DE102017206847B4 - Verfahren zum automatischen Erstellen und Aktualisieren eines Datensatzes für ein autonomes Fahrzeug - Google Patents

Verfahren zum automatischen Erstellen und Aktualisieren eines Datensatzes für ein autonomes Fahrzeug Download PDF

Info

Publication number
DE102017206847B4
DE102017206847B4 DE102017206847.7A DE102017206847A DE102017206847B4 DE 102017206847 B4 DE102017206847 B4 DE 102017206847B4 DE 102017206847 A DE102017206847 A DE 102017206847A DE 102017206847 B4 DE102017206847 B4 DE 102017206847B4
Authority
DE
Germany
Prior art keywords
vehicle
traffic light
vehicles
data
external
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.)
Active
Application number
DE102017206847.7A
Other languages
English (en)
Other versions
DE102017206847A1 (de
Inventor
Hanno Homann
Fabian Gigengack
Max Schneider
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.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Robert Bosch GmbH filed Critical Robert Bosch GmbH
Priority to DE102017206847.7A priority Critical patent/DE102017206847B4/de
Priority to PCT/EP2018/057463 priority patent/WO2018197122A1/de
Priority to CN201880027099.0A priority patent/CN110546696B/zh
Priority to US16/605,966 priority patent/US11335188B2/en
Priority to EP18713870.6A priority patent/EP3616181A1/de
Publication of DE102017206847A1 publication Critical patent/DE102017206847A1/de
Application granted granted Critical
Publication of DE102017206847B4 publication Critical patent/DE102017206847B4/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/10—Path keeping
    • B60W30/12—Lane keeping
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3811—Point data, e.g. Point of Interest [POI]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

Verfahren (1) zum automatischen Erstellen und Aktualisieren eines fahrzeugexternen Datensatzes für ein autonomes Fahrzeug (2), wobei
- mindestens eine Ampel (34) und ein Schaltzustand der mindestens einen Ampel (34) registriert wird (10),
- mindestens eine Fahrbahnmarkierung (36) ermittelt wird (12),
- eine Trajektorie von mindestens einem vorausfahrenden Fahrzeug (40) registriert wird (14),
- die gesammelten Daten zum Erstellen und Aktualisieren des Datensatzes verwendet werden, dadurch gekennzeichnet, dass basierend auf der mindestens einen erfassten Trajektorie (14), dem mindestens einen Schaltzustand der mindestens einen Ampel (10, 34) und der mindestens einen ermittelten Fahrbahnmarkierung (12, 36) mindestens eine Fahrspur (38) mindestens einer Ampel (34) zugeordnet wird.

