-
Stand der Technik
-
Die Erfindung geht aus von einer Vorrichtung oder einem Verfahren nach Gattung der unabhängigen Ansprüche. Gegenstand der vorliegenden Erfindung ist auch ein Computerprogramm.
-
Moderne Fahrerassistenzsysteme, englisch advanced driver assistance systems oder kurz ADAS genannt, sowie hoch automatisierte Fahrzeugsysteme für automatisiertes Fahren im urbanen Umfeld, englisch urban automated driving oder kurz UAD genannt, setzen detaillierte Kenntnisse über ein Fahrzeugumfeld und eine jeweilige Verkehrssituation, in der sich das Fahrzeug gerade befindet, voraus. Als Grundlage für die Wahrnehmung des Fahrzeugumfelds werden in der Regel Sensormessdaten verwendet. Aus diesen lassen sich mithilfe sogenannter Detektoralgorithmen Objekte extrahieren, anhand derer das Fahrzeugumfeld beschrieben und analysiert werden kann. Moderne Sensoren wie Stereovideokameras oder Laserscanner ermöglichen das Erfassen zahlreicher Informationen aus dem Fahrzeugumfeld. Aufgrund des hohen Informationsgehaltes ist die Informationsverarbeitung in aller Regel mit hohen Anforderungen an die Hardwareressourcen verbunden.
-
Offenbarung der Erfindung
-
Vor diesem Hintergrund werden mit dem hier vorgestellten Ansatz ein Verfahren zum Betreiben eines Fahrerassistenzsystems eines Fahrzeugs, weiterhin ein Steuergerät, das dieses Verfahren verwendet, ein Fahrzeug sowie schließlich ein entsprechendes Computerprogramm gemäß den Hauptansprüchen vorgestellt. Durch die in den abhängigen Ansprüchen aufgeführten Maßnahmen sind vorteilhafte Weiterbildungen und Verbesserungen der im unabhängigen Anspruch angegebenen Vorrichtung möglich.
-
Es wird ein Verfahren zum Betreiben eines Fahrerassistenzsystems eines Fahrzeugs vorgestellt, wobei das Verfahren folgende Schritte umfasst:
-
Einlesen eines Einlese- oder Erkennungssignals, das ein mittels einer Umfeldeinleseeinrichtung des Fahrzeugs eingelesenes oder erkanntes Verkehrsszenario repräsentiert; und
-
Aktivieren zumindest eines Detektionsalgorithmus des Fahrerassistenzsystems unter Verwendung des Erkennungssignals; und
-
Detektieren zumindest eines Objekts eines dem Verkehrsszenario zugeordneten Objekttyps unter Verwendung des Detektionsalgorithmus, um das Fahrzeug in dem Verkehrsszenario zu lokalisieren.
-
Unter einem Fahrerassistenzsystem kann ein elektronisches System zur Unterstützung eines Fahrers insbesondere in bestimmten Fahrsituationen zur Steigerung der Fahrsicherheit oder zur Steigerung des Fahrkomforts verstanden werden. Das Fahrerassistenzsystem kann mit einer Umfeldeinleseeinrichtung zum Erfassen oder Einlesen eines Umfelds des Fahrzeugs mittels verschiedener Sensoren gekoppelt sein. Diese Sensoren können beispielsweise als Kamera, Lidar-. Radar und/oder Ultraschallsensor ausgestaltet sein. So kann die Umfeldeinleseeinrichtung etwa zur Erkennung eines Verkehrsszenarios, in dem sich das Fahrzeug befindet, dienen bzw. dieses von Sensoren erkannte Verkehrsszenario einlesen. Unter einem Verkehrsszenario kann u.a. eine durch bestimmte Landmarken, d. h. statische, zuverlässig detektierbare Entitäten, wie z. B. Infrastrukturelemente oder abstrakte Features, charakterisierte Fahrsituation verstanden werden. Ein solches Verkehrsszenario, das beispielsweise eine „Fahrt in einer geschlossenen Ortschaft“, eine „Fahrt auf einer Überlandstraße“ oder eine „Fahrt auf einer Autobahn“ sein kann, kann durch eine Menge von vordefinierten erkannten Objekten oder Infrastrukturelementen in einem das Umfeld des Fahrzeugs repräsentierenden Bildes identifiziert werden. Beispielsweise kann eine solche Menge von vordefinierten erkannten Objekten für das Verkehrsszenario „Fahrt in einer geschlossenen Ortschaft“ durch vorhandene Laternen, Lichtzeichenanlagen (wie Ampeln oder Warnblinkleuchten an Fußgängerüberwegen), Bordsteinkanten und/oder dergleichen gebildet sein, die in einem Bild, dass die Umgebung des Fahrzeugs repräsentiert, abgebildet sind oder zu erwarten sind, wenn sich das Fahrzeug auf einer Fahrt durch eine geschlossene Ortschaft befindet. Analog können beispielsweise Objekte wie regelmäßig oder Allee-artig angeordnete Bäume oder Büsche, Leitpfosten, fehlende Laternen, große gelbe Wegweiser, Warntafeln vor engen Kurven, Warntafeln vor Wildwechseln und/oder dergleichen am Straßenrand als eine Menge von Objekten verwendet werden, um das Verkehrsszenario „Fahrt auf einer