-
Die Erfindung betrifft ein Verfahren zur Selbstlokalisierung eines Fahrzeugs gemäß dem Oberbegriff des Anspruchs 1.
-
Aus dem Stand der Technik sind Verfahren zur Selbstlokalisierung eines Fahrzeugs bekannt. Dabei erfolgt die Selbstlokalisierung mittels digitaler Auswertung von Sensordaten unter Berücksichtigung einer zur Verfügung gestellten digitalen Umgebungskarte. Ein Verfahren zur Erstellung einer digitaler Umgebungskarte ist beispielsweise aus der
US 2013/0060382 A1 bekannt. Hierbei werden eine zu kartierende Umgebung mittels eines Roboters abgetastet und Orte einer Vielzahl von Punkten auf der Oberfläche beim Abtasten der Umgebung erfasst. Anschließend wird eine erste erfasste Punktposition ausgewählt und eine erste Teilmenge der erfassten Punktpositionen bestimmt, die in einer Nähe der ausgewählten ersten erfassten Punktposition sind. Weiterhin wird ein Liniensegment ermittelt, welches die erste Teilmenge von erfassten Punktstellen annähert. Anschließend wird die erste erfasste Punktposition in einer Karte der Umgebung als eine eingestellte erste erfasste Punktposition dargestellt, wobei die eingestellte erste erfasste Punktposition näher an dem Liniensegment liegt als die erste erfasste Punktposition.
-
Der Erfindung liegt die Aufgabe zu Grunde, ein gegenüber dem Stand der Technik verbessertes Verfahren zur Selbstlokalisierung eines Fahrzeugs anzugeben.
-
Die Aufgabe wird erfindungsgemäß mit den in Anspruch 1 angegebenen Merkmalen gelöst.
-
Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand der Unteransprüche.
-
Bei einem Verfahren zur Selbstlokalisierung eines Fahrzeugs werden Umgebungsdaten einer Umgebung des Fahrzeugs erfasst, wobei die Umgebungsdaten mit einer digitalen Umgebungskarte abgeglichen werden und wobei die Selbstlokalisierung des Fahrzeugs in der Umgebung anhand einer stochastischen Auswertung des Abgleichs der Umgebungsdaten mit der digitalen Umgebungskarte erfolgt.
-
Erfindungsgemäß ist vorgesehen, dass die Umgebungskarte als mindestens ein Grauwertbild der Umgebung mit einer variablen Anzahl von Pixeln mit einer vorgegebenen Pixelgröße erstellt wird, wobei das Grauwertbild anhand einer zur Verfügung gestellten digitalen Karte der Umgebung ermittelt wird, in welcher Merkmale der Umgebung eingetragen sind, wobei jeweils einem Pixel des Grauwertbilds als Wert eine Distanzinformation zu einem bestimmten Merkmal in der Umgebung zugeordnet wird und die Werte der Pixel anhand einer Gauß-Funktion, insbesondere anhand der allgemein bekannten Gaußschen Fehlerfunktion, derart transformiert werden, dass jeweils ein Pixel, welches einen Umgebungsbereich mit einem Merkmal repräsentiert, mit einem vorgegebenen Wert initialisiert wird und die Pixel, die einen Umgebungsbereich repräsentieren, welcher zu dem Merkmal beabstandet ist, mit jeweils einem Wert initialisiert werden, welcher kleiner als der vorgegebene Wert ist, wobei diese Werte gemäß der Gauß-Funktion vom vorgegebenen Wert abfallen.
-
Mittels des Verfahrens ist eine digitale Umgebungskarte erstellbar, die eine gesamte, aus der Umgebung erfasste Referenzinformation enthält, so dass eine Fehleranfälligkeit beim Abgleich der erfassten Daten mit der Umgebungskarte sehr gering ist. Gegenüber konventionellen als Grauwertbild gespeicherten Umgebungskarten ist zudem ein Speicherbedarf zur Durchführung des Verfahrens verringert, da das Grauwertbild anhand einer merkmalsbasierten Karte erstellt wird. D. h., es wird ein merkmalsbasiertes Grauwertbild erstellt, bei dem die Merkmale beispielsweise als punkt- und/oder linienförmige Strukturen dargestellt sind. Damit eignet sich das Verfahren auch für große Umgebungen, insbesondere zur Anwendung in einem öffentlichen Verkehrsbereich.
