DE102015210881A1

DE102015210881A1 - Verfahren und Vorrichtung zur Bestimmung von Position und/oder Orientierung eines Fahrzeugs

Info

Publication number: DE102015210881A1
Application number: DE102015210881.3A
Authority: DE
Inventors: Stephan Scholz; Frank Harchut
Original assignee: Volkswagen AG
Current assignee: Volkswagen AG
Priority date: 2015-06-15
Filing date: 2015-06-15
Publication date: 2016-12-15

Abstract

Die Erfindung betrifft ein Verfahren zur Bestimmung von Position und/oder Orientierung eines Fahrzeugs (10), wobei mindestens zwei Sensoren (14) vorgesehen sind, deren Daten fusioniert werden. Es ist vorgesehen, dass für die Daten jedes Sensors (14) mittels künstlicher Intelligenz (18) dynamisch ein Gütemaß (20) erzeugt wird und dass die Sensordaten und die Gütemaße (20) zur Bestimmung von Position und/oder Orientierung fusioniert werden.

Description

Die Erfindung betrifft ein Verfahren und Vorrichtung zur Bestimmung von Position und/oder Orientierung eines Fahrzeugs sowie ein Fahrzeug und ein Computerprogrammprodukt.
Fahrassistenzsysteme und automatisch fahrende Fahrzeuge stützen sich auf eine Vielzahl von Informationen, um die Fahraufgabe effizient zu lösen. Eine dieser Informationen, die für die automatische Fahraufgabe hilfreich ist, sind die Ortungsinformationen, das heißt Position und Ausrichtung des Fahrzeugs in einem Bezugskoordinatensystem. Sind diese Informationen fahrstreifengenau, lassen sich diese Ortungsinformationen sehr gut zur Unterstützung der Entscheidungen des Fahrzeugregelsystems verwenden. Als Beispielprojekt kann ein autonomer Parkservice (Autonomous Valet Parking, AVP) gelten.
Die Qualität der Ortungsinformation ist jedoch stark abhängig von den Umgebungsbedingungen in denen das Fahrzeug gerade navigiert und von dessen Fahrzustand. In Parkhäusern, Tunneln oder in Häuserschluchten funktionieren beispielsweise satellitenbasierte Ortungsmodule (GPS) nur mit starken Einschränkungen der Informationsqualität oder gar nicht mehr. Aus diesem Grund werten heutige Navigationssysteme nicht nur GPS, sondern auch andere Sensoren aus. Diese Sensoren sind beispielsweise Raddrehzahlsensoren. Die Auswertung der Raddrehzahlinformation lässt ebenfalls Rückschlüsse auf die Fahrzeugbewegung zu und kann zur Überbrückung von GPS-Ausfällen verwendet werden. Jedoch unterliegt diese raddrehzahlbasierte Ortung dem fehlerverursachenden Einfluss von Radschlupf, der insbesondere bei Kurvenfahrt, oder beim Bremsvorgang auftritt.
Heutige Ansätze, das Fehlerverhalten von Ortungsmodulen bei einer Fusion der Informationen zu berücksichtigen, sind insbesondere modellbasierter Natur. Diese Fehlermodelle aufzubauen ist sehr aufwändig und hat bislang unter Verwendung von massenmarkttauglicher Sensorik zur Ortung nicht zu einer fahrbahngenauen Ortung geführt.
DE 102009046595 A1 offenbart ein kartenunterstütztes Positionsbestimmungs-Sensorsystem bei dem GPS-Daten und Daten eines Trägheitsnavigationssystems zum Beispiel mit einem Kalman-Filter fusioniert werden.
DE 102012216207 A1 offenbart ein Verfahren zum Bestimmen von Lagedaten eines Fahrzeuges basierend auf Fahrdynamikdaten und Positionsdaten. Die Fahrdynamikdaten werden basierend auf dem erfassten Abstand gefiltert. Faktoren wie Rauschen können berücksichtigt werden durch Verwendung eines Zustandsbeobachters oder eines Kalman-Filter als Filter.
US 8892271 B2 offenbart ein Verfahren zur Datenübertragung zu einem Fahrzeug, wobei zur optimalen Nutzung von Informationen wie Position, Geschwindigkeit und Beschleunigung des Fahrzeugs Kalman Filter oder neuronale Netzwerke verwendet werden.
Der Erfindung liegt die Aufgabe zugrunde, die Ortung eines Fahrzeugs zu verbessern. Diese Aufgabe wird gelöst durch ein Verfahren gemäß Anspruch 1, einer Vorrichtung gemäß Anspruch 7, ein Fahrzeug gemäß Anspruch 10 beziehungsweise ein Computerprogrammprodukt gemäß Anspruch 11.
