DE102016100718A1 - A method for detecting lanes on a roadway based on a frequency distribution of distance values, control device, driver assistance system and motor vehicle - Google Patents

A method for detecting lanes on a roadway based on a frequency distribution of distance values, control device, driver assistance system and motor vehicle Download PDF

Info

Publication number
DE102016100718A1
DE102016100718A1 DE102016100718.8A DE102016100718A DE102016100718A1 DE 102016100718 A1 DE102016100718 A1 DE 102016100718A1 DE 102016100718 A DE102016100718 A DE 102016100718A DE 102016100718 A1 DE102016100718 A1 DE 102016100718A1
Authority
DE
Germany
Prior art keywords
motor vehicle
lane
lanes
distance values
determined
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.)
Ceased
Application number
DE102016100718.8A
Other languages
German (de)
Inventor
Alexander Suhre
Youssef-Aziz Ghaly
Natascha Schoeneck
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Valeo Schalter und Sensoren GmbH
Original Assignee
Valeo Schalter und Sensoren GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Valeo Schalter und Sensoren GmbH filed Critical Valeo Schalter und Sensoren GmbH
Priority to DE102016100718.8A priority Critical patent/DE102016100718A1/en
Priority to PCT/EP2017/050853 priority patent/WO2017125369A1/en
Publication of DE102016100718A1 publication Critical patent/DE102016100718A1/en
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • 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
    • G01S17/87—Combinations of systems using electromagnetic waves other than radio waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/932—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles using own vehicle data, e.g. ground speed, steering wheel direction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9323—Alternative operation using light waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9327—Sensor installation details
    • G01S2013/93271—Sensor installation details in the front of the vehicles

Abstract

Die Erfindung betrifft ein Verfahren zum Erkennen von Fahrspuren (10, 11, 12) auf einer Fahrbahn (9), bei welchem von zumindest einem Sensor (3) eines Kraftfahrzeugs (1) Sensordaten empfangen werden, anhand der Sensordaten eine Mehrzahl von Fahrzeugen (13), die sich auf den Fahrspuren (10, 11, 12) befinden, erkannt wird, Abstandswerte, welche eine Entfernung jedes der erkannten Fahrzeuge (10, 11, 12) zu dem Kraftfahrzeug (1) in Fahrzeugquerrichtung (q) des Kraftfahrzeugs (1) beschreiben, bestimmt werden, eine Häufigkeitsverteilung (14) der Abstandswerte bestimmt wird und die Fahrspuren (10, 11, 12) anhand der Häufigkeitsverteilung (14) erkannt werden, wobei die Abstandswerte anhand der Häufigkeitsverteilung (14) den erkannten Fahrspuren (10, 11, 12) zugeordnet werden und eine Fahrspurbreite (b) zumindest einer der Fahrspuren (10, 11, 12) anhand derjenigen Abstandswerte bestimmt wird, welche dieser Fahrspur (10, 11, 12) zugeordnet werden.The invention relates to a method for detecting lanes (10, 11, 12) on a roadway (9) in which sensor data are received by at least one sensor (3) of a motor vehicle (1), based on the sensor data a plurality of vehicles (13 ), which are located on the lanes (10, 11, 12), distance values, which are a distance of each of the detected vehicles (10, 11, 12) to the motor vehicle (1) in the vehicle transverse direction (q) of the motor vehicle (1 ), a frequency distribution (14) of the distance values is determined and the lanes (10, 11, 12) are identified on the basis of the frequency distribution (14), the distance values being determined from the frequency distribution (14) of the recognized lanes (10, 11 , 12) and a lane width (b) of at least one of the lanes (10, 11, 12) is determined on the basis of those distance values which are assigned to this lane (10, 11, 12).

Description

Die vorliegende Erfindung betrifft ein Verfahren zum Erkennen von Fahrspuren auf einer Fahrbahn, bei welchem von zumindest einem Sensor eines Kraftfahrzeugs Sensordaten empfangen werden, anhand der Sensordaten eine Mehrzahl von Fahrzeugen, die sich auf den Fahrspuren befinden, erkannt wird, Abstandswerte, welche eine Entfernung jedes der erkannten Fahrzeuge zu dem Kraftfahrzeug in Fahrzeugquerrichtung des Kraftfahrzeugs beschreiben, bestimmt werden, eine Häufigkeitsverteilung der Abstandswerte bestimmt wird und die Fahrspuren anhand der Häufigkeitsverteilung erkannt werden. Des Weiteren betrifft die vorliegende Erfindung eine Steuereinrichtung für ein Fahrerassistenzsystem eines Kraftfahrzeugs. Ferner betrifft die vorliegende Erfindung ein Fahrerassistenzsystem für ein Kraftfahrzeug. Schließlich betrifft die vorliegende Erfindung ein Kraftfahrzeug mit einem solchen Fahrerassistenzsystem. The present invention relates to a method for detecting lanes on a roadway, in which sensor data is received by at least one sensor of a motor vehicle, on the basis of which sensor data a plurality of vehicles located on the lanes are detected, distance values which are a distance of each describe the detected vehicles to the motor vehicle in the vehicle transverse direction of the motor vehicle, are determined, a frequency distribution of the distance values is determined and the lanes are recognized by the frequency distribution. Furthermore, the present invention relates to a control device for a driver assistance system of a motor vehicle. Furthermore, the present invention relates to a driver assistance system for a motor vehicle. Finally, the present invention relates to a motor vehicle with such a driver assistance system.

Aus dem Stand der Technik sind Fahrerassistenzsysteme für Kraftfahrzeuge bekannt, mit denen ein Umgebungsbereich des Kraftfahrzeugs erfasst werden kann. Zu diesem Zweck kann das Fahrerassistenzsystem einen oder mehrere Sensoren umfassen, die beispielsweise verteilt an dem Kraftfahrzeug angeordnet sind. Diese Sensoren können ein Sensorsignal aussenden, welches dann von einem Objekt in dem Umgebungsbereich des Kraftfahrzeugs reflektiert wird und wieder zu dem Sensor gelangt. Anhand der Laufzeit zwischen dem Aussenden des Sensorsignals und dem Empfangen des von dem Objekt reflektierten Sensorsignals bzw. des Echos des Sensorsignals kann dann der Abstand zwischen dem Kraftfahrzeug und dem Objekt bestimmt werden. Derartige Sensoren können beispielsweise Ultraschallsensoren, Laserscanner, Lidar-Sensoren oder Radarsensoren sein. Zudem ist es bekannt, dass anhand der Sensorsignale eine Relativgeschwindigkeit zwischen dem Kraftfahrzeug und dem Objekt und/oder ein Winkel zwischen dem Kraftfahrzeug und dem Objekt bestimmt werden kann. Driver assistance systems for motor vehicles are known from the prior art with which an environmental region of the motor vehicle can be detected. For this purpose, the driver assistance system may comprise one or more sensors, which are arranged, for example, distributed on the motor vehicle. These sensors can emit a sensor signal, which is then reflected by an object in the surrounding area of the motor vehicle and returned to the sensor. Based on the transit time between the emission of the sensor signal and the reception of the sensor signal reflected by the object or the echo of the sensor signal, the distance between the motor vehicle and the object can then be determined. Such sensors may be, for example, ultrasonic sensors, laser scanners, lidar sensors or radar sensors. In addition, it is known that a relative speed between the motor vehicle and the object and / or an angle between the motor vehicle and the object can be determined on the basis of the sensor signals.

Das Interesse richtet sich vorliegend auf die Erkennung von Fahrspuren einer Fahrbahn. Hierbei soll der Sensor des Fahrerassistenzsystems bzw. des Kraftfahrzeugs dazu genutzt werden, die einzelnen Fahrspuren einer Fahrbahn zu erkennen. Auf diese Weise kann die Anzahl der Fahrspuren bestimmt werden. Darüber hinaus kann bestimmt werden, auf welcher Fahrspur sich das Kraftfahrzeug aktuell befindet. Diese Informationen können dann von weiteren Fahrerassistenzsystemen des Kraftfahrzeugs genutzt werden. Beispielsweise können diese Informationen einem Spurwechselassistenten zugeführt werden. The interest here is directed to the detection of lanes of a roadway. In this case, the sensor of the driver assistance system or of the motor vehicle is to be used to detect the individual lanes of a roadway. In this way, the number of lanes can be determined. In addition, it can be determined on which lane the motor vehicle is currently located. This information can then be used by other driver assistance systems of the motor vehicle. For example, this information can be supplied to a lane change assistant.

Hierzu beschreibt die WO 2015/106914 A1 ein Verfahren zur Erkennung einer Rettungsgassensituation. Hierbei werden andere Fahrzeuge, die sich auf der Fahrbahn in derselben Richtung bewegen wie das Ego-Fahrzeug erkannt. Darüber hinaus werden die Fahrzeugpositionen für jedes der erkannten anderen Fahrzeuge erfasst. Des Weiteren wird eine Ausprägungsstärke eines oder mehrerer Indikatoren für das Vorliegen der Rettungsgassensituation ermittelt. Dabei ist es vorgesehen, dass der eine oder die mehreren Indikatoren anzeigend sind für zumindest eines von: einem lateralen Abstand zwischen anderen Fahrzeugen auf benachbarten Fahrspuren oder einem lateralen Versatz von anderen Fahrzeugen relativ zu Verläufen von Fahrspurmarkierungen, oder einem lateralen Versatz von anderen Fahrzeugen relativ zu einem jeweiligen Fahrspurverlauf. This describes the WO 2015/106914 A1 a method for detecting a rescue gas situation. In this case, other vehicles that move in the same direction on the road as the ego vehicle are detected. In addition, the vehicle positions are detected for each of the detected other vehicles. Furthermore, a degree of expression of one or more indicators for the presence of the emergency gas situation is determined. It is provided that the one or more indicators are indicative of at least one of: a lateral distance between other vehicles on adjacent lanes, or a lateral offset of other vehicles relative to lane mark progressions, or a lateral offset of other vehicles relative to a respective lane course.

