DE102015121270A1 - Detektion des Fahrbahnreflexionsvermögens durch einen Lidar-Sensor - Google Patents
Detektion des Fahrbahnreflexionsvermögens durch einen Lidar-Sensor Download PDFInfo
- Publication number
- DE102015121270A1 DE102015121270A1 DE102015121270.6A DE102015121270A DE102015121270A1 DE 102015121270 A1 DE102015121270 A1 DE 102015121270A1 DE 102015121270 A DE102015121270 A DE 102015121270A DE 102015121270 A1 DE102015121270 A1 DE 102015121270A1
- Authority
- DE
- Germany
- Prior art keywords
- photodetector
- road
- response
- driveway
- signal
- 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.)
- Granted
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/47—Scattering, i.e. diffuse reflection
- G01N21/4738—Diffuse reflection, e.g. also for testing fluids, fibrous materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/47—Scattering, i.e. diffuse reflection
- G01N21/49—Scattering, i.e. diffuse reflection within a body or fluid
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/94—Investigating contamination, e.g. dust
-
- 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
- G01S17/95—Lidar systems specially adapted for specific applications for meteorological use
-
- 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
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/068—Road friction coefficient
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
- G01N2021/556—Measuring separately scattering and specular
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
- G01N2021/557—Detecting specular reflective parts on sample
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/94—Investigating contamination, e.g. dust
- G01N2021/945—Liquid or solid deposits of macroscopic size on surfaces, e.g. drops, films, or clustered contaminants
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/125—Digital circuitry
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Environmental & Geological Engineering (AREA)
- Environmental Sciences (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Atmospheric Sciences (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
Es wird ein Verfahren zum Ermitteln eines Oberflächenzustands einer Fahrstraße bereitgestellt. Ein Lichtstrahl, der auf eine Oberfläche der Fahrstraße gelenkt wird, wird unter Verwendung eines Lidar-Systems übertragen. Nach der Übertragung des Lichtstrahls wird eine Reaktion an einem Photodetektor des Lidar-Systems analysiert. In Ansprechen auf die Analyse der Reaktion an dem Photodetektor wird ermittelt, ob eine Form von Niederschlag auf der Fahrstraße vorhanden ist. In Ansprechen auf die Ermittlung, dass die Bodenoberfläche eine Form von Niederschlag auf der Fahrstraße umfasst, wird ein Niederschlag angebendes Signal erzeugt.
Description
- HINTERGRUND DER ERFINDUNG
- Eine Ausführungsform bezieht sich auf eine Ermittlung des Reflexionsvermögens eines Fahrbahnzustands einer gefahrenen Route.
- Für verschiedene Funktionen eines Fahrzeugs ist es sehr wichtig, die Fahrbahnzustände, denen ein Fahrzeug begegnet, zu verstehen. Niederschlag auf der Fahrbahn kann zu verschiedenen Steuerproblemen für das Fahrzeug führen. Schnee, Wasser oder Eis auf der Fahrstraße reduzieren den Reibungskoeffizienten zwischen den Fahrzeugreifen und der Oberfläche der Straße erheblich, was zu Fahrzeugstabilitätsproblemen führt. Verschiedene bekannte Systeme können einen solchen Zustand erfassen, erfordern jedoch eine Anregung für die Detektion. Zum Beispiel kann ein System, das Niederschlag auf der Straße unter Verwendung von Radschlupf erfasst, detektieren, wenn die Fahrzeugräder plötzliche Anstiege der Drehzahl des Rads aufweisen. Während dieser Vorgang zur Identifizierung eines Typs von Niederschlag auf der Fahrbahn sehr gut ist, ist das Problem, dass der Niederschlag den Fahrzeugbetrieb bereits negativ beeinflusst. Demzufolge muss das Fahrzeug reaktiv Änderungen an dem Fahrzeugbetrieb vornehmen, um die Auswirkungen des Niederschlags, der das Fahrzeug bereits beeinträchtigt, zu reduzieren.
- Ein Identifizieren eines Fahrbahnzustands, bevor das Fahrzeug auf dem Niederschlag fährt, ermöglicht einem Fahrzeug, proaktiv verschiedene Sicherheitsfahrmerkmale eines Fahrzeugs freizugeben oder Änderungen an den aktuellen Fahrzeugoperationen vorzunehmen, um die Änderungen des Niederschlags, die die Operationen des Fahrzeugs beeinträchtigen, zu reduzieren.
- ZUSAMMENFASSUNG DER ERFINDUNG
- Ein Vorteil einer Ausführungsform ist die Detektion eines Fahrbahnzustands, was eine Freigabe der Stabilitätssteueroperationen ermöglicht, um das Wasser/den Schnee/das Eis auf einer Oberfläche der Straße zu entschärfen. Das System verwendet eine Lidar-Technik, die ermittelt, ob ein Signal an einem Photodetektor empfangen wird. Eine Ermittlung, ob die Oberfläche Eis/Schnee/Wasser auf der Fahrstraße umfasst, wird durch Analysieren von Signalen, die an dem Photodetektor empfangen werden, sowie eine Abwesenheit von Signalen, die an dem Photodetektor empfangen werden, durchgeführt. Es können verschiedene Techniken verwendet werden, um Eis/Schnee/Wasser auf der Oberfläche der Oberfläche der Straße zu ermitteln, wie beispielsweise kein Empfang eines Antwortsignals, ein Empfang eines Antwortsignals mit einem erhöht gestreuten Strahl, wie es durch Analysieren des empfangenen Signals unter Verwendung eines sich verschiebenden Fensters ermittelt wird, und eine Detektion falscher Objekte in dem Rücksignal.
- Ferner können andere Erfassungsvorrichtungen/-systeme mit dem Lidar-System verwendet werden, um die Wahrscheinlichkeit des Fahrbahnzustands sowie des Typs von Niederschlag auf der Fahrbahn zu verbessern.
- Eine Ausführungsform zieht ein Verfahren zum Ermitteln eines Oberflächenzustands einer Fahrstraße in Betracht. Ein Lichtstrahl, der auf eine Oberfläche der Fahrstraße gelenkt wird, wird unter Verwendung eines Lidar-Systems übertragen. Nach der Übertragung des Lichtstrahls wird eine Reaktion an einem Photodetektor des Lidar-Systems analysiert. In Ansprechen auf die Analyse der Reaktion an dem Photodetektor wird ermittelt, ob eine Form von Niederschlag auf der Fahrstraße vorhanden ist. In Ansprechen auf die Ermittlung, dass die Bodenoberfläche eine Form von Niederschlag auf der Fahrstraße umfasst, wird ein Niederschlag angebendes Signal erzeugt.