Das erfindungsgemäße Verfahren zur Bestimmung von Position und/oder Orientierung eines Fahrzeugs, wobei mindestens zwei Sensoren vorgesehen sind, deren Daten fusioniert werden, umfasst, dass für die Daten jedes Sensors mittels künstlicher Intelligenz dynamisch ein Gütemaß erzeugt wird und dass die Sensordaten und die Gütemaße zur Bestimmung von Position und/oder Orientierung fusioniert werden.
Das erfindungsgemäße Verfahren hat den Vorteil, dass jede verfügbare Information zur Ortung korrekt in Ihrer Qualität bewertet wird, so dass eine Fusion dieser Informationen optimal wird. Optimal heißt hier, dass durch diese Fusion das Maximum des Informationsgehaltes genutzt wird. Eine höhere Qualität der Ortung ist dann nur noch unter Verwendung weiter Ortungsinformationen möglich. Der hier vorgeschlagene modulare Einsatz von künstlicher Intelligenz (KI) zur Güte-Bewertung von Ortungsmodulen zur Nutzung in der Datenfusion führt vorteilhaft zu einer Erreichung einer fahrstreifengenauen Ortung unter ausschließlicher Verwendung massenmarkttauglicher Sensoren. Weitere Vorteile sind die einfache Parametrierung und ein hoher Ausnutzungsgrad der verfügbaren Informationen, so dass die Verwendung massenmarkttauglicher Sensoren ausreicht, Fahrstreifengenauigkeit zu erreichen.
Das Verfahren kann als hybride Eigenlokalisation bezeichnet werden, da die Daten der Sensoren oder Ortungsmodule und deren Gütebewertung in die Datenfusion zur Bestimmung von Position und/oder Orientierung einfließen. Der Begriff fahrstreifengenau kann so definiert werden, dass die ermittelte wahrscheinlichste Position des Fahrzeugs innerhalb eines Fahrstreifens liegt. Die Sensoren umfassen alle Sensoren, die eingerichtet sind, Daten oder Messwerte in Bezug auf die Position, Orientierung und/oder Fahrtrichtung des Fahrzeugs zur Verfügung zu stellen.
Für jeden Sensor kann basierend auf dessen Daten eine Kovarianzmatrix berechnet werden. Eine Kovarianzmatrix kann aus den Varianzen und Kovarianzen der Sensordaten bestehen. Die Kovarianzmatrix erlaubt eine einfache Realisierung eines Gütemaßes für ein Ortungsmodul.
Die Kovarianzmatrix kann in Abhängigkeit von der Fahrsituation und/oder einer Erfassungssituation des Sensors berechnet werden. Im Gegensatz zu statischen Verfahren werden hier die Kovarianzmatrizen dynamisch, das heißt in Abhängigkeit von der jeweiligen Situation berechnet. Diese Neuberechnung wird durch den Einsatz von künstlicher Intelligenz durchgeführt. Die jeweilige Situation kann durch die Fahrsituation, das heißt durch Daten des Fahrzeugs beziehungsweise Daten von Sensoren, die das Fahrzeug betreffen, und/oder durch eine Erfassungssituation des oder der Sensoren, das heißt zum Beispiel durch Angaben zur Sensorgenauigkeit oder zum Fahrzeugumfeld (Nebel verringert unter Umständen Genauigkeit optischer Sensoren), bestimmt werden.
Für die Erzeugung des Gütemaßes kann ein künstliches neuronales Netz oder ein bayessches Netzwerk vorgesehen sein. Diese Algorithmen der künstlichen Intelligenz können höchst flexibel und mit geringem Aufwand zur Gütebewertung jedes Ortungsmoduls angepasst werden.
Die Sensordaten und die Gütemaße können mit einem Kalman-Filter fusioniert werden. Ein Kalman-Filter ist derartige Aufgabenstellungen gut geeignet und einfach zu implementieren.
Die künstliche Intelligenz kann vor der Bestimmung mit Referenzmessdaten parametriert werden. Damit findet die Parametrierung vor der eigentlichen Laufzeitphase statt, was einen einfacheren Betrieb ermöglicht.
Die erfindungsgemäße Vorrichtung zur Bestimmung von Position und/oder Orientierung eines Fahrzeugs, mit mindestens zwei Eingängen für Daten von Sensoren zur Orts- und/oder Orientierungsbestimmung und einem Daten-Fusionsmodul eingerichtet zur Fusionierung der Daten, umfasst, dass für jeden Eingang ein Gütebewertungsmodul vorgesehen ist, das eingerichtet ist, für die empfangenen Daten mittels künstlicher Intelligenz dynamisch ein Gütemaß zu erzeugen, dass die Gütebewertungsmodule mit dem Daten-Fusionsmodul kommunizieren, und dass das Daten-Fusionsmodul eingerichtet ist, die Sensordaten und die Gütemaße zur Bestimmung von Position und/oder Orientierung zu fusionieren. Es gelten die gleichen Vorteile und Modifikationen wie zuvor beschrieben.
