DE102016211730A1 - Verfahren zur Vorhersage eines Fahrbahnverlaufs einer Fahrbahn - Google Patents

Verfahren zur Vorhersage eines Fahrbahnverlaufs einer Fahrbahn Download PDF

Info

Publication number
DE102016211730A1
DE102016211730A1 DE102016211730.0A DE102016211730A DE102016211730A1 DE 102016211730 A1 DE102016211730 A1 DE 102016211730A1 DE 102016211730 A DE102016211730 A DE 102016211730A DE 102016211730 A1 DE102016211730 A1 DE 102016211730A1
Authority
DE
Germany
Prior art keywords
course
road
vehicle
time
roadway
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.)
Pending
Application number
DE102016211730.0A
Other languages
English (en)
Inventor
Claudia Loy
Claudio Heller
Christopher Bayer
Alexey Abramov
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.)
Continental Teves AG and Co oHG
Original Assignee
Continental Teves AG and Co oHG
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 Continental Teves AG and Co oHG filed Critical Continental Teves AG and Co oHG
Priority to DE102016211730.0A priority Critical patent/DE102016211730A1/de
Publication of DE102016211730A1 publication Critical patent/DE102016211730A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06Road conditions
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001Planning or execution of driving tasks
    • B60W60/0027Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K9/00Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
    • G06K9/00624Recognising scenes, i.e. recognition of a whole field of perception; recognising scene-specific objects
    • G06K9/00791Recognising scenes perceived from the perspective of a land vehicle, e.g. recognising lanes, obstacles or traffic signs on road scenes
    • G06K9/00798Recognition of lanes or road borders, e.g. of lane markings, or recognition of driver's driving pattern in relation to lanes perceived from the vehicle; Analysis of car trajectory relative to detected road
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001Details of the control system
    • B60W2050/0019Control system elements or transfer functions
    • B60W2050/0028Mathematical models, e.g. for simulation
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/42Image sensing, e.g. optical camera

Abstract

Die Erfindung betrifft ein Verfahren zur Vorhersage eines Fahrbahnverlaufs (10) einer Fahrbahn (11) in einer Umgebung (12) eines Fahrzeugs (13). In einem Schritt (S1) des Verfahrens wird erstes Modell (21) für den Fahrbahnverlauf (10) bezüglich eines Referenzkoordinatensystems zu einem ersten Zeitpunkt (t1) bereitgestellt. In einem weiteren Schritt (S2) wird ein zweites Modell (22) für den Fahrbahnverlauf (10) bezüglich des Referenzkoordinatensystems zu einem zweiten Zeitpunkt (t2) basierend auf dem ersten Modell (21) für den Fahrbahnverlauf (10) und einer Positionsänderung des Fahrzeugs (13) zwischen dem ersten Zeitpunkt (t1) und dem zweiten Zeitpunkt (t2) bereitgestellt. In einem weiteren Schritt (S3) werden Messdaten (16) bezüglich eines Objektes (14) in der Umgebung (12) des Fahrzeugs (13) durch eine Sensoreinheit (30) ermittelt. In einem weiteren Schritt (S4) werden Messdaten (16) dem zweiten Modell (22) für den Fahrbahnverlauf (10) zugeordnet. In einem weiteren Schritt (S5) wird ein Modellierungsfehler des zweiten Modells (22) für den Fahrbahnverlauf (10) basierend auf einer Abweichung des zweiten Modells (22) für den Fahrbahnverlauf (10) von den zugeordneten Messdaten (16) minimiert, um somit ein optimiertes Modell (23) für den Fahrbahnverlauf (10) zum zweiten Zeitpunkt (t2) zu erhalten (S5). Die Erfindung betrifft ferner ein Fahrerassistenzsystem (32) für ein Fahrzeug (13) sowie ein Fahrzeug (13) mit einem Fahrerassistenzsystem (32).