Description

  • Die Erfindung betrifft ein Verfahren zum automatischen Erstellen und Aktualisieren eines Datensatzes für ein autonomes Fahrzeug sowie ein autonomes oder teilautonomes Fahrzeug zum Durchführen eines derartigen Verfahrens und geeignet für die Nutzung der mit dem Verfahren gesammelten Daten.
  • Stand der Technik
  • Für autonome und teilautonome Fahrzeuge sind hochgenaue Karten von essentieller Bedeutung. Hierbei sind zentimeter-genaue Informationen über Straßen- und Spurgeometrie durch das Fahrzeug abrufbar, so dass hierdurch eine Trajektorien-Planung für die autonomen Fahrzeuge und Fahrerassistenten erfolgen kann. Des Weiteren enthalten so genannte HAD („highly automated driving“)-Karten Landmarken wie statische 3D-Objekte, Fahrbahnmarkierungen, Leitpfosten, Verkehrsschilder und Ampeln. Diese können von fahrzeuginternen Sensoren wie beispielsweise 3D-Laserscannern, Videokameras und Radar-Sensoren wahrgenommen werden und ermöglichen eine hochgenaue Lokalisierung des Fahrzeuges innerhalb der Karte. Zusätzlich enthalten die Karten Informationen über Konnektivitäten der Fahrspuren, beispielsweise Abbiegemöglichkeiten an Kreuzungen. Dabei können insbesondere Ampeln manuell bestimmten Fahrspuren zugeordnet werden. Teilweise senden einige Systeme von verschiedenen Fahrzeugen zu unterschiedlichen Zeitpunkten detektierte Landmarken, sowie Trajektorien-Daten und GPS-Informationen an einen fahrzeugexternen Server, wo die Daten zum Erstellen und Aktualisieren von Karten genutzt werden. Dies kann beispielsweise durch ein Graph-Ausgleichsverfahren erfolgen. Die automatisierte Zuordnung einer Ampel zu einer bestimmten Fahrspur ist hierbei jedoch nicht möglich.
  • Die Druckschrift WO 2015/055185 A1 offenbart ein System zum Erkennen von Verkehrs-situationen bei mehreren parallelen Fahrspuren. Mit Hilfe von einer Fahrzeugsensorik werden ein Status einer Lichtsignalanlage, Fahrbahnbegrenzungen und Straßenbegrenzungen ermittelt. Basierend auf den ermittelten Daten werden dem ermittelnden Fahrzeug eine Fahrspur und ein Signalzustand der Lichtsignalanlage zugeordnet. Weiterer Stand der Technik ist aus DE 10 2014 200 638 A1 , EP 3154 043 A1 und DE 10 2015 206 593 A1 bekannt.
  • Offenbarung der Erfindung
  • Die der Erfindung zugrunde liegende Aufgabe kann darin gesehen werden, ein Verfahren zum automatischen Erstellen und Aktualisieren eines Datensatzes mit einer crowdgestützten Ampel-Fahrspur-Zuordnung, sowie ein autonomes oder teilautonomes Fahrzeug zum Durchführen des Verfahrens und zum Verwenden des Datensatzes vorzuschlagen.
  • Diese Aufgabe wird mittels des jeweiligen Gegenstands der unabhängigen Ansprüche gelöst. Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand von jeweils abhängigen Unteransprüchen.
  • Nach einem Aspekt der Erfindung wird ein Verfahren zum automatischen Erstellen und Aktualisieren eines fahrzeugexternen Datensatzes für ein autonomes Fahrzeug bereitgestellt. Dabei werden mindestens eine Ampel und ein Schaltzustand der mindestens einen Ampel registriert. Des Weiteren wird mindestens eine Fahrbahnmarkierung ermittelt und eine Trajektorie von mindestens einem vorausfahrenden Fahrzeug registriert. Die gesammelten Daten werden zum Erstellen und Aktualisieren des Datensatzes verwendet. Erfindungsgemäß wird basierend auf der mindestens einen erfassten Trajektorie, dem mindestens einen Schaltzustand der mindestens einen Ampel und der mindestens einen ermittelten Fahrbahnmarkierung mindestens eine Fahrspur mindestens einer Ampel zugeordnet.
  • Hierbei wird eine Trajektorie mindestens eines vorausfahrenden Fahrzeuges durch mindestens einen Sensor, wie beispielsweise eine Kamera oder ein LIDAR (Light detection and ranging)-Sensor, registriert und basierend auf den ermittelten Schaltzuständen der jeweiligen Ampeln und den aus den registrierten Fahrbahnmarkierungen definierten Fahrspuren hergeleitet, ob die jeweilige Fahrspur beispielsweise eine Abbiegerspur ist oder für eine Geradeausfahrt bestimmt ist. Somit kann auf automatisiertem Wege jeder Ampel und den korrespondierenden Fahrspuren eine Richtungsfunktion zugewiesen werden ohne einen Richtungsmarkierungspfeil auf der Fahrbahn erkennen zu müssen. Dies ist auch bei einer fehlenden oder verdeckten Richtungsmarkierung auf der Fahrbahn ebenfalls möglich. Hierbei wird die Fahr-Trajektorie vorausfahrender Fahrzeuge beobachtet und für die Zuordnung genutzt. Ändert sich beispielsweise ein Schaltungszustand einer Ampel und es wird auf einer Fahrspur ein Fahrzeug mit einer zeitlich entsprechenden Bewegung (z.B. Anfahren und Abbiegevorgang) ermittelt, so kann durch Auswertung der Daten festgestellt werden, dass es sich bei der Ampel und der Fahrspur um eine Abbiegerspur handelt. Im Gegensatz zur heutigen manuellen Zuordnung wird es dadurch möglich HAD-Karten mit großer Flächenabdeckung auch für komplexe Kreuzungen effizient und automatisiert zu erstellen. Insbesondere kann das Verfahren von einem oder mehreren Fahrzeugen durchgeführt werden. Vorzugsweise ermittelt jedes Fahrzeug mit Hilfe von Sensoren die beschriebenen Faktoren in Form von Daten. Die gesammelten Daten werden zum Erstellen und Aktualisieren eines Datensatzes verwendet. Dieser Datensatz kann von den jeweiligen kompatiblen Fahrzeugen auf eine fahrzeugexterne Servereinheit übertragen werden. Des Weiteren ermöglicht das Verfahren durch eine mögliche Vorhersage einer „Grünen Welle“, bei der mehre Ampel hintereinander auf grün geschaltet sind, ein schnelles Vorrankommen eines oder mehrerer Fahrzeuge im Verkehr. Den Fahrzeugen muss hierfür die eigene Fahrspur, der aktuelle Schaltzustand und der Schaltzyklus der Ampeln und ggf. die Position anderer Fahrzeuge bekannt sein. Auf die Art kann der Spritverbrauch reduziert, die Fahrzeit optimiert bzw. verkürzt und der Fahrkomfort beispielsweise in einer automatischen Fahrfunktion erhöht werden. Zudem kann eine Vorhersage des Bremsvorganges vorausfahrender Fahrzeuge auf der eigenen Fahrspur eines Fahrzeuges mittels des bekannten Schaltzyklus getätigt werden.
  • Gemäß eines Ausführungsbeispiels des Verfahrens erfolgen die Messungen durch unterschiedliche Fahrzeuge zu unterschiedlichen Zeitpunkten und werden an eine externe Servereinheit zum Auswerten übermittelt. Auf der fahrzeugexternen Servereinheit können die Daten aus unterschiedlichen Beobachtungen, die von verschiedenen Fahrzeugen und zu verschiedenen Zeiten stammen, gesammelt und gemeinsam ausgewertet werden. Dabei können aus den Informationen, bei welcher Ampelphase bzw. Schaltungszustand Fahrzeuge von welcher Fahrspur aus die Kreuzung passiert haben, den jeweiligen Ampeln entsprechende Fahrspuren zugeordnet werden.