Die Gütebewertungsmodule können jeweils eingerichtet sein, eine Kovarianzmatrix in Abhängigkeit von den Daten der Sensoren und/oder Daten des Fahrzeugs zu berechnen. So kann eine adaptive oder dynamische Gütebewertung implementiert werden, deren Genauigkeit verbessert ist.
Eingängen des Daten-Fusionsmoduls können UND-Gatter vorgeschaltet sein, deren Eingänge jeweils mit einem Eingang für Daten des Sensors und dem entsprechenden Gütebewertungsmodul verbunden sind. Diese Verknüpfung der Daten des Sensors und der entsprechenden Gütemaße der Gütebewertungsmodule ist schaltungstechnisch einfach zu implementieren. Alternativ findet eine Verknüpfung, Bewertung oder Wichtung der Faktoren in dem Daten-Fusionsmodul statt. Dies kann dort in Software und/oder Hardware implementiert sein.
Das erfindungsgemäße Fahrzeug umfasst eine Vorrichtung wie zuvor beschrieben und mindestens zwei Sensoren zur Orts- und/oder Orientierungsbestimmung. Es gelten die gleichen Vorteile und Modifikationen wie zuvor beschrieben.
Das erfindungsgemäße Computer-Programmprodukt umfasst Programmcode zur Durchführung des zuvor beschriebenen Verfahrens, wenn das Programmprodukt auf einer Recheneinheit oder einer Vorrichtung zur Bestimmung von Position und/oder Orientierung eines Fahrzeugs ausgeführt wird. Es gelten die gleichen Vorteile und Modifikationen wie zuvor beschrieben.
Die Erfindung wird nachfolgend in Ausführungsbeispielen anhand der zugehörigen Zeichnungen erläutert. Es zeigen:
1 ein Blockschaltbild einer Vorrichtung zur Bestimmung von Position und/oder Orientierung eines Fahrzeugs gemäß einem ersten Ausführungsbeispiel der Erfindung.
2 ein Blockschaltbild einer Vorrichtung zur Bestimmung von Position und/oder Orientierung eines Fahrzeugs gemäß einem zweiten Ausführungsbeispiel der Erfindung.
1 zeigt eine in einem Fahrzeug 10 angeordnete Vorrichtung 12 zur Bestimmung von Position und/oder Orientierung des Fahrzeugs 10. Mindestens zwei Ortungsmodule 14 sind in dem Fahrzeug 10 vorgesehen. Die Ortungsmodule 14 können Sensoren enthalten und/oder auf Sensoren Zugriff haben, und die Daten der Sensoren verarbeiten. Beispiele für Ortungsmodule 14 sind absolute Ortungssysteme wie zum Beispiel GPS-Systeme, relative Ortungssysteme wie zum Beispiel Odometrie, 2D-Trägheitsplattformen, Stereokameras und ähnliche Systeme.
Die Vorrichtung 12 hat für jedes der Ortungsmodule 14 einen Eingang oder einen Anschluss an ein Bussystem oder Netzwerk, über welches die Kommunikation erfolgt. Über den Eingang ist jedes Ortungsmodul 14 mit einem Gütebewertungsmodul 16 verbunden. Das Gütebewertungsmodul 16 bewertet die Güte des jeweiligen Sensorsignals beziehungsweise der Daten des Sensors. Dazu enthält das Gütebewertungsmodul 16 eine KI-basierte Gütebewertung 18. In der Gütebewertung 18 ist ein Algorithmus der künstlichen Intelligenz wie zum Beispiel ein künstliches neuronales Netz oder ein bayessches Netzwerk implementiert.
Die Gütebewertung 18 erzeugt eine Kovarianzmatrix 20 als Gütemaß. Die Kovarianzmatrix enthält Varianz- und Kovarianzwerte der Daten des Sensors und erlaubt so Rückschlüsse auf die Güte und damit Verlässlichkeit der Daten des zugehörigen Ortungsmoduls 14. Die Kovarianzmatrix 20 wird dynamisch erstellt oder angepasst, das heißt in Abhängigkeit von jeweiligen Fahrsituationen beziehungsweise Umgebungseinflüssen wie zum Beispiel Wetter, welche die Sensorik beeinflussen. Derartige Adaptionen an neue oder sich ändernde Situationen nimmt die KI-basierte Gütebewertung 18 vor. Dafür wird die Gütebewertung 18 vor dem laufenden Betrieb in einer Setup- oder Einrichtungsphase mit Daten parametriert. Diese Daten sind zum Beispiel Referenzmessdaten. Nach der initialen Parametrierung kann die KI-basierte Gütebewertung 18 sich dann selbständig an ändernde Bedingungen anpassen und damit eine neue oder geänderte Kovarianzmatrix 20 oder ein ähnliches Gütemaß erzeugen.