Description

  • Gebiet der Erfindung
  • Die vorliegende Erfindung betrifft die Modellierung von Fahrspuren für Fahrerassistenzsysteme. Insbesondere betrifft die Erfindung ein Verfahren zur Vorhersage eines Fahrbahnverlaufs einer Fahrbahn in einer Umgebung eines Fahrzeugs sowie ein Fahrerassistenzsystem für ein Fahrzeug. Ferner betrifft die Erfindung ein Fahrzeug mit einem solchen Fahrerassistenzsystem.
  • Hintergrund der Erfindung
  • Heutzutage ist es keine Seltenheit, Fahrerassistenzsysteme zu nutzen, die eine Vorhersage von verschiedenen Verkehrssituationen ermöglichen. Dabei werden zunächst Daten und Informationen über die Umgebung des Fahrzeugs, welches mit dem Fahrerassistenzsystem ausgestattet ist, gesammelt. Diese Daten bzw. Informationen werden anschließend verwendet, um eine möglichst präzise Vorhersage von möglicherweise auftretenden Verkehrssituationen bereitzustellen. Unter Verwendung der Informationen und Daten aus der Umgebung des Fahrzeugs können unter anderem Straßenverläufe beispielsweise durch mathematische Funktionen modelliert werden, um somit Fahrerassistenzfunktionen, wie beispielsweise die Verwendung von Klothoiden zur Repräsentation des Fahrstreifenverlaufs zur Spurhalteassistenz, bereitzustellen.
  • Die Informationen und Daten aus der Umgebung des Fahrzeugs werden beispielsweise durch Messeinrichtungen bereitgestellt, wobei Ausreißer in solchen Messdaten häufig zu einer Verfälschung des Ergebnisses und somit zu einer verringerten Genauigkeit der Fahrerassistenzfunktion führen. Ferner sind herkömmliche Fahrerassistenzfunktionen durch eine Abhängigkeit des erstellten Modells für den Fahrbahnverlauf zu einem Schätzalgorithmus gekennzeichnet. Zusammenfassung der Erfindung
  • Es ist eine Aufgabe der Erfindung, die Vorhersage eines Fahrbahnverlaufs einer Fahrbahn zu verbessern.
  • Diese Aufgabe wird durch die Gegenstände der unabhängigen Ansprüche gelöst. Beispielhafte Ausführungsformen ergeben sich aus den abhängigen Ansprüchen und der nachfolgenden Beschreibung.
  • Gemäß einem Aspekt der Erfindung ist ein Verfahren zur Vorhersage eines Fahrbahnverlaufs einer Fahrbahn in einer Umgebung eines Fahrzeugs angegeben. Das Verfahren zur Vorhersage des Fahrbahnverlaufs kann insbesondere als ein Verfahren zur Modellierung oder Bestimmung bzw. Schätzung eines Fahrbahnverlaufs angesehen werden. In einem Schritt des Verfahrens erfolgt ein Bereitstellen eines ersten Modells für den Fahrbahnverlauf bezüglich eines Referenzkoordinatensystems zu einem ersten Zeitpunkt. In einem weiteren Schritt des Verfahrens wird ein zweites Modell für den Fahrbahnverlauf bezüglich des Referenzkoordinatensystems zu einem zweiten Zeitpunkt basierend auf dem ersten Modell für den Fahrbahnverlauf und einer Positionsänderung des Fahrzeugs zwischen dem ersten Zeitpunkt und dem zweiten Zeitpunkt bestimmt. In einem weiteren Schritt erfolgt ein Ermitteln von Messdaten bezüglich eines Objektes in der Umgebung des Fahrzeugs durch eine Sensoreinheit. In einem weiteren Schritt werden die ermittelten Messdaten dem zweiten Modell für den Fahrbahnverlauf zugeordnet. Ferner erfolgt in einem weiteren Schritt des Verfahrens ein Minimieren eines Modellierungsfehlers des zweiten Modells für den Fahrbahnverlauf basierend auf einer Abweichung des zweiten Modells für den Fahrbahnverlauf von den zugeordneten Messdaten, um somit ein optimiertes Modell für den Fahrbahnverlauf zum zweiten Zeitpunkt zu erhalten.
  • Mit dem vorliegenden Verfahren ist es also möglich, den Fahrbahnverlauf einer Fahrbahn unter Verwendung von Messdaten sowie von bereitgestellten oder ausgewählten Fahrbahnmodellen derart zu modellieren, dass letztendlich ein optimiertes Fahrbahnmodell bereitgestellt werden kann, welches anschließend beispielsweise für Fahrerassistenzfunktionen verwendet werden kann. Mit anderen Worten kann ein Ausgangsmodell unter Verwendung von Messdaten aus der Umgebung des Fahrzeugs erstellt und dahingehend optimiert werden, dass es den Anforderungen für ein Fahrerassistenzsystem genügt und folglich für eine Fahrerassistenz im Fahrzeug verwendet werden kann. Das Verfahren bietet den Vorteil, dass weitere Nebenbedingungen zur Bereitstellung des optimierten Modells verwendet werden können bzw. zusätzliche Aspekte in der Minimierung verwendet werden können, die bei der Optimierung des Modells mithilfe der Messdaten in die Berechnung einbezogen werden können. Es kann unter anderem eine Realisierung einer zeitlichen Filterung für beliebig komplexe Modelle sowie eine Robustheit gegenüber ungenauen und verrauschten Daten bereitgestellt werden. Ferner kann durch das Verfahren ein echtzeitfähiges System bereitgestellt werden und Eingangsdaten bzw. Messwerte können von verschiedenen Sensoren gewonnen werden, so dass während der Modellierung, das heißt der Ermittlung des optimierten Modells, eine Datenfusion stattfinden kann.
  • Das erfindungsgemäße Verfahren ermöglicht somit eine Parameterschätzung eines frei wählbaren Modells bzw. eines vorgegebenen Ausgangsmodells unter Berücksichtigung der Eingangsdaten bzw. Messwerte und verschiedenartiger Nebenbedingungen. Dieser Aspekt wird im Folgenden noch genauer erläutert werden.
  • Der Fahrbahnverlauf kann beispielsweise derjenige einer Autobahn, einer Landstraße oder einer sonstigen befestigten Straße sein. Jedoch kann ein solcher Fahrbahnverlauf auch durch eine Markierung auf einem Parkplatz gegeben sein.
  • Die Umgebung des Fahrzeugs kennzeichnet beispielsweise einen Umkreis um das Fahrzeug, in dem Messdaten bezüglich des Objektes gesammelt werden sollen, oder einen Umkreis um das Fahrzeug, in dem der Fahrbahnverlauf der Fahrbahn, auf der sich das Fahrzeug befindet, vorhergesagt werden soll.
  • Das erste Modell für den Fahrbahnverlauf kann beispielsweise in einem Datenspeicher hinterlegt sein. Beispielsweise kann der Datenspeicher eine Vielzahl von unterschiedlichen Modellen bzw. Ausgangsmodellen für verschiedene Fahrbahnverläufe aufweisen. Diese verschiedenen Modelle für Fahrbahnverläufe, insbesondere das erste Modell für den Fahrbahnverlauf, beziehen sich auf das Referenzkoordinatensystem zu dem ersten Zeitpunkt. Zu dem zweiten Zeitpunkt wird ein zweites Modell für den Fahrbahnverlauf, welches sich von dem ersten Modell für den Fahrbahnverlauf unterscheiden kann, bezüglich eines Referenzkoordinatensystems zum zweiten Zeitpunkt erzeugt. Dabei können Odometriedaten des Fahrzeugs, welche Informationen über eine Positionsänderung oder eine Richtungsänderung des Fahrzeugs umfassen, verwendet werden, um das erste Modell für den Fahrbahnverlauf in das zweite Modell für den Fahrbahnverlauf zu transformieren. Die Transformation kann dabei beispielsweise eine Rotation und/oder eine Translation des ersten Modells, welches im Folgenden auch als Straßenmodell bezeichnet werden kann, in das zweite Modell für den Fahrbahnverlauf umfassen.
  • Das Ermitteln der Messdaten bezüglich des Objektes in der Umgebung des Fahrzeugs erfolgt durch die Sensoreinheit, welche beispielsweise ein Kamerasystem des Fahrzeugs ist. Es können jedoch auch andere Sensorsysteme am Fahrzeug vorgesehen sein, um die Messdaten bezüglich des Objektes in der Umgebung des Fahrzeugs zu ermitteln. Somit sind nicht nur optische Systeme zur Ermittlung der Messdaten des Objektes möglich. Vielmehr können die Messdaten des Objektes in der Umgebung des Fahrzeugs auch über eine Fahrzeug-zu-Fahrzeug-Kommunikation oder über eine Fahrzeug-zu-Infrastruktur-Kommunikation, beispielsweise von einem externen Server, bereitgestellt werden. Ferner können die Messdaten als Eingangsinformation anhand von Kartenmaterial bereitgestellt werden.
