DE102017212506A1

DE102017212506A1 - Verfahren zur Ermittlung von Höhen-Information für ein Fahrzeug

Info

Publication number: DE102017212506A1
Application number: DE102017212506.3A
Authority: DE
Inventors: Daniel Kotzor; Maximilian Pautzke; Friedrich Schweizer
Original assignee: Bayerische Motoren Werke AG
Current assignee: Bayerische Motoren Werke AG
Priority date: 2017-07-20
Filing date: 2017-07-20
Publication date: 2019-01-24

Abstract

Es wird ein Verfahren (500) zur Ermittlung von Höhen-Information bezüglich einer Höhe eines Fahrzeugs (100) in einer Parkanlage (110) beschrieben. Das Verfahren (500) umfasst das Ermitteln (501) von Werten von ein oder mehreren Kalman-Parametern eines Kalman-Filters für eine Fahrt des Fahrzeugs (100) außerhalb der Parkanlage (110), unter Verwendung eines an dem Fahrzeug (100) empfangenen satellitenbasierten Positionierungssignals. Außerdem umfasst das Verfahren (500) das Ermitteln (502) der Höhen-Information für eine Fahrt in der Parkanlage (110) anhand des Kalman-Filters mit den ermittelten Werten der ein oder mehreren Kalman-Parameter.