- KURZBESCHREIBUNG DER ZEICHNUNGEN
-
1 ist ein Blockdiagramm eines Fahrbahnzustand-Detektionssystems. -
2 ist eine bildhafte Darstellung, die Reflexionseigenschaften für eine diffuse Fahrbahn veranschaulicht. -
3 eine vergrößerte Ansicht der diffusen Fahrbahn. -
4 ist eine bildhafte Darstellung, die Reflexionseigenschaften für eine spiegelähnliche Fahrbahn zeigt. -
5 ist eine vergrößerte Ansicht der spiegelähnlichen Fahrbahn. -
6a und6b veranschaulichen die jeweiligen Lidar-Rücksignale, die eine Abwesenheit von Lidar-Rückführungen von der Bodenoberfläche zeigen. -
7 ist ein Flussdiagramm für eine Signalstreuungsanalysetechnik zum Detektieren von Reflexionseigenschaften der Straße. -
8 graphische Darstellung einer Merkmalsextraktionstechnik eines sich verschiebenden Fensters. -
9a und9b Lidar-Rücksignale, die sich auf den Streuungseffekt [engl.: ”scatting effect”] des Lidar-Strahls beziehen. -
10 ist eine Technik einer Detektion eines falschen Objekts, die verwendet wird, um Reflexionseigenschaften der Straße zu identifizieren. -
11a und11b veranschaulichen die Lidar-Rücksignale, die falsche Objekte angeben. - DETAILLIERTE BESCHREIBUNG
- In
1 ist ein Blockdiagramm des Fahrbahnzustand-Detektionssystems10 gezeigt. Das Fahrbahndetektionssystem10 verwendet ein Lidar-System12 (z. B. ein Velodyne-Erfassungssystem). Lidar ist eine Fernerfassungstechnologie, bei der ein Ziel beleuchtet wird und eine Distanz zu dem Objekt basierend auf dem Analysieren des reflektierten Lichts gemessen wird. - Das Lidar-System
12 umfasst eine Beleuchtungsquelle14 , wie beispielsweise einen Laser. Laser werden auf eine jeweilige Wellenlänge kalibriert, und der Laser kann auf eine spezifizierte Impulslänge und Wiederholungsrate, was die Datenzusammentragungsgeschwindigkeit steuert, eingestellt werden. - Das Lidar-System
12 umfasst ferner einen Photodetektor16 , der die reflektierten Strahlen von der Beleuchtungsquelle14 empfängt. - Das Lidar-System
12 umfasst ferner einen Prozessor18 zum Analysieren der von dem Photodetektor16 erhaltenen Daten und zum Durchführen von Ermittlungen der Reflexionseigenschaften des Oberflächenzustands der Straße. Das Lidar-System12 kann ferner ein Positionsbestimmungssystem/Navigationssystem verwenden, um eine absolute Position eines Oberflächenzustands zu identifizieren, wenn das Fahrzeug beweglich ist. Wenn sich ein Fahrzeug bewegt, können Lidar-Abtastungen zu dichten Punktwolken kombiniert werden (falls Positionsbestimmungs-/Navigationssysteme verfügbar sind oder Sensoren, aus denen Eigenbewegung geschätzt werden kann), und die gleiche Analyse kann auf Punktwolkenstücke angewandt werden. Dies ermöglicht dem Lidar-System, eine erhebliche Menge an Information über die Fahrbahn in der Umgebung des Fahrzeugs zu erhalten. - Eine Speichereinheit
20 kann zum Speichern einer Information, die durch den Photodetektor18 zusammengetragen wird, verwendet werden. Die Speichereinheit20 speichert Daten, die durch einen Klassifizierer verwendet werden, um die Fahrbahn zu ermitteln, was nachstehend ausführlich erläutert wird. Andere Erfassungseinrichtungen22 (z. B. Radar, Video), die in Kombination mit dem Lidar-System verwendet werden können, um den Zustand der Fahrbahn zu verifizieren. - Es kann eine Vielzahl von Einrichtungen Einrichtungen/Systemen
24 verwendet werden, um zu ermöglichen, dass der Fahrzeugbetrieb den Fahrer beim Aufrechterhalten der Kontrolle über das Fahrzeug unterstützt, wenn glatte Straßenzustände vorhanden sind, oder eine detaillierte Information für den Fahrer des Fahrzeugs bereitzustellen, die den Fahrer des Fahrzeugs hinsichtlich des bevorstehenden Straßenzustands informiert oder warnt. Niederschlag auf der Fahrzeugstraße12 kann zu einer Reduzierung der Traktion beim Fahren auf der nassen Oberfläche führen. Es ist zu verstehen, dass der Begriff Niederschlag wie hierin definiert Wasser, Eis, Schnee oder eine andere Substanz, die bewirken kann, dass das Fahrzeug an Traktion verliert, umfassen kann, jedoch nicht darauf beschränkt ist. Niederschlag, der sich auf der Fahrzeugstraße befindet, verringert den Reibungskoeffizienten zwischen den Fahrzeugreifen und der Fahrzeugstraße, wodurch die Traktion zwischen den Fahrzeugreifen und der Fahrzeugstraße reduziert wird. Ein Traktionsverlust kann durch eines der Folgenden vermindert werden, die autonome Bremssteuerungen25 unter Verwendung einer variablen Bremskraft zum Minimieren des Niederschlags, der an den Bremsflächen der Bremse gebildet wird; Komponenten, die den Fahrer warnen, die Fahrzeuggeschwindigkeit auf eine zu verringern, die den Umgebungsbedingungen dienlich ist, oder eine Mitteilung für den Fahrer, um einen größeren Anhalteweg zu einem vorausfahrenden Fahrzeug aufrecht zu erhalten; Stabilitätstraktionssteuerungen26 , eine Geschwindigkeitssteuerung zur Deaktivierung oder Beschränkung der Aktivierung der Tempomatfunktionalität, während Niederschlag detektiert wird27 ; eine Fahrerwamungsausgabeeinrichtung, um den Fahrer hinsichtlich eines bevorstehenden Fahrbahnzustands zu warnen28 ; oder ein Kommunikationssystem zum Kommunizieren mit anderen Fahrzeugen unter Verwendung einer Ad-hoc-Fahrzeugkommunikation, um andere Fahrer hinsichtlich des Fahrbahnzustands vorzuwarnen29 , umfassen, jedoch nicht darauf beschränkt sind. - In