  • Das Objekt hinsichtlich dessen die Messdaten ermittelt werden, kann beispielsweise ein anderer Verkehrsteilnehmer, eine Fahrbahnmarkierung oder ein Fahrbahnrand sein.
  • Die ermittelten Messdaten und das zweite Modell werden anschließend assoziiert. Das bedeutet, dass dem zweiten Modell für den Fahrbahnverlauf die Messdaten beispielsweise mithilfe eines sogenannten „Nearest Neighbour“-Verfahrens den individuellen Spuren des aktuellen Straßenmodells, das heißt dem zweiten Modell, zugeordnet werden. Ein solches „Nearest Neighbour“-Verfahren umfasst beispielsweise eine quadratische Minimierung oder ein anderes mathematisches Verfahren, mit dem eine Zugehörigkeit eines Messwertes zu einem bestimmten Punkt der Fahrbahn ermittelt werden kann. Die Zuordnung der Messdaten zum zweiten Modell kann beispielsweise unter Verwendung einer euklidischen Norm als Distanzmaß erfolgen. Es können jedoch auch andere Maße, wie beispielsweise die 1-Norm oder die Maximumsnorm verwendet werden. Es ist ebenfalls möglich, dass die Mahalanobis-Distanz als Distanzmaß verwendet wird. Ferner können Varianzen in den Messdaten berücksichtigt werden.
  • Um das optimierte Modell zu den ermittelten Messdaten zu finden, findet nun eine Minimierung des Modellierungsfehlers des zweiten Modells für den Fahrbahnverlauf basierend auf der Abweichung des zweiten Modells für den Fahrbahnverlauf von den zugeordneten Messdaten statt. Dabei wird der Modellierungsfehler beispielsweise mithilfe eines Gauß-Newton-Verfahrens minimiert. Beispielsweise kann der euklidische Abstand eines Messpunktes zur assoziierten Spur des Straßenmodells bzw. des zweiten Modells für die Minimierung verwendet werden. Es ist möglich, dass eine Ausrichtung, also ein sog. „heading“, der Messdaten zur Minimierung verwendet wird.
  • Ferner ist es möglich, die Genauigkeit der Modellierung einzustellen. Durch das Bereitstellen der Messdaten mittels verschiedener Sensoren kann zusätzlich zu der Modellierung eine Datenfusion stattfinden und Fehlmessungen rechtzeitig identifiziert werden. Es ist möglich, dass sowohl die Zuordnung bzw. Assoziation der Messwerte zum zweiten Modell als auch die Minimierung des Modellierungsfehlers iterativ wiederholt werden, um somit eine Verbesserung der Datenzuordnung und damit eine Verbesserung der Modellierung zu erreichen.
  • Gemäß einer Ausführungsform der Erfindung erfolgt in einem weiteren Schritt des Verfahrens ein Verwenden des optimierten Modells für den Fahrbahnverlauf in einem Fahrerassistenzsystem des Fahrzeugs zur Regelung eines Fahrzustandes des Fahrzeugs.
  • Das optimierte Modell kann somit für eine Fahrerassistenzfunktion, welche den Fahrer des Fahrzeugs während der Fahrt unterstützt, verwendet werden. Beispielsweise kann das optimierte Modell für den Fahrbahnverlauf für einen Spurhalteassistenten oder einen Spurwechselassistenten verwendet werden. Es ist somit möglich, aufgrund des optimierten Modells für den Fahrbahnverlauf und somit der Vorhersage des Fahrbahnverlaufs der Fahrbahn in der Umgebung des Fahrzeugs eine selbstständige Anpassung des Fahrverhaltens, das heißt eine Regelung des Fahrzustandes des Fahrzeugs, rechtzeitig einzuleiten. Ein gesamtheitliches Fahrstreifenmodell, wie es durch das erfindungsgemäße Verfahren bereitgestellt werden kann, ist zum Beispiel im Bereich des automatisieren Fahrens, für die Realisierung hoher Geschwindigkeiten, für Fahrstreifenwechsel, für das Einhalten von Fahrgeboten oder für das Rechtsfahrgebot vorteilhaft.
  • Gemäß einer weiteren Ausführungsform der Erfindung weisen die Messdaten bezüglich des Objektes in der Umgebung des Fahrzeugs Informationen über eine Position und/oder eine Form einer Fahrbahnmarkierung der Fahrbahn auf.
  • Es kann somit unterschieden werden, welche Art von Fahrbahnmarkierung auf der Fahrbahn vorliegt. Insbesondere kann zwischen einer Fahrbahnrandmarkierung und einer Fahrbahnmarkierung zur Trennung verschiedener Spuren der Fahrbahn unterschieden werden. Insbesondere erfolgt eine Online-Modellierung der Fahrstreifenverläufe bzw. der Fahrbahnmarkierungen, wobei das Ergebnis der Modellierung im Rahmen des automatisierten Fahrens für die Fahrstrategie die Trajektorienplanung, die Objektspurzuordnung und die Regelung des Fahrverhaltens verwendet wird.
  • Gemäß einer weiteren Ausführungsform der Erfindung erfolgt eine Bestimmung einer Trajektorie eines Verkehrsteilnehmers in der Umgebung des Fahrzeugs basierend auf den Messdaten, um somit Informationen bezüglich des Objektes in der Umgebung des Fahrzeugs bereitzustellen.
  • Der Fahrbahnverlauf kann somit aus gewonnenen Daten bzw. Informationen über die Bewegungsrichtungen anderer Verkehrsteilnehmer in der Umgebung des Fahrzeugs bestimmt werden. Das Objekt in der Umgebung des Fahrzeugs kann ein feststehender Gegenstand, wie beispielsweise eine Leitplanke, ein Leitpfosten oder Ähnliches, sein. Die Messdaten umfassen beispielsweise Informationen über die Lage und Positionsänderung von Punkten auf dem Objekt. Solche Punkte können auch als Features oder Feature-Punkte bezeichnet werden. Jedenfalls weisen die aus den Messdaten gewonnenen Trajektorien von Verkehrsteilnehmern, die sich in der Umgebung des Fahrzeugs befinden, Informationen über das Objekt in der Umgebung des Fahrzeugs auf. Der Fahrstreifenverlauf kann somit unmittelbar aus der Bewegung anderer Verkehrsteilnehmer ermittelt werden.
  • Gemäß einer weiteren Ausführungsform der Erfindung erfolgt das Ermitteln der Messdaten bezüglich des Objektes in der Umgebung des Fahrzeugs basierend auf Kameradaten eines Kamerasystems des Fahrzeugs.
  • Beispielsweise kann ein solches Kamerasystem eine Fahrerassistenzkamera des Fahrzeugs sein. Es ist möglich, dass ein solches Kamerasystem eine Stereokamera sowie bildverarbeitende Einheiten aufweist. Jedenfalls kann durch die Sensoreinheit in Form eines Kamerasystems die Ermittlung der Messdaten stattfinden, wobei die Messdaten, welche über dieses Kamerasystem gewonnen werden, anschließend einer Recheneinheit des Fahrzeugs bereitgestellt werden, so dass diese Messdaten mit anderen Messdaten sowie mit dem Straßenmodell fusioniert werden können. Insbesondere werden diese Messdaten dem zweiten Modell für den Fahrbahnverlauf zugeordnet und anschließend ein Modellierungsfehler des zweiten Modells für den Fahrbahnverlauf minimiert.
  • Gemäß einer weiteren Ausführungsform der Erfindung erfolgt das Bereitstellen des ersten Modells für den Fahrbahnverlauf bezüglich des Referenzkoordinatensystems zu einem ersten Zeitpunkt unter Verwendung eines Initialmodells für den Fahrbahnverlauf. Alternativ erfolgt das Bereitstellen des ersten Modells für den Fahrbahnverlauf bezüglich des Referenzkoordinatensystems zum ersten Zeitpunkt unter Verwendung eines zeitlich vor dem zweiten Modell für den Fahrbahnverlauf bestimmten Modells.
