenen Bildes des Messbereichs 5 durchgeführt.For this purpose, when acquiring current measurement data 9 in the measuring range 5 new or existing stored clusters 8th determined or checked. Each of the newly identified or reassessed clusters 8th will be checked to see if the cluster 8th with a cluster already stored 8th in terms of its spatial location. The current acquisition of measurement data 9 takes place, for example, during a new drive of the vehicle 1 along a known route or is based on a resumed image of the measuring range 5 carried out.

Ein bereits gespeichertes Cluster 8 wurde beispielsweise während einer vorangegangenen Fahrt des Fahrzeugs 1 entlang der Fahrstrecke oder anhand eines vorher aufgenommenen und gespeicherten Bildes ermittelt und in einem ursprünglichen Clusterdatensatz gespeichert. An already saved cluster 8th for example, during a previous drive of the vehicle 1 determined along the route or on the basis of a previously recorded and stored image and stored in an original cluster data record.

Cluster 8, die sowohl in dem ursprünglichen Clusterdatensatz enthalten sind als auch mit erneut erfassten Clustern 8 übereinstimmen, werden als verifizierte Cluster 8 in einem aktualisierten Clusterdatensatz gespeichert.cluster 8th that are included in both the original cluster record and clusters that have been recaptured 8th are considered as verified clusters 8th stored in an updated cluster record.

In einer möglichen weiteren Ausgestaltung des Verfahrens wird der aktualisierte Clusterdatensatz bei einer erneuten Erfassung von Messdaten 9 als ursprünglicher Clusterdatensatz verwendet.In a possible further embodiment of the method, the updated cluster data record is obtained upon a new acquisition of measurement data 9 used as the original cluster record.

Die Clusterdatensätze werden vorteilhaft in räumlichen Datenstrukturen gespeichert, um eine maximale Flexibilität bei zugleich geringen Zugriffszeiten sicherzustellen. In einer möglichen weiteren Ausgestaltung des Verfahrens werden die Clusterdatensätze in einer R-Baum-Datenstruktur (r-tree) gespeichert.The cluster data sets are advantageously stored in spatial data structures in order to ensure maximum flexibility combined with low access times. In a possible further embodiment of the method, the cluster data sets are stored in an R-tree data structure (r-tree).

In einer weiteren möglichen Ausgestaltung des Verfahrens werden Cluster 8 anhand beliebiger Dimensionen wie beispielsweise einer Amplitude der Messdaten 9 oder einer aus den Messdaten 9 abgeleiteten Geschwindigkeit ermittelt. Für jede der Dimensionen sind die oben erläuterten Parameter ermittelbar.In another possible embodiment of the method become clusters 8th on the basis of arbitrary dimensions such as an amplitude of the measured data 9 or one of the measured data 9 derived rate determined. For each of the dimensions, the parameters explained above can be determined.

In einer weiteren möglichen Ausgestaltung des Verfahrens werden die Parameter wie der effektive Clusterradius reff und der maximale Clusterradius rmax richtungsabhängig ermittelt oder vorgegeben, um richtungsabhängig unterschiedliche Messgenauigkeiten beispielsweise für Winkel und/oder Entfernungen zu berücksichtigen.In a further possible embodiment of the method, the parameters such as the effective cluster radius r eff and the maximum cluster radius r max are determined or predetermined in a direction-dependent manner in order to take into account different measuring accuracies, for example for angles and / or distances, depending on the direction.

In einer weiteren möglichen Ausgestaltung des Verfahrens zur Ermittlung von Messdaten aus Sensorsignalen wird einen jedem nicht verifizierten Cluster 8, als ein weiterer Parameter eine Konstante β zugewiesen. Durch die auch als Zerfallskonstante bezeichnete Konstante β wird das Gewicht des Wichtungsparameters Wc reduziert, wenn ein Cluster 8 über mehrere erneute Erfassungen nicht verifiziert wurde.In a further possible embodiment of the method for determining measured data from sensor signals, each non-verified cluster becomes 8th , as another parameter assigned a constant β. By the constant β, also called the decay constant, the weight of the weighting parameter W c is reduced if a cluster 8th was not verified over several re-surveys.