Überlandstraße“ zu erkennen. Bei einer Fahrt auf einer Autobahn können beispielsweise blaue Verkehrszeichen, bauliche Fahrbahntrennungseinrichtungen wie Mittelleitplanken oder seitliche Leitplanken aus dem Bild als Objekte erkannt werden, die als Menge zusammen eine Erkennung des aktuellen Verkehrsszenarios „Fahrt auf einer Autobahn“ zulassen. Als Objekte können dabei nicht nur Infrastruktureinrichtungen wie Verkehrszeichen, Lichtzeichenanlagen, Leitplanken, Bordsteinkanten (d. h. von Menschen zur sicheren und komfortablen Verkehrsführung errichtete Objekte) verstanden werden, sondern auch natürliche Objekte wie Bäume, Büsche oder andere botanische Objekte oder Felsbrocken, Berghänge oder andere geologische Objekte die sich im Seitenbereich der Fahrbahn befinden. Es brauchen jedoch nicht alle Objekte in den das Fahrzeugumfeld abbildenden Bildern zur Erkennung des vorliegenden Verkehrsszenarios erkannt werden; vielmehr kann durch eine grobe Auswertung der Bilder, beispielsweise in der Form von einer Auswertung der Silhouetten und einer hierauf ansprechenden Groberkennung der Objekte in Zusammenhang mit anderen aufgetretenen oder erkannten Objekten eine grobe Wahrscheinlichkeit für das Vorliegen eines bestimmten Verkehrsszenarios bestimmt werden. Das Verkehrsszenario mit der größten Wahrscheinlichkeit kann dann als vorliegendes Verkehrsszenario bestimmt werden.
-
Die Information über das aktuelle Verkehrsszenario kann auch aus der Fahrzeugpose (d. h. der Orientierung und Lage des Fahrzeugs beispielsweise auf der Fahrbahn) und/oder Karteninformationen gewonnen werden und bedarf daher nicht unbedingt einer Umfelderfassung im eigentlichen Sinne. Unter einem Detektionsalgorithmus, auch Detektor genannt, kann eine Vorschrift zum Detektieren von Objekten eines bestimmten, einem jeweils erkannten Verkehrsszenario zugeordneten Objekttyps verstanden werden. Beispielsweise kann der Detektionsalgorithmus dazu dienen, Fahrspurmarkierungen zu erfassen, wenn das Fahrzeug eine entsprechend markierte Fahrbahn befährt. Mittels des Erkennungssignals kann ein dem erkannten Verkehrsszenario entsprechender Detektionsalgorithmus aktiviert werden. Bei dem Detektionsalgorithmus handelt es sich somit um einen Algorithmus, dessen Ausführung eine szenarioabhängige Priorisierung aufweist. Unter einer szenarioabhängige Priorisierung kann verstanden werden, dass beispielsweise ein erster Algorithmus in einem ersten Verkehrsszenario ein erstes der Objekte mit einer höheren Dringlichkeit und somit detailgenauer erkennt, als ein zweites Objekt, während ein zweiter Algorithmus in einem zweiten Verkehrsszenario das zweite Objekt mit einer höheren Dringlichkeit erkennt, als das erste Objekt. Beispielsweise kann der erste Algorithmus in einem Verkehrsszenario „Fahrt in einer geschlossenen Ortschaft“ einen Fußgänger als erstes Objekt mit einer höheren Dringlichkeit erkennen, als eine Kurve der Fahrbahn mit einem kleinen Kurvenradius, wogegen der zweite Algorithmus in einem Verkehrsszenario „Fahrt über die Autobahn“, in dem üblicherweise keine Fußgänger zu erwarten sind, die Erkennung der ersten Objekte (d. h. der Fußgänger) nicht mit einer so hohen Dringlichkeit erkennen braucht, wie die zweiten Objekte (d. h. hier die Kurven mit kleinem Kurvenradius, die bei einer Autobahnfahrt mit hoher Geschwindigkeit deutlich sicherheitskritischer sind, als sehr unwahrscheinlich auf der Autobahn auftretende Fußgänger). Dies bedeutet, dass bei dem Entwurf der entsprechenden (Detektions-)Algorithmen, je nachdem welches Szenario sie auszuwerten haben, ein Schwerpunkt (d. h. eine höhere Priorisierung) auf die Erkennung von bestimmten, in diesem Verkehrsszenario öfter als in anderen Verkehrsszenarien auftretenden Objekten gelegt wurde. Unter Verwendung des Detektionsalgorithmus können dann im Schritt des Detektierens beispielsweise nur diejenigen Objekte detektiert werden, die für eine Lokalisierung des Fahrzeugs im jeweiligen Verkehrsszenario relevant sind. Auf diese Weise kann die Erkennung von Objekten, die in einem Verkehrsszenario recht unwahrscheinlich ist, mit einer niedrigeren Priorität erfolgen, was numerische oder schaltungstechnische Ressourcen einspart und somit eine Verbesserung gegenüber dem Stand der Technik darstellt, in dem keine Auswahl von je nach aktuell vom Fahrzeug durchfahrenem Verkehrsszenario zu erwartenden Objekten erfolgt.