  • Das Initialmodell ist beispielsweise ein Ausgangsmodell für einen Fahrbahnverlauf, welcher in einem Datenspeicher hinterlegt ist. Beispielsweise kann eine Vielzahl von verschiedenen Modellen für einen Fahrbahnverlauf als Initialmodell in einem solchen Datenspeicher hinterlegt sein. Da das erfindungsgemäße Verfahren ein Verfahren zur Online-Modellierung von Fahrbahnverläufen ist und somit während der Fahrt ausgeführt werden kann, ist es möglich, dass zeitlich aufeinanderfolgende Modelle jeweils als Ausgangspunkt für ein zu einem nachfolgenden Zeitpunkt bestimmtes Modell dienen können. Beispielsweise wird eine vorherige Lösung eines Modells auf einen aktuellen Zeitschritt bzw. eine aktuelle Position prädiziert oder alternativ ein initiales Modell verwendet, um aufgrund eines dieser Modelle und den Odometriedaten des Fahrzeugs das zweite Modell zu ermitteln. Es ist insbesondere möglich, dass das erste Modell zu dem ersten Zeitpunkt nicht aus Sensordaten des Fahrzeugs ermittelt wird, sondern lediglich ein in einem Datenspeicher hinterlegtes Ausgangsmodell ist.
  • Gemäß einer weiteren Ausführungsform der Erfindung erfolgt das Bereitstellen des ersten Modells für den Fahrbahnverlauf bezüglich des Referenzkoordinatensystems zum ersten Zeitpunkt basierend auf Ausgangsmodellen für den Fahrbahnverlauf, die in einem Datenspeicher hinterlegt sind.
  • Es ist möglich, dass eine Vielzahl von Ausgangsmodellen für den Fahrbahnverlauf in dem Datenspeicher hinterlegt ist, so dass aufgrund dieser Ausgangsmodelle und einer Positionsänderung oder Richtungsänderung des Fahrzeugs das zweite Modell berechnet werden kann. Mit anderen Worten werden Modelle für den Fahrbahnverlauf aus dem Datenspeicher entnommen und unter Berücksichtigung von Odometriedaten des Fahrzeugs sowie unter Hinzuführung der Messdaten, welche durch die Sensoreinheit des Fahrzeugs gewonnen werden, optimiert.
  • Gemäß einer weiteren Ausführungsform der Erfindung erfolgt das Bestimmen des zweiten Modells für den Fahrbahnverlauf basierend auf einer Richtungsänderung des Fahrzeugs.
  • Es ist somit möglich, die Odometriedaten des Fahrzeugs, das heißt die Position des Fahrzeugs sowie eine Richtungsänderung des Fahrzeugs, zu berücksichtigen, um aus dem Initialmodell bzw. Ausgangsmodell oder einem zeitlich vorhergehenden Modell das zweite Modell für den Fahrbahnverlauf zu generieren. Mit anderen Worten wird eine Transformation, das heißt eine Rotation und eine Translation, des ersten Modells unter Berücksichtigung der Odometriedaten des Fahrzeugs in dem Referenzkoordinatensystem durchgeführt.
  • Gemäß einer weiteren Ausführungsform der Erfindung erfolgt das Optimieren des zweiten Modells für den Fahrbahnverlauf mittels eines iterativen Näherungsverfahrens.
  • Beispielsweise kann ein Gauß-Newton-Verfahren verwendet werden, um das mit den Messdaten optimierte Modell zu erhalten. Erfindungsgemäß kann somit die Minimierung des Modellierungsfehlers des zweiten Modells für den Fahrbahnverlauf basierend auf einer Abweichung des zweiten Modells für den Fahrbahnverlauf von den zugeordneten Messdaten unter Verwendung des iterativen Näherungsverfahrens, insbesondere unter Verwendung des Gauß-Newton-Verfahrens erfolgen. Die Minimierung des Modellierungsfehlers kann daher eine Minimierung der Abweichung zwischen den ermittelten Messdaten bezüglich des Fahrstreifens in der Umgebung des Fahrzeugs von den zugehörigen Fahrstreifen aus dem Modell umfassen. Ebenso können verschiedene Attribute der Fahrstreifen ebenfalls zur Minimierung verwendet werden. Ferner kann eine zeitliche Filterung mittels Minimierung der Abweichung des zweiten Modells zum prädizierten, vorherigen ersten Modell erstellt werden. Zudem können vorab geclusterte Messdaten für die Modellierung berücksichtigt werden, indem die Zugehörigkeit von Daten in der Optimierung bzw. Minimierung berücksichtigt wird. Allgemein kann die Optimierung, das heißt Minimierung, additiv mit beliebigen zusätzlichen Minimierungen ergänzt werden.
  • Gemäß einer weiteren Ausführungsform der Erfindung erfolgt das Minimieren des Modellierungsfehlers des zweiten Modells für den Fahrbahnverlauf mittels des iterativen Näherungsverfahrens und zumindest einer weiteren Nebenbedingung.
  • Es kann somit das Gauß-Newton-Verfahren erweitert werden, indem Nebenbedingungen während der Optimierung, das heißt der Erstellung des optimierten Modells, berücksichtigt werden. Es können Gleichheitsnebenbedingungen, wie beispielsweise Stetigkeit und Differenzierbarkeit des jeweiligen Modells oder Parallelität der Fahrstreifen innerhalb des Modells, aber auch Ungleichheitsbedingungen, wie beispielsweise Beschränkung der maximalen Krümmung oder Vermeidung von Überschneidungen, realisiert werden. Somit kann das Verfahren bezüglich der jeweiligen Anforderungen an das verwendete, optimierte Straßenmodell angepasst werden.
  • Gemäß einer weiteren Ausführungsform der Erfindung ist das optimierte Modell ein Modell für eine Fahrbahnmarkierung und/oder eine Fahrbahnberandung der Fahrbahn.
  • Die Fahrbahnmarkierung und/oder Fahrbahnberandung befindet sich beispielsweise auf der Oberfläche einer befestigten Straße, beispielsweise auf einer Landstraße oder einer Autobahn. Das optimierte Modell dieser Fahrbahnmarkierung und/oder Fahrbahnberandung kann in einem Fahrerassistenzsystem zur Bereitstellung einer Fahrerassistenzfunktion für den Fahrer des Fahrzeugs verwendet werden.
  • Gemäß einer weiteren Ausführungsform der Erfindung erfolgt ein erneutes Zuordnen der Messdaten zum zweiten, bereits optimierten Modell für den Fahrbahnverlauf sowie ein erneutes Minimieren des Modellierungsfehlers des zweiten, bereits optimierten Modells für den Fahrbahnverlauf basierend auf einer Abweichung des zweiten, bereits optimierten Modells für den Fahrbahnverlauf von den zugeordneten Messdaten.
  • Hierdurch kann eine verbesserte Datenzuordnung erreicht werden. Insbesondere erfolgt ein abwechselndes Wiederholen der Zuordnung der Messdaten und der Minimierung des Modellierungsfehlers des zweiten Modells, um somit ein optimiertes Modell für den Fahrbahnverlauf mit einer möglichst hohen Genauigkeit zu erhalten. Mit anderen Worten wird nach der Erstellung des zweiten Modells aus dem ersten Modell unter Verwendung der Odometriedaten des Fahrzeugs sowie der Messdaten die Minimierung ausgeführt. Die Zuordnung der Messdaten sowie die Minimierung des Modellierungsfehlers werden anschließend alternierend ausgeführt, bis eine ausreichend genaue Lösung bzw. Modellierung des Fahrbahnverlaufs ermittelt wurde. Das Minimieren, welches beispielsweise auch als Fitting bezeichnet wird, wird mittels des Gauß-Newton-Verfahrens realisiert. Es ist also möglich, dass nach der Minimierung des Modellierungsfehlers des zweiten Modells festgestellt wird, dass die Genauigkeit des optimierten Modells nicht ausreichend ist bzw. dass Abweichungen zwischen den Messdaten und dem optimierten Modell noch zu groß sind. In diesem Fall kann eine erneute Zuordnung von aktuellen Messdaten zu dem im ersten Minimierungsschritt erzeugten optimierten Modell stattfinden. Anschließend findet erneut eine Minimierung des Modellierungsfehlers bzw. die Modellierung statt, um ein optimiertes Modell zu erhalten. Sobald das optimierte Modell für eine bestimmte Anwendung, insbesondere für eine bestimmte Fahrerassistenzfunktion, hinreichend genau ist, kann dieses für ein entsprechendes Fahrerassistenzsystem des Fahrzeugs verwendet werden.
  • Die Vorhersage des Fahrbahnverlaufs kann erfindungsgemäß auf einer mathematischen Beschreibung der Fahrbahn basieren. Zum Beispiel weist eine Straße n Spuren auf, welche wiederum durch Kurven beschrieben werden können. Beispiele hierfür sind Polynome, Splines, Klothoiden und Bézierkurven.