  • Gemäß eines weiteren Ausführungsbeispiels des Verfahrens wird durch die Messungen unterschiedlicher Fahrzeuge zu unterschiedlichen Zeitpunkten ein Schaltzyklus mindestens einer Ampel als Datensatz erfasst und/oder ergänzt. Durch die Nutzung von Daten, die von mehreren Fahrzeugen zu unterschiedlichen Zeitpunkten aufgenommen wurden, kann der vollständige Schaltzyklus mindestens einer Ampel oder beispielsweise einer gesamten Lichtsignalanlage bzw. Ampelanlage einer Kreuzung erfasst werden. Dies ist auch möglich, wenn jedes einzelne Fahrzeug nur einen kurzen Zeitausschnitt die Ampel oder Ampelanlage beobachtet hat. Auch die Dauer der einzelnen AmpelPhasen kann dabei erfasst werden. Ferner können Beobachtungsfehler, Falschfahrer oder Falschabbieger durch die wiederholten Messungen erkannt und aussortiert werden.
  • Nach einem weiteren Ausführungsbeispiel des Verfahrens wird eine Dauer mindestens eines Schaltzustandes der mindestens einen Ampel aus mindestens zwei fahrzeuggestützten Messungen ermittelt. Da ein einziges Fahrzeug nicht immer einen gesamten Schaltzyklus einer Ampel erfassen kann, ist es vorteilhaft, wenn aus den individuell ermittelten Daten unterschiedlicher Fahrzeuge ein gesamter Schaltzyklus einer oder mehrerer Ampeln ermittelt werden kann. Hierbei können beispielsweise Änderungen im Schaltzustand von Ampeln als gemeinsame zeitliche Anhaltspunkte bei einem Zusammenführen von Daten verwendet werden.
  • Nach einem weiteren bevorzugten Ausführungsbeispiel des Verfahrens werden Schaltzustände von mindestens zwei Ampelanlagen entlang einer Fahrzeugstrecke relativ zueinander erfasst und gespeichert. Hierbei können Zyklusdauern der Schaltzyklen bzw. Längen der einzelnen Ampelphasen, insbesondere der Grünphase, und damit auch die Länge eines gesamten Schaltzyklus von Ampeln durch Messungen von Fahrzeugen erfasst und an eine fahrzeugexterne Servereinheit übertragen werden. Insbesondere können auch die relativen Schaltzeitpunkte mehrerer Ampeln entlang einer Fahrstrecke zueinander erfasst und gespeichert werden. Hierdurch kann beispielsweise eine erfasste „Grüne Welle“ für ein zeit-optimiertes Passieren mehrerer gekoppelter Ampelanlagen durch ein autonomes Fahrzeug ausgenutzt werden.
  • Gemäß eines weiteren Ausführungsbeispiels des Verfahrens werden die ermittelten Daten von mindestens zwei Fahrzeugen auf der externen Servereinheit gesammelt und zu einem Modell von Ampelanlagen und deren Abhängigkeiten zueinander verarbeitet. Die ermittelten Daten aller teilnehmenden Fahrzeuge können auf der Servereinheit gesammelt und ein Modell aller Ampeln und Abhängigkeiten der Ampeln zueinander ermittelt werden. Das Ampelmodell wird von der Servereinheit wieder an die datenerfassenden Fahrzeuge und optional auch an passiv teilnehmende Fahrzeuge verteilt. Damit kann eine Fahrplanung anderer autonomer oder teilautonomer Fahrzeuge ebenfalls optimiert werden. Somit kann beispielsweise ein Anfahr- oder Stopp-Verhalten der Fahrzeuge vor einer Ampel oder ein Geschwindigkeitsprofil zwischen zwei Ampeln anpassen, so dass beispielsweise eine Gesamtfahrzeit und/oder ein Spritverbrauch des Fahrzeuges minimiert werden können. Ein derartiges Modell kann beispielsweise für eine zukünftige Vorhersage einer Gesamtfahrzeit einer Fahrstrecke verwendet werden.
  • Gemäß eines weiteren Ausführungsbeispiels des Verfahrens werden das Modell und der mindestens eine erfasste Datensatz automatisiert in einer fahrzeugexternen HAD-Karte gespeichert oder zur Korrektur einer fahrzeugexternen HAD-Karte verwendet werden. Vorzugsweise kann das erstelle Modell bzw. mehrere Modelle von Ampeln oder ganzen Ampelanlagen, sowie die ermittelten Daten in Form eines Datensatzes in einer Karte hinterlegt oder zum Aktualisieren bzw. zur Korrektur der Karte verwendet werden, die für das sogenannte „highly automated driving“ geeignet ist. Es können somit autonome oder teilautonome Fahrzeuge auf die HAD-Karte zugreifen und automatisch entlang einer Route navigieren. Durch das Ampelmodell und die stets aktualisierten Datensätze kann ein derartiges Fahrzeug störungsfrei entlang definierter Strecken navigieren und Ampelphasen optimal und automatisch während der Navigation berücksichtigen.
  • Nach einem weiteren Ausführungsbeispiel des Verfahrens erfolgt die Zuordnung der mindestens einen Fahrspur zu der mindestens einer Ampel in der externen Servereinheit oder in einem Fahrzeug. Moderne Fahrzeuge weisen diverse Steuergeräte und Rechnereinheiten auf. Insbesondere autonome oder teilautonome Fahrzeuge müssen leistungsfähige Rechenoperationen zum Auswerten der Sensoren und zum Steuern des Fahrzeuges aufweisen. Die bereits vorhandenen Rechnereinheiten können hierbei die Zuordnung der Fahrspuren bzw. der Richtungsinformationen zu entsprechenden Ampeln und Ampelphasen übernehmen oder vorverarbeiten. Hierdurch kann ein Rechenaufwand der externen Servereinheit reduziert werden. Somit kann eine schnellere Servereinheit realisiert werden, die dynamischer bzw. schneller auf Anfragen von Fahrzeugen oder auf ankommende Datensätze reagieren kann. Alternativ kann die externe Servereinheit die Zuordnung der Fahrspuren übernehmen, da eine stationäre Recheneinheit grundsätzlich eine höhere Rechenleistung und größere Speicherkapazitäten aufweisen kann. Zum Übertragen der relevanten Daten können sowohl die Fahrzeuge als auch die externe Servereinheit Kommunikationsvorrichtungen aufweisen, die untereinander bidirektional kommunizieren und Daten austauschen können.
  • Nach einem weiteren Aspekt der Erfindung wird ein autonomes oder teilautonomes Fahrzeug zum Durchführen des Verfahrens gemäß dem vorherigen Aspekt der Erfindung bereitgestellt. Das Fahrzeug weist mindestens einem Sensor zum Erfassen von Fahrbahnmarkierungen, zum Erfassen von vorausfahrenden Fahrzeugen und deren Trajektorien und zum Erfassen von Ampeln und von Schaltzuständen der Ampeln auf. Des Weiteren weist das Fahrzeug mindestens eine Kommunikationsvorrichtung zum Senden der erfassten Daten und zum Empfangen von gesammelten und verarbeiteten Datensätzen einer externen Servereinheit.
  • Hierbei kann beispielsweise mindestens ein im Fahrzeug verbauter Sensor, wie beispielsweise eine Kamera oder ein LIDAR-Sensor, zur Detektion von Fahrbahnmarkierungen, vorausfahrenden Fahrzeugen und Ampeln verwendet werden. Zusätzlich können die Fahrzeug-Trajektorien und die Schaltzustände der Ampeln erfasst werden. Aus dem Zusammenspiel der Fahrzeug-Trajektorien und der Schaltzustände der Ampeln können die vorausfahrenden Fahrzeuge bestimmten Fahrspuren zugeordnet werden. Insbesondere können hierdurch Richtungsfunktionen unterschiedlichen Fahrspuren zugeordnet werden. Diese Daten werden durch die Kommunikationsvorrichtung zu mindestens einer fahrzeugexternen Servereinheit gesendet. Durch die Servereinheit werden diese Datensätze aus mehreren Beobachtungen, die von verschiedenen Fahrzeugen und zu verschiedenen Zeiten stammen, gesammelt und gemeinsam ausgewertet. Dafür werden aus den ermittelten Informationen, bei welcher Ampelphase Fahrzeuge von welcher Fahrspur die Kreuzung passiert haben, die Ampeln den Fahrspuren zugeordnet und entsprechende Ampelmodelle erstellt. Durch die Nutzung der Datensätze, die von mehreren Fahrzeugen zu unterschiedlichen Zeitpunkten aufgenommen wurden, kann ein vollständiger Schaltzyklus von Ampelanlage erfasst werden, auch wenn jedes einzelne Fahrzeug nur einen kurzen Zeitausschnitt beobachtet hat. Ferner können Beobachtungsfehler, Falschfahrer oder Falschabbieger durch die wiederholten Messungen erkannt und aussortiert werden.