-
Der hier beschriebene Ansatz beruht auf der Erkenntnis, dass ein Fahrerassistenzsystem derart konfiguriert werden kann, dass in Abhängigkeit von einer erkannten Verkehrssituation ein oder mehrere Detektoren zum Detektieren von Objekten eines bestimmten, der jeweiligen Verkehrssituation zugeordneten Typs aktiviert werden. Dies hat den Vorteil, dass je nach Verkehrssituation nur diejenigen Objekte detektiert und analysiert werden können, die für die zuverlässige Ermittlung einer Fahrzeugposition oder -trajektorie innerhalb der jeweiligen Verkehrssituation tatsächlich relevant sind. Dadurch kann die Lokalisierung des Fahrzeugs mit einer deutlich geringeren Rechenleistung durchgeführt werden.
-
Eine Vielzahl moderner Fahrerassistenzsysteme erfordert die Detektion spezieller Objekte im Umfeld des Fahrzeugs. Dazu gehören unter anderem Verkehrszeichen, etwa um den Fahrer über eine maximal zulässige Geschwindigkeit zu informieren. Spurhalteassistenten sind auf eine zuverlässige Detektion und eine fahrzeugrelative Verortung von Fahrspurmarkierungen angewiesen. Eine Ampelerkennung ist üblicherweise mit hohen Hardwareanforderungen bezüglich der Objektdetektionsalgorithmen verbunden. Insbesondere im Bereich des automatisierten Fahrens im urbanen Umfeld kommen viele dieser Anforderungen zusammen. Hierzu ist die Detektion einer Vielzahl von Objekten im Umfeld des Fahrzeugs erforderlich, was zu hohen Hardwareanforderungen bezüglich der Ausführung der Detektionsalgorithmen führen kann. Nicht alle Objekte sind jedoch in allen Szenarien vorhanden oder relevant.
-
Im Zusammenhang mit automatisiertem Fahren im urbanen Umfeld spielt die Lokalisierung des Fahrzeugsystems eine zentrale Rolle. Die Durchführung der Lokalisierung kann beispielsweise auf einem Abgleich von Sensormessungen mit einer bereits bekannten Karte des Fahrzeugumfelds basieren. Aus den Sensormessungen können mithilfe von Detektoren Objekthypothesen gebildet werden. Über die Art und Anordnung der Objekte kann wiederum auf eine Pose, d. h. eine Position und Orientierung des Fahrzeugsystems in der Karte geschlossen werden.
-
Gemäß dem hier vorgestellten Ansatz kann nun zwischen Verkehrsszenarien wie etwa einer Kreuzung und einer Hauptverkehrsstraße unterschieden werden und in Abhängigkeit davon bereits vor Beginn einer Systemlaufzeit eine Relevanzanalyse auf Ebene von Objekttypen durchgeführt werden.
-
Ein entsprechendes Verfahren zur szenariogerechten Auswahl von Detektoralgorithmen für Landmarken zur Durchführung einer anforderungsgerechten Lokalisierung eines Fahrzeugs gemäß dem hier beschriebenen Ansatz bietet den Vorteil, dass die zur Lokalisierung erforderlichen Hardwareressourcen deutlich reduziert werden können. Dies ermöglicht die Realisierung eines verhältnismäßig kostengünstigen Fahrerassistenzsystems, das etwa aus mehreren Fahrerassistenzfunktionen oder einem Funktionsbündel bestehen kann, oder auch eines verhältnismäßig kostengünstigen hoch automatisierten Fahrzeugsystems. Mittels des hier beschriebenen Ansatzes zur szenarioangepassten Auswahl eines Objektdetektors kann aufgrund der daraus resultierenden Einsparung an Rechenleistung beispielsweise auch auf einer begrenzt leistungsfähigen Hardware eine Vielzahl von Objektdetektoren zur Durchführung einer anforderungsgerechten Lokalisierung des Fahrzeugsystems realisiert werden.