Darüber hinaus beschreibt die DE 101 15 551 A1 ein Verfahren zur Fahrspurzuordnung von aufeinanderfolgenden Fahrzeugen. Hierbei ist es vorgesehen, dass bewegte Objekte, die sich vor dem eigenen Fahrzeug befinden, mit Hilfe eines Radarsensors erfasst werden. Ferner wird eine Häufigkeitsverteilung der Querversätze bzw. ein Querversatzhistrogramm der erfassten Radarobjekte ermittelt. Dabei sind die Maxima des Querversatzhistrogramms identisch mit der Position der verschiedenen Fahrspuren. Aus der Anzahl der Maxima lässt sich damit die Anzahl der Fahrspuren ermitteln. Die Fahrspurbreite wird berechnet, indem das Histogramm mit Referenzhistogrammen korreliert wird, bei denen die Fahrspurbreite bekannt ist. In addition, the describes DE 101 15 551 A1 a method for lane assignment of consecutive vehicles. In this case, it is provided that moving objects, which are located in front of the own vehicle, are detected by means of a radar sensor. Furthermore, a frequency distribution of the transverse offsets or a transverse offset histogram of the detected radar objects is determined. The maxima of the transverse offset histogram are identical to the position of the different lanes. From the number of maxima can thus determine the number of lanes. The lane width is calculated by correlating the histogram with reference histograms where the lane width is known.

Nachteilig an einem Verfahren, bei dem die Häufigkeitsverteilung bzw. ein Histogramm mit einem Referenzhistogramm verglichen wird, ist darin zu sehen, dass der vorhandene Datensatz des Referenzhistogramms nicht unendlich sein kann und in manchen Situationen nicht perfekt mit den gemessenen Daten korreliert. Dies kann im schlimmsten Fall zu einer fehlerhaften Bestimmung der Fahrspuren führen. A disadvantage of a method in which the frequency distribution or a histogram is compared with a reference histogram is that the existing data set of the reference histogram can not be infinite and in some situations does not correlate perfectly with the measured data. In the worst case, this can lead to an incorrect determination of the lanes.

Es ist Aufgabe der vorliegenden Erfindung, eine Lösung aufzuzeigen, wie Fahrspuren auf einer Fahrbahn mit einem Sensor des Kraftfahrzeugs zuverlässiger bestimmt werden können. It is an object of the present invention to provide a solution as lanes on a roadway with a sensor of the motor vehicle can be determined reliably.

Diese Aufgabe wird erfindungsgemäß durch ein Verfahren, durch eine Steuereinrichtung, durch ein Fahrerassistenzsystem sowie durch ein Kraftfahrzeug mit den Merkmalen gemäß den jeweiligen unabhängigen Ansprüchen gelöst. Vorteilhafte Weiterbildungen der Erfindung sind Gegenstand der abhängigen Ansprüche. This object is achieved by a method by a control device, by a driver assistance system and by a motor vehicle with the features according to the respective independent claims. Advantageous developments of the invention are the subject of the dependent claims.

Ein erfindungsgemäßes Verfahren dient zum Erkennen von Fahrspuren auf einer Fahrbahn. Dabei werden von einem Sensor eines Kraftfahrzeugs Sensordaten empfangen. Anhand der Sensordaten wird eine Mehrzahl von Fahrzeugen, die sich auf den Fahrspuren befindet, erkannt. Darüber hinaus werden Abstandswerte, welche eine Entfernung jedes der erkannten Fahrzeuge zu dem Kraftfahrzeug in Fahrzeugquerrichtung des Kraftfahrzeugs beschreiben, bestimmt. Zudem wird eine Häufigkeitsverteilung der Abstandswerte bestimmt und die Fahrspuren werden anhand der Häufigkeitsverteilung erkannt. Zudem ist es erfindungsgemäß vorgesehen, dass die Abstandswerte anhand der Häufigkeitsverteilung den erkannten Fahrspuren zugeordnet werden und eine Fahrspurbreite zumindest einer der Fahrspuren anhand derjenigen Abstandswerte bestimmt wird, welche dieser Fahrspur zugeordnet werden. An inventive method is used to detect lanes on a road. In this case, sensor data is received by a sensor of a motor vehicle. Based on the sensor data a plurality of vehicles located in the lanes are detected. In addition, distance values which describe a distance of each of the detected vehicles to the motor vehicle in the vehicle transverse direction of the motor vehicle are determined. In addition, a frequency distribution of the distance values is determined and the lanes are recognized on the basis of the frequency distribution. In addition, it is provided according to the invention that the distance values are assigned to the recognized lanes on the basis of the frequency distribution and a lane width of at least one of the lanes is determined on the basis of those distance values which are assigned to this lane.

Mit Hilfe des Verfahrens sollen die einzelnen Fahrspuren einer Fahrbahn erkannt werden, auf welcher sich das Kraftfahrzeug aktuell befindet. Dabei ist es insbesondere vorgesehen, dass die Fahrspuren einer Richtungsfahrbahn erkannt werden. Bei dem Verfahren werden zunächst die Sensordaten von zumindest einem Sensor des Kraftfahrzeugs empfangen. Bei dem Sensor kann es sich beispielsweise um einen Radarsensor, einen Laserscanner oder einen Lidar-Sensor handeln. Mit diesem Sensor können fortlaufend Messzyklen durchgeführt werden. Bei jedem Messzyklus kann der Sensor ein Sensorsignal aussenden, welches dann von den anderen Fahrzeugen, die sich auf der Fahrbahn bzw. auf den Fahrspuren befinden, reflektiert wird. Anhand der Laufzeit zwischen dem Aussenden des Sensorsignals und dem Empfangen des von den jeweiligen Fahrzeugen reflektierten Sensorsignals kann dann der Abstand zwischen dem Kraftfahrzeug und jedem der Fahrzeuge bestimmt werden. Darüber hinaus kann es vorgesehen sein, dass die Sensorsignale eine Relativgeschwindigkeit zwischen dem Kraftfahrzeug und jedem der Fahrzeuge auf den Fahrspuren beschreiben. Des Weiteren können die Sensorsignale einen Winkel, insbesondere einen azimutalen Winkel zwischen dem Kraftfahrzeug und jedem der Fahrzeuge auf den Fahrspuren beschreiben. Dabei weist der Sensor einen Erfassungsbereich auf, in dem mit Hilfe des Sensors die Fahrzeuge auf den Fahrspuren erfasst werden können. Bei den Fahrzeugen kann es sich beispielsweise um Personenkraftwagen, Lastkraftwagen, Busse, Motorräder oder dergleichen handeln. With the help of the method, the individual lanes of a roadway are to be recognized, on which the motor vehicle is currently located. It is provided in particular that the lanes of a directional lane are detected. In the method, the sensor data from at least one sensor of the motor vehicle is initially received. The sensor may be, for example, a radar sensor, a laser scanner or a lidar sensor. Measuring cycles can be carried out continuously with this sensor. At each measurement cycle, the sensor can emit a sensor signal, which is then reflected by the other vehicles that are on the lane or on the lanes. Based on the transit time between the emission of the sensor signal and the reception of the sensor signal reflected by the respective vehicle, the distance between the motor vehicle and each of the vehicles can then be determined. In addition, it may be provided that the sensor signals describe a relative speed between the motor vehicle and each of the vehicles on the lanes. Furthermore, the sensor signals may describe an angle, in particular an azimuthal angle between the motor vehicle and each of the vehicles on the lanes. In this case, the sensor has a detection range, in which with the help of the sensor, the vehicles can be detected on the lanes. The vehicles may be, for example, passenger cars, trucks, buses, motorcycles or the like.