  • Mit dem erfindungsgemäßen Verfahren kann ein Verfahren zur Vorhersage und Modellierung eines Fahrbahnverlaufs bereitgestellt werden, wobei lediglich die Auswertbarkeit bezüglich jedes Punktes auf einer Kurve sowie die Beschreibung jedes Modells durch m Modellparameter beschrieben werden kann. Eine zusätzliche Auswertbarkeit bezüglich der Ausrichtung (erste Ableitung) und Krümmung (zweite Ableitung) kann die Fahrstreifenschätzung, das heißt die Vorhersage des Fahrbahnverlaufs weiter verbessern. Ferner kann eine Auswertbarkeit bezüglich allgemeiner Fahrstreifenattribute, wie beispielsweise Linientyp oder Farbe, zusätzlich verwendet werden um die Modellierung zu verbessern.
  • Gemäß einem weiteren Aspekt der Erfindung ist ein Fahrerassistenzsystem für ein Fahrzeug angegeben. Das Fahrerassistenzsystem weist eine Recheneinheit und eine Sensoreinheit auf. Die Recheneinheit ist dazu ausgeführt, ein erstes Modell für einen Fahrbahnverlauf bezüglich eines Referenzkoordinatensystems zu einem ersten Zeitpunkt bereitzustellen. Die Recheneinheit ist ferner dazu ausgeführt, ein zweites Modell für den Fahrbahnverlauf bezüglich des Referenzkoordinatensystems zu einem zweiten Zeitpunkt basierend auf dem ersten Modell für den Fahrbahnverlauf und einer Positionsänderung des Fahrzeugs zwischen dem ersten Zeitpunkt und dem zweiten Zeitpunkt zu bestimmen. Die Sensoreinheit ist dazu ausgeführt, Messdaten bezüglich eines Objektes in der Umgebung des Fahrzeugs zu ermitteln. Die Recheneinheit ist dazu ausgeführt, die Messdaten zum Fahrbahnverlauf des zweiten Modells zuzuordnen. Die Recheneinheit ist ferner dazu ausgeführt, einen Modellierungsfehler des zweiten Modells für den Fahrbahnverlauf basierend auf einer Abweichung des zweiten Modells für den Fahrbahnverlauf von den zugeordneten Messdaten zu minimieren, um somit ein optimiertes Modell für den Fahrbahnverlauf zum zweiten Zeitpunkt zu erhalten.
  • Die Recheneinheit und die Sensoreinheit können beispielsweise in dem Fahrzeug angeordnet sein. Die Sensoreinheit umfasst beispielsweise ein Kamerasystem, insbesondere ein Stereokamerasystem. Jedoch kann die Sensoreinheit neben der optischen Ermittlung der Messdaten auch andere Verfahren verwenden. Beispielsweise ist es möglich Informationen eines Radarsystems, einer Fahrzeug-zu-Infrastruktur-Kommunikation sowie Informationen aus Kartenmaterial oder eines Lidar(Light detection and ranging)-Systems zu verwenden.
  • Die Messdaten weisen beispielsweise Informationen über die Position und/oder Bewegung anderer Verkehrsteilnehmer in der Umgebung des Fahrzeugs auf. Sie können aber auch Informationen über Fahrstreifen der sich in der Umgebung des Fahrzeugs befindenden Fahrbahn aufweisen. Die Fahrstreifen können beispielsweise durch sogenannte Feature-Punkte beschrieben werden. Solche Feature-Punkte sind zum Beispiel Positionsdaten x, y, z in einem Referenzkoordinatensystem eine Fahrtrichtung sowie weitere Attribute.
  • Gemäß einem weiteren Aspekt der Erfindung ist ein Fahrzeug mit dem oben beschriebenen Fahrerassistenzsystem angegeben.
  • Kurze Beschreibung der Figuren
  • 1 zeigt ein Flussdiagramm für ein Verfahren zur Vorhersage eines Fahrbahnverlaufs einer Fahrbahn in einer Umgebung eines Fahrzeugs gemäß einem Ausführungsbeispiel der Erfindung.
  • 2 zeigt ein Fahrzeug mit einem Fahrerassistenzsystem gemäß einem Ausführungsbeispiel der Erfindung.
  • 3A zeigt Informationen zu detektierten Fahrstreifenmarkierungen in der Umgebung eines Fahrzeugs gemäß einem Ausführungsbeispiel der Erfindung.
  • 3B zeigt ein Bild einer Frontkamera eines Fahrerassistenzsystems gemäß einem Ausführungsbeispiel der Erfindung.
  • 3C zeigt eine schematische Darstellung eines Straßenmodells gemäß einem Ausführungsbeispiel der Erfindung.
  • 3D zeigt ein optimiertes Modell für einen Fahrbahnverlauf gemäß einem Ausführungsbeispiel der Erfindung.
  • Detaillierte Beschreibung beispielhafter Ausführungsformen
  • Die Darstellungen in den Figuren sind schematisch und nicht maßstäblich.
  • Werden in der folgenden Figurenbeschreibung in verschiedenen Figuren die gleichen Bezugszeichen verwendet, so bezeichnen diese gleiche oder ähnliche Elemente. Gleiche oder ähnliche Elemente können aber auch durch unterschiedliche Bezugszeichen bezeichnet sein.
  • 1 zeigt ein Flussdiagramm für ein Verfahren zur Vorhersage eines Fahrbahnverlaufs einer Fahrbahn in einer Umgebung eines Fahrzeugs. In einem Schritt S1 erfolgt ein Bereitstellen eines ersten Modells 21 für den Fahrbahnverlauf bezüglich eines Referenzkoordinatensystems zu einem ersten Zeitpunkt t1. In einem weiteren Schritt S2 des Verfahrens erfolgt ein Bestimmen eines zweiten Modells 22 für den Fahrbahnverlauf bezüglich des Referenzkoordinatensystems zu einem zweiten Zeitpunkt t2 basierend auf dem ersten Modell 21 für den Fahrbahnverlauf und Informationen über eine Positionsänderung S1a des Fahrzeugs zwischen dem ersten Zeitpunkt t1 und dem zweiten Zeitpunkt t2. Die Bestimmung des zweiten Modells 22 aus dem ersten Modell 21 erfolgt also durch eine Vorhersage, insbesondere einer Transformation des ersten Modells 21 in das zweite Modell 22. Die Transformation kann dabei eine Rotation und eine Translation des ersten Modells 21 in das zweite Modell 22 umfassen. Ferner ist es möglich, das zweite Modell 22 unter Verwendung eines Initialmodells 24, welches beispielsweise in einem Datenspeicher hinterlegt ist, zu generieren.
  • In einem weiteren Schritt S3 des Verfahrens erfolgt ein Ermitteln von Messdaten bezüglich eines Objektes in der Umgebung des Fahrzeugs durch eine Sensoreinheit des Fahrzeugs. Ferner erfolgt in einem weiteren Schritt S4 des Verfahrens ein Zuordnen der Messdaten zum zweiten Modell 22 für den Fahrbahnverlauf. Die Zuordnung kann dabei beispielsweise mithilfe eines sogenannten „Nearest Neighbour“-Verfahrens erfolgen. Dies kann beispielsweise eine quadratische Minimierung sein. In einem weiteren Schritt S5 des Verfahrens erfolgt ein Minimieren eines Modellierungsfehlers des zweiten Modells 22 für den Fahrbahnverlauf basierend auf einer Abweichung des zweiten Modells 22 für den Fahrbahnverlauf von den zugeordneten Messdaten, um somit ein optimiertes Modell 23 für den Fahrbahnverlauf zum zweiten Zeitpunkt t2 zu erhalten.
  • Die in der 1 dargestellten Pfeile kennzeichnen, dass nach dem Minimieren des Modellierungsfehlers, beispielsweise mithilfe eines Gauß-Newton-Verfahrens, das optimierte Modell entweder erneut als ein zu optimierendes Modell verwendet wird oder bereits das für das Fahrerassistenzsystem zu verwendende optimierte Modell 23 darstellt. Sofern nach der Minimierung des Modellierungsfehlers im Schritt S5 die Genauigkeit des erhaltenen Modells noch nicht ausreichend ist, können mit diesem erhaltenen Modell dieselben Schritte wie anfangs mit dem zweiten Modell durchgeführt werden. Das bedeutet, dass dieses erhaltene Modell erneut als ein Modell verwendet wird, welchem wiederum Messdaten in einem weiteren Schritt S7 zugeordnet werden, um anschließend in einem weiteren Schritt S8 erneut ein Minimieren des Modellierungsfehlers dieses Modells für den Fahrbahnverlauf basierend auf einer Abweichung dieses Modells für den Fahrbahnverlauf von den zugeordneten Messdaten durchführen zu können. Mit anderen Worten können die Zuordnung der Messdaten sowie die Minimierung des Modellierungsfehlers beliebig oft wiederholt werden.
  • Sofern das erhaltene Modell eine ausreichende Genauigkeit aufweist, wird dieses Modell als optimiertes Modell 23 in einem weiteren Schritt S6 für ein Fahrerassistenzsystem bereitgestellt. Ein solches Fahrerassistenzsystem kann beispielsweise ein Spurwechselassistent oder ein Spurhalteassistent sein.