-
Gemäß einer Ausführungsform kann im Schritt des Aktivierens zumindest ein erster Detektionsalgorithmus und, zusätzlich oder alternativ, ein zweiter Detektionsalgorithmus aktiviert werden. Im Schritt des Detektierens kann unter Verwendung des ersten Detektionsalgorithmus zumindest ein Objekt eines dem Verkehrsszenario zugeordneten ersten Objekttyps zum lateralen Lokalisieren des Fahrzeugs detektiert werden. In entsprechender Weise kann im Schritt des Detektierens unter Verwendung des zweiten Detektionsalgorithmus zusätzlich oder alternativ zumindest ein Objekt eines dem Verkehrsszenario zugeordneten zweiten Objekttyps zum longitudinalen Lokalisieren des Fahrzeugs detektiert werden. Unter einer lateralen Lokalisierung kann die Ermittlung einer Position des Fahrzeugs quer zur Fahrtrichtung, etwa zwischen zwei Fahrbahnmarkierungen oder -begrenzungen, verstanden werden. Entsprechend kann unter einer longitudinalen Lokalisierung die Ermittlung der Position des Fahrzeugs in Fahrtrichtung verstanden werden, beispielsweise ein Abstand des Fahrzeugs zu einer bevorstehenden Kreuzung oder einem im Vorfeld des Fahrzeugs befindlichen Objekt. Durch diese Ausführungsform kann das Fahrzeug mit verhältnismäßig geringem Rechenaufwand präzise und zuverlässig lokalisiert werden. Die Objekttypen zur lateralen und longitudinalen Lokalisierung können identisch sein, sodass im minimalen Falle genau ein Detektionsalgorithmus ausgeführt wird.
-
Es ist ferner vorteilhaft, wenn im Schritt des Detektierens eine Fahrspurmarkierung, ein Verkehrszeichen, eine Lichtzeichenanlage, eine Straßenlaterne, zumindest ein weiterer Verkehrsteilnehmer oder auch eine Kombination aus mehreren der genannten Objekte detektiert wird. Derartige Objekte bieten den Vorteil einer guten Erkennbarkeit.
-
Des Weiteren kann das Verfahren einen Schritt des Lokalisierens des Fahrzeugs mithilfe zumindest eines im Schritt des Detektierens detektierten Objekts umfassen. Zusätzlich oder alternativ kann in einem Schritt des Steuerns zumindest eine Funktion des Fahrerassistenzsystems in Abhängigkeit von einer im Schritt des Lokalisierens durchgeführten Lokalisierung gesteuert werden. Durch diese Ausführungsform wird auch bei Verwendung von weniger leistungsfähiger Hardware eine effiziente Ansteuerung des Fahrerassistenzsystems ermöglicht.
-
Hierbei ist es von Vorteil, wenn im Schritt des Lokalisierens das Fahrzeug ferner unter Verwendung von Kartendaten bezüglich eines Umfelds des Fahrzeugs lokalisiert wird. Bei den Kartendaten kann es sich etwa um in einem entsprechenden Kartenspeicher hinterlegte oder im Bedarfsfall über eine Funkverbindung abrufbare Daten handeln. Mithilfe der Kartendaten kann die Zuverlässigkeit bei der Lokalisierung des Fahrzeugs erhöht werden.
-
Es ist zudem vorteilhaft, wenn im Schritt des Aktivierens der Detektionsalgorithmus aktiviert wird, um eine Genauigkeit beim Lokalisieren des Fahrzeugs in Abhängigkeit von dem Verkehrsszenario zu ändern. Beispielsweise kann die Genauigkeit in Abhängigkeit von einer Geschwindigkeit des Fahrzeugs, einer Anzahl weiterer Verkehrsteilnehmer oder eines Fahrbahnverlaufs variiert werden. Auch diese Ausführungsform ermöglicht eine möglichst effiziente Ausnutzung einer zur Verfügung stehenden Rechenleistung.
-
Dieses Verfahren kann beispielsweise in Software oder Hardware oder in einer Mischform aus Software und Hardware beispielsweise in einem Steuergerät implementiert sein.
-
Der hier vorgestellte Ansatz schafft ferner ein Steuergerät, das ausgebildet ist, um die Schritte einer Variante eines hier vorgestellten Verfahrens in entsprechenden Einrichtungen durchzuführen, anzusteuern bzw. umzusetzen. Auch durch diese Ausführungsvariante der Erfindung in Form eines Steuergeräts kann die der Erfindung zugrunde liegende Aufgabe schnell und effizient gelöst werden.