Die Sensorsignale, die mit dem zumindest einen Sensor bereitgestellt werden, können einer Steuereinrichtung des Kraftfahrzeugs zugeführt werden. Bei dieser Steuereinrichtung kann es sich beispielsweise um ein elektronisches Steuergerät (ECU – Electronic Control Unit) handeln. Die Steuereinrichtung kann beispielsweise einen Mikroprozessor oder einen digitalen Signalprozessor umfassen. Mit Hilfe dieser Steuereinrichtung können die Sensorsignale ausgewertet werden. Insbesondere beschreiben die Sensorsignale die relative Lage jedes der erfassten Fahrzeuge zu dem Kraftfahrzeug. Dabei werden vorliegend Abstandswerte bestimmt, die jeweils die Entfernung des erkannten Fahrzeugs zu dem Kraftfahrzeug in Fahrzeugquerrichtung beschreiben. Diese Abstandswerte beschreiben also den lateralen Abstand bzw. die laterale Entfernung zwischen dem Kraftfahrzeug und dem jeweiligen Fahrzeug. Darüber hinaus wird eine Häufigkeitsverteilung der Abstandswerte bestimmt. Hierzu können vorbestimmte Intervalle bzw. Abstandsbereiche für die Entfernung in Fahrzeugquerrichtung vorgegeben werden. Für jeden dieser Abstandsbereiche kann dann die Anzahl der Abstandswerte bestimmt werden, die in diesem Bereich liegen. Somit ergibt sich eine Häufigkeitsverteilung die beispielsweise mehrere Maxima aufweisen kann. Dabei können die jeweiligen Maxima den einzelnen Fahrspuren der Fahrbahn zugeordnet werden. Damit kann bestimmt werden, wie viele Fahrspuren sich auf der Fahrbahn befinden. Des Weiteren kann bestimmt werden, auf welcher Fahrspur sich das Kraftfahrzeug selbst befindet. The sensor signals that are provided with the at least one sensor can be supplied to a control device of the motor vehicle. This control device may be, for example, an electronic control unit (ECU). The control device may comprise, for example, a microprocessor or a digital signal processor. With the aid of this control device, the sensor signals can be evaluated. In particular, the sensor signals describe the relative position of each of the detected vehicles to the motor vehicle. In the present case, distance values are determined which each describe the distance of the detected vehicle from the vehicle in the vehicle transverse direction. These distance values thus describe the lateral distance or the lateral distance between the motor vehicle and the respective vehicle. In addition, a frequency distribution of the distance values is determined. For this purpose, predetermined intervals or distance ranges for the distance in the vehicle transverse direction can be specified. For each of these distance ranges, the number of distance values that lie within this range can then be determined. This results in a frequency distribution which can have, for example, several maxima. The respective maxima can be assigned to the individual lanes of the roadway. This can be used to determine how many lanes are on the road. Furthermore, it can be determined on which lane the motor vehicle itself is located.

Erfindungsgemäß ist es nun vorgesehen, dass die Abstandswerte anhand der Häufigkeitsverteilung den erkannten Fahrspuren zugeordnet werden. Zur Zuordnung der Abstandswerte zu den jeweiligen erkannten Fahrspuren können bekannte Algorithmen zum Clustern, beispielweise der sogenannte Mean-Shift-Algortihmus, verwendet werden. Solche Algorithmen können Erkennen, wie viele Cluster in dem Datensatz der Abstandswerte vorhanden sind und welcher der Abstandswerte zu welchem Cluster gehört. Des Weiteren ist es erfindungsgemäß vorgesehen, dass die Fahrspurbreite zumindest einer der Fahrspuren bestimmt wird. Bevorzugt ist es vorgesehen, dass die jeweilige Fahrspurbreite aller Fahrspuren auf der Fahrbahn bestimmt wird. Dabei wird die Fahrspurbreite anhand derjenigen Abstandswerte bestimmt, die auch dieser Fahrspur zugeordnet wurden. Somit wird die Fahrspurbreite auf Grundlage der Abstandswerte bestimmt, die mit dem Sensor ermittelt wurden. Damit ist es beispielsweise nicht erforderlich, ein entsprechendes Referenzmodell mit vorbestimmten Fahrspurbreiten zu verwenden. Dies ermöglicht eine sichere und zuverlässige Bestimmung der Breite der jeweiligen Fahrspuren. According to the invention, it is now provided that the distance values are assigned to the recognized lanes on the basis of the frequency distribution. For the assignment of the distance values to the respective recognized lanes, known algorithms for clustering, for example the so-called mean shift algorithm linear, can be used. Such algorithms can detect how many clusters are present in the set of distance values and which of the distance values belongs to which cluster. Furthermore, it is provided according to the invention that the lane width of at least one of the lanes is determined. It is preferably provided that the respective lane width of all lanes on the roadway is determined. The lane width is determined on the basis of those distance values that were also assigned to this lane. Thus, the lane width is determined based on the distance values obtained with the sensor. Thus, for example, it is not necessary to use a corresponding reference model with predetermined lane widths. This allows a safe and reliable determination of the width of the respective lanes.

Bevorzugt wird die Fahrspurbreite der zumindest einen Fahrspur anhand einer Varianz der Abstandswerte, welcher dieser Fahrspur zugeordnet werden, bestimmt. Die Häufigkeitsverteilung kann verschiedene Bereiche bzw. verschiedene Modi aufweisen, die den jeweiligen Fahrspuren zugeordnet sind. Dabei können die jeweiligen Abstandswerte, die einer der Fahrspuren zugeordnet sind, bzw. die jeweiligen Modi eine Verteilung aufweisen, die einer Normalverteilung ähnelt. Hierbei kann von den jeweiligen Abstandswerten, die einer der Fahrspuren zugeordnet sind und die bevorzugt als normalverteilt betrachtet werden, die Varianz bestimmt werden. Die Varianz beschreibt die erwartete quadratische Abweichung der Zufallsvariablen von ihrem Erwartungswert. Die Varianz der Abstandswerte bezogen auf die Entfernung in Fahrzeugquerrichtung kann dann als Grundlage für die Berechnung der Fahrspurbreite genutzt werden. Damit kann die Fahrspurbreite der zumindest einen Fahrspur auf einfache Weise bestimmt werden. The lane width of the at least one lane is preferably determined on the basis of a variance of the distance values assigned to this lane. The frequency distribution can have different regions or different modes, which are assigned to the respective lanes. In this case, the respective distance values assigned to one of the lanes or the respective modes may have a distribution that is similar to a normal distribution. Here, the variance can be determined from the respective distance values which are assigned to one of the lanes and which are preferably regarded as normally distributed. The Variance describes the expected quadratic deviation of the random variable from its expected value. The variance of the distance values relative to the distance in the vehicle transverse direction can then be used as the basis for the calculation of the lane width. Thus, the lane width of the at least one lane can be determined in a simple manner.

In einer weiteren Ausführungsform wird die Fahrspurbreite der zumindest einen Fahrspur anhand eines ersten Abstandswerts, welcher die geringste Entfernung zu dem Kraftfahrzeug in Fahrzeugquerrichtung beschreibt, und eines zweiten Abstandswerts, welcher die größte Entfernung zu dem Kraftfahrzeug in Fahrzeugquerrichtung beschreibt, bestimmt. Dabei wird berücksichtigt, dass die Fahrspur mindestens so breit ist, wie die laterale Distanz der Abstandswerte in dem Cluster, die am weitesten voneinander entfernt sind. Die Fahrspurbreite der zumindest einen Fahrspur kann auch anhand eines ersten Abstandswerts, der beispielsweise am weitesten rechts in der Fahrspur angeordnet ist, und dem Abstandswert, der am weitesten links in der Fahrspur angeordnet ist, bestimmt werden. Anhand der lateralen Entfernung zwischen den beiden äußersten Abstandswerten kann dann die Fahrspurbreite bestimmt werden. Dabei kann es auch vorgesehen sein, dass die laterale Entfernung zwischen den äußersten Abstandswerten mit einem vorbestimmten Faktor multipliziert wird. Dies ermöglicht eine einfache und zuverlässige Bestimmung der Fahrspurbreite. In another embodiment, the lane width of the at least one lane is determined based on a first distance value describing the shortest distance to the vehicle in the vehicle transverse direction and a second distance value describing the maximum distance to the vehicle in the vehicle transverse direction. It is considered that the lane is at least as wide as the lateral distance of the distance values in the cluster which are farthest from each other. The lane width of the at least one lane may also be determined based on a first distance value, which is arranged, for example, on the far right in the lane, and the distance value, which is located furthest to the left in the lane. Based on the lateral distance between the two extreme distance values, the lane width can then be determined. It can also be provided that the lateral distance between the outermost distance values is multiplied by a predetermined factor. This allows a simple and reliable determination of the lane width.

In einer weiteren Ausführungsform wird die Fahrspurbreite der zumindest einen Fahrbahn zusätzlich anhand der Abstandswerte bestimmt, welche einer der zumindest einen Fahrspur benachbarten Fahrspur zugeordnet werden. Dies bedeutet, dass zur Bestimmung der Fahrspurbreite nicht nur die Abstandswerte berücksichtigt werden, die dieser Fahrspur zugeordnet sind, sondern es können auch Abstandswerte berücksichtigt werden, die einer benachbarten Fahrspur zugeordnet werden. Hierbei kann berücksichtigt werden, dass die Fahrspurbreite kleiner als der Abstand des Abstandswerts, der am weitesten links im rechts benachbarten Cluster ist von dem Track, der am weitesten rechts im links benachbarten Cluster ist. Es können also bei jeder Fahrspur jeweils die äußersten Abstandswerte berücksichtigt werden und zudem können – falls vorhanden – die direkt benachbarten Abstandswerte in den benachbarten Fahrspuren berücksichtigt werden. Dabei können die äußersten Abstandswerte einer Spur als minimale Fahrspurbreite gewertet werden und der Abstand zwischen den nächstliegenden Abstandswerten der benachbarten Fahrspuren als maximale Spurbreite bestimmt werden. Dabei kann die Spurbreite als Mittel der minimalen und der maximalen Spurbreite bestimmt werden. In a further embodiment, the lane width of the at least one lane is additionally determined on the basis of the distance values which are assigned to a lane adjacent to the at least one lane. This means that not only the distance values assigned to this traffic lane are taken into account to determine the lane width, but also distance values assigned to an adjacent lane can be taken into account. Here, it can be considered that the lane width is smaller than the distance of the distance value that is leftmost in the right adjacent cluster from the track that is furthest to the right of the cluster adjacent to the left. Thus, the outermost distance values can be taken into account for each lane and, if present, the directly adjacent distance values in the adjacent lanes can also be taken into account. In this case, the outermost distance values of a track can be evaluated as a minimum lane width and the distance between the closest distance values of the adjacent lanes can be determined as the maximum track width. The track width can be determined as a mean of the minimum and the maximum track width.