Durch dieses Vorgehen werden nicht mehr vorhandene Messdaten 9, beispielsweise Rauschartefakte, reduziert. Ein nicht verifiziertes Cluster 8 wird durch Wirkung der Konstante β nach einer Anzahl nicht erfolgter Verifizierungen nicht mehr in einen aktualisierten Clusterdatensatz gespeichert.This procedure eliminates measurement data that is no longer available 9 , for example noise artifacts, reduced. An unverified cluster 8th is no longer stored in an updated cluster record by the action of the constant β after a number of unsuccessful verifications.

In einer möglichen Ausgestaltung des Verfahrens ist der Wichtungsparameter Wc als ein modifizierter Wichtungsparameter Wc,decay wie folgt modelliert: Wc,decay = Σ n / i=1wi = Σ n / i=1Π m–1 / i=1 N(dij|mjrj) – βwm [5] In one possible embodiment of the method, the weighting parameter W c is modeled as a modified weighting parameter W c, decay as follows: W c, decay = Σ n / i = 1 w i = Σ n / i = 1Πm-1 / i = 1 N (d ij | m j r j ) - β w m [5]

Werden Messdaten 9 eines bestimmten Clusters 8 bei einer erneuten Erfassung des Messbereichs 5 nicht erneut erfasst, gehen diese nicht erneut erfassten Messdaten 9, je nach gewählter Konstante β, nicht oder nur mit einer verringerten Gewichtung in das Cluster 8 ein. Der modifizierte Wichtungsparameter Wc,decay wird in einem aktualisierten Clusterdatensatz des Clusters 8 gespeichert.Be measured data 9 a particular cluster 8th upon a new acquisition of the measuring range 5 not recaptured, these non-recaptured metrics go 9 , depending on the selected constant β, not or only with a reduced weighting in the cluster 8th one. The modified weighting parameter W c, decay is stored in an updated cluster record of the cluster 8th saved.

Fallen in einem Cluster 8 über mehrere Erfassungsvorgänge so viele Messdaten 9 weg, dass der Messdatengrenzwert ζ unterschritten ist, wird ein vormaliges Cluster 8 als Außenseiter-Cluster definiert und verworfen.Falling in a cluster 8th as many measurement data over several acquisition processes 9 away, that the measured data threshold ζ is exceeded, becomes a former cluster 8th defined as an outsider cluster and discarded.

Durch die Implementierung der Konstante β entfällt vorteilhaft das Erfordernis, rechen- und speichertechnisch aufwändige Klassifikationsalgorithmen oder Algorithmen zur Bereinigung eines Datensatzes von Artefakten (update-algorithm) verwenden zu müssen, wie dies bei Grid-basierten Verfahren der Fall ist.The implementation of the constant β advantageously eliminates the need to use computationally complex algorithms or algorithms to clean up a data set of artefacts (update algorithm), as is the case with grid-based methods.

Die Berechnung des Wichtungsparameters Wc wird anhand der 4 erläutert. In dem Messbereich 5 des Sensors 4 wird entlang einer virtuellen Sichtachse 7 eine Anzahl von Messdaten 9 erfasst. Entlang der Sichtachse 7 sind beispielhaft ein erstes, zweites und drittes Cluster 8.1, 8.2 und 8.3 mit den effektiven Clustermittelpunkten meff1, meff2 und meff3 sowie den effektiven Clusterradien reff1, reff2 und reff3 dargestellt. Die Abstände di1, di2 und di3 sind durch die Normalen von einem jeweiligen effektiven Clustermittelpunkt meff1, meff2 und meff3 auf die Sichtachse 7 bestimmt. Die effektiven Radien reff1, reff2 und reff3 geben jeweils die einfache Standardabweichung der Verteilung der Messdaten 9 der ersten bis dritten Cluster 8.1, 8.2 und 8.3 an. Anhand der ermittelten ersten bis dritten Cluster 8.1 bis 8.3 wird eine Clusterkarte CK eines Teilmessbereichs des Messbereichs 5 erzeugt.The calculation of the weighting parameter W c is based on the 4 explained. In the measuring range 5 of the sensor 4 becomes along a virtual view axis 7 a number of measured data 9 detected. Along the visual axis 7 are exemplary a first, second and third cluster 8.1 . 8.2 and 8.3 with the effective cluster centers m eff1 , m eff2 and m eff3 and the effective cluster radii r eff1 , r eff2 and r eff3 . The distances d i1 , d i2 and d i3 are defined by the normals of a respective effective cluster center m eff1 , m eff2 and m eff3 on the view axis 7 certainly. The effective radii r eff1 , r eff2 and r eff3 each give the simple standard deviation of the distribution of the measured data 9 the first to third clusters 8.1 . 8.2 and 8.3 at. Based on the identified first to third clusters 8.1 to 8.3 becomes a cluster map CK of a partial measuring range of the measuring range 5 generated.