-
Unter einem Steuergerät kann vorliegend ein elektrisches Gerät verstanden werden, das Sensorsignale verarbeitet und in Abhängigkeit davon Steuer- und/oder Datensignale ausgibt. Das Steuergerät kann eine Schnittstelle aufweisen, die hard- und/oder softwaremäßig ausgebildet sein kann. Bei einer hardwaremäßigen Ausbildung können die Schnittstellen beispielsweise Teil eines sogenannten System-ASICs sein, der verschiedenste Funktionen des Steuergeräts beinhaltet. Es ist jedoch auch möglich, dass die Schnittstellen eigene, integrierte Schaltkreise sind oder zumindest teilweise aus diskreten Bauelementen bestehen. Bei einer softwaremäßigen Ausbildung können die Schnittstellen Softwaremodule sein, die beispielsweise auf einem Mikrocontroller neben anderen Softwaremodulen vorhanden sind.
-
Darüber hinaus schafft der hier vorgeschlagene Ansatz ein Fahrzeug mit einem Steuergerät gemäß einer vorstehenden Ausführungsform.
-
Von Vorteil ist auch ein Computerprogrammprodukt oder Computerprogramm mit Programmcode, der auf einem maschinenlesbaren Träger oder Speichermedium wie einem Halbleiterspeicher, einem Festplattenspeicher oder einem optischen Speicher gespeichert sein kann und zur Durchführung, Umsetzung und/oder Ansteuerung der Schritte des Verfahrens nach einer der vorstehend beschriebenen Ausführungsformen verwendet wird, insbesondere wenn das Programmprodukt oder Programm auf einem Computer oder einer Vorrichtung ausgeführt wird.
-
Ausführungsbeispiele der Erfindung sind in den Zeichnungen dargestellt und in der nachfolgenden Beschreibung näher erläutert. Es zeigt:
-
1 eine schematische Darstellung eines Fahrzeugs gemäß einem Ausführungsbeispiel;
-
2 eine schematische Darstellung eines Gesamtsystems mit drei verschiedenen Detektionsalgorithmen zur Aktivierung mittels eines Steuergeräts gemäß einem Ausführungsbeispiel; und
-
3 ein Ablaufdiagramm eines Verfahrens gemäß einem Ausführungsbeispiel.
-
In der nachfolgenden Beschreibung günstiger Ausführungsbeispiele der vorliegenden Erfindung werden für die in den verschiedenen Figuren dargestellten und ähnlich wirkenden Elemente gleiche oder ähnliche Bezugszeichen verwendet, wobei auf eine wiederholte Beschreibung dieser Elemente verzichtet wird.
-
1 zeigt eine schematische Darstellung eines Fahrzeugs 100 gemäß einem Ausführungsbeispiel. Das Fahrzeug 100 befindet sich beispielhaft auf einer Hauptverkehrsstraße 102 und nähert sich einer Kreuzung 104. Das Verkehrsszenario, das in der 1 dargestellt ist, kann somit beispielsweise als „Fahrt in einer geschlossenen Ortschaft“ verstanden werden, wobei die Unterteilung un zwei Unterszenarien möglich ist, wie vorliegend die Fahr auf einer Hauptverkehrsstraße 102 und die Annäherung an eine Kreuzung 104. Die beiden (Unter-)Verkehrsszenarien in Form der Hauptverkehrsstraße 102 und der Kreuzung 104 werden durch eine Umfeldeinleseeinrichtung 106 des Fahrzeugs 100 erkannt und in Form eines entsprechenden Erkennungssignals 108 an ein Steuergerät 110 zum Steuern eines Fahrerassistenzsystems des Fahrzeugs 100 übertragen. Das Steuergerät 110 ist ausgebildet, um unter Verwendung des Erkennungssignals 108 einen oder mehrere den (Unter-)Verkehrsszenarien entsprechende Detektionsalgorithmen zum Detektieren von Objekten einer oder mehrerer den Verkehrsszenarien zugeordneter Objekttypen zu aktivieren. Beispielsweise ermöglicht ein derartiger Detektionsalgorithmus die Detektion von eine Fahrspur 111 des Fahrzeugs 100 begrenzenden Fahrspurmarkierungen 112, einer Haltelinie 113, einer Lichtanlage 114, hier einer Ampel, eines Verkehrszeichens 116 oder von Straßenlaternen 117. Hierbei sind die Objekttypen in Form der Fahrspurmarkierungen 112 und der Straßenlaternen 117 dem Verkehrsszenario der Hauptverkehrsstraße 102 zugeordnet, während die Objekttypen in Form der Haltelinie 113, der Lichtanlage 114 und des Verkehrszeichens 116 dem Verkehrsszenario der Kreuzung 104 zugeordnet sind. Je nach Ausführungsform ist das Steuergerät 110 optional ausgebildet, um das Fahrzeug 100 unter Verwendung der mittels des entsprechenden Detektionsalgorithmus erfassten Objekte in den beiden Verkehrsszenarien 102, 104 zu lokalisieren oder auch das Fahrerassistenzsystem entsprechend dieser Lokalisierung anzusteuern.