Weiterhin ist es vorteilhaft, wenn anhand der Sensordaten zumindest ein Objekt erkannt wird, welches die Fahrbahn begrenzt und die Fahrspuren zusätzlich anhand des zumindest einen Objekts erkannt werden. Anhand der Sensordaten können zudem statische Objekte erkannt werden, die Teil der Infrastruktur sind und welche die Fahrbahn auf einer oder auf beiden Seiten begrenzen. Bei derartigen Objekten kann es sich beispielsweise um eine Leitplanke, eine Wand, einen Bordstein, eine Bepflanzung oder dergleichen handeln. Ein solches Objekt bewegt sich nicht und ist deshalb anhand der Sensordaten relativ einfach zu erkennen. Falls beispielsweise auf jeder Seite der Fahrbahn eine Begrenzung, beispielsweise eine Leitplanke vorhanden ist, kann der laterale Abstand zwischen den beiden Objekten bestimmt werden. Dieser laterale Abstand gibt die maximale Breite der Fahrbahn bzw. der Straße an. Durch das Clustering bzw. durch die Häufigkeitsverteilung kann die Anzahl der Fahrspuren auf der Fahrbahn bestimmt werden. Durch das Teilen der maximalen Breite der Fahrbahn durch die Anzahl der Fahrspuren bzw. der Modi ergibt sich eine Schätzung für die Fahrspurbreite der jeweiligen Fahrspuren. Furthermore, it is advantageous if, based on the sensor data, at least one object is detected which limits the roadway and the lanes are additionally recognized on the basis of the at least one object. On the basis of the sensor data, it is also possible to detect static objects that are part of the infrastructure and that limit the roadway on one or both sides. Such objects may be, for example, a guardrail, a wall, a curb, a planting or the like. Such an object does not move and is therefore relatively easy to recognize on the basis of the sensor data. If, for example, a boundary, for example a guardrail, is present on each side of the roadway, the lateral distance between the two objects can be determined. This lateral distance indicates the maximum width of the road or the road. By clustering or by the frequency distribution, the number of lanes on the road can be determined. By dividing the maximum width of the roadway by the number of lanes or modes, an estimate for the lane width of the respective lanes results.

In einer weiteren Ausführungsform wird zumindest ein Bild von einer Kamera des Kraftfahrzeugs empfangen, welches die Fahrbahn beschreibt, in dem Bild wird zumindest eine Fahrbahnmarkierung erkannt und die Fahrspuren werden anhand der zumindest einen Fahrbahnmarkierung erkannt. Zusätzlich zu dem Sensor kann eine Kamera vorgesehen sein, die beispielsweise fortlaufend Bilder der Fahrbahn bereitstellt. Mit einem entsprechenden Objekterkennungsalgorithmus können dann die Fahrbahnmarkierungen auf der Fahrbahn erkannt werden. Bei den Fahrbahnmarkierungen kann es sich beispielsweise um weiße oder farbige Markierungen handeln, die auf die Fahrbahnoberfläche aufgebracht sind. Die Fahrbahnmarkierungen können durchgezogene Linien oder gestrichelte Linien sein. Diese Linien können mit Hilfe des Objekterkennungsalgorithmus anhand ihrer Farbe, des Kontrasts und/oder der Formgebung erkannt werden. Anhand der Bilder der Kamera kann zudem die Fahrbahn bzw. die Fahrbahnoberfläche erkannt werden. Es kann auch ermittelt werden, wo sich Fahrbahnmarkierungen auf der Fahrbahnoberfläche befinden. Diese Informationen können mit den Abstandswerten zusammengeführt bzw. fusioniert werden. Hierbei kann bestimmt werden, ob die Einteilung bzw. das Clustern der Abstandswerte mit den Positionen der Fahrbahnmarkierungen übereinstimmt. Auf diese Weise kann die Erkennung der Fahrspuren und insbesondere die Bestimmung der Fahrspurbreite zuverlässig erfolgen. In a further embodiment, at least one image is received by a camera of the motor vehicle which describes the roadway, at least one road mark is recognized in the image and the traffic lanes are recognized on the basis of the at least one road mark. In addition to the sensor, a camera can be provided which, for example, continuously provides images of the roadway. With a corresponding object recognition algorithm, the lane markings can then be recognized on the road. The road markings may be, for example, white or colored markings that are applied to the road surface. The lane markings may be solid lines or dashed lines. These lines can be recognized by the object recognition algorithm by their color, contrast and / or shape. On the basis of the images of the camera, the roadway or the road surface can also be detected. It can also be determined where road markings are on the road surface. This information can be merged or merged with the distance values. In this case, it can be determined whether the division or the clustering of the distance values coincides with the positions of the lane markings. In this way, the detection of lanes and in particular the determination of the lane width can be done reliably.

Wie oben beschrieben kann die Fahrspurbreite der zumindest einen Fahrspur auf Grundlage der Varianz der Abstandswerte bestimmt werden. Des Weiteren kann die Fahrspurbreite auf Grundlage der äußersten Abstandswerte in der Fahrspur und/oder der Abstandswerte der benachbarten Fahrspuren bestimmt werden. Weiterhin können Fahrbahnbegrenzungen und/oder Fahrbahnmarkierungen herangezogen werden. Die Ergebnisse der einzelnen Methoden zur Bestimmung der Fahrspurbreite können auch miteinander kombiniert werden, indem beispielsweise für jede Methode bzw. für jeden Algorithmus ein Toleranzlevel definiert wird. Ferner können die Ergebnisse der einzelnen Verfahren als Bedingung für eine Kostenfunktion interpretiert werden und in einen Optimierungsalgorithmus, beispielsweise eine lineare Programmierung eingegeben werden. Dann kann der Optimierungsalgorithmus die optimale Lösung finden und somit die Fahrspurbreite zuverlässig bestimmt werden. As described above, the lane width of the at least one lane may be determined based on the variance of the distance values. Furthermore, the lane width based on the outermost distance values in the lane and / or the distance values of the adjacent lanes are determined. Furthermore, lane boundaries and / or lane markings can be used. The results of the individual methods for determining the lane width can also be combined with one another, for example by defining a tolerance level for each method or for each algorithm. Furthermore, the results of the individual methods can be interpreted as a condition for a cost function and entered into an optimization algorithm, for example a linear programming. Then the optimization algorithm can find the optimal solution and thus the lane width can be reliably determined.

Weiterhin kann es vorgesehen sein, dass die Daten einer digitalen Landkarte herangezogen werden. Zusätzlich mittels eines satellitengestützten Positionsbestimmungssystems kann berücksichtigt werden, wo sich das Kraftfahrzeug aktuell auf der digitalen Karte befindet. Aus der digitalen Karte können beispielsweise Informationen darüber entnommen werden, wie viele Fahrspuren die Fahrbahn aufweist. Zudem kann ein Typ der Fahrbahn aus der digitalen Karte entnommen werden. So kann beispielsweise berücksichtigt werden, ob es sich um eine Autobahn, eine Bundesstraße, eine Landstraße oder dergleichen handelt. Diese Informationen können zudem genutzt werden, um die Zuordnung der jeweiligen Abstandswerte zu den Fahrspuren zu plausibilisieren. Furthermore, it can be provided that the data of a digital map are used. In addition, by means of a satellite-based positioning system can be considered, where the motor vehicle is currently located on the digital map. From the digital map, for example, information about how many lanes the road has. In addition, a type of lane can be taken from the digital map. For example, it can be taken into account whether it is a motorway, a federal highway, a country road or the like. This information can also be used to make the assignment of the respective distance values to the lanes plausible.

Des Weiteren können Daten über die aktuelle Bewegung des Kraftfahrzeugs herangezogen werden. Insbesondere kann bestimmt werden, ob das Kraftfahrzeug aktuell eine Kurve fährt. Dazu können beispielsweise Daten eines Lenkwinkelsensors und/oder eines Drehratensensors berücksichtigt werden. Ferner kann anhand der digitalen Karte überprüft werden, ob die Fahrbahn in Fahrtrichtung vor dem Kraftfahrzeug eine Kurve aufweist. Diese Informationen können herangezogen werden, um die Abstandswerte zu korrigieren bzw. um die Abstandswerte an den Verlauf der Fahrbahn anzupassen. Furthermore, data about the current movement of the motor vehicle can be used. In particular, it can be determined whether the motor vehicle is currently cornering. For this purpose, for example, data of a steering angle sensor and / or a rotation rate sensor can be taken into account. Furthermore, it can be checked on the basis of the digital map, whether the road in the direction of travel in front of the motor vehicle has a curve. This information can be used to correct the distance values or to adapt the distance values to the course of the roadway.