  • Nach einem Ausführungsbeispiel ist für das Fahrzeug eine fahrzeugexterne HAD-Karte zur Navigation verwendbar. Hierdurch kann das Fahrzeug auf die fahrzeugexterne, auf der Servereinheit hinterlegte, HAD-Karte zugreifen und diese zum Navigieren nutzen. Alternativ oder zusätzlich kann das Fahrzeug auch die Karte zeitweise Puffern bzw. Zwischenspeichern und von einer fahrzeuginternen Rechnereinheit abrufen.
  • Gemäß eines weiteren Ausführungsbeispiels sind Ampelpositionen und ermittelte Datensätze zu Ampeln aus der HAD-Karte in ein fahrzeuginternes Bild-Koordinatensystem mindestens einer fahrzeuginternen Kamera projizierbar. Es können beispielsweise jeweilige Positionen von Ampeln aus der HAD-Karte in die fahrzeuginterne Sensorik und Datenbank übertragen und im Kamerabild visualisiert werden, sofern eine Darstellungseinheit vorhanden ist. Durch die Projektion kann insbesondere eine Detektionsgenauigkeit und Reichweite eines Ampel-Erkennungs-Algorithmus erhöht werden. Hierdurch können der zeitliche Planungshorizont sowie die Robustheit einer automatischen Fahrfunktion verbessert werden, so dass ein Fahrkomfort, Sicherheit und Treibstoffverbrauch optimiert werden können.
  • Im Folgenden werden anhand von stark vereinfachten schematischen Darstellungen bevorzugte Ausführungsbeispiele der Erfindung näher erläutert. Hierbei zeigen
    • 1 eine schematische Darstellung eines Verfahrens zum automatischen Erstellen und Aktualisieren eines Datensatzes für ein autonomes Fahrzeug gemäß eines ersten Ausführungsbeispiels,
    • 2 eine schematische Darstellung eines Fahrzeuges gemäß eines ersten Ausführungsbeispiels und
    • 3 eine Ampelanlage an der beispielhaft das Verfahren gemäß des ersten Ausführungsbeispiels durchgeführt wird.
  • In den Figuren weisen dieselben konstruktiven Elemente jeweils dieselben Bezugsziffern auf.
  • 1 zeigt eine schematische Darstellung eines Verfahrens 1 zum automatischen Erstellen und Aktualisieren eines Datensatzes für ein autonomes Fahrzeug 2 gemäß eines ersten Ausführungsbeispiels. Das Verfahren 1 weist einen fahrzeugseitigen Teil 4 und einen fahrzeugexternen Teil 6 auf. Der fahrzeugseitige Teil 4 des Verfahrens 1 wird von einem Fahrzeug 2 mit entsprechender Sensorik und Rechnereinheit durchgeführt. Der fahrzeugexterne Teil 6 des Verfahrens 1 wird von einer externen Servereinheit durchgeführt.
  • Bei dem Verfahren 1 wird in einem ersten Schritt von einer fahrzeugseitigen Sensorik mindestens eine Ampel und ein Schaltzustand der mindestens einen Ampel registriert 10. In einem weiteren Schritt wird mindestens eine Fahrbahnmarkierung ermittelt 12. Anschließend wird eine Fahrzeug-Trajektorie von mindestens einem vorausfahrenden Fahrzeug registriert und nachverfolgt 14. Die gesammelten Daten werden zum Erstellen und Aktualisieren eines fahrzeugexternen Datensatzes verwendet. Hierzu werden die gesammelten Daten an eine fahrzeugexterne Servereinheit übermittelt 16. Die genannten Schritte können dabei parallel zueinander oder nacheinander erfolgen.
  • Die fahrzeugexterne Servereinheit 28 empfängt die gesammelten Daten 18. Basierend auf dem mindestens einen Schaltzustand der mindestens einen Ampel 34, auf der mindestens einen ermittelten Fahrbahnmarkierung 36 und auf der mindestens einen erfassten Trajektorie eines vorausfahrenden Fahrzeuges 40 wird mindestens eine Fahrspur 38 identifiziert und mindestens einer Ampel 34 zugeordnet 20. Durch die Zuordnung kann der Fahrspur 38 eine Richtungsfunktion zugewiesen werden, die von nachfolgenden autonome oder teilautonome Fahrzeugen 2 verwendet werden können, um insbesondere im Bereich von Ampeln optimal navigieren zu können.
  • In der 2 ist eine schematische Darstellung eines Fahrzeuges 2 gemäß einem ersten Ausführungsbeispiel dargestellt. Das Fahrzeug 2 ist dazu ausgelegt den fahrzeugseitigen Teil 4 des Verfahrens 1 zum automatischen Erstellen und Aktualisieren eines fahrzeugexternen Datensatzes durchzuführen. Das Fahrzeug 2 weist eine Kamera 22 auf, die an einer Frontseite des Fahrzeuges 2 angeordnet ist. Die Kamera 22 nimmt eine Umgebung des Fahrzeuges 2 auf und leitet die erzeugten Bilder an eine fahrzeugseitige Rechnereinheit 24. Die Rechnereinheit 24 wertet die erzeugten Bilder aus und ermittelt Fahrbahnmarkierungen, registriert vorausfahrende Fahrzeuge und verfolgt anhand der Bilder die Trajektorie bzw. Fahrtrichtungen von vorausfahrenden Fahrzeugen 40. Des Weiteren erkennt die Rechnereinheit 24 Ampeln und deren Schaltzustände durch Analysieren der Bilder. Die ermittelten und analysierten Informationen können kontinuierlich oder packetweise über eine Kommunikationsvorrichtung 26 an eine fahrzeugexterne Servereinheit 28 gesendet werden. Hierzu weist die Servereinheit 28 ebenfalls eine fahrzeugexterne Kommunikationsvorrichtung 30 auf, die zum Empfangen von ermittelten Daten und zum Senden von ausgewerteten oder angeforderten Daten dient.
  • Die 3 zeigt eine Ampelanlage 32, an der beispielhaft das Verfahren 1 gemäß des ersten Ausführungsbeispiels angewendet wird. Insbesondere ist ein Bild dargestellt, welches von der Kamera 22 des Fahrzeuges 2 aufgenommen wurde. Die Rechnereinheit 24 hat bereits die Ampeln 34 der Ampelanlage 32 erkannt. Des Weiteren wurden Fahrbahnmarkierungen 36 von der Rechnereinheit 24 registriert. Die Fahrbahnmarkierungen 36 dienen somit der Identifizierung von Fahrspuren 38 im Bild. Des Weiteren wurden von der Rechnereinheit 24 die vorausfahrenden Fahrzeuge 40 erkannt. Mit jedem weiteren Bild werden die vorausfahrenden Fahrzeuge 40 registriert und insbesondere deren Bewegungsgeschwindigkeit und -richtung erfasst. Somit kann basierend auf der Bewegung ausgehend von den jeweiligen Fahrspuren 38 und den Schaltzuständen der Ampeln 34 eine Richtungsinformation ermittelt werden. Die Pfeile auf den Fahrspuren 38 verdeutlichen die Richtungsinformationen. Insbesondere kann anhand des Bildes ermittelt werden, dass auf der rechten Fahrspur das vorausfahrende Fahrzeug 40 nach rechts abbiegt und diese Fahrspur 38 somit voraussichtlich eine Fahrspur 38 zum Rechtsabbiegen ist. Diese Information kann nun anhand weiterer von anderen Fahrzeugen 2 ermittelten Daten evaluiert oder korrigiert werden. Anhand der Fahrzeug-Trajektorien der vorausfahrenden Fahrzeuge 40 auf den drei mittleren Fahrspuren 38 können den Fahrspuren 38 jeweils eine Geradeausfahrt zugeordnet werden.