In der 5A sind auf dem Parkplatz 2 erfasste Messdaten 9 als eine Karte K nach dem Stand der Technik dargestellt. Diese Karte K weist Rauschartefakte auf. In the 5A are in the parking lot 2 recorded measurement data 9 as a map K of the prior art. This card K has noise artifacts.

In der 5B ist eine Clusterkarte CK dargestellt, in der nur die mittels des erfindungsgemäßen Verfahrens ermittelten Cluster 8 enthalten sind. Die Clusterkarte CK weist gegenüber der in der 5A dargestellten Karte K ein verringertes Rauschen auf.In the 5B a cluster card CK is shown in which only the clusters determined by means of the method according to the invention are shown 8th are included. The cluster card CK points opposite to in the 5A shown map K on a reduced noise.

Ein drittes Ausführungsbeispiel des Verfahrens zur Verarbeitung von Messdaten 9 ist in den 6A, 6B schematisch dargestellt. In den 6A und 6B ist jeweils das Fahrzeug 1 dargestellt, an dessen Frontbereich der Sensor 4 angeordnet ist. Das Fahrzeug 1 befindet sich zu einem ersten Zeitpunkt t1 an einer ersten Position P1 einer in der 6A aufgrund eines ursprünglichen Clusterdatensatzes dargestellten Clusterkarte CK des Parkplatzes 2. Zu einem in der 6B schematisch dargestellten zweiten Zeitpunkt t2 befindet sich das Fahrzeug 1 an einer zweiten Position P2 einer aufgrund eines aktualisierten Clusterdatensatzes dargestellten Clusterkarte CK des Parkplatzes 2.A third embodiment of the method for processing measured data 9 is in the 6A . 6B shown schematically. In the 6A and 6B is the vehicle 1 represented on the front region of the sensor 4 is arranged. The vehicle 1 is at a first time t1 at a first position P1 in the 6A based on an original cluster data set cluster card CK of the parking lot 2 , To one in the 6B schematically illustrated second time t2 is the vehicle 1 at a second position P2 of a cluster card CK of the parking space, which is displayed on the basis of an updated cluster data record 2 ,

In einer nicht dargestellten weiteren Ausgestaltung des Verfahrens sind an dem Fahrzeug 1 an jeder seiner Seiten wenigstens ein Sensor 4 angeordnet, anhand deren Messdaten 9 das Verfahren durchgeführt wird.In a further embodiment of the method, not shown, are on the vehicle 1 at least one sensor on each of its sides 4 arranged, based on their measurement data 9 the procedure is carried out.

Zwischen dem ersten Zeitpunkt t1 und dem zweiten Zeitpunkt t2 werden mittels des Sensors 4 in dem Messbereich 5 Messdaten 9 erfasst, Cluster 8 ermittelt und der ursprüngliche Clusterdatensatz durch einen aktualisierten Clusterdatensatz ersetzt.Between the first time t1 and the second time t2 by means of the sensor 4 in the measuring range 5 measurement data 9 captured, clusters 8th and replaces the original cluster record with an updated cluster record.