Weiterhin ist es vorteilhaft, wenn die Sensordaten, welche empfangen werden, die Fahrbahn in Fahrtrichtung vor dem Kraftfahrzeug und/oder die Fahrbahn in Fahrtrichtung hinter dem Kraftfahrzeug und/oder die Fahrbahn neben dem Kraftfahrzeug beschreiben. Wie bereits erläutert kann das Kraftfahrzeug bzw. das Fahrerassistenzsystem mehrere Sensoren aufweisen, die verteilt an dem Kraftfahrzeug angeordnet sind. Auf diese Weise können die Fahrzeuge in Fahrtrichtung vor dem Kraftfahrzeug, in Fahrtrichtung hinter dem Kraftfahrzeug oder seitlich neben dem Kraftfahrzeug erfasst werden. Auf Grundlage der erfassten Fahrzeuge können dann die jeweiligen Fahrspuren zuverlässig ermittelt werden. Furthermore, it is advantageous if the sensor data which is received describe the roadway in the direction of travel in front of the motor vehicle and / or the roadway in the direction of travel behind the motor vehicle and / or the roadway next to the motor vehicle. As already explained, the motor vehicle or the driver assistance system can have a plurality of sensors which are arranged distributed on the motor vehicle. In this way, the vehicles can be detected in the direction of travel in front of the motor vehicle, in the direction of travel behind the motor vehicle or laterally next to the motor vehicle. Based on the detected vehicles then the respective lanes can be reliably determined.

Eine erfindungsgemäße Steuereinrichtung für ein Fahrerassistenzsystem eines Kraftfahrzeugs ist zum Durchführen eines erfindungsgemäßen Verfahrens ausgelegt. Die Steuereinrichtung kann durch ein elektronisches Steuergerät des Kraftfahrzeugs gebildet sein. A control device according to the invention for a driver assistance system of a motor vehicle is designed to carry out a method according to the invention. The control device can be formed by an electronic control unit of the motor vehicle.

Ein erfindungsgemäßes Fahrerassistenzsystem für ein Kraftfahrzeug umfasst eine erfindungsgemäße Steuereinrichtung und zumindest einen Sensor. Dabei ist es bevorzugt vorgesehen, dass das Fahrerassistenzsystem als den zumindest einen Sensor einen Radarsensor oder einen Lasersensor, beispielsweise einen Lidar-Sensor oder einen Laserscanner, umfasst. Weiterhin ist es vorteilhaft, wenn das Fahrerassistenzsystem dazu ausgelegt ist, das Kraftfahrzeug in Abhängigkeit von den erkannten Fahrspuren zumindest semi-autonom zu manövrieren. Beispielsweise kann das Fahrerassistenzsystem ein Spurhalteassistent oder ein Spurwechselassistent sein. Auf Grundlage der Informationen kann der Spurhalteassistent und/oder der Spurwechselassistent zuverlässig betrieben werden. An inventive driver assistance system for a motor vehicle comprises a control device according to the invention and at least one sensor. It is preferably provided that the driver assistance system comprises, as the at least one sensor, a radar sensor or a laser sensor, for example a lidar sensor or a laser scanner. Furthermore, it is advantageous if the driver assistance system is designed to maneuver the motor vehicle at least semi-autonomously as a function of the recognized lanes. For example, the driver assistance system may be a lane departure warning assistant or a lane change assistant. Based on the information, the lane departure warning assistant and / or the lane change assistant can be reliably operated.

Ein erfindungsgemäßes Kraftfahrzeug umfasst ein erfindungsgemäßes Fahrerassistenzsystem. Das Kraftfahrzeug ist insbesondere als Personenkraftwagen ausgebildet. A motor vehicle according to the invention comprises a driver assistance system according to the invention. The motor vehicle is designed in particular as a passenger car.

Die mit Bezug auf das erfindungsgemäße Verfahren vorgestellten bevorzugten Ausführungsformen und deren Vorteile gelten entsprechend für die erfindungsgemäße Steuereinrichtung, das erfindungsgemäße Fahrerassistenzsystem sowie das erfindungsgemäße Kraftfahrzeug. The preferred embodiments presented with reference to the method according to the invention and their advantages apply correspondingly to the control device according to the invention, the driver assistance system according to the invention and the motor vehicle according to the invention.

Weitere Merkmale der Erfindung ergeben sich aus den Ansprüchen, den Figuren und der Figurenbeschreibung. Die vorstehend in der Beschreibung genannten Merkmale und Merkmalskombinationen, sowie die nachfolgend in der Figurenbeschreibung genannten und/oder in den Figuren alleine gezeigten Merkmale und Merkmalskombinationen sind nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen oder in Alleinstellung verwendbar, ohne den Rahmen der Erfindung zu verlassen. Es sind somit auch Ausführungen von der Erfindung als umfasst und offenbart anzusehen, die in den Figuren nicht explizit gezeigt und erläutert sind, jedoch durch separierte Merkmalskombinationen aus den erläuterten Ausführungen hervorgehen und erzeugbar sind. Es sind auch Ausführungen und Merkmalskombinationen als offenbart anzusehen, die somit nicht alle Merkmale eines ursprünglich formulierten unabhängigen Anspruchs aufweisen. Further features of the invention will become apparent from the claims, the figures and the description of the figures. The features and feature combinations mentioned above in the description, as well as the features and combinations of features mentioned below in the description of the figures and / or shown alone in the figures, can be used not only in the respectively specified combination but also in other combinations or in isolation, without the frame to leave the invention. Thus, embodiments of the invention are to be regarded as encompassed and disclosed, which are not explicitly shown and explained in the figures, however, emerge and can be produced by separated combinations of features from the embodiments explained. Embodiments and combinations of features are also to be regarded as disclosed, which thus do not have all the features of an originally formulated independent claim.

Die Erfindung wird nun anhand von bevorzugten Ausführungsbeispielen sowie unter Bezugnahme auf die beigefügten Zeichnungen näher erläutert. The invention will now be described with reference to preferred embodiments and with reference to the accompanying drawings.

Dabei zeigen: Showing:

1 in schematischer Darstellung ein Kraftfahrzeug gemäß einer Ausführungsform der vorliegenden Erfindung, welches ein Fahrerassistenzsystem mit einer Mehrzahl von Radarsensoren und einer Kamera umfasst; 1 a schematic representation of a motor vehicle according to an embodiment of the present invention, which comprises a driver assistance system with a plurality of radar sensors and a camera;

2 eine Verkehrssituation, bei welcher sich das Kraftfahrzeug auf einer Fahrbahn mit mehreren Fahrspuren befindet und wobei sich auf den Fahrspuren weitere Fahrzeuge befinden; und 2 a traffic situation in which the motor vehicle is on a lane with several lanes and where there are other vehicles on the lanes; and

3 eine Häufigkeitsverteilung von Abstandswerten, welche jeweils eine Entfernung des Fahrzeugs zu dem Kraftfahrzeug in Fahrzeugquerrichtung beschreiben. 3 a frequency distribution of distance values, which each describe a distance of the vehicle to the motor vehicle in the vehicle transverse direction.

In den Figuren werden gleiche und funktionsgleiche Elemente mit den gleichen Bezugszeichen versehen. In the figures, identical and functionally identical elements are provided with the same reference numerals.

1 zeigt ein Kraftfahrzeug 1 gemäß einer Ausführungsform der vorliegenden Erfindung in einer Draufsicht. Das Kraftfahrzeug 1 ist in dem vorliegenden Fall als Personenkraftwagen ausgebildet. Das Kraftfahrzeug 1 umfasst ein Fahrerassistenzsystem 2, welches zumindest einen Sensor 3 umfasst. Dieser zumindest eine Sensor 3 kann beispielsweise ein Laserscanner, ein Lidar-Sensor oder ein Radarsensor sein. 1 shows a motor vehicle 1 according to an embodiment of the present invention in a plan view. The car 1 is designed in the present case as a passenger car. The car 1 includes a driver assistance system 2 which has at least one sensor 3 includes. This at least one sensor 3 For example, it may be a laser scanner, a lidar sensor or a radar sensor.

In dem vorliegenden Ausführungsbeispiel umfasst das Fahrerassistenzsystem 2 vier Sensoren 3, die jeweils als Radarsensor ausgebildet sind. Mit den Radarsensoren kann ein Sensorsignal in Form von elektromagnetischer Strahlung ausgesendet werden, welches dann von einem Objekt in einem Umgebungsbereich 6 des Kraftfahrzeugs 1 reflektiert wird. Die reflektierte elektromagnetische Strahlung gelangt als Echo wieder zu den jeweiligen Sensoren 3 zurück. Anhand der Laufzeit kann ein Abstand zwischen dem Sensor 3 und dem Objekt bestimmt werden. Vorliegend sind zwei Radarsensoren in einem Frontbereich 7 und zwei Radarsensoren in einem Heckbereich 8 des Kraftfahrzeugs 1 angeordnet. Die Sensoren 3 bzw. die Radarsensoren können beispielsweise verdeckt hinter einem Stoßfänger des Kraftfahrzeugs 1 angeordnet sein. Mit den jeweiligen Radarsensoren kann in horizontaler Richtung ein azimutaler Winkelbereich erfasst werden, der in einem Bereich zwischen 150° und 180° liegen kann. In the present embodiment, the driver assistance system comprises 2 four sensors 3 , which are each designed as a radar sensor. With the radar sensors, a sensor signal in the form of electromagnetic radiation can be emitted, which then from an object in a surrounding area 6 of the motor vehicle 1 is reflected. The reflected electromagnetic radiation returns as an echo to the respective sensors 3 back. Based on the runtime, a distance between the sensor 3 and the object. In the present case, two radar sensors are in a front area 7 and two radar sensors in a rear area 8th of the motor vehicle 1 arranged. The sensors 3 For example, the radar sensors may be concealed behind a bumper of the motor vehicle 1 be arranged. With the respective radar sensors, an azimuthal angular range can be detected in the horizontal direction, which can lie in a range between 150 ° and 180 °.