Claims (11)

  1. Verfahren (1) zum automatischen Erstellen und Aktualisieren eines fahrzeugexternen Datensatzes für ein autonomes Fahrzeug (2), wobei - mindestens eine Ampel (34) und ein Schaltzustand der mindestens einen Ampel (34) registriert wird (10), - mindestens eine Fahrbahnmarkierung (36) ermittelt wird (12), - eine Trajektorie von mindestens einem vorausfahrenden Fahrzeug (40) registriert wird (14), - die gesammelten Daten zum Erstellen und Aktualisieren des Datensatzes verwendet werden, dadurch gekennzeichnet, dass basierend auf der mindestens einen erfassten Trajektorie (14), dem mindestens einen Schaltzustand der mindestens einen Ampel (10, 34) und der mindestens einen ermittelten Fahrbahnmarkierung (12, 36) mindestens eine Fahrspur (38) mindestens einer Ampel (34) zugeordnet wird.
  2. Verfahren nach Anspruch 1, wobei die Messungen durch unterschiedliche Fahrzeuge (2) zu unterschiedlichen Zeitpunkten erfolgen und an eine externe Servereinheit (28) zum Auswerten übermittelt werden.
  3. Verfahren nach Anspruch 1 oder 2, wobei durch die Messungen unterschiedlicher Fahrzeuge (2) zu unterschiedlichen Zeitpunkten ein Schaltzyklus mindestens einer Ampel (34) als Datensatz erfasst und/oder ergänzt wird.
  4. Verfahren nach einem der Ansprüche 1 bis 3, wobei eine Dauer mindestens eines Schaltzustandes der mindestens einen Ampel (34) aus mindestens zwei fahrzeuggestützten Messungen ermittelt wird.
  5. Verfahren nach einem der Ansprüche 1 bis 4, wobei Schaltzustände von mindestens zwei Ampelanlagen (32) entlang einer Fahrzeugstrecke relativ zueinander erfasst und gespeichert werden.
  6. Verfahren nach einem der Ansprüche 1 bis 5, wobei die ermittelten Daten von mindestens zwei Fahrzeugen (2) auf der externen Servereinheit (28) gesammelt und zu einem Modell von Ampelanlagen (32) und deren Abhängigkeiten zueinander verarbeitet werden.
  7. Verfahren nach einem der Ansprüche 1 bis 6, wobei das Modell und der mindestens eine erfasste Datensatz automatisiert in einer fahrzeugexternen HAD-Karte gespeichert werden oder zur Korrektur einer fahrzeugexternen HAD-Karte verwendet werden.
  8. Verfahren nach einem der Ansprüche 1 bis 7, wobei die Zuordnung der mindestens einen Fahrspur (38) zu der mindestens einer Ampel (34) in der externen Servereinheit (28) oder in einem Fahrzeug (2, 24) erfolgt.
  9. Autonomes oder teilautonomes Fahrzeug (2) zum Durchführen des Verfahrens gemäß einem der vorherigen Ansprüche, mit mindestens einem Sensor (22) zum Erfassen von Fahrbahnmarkierungen (36), von vorausfahrenden Fahrzeugen (40) und Trajektorien der vorausfahrenden Fahrzeuge (40), von Ampeln (34) und Schaltzuständen der Ampeln (34), mit einer Kommunikationsvorrichtung (26) zum Senden der erfassten Daten und zum Empfangen von gesammelten und verarbeiteten Datensätzen einer externen Servereinheit (28).
  10. Fahrzeug nach Anspruch 9, wobei für das Fahrzeug (2) eine fahrzeugexterne HAD-Karte zur Navigation verwendbar ist.
  11. Fahrzeug nach Anspruch 9 oder 10, wobei Ampelpositionen und ermittelte Datensätze zu Ampeln (34) aus der fahrzeugexterne HAD-Karte in ein fahrzeuginternes Bild-Koordinatensystem mindestens einer fahrzeuginternen Kamera (22) projizierbar sind.
DE102017206847.7A 2017-04-24 2017-04-24 Verfahren zum automatischen Erstellen und Aktualisieren eines Datensatzes für ein autonomes Fahrzeug Active DE102017206847B4 (de)