Die jeweils durch eine Volllinienumrandung R4 beispielhaft in der 6A hervorgehobenen zwei Bereiche enthalten zu dem ersten Zeitpunkt t1 eine bestimmte Anzahl von Clustern 8. Ein Teil dieser Anzahl von Clustern 8 wurde bei der erneuten Erfassung der Messdaten 9 nicht verifiziert, sodass zum zweiten Zeitpunkt t2 weniger Cluster 8 in den in der 6B ebenfalls durch die Volllinienumrandung R5 hervorgehobenen zwei Bereichen enthalten sind.Each by a solid line border R4 by way of example in the 6A highlighted two areas contain a certain number of clusters at the first time t1 8th , Part of this number of clusters 8th was during the re-acquisition of the measurement data 9 not verified, so at the second time t2 fewer clusters 8th in the in the 6B Also included by the solid line border R5 two areas are included.

Der aktualisierte Clusterdatensatz wird in einer weiteren Ausführung des Verfahrens bei einer erneuten Erfassung von Messdaten 9 als ursprünglicher Clusterdatensatz verwendet.The updated cluster data set is used in another embodiment of the method in a new acquisition of measurement data 9 used as the original cluster record.

Die mittels des Verfahrens erzeugten Clusterkarten CK werden beispielsweise für eine Lokalisierung und/oder eine Selbstlokalisation des Fahrzeugs 1, beispielsweise mittels eines Fast-SLAM-Verfahrens, verwendet.The cluster cards CK generated by the method become, for example, a localization and / or a self-localization of the vehicle 1 , for example by means of a fast SLAM method used.

Mittels des erfindungsgemäßen Verfahrens ist eine Selbstlokalisation des Fahrzeugs 1 im Vergleich zu Verfahren, bei denen sämtliche erfassten Messdaten 9 genutzt werden, mit einem Fehler von weniger als 1% ermöglicht.By means of the method according to the invention is a self-localization of the vehicle 1 compared to procedures where all acquired measurement data 9 be used with an error of less than 1%.

Durch das Verfahren werden Diskretisierungsfehler vermieden. Es ist zudem nur ein geringer Speicherplatz zum Speichern der Clusterkarten CK und/oder der Clusterdatensätze erforderlich. Beispielsweise erfordert eine Clusterkarte CK eines rund 500 m langen Parkplatzes 2 einen Speicherplatz von 80 kB.The method avoids discretization errors. It also requires only a small amount of memory to store the cluster maps CK and / or the cluster records. For example, a cluster card CK requires a parking lot of about 500 meters 2 a storage space of 80 kB.

Gegenüber Landmarken-basierten Verfahren kann das erfindungsgemäße Verfahren mit geringem Programmieraufwand in bestehende Systeme implementiert und verwaltet werden. Das Verfahren ist auf jegliche Art von Entfernungssensoren (Range-Scanner-Sensoren) übertragbar. Auch bei diesen Sensoren 4 können mittels der Verfahren trotz des auftretenden Rauschens hochgenaue Clusterkarten CK erzeugt werden.Compared to landmark-based methods, the inventive method can be implemented and managed with little programming in existing systems. The method can be applied to any type of range sensors (range scanner sensors). Also with these sensors 4 can be generated by the methods despite the noise occurring highly accurate cluster cards CK.

Durch das erfindungsgemäße Verfahren sind die günstigen Eigenschaften von Grid-basierten Verfahren und den daraus erhaltenen Karten K (Grid-Maps) sowie die günstigen Eigenschaften Landmarken-basierter Verfahren und den daraus erhaltenen Karten K (Feature-Maps) vereinigt. Das Verfahren ermöglicht eine effiziente Darstellung einer digitalen Clusterkarte CK des Umfelds eines Fahrzeugs 1 und eine sehr präzise Eigenlokalisation des Fahrzeugs 1.The inventive method combines the favorable properties of grid-based methods and the resulting maps K (grid maps) and the favorable properties of landmark-based methods and the maps K (feature maps) obtained therefrom. The method enables an efficient representation of a digital cluster card CK of the environment of a vehicle 1 and a very precise self-localization of the vehicle 1 ,

ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDE IN THE DESCRIPTION

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.This list of the documents listed by the applicant has been generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.