Darüber hinaus umfasst das Fahrerassistenzsystem 2 eine Kamera 4. Mit Hilfe der Kamera 4 können Bilder von dem Umgebungsbereich 6 bereitgestellt werden. Darüber hinaus umfasst das Fahrerassistenzsystem 2 eine Steuereinrichtung 5, die beispielsweise durch einen Rechner, einen digitalen Signalprozessor, einen Mikroprozessor oder dergleichen gebildet sein kann. Die Steuereinrichtung 5 kann insbesondere durch ein elektronisches Steuergerät des Kraftfahrzeugs 1 gebildet sein. Die Steuereinrichtung 5 ist zur Datenübertragung mit den Sensoren 3 sowie mit der Kamera 4 verbunden. Entsprechende Datenleitungen sind vorliegend der Übersichtlichkeit halber nicht dargestellt. Zudem kann die Steuereinrichtung 5 Daten von weiteren Sensoren empfangen, welche die aktuelle Geschwindigkeit und/oder den aktuellen Lenkwinkel des Kraftfahrzeugs beschreiben. In addition, the driver assistance system includes 2 a camera 4 , With the help of the camera 4 can take pictures of the surrounding area 6 to be provided. In addition, the driver assistance system includes 2 a control device 5 , which may be formed for example by a computer, a digital signal processor, a microprocessor or the like. The control device 5 can in particular by an electronic control unit of the motor vehicle 1 be formed. The control device 5 is for data transmission with the sensors 3 as well as with the camera 4 connected. Corresponding data lines are not shown here for the sake of clarity. In addition, the control device 5 Receive data from other sensors that describe the current speed and / or the current steering angle of the motor vehicle.

2 zeigt eine schematische Darstellung einer Verkehrssituation, bei welcher sich das Kraftfahrzeug 1 auf einer Fahrbahn 9 befindet. Die Fahrbahn 9 umfasst in dem vorliegenden Ausführungsbeispiel drei Fahrspuren 10, 11 und 12. Auf den Fahrspuren 10, 11, 12 befinden sich weitere Fahrzeuge 13, welche ebenfalls Personenkraftwagen sind. Auf der linken Fahrspur 10 befinden sich vorliegend vier Fahrzeuge 13. Auf der mittleren Fahrspur 11 befinden sich zwei Fahrzeuge 13. Auf der rechten Fahrspur 12, auf der sich auch das Kraftfahrzeug 1 befindet, befindet sich ein weiteres Fahrzeug 13. Mit Hilfe der Sensoren 3 bzw. der Radarsensoren können die Fahrzeuge 13 erfasst werden. Die Fahrzeugs 13 sind dabei die Objekte, die anhand der Sensordaten der Sensoren 3 erkannt werden. Dabei befinden sich die Fahrzeuge 13 in einem Erfassungsbereich der Sensoren 3. 2 shows a schematic representation of a traffic situation in which the motor vehicle 1 on a roadway 9 located. The roadway 9 includes three lanes in the present embodiment 10 . 11 and 12 , On the lanes 10 . 11 . 12 There are more vehicles 13 , which are also passenger cars. On the left lane 10 There are four vehicles in the present case 13 , On the middle lane 11 There are two vehicles 13 , In the right lane 12 on which also the motor vehicle 1 There is another vehicle 13 , With the help of the sensors 3 or the radar sensors can the vehicles 13 be recorded. The vehicle 13 are the objects that are based on the sensor data of the sensors 3 be recognized. Here are the vehicles 13 in a detection range of the sensors 3 ,

Die Sensorsignale, die mit den Sensoren 3 bereitgestellt werden, werden an die Steuereinrichtung 5 übertragen. Anhand der Sensorsignale kann dann die Steuereinrichtung 5 jeweilige Abstandswerte bestimmen. Diese Abstandswerte beschreiben eine Entfernung zwischen jedem der Fahrzeuge 13 und dem Kraftfahrzeug 1 entlang einer Fahrzeugquerrichtung q. Mit anderen Worten beschreiben die jeweiligen Abstandswerte den lateralen Abstand bzw. die laterale Entfernung zwischen jedem der Fahrzeuge 13 und dem Kraftfahrzeug 1. The sensor signals with the sensors 3 be provided to the control device 5 transfer. Based on the sensor signals then the controller 5 determine the respective distance values. These distance values describe a distance between each of the vehicles 13 and the motor vehicle 1 along a vehicle transverse direction q. In other words, the respective distance values describe the lateral distance and the lateral distance between each of the vehicles 13 and the motor vehicle 1 ,

Auf Grundlage der Abstandswerte wird dann eine Häufigkeitsverteilung 14 bzw. ein Histogramm bestimmt. Diese ist beispielhaft in 3 dargestellt. Diese Häufigkeitsverteilung 14 bzw. dieses Histogramm ist dem Verkehrsszenario gemäß 2 zugeordnet. Die Häufigkeitsverteilung 14 weist drei Bereiche 15, 16, 17 bzw. drei Modi auf. Jeder Bereich 15, 16, 17 der Häufigkeitsverteilung 14 weist ein Maximum auf. Jedes Maximum beschreibt dabei die mittlere Entfernung in Fahrzeugquerrichtung q zu dem Kraftfahrzeug 1. Anhand der Anzahl der Maxima der jeweiligen Bereiche 15, 16, 17 kann die Anzahl der Fahrspuren 10, 11, 12 ermittelt werden. Aus den jeweiligen Bereichen 15, 16, 17 ergibt sich, dass die Fahrbahn drei Fahrspuren 10, 11, 12 aufweist. Die Position des Kraftfahrzeugs 1 entspricht der Entfernung in Fahrzeugquerrichtung q mit dem Wert 0. Based on the distance values then becomes a frequency distribution 14 or a histogram determined. This is exemplary in 3 shown. This frequency distribution 14 or this histogram is according to the traffic scenario 2 assigned. The frequency distribution 14 has three areas 15 . 16 . 17 or three modes. Every area 15 . 16 . 17 the frequency distribution 14 has a maximum. Each maximum describes the mean distance in the vehicle transverse direction q to the motor vehicle 1 , Based on the number of maxima of the respective areas 15 . 16 . 17 can the number of lanes 10 . 11 . 12 be determined. From the respective areas 15 . 16 . 17 it turns out that the Lane three lanes 10 . 11 . 12 having. The position of the motor vehicle 1 corresponds to the distance in the vehicle transverse direction q with the value 0.

Weiterhin ist es vorgesehen, dass die jeweilige Fahrspurbreite b der Fahrspuren 10, 11, 12 bestimmt werden. Vorliegend weisen alle Fahrspuren 10, 11, 12 die gleiche Fahrspurbreite b auf. Zum Bestimmen der Fahrspurbreite b der jeweiligen Fahrspuren 10, 11, 12 können die Abstandswerte an jeweiligen Fahrspuren 10, 11, 12 bzw. den Bereichen 15, 16, 17 der Häufigkeitsverteilung 14 zugeordnet werden. Hier kann es beispielsweise vorgesehen sein, dass die Varianz der Abstandswerte bestimmt wird und hieraus die Fahrzeugbreite b abgeleitet wird. Vorliegend sind die jeweiligen Bereiche 15, 16, 17 der Häufigkeitsverteilung 14 im Wesentlichen normalverteilt. Damit kann die jeweilige Varianz dieser Bereiche 15, 16, 17 bestimmt werden. Furthermore, it is provided that the respective lane width b of the lanes 10 . 11 . 12 be determined. In the present case all lanes have 10 . 11 . 12 the same lane width b on. For determining the lane width b of the respective lanes 10 . 11 . 12 can the distance values at respective lanes 10 . 11 . 12 or the areas 15 . 16 . 17 the frequency distribution 14 be assigned. Here it can be provided, for example, that the variance of the distance values is determined and from this the vehicle width b is derived. Here are the respective areas 15 . 16 . 17 the frequency distribution 14 essentially normally distributed. This can be the respective variance of these areas 15 . 16 . 17 be determined.

Weiterhin kann es vorgesehen sein, dass die Fahrspurbreite b auf Grundlage der Abstandswerte, die einer der Fahrspuren 10, 11, 12 zugeordnet ist, bestimmt wird. Dies wird nachfolgend anhand der mittleren Fahrspur 11 erläutert. Dabei können die beiden äußersten Abstandswerte verwendet werden, die dieser Fahrspur 11 zugeordnet sind. Die jeweilige Position dieser äußersten Abstandswerte kann aus der Häufigkeitsverteilung 14 entnommen werden. Diese entsprechen den Punkten 18 und 19 des Bereichs 16 der Häufigkeitsverteilung 14. Die laterale Entfernung zwischen den Punkten 18 und 19 kann als minimale Fahrspurbreite angesehen werden. Zudem können die Abstandswerte, die den benachbarten Fahrspuren 10, 12 zugeordnet sind, herangezogen werden. Beispielsweise kann derjenige Abstandswert der linken Fahrspur 10 herangezogen werden, der am nächsten zu der mittleren Fahrspur 11 angeordnet ist. Dies entspricht vorliegend dem Punkt 20 des Bereichs 15 der Häufigkeitsverteilung 14. Ferner kann der Abstandswerte der rechten Spur 12 herangezogen werden, der am nächsten zu der mittleren Fahrspur angeordnet ist. Dies entspricht vorliegend dem Punkt 21 des Bereichs 17 der Häufigkeitsverteilung 14. Die laterale Entfernung zwischen den Punkten 20 und 21 kann als maximale Fahrspurbreite berücksichtigt werden. Als Fahrspurbreite b kann dann der Mittelwert zwischen der minimalen und der maximalen Fahrspurbreite verwendet werden. Hieraus kann dann die Fahrspurbreite b bestimmt werden. Vorliegend wird angenommen, dass die jeweilige Fahrspurbreite b für alle Fahrspuren 10, 11, 12 gleich ist. Furthermore, it can be provided that the lane width b based on the distance values, the one of the lanes 10 . 11 . 12 is assigned is determined. This will be explained below using the middle lane 11 explained. In this case, the two extreme distance values can be used, the this lane 11 assigned. The respective position of these outermost distance values can be determined from the frequency distribution 14 be removed. These correspond to the points 18 and 19 of the area 16 the frequency distribution 14 , The lateral distance between the points 18 and 19 can be considered a minimum lane width. In addition, the distance values, the adjacent lanes 10 . 12 are assigned to be used. For example, the distance value of the left lane 10 be used, which is closest to the middle lane 11 is arranged. This corresponds to the point here 20 of the area 15 the frequency distribution 14 , Furthermore, the distance values of the right lane 12 be used, which is located closest to the middle lane. This corresponds to the point here 21 of the area 17 the frequency distribution 14 , The lateral distance between the points 20 and 21 can be considered as maximum lane width. The mean value between the minimum and the maximum lane width can then be used as the lane width b. From this, the lane width b can then be determined. In the present case, it is assumed that the respective lane width b for all lanes 10 . 11 . 12 is equal to.