2 und3 ist ein Fahrzeug30 gezeigt, das entlang einer Fahrstraße32 fährt und einen Laserstrahl34 auf die Oberfläche der Fahrstraße32 lenkt. Je nachdem, ob die Straße eine diffuse Oberfläche oder eine flache spiegelartige Oberfläche umfasst, bestimmt dies, wie Lichtstrahlen von der Oberfläche der Fahrstraße32 reflektiert werden.3 veranschaulicht eine erweiterte Ansicht einer diffusen Oberfläche36 auf der Fahrstraße32 . Eine diffuse Reflexion tritt auf, wenn der Laserstrahl an einer Oberfläche reflektiert wird, die nicht spiegelähnlich ist. Eine diffuse Reflexion ist die Reflexion von Licht von einer Oberfläche, sodass ein einfallender Strahl unter vielen Winkeln reflektiert wird anstatt nur unter einem Winkel wie im Falle der Spiegelreflexion. Als ein Ergebnis dessen, dass ein einfallender Strahl unter vielen Winkeln reflektiert wird wie dargestellt, kehrt ein Teil der reflektierten Strahlen in einer Richtung zu dem Fahrzeug hin zurück. Der Photodetektor erfasst die Rückstrahlen und kann die Distanz von dem Fahrzeug zu dem Schnittpunkt mit der diffusen Oberfläche messen. Ein Stützen auf eine erwartete Rückführung gegenüber dem, was empfangen oder nicht empfangen wird, unterstützt das Durchführen der Ermittlung des Fahrbahnzustands. -
4 und5 zeigen das Fahrzeug30 , das auf der Fahrstraße32 fährt, und das Lenken des Laserstrahls34 auf die Oberfläche der Fahrstraße32 , wobei die Oberfläche eine spiegelartige Oberfläche38 ist. Eine Fahrbahn mit einer spiegelartigen Oberfläche38 verursacht eine Spiegelreflexion. Eine Spiegelreflexion ist die spiegelartige Reflexion von Licht von der Oberfläche, wobei Licht von dem einfallenden Strahl, der aus einer einzigen ankommenden Richtung kommt, in eine einzige ausgehende Richtung reflektiert wird. Als Ergebnis wird der Reflexionsstrahl in eine Richtung weg von dem Fahrzeug gelenkt, da der Reflexionswinkel gleich dem Winkel des Einfalls in Bezug auf die Fahrbahn ist. Durch die Identifizierung, ob die Fahrbahn eine diffuse Oberfläche oder eine spiegelähnliche Oberfläche umfasst, können Entscheidungen bezüglich dessen getroffen werden, ob der Fahrbahnzustand über Fahrzeugsteuerungen entschärft werden soll. - Eine Fahrzeugsteuerung erfordert die Kenntnis des vorausliegenden Fahrbahnzustands (d. h. ob die Straße nass, mit Eis bedeckt, trocken ist). Solche Bedingungen können wahrgenommen werden, indem die Lidar-Systeme verwendet werden und die Daten analysiert werden. Lidar-Rückführungen hängen, wie zuvor beschrieben, von den Eigenschaften des Materials, von dem sie reflektiert werden, ab. Die Reflexionseigenschaften der Straße in nassen/trockenen/schneebedeckten Regionen unterscheiden sich erheblich und können somit unter Verwendung eines Lidar-Sensors detektiert werden. Zum Beispiel füllen sich während eines Regens Schlaglöcher auf der Fahrbahn mit Wasser und können sie sich wie kleine Spiegel verhalten. Wenn ein Lidar-Strahl auf die nassen/Wasseroberflächen trifft, können die folgenden Auswirkungen auftreten: (1) Keine Rückführungen zurück zum Sensordetektor; (2) Streuung der Strahlsignalauslesung ist für Daten, die von einer reflektierenden Oberfläche stammen, größer; (3) falsche Objekte können erscheinen. Die folgenden Beschreibungen hierin beschreiben diese jeweiligen Auswirkungen und deren Analyse.
-
6a und6b veranschaulichen das erste Szenario, bei dem eine Abwesenheit von Lidar-Rückführungen von der Bodenoberfläche vorliegt, wobei dieser Zustand leicht durch Verfolgen des Lasersignals über die Zeit und Entdecken ungelesener Daten, wenn Rückführungsdaten erwartet werden, detektiert werden kann.6a veranschaulicht Lidar-Rückführungen überlagert an einem Bild der Fahrstraße wie durch den Fahrer gesehen, und6b veranschaulicht eine graphische Darstellung einer Draufsicht eines Lidar-Rücksignals. Die jeweiligen Linien stellen die jeweiligen Laserstrahlen dar, die bei einem spezifischen Sensor, wie beispielsweise einem IBEO LUX-Sensor, verwendet werden. Der IBEO LUX-Sensor weist 4 Schichten von Lasern mit dem vertikalen Sichtfeld von 3,2 Grad und einer Abtastrate von entweder 12,5 Hz, 25 Hz oder 40 Hz auf; allerdings können andere Sensoren verwendet werden, die eine andere Anzahl von Laserstrahlen aufweisen. Wie es in6a gezeigt ist, veranschaulicht Bezugszeichen40 Wasser auf einer Fahrbahn, das eine spiegelartige Oberfläche erzeugt. Eine Lücke41 , die keine Rücksignale von dem übertragenen Signal angibt, ist in beiden6a und6b gezeigt. Das nicht vorhandene Rücksignal ist das Ergebnis des Abprallens des Laserstrahls von der spiegelartigen Oberfläche und Reflektierens vor dem Fahrzeug. Als Ergebnis erscheint eine Lücke bei dem Rückführungs-Lidar-Signal. Eine solche Situation kann an den Bordsteinkanten auftreten, wobei das Fahrzeugsystem ein Spurführungssystem umfassen könnte, das nach Bordsteinen sucht. Während Bordsteine entlang der Fahrstraße detektiert werden, wird ermittelt, dass es keine Rückführungen für eine nahe gelegene Bordsteinlinie, die dort erwartet wird, gibt. Aufgrund der Konstruktion der Straße weist die Oberfläche des Bordsteins eine negative Krümmung in der Richtung senkrecht zur Richtung der Straße auf, was zu einer Wasseransammlung in der Nähe der Bordsteinoberfläche führt. Als Folge davon gibt der Lidar-Strahl an bestimmten Orten keinen Reflexionsstrahl zurück und gibt ein Muster über die Zeit an, dass das Muster an der Stelle unterbrochen ist, an der sich Straße und Bordsteinoberflächen treffen. Das unterbrochene Muster gibt Wasser oder andere spiegelartige Zustände an der Oberfläche der Straße an. Daher können spiegelähnliche Oberflächen detektiert werden, wenn kein Rücksignal zurückgeführt wird, wenn dies erwartet wird. - In Bezug auf das zweite Szenario, bei dem die Lidar-Signalstreuung einer nassen/Schneeoberfläche erhöht ist, kann diese visuelle Auswirkung durch die Verwendung von Signalverarbeitung und Techniken eines maschinellen Lernens detektiert werden.