  • 2 zeigt ein Fahrzeug 13 mit einem Fahrerassistenzsystem 32, wobei das Fahrerassistenzsystem 32 eine Sensoreinheit 30, eine Recheneinheit 34 sowie einen Datenspeicher 33 aufweist. Die Recheneinheit 34 kann mit der Sensoreinheit 30 sowie mit dem Datenspeicher 33 über Signalleitungen 35 verbunden sein. Jedoch ist es auch möglich, eine kabellose Verbindung zwischen diesen Komponenten bereitzustellen.
  • Die Sensoreinheit 30 weist beispielsweise ein Kamerasystem 31 auf. Das Kamerasystem 31 weist beispielsweise eine Stereokamera mit einer ersten Kamera 31a und einer zweiten Kamera 31b auf. Jedenfalls ist die Sensoreinheit 30 dazu ausgeführt, Messdaten bezüglich eines Objektes 14 in der Umgebung des Fahrzeugs 13 zu erfassen bzw. zu ermitteln. Solche Messdaten des Objektes 14 in der Umgebung 12 des Fahrzeugs 13 weisen beispielsweise Informationen über eine Position und/oder eine Form einer Fahrbahnmarkierung 15 auf. Ferner können solche Messdaten auch Informationen über eine Fahrbahnrandmarkierung 15a aufweisen. Es ist jedoch auch möglich, dass die Messdaten Informationen über andere Verkehrsteilnehmer, insbesondere andere Fahrzeuge, aufweisen. Andere Verkehrsteilnehmer sind in 2 nicht dargestellt.
  • Das Fahrerassistenzsystem 32 ist dazu ausgeführt, aufgrund der ermittelten Messdaten und in dem Datenspeicher 33 hinterlegten Straßenmodellen bzw. Ausgangsmodellen und aufgrund von Odometriedaten des Fahrzeugs 13 einen Fahrbahnverlauf 10 einer Fahrbahn 11, auf der sich das Fahrzeug 13 befindet, zu bestimmen. Insbesondere ist das Fahrerassistenzsystem 32 dazu ausgeführt, den Fahrbahnverlauf 10 der Fahrbahn 11 in der Umgebung 12 des Fahrzeugs 13, das heißt in einem bestimmten Umkreis um das Fahrzeug 13 herum, zu ermitteln. Dabei können auch Messdaten bezüglich anderer Verkehrsteilnehmer in der Umgebung 12 des Fahrzeugs 13 verwendet werden, um den Fahrbahnverlauf 10 der Fahrbahn 11 vorherzusagen.
  • 3A zeigt aus Messdaten 16 extrahierte Informationen über den Fahrstreifenverlauf 41, welche anhand eines Bewegungsverlaufs anderer, in 3A nicht dargestellter Verkehrsteilnehmer in der Umgebung des Fahrzeugs 13 gewonnen werden. Die Trajektorien 40 der nicht dargestellten Verkehrsteilnehmer stellen damit die Grundlage für die Ermittlung des Fahrstreifenverlaufs 41 dar. Dabei werden sogenannte Feature-Punkte 42 zu unterschiedlichen Zeitpunkten aufgezeichnet. Die Messdaten 16 werden beispielsweise von der Sensoreinheit 30, insbesondere von einem Kamerasystem, gewonnen. Beispielsweise basieren die in der 3A dargestellten Feature-Punkte 42 auf Kamerabildern zu unterschiedlichen Zeitpunkten.
  • Die aus den Messdaten 16 gewonnenen Trajektorien 40 anderer Verkehrsteilnehmer weisen Informationen über das Objekt 14 in der Umgebung 12 des Fahrzeugs 13 auf. Es kann ein beliebiger Umkreis um das Fahrzeug 13 erfasst werden, so dass die Feature-Punkte 42 in einem bestimmten Umkreis um das Fahrzeug 13 bezüglich eines Referenzkoordinatensystems ermittelt werden können. Diese Messdaten 16 können anschließend zum zweiten Modell 22 zugeordnet werden. Die dargestellten Vektoren in 3A repräsentieren also die ausgehend von den Kamerabildern und den Trajektorien 40 anderer Verkehrsteilnehmer in der Umgebung des Fahrzeugs 13 erzeugten Feature-Punkte 42, welche als Eingangsdaten für die Modellierung verwendet werden. Das Rechteck symbolisiert die Position und die Fahrtrichtung des eigenen Fahrzeugs 13.
  • 3B zeigt ein Bild 50 einer Frontkamera des Kamerasystems 31 des Fahrzeugs 13, wobei auf dem Bild 50 das Sichtfeld bezogen auf das in 3B nicht dargestellte Kamerasystem 31 des Fahrzeugs 13 dargestellt ist. 3B zeigt den durch das Fahrerassistenzsystem 32 vorherzusagenden Fahrbahnverlauf 10 der Fahrbahn 11, auf der sich das Fahrzeug 13 befindet. Auf dem Bild 50 ist ferner ein anderer Verkehrsteilnehmer dargestellt, dessen Trajektorie 40, die in 3A dargestellt ist, aus einer Abfolge mehrerer Kamerabilder 50 zu verschiedenen Zeitpunkten ermittelt werden kann. Es können sowohl Trajektorien 40 anderer Verkehrsteilnehmer als auch weitere Messdaten von Feature-Punkten aus der Umgebung des Fahrzeugs 13 verwendet werden, um den Fahrbahnverlauf 10 der Fahrbahn 11 zu bestimmen.
  • 3C zeigt eine schematische Darstellung des zweiten Modells 22, das heißt des erhaltenen Straßenmodells, wobei die horizontalen Linien die Fahrbahnmarkierungen 15 darstellen und das Kreuz die Position des eigenen Fahrzeugs 13 darstellt. Die eingezeichneten vertikalen Verbindungen 25 repräsentieren die in der Modellierung verwendeten Nebenbedingungen, insbesondere Parallelitätsbedingungen, zwischen den einzelnen Fahrbahnmarkierungen 15. Als zusätzliche Nebenbedingungen können eine zeitliche Filterung sowie eine Krümmungsobergrenze verwendet werden. In der 3C sind die Stützstellen des zweiten Modells 22 als Quadrate 24 gekennzeichnet.
  • 3D zeigt das aus der Modellierung resultierende Modell für den Fahrbahnverlauf 10 der Fahrbahn 11. Jeder Fahrbahnmarkierung 15 liegt dabei als Modell eine Spline-Funktion zugrunde, wobei die Stützstellen als Quadrate 24 gekennzeichnet sind. Die Stützstellen 24 sind durch diese Spline-Funktionen miteinander verbunden, wobei der Berechnung der Spline-Funktion ein iteratives Näherungsverfahren, wie beispielsweise das Gauß-Newton-Verfahren, zugrunde liegt. 3D zeigt daher ein optimiertes Modell 23, welches aufgrund der Minimierung eines Modellierungsfehlers des zweiten Modells 22 für den Fahrbahnverlauf 10 basierend auf einer Abweichung des zweiten Modells 22 für den Fahrbahnverlauf 10 von den zugeordneten Messdaten 16 erhalten wurde.
  • Das optimierte Modell 23 kann beispielsweise als Umfeldmodell zur Modellierung von Fahrbahnberandungen, beispielsweise Bordsteinen, Leitplanken, Grasnarben oder Bakengassen, verwendet werden. Dieses optimierte Modell 23 kann wiederum im Rahmen einer Fahrerassistenz für die optimierte Trajektorienplanung des Fahrzeugs 13 verwendet werden. Der Algorithmus, mit dem das optimierte Modell 23 berechnet wird, kann beispielsweise dazu ausgeführt sein, die optimalen Parameter einer Kurve zwischen zwei Zuständen im Hinblick auf Position, Ausrichtung und Krümmung zu erhalten. Der Startzustand kann dabei als Gleichheitsbedingung formuliert werden. Weitere Nebenbedingungen werden basierend auf dem gewünschten Ergebnis abgelegt. Dies sind zum Beispiel Ruckminimierung, Querbeschleunigungsobergrenze, Vermeidung von unnötigen Spurwechseln, Vermeidung von Kollisionen mit anderen Verkehrsteilnehmern, Beschleunigungs- und Verzögerungsgrenzen sowie Geschwindigkeitsbegrenzungen und eine möglichst geringe Abweichung von der Spurmitte. Diese Nebenbedingungen können verwendet werden, um das optimierte Modell 23 für den Fahrbahnverlauf 10 zu erzeugen, um somit durch das optimierte Modell 23 einen zuverlässigen Ausgangspunkt für ein entsprechendes Fahrerassistenzsystem des Fahrzeugs 13 bereitzustellen.
  • Ergänzend ist darauf hinzuweisen, dass „umfassend“ keine anderen Elemente oder Schritte ausschließt und „eine“ oder „ein“ keine Vielzahl ausschließt. Ferner sei darauf hingewiesen, dass Merkmale oder Schritte, die mit Verweis auf eines der obigen Ausführungsbeispiele beschrieben worden sind, auch in Kombination mit anderen Merkmalen oder Schritten anderer oben beschriebener Ausführungsbeispiele verwendet werden können. Bezugszeichen in den Ansprüchen sind nicht als Einschränkung anzusehen.