-
Des Weiteren erfordert das Verfahren gegenüber konventionellen Verfahren, bei denen aus den Umgebungsdaten ermittelte Merkmale mit Merkmalen aus einer digitalen, merkmalsbasierten Karte assoziiert werden, auch einen verringerten Speicherbedarf. Dies resultiert daraus, dass zur Selbstlokalisierung keine zusätzlichen beschreibenden Eigenschaften einzelner Merkmale erforderlich sind.
-
Ausführungsbeispiele der Erfindung werden im Folgenden anhand einer Zeichnung näher erläutert.
-
Dabei zeigt:
-
1 Schematisch einen Ablauf eines Verfahrens zur Selbstlokalisierung eines Fahrzeugs.
-
Die einzige 1 zeigt schematisch einen Ablauf eines Verfahrens zur Selbstlokalisierung eines nicht dargestellten, insbesondere autonom betriebenen, Fahrzeugs.
-
In einem ersten Schritt S1 wird ein Grauwertbild einer Umgebung des Fahrzeugs anhand einer zur Verfügung gestellten, merkmalsbasierten Karte erstellt, in welcher Merkmale der Umgebung eingetragen sind.
-
Die merkmalsbasierte Karte kann entweder während einer Lernfahrt des Fahrzeugs erstellt oder von einer Datenbank oder einer anderen Quelle bezogen werden. Für einen schnellen Zugriff kann die merkmalsbasierte Karte beispielsweise mittels sogenannter QuadTree-Strukturen oder mittels anderer geeigneter Sortierungsverfahren erstellt werden. Die merkmalsbasierte Karte stellt dabei ein Bild der Umgebung in Vogelperspektive dar, wobei die Merkmale der Umgebung beispielsweise mittels punkt- und/oder linienförmigen Strukturen dargestellt sind. Die Merkmale sind somit zweidimensional abgebildet und durch ihre Position und Orientierung beschrieben. Zusätzlich können weitere Eigenschaften der Merkmale in der Karte hinterlegt werden. Alternativ können die Merkmale mittels beliebiger anderer geometrischer Strukturen dargestellt werden.
-
Dadurch, dass nur einzelne, hervorstechende Merkmale aus der Umgebung in der Karte enthalten sind, benötigt diese nur sehr wenig Speicherbedarf. Die merkmalsbasierte Karte kann beispielsweise auf einem Datenträger im Fahrzeug hinterlegt werden. Denkbar ist auch, die merkmalsbasierte Karte in einer externen Datenverarbeitungseinheit außerhalb des Fahrzeugs zu hinterlegen und bei Bedarf benötigte Daten über eine drahtlose Verbindung zu empfangen.
-
Das Grauwertbild wird während der Fahrt des Fahrzeugs anhand der merkmalsbasierten Karte erstellt, wobei ein ausreichend großes Grauwertbild eines Bereichs der Umgebung erstellt wird. Der Bereich, welcher in dem Grauwertbild dargestellt sein soll, wird anhand einer eine Fahrzeugposition repräsentierenden a-priori-Verteilungsfunktion, anhand eines Schätzwerts für eine Unsicherheit der a-priori-Verteilungsfunktion und anhand einer Sichtweite eines momentanen Erfassungsbereichs der Umgebung bestimmt. Die a-priori-Verteilungsfunktion sowie deren Unsicherheit basieren auf dem allgemein bekannten Satz von Bayes, so dass hier nicht näher darauf eingegangen wird.
-
Das Ergebnis des ersten Schrittes S1 ist somit ein zweidimensionales Grauwertbild mit einer variablen Anzahl von Pixeln sowie einer vorgegebenen Pixelgröße, wobei jedes Pixel einen Abschnitt der zu repräsentierenden Umgebung darstellt. Die in der merkmalsbasierten Karte enthaltenen Merkmale werden dabei in das Grauwertbild eingetragen, so dass ein merkmalsbasiertes Grauwertbild mit einem gegenüber konventionellen Grauwertbildern verringerten Speicherbedarf erstellt wird.
-
In einem zweiten Schritt S2 erfolgt mittels der in das Grauwertbild akkumulierten Merkmale eine Distanztransformation mit einem geeigneten Distanzmaß, z. B. mit der euklidischen Distanz.