7 stellt ein Blockdiagramm eines algorithmischen Flusses zum Durchführen einer Analyse für eine Signalstreuung dar. - In Kasten
42 wird ein erstes Signal durch das sich verschiebende Fenster abgetastet und werden Merkmale für jedes Fenster extrahiert. Es wird ein erstes Signal durch ein sich verschiebendes Fenster abgetastet, und es werden Merkmale für jedes Fenster extrahiert.8 veranschaulicht das sich verschiebende Fenster. In8 wird bei Fenster i – 1 ein jeweiliges Fenster analysiert. Das Fenster wird bewegt und es wird ein nächstes Fenster analysiert (i-tes Fenster). Es werden nachfolgende Fenster analysiert (Fenster i + 1). - In Kasten
43 werden für jedes Fenster extrahierte Merkmale analysiert. Merkmale, die extrahiert werden, umfassen Statistiken eines kurzen Signals wie beispielsweise STD oder beliebige andere Statistiken, die eine Abweichung von einer Normalverteilung messen (zum Beispiel Kurtosis), FFT-Koeffizienten und ihre Statistiken, sind jedoch nicht darauf beschränkt. Da das Signal eines sich verschiebenden Fensters aus 3D-Punkten besteht, können ferner auch eine Hauptkomponentenanalyse (PCA von principal component analysis) sowie Eigenwerte und deren Verhältnis zum Schätzen einer Streuung eines kurzen Fenstersignals verwendet werden. - Zusätzlich zur FFT kann eine andere Technik, wie beispielsweise eine Wavelet-Transformation, verwendet werden. Eine Wavelet-Transformation ist eine Zeit-Frequenz-Transformation unter Verwendung eines mathematischen Prozesses zum Durchführen einer Signalanalyse für eine Signalfrequenz, die über die Zeit variiert.
- In Kasten
44 werden die jeweiligen Merkmale klassifiziert. Der letzte Klassifizierungsschritt kann durch einen beliebigen jeweiligen Klassifizierer angewandt werden, der jegliche neuronalen Netze, Unterstützungsvektormaschinen (SVM von support vector machines), Nächste-Nachbarn-Klassifizierer etc. umfasst, jedoch nicht darauf beschränkt ist. Klassifizierungskennzeichnungen umfassen nasse Regionen, eisige Regionen, trockene Regionen und Schneeregionen, sind jedoch nicht darauf beschränkt. Die Merkmalsextraktions- und Klassifizierungsschritte können unter Verwendung einer Technik tiefer neuronaler Netze zu einem Schritt kombiniert werden. -
9a und9b veranschaulichen Lidar-Rücksignale, die sich auf den Streuungseffekt [engl.: ”scatting effect”] des Lidar-Strahls beziehen. Wie es in9b gezeigt ist wird, während Rücksignale vorhanden sind, die geometrische Form der Rücksignale gestreut. Dieser Typ von Signal wird unter Verwendung von Signalverarbeitung und der Techniken eines maschinellen Lernens wie oben angegeben identifiziert. - Ferner können andere Sensordaten (wie beispielsweise Kameras, Radar, Ultraschall) zusammenwirkend mit dem Lidar-System verwendet werden, was das Treffen zusammenwirkender Entscheidungen bezüglich des Fahrbahnzustands unterstützt.
-
10 veranschaulicht das dritte Szenario, bei dem falsche Objekte an der Spiegeloberfläche der Straße detektiert werden. Wie es in10 gezeigt ist, überträgt das Lidar-System einen Lichtstrahl auf die Fahrstraße32 . Auf der Fahrbahn befindet sich Niederschlag50 . Eine Lichtreflexion auf der Fahrbahn weist für den Niederschlag einen Reflexionsstrahlwinkel auf, der im Wesentlichen gleich dem Einfallstrahlwinkel ist. Der Niederschlag50 auf der Fahrstraße fungiert als Oberfläche vom Spiegeltyp mit Reflexionseigenschaften. Nach dem Erfolgen der Reflexion durch die Spiegeloberfläche trifft der reflektierte Strahl auf ein Objekt52 vor dem Fahrzeug. Das Licht, das von dem vorderen Objekt52 abprallt, wird zurückgeführt und durch einen Sensor (Mehrweg) gemessen, wobei ein sekundäres Echo erzeugt wird. Diese Rückführungen eines sekundären Echos sind 3D-Punkte, die Signale eines falschen Alarms erzeugen, welche ein falsches/virtuelles Objekt54 angeben. Die falschen Objekte werden als virtuelle Punkte betrachtet, die sich unter der Erde befinden und an den gleichen Punkt unter der Oberfläche auf das virtuelle Objekt54 wie bei dem realen Objekt52 projiziert werden, da das reale Objekt52 und das virtuelle Objekt54 im Wesentlichen die gleiche Größe aufweisen; es wird jedoch erwartet, dass die Intensität des sekundären Impulses aufgrund von Mehrfachreflexionen kleiner ist. - Der Prozess des Detektierens des falschen Objekts wird wie folgt beschrieben. In Schritt
60 wird eine Bodenebene unter Verwendung einer Technik einer stabilen Ebenenanpassung (RANSAC) ermittelt. Eine Technik wie beispielsweise RANSAC führt eine Bodenschätzung durch, indem die Daten verschoben und gedreht werden, um mit der xy-Ebene und der Bodenebene übereinzustimmen. - In Schritt
61 werden Punkte eines falschen Objekts des virtuellen Objekts, die sich unter dem Boden befinden, identifiziert. Die Punkte eines falschen Objekts weisen einen Untergrundpunkt (z < 0) auf. Dies gilt auch für negative Objekte wie beispielsweise Schlaglöcher. - In Schritt
62 werden Punkte eines falschen Objekts von verschiedenen Strahlen durch das Lidar-System zusammengetragen. Die verschiedenen zusammengetragenen Strahlen sollten bei einer Projektion auf den Boden von einer im Wesentlichen gleichen Stelle stammen. Das gleiche gilt für ein reales Objekt, jedoch nicht für bestimmte Eigenschaften der Straße, wie beispielsweise Schlaglöcher. - In Schritt
63 werden die in den Schritten62 und63 identifizierten Eigenschaften zusammenwirkend analysiert, um eine Detektion eines falschen Objekts zu identifizieren. Es ist zu verstehen, dass die Schnittmenge zwischen der Fahrbahn und den falschen Objekten dem Reflexionsbereich der Fahrbahn entspricht. Diese jeweiligen Punkte eines falschen Objekts decken sich mit den realen Lidar-Punkten, die aus den ersten Impulsen erhalten werden. Eine Detektion falscher Objekte ermöglicht ferner eine Rekonstruktion von realen Objekten durch Anwenden von Symmetrietransformationen der falschen Objekte von der Fahrbahn. - Es ist zu verstehen, dass andere Fahrzeugsubsysteme, wie beispielsweise ein kamerabasiertes System, zusammenwirkend mit dem Lidar-System verwendet werden können, um die Wahrscheinlichkeit zu verbessern, dass ein falsches Objekt unterhalb der Bodenebene richtig detektiert wird.