Priority Applications (5)

Application Number Priority Date Filing Date Title
DE102017206847.7A DE102017206847B4 (de) 2017-04-24 2017-04-24 Verfahren zum automatischen Erstellen und Aktualisieren eines Datensatzes für ein autonomes Fahrzeug
PCT/EP2018/057463 WO2018197122A1 (de) 2017-04-24 2018-03-23 Verfahren zum automatischen erstellen und aktualisieren eines datensatzes für ein autonomes fahrzeug
CN201880027099.0A CN110546696B (zh) 2017-04-24 2018-03-23 用于自主车辆的用于自动生成和更新数据集的方法
US16/605,966 US11335188B2 (en) 2017-04-24 2018-03-23 Method for automatically producing and updating a data set for an autonomous vehicle
EP18713870.6A EP3616181A1 (de) 2017-04-24 2018-03-23 Verfahren zum automatischen erstellen und aktualisieren eines datensatzes für ein autonomes fahrzeug

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102017206847.7A DE102017206847B4 (de) 2017-04-24 2017-04-24 Verfahren zum automatischen Erstellen und Aktualisieren eines Datensatzes für ein autonomes Fahrzeug

Publications (2)

Publication Number Publication Date
DE102017206847A1 DE102017206847A1 (de) 2018-10-25
DE102017206847B4 true DE102017206847B4 (de) 2020-08-13

Family

ID=61801935

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102017206847.7A Active DE102017206847B4 (de) 2017-04-24 2017-04-24 Verfahren zum automatischen Erstellen und Aktualisieren eines Datensatzes für ein autonomes Fahrzeug

Country Status (5)