Claims (14)

  1. Verfahren zur Vorhersage eines Fahrbahnverlaufs (10) einer Fahrbahn (11) in einer Umgebung (12) eines Fahrzeugs (13), aufweisend die Schritte: Bereitstellen eines ersten Modells (21) für den Fahrbahnverlauf (10) bezüglich eines Referenzkoordinatensystems zu einem ersten Zeitpunkt (t1; S1); Bestimmen eines zweiten Modells (22) für den Fahrbahnverlauf (10) bezüglich des Referenzkoordinatensystems zu einem zweiten Zeitpunkt (t2) basierend auf dem ersten Modell (21) für den Fahrbahnverlauf (10) und einer Positionsänderung des Fahrzeugs (13) zwischen dem ersten Zeitpunkt (t1) und dem zweiten Zeitpunkt (t2; S2); Ermitteln von Messdaten (16) bezüglich eines Objektes (14) in der Umgebung (12) des Fahrzeugs (13) durch eine Sensoreinheit (30; S3); Zuordnen der Messdaten (16) zum zweiten Modell (22) für den Fahrbahnverlauf (10; S4); und Minimieren eines Modellierungsfehlers des zweiten Modells (22) für den Fahrbahnverlauf (10) basierend auf einer Abweichung des zweiten Modells (22) für den Fahrbahnverlauf (10) von den zugeordneten Messdaten (16), um somit ein optimiertes Modell (23) für den Fahrbahnverlauf (10) zum zweiten Zeitpunkt (t2) zu erhalten (S5).
  2. Verfahren nach Anspruch 1, aufweisend den Schritt: Verwenden des optimierten Modells (23) für den Fahrbahnverlauf (10) in einem Fahrerassistenzsystem (32) des Fahrzeugs (13) zur Regelung eines Fahrzustandes des Fahrzeugs (13; S6).
  3. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Messdaten (16) bezüglich des Objektes (14) in der Umgebung (12) des Fahrzeugs (13) Informationen über eine Position und/oder eine Form einer Fahrbahnmarkierung (15) der Fahrbahn (11) aufweisen.
  4. Verfahren nach einem der vorhergehenden Ansprüche, wobei eine Bestimmung einer Trajektorie (40) eines Verkehrsteilnehmers in der Umgebung (12) des Fahrzeugs (13) basierend auf den Messdaten (16) erfolgt, um somit Informationen bezüglich des Objektes (14) in der Umgebung (12) des Fahrzeugs (13) bereitzustellen.
  5. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Ermitteln der Messdaten (16) bezüglich des Objektes (14) in der Umgebung (12) des Fahrzeugs (13) basierend auf Kameradaten eines Kamerasystems (31) des Fahrzeugs (13) erfolgt.
  6. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Bereitstellen des ersten Modells (21) für den Fahrbahnverlauf (10) bezüglich des Referenzkoordinatensystems zum ersten Zeitpunkt (t1) unter Verwendung eines Initialmodells (24) für den Fahrbahnverlauf (10) erfolgt; oder wobei das Bereitstellen des ersten Modells (21) für den Fahrbahnverlauf (10) bezüglich des Referenzkoordinatensystems zum ersten Zeitpunkt (t1) unter Verwendung eines zeitlich vor dem zweiten Modell (22) für den Fahrbahnverlauf (10) bestimmten Modells erfolgt.
  7. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Bereitstellen des ersten Modells (21) für den Fahrbahnverlauf (10) bezüglich des Referenzkoordinatensystems zum ersten Zeitpunkt (t1) basierend auf in einem Datenspeicher (33) hinterlegten Ausgangsmodellen für einen Fahrbahnverlauf (10) erfolgt.
  8. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Bestimmen eines zweiten Modells (22) für den Fahrbahnverlauf (10) basierend auf einer Richtungsänderung des Fahrzeugs (13) erfolgt.
  9. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Optimieren des zweiten Modells (22) für den Fahrbahnverlauf (10) mittels eines iterativen Näherungsverfahrens erfolgt.
  10. Verfahren nach Anspruch 9, wobei das Minimieren des Modellierungsfehlers des zweiten Modells (22) für den Fahrbahnverlauf (10) mittels des iterativen Näherungsverfahrens und zumindest einer weiteren Nebenbedingung (25) erfolgt.
  11. Verfahren nach einem der vorhergehenden Ansprüche, wobei das optimierte Modell (23) ein Modell für eine Fahrbahnmarkierung (15) und/oder für eine Fahrbahnberandung (15a) der Fahrbahn (11) ist.
  12. Verfahren nach einem der vorhergehenden Ansprüche, aufweisend die Schritte: Erneutes Zuordnen der Messdaten (16) zum zweiten Modell (22) für den Fahrbahnverlauf (10; S7); und Erneutes Minimieren eines Modellierungsfehlers des zweiten Modells (22) für den Fahrbahnverlauf (10) basierend auf einer Abweichung des zweiten Modells (22) für den Fahrbahnverlauf (10) von den zugeordneten Messdaten (16; S8).
  13. Fahrerassistenzsystem für ein Fahrzeug, aufweisend: eine Recheneinheit (34); eine Sensoreinheit (30); wobei die Recheneinheit (34) dazu ausgeführt ist, ein erstes Modell (21) für einen Fahrbahnverlauf (10) bezüglich eines Referenzkoordinatensystems zu einem ersten Zeitpunkt (t1) bereitzustellen; wobei die Recheneinheit (34) dazu ausgeführt ist, ein zweites Modell (22) für den Fahrbahnverlauf (10) bezüglich des Referenzkoordinatensystems zu einem zweiten Zeitpunkt (t2) basierend auf dem ersten Modell (21) für den Fahrbahnverlauf (10) und einer Positionsänderung des Fahrzeugs (13) zwischen dem ersten Zeitpunkt (t1) und dem zweiten Zeitpunkt (t2) zu bestimmen; wobei die Sensoreinheit (30) dazu ausgeführt ist, Messdaten (16) bezüglich eines Objektes (14) in der Umgebung (12) des Fahrzeugs (13) zu ermitteln; wobei die Recheneinheit (34) dazu ausgeführt ist, die Messdaten (16) zum Fahrbahnverlauf (10) des zweiten Modells (22) zuzuordnen; und wobei die Recheneinheit (34) dazu ausgeführt ist, einen Modellierungsfehler des zweiten Modells (22) für den Fahrbahnverlauf (10) basierend auf einer Abweichung des zweiten Modells (22) für den Fahrbahnverlauf (10) von den zugeordneten Messdaten (16) zu minimieren, um somit ein optimiertes Modell (23) für den Fahrbahnverlauf (10) zum zweiten Zeitpunkt (t2) zu erhalten.
  14. Fahrzeug mit einem Fahrerassistenzsystem nach Anspruch 13.
DE102016211730.0A 2016-06-29 2016-06-29 Verfahren zur Vorhersage eines Fahrbahnverlaufs einer Fahrbahn Pending DE102016211730A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102016211730.0A DE102016211730A1 (de) 2016-06-29 2016-06-29 Verfahren zur Vorhersage eines Fahrbahnverlaufs einer Fahrbahn