Zitierte PatentliteraturCited patent literature

  • DE 102013211126 A1 [0007] DE 102013211126 A1 [0007]

Claims (8)

Verfahren zur Verarbeitung von erfassten Messdaten (9) mindestens eines Sensors (4) in einem Messbereich (5) zur Erzeugung mindestens einer digitalen Karte (K), dadurch gekennzeichnet, dass räumliche Häufungen (6) der erfassten Messdaten (9) in dem Messbereich (5) ermittelt und zu einer räumlichen Häufung (6) gehörige Messdaten (9) jeweils als ein Cluster (8, 8.1 bis 8.3) zusammengefasst und gespeichert werden, wobei mindestens eine digitale Clusterkarte (CK) anhand mindestens eines oder mehrerer Cluster (8, 8.1 bis 8.3) erzeugt wird.Method for processing acquired measurement data ( 9 ) at least one sensor ( 4 ) in a measuring range ( 5 ) for generating at least one digital map (K), characterized in that spatial accumulations ( 6 ) of the acquired measurement data ( 9 ) in the measuring range ( 5 ) and to a spatial accumulation ( 6 ) associated measurement data ( 9 ) each as a cluster ( 8th . 8.1 to 8.3 ) and stored, wherein at least one digital cluster card (CK) based on at least one or more clusters ( 8th . 8.1 to 8.3 ) is produced. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die zumindest eine räumliche Häufung (6) derart bestimmt wird, dass durch eine Messung (9.1, 9.2) Messdaten (9) in dem Messbereich (5) erfasst und ein Clustermittelpunkt (m) eines Clusters (8, 8.1 bis 8.3) mit einem maximalen Radius (rmax) vorgegeben wird und nachfolgend in diesem maximalen Radius (rmax) erfasste Messdaten (9) dem Cluster (8, 8.1 bis 8.3) zugeordnet werden.Method according to claim 1, characterized in that the at least one spatial accumulation ( 6 ) is determined such that by measuring ( 9.1 . 9.2 ) Measurement data ( 9 ) in the measuring range ( 5 ) and a cluster center (m) of a cluster ( 8th . 8.1 to 8.3 ) is specified with a maximum radius (r max ) and subsequently measured data recorded in this maximum radius (r max ) ( 9 ) the cluster ( 8th . 8.1 to 8.3 ) be assigned. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass eine räumliche Häufung (6) von Messdaten (9) dann als ein Cluster (8) zusammengefasst und gespeichert wird, wenn die Anzahl der dem Cluster (8) zugeordneten Messdaten (9) einen vorgegebenen Messdatengrenzwert (ζ) erreicht oder übersteigt.Method according to claim 1 or 2, characterized in that a spatial accumulation ( 6 ) of measured data ( 9 ) then as a cluster ( 8th ) and stored when the number of clusters ( 8th ) associated measurement data ( 9 ) reaches or exceeds a predetermined measured data threshold (ζ). Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass anhand der dem Cluster (8) zugeordneten Messdaten (9) zumindest ein Wichtungsparameter (Wc), ein effektiver Clustermittelpunkt (meff) und/oder ein effektiver Clusterradius (reff, reff1 bis reff3) ermittelt und/oder angepasst und gespeichert werden beziehungsweise wird.Method according to one of the preceding claims, characterized in that based on the cluster ( 8th ) associated measurement data ( 9 ) at least one weighting parameter (Wc), an effective cluster center point (m eff ) and / or an effective cluster radius (r eff , r eff1 to r eff3 ) are determined and / or adapted and stored. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass ein gespeichertes Cluster (8) anhand von aktuell erfassten Messdaten (9) aktualisiert oder verworfen wird.Method according to one of the preceding claims, characterized in that a stored cluster ( 8th ) based on currently acquired measurement data ( 9 ) is updated or discarded. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als Sensor (4) ein Entfernungssensor verwendet wird.Method according to one of the preceding claims, characterized in that as a sensor ( 4 ) a distance sensor is used. Verfahren nach Anspruch 6 dadurch gekennzeichnet, dass als Entfernungssensor ein Radarsensor, ein LIDAR-Sensor und/oder ein Ultraschallsensor verwendet wird.A method according to claim 6, characterized in that as a distance sensor, a radar sensor, a LIDAR sensor and / or an ultrasonic sensor is used. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als Karte (K) eine Clusterkarte (CK) eines Umfelds eines Fahrzeugs (1) erzeugt wird.Method according to one of the preceding claims, characterized in that the card (K) is a cluster card (CK) of an environment of a vehicle ( 1 ) is produced.
DE102015003666.1A 2015-03-20 2015-03-20 Method for processing acquired measured data of a sensor Withdrawn DE102015003666A1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102015003666.1A DE102015003666A1 (en) 2015-03-20 2015-03-20 Method for processing acquired measured data of a sensor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102015003666.1A DE102015003666A1 (en) 2015-03-20 2015-03-20 Method for processing acquired measured data of a sensor