Country Link
US (1) US11335188B2 (de)
EP (1) EP3616181A1 (de)
CN (1) CN110546696B (de)
DE (1) DE102017206847B4 (de)
WO (1) WO2018197122A1 (de)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020200704A1 (de) 2020-01-22 2021-08-05 Volkswagen Aktiengesellschaft Verfahren zur Bestimmung eines Verkehrsregelkriteriums einer Verkehrsampeln, sowie Verkehrsregelbestimmungssystem und Fahrzeug
US20230098014A1 (en) * 2021-09-24 2023-03-30 Autonomous A2Z Method for Predicting Traffic Light Information by Using Lidar and Server Using the Same
DE102022002082A1 (de) 2022-06-10 2023-12-21 Mercedes-Benz Group AG Verfahren zur Erkennung von semantischen Beziehungen zwischen Verkehrsobjekten

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7067067B2 (ja) 2018-01-11 2022-05-16 トヨタ自動車株式会社 信号機認識装置、及び自動運転システム
DE102019212263A1 (de) * 2019-08-15 2021-02-18 Volkswagen Aktiengesellschaft Verfahren zur Erhöhung der Verkehrsflussdichte an einer Ampelkreuzung
CN113905941B (zh) * 2019-10-29 2024-08-23 索尼集团公司 地理控制区中的车辆控制
DE102019217144B4 (de) * 2019-11-06 2021-10-14 Volkswagen Aktiengesellschaft Ampelspurzuordnung aus Schwarmdaten
DE102019217555B4 (de) * 2019-11-14 2022-01-27 Zf Friedrichshafen Ag Verfahren und Steuereinrichtung zur Fahrzeugsteuerung
CN111703422B (zh) * 2020-06-24 2021-06-29 北京经纬恒润科技股份有限公司 智能驾驶车辆的目标跟踪路径选择方法及装置
DE102020208378B3 (de) * 2020-07-03 2021-09-23 Volkswagen Aktiengesellschaft Ampelspurzuordnung aus Schwarmdaten
US11263901B1 (en) * 2020-09-28 2022-03-01 Ford Global Technologies, Llc Vehicle as a sensing platform for traffic light phase timing effectiveness
EP4105818A1 (de) * 2021-06-18 2022-12-21 Continental Autonomous Mobility Germany GmbH Verfahren und system zur schätzung der fahrbahngeometrie
DE102021209977A1 (de) 2021-09-09 2023-03-09 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Steuergerät
US12073633B2 (en) * 2022-04-22 2024-08-27 Toyota Research Institute, Inc. Systems and methods for detecting traffic lights of driving lanes using a camera and multiple models

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015055185A1 (de) * 2013-10-14 2015-04-23 Conti Temic Microelectronic Gmbh Verfahren zur erkennung von verkehrssituationen beim betrieb eines fahrzeugs
DE102014200638A1 (de) * 2014-01-16 2015-07-30 Bayerische Motoren Werke Aktiengesellschaft Verfahren und System zum Schätzen eines Fahrspurverlaufs
DE102015206593A1 (de) * 2015-04-14 2016-10-20 Bayerische Motoren Werke Aktiengesellschaft Fahrzeug, Anordnung und Verfahren zur Analyse eines Verhaltens einer Lichtsignalanlage
EP3154043A1 (de) * 2015-10-06 2017-04-12 Volkswagen Aktiengesellschaft Verfahren und system zum bereitstellen von informationen im umfeld einer kreuzung

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101033598A (zh) * 2006-03-07 2007-09-12 程祖本 一种全流通法交叉路口的道路设置、信号灯控制及通行方法
KR101004982B1 (ko) 2007-02-02 2011-01-04 도요타 지도샤（주） 차량 탑재 수신 장치
CN101470963A (zh) * 2007-12-26 2009-07-01 奥城同立科技开发（北京）有限公司 智能红绿灯控制系统
CN101572005A (zh) * 2008-04-30 2009-11-04 奥城同立科技开发（北京）有限公司 车道行驶方向显示和控制方法
CN101572006A (zh) * 2008-04-30 2009-11-04 奥城同立科技开发（北京）有限公司 交通信号灯控制方法
CN101719318B (zh) * 2009-03-19 2011-11-30 王苏华 一种交通路口的车辆引导方法
US8340894B2 (en) * 2009-10-08 2012-12-25 Honda Motor Co., Ltd. Method of dynamic intersection mapping
BR112012022906A2 (pt) * 2010-03-11 2019-09-24 Inrix Inc percursos de navegação para aprendizado de estradas com base em comportamento agregado de motorista
CN102117546B (zh) * 2011-03-10 2013-05-01 上海交通大学 车载交通信号灯辅助装置
US9435654B2 (en) * 2013-06-01 2016-09-06 Savari, Inc. System and method for creating, storing, and updating local dynamic MAP database with safety attribute
DE102014205953A1 (de) 2014-03-31 2015-10-01 Robert Bosch Gmbh Verfahren zur Analyse einer Verkehrsumfeldsituation eines Fahrzeugs
DE102015016349B4 (de) * 2015-10-07 2023-02-23 Volkswagen Aktiengesellschaft Vorrichtung und Verfahren für ein Fahrassistenzsystem für ein Fahrzeug sowie Vorrichtung und Verfahren für eine Kontrollinstanz für ein kontrollierbares Verkehrszeichen
US9672734B1 (en) * 2016-04-08 2017-06-06 Sivalogeswaran Ratnasingam Traffic aware lane determination for human driver and autonomous vehicle driving system
CN106327897B (zh) 2016-09-07 2019-02-19 招商局重庆交通科研设计院有限公司 一种基于车路协同技术的信号灯状态终端显示方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015055185A1 (de) * 2013-10-14 2015-04-23 Conti Temic Microelectronic Gmbh Verfahren zur erkennung von verkehrssituationen beim betrieb eines fahrzeugs
DE102014200638A1 (de) * 2014-01-16 2015-07-30 Bayerische Motoren Werke Aktiengesellschaft Verfahren und System zum Schätzen eines Fahrspurverlaufs
DE102015206593A1 (de) * 2015-04-14 2016-10-20 Bayerische Motoren Werke Aktiengesellschaft Fahrzeug, Anordnung und Verfahren zur Analyse eines Verhaltens einer Lichtsignalanlage
EP3154043A1 (de) * 2015-10-06 2017-04-12 Volkswagen Aktiengesellschaft Verfahren und system zum bereitstellen von informationen im umfeld einer kreuzung