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102016211730.0A DE102016211730A1 (de) 2016-06-29 2016-06-29 Verfahren zur Vorhersage eines Fahrbahnverlaufs einer Fahrbahn

Publications (1)

Publication Number Publication Date
DE102016211730A1 true DE102016211730A1 (de) 2018-01-04

Family

ID=60662415

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102016211730.0A Pending DE102016211730A1 (de) 2016-06-29 2016-06-29 Verfahren zur Vorhersage eines Fahrbahnverlaufs einer Fahrbahn

Country Status (1)

Country Link
DE (1) DE102016211730A1 (de)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017208516A1 (de) * 2017-05-19 2018-11-22 Jungheinrich Aktiengesellschaft Verfahren zum Anpassen eines Betriebsparameters
DE102018212806A1 (de) * 2018-08-01 2019-06-06 Audi Ag Fahrerassistenzsystem für ein Kraftfahrzeug und Kraftfahrzeug
DE102019110942A1 (de) * 2019-04-29 2020-10-29 Valeo Schalter Und Sensoren Gmbh Automatic control of a path of a motor vehicle with respect to a lane
DE102019110938A1 (de) * 2019-04-29 2020-10-29 Valeo Schalter Und Sensoren Gmbh Automatic control of a path that a motor vehicle should follow in relation to a lane

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006040334A1 (de) * 2006-08-29 2008-03-06 Robert Bosch Gmbh Verfahren für die Spurerfassung mit einem Fahrerassistenzsystem und Fahrerassistenzsystem
DE102010020688A1 (de) * 2010-05-15 2011-05-19 Daimler Ag Verfahren zur Bestimmung eines Fahrspurverlaufs für ein Fahrzeug
DE112009005424B4 (de) * 2009-12-08 2015-12-24 Toyota Jidosha Kabushiki Kaisha Objektdetektionsvorrichtung und Objektdetektionsverfahren
DE102015013085A1 (de) * 2015-10-08 2016-03-31 Daimler Ag Verfahren zum Bestimmen eines Soll-Fahrspurverlaufs eines Kraftfahrzeugs

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006040334A1 (de) * 2006-08-29 2008-03-06 Robert Bosch Gmbh Verfahren für die Spurerfassung mit einem Fahrerassistenzsystem und Fahrerassistenzsystem
DE112009005424B4 (de) * 2009-12-08 2015-12-24 Toyota Jidosha Kabushiki Kaisha Objektdetektionsvorrichtung und Objektdetektionsverfahren
DE102010020688A1 (de) * 2010-05-15 2011-05-19 Daimler Ag Verfahren zur Bestimmung eines Fahrspurverlaufs für ein Fahrzeug
DE102015013085A1 (de) * 2015-10-08 2016-03-31 Daimler Ag Verfahren zum Bestimmen eines Soll-Fahrspurverlaufs eines Kraftfahrzeugs

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017208516A1 (de) * 2017-05-19 2018-11-22 Jungheinrich Aktiengesellschaft Verfahren zum Anpassen eines Betriebsparameters
DE102018212806A1 (de) * 2018-08-01 2019-06-06 Audi Ag Fahrerassistenzsystem für ein Kraftfahrzeug und Kraftfahrzeug
DE102019110942A1 (de) * 2019-04-29 2020-10-29 Valeo Schalter Und Sensoren Gmbh Automatic control of a path of a motor vehicle with respect to a lane
DE102019110938A1 (de) * 2019-04-29 2020-10-29 Valeo Schalter Und Sensoren Gmbh Automatic control of a path that a motor vehicle should follow in relation to a lane

Similar Documents

Publication Publication Date Title
US10558222B2 (en) Navigating a vehicle using a crowdsourced sparse map
US10248124B2 (en) Localizing vehicle navigation using lane measurements
US20180307229A1 (en) Suboptimal immediate navigational response based on long term planning
US10507807B2 (en) Systems and methods for causing a vehicle response based on traffic light detection
Hata et al. Road marking detection using LIDAR reflective intensity data and its application to vehicle localization
US9922565B2 (en) Sensor fusion of camera and V2V data for vehicles
JP6224370B2 (ja) 車両用コントローラ、車両システム
US8949016B1 (en) Systems and methods for determining whether a driving environment has changed
DE102016112913A1 (de) Verfahren und Vorrichtung zum Bestimmen einer Fahrzeug-Ich-Position
US9990375B2 (en) Map data processing device for vehicle
Huang et al. Finding multiple lanes in urban road networks with vision and lidar
US8428362B2 (en) Scene matching reference data generation system and position measurement system
US9652980B2 (en) Enhanced clear path detection in the presence of traffic infrastructure indicator
US20150371095A1 (en) Method and Apparatus for Determining a Road Condition
EP3736537A1 (de) Navigation eines fahrzeugs auf der grundlage einer erkannten farhzeug
JP4446201B2 (ja) 画像認識装置及び画像認識方法
US8605947B2 (en) Method for detecting a clear path of travel for a vehicle enhanced by object detection
KR101241651B1 (ko) 영상 인식 장치 및 그 방법, 영상 기록 장치 또는 그방법을 이용한 위치 판단 장치, 차량 제어 장치 및네비게이션 장치
DE102013105046B9 (de) Zielspurauswahlverfahren mittels Navigationseingabe in Straßenwechselszenarien
US10214206B2 (en) Parking assist system for vehicle
US20190025853A1 (en) Advanced path prediction
JP6553930B2 (ja) 車両情報処理装置、及び車両情報処理プログラム
CN102208036B (zh) 车辆位置检测系统
US10444752B2 (en) Stereo camera-based autonomous driving method and apparatus
BR102016001197A2 (pt) Sistema de veículo de direção autônoma

Legal Events

Date Code Title Description
R082 Change of representative
R163 Identified publications notified