Publications (1)

Publication Number Publication Date
DE102015003666A1 true DE102015003666A1 (en) 2016-09-22

Family

ID=56852584

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102015003666.1A Withdrawn DE102015003666A1 (en) 2015-03-20 2015-03-20 Method for processing acquired measured data of a sensor

Country Status (1)

Country Link
DE (1) DE102015003666A1 (en)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3401699A1 (en) * 2017-05-09 2018-11-14 Veoneer Sweden AB Vehicle environmental detection system for parking detection
WO2019063299A1 (en) * 2017-09-26 2019-04-04 Robert Bosch Gmbh Method and system for mapping and locating a vehicle based on radar measurements
EP3546983A1 (en) * 2018-03-28 2019-10-02 Aptiv Technologies Limited Method for identifying objects in a traffic space
WO2020249408A1 (en) * 2019-06-12 2020-12-17 Robert Bosch Gmbh Position determination on the basis of monitoring the surroundings
EP3798665A1 (en) * 2019-09-26 2021-03-31 Zenuity AB Method and system for aligning radar detection data
DE102020215254A1 (en) 2020-12-03 2022-06-09 Continental Automotive Gmbh Method for detecting parking spaces using ultrasonic sensors
DE102022130711A1 (en) 2022-11-21 2024-05-23 Brose Fahrzeugteile Se & Co. Kommanditgesellschaft, Bamberg Method for operating a motorized flap arrangement of a motor vehicle

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130060382A1 (en) * 2009-04-24 2013-03-07 Robert Bosch Gmbh Method of accurate mapping with mobile robots
DE102013211126A1 (en) 2013-06-14 2014-12-18 Robert Bosch Gmbh Method for modeling an environment of a vehicle

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130060382A1 (en) * 2009-04-24 2013-03-07 Robert Bosch Gmbh Method of accurate mapping with mobile robots
DE102013211126A1 (en) 2013-06-14 2014-12-18 Robert Bosch Gmbh Method for modeling an environment of a vehicle