-
Denkbar ist jedoch auch, dass das Fahrzeug 100 sich auf einer Fahrt über eine Überlandstraße (das heißt beispielsweise außerhalb einer geschlossenen Ortschaft) befindet. In diesem Fall können in einem Bild über die aktuelle Umgebung des Fahrzeugs 100 als Objekte Büsche oder Bäume, Bergflanken, Verkehrszeichen zur Anzeige von Wildwechsel oder Verkehrszeichen zur Warnung vor Kurven mit engem Kurvenradius vom Detektionsalgorithmus mit hoher Priorität erkannt werden, wogegen beispielsweise Objekte wie eine Haltelinie oder eine Lichtanlage wie aus der 1 für das Verkehrsszenario „Fahrt in einer geschlossenen Ortschaft“ dargestellt, mit einer niedrigeren Priorität erkannt werden brauchen. In diesem Fall wird dann vorzugsweise das Verkehrsszenario „Fahrt über eine Überlandstraße“ durch das Erkennungssignal 108 erkannt und der entsprechend passende Detektionsalgorithmus für das Verkehrsszenario „Fahrt über eine Überlandstraße“ in eine entsprechende (Detektions-)Einrichtung im Steuergerät 110 geladen. Dieser Detektionsalgorithmus wird nun mit hoher Priorität Objekte wie die vorstehend genannten Büsche oder Bäume, Verkehrszeichen zur Anzeige von Wildwechsel oder Warnung vor Kurven mit Kurvenradius zu erkennen versuchen, wogegen Objekte wie eine Haltelinie oder eine Lichtzeichenanlage, die üblicherweise bei einer Fahrt über eine Überlandstraße eine geringere Auftretenswahrscheinlichkeit haben lediglich mit einer geringeren Priorität zu erkennen versucht werden. Auf diese Weise kann Rechenleistung bei der Objektdetektion eingespart werden, indem bei der Erkennung von Objekten im aktuellen Fahrzeugumfeld des Fahrzeugs 100 das jeweilige Verkehrsszenario und die darin mit großer Wahrscheinlichkeit auftretenden Objekte priorisierend mitberücksichtigt werden.
-
Analog kann natürlich auch als Verkehrsszenario eine „Fahrt auf einer Autobahn“ durch ein Erkennungssignal 108 signalisiert werden, wobei hier beispielsweise eine Erkennung von blauen Verkehrszeichen oder eine bauliche Trennung der einzelnen Fahrspuren als Infrastrukturelemente oder Objekte in einem Bild über die aktuelle Umgebung des Fahrzeugs 100 als Hinweis auf das Vorliegen eines solchen Verkehrsszenarios „Fahrt auf einer Autobahn“ dienen kann. In diesem Fall kann beispielsweise ein Detektionsalgorithmus in das Steuergerät bzw. eine entsprechende (Detektions-)Einrichtung im Steuergerät 118 geladen werden, der mit hoher Priorität beispielsweise eine Fahrspurbegrenzungslinie oder einen auf die Fahrbahn aufgezeichneten Richtungspfeil als Objekt erkennt und beispielsweise an ein Fahrerassistenzsystem weiterleitet. Dieses Fahrerassistenzsystem kann dann beispielsweise auf der Basis der erkannten Objekte eine automatische Fahrzeugführung des Fahrzeugs 100 über die Autobahn vornehmen und hierdurch den Fahrtkomfort für den oder die Fahrzeuginsassen erhöhen.