-
Bei der Distanztransformation werden alle Pixel des Grauwertbildes mit einem bestimmten Wert initialisiert. Pixel, die mit dem Wert ”0” initialisiert werden, repräsentieren einen Umgebungsbereich, in dem sich ein bestimmtes Merkmal befindet und somit eine Distanz zu diesem Merkmal gleich Null ist. Pixel, die einen Umgebungsbereich repräsentieren, in dem sich kein Merkmal befindet und somit eine Distanz zu einem bestimmten Merkmal größer als Null ist, werden mit einem Wert ”> 0” initialisiert. Die Werte der Pixel stellen dabei eine gute Näherung zum gewählten Distanzmaß dar.
-
In einem dritten Schritt S3 erfolgt eine weitere Transformation der Werte der Pixel, wobei die Werte beispielsweise anhand der bekannten Gaußschen Fehlerfunktion
transformiert werden. D. h., bei dieser Transformation werden die Pixel, die mit dem Wert ”0” versehen sind, auf einen vorgegebenen Wert, welcher einen maximalen Wert darstellt, initialisiert. Alle Pixel mit den Werten ”> 0” werden mit einem Wert initialisiert, welcher in Abhängigkeit der Distanz zu einem bestimmten Merkmal vom vorgegebenen Wert abfällt. Ist eine Distanz zu einem Merkmal kleiner als die Distanz zu einem anderen Merkmal, orientiert sich der Wert des Pixels an dem Pixel mit dem vorgegebenen Wert, welcher das Merkmal mit der geringeren Distanz umfasst. Die Transformation der Werte der Pixel kann alternativ zur Gaußschen Fehlerfunktion auch mittels Faltung mit einem geeigneten Faltungskern erfolgen.
-
Das Ergebnis des dritten Schritts S3 ist eine Umgebungskarte, die als ein merkmalsbasiertes Grauwertbild dargestellt ist und dabei eine Umgebung repräsentiert, die einer Umgebungsrepräsentation mittels eines konventionellen Grauwertbilds sehr ähnlich ist.
-
In einem vierten Schritt S4 erfolgt die Selbstlokalisierung des Fahrzeugs in der Umgebung. Dazu erfasst eine Sensorik des Fahrzeugs, z. B. eine Anzahl von Radarsensoren oder ein Laserscanner, die Umgebung des Fahrzeugs. Dabei erfasste Umgebungsdaten werden ausgewertet und mit der im dritten Schritt S3 erstellten Umgebungskarte abgeglichen. Dazu kann beispielsweise ein Partikel-Filter verwendet werden, bei welchem es sich um eine sequenzielle Monte-Carlo-Methode handelt, bei der im Allgemeinen eine sogenannte a-postperiori Wahrscheinlichkeitsverteilung einer Zustandsschätzung durch eine diskrete Stichprobe repräsentiert wird, deren Elemente Partikel genannt werden. D. h., der Partikel-Filter wählt in jedem Zeitschritt diejenige Position und Orientierung eines Partikels als Lokalisierungsergebnis aus, mit welchen die aktuell erfassten Umgebungsdaten bestmöglich in die Umgebungskarte passen.
-
Eine Aktualisierung der Umgebungskarte erfolgt in vorgegebenen Zeitschritten. Da eine Bewegung des Fahrzeugs zwischen zwei Zeitschritten üblicherweise sehr gering ist, überschneiden sich die Umgebungskarten aus aufeinanderfolgenden Zeitschritten sehr stark. Aus diesem Grund wird die aktuelle Umgebungskarte bevorzugt unter Verwendung der Umgebungskarte des vorhergehenden Zeitschritts mit einem geeigneten Aktualisierungsverfahren erstellt. Damit kann ein Rechenaufwand zur Erstellung der Umgebungskarte begrenzt werden.
-
Zur Durchführung der Schritte S1 bis S4 sind ausreichend leistungsfähige Recheneinheiten im Fahrzeug erforderlich. Des Weiteren ist zur Bestimmung des Schätzwerts für die Unsicherheit der a-priori-Verteilungsfunktion beispielsweise ein satellitengestütztes Positionsbestimmungssystem, z. B. GPS, erforderlich. Alternativ kann dieser Schätzwert auch anhand von Informationen aus einer Historie des Fahrzeugs, z. B. ein zuletzt bekannter Abstellort, ermittelt werden.
-
Bezugszeichenliste
-
-
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
-
- US 2013/0060382 A1 [0002]