Des Weiteren können anhand der Sensordaten, die mit den Sensoren 3 bereitgestellt werden, Objekte 22 bestimmt werden, welche die Fahrbahn 9 begrenzen. Bei den Objekten 22 handelt es sich vorliegend um Leitplanken. Auch hier kann der laterale Abstand zwischen den Objekten 22 bestimmt werden. Dieser Abstand kann dann durch die Anzahl der Fahrspuren 10, 11, 12 geteilt werden. Auch somit kann auf die jeweilige Fahrspurbreite b rückgeschlossen werden. Furthermore, based on the sensor data, with the sensors 3 be provided, objects 22 be determined, which the roadway 9 limit. At the objects 22 these are guardrails in the present case. Again, the lateral distance between the objects 22 be determined. This distance can then be determined by the number of lanes 10 . 11 . 12 to be shared. Also, thus can be deduced on the respective lane width b.

Zudem ist es vorgesehen, dass die Steuereinrichtung 5 anhand der Bilder, die mit der Kamera 4 bereitgestellt werden, Fahrbahnmarkierungen 23 erkennt. Hierzu kann ein entsprechender Objekterkennungsalgorithmus verwendet werden. Zudem kann auf Grundlage der Bilder bestimmt werden, dass die Fahrbahnmarkierungen 23 auf der Fahrbahn 9 befinden. Diese Informationen können zur Plausibilisierung der Verteilung der Abstandswerte herangezogen werden. In addition, it is provided that the control device 5 based on the pictures taken with the camera 4 be provided, road markings 23 recognizes. For this purpose, a corresponding object recognition algorithm can be used. In addition, it can be determined on the basis of the images that the lane markings 23 on the roadway 9 are located. This information can be used to check the plausibility of the distribution of the distance values.

ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDE IN THE DESCRIPTION

Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant has been generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.

Zitierte PatentliteraturCited patent literature

  • WO 2015/106914 A1 [0004] WO 2015/106914 A1 [0004]
  • DE 10115551 A1 [0005] DE 10115551 A1 [0005]

Claims (12)

Verfahren zum Erkennen von Fahrspuren (10, 11, 12) auf einer Fahrbahn (9), bei welchem von zumindest einem Sensor (3) eines Kraftfahrzeugs (1) Sensordaten empfangen werden, anhand der Sensordaten eine Mehrzahl von Fahrzeugen (13), die sich auf den Fahrspuren (10, 11, 12) befinden, erkannt wird, Abstandswerte, welche eine Entfernung jedes der erkannten Fahrzeuge (10, 11, 12) zu dem Kraftfahrzeug (1) in Fahrzeugquerrichtung (q) des Kraftfahrzeugs (1) beschreiben, bestimmt werden, eine Häufigkeitsverteilung (14) der Abstandswerte bestimmt wird und die Fahrspuren (10, 11, 12) anhand der Häufigkeitsverteilung (14) erkannt werden, dadurch gekennzeichnet, dass die Abstandswerte anhand der Häufigkeitsverteilung (14) den erkannten Fahrspuren (10, 11, 12) zugeordnet werden und eine Fahrspurbreite (b) zumindest einer der Fahrspuren (10, 11, 12) anhand derjenigen Abstandswerte bestimmt wird, welche dieser Fahrspur (10, 11, 12) zugeordnet werden. Method for detecting lanes ( 10 . 11 . 12 ) on a roadway ( 9 ), in which at least one sensor ( 3 ) of a motor vehicle ( 1 ) Sensor data are received, based on the sensor data a plurality of vehicles ( 13 ), which are on the lanes ( 10 . 11 . 12 distance values representing a distance of each of the detected vehicles ( 10 . 11 . 12 ) to the motor vehicle ( 1 ) in the vehicle transverse direction (q) of the motor vehicle ( 1 ), a frequency distribution ( 14 ) of the distance values is determined and the lanes ( 10 . 11 . 12 ) based on the frequency distribution ( 14 ), characterized in that the distance values are determined on the basis of the frequency distribution ( 14 ) the detected lanes ( 10 . 11 . 12 ) and a lane width (b) of at least one of the lanes ( 10 . 11 . 12 ) is determined on the basis of those distance values which this lane ( 10 . 11 . 12 ) be assigned. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Fahrspurbreite (b) der zumindest einen Fahrspur (10, 11, 12) anhand einer Varianz der Abstandswerte, welche dieser Fahrspur (10, 11, 12) zugeordneten werden, bestimmt wird. Method according to Claim 1, characterized in that the lane width (b) of the at least one lane ( 10 . 11 . 12 ) based on a variance of the distance values which this lane ( 10 . 11 . 12 ) is determined. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die Fahrspurbreite (b) der zumindest einen Fahrspur (10, 11, 12) anhand eines ersten Abstandswerts, welcher die geringsten Entfernung zu dem Kraftfahrzeug (1) in Fahrzeugquerrichtung (q) beschreibt, und eines zweiten Abstandswerts, welcher die größte Entfernung zu dem Kraftfahrzeug (1) in Fahrzeugquerrichtung (q) beschreibt, bestimmt wird. Method according to claim 1 or 2, characterized in that the lane width (b) of the at least one lane ( 10 . 11 . 12 ) based on a first distance value which is the shortest distance to the motor vehicle ( 1 ) in the vehicle transverse direction (q), and a second distance value, which is the greatest distance to the motor vehicle ( 1 ) in vehicle transverse direction (q) is determined. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Fahrspurbreite (b) der zumindest einen Fahrspur (10, 11, 12) zusätzlich anhand der Abstandswerte bestimmt wird, welche einer der zumindest einen Fahrspur (10, 11, 12) benachbarten Fahrspur (10, 11, 12) zugeordnet werden. Method according to one of the preceding claims, characterized in that the lane width (b) of the at least one lane ( 10 . 11 . 12 ) is additionally determined on the basis of the distance values which one of the at least one lane ( 10 . 11 . 12 ) adjacent lane ( 10 . 11 . 12 ) be assigned. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass anhand der Sensordaten zumindest ein Objekt (22) erkannt wird, welches die Fahrbahn (9) begrenzt und die Fahrspuren (10, 11, 12) zusätzlich anhand der zumindest eines Objekts (22) erkannt werden. Method according to one of the preceding claims, characterized in that based on the sensor data at least one object ( 22 ), which detects the roadway ( 9 ) and the lanes ( 10 . 11 . 12 ) additionally based on the at least one object ( 22 ) be recognized. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass zumindest ein Bild von einer Kamera (4) des Kraftfahrzeugs (1) empfangen wird, welches die Fahrbahn (9) beschreibt, in dem Bild zumindest eine Fahrbahnmarkierung (23) erkannt wird und die Fahrspuren (10, 11, 12) anhand der zumindest einen Fahrbahnmarkierung (23) erkannt werden. Method according to one of the preceding claims, characterized in that at least one image from a camera ( 4 ) of the motor vehicle ( 1 ), which receives the lane ( 9 ) describes in the image at least one road mark ( 23 ) and the lanes ( 10 . 11 . 12 ) based on the at least one road marking ( 23 ) be recognized. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Sensordaten, welche empfangen werden, die Fahrbahn (9) in Fahrtrichtung vor dem Kraftfahrzeug (1) und/oder die Fahrbahn (9) in Fahrtrichtung hinter dem Kraftfahrzeug (1) und/oder die Fahrbahn neben dem Kraftfahrzeug (1) beschreiben. Method according to one of the preceding claims, characterized in that the sensor data which is received, the roadway ( 9 ) in the direction of travel in front of the motor vehicle ( 1 ) and / or the roadway ( 9 ) in the direction of travel behind the motor vehicle ( 1 ) and / or the roadway next to the motor vehicle ( 1 ). Steuereinrichtung (5) für ein Fahrerassistenzsystem (2) eines Kraftfahrzeugs (1), welches zum Durchführen eines Verfahrens nach einem der vorhergehenden Ansprüche ausgelegt ist. Control device ( 5 ) for a driver assistance system ( 2 ) of a motor vehicle ( 1 ) which is designed to carry out a method according to one of the preceding claims. Fahrerassistenzsystem (2) für ein Kraftfahrzeug (1) mit einer Steuereinrichtung (5) nach Anspruch 8 und mit zumindest einem Sensor (3). Driver assistance system ( 2 ) for a motor vehicle ( 1 ) with a control device ( 5 ) according to claim 8 and with at least one sensor ( 3 ). Fahrerassistenzsystem (2) nach Anspruch 9, dadurch gekennzeichnet, dass das Fahrerassistenzsystem (2) als den zumindest einen Sensor (3) einen Radarsensor oder einen Lasersensor umfasst. Driver assistance system ( 2 ) according to claim 9, characterized in that the driver assistance system ( 2 ) as the at least one sensor ( 3 ) comprises a radar sensor or a laser sensor. Fahrerassistenzsystem (2) nach Anspruch 9 oder 10, dadurch gekennzeichnet, dass das Fahrerassistenzsystem (2) dazu ausgelegt ist, das Kraftfahrzeug (1) in Abhängigkeit von den erkannten Fahrspuren (10, 11, 12) zumindest semi-autonom zu manövrieren. Driver assistance system ( 2 ) according to claim 9 or 10, characterized in that the driver assistance system ( 2 ) is adapted to the motor vehicle ( 1 ) depending on the recognized lanes ( 10 . 11 . 12 ) at least semi-autonomous maneuver. Kraftfahrzeug (1) mit einem Fahrerassistenzsystem (2) nach einem der Ansprüche 9 bis 11. Motor vehicle ( 1 ) with a driver assistance system ( 2 ) according to one of claims 9 to 11.
DE102016100718.8A 2016-01-18 2016-01-18 A method for detecting lanes on a roadway based on a frequency distribution of distance values, control device, driver assistance system and motor vehicle Ceased DE102016100718A1 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
DE102016100718.8A DE102016100718A1 (en) 2016-01-18 2016-01-18 A method for detecting lanes on a roadway based on a frequency distribution of distance values, control device, driver assistance system and motor vehicle
PCT/EP2017/050853 WO2017125369A1 (en) 2016-01-18 2017-01-17 Method for detecting traffic lanes on a roadway on the basis of a frequency distribution of distance values, control device, driver assistance system, and motor vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102016100718.8A DE102016100718A1 (en) 2016-01-18 2016-01-18 A method for detecting lanes on a roadway based on a frequency distribution of distance values, control device, driver assistance system and motor vehicle