-
2 zeigt eine schematische Darstellung eines Gesamtsystems 200 mit drei verschiedenen Detektionsalgorithmen zur Ansteuerung mittels eines Steuergeräts gemäß einem Ausführungsbeispiel. Das Gesamtsystem 200 kann beispielsweise von einem Steuergerät, wie es vorangehend anhand von 1 beschrieben ist, angesteuert werden. Die Detektionsalgorithmen sind beispielhaft als drei Detektoreinheiten 202, 204, 206 realisiert. Das Gesamtsystem 200 umfasst eine Sensorik in Form der Umfeldeinleseeinrichtung 106, die das Erkennungssignal 108 an ein Steuermodul 208 zur Funktionsumschaltung überträgt. Gemäß diesem Ausführungsbeispiel ist das Steuermodul 208 ausgebildet, um unter Verwendung des Erkennungssignals 108 je nach erkanntem Verkehrsszenario ein Schaltersignal 209 zum Ansteuern eines ersten Detektorschalters 210 in einer die Umfeldeinleseeinrichtung 106 und die erste Detektoreinheit 202 miteinander verbindenden Signalleitung, eines zweiten Detektorschalters 212 in einer die Umfeldeinleseeinrichtung 106 und die zweite Detektoreinheit 204 miteinander verbindenden Signalleitung oder eines dritten Detektorschalters 214 in einer die Umfeldeinleseeinrichtung 106 und die dritte Detektoreinheit 206 miteinander verbindenden Signalleitung anzusteuern. Je nach Stellung der Detektorschalter 210, 212, 214 werden von einem oder mehreren der drei Detektoreinheiten 202, 204, 206 Informationen 216 über relevante Objekte bezüglich des Verkehrsszenarios an eine Verarbeitungseinheit 218 weitergeleitet, die die Informationen 216 unter Verwendung eines geeigneten Umfeldmodells verarbeitet. Die Verarbeitungseinheit 218 ist ihrerseits mit einer Analyseeinheit 220 verbunden, die der Situationsanalyse dient, unter anderem etwa der Lokalisierung des Fahrzeugs im Verkehrsszenario. In einer an die Analyseeinheit 220 angeschlossenen Steuereinheit 222 erfolgt die Steuerung von Funktionen des Fahrerassistenzsystems in Abhängigkeit von der durch die Analyseeinheit 220 durchgeführten Situationsanalyse. Hierzu ist die Steuereinheit 222 beispielsweise mit einer Aktorik 223 oder einer Mensch-Maschinen-Schnittstelle 224 des Fahrzeugs verbunden.
-
Ein Signalfluss im Gesamtsystem 200 ist durch dicke Pfeilspitzen markiert. Ein Kontrollfluss im Gesamtsystem 200 ist hingegen mit kleinen Pfeilspitzen markiert.
-
Ein derartiges System ermöglicht eine Reduzierung der benötigten Rechenleistung durch eine szenariogerechte Auswahl und Ausführung einer bestimmten Menge relevanter Detektoralgorithmen, d. h. spezialisierter Algorithmen zur Detektion eines bestimmten Objekttyps wie beispielsweise eines Verkehrszeichens. Bei einem solchen Szenario handelt es sich etwa um das Befahren einer Kreuzung oder einer Hauptverkehrsstraße. Als Beispielanwendung für ein solches System wird im Folgenden die Lokalisierung eines Fahrzeugs betrachtet. Neben der Lokalisierung ist auch eine Anwendung auf andere Bereiche des automatisierten Fahrens möglich. Zur Auslegung des Systems 200 werden Anforderungen an eine Lokalisierungsgenauigkeit formuliert. Auf Basis dieser Anforderungen werden dann für mehrere Verkehrsszenarien Landmarken identifiziert, die in dem jeweiligen Verkehrsszenario detektiert werden sollen, um die Lokalisierungsanforderungen erfüllen zu können.
-
Beispielsweise kann in einer empirischen Analyse ermittelt werden, in welchem Verkehrsszenario welche und wie viele Landmarken benötigt werden.
-
Durch das System 200 kann die benötigte Rechenleistung des Steuergeräts für die Objektdetektion deutlich verringert werden, indem ausschließlich Detektoren für szenariorelevante Objekte ausgeführt werden. Auf diese Weise übt das System 200 einen vorteilhaften Einfluss auf das Gesamtfahrzeugsystem aus, denn die zur Detektion statischer Objekte benötigten Algorithmen werden nur in relevanten Fällen ausgeführt. Dies kann sich insbesondere im Kontext hoch automatisierter Fahrzeugsysteme für das automatisierte Fahren im urbanen Umfeld, kurz UAD, als vorteilhaft erweisen.
-
Als Beispiel für die Anwendbarkeit des Systems 200 sei der Übergang von einer Hauptverkehrsstraße in eine Kreuzung genannt, wie beispielhaft in 1 gezeigt. Hierbei können an die zu detektierenden Landmarken bei einem Stereovideosystem mit einer Reichweite von 50 m und einem Öffnungswinkel von 45° bei Ausrichtung in Fahrtrichtung beispielsweise folgende Anforderungen gestellt werden:
Befindet sich das Fahrzeug auf der Hauptverkehrsstraße, so erfolgt die Detektion von Fahrbahnmarkierungen zur lateralen, fahrspurrelativen Lokalisierung. Diese Anforderung basiert auf der Annahme, dass das Fahrzeugsystem eine fahrspurgenaue Lokalisierung durchführen sollte. Zu diesem Zweck eignen sich Fahrspurmarkierungen.