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020200704A1 (de) 2020-01-22 2021-08-05 Volkswagen Aktiengesellschaft Verfahren zur Bestimmung eines Verkehrsregelkriteriums einer Verkehrsampeln, sowie Verkehrsregelbestimmungssystem und Fahrzeug
US20230098014A1 (en) * 2021-09-24 2023-03-30 Autonomous A2Z Method for Predicting Traffic Light Information by Using Lidar and Server Using the Same
US11643093B2 (en) * 2021-09-24 2023-05-09 Autonmous A2Z Method for predicting traffic light information by using lidar and server using the same
DE102022002082A1 (de) 2022-06-10 2023-12-21 Mercedes-Benz Group AG Verfahren zur Erkennung von semantischen Beziehungen zwischen Verkehrsobjekten

Also Published As

Publication number Publication date
WO2018197122A1 (de) 2018-11-01
US20200126408A1 (en) 2020-04-23
DE102017206847A1 (de) 2018-10-25
CN110546696B (zh) 2022-08-30
CN110546696A (zh) 2019-12-06
US11335188B2 (en) 2022-05-17
EP3616181A1 (de) 2020-03-04

Similar Documents

Publication Publication Date Title
DE102017206847B4 (de) Verfahren zum automatischen Erstellen und Aktualisieren eines Datensatzes für ein autonomes Fahrzeug
DE102015203016B4 (de) Verfahren und Vorrichtung zur optischen Selbstlokalisation eines Kraftfahrzeugs in einem Umfeld
EP3584663B1 (de) Verfahren zur automatischen querführung eines folgefahrzeugs in einem fahrzeug-platoon
DE102016222259B4 (de) Verfahren und System zum Bereitstellen von Daten für eine erste und zweite Trajektorie
DE102014015073B4 (de) Verfahren zur Aktualisierung und/oder Erweiterung eines Kartendatensatzes einer begrenzten Umgebung
EP3577420B1 (de) Verfahren und vorrichtung zur aktualisierung einer digitalen karte
DE112018006665T5 (de) Verfahren zum zugreifen auf ergänzende wahrnehmungsdaten von anderen fahrzeugen
EP3380811B1 (de) Verfahren und system zum erstellen einer digitalen karte
EP3491339B1 (de) Verfahren, vorrichtung und computerlesbares speichermedium mit instruktionen zur bestimmung der lateralen position eines fahrzeuges relativ zu den fahrstreifen einer fahrbahn
DE112018002143T5 (de) Systeme und verfahren zur kompression von fahrspurdaten
EP3380810B1 (de) Verfahren, vorrichtung, kartenverwaltungseinrichtung und system zum punktgenauen lokalisieren eines kraftfahrzeugs in einem umfeld
EP2568310A2 (de) Verfahren, System sowie Vorrichtung zur Lokalisation eines Fahrzeugs relativ zu einem vordefinierten Bezugssystem
EP3529561B1 (de) System und verfahren zur erzeugung von digitalen strassenmodellen aus luft- oder satellitenbildern und von fahrzeugen erfassten daten
WO2017089135A1 (de) Verfahren und system zum erstellen einer spurgenauen belegungskarte für fahrspuren
WO2015149971A1 (de) Verfahren zur analyse einer verkehrsumfeldsituation eines fahrzeugs
DE102016213817B4 (de) Verfahren, Vorrichtung und computerlesbares Speichermedium mit Instruktionen zur Bestimmung der lateralen Position eines Fahrzeuges relativ zu den Fahrstreifen einer Fahrbahn
DE102013211696A1 (de) Verfahren zum Vervollständigen und/oder Aktualisieren einer digitalen Straßenkarte, Vorrichtung für ein Kraftfahrzeug und Kraftfahrzeug
DE102008041679A1 (de) Vorrichtung und Verfahren zur erinnerungsbasierten Umfelderkennung
WO2017202570A1 (de) Verfahren, vorrichtung und computerlesbares speichermedium mit instruktionen zur bestimmung der lateralen position eines fahrzeuges relativ zu den fahrstreifen einer fahrbahn
DE102015001360A1 (de) Verfahren zur Positionsbestimmung eines Fahrzeugs
DE102016119729A1 (de) Steuern eines Personenbeförderungsfahrzeugs mit Rundumsichtkamerasystem
EP3781906B1 (de) Verfahren und vorrichtung zum bestimmen einer hochgenauen position eines fahrzeugs
EP3204889A1 (de) Verfahren für ein kraftfahrzeug mit einer kamera, vorrichtung und system
DE102010049214A1 (de) Verfahren zur Bestimmung eines Fahrspurverlaufs für ein Fahrzeug
DE102019132967A1 (de) Verfahren und Vorrichtung zur Ermittlung einer Fahrspur-Hypothese

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R018 Grant decision by examination section/examining division
R020 Patent grant now final