Publications (1)

Publication Number Publication Date
DE102016100718A1 true DE102016100718A1 (en) 2017-07-20

Family

ID=57906600

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102016100718.8A Ceased DE102016100718A1 (en) 2016-01-18 2016-01-18 A method for detecting lanes on a roadway based on a frequency distribution of distance values, control device, driver assistance system and motor vehicle

Country Status (2)

Country Link
DE (1) DE102016100718A1 (en)
WO (1) WO2017125369A1 (en)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3633321A1 (en) * 2018-06-28 2020-04-08 Aptiv Technologies Limited Lane assignment system
CN111512353A (en) * 2018-05-22 2020-08-07 宝马股份公司 Method for processing data associated with a vehicle, decoding method, encoding and decoding method, system, computer program and computer program product
CN114379552A (en) * 2021-11-11 2022-04-22 重庆大学 Self-adaptive lane keeping control system and method based on high-precision map and vehicle-mounted sensor
CN115071733A (en) * 2022-07-21 2022-09-20 成都工业职业技术学院 Auxiliary driving method and device based on computer
WO2023110600A1 (en) * 2021-12-14 2023-06-22 Valeo Schalter Und Sensoren Gmbh Method for operating a vehicle, computer program product, control system and vehicle
GB2618616A (en) * 2022-05-13 2023-11-15 Aptiv Tech Ltd Vehicle lane determination method, computer program product, and apparatus

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10115551A1 (en) 2000-03-28 2001-10-11 Bosch Gmbh Robert Model-supported allocation of vehicles to traffic lanes involves using frequency distribution of transverses packing of detected radar objects
DE102005039103A1 (en) * 2005-08-18 2007-03-01 Robert Bosch Gmbh Procedure for recording a traffic area
WO2015106914A1 (en) 2014-01-16 2015-07-23 Bayerische Motoren Werke Aktiengesellschaft Method and system for detecting an emergency lane situation

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013104256A1 (en) * 2013-04-26 2014-10-30 Conti Temic Microelectronic Gmbh Method and device for estimating the number of lanes

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10115551A1 (en) 2000-03-28 2001-10-11 Bosch Gmbh Robert Model-supported allocation of vehicles to traffic lanes involves using frequency distribution of transverses packing of detected radar objects
DE102005039103A1 (en) * 2005-08-18 2007-03-01 Robert Bosch Gmbh Procedure for recording a traffic area
WO2015106914A1 (en) 2014-01-16 2015-07-23 Bayerische Motoren Werke Aktiengesellschaft Method and system for detecting an emergency lane situation

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111512353A (en) * 2018-05-22 2020-08-07 宝马股份公司 Method for processing data associated with a vehicle, decoding method, encoding and decoding method, system, computer program and computer program product
CN111512353B (en) * 2018-05-22 2022-12-13 宝马股份公司 Method for processing data associated with a vehicle, encoding and decoding method and system
EP3633321A1 (en) * 2018-06-28 2020-04-08 Aptiv Technologies Limited Lane assignment system
US10935977B2 (en) 2018-06-28 2021-03-02 Aptiv Technologies Limited Lane assignment system
CN114379552A (en) * 2021-11-11 2022-04-22 重庆大学 Self-adaptive lane keeping control system and method based on high-precision map and vehicle-mounted sensor
CN114379552B (en) * 2021-11-11 2024-03-26 重庆大学 Self-adaptive lane keeping control system and method based on high-precision map and vehicle-mounted sensor
WO2023110600A1 (en) * 2021-12-14 2023-06-22 Valeo Schalter Und Sensoren Gmbh Method for operating a vehicle, computer program product, control system and vehicle
GB2618616A (en) * 2022-05-13 2023-11-15 Aptiv Tech Ltd Vehicle lane determination method, computer program product, and apparatus
EP4276494A1 (en) * 2022-05-13 2023-11-15 Aptiv Technologies Limited Vehicle lane determination method, computer program product, and apparatus
CN115071733A (en) * 2022-07-21 2022-09-20 成都工业职业技术学院 Auxiliary driving method and device based on computer
CN115071733B (en) * 2022-07-21 2022-10-25 成都工业职业技术学院 Auxiliary driving method and device based on computer

Also Published As

Publication number Publication date
WO2017125369A1 (en) 2017-07-27

Similar Documents

Publication Publication Date Title
EP2561419B1 (en) Method for determining the lane course for a vehicle
DE102016100718A1 (en) A method for detecting lanes on a roadway based on a frequency distribution of distance values, control device, driver assistance system and motor vehicle
EP1844373B1 (en) Method for predicting the course in driver assistance systems for motor vehicles
EP3386825B1 (en) Method for identifying a possible collision between a motor vehicle and an object by taking into account a spatial uncertainty, control device, driver assistance system and motor vehicle
DE102016011970A1 (en) Vehicle Security System
EP2046619B1 (en) Driver assistance system
WO2007144239A1 (en) Lane changing aid for motor vehicles
DE102015200342A1 (en) DEVICE AND COMPUTER PROGRAM FOR CONTROLLING A TARGET VEHICLE FOLLOWING A TESTING VEHICLE
EP0915350A2 (en) Apparatus for determining data indicating traffic lane evolution
EP2676857A2 (en) Method and apparatus for generating a control parameter for a gap assistance system of a vehicle
WO2005118339A1 (en) Method and device for assisting the performance of a parking maneuver of a vehicle
EP2982572B1 (en) Method for assisting a driver of a motor vehicle when driving out of a parking space, driver assistance system, and motor vehicle
DE102016000185A1 (en) Control system and method for determining a lane of a subsequent motor vehicle
DE102012109310A1 (en) A method and apparatus for assisting the returning of a vehicle after leaving a lane
DE102015015302A1 (en) Method for partially or fully autonomous operation of a vehicle and driver assistance device
DE102020131054A1 (en) Driving assistance device
EP3024709B1 (en) Efficiently providing occupancy information on the surroundings of a vehicle
WO2016207171A1 (en) Maneuvering a road train comprising a motor vehicle and a trailer
DE102020103503A1 (en) ADAPTIVE CONTROL OF AUTOMATIC LANE CHANGE IN THE VEHICLE
DE10359241A1 (en) Driver assistance system, driver assistance device, and driver assistance method for a vehicle
DE102012007127A1 (en) Method for determining movement path for vehicle, involves determining road boundary, and determining multiple possible movement paths for vehicle, where movement path is selected from multiple possible movement paths
DE102018212779A1 (en) Method and system for determining and displaying a wading situation
DE102019133708A1 (en) METHOD AND DEVICE FOR DETECTING STATIC AND DYNAMIC INFORMATION ON TRACK LEVEL
DE102020101375A1 (en) Method for warning of cross traffic for a vehicle with detection of lanes, computing device and driver assistance system
DE102022203122B4 (en) Method for determining a movement trajectory for controlling a movement of a machine

Legal Events

Date Code Title Description
R163 Identified publications notified
R012 Request for examination validly filed
R002 Refusal decision in examination/registration proceedings
R003 Refusal decision now final