Die Kovarianzmatrix 20 wird von dem Gütebewertungsmodul 16 an einen Eingang eines UND-Gatters 22 ausgegeben. Es sind mehrere UND-Gatter 22 vorgesehen, die jeweils mit einem Eingang mit dem Gütebewertungsmodul 16 in Kommunikation stehen. Ein zweiter Eingang des UND-Gatters 22 steht mit dem entsprechenden Ortungsmodul 14 in Verbindung. Somit wird für jeden Sensor beziehungsweise jedes Ortungsmodul 14 ein individueller Signalpfad bestehend aus Gütebewertungsmodul 16 mit Gütebewertung 18 und Kovarianzmatrix 20 sowie einem UND-Gatter 22 gebildet. Die Anzahl der parallelen Signalpfade hängt von der Anzahl der Eingangsgrößen beziehungsweise Ortungsmodule 14 ab.
Über die UND-Gatter 22 fließt das Gütemaß gewissermaßen digital ein. Die UND-Gatter erlauben die Weitergabe oder die Blockierung der Daten von dem Ortungsmodul 14. Alternativ sind andere Signalverarbeitungsschaltungen vorgesehen, die eine Wichtung der Daten des Ortungsmoduls 14 erlauben. Dies kann stufenlos zum Beispiel über eine künstliche Intelligenz oder stufenweise, zum Beispiel in Abständen von 10 Prozent, mittels weiterer Logikschaltungen realisiert sein.
Die Ausgänge aller UND-Gatter 22 sind mit einem Daten-Fusionsmodul 24 verbunden. In dem Daten-Fusionsmodul 24 werden die Ergebnisse der einzelnen Signalpfade, das heißt das jeweilige Ergebnis von Daten und Gütebewertung, das an dem Ausgang des UND-Gatters 22 zur Verfügung steht, miteinander fusioniert. Dadurch entsteht eine Gesamtbetrachtung unterschiedlicher Sensoren. Das Daten-Fusionsmodul 24 enthält einen Kalman-Filter für die Datenfusion.
Das Daten-Fusionsmodul 24 gibt eine Bestimmung 26 von Position und/oder Orientierung aus, die weiteren Systemen des Fahrzeugs 10, wie zum Beispiel Assistenzsystemen oder einem autonomen Fahrsystem zur Verfügung stehen.
2 zeigt in einem Blockschaltbild ein weiteres Ausführungsbeispiel einer in einem Fahrzeug 10 angeordnete Vorrichtung 120 zur Bestimmung von Position und/oder Orientierung des Fahrzeugs 10. In einem Block 28 Ortungsverfahren sind die in dem Fahrzeug 10 verfügbaren Ortungsmodul 14 angeordnet. In einem Block 30 Ortungsgütebestimmung sind die Gütebewertungen 18 angeordnet. Schließlich ist in dem Block 32 Datenfusion das Daten-Fusionsmodul 24 angeordnet.
Jedem Ortungsmodul 14 ist eine Gütebewertung 18 zugeordnet, die in Kommunikation mit dem entsprechenden Ortungsmodul 14 steht, so dass Daten oder Ortungsinformation von dem Ortungsmodul 14 zu der Gütebewertung 18 gelangt. Die Gütebewertung 18 erzeugt mittels künstlicher Intelligenz, zum Beispiel einem künstlichen neuronalen Netz oder einem bayesschen Netz, eine Ortungsgüte. Diese Ortungsgüte ist das Gütemaß der Ortungsinformation von dem Ortungsmodul 14 und hat zum Beispiel die Form einer Kovarianzmatrix.
Die Ortungsgüten und die Ortungsinformationen werden dem Daten-Fusionsmodul 24 zugeführt. In dem Daten-Fusionsmodul 24 werden die Ortungsinformationen und die Ortungsgüten fusioniert, um eine Bestimmung 26 von Position und/oder Orientierung zu erzeugen, welche dann ausgegeben wird.
Das Verfahren und die Vorrichtung verwenden Algorithmen der künstlichen Intelligenz wie künstliche neuronale Netze (KNN) oder bayessche Netzwerke (BN), die höchst flexibel und einfach zur Gütebewertung jedes Ortungsmoduls 14 angepasst werden können. Die Parametrierung der künstlichen Intelligenz ist mit geringem Aufwand aus Referenzmessdaten möglich. Eine Referenz wird nur für die Parametrierung verwendet, nicht jedoch in der Laufzeitphase. Die dabei erreichte Genauigkeit ist fahrstreifengenau unter ausschließlicher Verwendung massenmarkttauglicher Sensoren.
Bezugszeichenliste