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CORSO, N.; ZAKHOR, A.: Indoor Localization Algorithms for an Ambulatory Human Operated 3D Mobile Mapping System. In: Remote Sensing 5 (2013). 6611 - 6646. *
CORSO, N.; ZAKHOR, A.: Indoor Localization Algorithms for an Ambulatory Human Operated 3D Mobile Mapping System. In: Remote Sensing 5 (2013). 6611 – 6646.
Wikimedia. Map of towns and cities in Devon by population.png (2008). *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3401699A1 (en) * 2017-05-09 2018-11-14 Veoneer Sweden AB Vehicle environmental detection system for parking detection
WO2018206426A1 (en) * 2017-05-09 2018-11-15 Veoneer Sweden Ab Vehicle environmental detection system for parking detection
US11180137B2 (en) 2017-05-09 2021-11-23 Veoneer Sweden Ab Vehicle environmental detection system for parking detection
WO2019063299A1 (en) * 2017-09-26 2019-04-04 Robert Bosch Gmbh Method and system for mapping and locating a vehicle based on radar measurements
US11493624B2 (en) 2017-09-26 2022-11-08 Robert Bosch Gmbh Method and system for mapping and locating a vehicle based on radar measurements
CN111133334A (en) * 2017-09-26 2020-05-08 罗伯特·博世有限公司 Method and system for mapping and locating vehicles based on radar measurements
JP2020535410A (en) * 2017-09-26 2020-12-03 ロベルト・ボッシュ・ゲゼルシャフト・ミト・ベシュレンクテル・ハフツングＲｏｂｅｒｔ Ｂｏｓｃｈ Ｇｍｂｈ Methods and systems for mapping and locating vehicles based on radar measurements
US10871776B2 (en) 2018-03-28 2020-12-22 Aptiv Technologies Limited Method for identifying objects in a traffic space
CN110322727A (en) * 2018-03-28 2019-10-11 Aptiv技术有限公司 The method for identifying the object in traffic space
CN110322727B (en) * 2018-03-28 2022-03-29 Aptiv技术有限公司 Method for identifying objects in a traffic space
EP3546983A1 (en) * 2018-03-28 2019-10-02 Aptiv Technologies Limited Method for identifying objects in a traffic space
WO2020249408A1 (en) * 2019-06-12 2020-12-17 Robert Bosch Gmbh Position determination on the basis of monitoring the surroundings
CN114270139A (en) * 2019-06-12 2022-04-01 罗伯特·博世有限公司 Location determination based on ambient observations
US20220252691A1 (en) * 2019-06-12 2022-08-11 Robert Bosch Gmbh Position determination on the basis of surroundings observations
EP3798665A1 (en) * 2019-09-26 2021-03-31 Zenuity AB Method and system for aligning radar detection data
DE102020215254A1 (en) 2020-12-03 2022-06-09 Continental Automotive Gmbh Method for detecting parking spaces using ultrasonic sensors
DE102022130711A1 (en) 2022-11-21 2024-05-23 Brose Fahrzeugteile Se & Co. Kommanditgesellschaft, Bamberg Method for operating a motorized flap arrangement of a motor vehicle

Similar Documents

Publication Publication Date Title
DE102015003666A1 (en) Method for processing acquired measured data of a sensor
DE102011111440A1 (en) Method for representation of environment of vehicle, involves forming segments of same width from image points of equal distance in one of image planes, and modeling objects present outside free space in environment
DE102016209625A1 (en) Method for evaluating image data of a vehicle camera
DE102011113016A1 (en) Method for representing environment of vehicle, involves increasing detail information level of hierarchical data structure corresponding to object with high uncertainty than that of other objects identified in environment of vehicle
DE102016214030A1 (en) Method and system for detecting a traffic environment of a mobile unit
EP3491417A1 (en) Method and system for detecting landmarks in a traffic environment of a mobile unit
EP1631938B1 (en) Method for generating a three-dimensional terrain model
DE102016225595A1 (en) Method and arrangement for calibrating at least one sensor of a rail vehicle
DE102015203016A1 (en) Method and device for optical self-localization of a motor vehicle in an environment
DE102017217972A1 (en) Method and device for generating an inverse sensor model and method for detecting obstacles
DE102017128194A1 (en) Accurate self-locating using a synthetic aperture automotive radar
DE102014208967A1 (en) Environment map for driving surfaces with any height gradient
EP2577614B1 (en) Apparatus for displaying terrain on a display apparatus of an airborne vehicle
DE102018123393A1 (en) Detection of parking areas
DE102014212866A1 (en) Method for determining a parking space from a number of measuring points
DE102018204451A1 (en) Method and device for auto-calibration of a vehicle camera system
EP2381207A1 (en) 3D targeting and target designation from IR data
EP3663881B1 (en) Method for controlling an autonomous vehicle on the basis of estimated movement vectors
DE102015211871A1 (en) Object detection device
DE102018127468A1 (en) Method for updating a digital environment map, electronic computing device, computer program product, driver assistance system, motor vehicle and environment map update system
DE102009013768A1 (en) Method and device for determining aspect angles
DE102020133092A1 (en) POSITION ESTIMATE DEVICE AND POSITION ESTIMATE PROCEDURES
DE102011118171A1 (en) Method for continuous estimation of driving surface plane of motor vehicle, involves determining current three-dimensional points of surrounding of motor vehicle from current image of image sequence of image capture device
DE102009028742A1 (en) Method and control device for determining a movement information of an object
DE102020200728A1 (en) Reconstructing elevation information from radar data

Legal Events

Date Code Title Description
R163 Identified publications notified
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee