DE102016122296A1 - Method for detecting and classifying an object by means of at least one sensor device based on an occupancy map, driver assistance system and motor vehicle - Google Patents
Method for detecting and classifying an object by means of at least one sensor device based on an occupancy map, driver assistance system and motor vehicle Download PDFInfo
- Publication number
- DE102016122296A1 DE102016122296A1 DE102016122296.8A DE102016122296A DE102016122296A1 DE 102016122296 A1 DE102016122296 A1 DE 102016122296A1 DE 102016122296 A DE102016122296 A DE 102016122296A DE 102016122296 A1 DE102016122296 A1 DE 102016122296A1
- Authority
- DE
- Germany
- Prior art keywords
- occupancy
- probability
- cell
- cells
- sensor device
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000003068 static effect Effects 0.000 claims abstract description 31
- 238000001514 detection method Methods 0.000 claims description 16
- 230000007423 decrease Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 23
- 238000005259 measurement Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4808—Evaluating distance, position or velocity data
-
- 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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- 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
Abstract
Die Erfindung betrifft ein Verfahren zum Erfassen und zur Klassifizierung eines Objekts (O) mittels einer Sensorvorrichtung (2, 2a, 2b) auf Basis einer Belegungskarte (7), die eine mehrere gitterförmig angeordnete Zellen (8, 8a, 8b, 8c) aufweist, denen jeweils ein festgelegter Ortsbereich (9) zugeordnet ist, wobei in vorbestimmten Zeitschritten ein Teil der Umgebung (3) abgetastet wird und eine einer jeweiligen Zelle (8, 8a, 8b, 8c) zugeordnete Belegungswahrscheinlichkeit erhöht wird, wenn ein Scanpunkt (P) in einem zu einer jeweiligen Zelle (8, 8a, 8b, 8c) zugeordneten Ortsbereich (9) erfasst wird. Weiterhin werden zur Ermittlung einer Gesamtbelegungswahrscheinlichkeit für eine jeweilige Zelle (8, 8a, 8b, 8c) die Belegungswahrscheinlichkeiten jeweils nach jedem Zeitschritt mit einer Zerfallsfunktion multipliziert. Unter der Voraussetzung, dass die Gesamtbelegungswahrscheinlichkeit für zumindest eine erste der Zellen (8, 8a, 8b, 8c) von Null verschieden ist, wird ein Objekt (O) erfasst, welches als statisch oder dynamisch in Abhängigkeit von einem auf Basis der Gesamtbelegungswahrscheinlichkeiten in einem vorbestimmten die erste Zelle (8, 8a, 8b, 8c) umfassenden Bereich bestimmten Wahrscheinlichkeitsverlauf (16, 17, 18, 19, 20) klassifiziert.The invention relates to a method for detecting and classifying an object (O) by means of a sensor device (2, 2a, 2b) on the basis of an occupancy card (7) having a plurality of cells (8, 8a, 8b, 8c) arranged in the form of lattices, in each case a fixed local area (9) is assigned, wherein in predetermined time steps, a part of the environment (3) is scanned and a respective cell (8, 8a, 8b, 8c) assigned occupancy probability is increased when a scan point (P) in a location area (9) associated with a respective cell (8, 8a, 8b, 8c) is detected. Furthermore, in order to determine a total occupancy probability for a respective cell (8, 8a, 8b, 8c), the occupancy probabilities are respectively multiplied by a decay function after each time step. Assuming that the total occupancy probability for at least a first of the cells (8, 8a, 8b, 8c) is nonzero, an object (O) is detected which is static or dynamic depending on one based on the total occupancy probabilities in one predetermined the first cell (8, 8a, 8b, 8c) comprehensive range certain probability course (16, 17, 18, 19, 20) classified.
Description
Die vorliegende Erfindung betrifft ein Verfahren zum Erfassen und zur Klassifizierung eines Objekts mittels zumindest einer Sensorvorrichtung auf Basis einer Belegungskarte, wobei bei dem Verfahren die Belegungskarte bereitgestellt wird, welche eine Mehrzahl an gitterförmig angeordneten Zellen aufweist, und wobei jeder Zelle ein festgelegter Ortsbereich einer Umgebung der zumindest einen Sensorvorrichtung zugeordnet ist. Weiterhin wird in vorbestimmten Zeitschritten wiederholt zumindest ein Teil der Umgebung durch den zumindest einen Sensorvorrichtung abgetastet und zu einer jeweiligen Zelle eine Belegungswahrscheinlichkeit zugeordnet, wobei die Belegungswahrscheinlichkeit einer jeweiligen Zelle erhöht wird, wenn durch den zumindest einen Sensorvorrichtung ein Scanpunkt in einem zu einer jeweiligen Zelle zugeordneten Ortsbereich der Umgebung erfasst wird. Ferner betrifft die vorliegende Erfindung auch ein Fahrerassistenzsystem sowie ein Kraftfahrzeug mit einem Fahrerassistenzsystem.The present invention relates to a method for detecting and classifying an object by means of at least one sensor device based on an occupancy map, wherein in the method, the occupancy map is provided which has a plurality of cells arranged in a grid, and wherein each cell is a fixed location area of an environment at least one sensor device is associated. Furthermore, in predetermined time steps, at least part of the environment is scanned repeatedly by the at least one sensor device and an occupancy probability assigned to a respective cell, wherein the occupancy probability of a respective cell is increased if a scan point in a cell assigned to a respective cell by the at least one sensor device Local area of the environment is detected. Furthermore, the present invention also relates to a driver assistance system and a motor vehicle with a driver assistance system.
Aus dem Stand der Technik sind vielfältige Arten von Umfeldsensoren bekannt, die zum Erfassen eines Kraftfahrzeugumfelds dienen. Auf einer derartigen Umfelderfassung können dann entsprechende Fahrerassistenzsysteme aufbauen, die die Umfelderfassung nutzen, um beispielsweise Objekte in der Umgebung eines Kraftfahrzeugs zu detektieren und auch zu klassifizieren. Auch können beispielsweise erfasste Objekte getrackt werden, das heißt ihre Position und ihr Bewegungsverlauf kann verfolgt werden. Gerade beim Tracking von Objekten ist es wichtig, sinnvoll zwischen statischen und dynamischen Objekten zu unterscheiden. Mit einem Scala-Sensor, das heißt einem Laserscanner, ist dies nicht ohne weiteres möglich. Probleme ergeben sich dabei beispielsweise bei der korrekten Klassifikation von Leitplanken als statische Objekte. Leitplanken können beispielsweise nicht in Gänze von einem Laserscanner erfasst werden und es wird immer nur ein Teil der Leitplanke vom Laserscanner gesehen. Aus Sicht des Laserscanner sieht es, wenn sich ein Kraftfahrzeug entlang einer Leitplanke bewegt, also so aus, als ob sich ein und dasselbe Objekt neben dem Kraftfahrzeug mit bewegt. Somit bekommen parallel zum Fahrzeug verlaufende Leitplanken beim Tracking eine Geschwindigkeitskomponente, die der Geschwindigkeit und Richtung des messenden Fahrzeugs entspricht.Various types of environmental sensors are known from the prior art, which serve for detecting a motor vehicle environment. Corresponding driver assistance systems can then be set up on such an environment detection, which use the surroundings detection, for example, to detect and also classify objects in the surroundings of a motor vehicle. Also, for example, detected objects can be tracked, that is, their position and their course of movement can be tracked. Especially when tracking objects, it is important to distinguish between static and dynamic objects. With a Scala sensor, that is a laser scanner, this is not readily possible. Problems arise, for example, in the correct classification of crash barriers as static objects. Guard rails, for example, can not be detected completely by a laser scanner, and only a part of the guard rail is always seen by the laser scanner. From the point of view of the laser scanner, when a motor vehicle moves along a guard rail, it looks as if one and the same object is moving along with the motor vehicle. Thus, parallel to the vehicle running guard rails during tracking get a speed component that corresponds to the speed and direction of the measuring vehicle.
Eine Möglichkeit zur Klassifizierung von statischen und dynamischen Objekten ist in der Dissertation „Belegungskartenbasierte Umfeldwahrnehmung in Kombination mit objektbasierten Ansätzen für Fahrerassistenzsysteme“ (Mohamed Essayed Bouzouraa - 2011) beschrieben. Dort ist eine Methode zur Unterscheidung von statischen und sich bewegenden Objekten auf Basis von Scanpunkten offenbart. Hierbei werden Scanpunkte in jedem Erfassungszeitschritt in die Zellen einer Belegungskarte, einer sogenannten Grid Map, eingetragen. Jeder Zelle wird auf Basis der Scanpunkte innerhalb der Zelle eine Belegungswahrscheinlichkeit zugeordnet. Für statische Objekte, die sich also immer am selben Ort befinden und damit immer den gleichen Zellen zugeordnet sind, sind die Belegungswahrscheinlichkeiten in diesen Zellen sehr hoch, während diese für bewegte Objekte sehr niedrig sind, da diese nur kurz und damit in Form weniger Scanpunkte am selben Ort erfasst werden. Überschreitet die Belegungswahrscheinlichkeit einen Grenzwert, so werden die Scanpunkte innerhalb der Zelle als statisch klassifiziert. Bei einer niedrigen Belegungswahrscheinlichkeit werden die Scanpunkte als dynamisch klassifiziert.A possibility for the classification of static and dynamic objects is described in the dissertation "occupancy map-based environment perception in combination with object-based approaches for driver assistance systems" (Mohamed Essayed Bouzouraa - 2011). There, a method for distinguishing static and moving objects based on scan points is disclosed. In this case, scan points are entered in each acquisition time step in the cells of an occupancy map, a so-called grid map. Each cell is assigned an occupancy probability based on the scan points within the cell. For static objects, which are always located in the same place and are therefore always assigned to the same cells, the occupancy probabilities in these cells are very high, while these are very low for moving objects, since these are only short and thus in the form of fewer scan points on same place. If the occupancy probability exceeds a limit value, the scan points within the cell are classified as static. With a low occupancy probability, the scan points are classified as dynamic.
Hierdurch lassen sich zwar Leitplanken erfolgreich als statische Objekte klassifizieren, allerdings ist es für viele andere Fälle nicht ausreichend, Objekte mit einer hohen Belegungswahrscheinlichkeit als statisch und den Rest als dynamisch zu klassifizieren. Bewegt sich beispielsweise ein Objekt nur sehr langsam, so würden die Belegwahrscheinlichkeiten der korrespondierenden Zellen der Belegungskarte sehr hoch sein, und das Objekt würde fälschlicherweise als statisches Objekt klassifiziert werden. Würde man den Grenzwert für die Belegungswahrscheinlichkeit entsprechend höher wählen, so würde es auch für statische Objekte sehr viele Zeitschritte und damit lange dauern, bis ein solch hoher Grenzwert erreicht ist. Wenn nun eine solche Vorgehensweise in einem Kraftfahrzeug, das sich mit sehr hohe Geschwindigkeit bewegt, Anwendung findet, dann wären solche langen Zeitdauern nur wenig praktikabel, da die Latenzzeiten, die dann auftreten würden, bis statische Objekte den Wahrscheinlichkeitsgrenzwert erreichen bemessen an der Zeit, in welcher sich die Objekte überhaupt im Erfassungsbereich des Laserscanners befinden, zu groß wären.Although this makes it possible to successfully classify guardrails as static objects, in many other cases it is not sufficient to classify objects with a high occupancy probability as static and the remainder as dynamic. For example, if an object moves very slowly, the document probabilities of the corresponding cells of the occupancy map would be very high, and the object would be erroneously classified as a static object. If one were to choose the limit value for the occupancy probability correspondingly higher, it would also take a very long time for static objects and thus for a long time until such a high limit value is reached. Now, if such an approach is used in a motor vehicle traveling at very high speed, such long time periods would be impractical because the latencies that would then occur until static objects reach the probability threshold are measured at the time which the objects are actually in the detection range of the laser scanner would be too large.
Daher ist es Aufgabe der vorliegenden Erfindung, ein Verfahren zum Erfassen und zur Klassifizierung eines Objekts mittels zumindest einer Sensorvorrichtung auf Basis einer Belegungskarte, ein Fahrerassistenzsystem sowie ein Kraftfahrzeug bereitzustellen, welche eine zuverlässigere Klassifikation von statischen und dynamischen Objekten erlauben.It is therefore an object of the present invention to provide a method for detecting and classifying an object by means of at least one sensor device based on an occupancy map, a driver assistance system and a motor vehicle, which allow a more reliable classification of static and dynamic objects.
Diese Aufgabe wird gelöst durch ein Verfahren, ein Fahrerassistenzsystem und ein Kraftfahrzeug mit den Merkmalen gemäß den jeweiligen unabhängigen Ansprüchen. Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand der abhängigen Ansprüche, der Beschreibung und den Figuren.This object is achieved by a method, a driver assistance system and a motor vehicle having the features according to the respective independent claims. Advantageous embodiments of the invention are subject of the dependent claims, the description and the figures.
Bei einem erfindungsgemäßen Verfahren zum Erfassen und zur Klassifizierung eines Objekts mittels zumindest einer Sensorvorrichtung auf Basis einer Belegungskarte wird die Belegungskarte bereitgestellt, welche eine Mehrzahl an gitterförmig angeordneten Zellen aufweist, wobei jeder Zelle ein festgelegter Ortsbereich einer Umgebung der zumindest einen Sensorvorrichtung zugeordnet ist. Weiterhin wird in vorbestimmten Zeitschritten wiederholt zumindest ein Teil der Umgebung durch die zumindest eine Sensorvorrichtung abgetastet. Des Weiteren wird einer jeweiligen Zelle eine Belegungswahrscheinlichkeit zugeordnet, wobei die Belegungswahrscheinlichkeit einer jeweiligen Zelle erhöht wird, wenn durch die zumindest einen Sensorvorrichtung ein Scanpunkt in einem zu einer jeweiligen Zelle zugeordneten Ortsbereich der Umgebung erfasst wird. Darüber hinaus werden zur Ermittlung einer Gesamtbelegungswahrscheinlichkeit für eine jeweilige der Zellen die Belegungswahrscheinlichkeiten einer jeweiligen Zelle nach jedem Zeitschritt mit einer Zerfallsfunktion multipliziert und das Ergebnis als die Gesamtbelegungswahrscheinlichkeit für eine jeweilige der Zellen bereitgestellt. Zudem wird unter der Voraussetzung, dass die Gesamtbelegungswahrscheinlichkeit für zumindest eine erste der Zellen von Null verschieden ist, ein Objekt in dem der ersten Zelle zugeordneten Ortsbereich erfasst. Weiterhin wird ein Wahrscheinlichkeitsverlauf auf Basis der Gesamtbelegungswahrscheinlichkeiten in einem vorbestimmten die erste Zelle umfassenden Bereich der Belegungskarte ermittelt und das Objekt als statisch oder dynamisch in Abhängigkeit von dem Wahrscheinlichkeitsverlauf klassifiziert.In a method according to the invention for detecting and classifying an object by means of at least one sensor device on the basis of an occupancy map, the occupancy map becomes which has a plurality of cells arranged in a grid, wherein each cell is assigned a defined local area of an environment of the at least one sensor device. Furthermore, at least a part of the environment is scanned repeatedly by the at least one sensor device at predetermined time steps. Furthermore, an occupancy probability is assigned to a respective cell, wherein the occupancy probability of a respective cell is increased when a scan point in a location area of the environment assigned to a respective cell is detected by the at least one sensor device. In addition, to determine a total occupancy probability for a respective one of the cells, the occupancy probabilities of a respective cell are multiplied by a decomposition function after each time step and the result is provided as the total occupancy probability for a respective one of the cells. In addition, assuming that the total occupancy probability for at least a first of the cells is different from zero, an object is detected in the location area associated with the first cell. Furthermore, a probability course is determined on the basis of the total occupancy probabilities in a predetermined area of the occupancy map comprising the first cell, and the object is classified as static or dynamic as a function of the probability course.
Die Multiplikation mit einer Zerfallsfunktion kann dabei vorteilhafterweise bewirken, dass die Belegungswahrscheinlichkeiten für Zellen, die zu Ortsbereichen korrespondieren, an welchem sich ein Objekt befunden hat, welches sich nun jedoch zu einer anderen Position weiter bewegt hat, im zeitlichen Verlauf reduziert werden. Die Zerfallsfunktion bewirkt also gewissermaßen einen zeitlichen Wahrscheinlichkeitszerfall in Zellen ab dem Zeitpunkt, ab dem in einer Zelle beziehungsweise dem zugeordneten Ortsbereich keine Scanpunkte mehr erfasst werden. Für bewegte, das heißt dynamische, Objekte ergibt sich damit vorteilhafterweise in der Belegungskarte ein charakteristischer Wahrscheinlichkeitsverlauf, anhand welchen Objekte deutlich zuverlässiger und robuster als statisch oder dynamisch klassifiziert werden können. Entsprechend lassen sich beispielsweise auch Objekte, welche sich nur sehr langsam bewegen, eindeutig als dynamische Objekte richtig klassifizieren. Die Betrachtung des Wahrscheinlichkeitsgradienten kann damit vorteilhafterweise für eine besonders zuverlässige Klassifizierung von dynamischen Objekten genutzt werden.The multiplication with a decay function can advantageously have the effect that the occupancy probabilities for cells which correspond to location areas on which an object has been located, but which has now moved further to another position, are reduced in the course of time. The decay function thus effectively causes a temporal probability decay in cells from the time at which no more scan points are detected in a cell or the associated location area. For moving, that is dynamic, objects advantageously results in the occupancy map a characteristic probability course, based on which objects can be classified much more reliable and robust than static or dynamic. Accordingly, objects that move only very slowly can be clearly classified as dynamic objects. The consideration of the probability gradient can thus be used advantageously for a particularly reliable classification of dynamic objects.
Die Belegungskarte kann im Allgemeinen auch als Belegungsgitter oder Occupancy Grid Map bezeichnet werden. Grid Maps repräsentieren die Umgebung als Gitter, insbesondere als zweidimensionales Gitter, das aus einzelnen Zellen besteht, die vorzugsweise eine fixe Größe haben. Jeder Zelle können feste Eigenschaften zugewiesen werden. In diesem Fall wird jeder Zelle die Wahrscheinlichkeit, dass sie belegt ist, zugewiesen, die entsprechend die Gesamtbelegungswahrscheinlichkeit für eine jeweilige Zelle bereitstellt. Weiterhin verläuft die Belegungskarte vorzugsweise in einer Ebene, welche beispielsweise in Bezug zur Umgebung horizontal angeordnet ist. Ist die Sensorvorrichtung beispielsweise als Laserscanner ausgebildet, so kann dieser beispielsweise frontseitig an ein Kraftfahrzeug angeordnet sein und die Umgebung ebenfalls in einer horizontalen Ebene oder zumindest in einer Scanebene scannen, die um einen vorbestimmten Winkel gegenüber der Horizontalen geneigt ist. Der Laserscanner kann die Umgebung auch in mehreren Scanebenen scannen, beispielsweise in einer ersten Scanebene, in einer zweiten Scanebene, welche gegenüber der ersten um 3°in vertikaler Richtung g eneigt ist, und in einer dritten Scanebene, welche gegenüber der ersten Scanebene um 6°in vertikaler Richtung geneigt ist, wobei die vertikale Richtung in Richtung der Hochachse eines Kraftfahrzeugs definiert wird, welches den Laserscanner aufweist. Die Belegungskarte erstreckt sich in diesem Beispiel parallel zur Längs- und Querachse des Kraftfahrzeugs.The occupancy card can also be commonly referred to as occupancy grid or occupancy grid map. Grid maps represent the environment as a grid, in particular as a two-dimensional grid, which consists of individual cells, which preferably have a fixed size. Each cell can be assigned fixed properties. In this case, each cell is assigned the probability that it will be allocated, which accordingly provides the total occupancy probability for a particular cell. Furthermore, the occupancy card preferably runs in a plane which is arranged horizontally, for example, in relation to the environment. If the sensor device is designed, for example, as a laser scanner, it can be arranged, for example, on the front side of a motor vehicle and also scan the surroundings in a horizontal plane or at least in a scan plane that is inclined by a predetermined angle relative to the horizontal. The laser scanner can also scan the surroundings in several scan planes, for example in a first scan plane, in a second scan plane, which is inclined 3 ° in the vertical direction relative to the first, and in a third scan plane, which is 6 ° in relation to the first scan plane is inclined in the vertical direction, wherein the vertical direction is defined in the direction of the vertical axis of a motor vehicle having the laser scanner. The occupancy card extends in this example parallel to the longitudinal and transverse axis of the motor vehicle.
Befindet sich beispielsweise ein statisches Objekt in einem bestimmten Ortsbereich, so werden in diesem Ortsbereich in jedem Zeitschritt Scanpunkte erfasst. Dies führt dazu, dass die Belegungswahrscheinlichkeit der zugeordneten Zelle in jedem Zeitschritt erhöht wird. Dabei wird die Belegungswahrscheinlichkeit vorzugsweise nur bis zu einem vorbestimmten Maximalwert der Belegungswahrscheinlichkeit, wie beispielsweise 1, erhöht. Zudem ist die Zerfallsfunktion so bemessen, dass die Reduktion der Belegungswahrscheinlichkeit geringer ist, als die Erhöhung der Belegungswahrscheinlichkeit bei erfasstem Scanpunkt. Wird also ein einer bestimmten Zelle zugeordneter Scanpunkt erfasst, so resultiert daraus eine Gesamtbelegungswahrscheinlichkeit für diese bestimmte Zelle, die trotz Multiplikation mit der Zerfallsfunktion höher ist als die Gesamtbelegungswahrscheinlichkeit im vorhergehenden Zeitschritt. Hierdurch lassen sich auch statische Objekte, insbesondere auch Leitplanken, zuverlässig detektieren bzw. als statische Objekte klassifizieren.If, for example, there is a static object in a specific location area, then in this location area scan points are detected at each time step. As a result, the occupancy probability of the associated cell is increased in each time step. In this case, the occupancy probability is preferably increased only up to a predetermined maximum value of the occupancy probability, such as 1, for example. In addition, the decay function is dimensioned so that the reduction of the occupancy probability is less than the increase in the occupancy probability at the detected scan point. If, therefore, a scan point assigned to a particular cell is detected, this results in a total occupancy probability for this particular cell which, despite multiplication by the decay function, is higher than the total occupation probability in the preceding time step. As a result, static objects, in particular guardrails, can also be reliably detected or classified as static objects.
Bei einer vorteilhaften Ausgestaltung der Erfindung stellt die zumindest eine Sensorvorrichtung einen Laserscanner dar. Damit können vorteilhafterweise die Vorteile der Erfindung in Bezug auf eine einfache und zuverlässige Klassifikation von statischen und bewegten Objekten für die als Laserscanner ausgebildete zumindest eine Sensorvorrichtungen genutzt werden. Vorteile lassen sich dabei gerade im Hinblick auf eine zuverlässige Klassifikation von Objekten erzielen, deren korrekte Klassifikation auf Basis der Erfassung durch einen Laserscanner üblicherweise problematisch ist, wie beispielsweise Leitplanken.In an advantageous embodiment of the invention, the at least one sensor device constitutes a laser scanner. Advantageously, the advantages of the invention can be utilized with respect to a simple and reliable classification of static and moving objects for the at least one sensor devices designed as laser scanners. Advantages can be achieved especially with regard to a reliable classification of objects, their correct classification based on the detection by a laser scanner is usually problematic, such as crash barriers.
Das erfindungsgemäße Verfahren und dessen nachfolgend beschriebenen Ausführungsformen lassen sich dabei aber im Allgemeinen mit jeder beliebig ausgebildeten Sensorvorrichtung umsetzen. Diese kann beispielweise abgesehen von der bevorzugten Ausbildung als Laserscanner auch als Radarsensor und/oder Ultraschallsensor ausgebildet sein. Auch eine Ausbildung als Kamera, Stereokamera oder Time-of-Flight-Kamera ist denkbar. Das Abtasten der Umgebung durch die Sensorvorrichtung sowie das Erfassen eines Scanpunkts ist dabei im Allgemeinen als eine Erfassung zumindest des Teils der Umgebung basierend auf dem durch die Sensorvorrichtung entsprechend ihrer Ausbildung bereitgestellten Messprinzip zu verstehen. Einzelne Scanpunkte müssen dabei nicht notwendigerweise zeitlich aufeinanderfolgen erfasst werden sondern können beispielsweise auch gleichzeitig erfasst werden. Zudem kann das Verfahren auch im Zusammenhang mit einer Sensoranordnung aufweisend mehrere verschieden ausgebildete Sensorvorrichtungen ausgeführt werden.However, the method according to the invention and its embodiments described below can generally be implemented with any sensor device of any design. This can be designed, for example, apart from the preferred embodiment as a laser scanner as a radar sensor and / or ultrasonic sensor. Training as a camera, stereo camera or time-of-flight camera is also conceivable. The scanning of the environment by the sensor device and the detection of a scan point is to be understood in general as a detection of at least the part of the environment based on the measuring principle provided by the sensor device according to their training. Individual scan points do not necessarily have to be recorded in chronological succession but can also be detected simultaneously, for example. In addition, the method can also be carried out in connection with a sensor arrangement comprising a plurality of differently configured sensor devices.
Das beschriebene Verfahren kann in gleicher Weise auch bei der Verwendung mehrerer Sensorvorrichtungen, wie zum Beispiel mehrerer Laserscanner, ganz analog angewandt werden. Dabei stellt es eine vorteilhafte Ausgestaltung der Erfindung dar, dass bei der Zuordnung der Belegungswahrscheinlichkeiten zu einer jeweiligen Zelle, die in dem gleichen einer Zelle zugeordneten Ortsbereich durch mehrere Sensorvorrichtungen erfassten Scanpunkte addiert werden und die Belegungswahrscheinlichkeit für die diesem Ortsbereich zugeordnete Zellen in Abhängigkeit von der Anzahl an in dem ihr zugeordneten Ortsbereich erfassten Scanpunkte erhöht wird, insbesondere wobei die Erhöhung proportional zur Anzahl der erfassten Scanpunkten ist. Die in einem jeweiligen Ortsbereich und für einen jeweiligen Zeitschritt erfassten Scanpunkten, unabhängig davon, ob diese nun durch einen oder mehrere Sensorvorrichtungen erfasst wurden, sind damit auch proportional zur Belegungswahrscheinlichkeit, und damit auch proportional zur Gesamtbelegungswahrscheinlichkeit. Dies ist besonders vorteilhaft, da die Wahrscheinlichkeit dafür, dass sich in einem Ortsbereich tatsächlich ein Objekt befindet, wenn in diesem Ortsbereich von mehreren Sensorvorrichtungen gleichzeitig Scanpunkte erfasst werden, höher ist, als wenn für diesen Ortsbereich lediglich nur durch eine Sensorvorrichtung ein Scanpunkt erfasst werden würde. Den realen Gegebenheiten unter Berücksichtigung von Messungenauigkeiten kann durch diese Art der Generierung der Belegungskarte deutlich besser Rechnung getragen werden. Mit anderen Worten, der Tatsache, dass redundante Messergebnisse zuverlässiger sind, kann durch die entsprechende Erhöhung der Belegungswahrscheinlichkeiten proportional zur Anzahl erfasster Scanpunkte berücksichtigt werden.The method described can be applied in the same way even when using a plurality of sensor devices, such as a plurality of laser scanners, quite analogously. In this case, it is an advantageous embodiment of the invention that, when assigning the occupancy probabilities to a respective cell, the scan points acquired in the same location area allocated by a plurality of sensor devices are added together with the occupancy probability for the cells assigned to this location area as a function of the number is increased at the scanned in its associated location area detected scan points, in particular wherein the increase is proportional to the number of detected scan points. The scan points detected in a respective local area and for a respective time step, irrespective of whether they have now been detected by one or more sensor devices, are therefore also proportional to the occupancy probability, and thus also proportional to the total occupancy probability. This is particularly advantageous because the probability that an object is actually located in a location area if scan points are detected simultaneously by a plurality of sensor devices in this location area is higher than if a scan point were only detected by a sensor device for this location area , The real conditions taking into account measurement inaccuracies can be better taken into account by this type of generation of the occupancy map. In other words, the fact that redundant measurement results are more reliable can be taken into account by the corresponding increase in occupancy probabilities proportional to the number of detected scan points.
Gemäß einer weiteren vorteilhaften Ausgestaltung der Erfindung bewirkt die Zerfallsfunktion, dass die Belegungswahrscheinlichkeit einer jeweiligen Zelle nach einem Zeitschritt reduziert wird, wenn in dem der jeweiligen Zelle zugeordneten Ortsbereich für den Zeitschritt kein Scanpunkt erfasst wurde. Dadurch wird es vorteilhafterweise gewährleistet, dass Zellen, die einmal belegt waren, nun jedoch nicht mehr belegt sind, nicht dauerhaft als belegt gelten. Zudem wird es darüber vorteilhafterweise ermöglicht, dass ein bewegtes Objekt auf einfache Weise anhand seines charakteristischen Wahrscheinlichkeitsverlaufs, insbesondere Wahrscheinlichkeitsgradientenverlaufs, in der Belegungskarte identifiziert werden kann.According to a further advantageous embodiment of the invention, the decay function causes the occupancy probability of a respective cell to be reduced after a time step if no scan point has been detected in the location area assigned to the respective cell for the time step. This advantageously ensures that cells that were once occupied but are no longer occupied are not considered to be permanently occupied. In addition, it is advantageously made possible that a moving object can be identified in a simple manner on the basis of its characteristic probability profile, in particular probability gradient curve, in the occupancy map.
Bei einer weiteren vorteilhaften Ausgestaltung der Erfindung stellt die Zerfallsfunktion einen Zerfallsfaktor dar, insbesondere zwischen Null und Eins. Die stellt eine besonders einfache und effektive Ausgestaltung einer Zerfallsfunktion dar. Beispielsweise kann die Belegungswahrscheinlichkeit einer jeden Zelle in jedem Zeitschritt mit einem Faktor, zum Beispiel 0,99 multipliziert werden. Für den Fall, dass in einem einer Zelle zugeordneten Ortsbereich für lange Zeit kein Scanpunkt erfasst wird, wird auch entsprechend die Gesamtbelegungswahrscheinlichkeit Zeitschritt für Zeitschritt reduziert und ist nach bestimmter Zeit wieder annähernd 0. Auch hierbei ist es vorteilhaft, wenn eine Reduktion der Belegungswahrscheinlichkeit durch den Zerfallsfaktor oder im Allgemeinen durch die Zerfallsfunktion nur dann stattfindet, wenn die aktuelle Gesamtbelegungswahrscheinlichkeit nicht bereits minimal ist, und zum Bespiel von Null verschieden ist. Die Zerfallsfunktion kann jedoch im Allgemeinen einen beliebigen Verlauf annehmen und muss nicht zwingend als Faktor bereitgestellt sein. Beispielsweise ist es auch vorteilhaft, wenn die Zerfallsfunktion situationsabhängig unterschiedlich gewählt wird. Dies wird zu dem nachfolgenden Ausführungsbeispiel näher erläutert.In a further advantageous embodiment of the invention, the decay function represents a decay factor, in particular between zero and one. This represents a particularly simple and effective embodiment of a decay function. For example, the occupancy probability of each cell in each time step can be multiplied by a factor, for example 0.99. In the event that no scan point is detected for a long time in a location area assigned to a cell, the total occupancy probability time step by step is also reduced correspondingly and is again approximately 0 after a certain time. Here too, it is advantageous if a reduction of the occupancy probability by the Decay factor or generally by the decay function takes place only if the current total occupancy probability is not already minimal, and is for example different from zero. However, the decay function can generally take any course and does not necessarily have to be provided as a factor. For example, it is also advantageous if the decay function is selected differently depending on the situation. This will be explained in more detail for the following exemplary embodiment.
Gemäß dieser weiteren vorteilhaften Ausgestaltung der Erfindung wird die Zerfallsfunktion für einen verdeckten Umgebungsbereich und einen nicht verdeckten Umgebungsbereich unterschiedlich bestimmt, wobei der verdeckte Umgebungsbereich einen in einem Erfassungsbereich der Sensorvorrichtung befindlichen Bereich der Umgebung darstellt, der von einem sich zwischen diesem Bereich und der Sensorvorrichtung befindlichen Objekt verdeckt wird.According to this further advantageous embodiment of the invention, the decay function for a hidden surrounding area and an unobscured surrounding area is determined differently, wherein the hidden surrounding area represents an area of the surroundings located in a detection area of the sensor device, that of an object located between this area and the sensor device is covered.
Im Allgemeinen sollten die Erhöhung der Belegungswahrscheinlichkeit für den Fall, dass in einem Ortsbereich ein Scanpunkt erfasst wurde, und die Zerfallsfunktion so aufeinander abgestimmt sein, dass für den Fall, dass in dem Ortsbereich ein Scanpunkt erfasst wurde auch die Gesamtbelegungswahrscheinlichkeit für die zugeordnete Zelle trotz Multiplikation der Belegungswahrscheinlichkeiten mit der Zerfallsfunktion insgesamt erhöht wird. Damit wird die Gesamtbelegungswahrscheinlichkeit für die entsprechende Zelle nur dann reduziert, wenn für einen Zeitschritt kein Scanpunkt in dem zugeordneten Ortsbereich erfasst wurde. Um zu verhindern, dass aus Sicht er Sensorvorrichtung, zum Beispiel aus Sicht des Laserscanners, verdeckte Bereiche fehlinterpretiert werden, ist es nun besonders vorteilhaft, die Auswirkungen der Zerfallsfunktion auf diese den verdeckten Bereichen zugeordneten Zellen möglichst gering zu halten. Dadurch können vorteilhafterweise die Fälle unterschieden werden, dass zum einen kein Objekt erfasst wurde, weil in einem vom Laserscanner abgetasteten Bereich kein Scanpunkt erfasst wurde, und dass zum anderen kein Objekt erfasst wurde, weil aufgrund der Verdeckung dieses Bereichs, in welchem sich das Objekt befindet, dieses Objekt gar nicht abgetastet werden konnte. In solchen verdeckten Bereichen kann die Zerfallsfunktion, insbesondere der Zerfallsfaktor, größer, oder beispielsweise gleich 1, gewählt werden.In general, the increase of the occupancy probability in case a scan point was detected in a location area and the decay function should be so coordinated, in the event that a scan point has been detected in the location area, the total occupancy probability for the assigned cell is also increased overall despite multiplication of the occupancy probabilities with the decay function. Thus, the total occupancy probability for the corresponding cell is only reduced if no scan point in the assigned location area was detected for a time step. In order to prevent hidden areas from being misinterpreted from the perspective of the sensor device, for example from the laser scanner's point of view, it is now particularly advantageous to minimize the effects of the decay function on these cells assigned to the hidden areas. As a result, it is advantageously possible to distinguish the cases in which no object was detected because no scan point was detected in an area scanned by the laser scanner and, secondly, because no object was detected because of the occlusion of this area in which the object is located , this object could not be scanned at all. In such hidden areas, the decay function, in particular the decay factor, may be greater, or for example equal to 1, chosen.
Gemäß einer weiteren vorteilhaften Ausgestaltung der Erfindung wird eine Bewegung der Sensorvorrichtung relativ zur Umgebung erfasst und die erfasste Bewegung bei der Zuordnung von den durch die zumindest eine Sensorvorrichtung erfassten Scanpunkten zu den Zellen der Belegungskarte berücksichtigt.According to a further advantageous embodiment of the invention, a movement of the sensor device is detected relative to the environment and the detected movement in the assignment of the detected by the at least one sensor device scan points to the cells of the occupancy map taken into account.
Dies erlaubt vorteilhafterweise eine Eigenbewegungskompensation. Punkte werden durch eine Sensorvorrichtung üblicherweise in einem Sensorvorrichtungs-festen Koordinatensystem erfasst. Die Belegungskarte beziehungsweise deren Zellen sind dagegen ortsfest und somit auch durch ein ortsfestes Koordinatensystem beschrieben. This advantageously allows proper motion compensation. Dots are typically detected by a sensor device in a sensor-fixed coordinate system. The occupancy card or its cells, however, are stationary and thus also described by a stationary coordinate system.
Durch diese Ausführungsform der Erfindung wird es vorteilhafterweise ermöglicht, dass die in Bezug zum Sensorvorrichtungs-festen Koordinatensystem erfassten Scanpunkte auch bei Bewegung der Sensorvorrichtung in Bezug auf die Umgebung den richtigen Ortsbereichen der jeweiligen Zellen zugeordnet werden. Das Sensorvorrichtungs-feste Koordinatensystem hängt damit über eine einfache Transformation mit dem ortsfesten Koordinatensystem der Belegungskarte zusammen, wobei diese Transformation durch die Bewegung der Sensorvorrichtung relativ zur Umgebung bestimmt ist. Die Bewegung der Sensorvorrichtung relativ zur Umgebung ist insbesondere durch eine Geschwindigkeit der Sensorvorrichtung sowie eine Richtung der Bewegung bestimmt. Ist die Sensorvorrichtung Teil eines Kraftfahrzeugs, so können diese Größen auf einfache Weise mittels Kraftfahrzeugsensoren ermittelt werden, zum Beispiel Geschwindigkeitssensoren, diverse Positionserfassungsmittel oder Lenkwinkelsensoren.This embodiment of the invention advantageously allows the scan points detected relative to the sensor device-fixed coordinate system to be assigned to the correct location areas of the respective cells even when the sensor device moves with respect to the surroundings. The sensor device-fixed coordinate system is thus connected via a simple transformation with the fixed coordinate system of the occupancy map, this transformation being determined by the movement of the sensor device relative to the environment. The movement of the sensor device relative to the environment is determined in particular by a speed of the sensor device and a direction of movement. If the sensor device is part of a motor vehicle, then these variables can be determined in a simple manner by means of motor vehicle sensors, for example speed sensors, various position detection means or steering angle sensors.
Gemäß einer weiteren vorteilhaften Ausgestaltung der Erfindung wird der der ersten Zelle zugeordnete Ortsbereich als ein aktueller Ort des erfassten Objekts bestimmt für den Fall, dass die Gesamtbelegungswahrscheinlichkeiten der übrigen Zellen im vorbestimmten Bereich kleiner oder höchstens gleich der Gesamtbelegungswahrscheinlichkeit der ersten Zelle sind. Der aktuelle Ort eines Objekts spiegelt sich in der beschriebenen Belegungskarte als ein lokales Wahrscheinlichkeitsmaximum wieder. Erstrecken sich Objekte in ihrer Ausdehnung bzw. Größe dabei über mehrere Zellen hinweg, d.h. zumindest im abtastbaren Sichtfeld des Laserscanners oder im Allgemeinen der Sensorvorrichtung, so ist die Belegungswahrscheinlichkeit dieser entsprechenden Zellen etwa gleich hoch. Die aktuellen Orte von Objekten in der Umgebung können damit auf einfache Weise dadurch ausfindig gemacht werden, indem in der Belegungskarte nach Maxima der Gesamtbelegungswahrscheinlichkeit gesucht wird.According to a further advantageous embodiment of the invention, the location area assigned to the first cell is determined as a current location of the detected object in the event that the total occupancy probabilities of the remaining cells in the predetermined area are less than or at most equal to the total occupancy probability of the first cell. The current location of an object is reflected in the occupancy map described as a local probability maximum. Extend objects in their extent or size over several cells, i. at least in the scannable field of view of the laser scanner or in general of the sensor device, the occupancy probability of these corresponding cells is about the same. The current locations of objects in the environment can thus be easily located by searching for maxima of the total occupancy probability in the occupancy map.
Ist beispielsweise der aktuelle Ort eines Objekts durch eine derartige Vorgehensweise ausfindig gemacht, so kann wie im Folgenden beschrieben auf einfache Weise klassifiziert werden, ob es sich bei diesem Objekt um ein statisches oder um ein dynamisches Objekt handelt.If, for example, the current location of an object is found by such a procedure, it can be classified in a simple manner as described below whether this object is a static object or a dynamic object.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung erstreckt sich der vorbestimmte Bereich von der ersten Zelle, in welcher also ein Wahrscheinlichkeitsmaximum bestimmt worden ist, in zumindest eine bestimmte Richtung bis zu einer vorbestimmten aufeinanderfolgenden Anzahl an Zellen, denen jeweils eine Gesamtbelegungswahrscheinlichkeit kleiner als ein vorbestimmter Grenzwert zugeordnet ist. Der vorbestimmte Bereich ist damit quasi als zusammenhängend belegter Bereich der Belegungskarte umfassen die erste Zelle definiert, wobei belegt hierbei im Sinne einer vorbestimmte Mindestgesamtbelegungswahrscheinlichkeit aufweisend zu verstehen ist. Ein solcher Bereich zeigt dabei für statische Objekte einen anderen Wahrscheinlichkeitsverlauf als für dynamische Objekte, was erfindungsgemäß vorteilhafterweise zur Klassifizierung genutzt wird.According to an advantageous embodiment of the invention, the predetermined range extends from the first cell, in which a probability maximum has been determined, in at least one specific direction up to a predetermined consecutive number of cells, each having a total occupancy probability less than a predetermined limit , The predetermined area is thus quasi defined as contiguous occupied area of the occupancy map comprise the first cell, which occupies here in the sense of a predetermined minimum total occupancy probability has to be understood. Such an area shows a different probability course for static objects than for dynamic objects, which according to the invention is advantageously used for classification.
Dabei ist es besonders vorteilhaft, dass für den Fall, dass der Wahrscheinlichkeitsverlauf der Gesamtbelegungswahrscheinlichkeit ausgehend von der ersten Zelle in zumindest eine Richtung im Mittel abnimmt und im Mittel größer ist als ein vorbestimmter Grenzwert, das Objekt als dynamisches Objekt klassifiziert wird. Ein Objekt, das sich sozusagen durch das ortsfeste Gitter der Belegungskarte bewegt, hinterlässt bedingt durch die Zerfallsfunktion eine abnehmende „Wahrscheinlichkeitsspur“, d.h. ein Wahrscheinlichkeitsverlauf, der mit zunehmendem Abstand zur aktuellen Position des Objekts abnimmt. Eine solche Wahrscheinlichkeitsspur ist dagegen bei statischen Objekten nicht zu verzeichnen. Diese können auf einfache Weise in der Belegungskarte dadurch erkannt werden, dass die Zellen, welche zu den Ortsbereichen, an welchem sich das Objekt befindet, eine sehr hohe Gesamtbelegungswahrscheinlichkeit aufweisen, die Zellen, die zu angrenzenden Ortsbereichen korrespondieren, jedoch eine sehr niedrige oder gar keine Gesamtbelegungswahrscheinlichkeit aufweisen. Daher zeichnen sich statische Objekte durch einen Bereich in der Belegungskarte mit annähernd konstanter Belegungswahrscheinlichkeit und einen relativ steilen Wahrscheinlichkeitsabfall, d.h. einen hohen Wahrscheinlichkeitsgradienten, im Randbereich aus. Bei dynamischen Objekten dagegen ist ausgehend von der aktuellen Position des Objekts vielmehr ein kontinuierlich abfallender Gesamtwahrscheinlichkeitsverlauf zu verzeichnen. Um Messunsicherheiten, oder sonstige nicht relevante Schwankungen bei der Betrachtung des Wahrscheinlichkeitsverlaufs unberücksichtigt zu lassen, kann der Wahrscheinlichkeitsverlauf vorteilhafterweise im Mittel betrachtet werden.It is particularly advantageous that, in the event that the probability profile of the total occupancy probability decreases on average in at least one direction starting from the first cell and is on average greater than a predetermined limit value, the object is classified as a dynamic object. An object that moves through the fixed grid of the occupancy map, as it were, leaves behind a decreasing "probability lane" due to the decay function, ie a probability course that coincides with increasing distance to the current position of the object decreases. On the other hand, such a likelihood trace does not occur with static objects. These can be easily recognized in the occupancy map by the fact that the cells which have a very high total occupancy probability with respect to the location areas where the object is located, the cells corresponding to adjacent location areas, have a very low or none at all Total occupancy probability. Therefore, static objects are characterized by an area in the occupancy map with approximately constant occupancy probability and a relatively steep probability drop, ie a high probability gradient, in the edge area. On the other hand, in the case of dynamic objects, starting from the current position of the object, a continuously decreasing overall probability course can be observed. In order to disregard measurement uncertainties, or other irrelevant fluctuations in the consideration of the probability profile, the probability profile can advantageously be considered on average.
Dabei ist es besonders vorteilhaft, wenn zur Bestimmung des Wahrscheinlichkeitsverlaufs im Mittel die Gesamtbelegungswahrscheinlichkeiten einer vorbestimmten Anzahl aneinandergrenzender Zellen gemittelt werden, insbesondere für eine jeweilige Zelle im vorbestimmten Bereich. Dies hat den Hintergrund, dass in einer Belegungskarte oftmals Wahrscheinlichkeitslücken an bestimmten Stellen oder auch in einem solchen Wahrscheinlichkeitsverlauf auftreten können, die einerseits durch Messungenauigkeiten bedingt sein können, zum anderen auch durch hohe Geschwindigkeiten dynamischer Objekte. Beispielsweise kann es sein, dass ein Objekt, welches sich über einen bestimmten Ortsbereich hinweg bewegt hat, in diesem Ortsbereich nicht als Scanpunkt erfasst wurde, da die Dauer für die Bewegung durch den Ortsbereich geringer ist als der zeitliche Abstand der vorbestimmten Zeitschritte, in welchem die Umgebung abgetastet wird. Derartige Lücken können also zu lokalen Schwankungen im Wahrscheinlichkeitsverlauf führen, die durch oben beschriebene Mittelung vorteilhafterweise kompensiert werden können. Beispielsweise kann sich der Wahrscheinlichkeitswert des Wahrscheinlichkeitsverlaufs an einer bestimmten Position aus einer Mitteilung der Gesamtwahrscheinlichkeiten der an diese Position angrenzenden Zellen zusammensetzen. Darüber hinaus gibt es alternativ noch vielfältige weitere Möglichkeiten. Beispielsweise könnte für die jeweiligen Gesamtwahrscheinlichkeitswerte im vorbestimmten Bereich auch eine mittlere Wahrscheinlichkeitsverlaufskurve berechnet werden, beispielsweise in Form einer Regressionskurve, oder ähnliches. Auch hierdurch lassen sich vorteilhafterweise die oben beschriebenen Lücken kompensieren. Zudem kann es durch solche Lücken vorkommen, dass der nur Zellen oberhalb einer bestimmten Mindestgesamtwahrscheinlichkeit umfassende Wahrscheinlichkeitsverlauf für ein bewegtes Objekt kein vollständig zusammenhängendes Zellengebiet darstellt. Auch dies lässt sich vorteilhafterweise dadurch berücksichtigen, dass der vorbestimmte Bereich so definiert ist, dass dieser erst endet, wenn eine vorbestimmte Mindestanzahl an Zellen in zumindest eine Richtung ausgehend von der ersten Zelle eine Wahrscheinlichkeit unterhalb des Grenzwerts aufweisen, so dass kleinere Lücken noch in diesen vorbestimmten Bereich fallen.It is particularly advantageous if the total occupancy probabilities of a predetermined number of contiguous cells are averaged for determining the probability profile on average, in particular for a respective cell in the predetermined range. This has the background that in an occupancy map often probability gaps at certain points or in such a probability course can occur, which can be caused on the one hand by measurement inaccuracies, on the other hand also by high speeds of dynamic objects. For example, an object that has moved over a certain location area may not have been detected as a scan point in this location area since the duration for the movement through the location area is less than the time interval of the predetermined time steps in which the Environment is scanned. Such gaps can thus lead to local fluctuations in the probability course, which can be advantageously compensated by the averaging described above. For example, the likelihood value of the likelihood curve at a particular position may be composed of a notification of the overall probabilities of the cells adjacent to that position. In addition, there are many other options as an alternative. For example, an average probability curve could also be calculated for the respective overall probability values in the predetermined range, for example in the form of a regression curve, or the like. This also makes it possible advantageously to compensate for the gaps described above. In addition, such gaps may cause the probability course for a moving object, which only encompasses cells above a certain minimum total probability, not to constitute a completely coherent cell area. This too can advantageously be taken into account by the fact that the predetermined range is defined such that it ends only if a predetermined minimum number of cells in at least one direction starting from the first cell has a probability below the limit, so that smaller gaps still exist in these fall predetermined range.
Hierdurch lassen sich im Allgemeinen auf besonders zuverlässige und robuste Weise Objekte als statische und dynamische Objekte klassifizieren. Die Betrachtung des Wahrscheinlichkeitsverlaufs beziehungsweise des Wahrscheinlichkeitsgradienten ermöglicht darüber hinaus noch die Ermittlung weiterer Zusatzinformationen in Bezug auf das Objekt.As a result, it is generally possible to classify objects as static and dynamic objects in a particularly reliable and robust manner. The consideration of the probability profile or the probability gradient also makes it possible to determine further additional information relating to the object.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung wird für den Fall, dass das Objekt als dynamisches Objekt klassifiziert wird, ein Schätzwert für eine Bewegungsgeschwindigkeit des Objekts auf Basis der Belegungskarte bestimmt. Hierdurch lässt sich vorteilhafterweise nicht nur bestimmen, ob es sich bei einem Objekt um ein dynamisches oder ein statisches Objekt handelt sondern es kann auf Basis der Belegungskarte auch abgeschätzt werden, mit welcher Geschwindigkeit sich ein Objekt bewegt.According to an advantageous embodiment of the invention, in the event that the object is classified as a dynamic object, an estimated value for a movement speed of the object is determined on the basis of the occupancy map. As a result, it is advantageously not only possible to determine whether an object is a dynamic object or a static object but it is also possible on the basis of the occupancy map to estimate with which speed an object moves.
Hierbei kann es beispielsweise vorgesehen sein, dass der Schätzwert in Abhängigkeit von der Größe der Gesamtbelegungswahrscheinlichkeit der ersten Zelle bestimmt wird, insbesondere welche dem Ortbereich zugeordnet ist, an welchem sich das Objekt aktuell befindet. Bewegt sich beispielsweise ein Objekt sehr langsam, so befindet sich das auch sehr lange in einem einer Zelle zugeordneten Ortsbereich, sodass dieses Objekt sehr oft durch die Sensorvorrichtung und entsprechend erfasste Scanpunkte erfasst wird und auch entsprechend die Gesamtbelegungswahrscheinlichkeit der diesem Ortsbereich zugeordneten Zelle sehr hoch ist. Im umgekehrten Fall, bewegt sich ein Objekt beispielsweise sehr schnell, so ist auch entsprechend die Gesamtbelegungswahrscheinlichkeit der Zelle, die dem Ortsbereich, an welchem sich das Objekt gerade befindet, entspricht, sehr niedrig. Damit stellt für ein dynamisches Objekt die Größe der Gesamtbelegungswahrscheinlichkeit am aktuellen Ort des Objekts ein Maß für die Bewegungsgeschwindigkeit des Objekts dar. Hierdurch lassen sich vorteilhafterweise die Gesamtbelegungswahrscheinlichkeiten mit der Objektgeschwindigkeit skalieren, wodurch durch die Bestimmung der Größe der Gesamtbelegungswahrscheinlichkeit an einem aktuellen Aufenthaltsort eines Objekts vorteilhafterweise auch ein Schätzwert für die aktuelle Geschwindigkeit des Objekts angegeben werden kann.In this case, it can be provided, for example, that the estimated value is determined as a function of the size of the total occupancy probability of the first cell, in particular which is assigned to the location area at which the object is currently located. If, for example, an object moves very slowly, this is also located in a location area assigned to a cell for a very long time, so that this object is detected very often by the sensor device and correspondingly acquired scan points and, correspondingly, the total occupancy probability of the cell assigned to this location area is very high. In the opposite case, if an object is moving very fast, for example, the total occupancy probability of the cell, which corresponds to the location area where the object is located, is also very low. Thus, for a dynamic object, the size of the total occupancy probability at the current location of the object is a measure of the speed of movement of the object. Advantageously, the total occupancy probabilities can be scaled with the object speed, thereby advantageously determining the size of the total occupancy probability at a current location of an object also an estimate can be specified for the current speed of the object.
Bei einer weiteren vorteilhaften Ausgestaltung der Erfindung wird der Schätzwert in Abhängigkeit von einer Länge des Wahrscheinlichkeitsverlaufs von Gesamtbelegungswahrscheinlichkeiten, welche im Mittel größer als ein vorbestimmter Grenzwert sind, im vorbestimmten Bereich ausgehend von der ersten Zelle bestimmt.In a further advantageous embodiment of the invention, the estimated value is determined as a function of a length of the probability profile of total occupancy probabilities, which on average are greater than a predetermined limit value, in the predetermined range starting from the first cell.
Wie beschrieben, zeigt ein dynamisches Objekt in der Belegungskarte zumindest im Mittel einen von der aktuellen Position an abfallenden Wahrscheinlichkeitsverlauf. Je länger dieser Verlauf ist, und zumindest im Mittel von Null verschieden, desto schneller hat sich das Objekt durch die entsprechenden Ortsbereiche, die zu den jeweiligen Zellen im Belegungskarte korrespondieren, bewegt. Desto kürzer dagegen dieser Wahrscheinlichkeitsverlauf ist, desto langsamer bewegt sich ein Objekt. Die Länge des Wahrscheinlichkeitsverlaufs kann daher vorteilhafterweise ebenfalls mit der Bewegungsgeschwindigkeit eines Objekts skaliert werden, sodass durch die Länge dieses Wahrscheinlichkeitsverlaufs vorteilhafterweise ebenso die Geschwindigkeit des Objekts geschätzt werden kann.As described, a dynamic object in the occupancy map shows, at least on average, a probability course that drops from the current position. The longer this course is, and at least on average different from zero, the faster the object has moved through the corresponding location areas which correspond to the respective cells in the occupancy map. The shorter this probability curve is, the slower an object moves. The length of the probability course can therefore advantageously also be scaled with the movement speed of an object, so that advantageously the speed of the object can also be estimated by the length of this probability course.
Besonders vorteilhaft ist es dabei vor allem sowohl die Größe der Gesamtbelegungswahrscheinlichkeit am aktuellen Ort des Objekts sowie auch die Länge des Wahrscheinlichkeitsverlaufs bei der Schätzung der Geschwindigkeit des Objekts zu berücksichtigen, da sich hierdurch noch genauere und zuverlässigere Ergebnisse erzielen lassen.It is especially advantageous to take into account both the size of the total occupancy probability at the current location of the object as well as the length of the probability course in the estimation of the speed of the object, since this allows even more accurate and reliable results to be achieved.
Ein erfindungsgemäßes Fahrerassistenzsystem für ein Kraftfahrzeug ist dazu ausgelegt, ein erfindungsgemäße Verfahren oder eines seiner Ausgestaltungen durchzuführen.An inventive driver assistance system for a motor vehicle is designed to carry out a method according to the invention or one of its refinements.
Ein erfindungsgemäßes Kraftfahrzeug weist ein erfindungsgemäßes Fahrerassistenzsystem auf. Das Kraftfahrzeug ist insbesondere als Personenkraftwagen ausgebildet.A motor vehicle according to the invention has 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 das erfindungsgemäße Fahrerassistenzsystem und für das erfindungsgemäße Kraftfahrzeug.The preferred embodiments presented with reference to the method according to the invention and their advantages apply correspondingly to the driver assistance system according to the invention and to the motor vehicle according to the invention.
Darüber hinaus ermöglichen die im Zusammenhang mit dem erfindungsgemäßen Verfahren und seinen Ausgestaltungen genannten Verfahrensschritte die Weiterbildung des erfindungsgemäßen Fahrerassistenzsystems und des erfindungsgemäßen Kraftfahrzeugs durch weitere gegenständliche Merkmale.In addition, the method steps mentioned in connection with the method according to the invention and its embodiments make possible the further development of the driver assistance system according to the invention and the motor vehicle according to the invention by further objective features.
Weitere Merkmale der Erfindung ergeben sich aus den Ansprüchen, den Figuren und der Figurenbeschreibung. Die vorstehende in der Beschreibung genannten Merkmale und Merkmalskombinationen, so wie 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 above features and combinations of features mentioned in the description, such as the features and feature combinations mentioned below in the description of the figures and / or shown alone in the figures, can be used not only in the respectively indicated combination but also in other combinations or in isolation, without the To leave frame of 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, but which 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:
-
1 eine schematische Darstellung eines Kraftfahrzeugs mit einem Laserscanner in einer Seitenansicht gemäß einem Ausführungsbeispiel der Erfindung; -
2 eine schematische Darstellung des Kraftfahrzeugs mit dem Laserscanner und einer Belegungskarte in einer Draufsicht gemäß einem Ausführungsbeispiel der Erfindung; -
3 eine schematische Darstellung von Erfassungsbereichen zweier Laserscanner in einer Belegungskarte gemäß einem Ausführungsbeispiel der Erfindung; -
4 eine schematische Darstellung der aus der Anordnung aus3 resultierenden Scanpunkte in einer Belegungskarte gemäß einem Ausführungsbeispiel der Erfindung; -
5 eine schematische Darstellung der auf Basis der Scanpunkte den jeweiligen Zellen zugeordneten Belegungswahrscheinlichkeiten gemäß einem Ausführungsbeispiel der Erfindung; und -
6 eine schematische Darstellung einer gemäß einer Ausführungsform des erfindungsgemäßen Verfahrens erstellten Belegungskarte.
-
1 a schematic representation of a motor vehicle with a laser scanner in a side view according to an embodiment of the invention; -
2 a schematic representation of the motor vehicle with the laser scanner and an occupancy card in a plan view according to an embodiment of the invention; -
3 a schematic representation of detection areas of two laser scanners in an occupancy card according to an embodiment of the invention; -
4 a schematic representation of the from thearrangement 3 resulting scan points in an occupancy map according to an embodiment of the invention; -
5 a schematic representation of the assigned on the basis of the scan points the respective cells occupancy probabilities according to an embodiment of the invention; and -
6 a schematic representation of a created according to an embodiment of the method according to the invention allocation card.
Der Laserscanner
Weiterhin ist eine Belegungskarte
Anhand einer Belegungskarte, wie die hier dargestellte Belegungskarte
Ein Ausführungsbeispiel des erfindungsgemäßen Verfahrens zum Erfassen und zur Klassifizierung eines Objekts mittels des Laserscanners
Die für diese Anordnung korrespondierenden Scanpunkte P sind in Bezug auf die Belegungskarte
Dies ist in
Für den Fall dass sich der Laserscanner
Die zu den Kraftfahrzeugen korrespondierenden Wahrscheinlichkeitsverläufe
Durch Betrachtung der Wahrscheinlichkeitsverläufe
Ebenfalls in
Insgesamt wird es durch die Erfindung und ihre Ausgestaltungen auf vorteilhafte Weise ermöglicht, Objekte deutlich zuverlässiger zu klassifizieren, indem zusätzlich Gradienten, insbesondere räumliche Gradienten der Wahrscheinlichkeitscluster betrachtet werden. Wenn es einen klaren Belegungswahrscheinlichkeitsverlauf gibt, d.h. einen eindeutig als nicht konstanter Verlauf zu identifizierender Gesamtbelegungswahrscheinlichkeitsverlauf, handelt es sich um ein dynamisches Objekt. Dieser charakteristische Verlauf entsteht durch die Bewegung des Objekts in Kombination mit dem Zerfallsfaktor und ist auf Basis des Gradienten bestimmbar.Overall, it is advantageously made possible by the invention and its embodiments to classify objects much more reliably by additionally considering gradients, in particular spatial gradients, of the probability clusters. If there is a clear occupancy probability history, i. a total occupancy probability course to be identified unambiguously as a non-constant course, is a dynamic object. This characteristic course results from the movement of the object in combination with the decay factor and can be determined on the basis of the gradient.
Claims (15)
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102016122296.8A DE102016122296A1 (en) | 2016-11-21 | 2016-11-21 | Method for detecting and classifying an object by means of at least one sensor device based on an occupancy map, driver assistance system and motor vehicle |
PCT/EP2017/078981 WO2018091386A1 (en) | 2016-11-21 | 2017-11-13 | Method for detecting and classifying an object by means of at least one sensor apparatus on the basis of an occupancy map, driver assistance system and motor vehicle |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102016122296.8A DE102016122296A1 (en) | 2016-11-21 | 2016-11-21 | Method for detecting and classifying an object by means of at least one sensor device based on an occupancy map, driver assistance system and motor vehicle |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102016122296A1 true DE102016122296A1 (en) | 2018-05-24 |
Family
ID=60582549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102016122296.8A Withdrawn DE102016122296A1 (en) | 2016-11-21 | 2016-11-21 | Method for detecting and classifying an object by means of at least one sensor device based on an occupancy map, driver assistance system and motor vehicle |
Country Status (2)
Country | Link |
---|---|
DE (1) | DE102016122296A1 (en) |
WO (1) | WO2018091386A1 (en) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018215288A1 (en) * | 2018-09-07 | 2020-03-12 | Bayerische Motoren Werke Aktiengesellschaft | Method and processing unit for tracking an object |
DE102019203274B3 (en) | 2019-03-11 | 2020-07-09 | Zf Friedrichshafen Ag | Computer-implemented method for creating an environment model for an automated vehicle, control unit and computer program product for automated control of a vehicle and control system for a vehicle |
DE102020119954A1 (en) | 2020-07-29 | 2022-02-03 | Valeo Schalter Und Sensoren Gmbh | Method for generating an occupancy grid map for at least one static object, computer program product, computer-readable storage medium and assistance system |
DE102020210115A1 (en) | 2020-08-11 | 2022-02-17 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method for operating an assistance system of a vehicle |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3894789A4 (en) * | 2018-12-12 | 2022-07-20 | INTEL Corporation | Time-aware occupancy grid mapping for robots in dynamic environments |
DE102019109333A1 (en) * | 2019-04-09 | 2020-10-15 | Bayerische Motoren Werke Aktiengesellschaft | Method and processing unit for determining the size of an object |
CN114424265A (en) * | 2019-09-25 | 2022-04-29 | 索尼集团公司 | Signal processing device, signal processing method, program, and mobile device |
RU2745804C1 (en) | 2019-11-06 | 2021-04-01 | Общество с ограниченной ответственностью "Яндекс Беспилотные Технологии" | Method and processor for control of movement of autonomous vehicle in the traffic line |
RU2744012C1 (en) | 2019-12-24 | 2021-03-02 | Общество с ограниченной ответственностью "Яндекс Беспилотные Технологии" | Methods and systems for automated determination of objects presence |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100034422A1 (en) * | 2008-08-06 | 2010-02-11 | Toyota Motor Engineering & Manufacturing North America, Inc. | Object tracking using linear features |
US20160216377A1 (en) * | 2014-07-01 | 2016-07-28 | Sikorsky Aircraft Corporation | Obstacle data model construction system with range sensor shadows and use in motion planning |
-
2016
- 2016-11-21 DE DE102016122296.8A patent/DE102016122296A1/en not_active Withdrawn
-
2017
- 2017-11-13 WO PCT/EP2017/078981 patent/WO2018091386A1/en active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100034422A1 (en) * | 2008-08-06 | 2010-02-11 | Toyota Motor Engineering & Manufacturing North America, Inc. | Object tracking using linear features |
US20160216377A1 (en) * | 2014-07-01 | 2016-07-28 | Sikorsky Aircraft Corporation | Obstacle data model construction system with range sensor shadows and use in motion planning |
Non-Patent Citations (3)
Title |
---|
BOUZOURAA, Mohamed Essayed: Belegungskartenbasierte Umfeldwahrnehmung in Kombination mit objektbasierten Ansätzen für Fahrerassistenzsysteme. München, 2011. S. 1-192. - München, Fakultät für Elektrotechnik und Informationstechnik der Technischen Universität München, Diss., 2012. URL: http://nbn-resolving.de/urn:nbn:de:bvb:91-diss-20120126-1079761-1 [abgerufen am 12.04.2017] * |
KAMMEL, Sören [et al.]: Team Annie WAY's autonomous system for the DARPA urban challenge 2007. [24.09.2008]. 35 S. URL: www.mrt.kit.edu/z/publ/download/Kammel_al2008jfr.pdf[abgerufen am 22.08.2017] * |
O'CALLAGHAN, Simon T. ; RAMOS, Fabio T.: Gaussian process occupancy maps for dynamic environments. [27.05.2014]. 15 S. URL: http://www-personal.acfr.usyd.edu.au/f.ramos/Fabio_Ramos_Homepage/Publications_files/Simon_ISER2014.pdf [abgerufen am 22.08.2017] * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018215288A1 (en) * | 2018-09-07 | 2020-03-12 | Bayerische Motoren Werke Aktiengesellschaft | Method and processing unit for tracking an object |
DE102019203274B3 (en) | 2019-03-11 | 2020-07-09 | Zf Friedrichshafen Ag | Computer-implemented method for creating an environment model for an automated vehicle, control unit and computer program product for automated control of a vehicle and control system for a vehicle |
DE102020119954A1 (en) | 2020-07-29 | 2022-02-03 | Valeo Schalter Und Sensoren Gmbh | Method for generating an occupancy grid map for at least one static object, computer program product, computer-readable storage medium and assistance system |
DE102020210115A1 (en) | 2020-08-11 | 2022-02-17 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method for operating an assistance system of a vehicle |
Also Published As
Publication number | Publication date |
---|---|
WO2018091386A1 (en) | 2018-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102016122296A1 (en) | Method for detecting and classifying an object by means of at least one sensor device based on an occupancy map, driver assistance system and motor vehicle | |
EP2422332B1 (en) | Method for classifying an object as an obstacle | |
DE102009006113B4 (en) | Device and method for sensor fusion with dynamic objects | |
DE102011013681A1 (en) | A method for detecting a parking space, parking assistance system and motor vehicle with a parking assistance system | |
EP2021975A1 (en) | Device and method for the determination of the clearance in front of a vehicle | |
DE102017101476B3 (en) | Locating an object in an environment of a motor vehicle by an ultrasonic sensor system | |
DE10324895A1 (en) | Vehicle object location procedure for adaptive cruise control system car tracking, uses video mask matching in search field from radar sensor | |
EP1421568A1 (en) | Method for determining a model travel path | |
DE102013017347A1 (en) | Method for classifying obstacles | |
DE102004021561A1 (en) | Object recognition system for a motor vehicle | |
DE102020103503A1 (en) | ADAPTIVE CONTROL OF AUTOMATIC LANE CHANGE IN THE VEHICLE | |
DE102009047390A1 (en) | Method and control device for determining a direction of movement an object to be moved onto a vehicle | |
DE102014005186A1 (en) | Method for operating a driver assistance system of a motor vehicle | |
DE102016012345A1 (en) | Method for recognizing objects | |
DE102018213515A1 (en) | Method and device for detecting a boundary in an environment of an object | |
DE102016003935B4 (en) | Method for determining peripheral development information in a motor vehicle and motor vehicle | |
DE102017120765A1 (en) | Method for characterizing a parking space bounded by two objects for a motor vehicle, parking assistance system and motor vehicle | |
DE102012112164A1 (en) | VIDEO-BASED DETECTION OF OBSTACLES ON A TRACK | |
DE102015122413B4 (en) | Method for operating an ultrasonic sensor of a motor vehicle, ultrasonic sensor device, driver assistance system and motor vehicle | |
DE102013220170A1 (en) | Method for determining a kinematic state variable of an object | |
WO2004059341A1 (en) | Method for detecting environmental information and for determining the position of a parking space | |
DE102018121158A1 (en) | Ground sensing point method and driver support system configured to perform such a method | |
DE10260855A1 (en) | Method for recognizing object constellations based on distance signals | |
DE102017115457A1 (en) | Detecting a misalignment of a distance sensor based on a ratio of detection features | |
DE102017126183A1 (en) | Method for detecting and classifying an object by means of at least one sensor device based on an occupancy map, driver assistance system and motor vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R163 | Identified publications notified | ||
R005 | Application deemed withdrawn due to failure to request examination |