10: Fahrzeug
12, 120: Vorrichtung
14: Ortungsmodul
16: Gütebewertungsmodul
18: Gütebewertung
20: Kovarianzmatrix
22: UND-Gatter
24: Daten-Fusionsmodul
26: Bestimmung von Position und/oder Orientierung
28: Block Ortungsverfahren
30: Block Ortungsgütebestimmung
32: Block Datenfusion

ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

DE 102009046595 A1 [0005]
DE 102012216207 A1 [0006]
US 8892271 B2 [0007]

Claims

Verfahren zur Bestimmung von Position und/oder Orientierung eines Fahrzeugs (10), wobei mindestens zwei Sensoren (14) vorgesehen sind, deren Daten fusioniert werden, dadurch gekennzeichnet, dass für die Daten jedes Sensors (14) mittels künstlicher Intelligenz (18) dynamisch ein Gütemaß (20) erzeugt wird und dass die Sensordaten und die Gütemaße (20) zur Bestimmung von Position und/oder Orientierung fusioniert werden.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass für jeden Sensor (14) basierend auf dessen Daten eine Kovarianzmatrix (20) berechnet wird.
Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass die Kovarianzmatrix (20) in Abhängigkeit von der Fahrsituation und/oder einer Erfassungssituation des Sensors (14) berechnet wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass für die Erzeugung des Gütemaßes (20) ein künstliches neuronales Netz oder ein bayessches Netzwerk vorgesehen ist.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Sensordaten und die Gütemaße (20) mit einem Kalman-Filter (24) fusioniert werden.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die künstliche Intelligenz (18) vor der Bestimmung mit Referenzmessdaten parametriert wird.
Vorrichtung zur Bestimmung von Position und/oder Orientierung eines Fahrzeugs (10), mit mindestens zwei Eingängen für Daten von Sensoren (14) zur Orts- und/oder Orientierungsbestimmung und einem Daten-Fusionsmodul (24) eingerichtet zur Fusionierung der Daten, dadurch gekennzeichnet, dass für jeden Eingang ein Gütebewertungsmodul (16) vorgesehen ist, das eingerichtet ist, für die empfangenen Daten mittels künstlicher Intelligenz (18) dynamisch ein Gütemaß (20) zu erzeugen, dass die Gütebewertungsmodule (16) mit dem Daten-Fusionsmodul (24) kommunizieren, und dass das Daten-Fusionsmodul (24) eingerichtet ist, die Sensordaten und die Gütemaße (20) zur Bestimmung von Position und/oder Orientierung zu fusionieren.
Vorrichtung nach Anspruch 7, dadurch gekennzeichnet, dass die Gütebewertungsmodule (16) jeweils eingerichtet sind, eine Kovarianzmatrix (20) in Abhängigkeit von den Daten der Sensoren (14) und/oder Daten des Fahrzeugs (10) zu berechnen.
Vorrichtung nach Anspruch 7 oder 8, dadurch gekennzeichnet, dass Eingängen des Daten-Fusionsmoduls (24) UND-Gatter (22) vorgeschaltet sind, deren Eingänge jeweils mit einem Eingang für Daten des Sensors (14) und dem entsprechenden Gütebewertungsmodul (16) verbunden sind.
Fahrzeug, umfassend eine Vorrichtung nach einem der Ansprüche 7 bis 9 und mindestens zwei Sensoren (14) zur Orts- und/oder Orientierungsbestimmung.
Computer-Programmprodukt mit Programmcode zur Durchführung des Verfahrens nach einem der Ansprüche 1 bis 6, wenn das Programmprodukt auf einer Recheneinheit oder einer Vorrichtung (12; 120) zur Bestimmung von Position und/oder Orientierung eines Fahrzeugs (10) ausgeführt wird.