-
Ferner werden hierbei Straßenlaternen mit einem Abstand von etwa 50 m detektiert, um eine longitudinale Lokalisierung, d. h. eine Lokalisierung in Fahrtrichtung, vorzunehmen. Diese Anforderung basiert auf der Annahme, dass in jedem Zeitschritt entlang der Fahrtrichtung ein Objekt zur longitudinalen Lokalisierung mit einer Genauigkeit von etwa 5 m vorhanden sein sollte. Dem entspricht in etwa der Abstand von Straßenlaternen an Hauptverkehrsstraßen.
-
Befindet sich das Fahrzeug an einer Kreuzung ohne Fahrspurmarkierungen, so erfolgt die Detektion von Ampeln, Verkehrszeichen oder Laternen. Diese Anforderung basiert auf der Annahme, dass ein Kreuzungsszenario eine höhere Genauigkeit bei der Lokalisierung erfordert, um für andere Verkehrsteilnehmer eine fahrspurgenaue relative Lokalisierung durchführen und einer vorgegebenen Trajektorie durch die Kreuzung folgen zu können. Die laterale oder longitudinale Genauigkeit beträgt beispielsweise 0,3 m. Ein maximaler Orientierungsfehler liegt beispielsweise bei 0,2°. Zu diesem Zweck wird eine höhere Dichte an Landmarken benötigt, beispielsweise an Objekten wie Ampeln, Verkehrszeichen oder Straßenlaternen, die hier in der Regel in ausreichender Anzahl vorhanden sind.
-
Die Vorteile des Systems 200 liegen somit zum einen in der Reduzierung einer benötigten Rechenleistung für Fahrerassistenzsysteme oder hoch automatisierte Fahrzeugsysteme.
-
Dadurch, dass einzelne Detektoralgorithmen nur in speziellen Szenarien eingesetzt werden, d. h. die Detektoralgorithmen szenariogerecht ausgewählt werden, sodass in jedem Szenario nur die jeweils relevanten Landmarken detektiert werden, kann zum anderen die Anzahl der insgesamt detektierbaren Objekte bei gleichbleibenden Systemanforderungen erheblich gesteigert werden.
-
Das System 200 eignet sich insbesondere zur Verwendung in teil- oder höher automatisierten Assistenzsystemen auf Parkieranlagen oder urbanen Verkehrswegen, die beispielsweise auf Informationen einer digitalen Karte aufbauen. Zur Verortung des Fahrzeugs im Kontext der digitalen Karte, d. h. zur Ermittlung dessen Position und Orientierung, wird etwa ein nachfolgend anhand von 3 näher beschriebenes Lokalisierungsverfahren eingesetzt.
-
3 zeigt ein Ablaufdiagramm eines Verfahrens 300 zum Betreiben eines Fahrerassistenzsystems eines Fahrzeugs gemäß einem Ausführungsbeispiel. Das Verfahren 300 kann beispielsweise im Zusammenhang mit einem anhand von 1 beschriebenen Fahrzeug oder Steuergerät durchgeführt werden. Hierbei wird in einem Schritt 310 zunächst ein Erkennungssignal eingelesen, das ein mittels einer Umfeldeinleseeinrichtung des Fahrzeugs erkanntes Verkehrsszenario repräsentiert. In einem weiteren Schritt 320 wird zumindest ein Detektionsalgorithmus des Fahrerassistenzsystems unter Verwendung des Erkennungssignals aktiviert. Schließlich wird in einem Schritt 330 zumindest ein Objekt eines dem Verkehrsszenario zugeordneten Objekttyps unter Verwendung des Detektionsalgorithmus detektiert, um das Fahrzeug in dem Verkehrsszenario zu lokalisieren.
-
Gemäß einem Ausführungsbeispiel umfasst das Verfahren 300 einen optionalen Schritt 340, in dem das Fahrzeug mithilfe des zumindest einen im Schritt 330 detektierten Objekts in dem Verkehrsszenario lokalisiert wird.
-
In Abhängigkeit von der im Schritt 340 durchgeführten Lokalisierung kann in einem weiteren optionalen Schritt 350 zumindest eine Funktion des Fahrerassistenzsystems entsprechend gesteuert werden.
-
Umfasst ein Ausführungsbeispiel eine „und/oder“- Verknüpfung zwischen einem ersten Merkmal und einem zweiten Merkmal, so ist dies so zu lesen, dass das Ausführungsbeispiel gemäß einer Ausführungsform sowohl das erste Merkmal als auch das zweite Merkmal und gemäß einer weiteren Ausführungsform entweder nur das erste Merkmal oder nur das zweite Merkmal aufweist.