-
11a und11b veranschaulichen die Lidar-Rücksignale für das Szenario, bei dem sich falsche Objekte in dem Signal befinden. Wie es in11a gezeigt ist, fährt ein Fahrzeug52 vor dem gefahrenen Fahrzeug. Es sind Lidar-Rücksignale vorhanden; allerdings sind jeweilige Abschnitte der Rücksignale mit einer größeren Distanz als erwartet angeordnet. In11 b ist eine Lidar-Signalrückführung54 weiter von der Stelle versetzt, an der sich die anderen Rücksignale befinden. Dies gibt an, dass das Signal eine weitere Strecke zurückgelegt hat, um von dem Fahrzeug52 abzuprallen. Da sich die anderen Rücksignale im Vergleich zu dem Rücksignal54 im Wesentlichen an der gleichen Stelle befinden, wird ermittelt, dass das Rücksignal ein falsches Objekt angibt, was angibt, dass eine spiegelartige Oberfläche vorhanden ist. - Die hierin beschriebenen vorgeschlagenen Techniken können bei anderen Ausführungsformen als Fahrzeuganwendungen verwendet werden, um eine Trennung zwischen Objekten und Hintergründen mit unterschiedlichem Reflexionsvermögen zu ermitteln, wie beispielsweise bei einer Verwendung von Lidar für eine Schiffsdetektion auf dem Meer. Es ist zu verstehen, dass die obigen Techniken nicht auf Kraftfahrzeuganwendungen beschränkt sind, sondern bei Anwendungen, die keine Kraftfahrzeuge umfassen, verwendet werden können.
- Ferner können Lidar-Abtastungen zu dichten Punktwolken kombiniert werden (falls Eigenbewegungssensoren verfügbar sind, aus denen Eigenbewegung geschätzt werden kann), und die gleiche Analyse kann auf Punktwolkenstücke angewandt werden, was eine umfassende Information über die Fahrbahn in der Umgebung des Fahrzeugs liefert.
- Während bestimmte Ausführungsformen der vorliegenden Erfindung ausführlich beschrieben wurden, wird der Fachmann, den diese Erfindung betrifft, verschiedene alternative Entwürfe und Ausführungsformen zum Ausführen der Erfindung, wie sie durch die folgenden Ansprüche definiert ist, erkennen.
Claims (10)
- Verfahren zum Ermitteln eines Oberflächenzustands einer Fahrstraße, wobei das Verfahren die Schritte umfasst: Übertragen eines Lichtstrahls, der auf eine Oberfläche der Fahrstraße gelenkt wird, unter Verwendung eines Lidar-Systems; Analysieren einer Reaktion an einem Photodetektor des Lidar-Systems nach der Übertragung des Lichtstrahls; Ermitteln, ob eine Form von Niederschlag auf der Fahrstraße vorhanden ist, in Ansprechen auf die Analyse der Reaktion an dem Photodetektor; Erzeugen eines Niederschlag angebenden Signals in Ansprechen auf die Ermittlung, dass die Bodenoberfläche eine Form von Niederschlag auf der Fahrstraße umfasst.
- Verfahren nach Anspruch 1, wobei das Analysieren einer Reaktion an dem Photodetektor umfasst, dass ermittelt wird, ob ein Reflexionssignal an dem Photodetektor empfangen wird, wobei kein Empfang eines Reflexionssignals durch den Photodetektor angibt, dass die Form von Niederschlag auf der Fahrstraße vorhanden ist.
- Verfahren nach Anspruch 2, wobei eine sekundäre Erfassungseinrichtung zusammenwirkend mit dem Lidar-System verwendet wird, um eine Wahrscheinlichkeit eines Ermittelns von Niederschlag auf der Oberfläche der Straße zu erhöhen.
- Verfahren nach Anspruch 1, wobei die Reaktion umfasst, dass Lichtsignale an dem Photodetektor empfangen werden, wobei die Streuung der Lichtsignale bei der empfangenen Reaktion im Vergleich zu einem erwarteten Reflexionssignal erhöht ist, wenn Niederschlag vorhanden ist.
- Verfahren nach Anspruch 4, wobei das Ermitteln, ob eine Streuung des Lichtsignals vorhanden ist, die Schritte umfasst: Anwenden eines sich verschiebenden Fensters auf ein reflektiertes Signal, das durch den Photodetektor empfangen wird; Anwenden einer Merkmalsextraktionstechnik auf jedes jeweilige Fenster des empfangenen reflektierten Signals; Identifizieren, ob eine Streuung in dem reflektierten Signal vorhanden ist, in Ansprechen auf das Analysieren der extrahierten Merkmale von jedem jeweiligen Fenster.
- Verfahren nach Anspruch 1, wobei das Analysieren einer Reaktion an dem Photodetektor umfasst, dass ermittelt wird, ob ein falsches Objekt an einer reflektierenden Oberfläche auf der Fahrstraße vorhanden ist.
- Verfahren nach Anspruch 6, wobei das falsche Objekt basierend auf der Distanz, die sich über eine Distanz zu einem Schnittpunkt des Lichtstrahls und der Oberfläche der Straße hinaus erstreckt, als Objekte, die sich unter der Oberfläche der Straße befinden, analysiert wird.
- Verfahren nach Anspruch 6, wobei die Distanz zu dem falschen Objekt außerhalb eines vorbestimmten Schwellenwerts einer erwarteten Distanz zu der Oberfläche der Straße.
- Verfahren nach Anspruch 6, wobei das Analysieren einer Reaktion an dem Photodetektor, das das Ermitteln, ob ein falsches Objekt an einer reflektierenden Oberfläche auf der Fahrstraße vorhanden ist, umfasst, die Schritte umfasst: Identifizieren einer Bodenebene unter Verwendung einer Ebenenanpassung; Identifizieren von Punkten eines falschen Objekts, die sich unter der Oberfläche der Straße befinden; Zusammentragen von Punkten eines falschen Objekts von einer Vielzahl von reflektierten Strahlen, die durch den Photodetektor empfangen werden, wobei die Vielzahl von reflektierten Strahlen die Oberfläche der Straße an im Wesentlichen der gleichen Stelle der Fahrbahn schneidet;
- Verfahren nach Anspruch 9, wobei eine sekundäre Erfassungseinrichtung zusammenwirkend mit dem Lidar-System verwendet wird, um eine Wahrscheinlichkeit eines Ermittelns von Niederschlag auf der Oberfläche der Straße zu erhöhen.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/578,638 US9453941B2 (en) | 2014-12-22 | 2014-12-22 | Road surface reflectivity detection by lidar sensor |
US14/578,638 | 2014-12-22 |
Publications (2)
Publication Number | Publication Date |
---|---|
DE102015121270A1 true DE102015121270A1 (de) | 2016-06-23 |
DE102015121270B4 DE102015121270B4 (de) | 2022-02-03 |
Family
ID=56099813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102015121270.6A Active DE102015121270B4 (de) | 2014-12-22 | 2015-12-07 | Verfahren zum Ermitteln eines Oberflächenzustands einer Fahrstraße |
Country Status (3)
Country | Link |
---|---|
US (1) | US9453941B2 (de) |
CN (1) | CN105717514B (de) |
DE (1) | DE102015121270B4 (de) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017219610A1 (de) * | 2017-11-06 | 2019-05-09 | Robert Bosch Gmbh | Verfahren zur Bestimmung eines Typus eines Hydrometeors |
DE102020210269A1 (de) | 2020-08-13 | 2022-02-17 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zum Ermitteln von Fahrbahnbedingungen |
DE102021109100A1 (de) | 2021-04-13 | 2022-10-13 | Valeo Schalter Und Sensoren Gmbh | Automatische Erkennung von Nässe auf einer Fahrbahnoberfläche |
DE102017106535B4 (de) | 2016-03-30 | 2023-09-21 | GM Global Technology Operations LLC | Verfahren zur Feststellung eines Oberflächenzustandes eines Bewegungsweges |
Families Citing this family (51)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9616773B2 (en) | 2015-05-11 | 2017-04-11 | Uber Technologies, Inc. | Detecting objects within a vehicle in connection with a service |
US10048700B1 (en) * | 2015-12-01 | 2018-08-14 | Amazon Technologies, Inc. | Generating state information for autonomous vehicles |
US10712160B2 (en) | 2015-12-10 | 2020-07-14 | Uatc, Llc | Vehicle traction map for autonomous vehicles |
US20170168495A1 (en) * | 2015-12-10 | 2017-06-15 | Uber Technologies, Inc. | Active light sensors for determining expected traction value of a road segment |
US9840256B1 (en) | 2015-12-16 | 2017-12-12 | Uber Technologies, Inc. | Predictive sensor array configuration system for an autonomous vehicle |
US9841763B1 (en) | 2015-12-16 | 2017-12-12 | Uber Technologies, Inc. | Predictive sensor array configuration system for an autonomous vehicle |
KR102373926B1 (ko) * | 2016-02-05 | 2022-03-14 | 삼성전자주식회사 | 이동체 및 이동체의 위치 인식 방법 |
US9990548B2 (en) | 2016-03-09 | 2018-06-05 | Uber Technologies, Inc. | Traffic signal analysis system |
US10459087B2 (en) | 2016-04-26 | 2019-10-29 | Uber Technologies, Inc. | Road registration differential GPS |
US9672446B1 (en) | 2016-05-06 | 2017-06-06 | Uber Technologies, Inc. | Object detection for an autonomous vehicle |
US10852744B2 (en) | 2016-07-01 | 2020-12-01 | Uatc, Llc | Detecting deviations in driving behavior for autonomous vehicles |
US10183677B2 (en) * | 2016-09-20 | 2019-01-22 | Ford Global Technologies, Llc | Ice and snow detection systems and methods |
KR101843866B1 (ko) * | 2016-11-30 | 2018-05-14 | 네이버 주식회사 | 라이다 데이터를 이용하여 도로 영역과 차선을 검출하는 방법 및 그 시스템 |
US10745009B2 (en) * | 2016-12-21 | 2020-08-18 | Samsung Electronics Co., Ltd. | Electronic apparatus for determining a dangerous situation of a vehicle and method of operating the same |
EP3553566B1 (de) * | 2016-12-29 | 2022-06-22 | Huawei Technologies Co., Ltd. | Verfahren und vorrichtung zur erkennung der bodenumgebung |
EP3566078A1 (de) * | 2017-01-03 | 2019-11-13 | Innoviz Technologies Ltd. | Lidar-systeme und verfahren zur detektion und klassifizierung von objekten |
US10725171B2 (en) * | 2017-01-27 | 2020-07-28 | Massachusetts Institute Of Technology | Method and system for localization of a vehicle using surface penetrating radar |
US10460053B2 (en) | 2017-04-24 | 2019-10-29 | Toyota Research Institute, Inc. | Systems and methods for surface property identification using waveform classification |
CN107169469B (zh) * | 2017-06-02 | 2020-06-19 | 南京理工大学 | 一种基于机器学习的mimo雷达的材料识别方法 |
US10491807B2 (en) * | 2017-06-27 | 2019-11-26 | GM Global Technology Operations LLC | Method to use vehicle information and sensors for photography and video viewing recording |
CN109139893B (zh) * | 2017-06-27 | 2020-06-16 | 广西大学 | 一种agv叉车颠簸路面识别方法 |
US10605924B2 (en) * | 2017-08-02 | 2020-03-31 | GM Global Technology Operations LLC | Method and apparatus cross segment detection in a lidar system |
DE102017219048A1 (de) * | 2017-10-25 | 2019-04-25 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Bestimmen eines Zustands einer Fahrbahn eines Fahrzeugs |
EP3480624B1 (de) * | 2017-11-07 | 2021-12-29 | Veoneer Sweden AB | Erkennung der parkreihenausrichtung |
JP6769945B2 (ja) * | 2017-12-26 | 2020-10-14 | 株式会社日立製作所 | 媒質センサー装置および監視システム |
US10901424B2 (en) | 2018-03-28 | 2021-01-26 | Wipro Limited | Method and system for generating a safe navigation path in real-time for navigating a vehicle |
US10641391B2 (en) | 2018-04-23 | 2020-05-05 | GM Global Technology Operations LLC | System and method for CVT clamp control based on oncoming conditions in a vehicle propulsion system |
US11334753B2 (en) | 2018-04-30 | 2022-05-17 | Uatc, Llc | Traffic signal state classification for autonomous vehicles |
US11592566B2 (en) | 2019-08-15 | 2023-02-28 | Volvo Car Corporation | Vehicle systems and methods utilizing LIDAR data for road condition estimation |
US11124193B2 (en) | 2018-05-03 | 2021-09-21 | Volvo Car Corporation | System and method for providing vehicle safety distance and speed alerts under slippery road conditions |
US11333740B2 (en) | 2018-06-04 | 2022-05-17 | Uatc, Llc | Determining specular reflectivity characteristics using Lidar |
US10627516B2 (en) | 2018-07-19 | 2020-04-21 | Luminar Technologies, Inc. | Adjustable pulse characteristics for ground detection in lidar systems |
CN109507678B (zh) * | 2018-11-26 | 2023-02-03 | 广东小天才科技有限公司 | 用于路面避险的提醒方法、系统、设备及存储介质 |
US20200189463A1 (en) * | 2018-12-13 | 2020-06-18 | Waymo Llc | Detecting puddles and standing water |
CN109782274B (zh) * | 2019-01-31 | 2023-05-16 | 长安大学 | 一种基于探地雷达信号时频统计特征的水损害识别方法 |
WO2020197614A1 (en) * | 2019-03-27 | 2020-10-01 | Panosense Inc. | Identifying and/or removing false positive detections from lidar sensor output |
US11480686B2 (en) | 2019-03-27 | 2022-10-25 | Zoox, Inc. | Identifying and/or removing false positive detections from lidar sensor output |
US11740335B2 (en) * | 2019-03-27 | 2023-08-29 | Zoox, Inc. | Identifying and/or removing false positive detections from LIDAR sensor output |
CN110298311B (zh) * | 2019-06-28 | 2021-05-07 | 北京智行者科技有限公司 | 路面积水检测方法及装置 |
US11021159B2 (en) * | 2019-07-10 | 2021-06-01 | Ford Global Technologies, Llc | Road surface condition detection |
US11556000B1 (en) | 2019-08-22 | 2023-01-17 | Red Creamery Llc | Distally-actuated scanning mirror |
US11126891B2 (en) | 2019-09-11 | 2021-09-21 | Toyota Research Institute, Inc. | Systems and methods for simulating sensor data using a generative model |
US11727169B2 (en) | 2019-09-11 | 2023-08-15 | Toyota Research Institute, Inc. | Systems and methods for inferring simulated data |
US11150348B2 (en) | 2019-10-02 | 2021-10-19 | Cepton Technologies, Inc. | Techniques for detecting cross-talk interferences in lidar imaging sensors |
FR3105143B1 (fr) * | 2019-12-20 | 2021-12-17 | Valeo Vision | Procédé de détection d’un état local de la route sur laquelle circule un véhicule automobile |
US20210223776A1 (en) * | 2020-01-22 | 2021-07-22 | Ati Motors Inc. | Autonomous vehicle with on-board navigation |
JPWO2021199609A1 (de) * | 2020-04-03 | 2021-10-07 | ||
US11673581B2 (en) * | 2020-12-11 | 2023-06-13 | Waymo Llc | Puddle occupancy grid for autonomous vehicles |
SE2150236A1 (en) * | 2021-03-02 | 2022-09-03 | Klimator Ab | Method and arrangement for determining a condition of a road surface |
US20230092933A1 (en) * | 2021-08-09 | 2023-03-23 | Lyft, Inc. | Systems and methods for detecting an environment external to a personal mobile vehicle in a fleet management system |
EP4202861A1 (de) * | 2021-12-24 | 2023-06-28 | Hyundai Mobis Co., Ltd. | Verfahren und vorrichtung zur klassifizierung von end-zu-end-wetter- und strassenbedingungen in echtzeit unter verwendung von lidar |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1235773A (en) * | 1983-12-23 | 1988-04-26 | Shigeto Nakayama | Device for detecting road surface condition |
JPH0789059B2 (ja) * | 1987-01-14 | 1995-09-27 | 株式会社日立製作所 | 視覚センサシステム |
EP0380659A4 (en) * | 1987-10-02 | 1992-07-15 | Kabushiki Kaisha Komatsu Seisakusho | Method of recognizing linear pattern |
US6166645A (en) * | 1999-01-13 | 2000-12-26 | Blaney; Kevin | Road surface friction detector and method for vehicles |
DE19932094A1 (de) | 1999-07-09 | 2001-01-25 | Daimler Chrysler Ag | Multisensorielle, vorausschauende Straßenzustandserkennung |
AU2004219513B2 (en) * | 2003-03-14 | 2009-08-27 | Liwas Aps | A device for detection of road surface condition |
JP4687563B2 (ja) * | 2006-05-23 | 2011-05-25 | 株式会社デンソー | 車両用レーンマーク認識装置 |
US7872764B2 (en) * | 2007-10-16 | 2011-01-18 | Magna Electronics Inc. | Machine vision for predictive suspension |
US8699754B2 (en) * | 2008-04-24 | 2014-04-15 | GM Global Technology Operations LLC | Clear path detection through road modeling |
US20100019964A1 (en) * | 2008-07-24 | 2010-01-28 | Gm Global Technology Operations, Inc. | Adaptive vehicle control system with driving style recognition and road condition recognition |
US8364334B2 (en) * | 2008-10-30 | 2013-01-29 | Honeywell International Inc. | System and method for navigating an autonomous vehicle using laser detection and ranging |
US8306672B2 (en) | 2009-09-09 | 2012-11-06 | GM Global Technology Operations LLC | Vehicular terrain detection system and method |
DE102011015527A1 (de) | 2010-06-15 | 2011-12-15 | Wabco Gmbh | Sensor zur berührungslosen Bestimmung der Fahrbahnbeschaffenheit und dessen Verwendung |
DE102011015457A1 (de) * | 2010-06-30 | 2012-01-05 | Wabco Gmbh | Verfahren und Vorrichtung zur Erkennung einer Fahrzeugbewegung |
US9460353B2 (en) | 2010-09-16 | 2016-10-04 | California Institute Of Technology | Systems and methods for automated water detection using visible sensors |
CN103403577B (zh) * | 2011-03-02 | 2015-02-11 | 丰田自动车株式会社 | 激光雷达装置 |
US20120330513A1 (en) * | 2011-06-24 | 2012-12-27 | Gm Global Technology Operations Llc. | Air dam actuation system |
KR101326991B1 (ko) * | 2011-12-01 | 2013-11-13 | 현대자동차주식회사 | 노면의 성질 감지 장치 및 그 방법 |
DE102013002333A1 (de) * | 2013-02-12 | 2014-08-14 | Continental Teves Ag & Co. Ohg | Verfahren und Strahlensensormodul zur vorausschauenden Straßenzustandsbestimmung in einem Fahrzeug |
US9207323B2 (en) * | 2013-04-11 | 2015-12-08 | Google Inc. | Methods and systems for detecting weather conditions including wet surfaces using vehicle onboard sensors |
KR101519199B1 (ko) * | 2013-05-09 | 2015-05-11 | 현대자동차주식회사 | 도로의 노면 상태 감지시스템 및 방법 |
US8825260B1 (en) * | 2013-07-23 | 2014-09-02 | Google Inc. | Object and ground segmentation from a sparse one-dimensional range data |
US9139204B1 (en) * | 2014-06-12 | 2015-09-22 | GM Global Technology Operations LLC | Road surface condition detection with recursive adaptive learning and validation |
-
2014
- 2014-12-22 US US14/578,638 patent/US9453941B2/en active Active
-
2015
- 2015-12-07 DE DE102015121270.6A patent/DE102015121270B4/de active Active
- 2015-12-22 CN CN201510967226.3A patent/CN105717514B/zh active Active
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017106535B4 (de) | 2016-03-30 | 2023-09-21 | GM Global Technology Operations LLC | Verfahren zur Feststellung eines Oberflächenzustandes eines Bewegungsweges |
DE102017219610A1 (de) * | 2017-11-06 | 2019-05-09 | Robert Bosch Gmbh | Verfahren zur Bestimmung eines Typus eines Hydrometeors |
DE102020210269A1 (de) | 2020-08-13 | 2022-02-17 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zum Ermitteln von Fahrbahnbedingungen |
DE102021109100A1 (de) | 2021-04-13 | 2022-10-13 | Valeo Schalter Und Sensoren Gmbh | Automatische Erkennung von Nässe auf einer Fahrbahnoberfläche |
Also Published As
Publication number | Publication date |
---|---|
US9453941B2 (en) | 2016-09-27 |
CN105717514B (zh) | 2019-01-29 |
DE102015121270B4 (de) | 2022-02-03 |
US20160178802A1 (en) | 2016-06-23 |
CN105717514A (zh) | 2016-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102015121270B4 (de) | Verfahren zum Ermitteln eines Oberflächenzustands einer Fahrstraße | |
DE102004016025B4 (de) | Verfahren zur Klassifizierung eines Objektstandorts eines 3D-Objekts an einer Seite eines Transportfahrzeugs | |
DE102004016024B4 (de) | Ausfilterung eines stillstehenden Objekts für ein Seitenobjekterfassungssystem | |
DE102004016023B4 (de) | Verfahren zur Objektklassifizierung aus Daten eines seitwärts gerichteten Sensors | |
DE102013113619B4 (de) | Probabilistische Zielauswahl und Gefahrbewertungsverfahren und Anwendung auf ein Kreuzungs-Kollisonswarnsystem | |
DE102009043385B4 (de) | Vorrichtung und Verfahren zum Optimieren einer Fahrzeugkollisions-Vorbereitungsreaktion | |
DE102008003948B4 (de) | Vorrichtung zum Bestimmen des Vorhandenseins von Nebel unter Verwendung einer Abbildung, die durch eine in ein Fahrzeug eingebaute Abbildungsvorrichtung erzielt wird | |
DE10152078B4 (de) | Verfahren und Objekterfassungssystem zur Unterscheidung von detektierten Objekten auf dem Weg eines Fahrzeugs | |
DE102007043164B4 (de) | Nebelerkennungsvorrichtung für Kraftfahrzeuge | |
DE112016004777T5 (de) | Objektmeldevorrichtung | |
DE102015109238B4 (de) | Verfahren zum ermitteln eines zustands eines nassen strassenbelags für ein fahrzeug, das auf einer strasse fährt | |
DE102007023037A1 (de) | Objekterkennungsvorrichtung | |
DE102010027647A1 (de) | Laserbasiertes Verfahren zur Reibwertklassifikation in Kraftfahrzeugen | |
DE102018104243B3 (de) | Verfahren und System zur Erkennung von für ein Fahrzeug geeigneten Parklücken | |
DE112013003276T5 (de) | Objekterkennungseinrichtung | |
DE102017119042A1 (de) | Vermeidung von Totwinkelwarnungen durch Gischt | |
DE102020118067A1 (de) | Erkennung von strassenoberflächenbedingungen | |
DE102016225494A1 (de) | Verfahren und vorrichtung zum erfassen eines zielobjekts | |
DE10344299B4 (de) | Klassifizierung der in einer Umgebung eines Kraftfahrzeugs befindlichen Objekte | |
DE102018222036A1 (de) | Verfahren und Steuereinrichtung zur Objekterfassung im Umfeld eines Fahrzeugs | |
WO2019162317A1 (de) | Verfahren zur erzeugung von sensordaten für sicherheitskritische automobil-steuergeräte | |
EP3867666B1 (de) | Verfahren zur erfassung wenigstens von partikelzusammensetzungen in einem überwachungsbereich mit einer optischen detektionsvorrichtung und detektionsvorrichtung | |
DE102009046597A1 (de) | Verfahren und Einrichtung für die Störungsverminderung bei einem Lidarsystem | |
DE112019006516T5 (de) | Fahrassistenzvorrichtung | |
US20090297049A1 (en) | Detection of partially occluded targets in ladar images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R079 | Amendment of ipc main class |
Free format text: PREVIOUS MAIN CLASS: G01B0011300000 Ipc: G01N0021550000 |
|
R016 | Response to examination communication | ||
R018 | Grant decision by examination section/examining division | ||
R020 | Patent grant now final |