Description

Die Erfindung betrifft eine Steuereinheit und ein entsprechendes Verfahren zur Ermittlung der vertikalen Position bzw. der Höhe eines Fahrzeugs, insbesondere zur Ermittlung des Stockwerks eines Parkhauses, in dem sich ein Fahrzeug befindet.
Ein Fahrzeug weist heute typischerweise ein Navigationsgerät auf, mit dem die Position des Fahrzeugs in der Ebene mittels GPS und mittels fahrzeuginterner Daten (anhand des sogenannten Dead Reckoning) zuverlässig und präzise bestimmt werden kann.
Andererseits basiert die Bestimmung der vertikalen Position, d.h. der Höhe, typischerweise ausschließlich auf der z-Koordinate eines GPS Signals, das prinzipbedingt relativ ungenau ist. Darüber hinaus kann ein GPS Signal typischerweise in einem Gebäude, etwa in einem Parkhaus oder in einer Tiefgarage, überhaupt nicht mehr empfangen werden, was typischerweise die Ermittlung der Höhe eines Fahrzeugs unmöglich macht.
Das vorliegende Dokument befasst sich mit der technischen Aufgabe, die vertikale Position bzw. Höhe eines Fahrzeugs, insbesondere das Stockwerk, in dem sich ein Fahrzeug befindet, in effizienter und präziser Weise zu ermitteln, auch dann, wenn kein GPS Signal zur Verfügung steht.
Die Aufgabe wird durch die unabhängigen Ansprüche gelöst. Vorteilhafte Ausführungsformen werden u.a. in den abhängigen Ansprüchen beschrieben. Es wird darauf hingewiesen, dass zusätzliche Merkmale eines von einem unabhängigen Patentanspruch abhängigen Patentanspruchs ohne die Merkmale des unabhängigen Patentanspruchs oder nur in Kombination mit einer Teilmenge der Merkmale des unabhängigen Patentanspruchs eine eigene und von der Kombination sämtlicher Merkmale des unabhängigen Patentanspruchs unabhängige Erfindung bilden können, die zum Gegenstand eines unabhängigen Anspruchs, einer Teilungsanmeldung oder einer Nachanmeldung gemacht werden kann. Dies gilt in gleicher Weise für in der Beschreibung beschriebene technische Lehren, die eine von den Merkmalen der unabhängigen Patentansprüche unabhängige Erfindung bilden können.
Gemäß einem Aspekt wird ein Verfahren zur Ermittlung von Höhen-Information bezüglich einer Höhe eines Fahrzeugs in einem Gebäude bzw. in einer Parkanlage, z.B. in einem Parkhaus oder in einer Tiefgarage, beschrieben. Im Folgenden wird nur auf eine Parkanlage eingegangen. Die beschriebenen Aspekte gelten in entsprechender Weise für ein allgemeines, befahrbares Gebäude.
Das Verfahren umfasst das Ermitteln von Werten von ein oder mehreren Kalman-Parametern eines Kalman-Filters für eine Fahrt des Fahrzeugs außerhalb des Gebäudes bzw. der Parkanlage, unter Verwendung eines an dem Fahrzeug empfangenen satellitenbasierten Positionierungssignals. Das Positionierungssignal kann durch einen Satellitenempfänger des Fahrzeugs empfangen werden. Das Gebäude bzw. die Parkanlage kann derart ausgelegt sein, dass in dem Gebäude bzw. in der Parkanlage kein satellitenbasiertes Positionierungssignal (z.B. ein GPS Signal) empfangen werden kann.
Das Kalman-Filter kann ausgebildet sein, in einer Basis-Variante (z.B. mit einem Basis-Zustandsvektor und/oder mit einem Basis-Beobachtungsvektor), Höhen-Information ohne Verwendung eines satellitenbasierten Positionierungssignals zu ermitteln. Die Höhen-Information kann dabei (ggf. allein) auf Basis der Sensordaten von ein oder mehreren Fahrzeugsensoren ermittelt werden. Des Weiteren kann das Kalman-Filter ausgebildet sein, in einer erweiterten Variante (z.B. mit einem erweiterten Zustandsvektor und/oder Beobachtungsvektor), Höhen-Information (typischerweise auch) unter Verwendung eines satellitenbasierten Positionierungssignals zu ermitteln. Die Höhen-Information kann dabei in der erweiterten Variante sowohl auf Basis der Sensordaten von ein oder mehreren Fahrzeugsensoren als auch auf Basis des satellitenbasierten Positionierungssignals ermittelt werden. Das satellitenbasierte Positionierungssignal kann somit bei einer Fahrt außerhalb des Gebäudes bzw. der Parkanlage dazu verwendet werden, die Werte von ein oder mehreren Kalman-Parametern der Basis-Variante des Kalman-Filters zu bestimmen bzw. zu kalibrieren.
Beispielsweise kann für die Fahrt des Fahrzeugs außerhalb des Gebäudes bzw. der Parkanlage das Kalman-Filter mit dem erweiterten Zustandsvektor und/oder Beobachtungsvektor verwendet wird, um Höhen-Information zu ermitteln. Der ersteiterte Zustandsvektor umfasst dabei zusätzlich zu ein oder mehreren Zustandsvariablen der Basis-Variante des Kalman-Filters, die auch in der Parkanlage verwendet werden, zumindest eine zusätzliche Zustandsvariable, die von dem Positionierungssignal abhängig ist. Alternativ oder ergänzend umfasst der erweiterte Beobachtungsvektor zusätzlich zu ein oder mehreren Beobachtungsvariablen der Basis-Variante des Kalman-Filters, die auch in der Parkanlage verwendet werden, zumindest eine zusätzliche Beobachtungsvariable, die von dem Positionierungssignal abhängig ist.
Es kann dann auf Basis der Basis-Variante des Kalman-Filters erste Höhen-Information bezüglich der Höhe des Fahrzeugs ermittelt werden. Des Weiteren kann auf Basis der erweiterten Variante des Kalman-Filters zweite Höhen-Information bezüglich der Höhe des Fahrzeugs ermittelt werden. Insbesondere kann zumindest eine der ein oder mehreren Zustands- und/oder Beobachtungsvariablen der Basis-Variante des Kalman-Filters die erste Höhen-Information anzeigen. Des Weiteren kann die zusätzliche Zustands- und/oder Beobachtungsvariable die zwei Höhen-Information anzeigen.
Das Kalman-Filter kann somit parallel in der Basis-Variante und in der erweiterten Variante betrieben werden. Dabei können in der erweiterten Variante des Kalman-Filters ein oder mehrere zusätzliche Beobachtungsvariablen berücksichtigt werden. Aufgrund der ein oder mehreren zusätzlichen Beobachtungsvariablen ist die mit der erweiterten Variante des Kalman-Filters ermittelte zweite Höhen-Information typischerweise qualitativ hochwertiger bzw. genauer als die mit der Basis-Variante des Kalman-Filters ermittelte erste Höhen-Information.
Die Werte der ein oder mehreren Kalman-Parameter können auf Basis der ersten und zweiten Höhen-Information ermittelt werden. Insbesondere können die Werte der ein oder mehreren Kalman-Parameter derart ermittelt werden, dass ein Unterschied zwischen der durch die erste Höhen-Information angezeigten Höhe des Fahrzeugs und der durch die zweite Höhen-Information angezeigten Höhe des Fahrzeugs reduziert, insbesondere minimiert, wird. Es kann somit ein „Tuning“ der Basis-Variante des Kalman-Filters bei einer Fahrt außerhalb der Parkanlage erfolgen, um ein präzises Kalman-Filter zur Ermittlung der Höhen-Information innerhalb der Parkanlage bereitzustellen.
Das Verfahren umfasst dann das Ermitteln der Höhen-Information für eine Fahrt in der Parkanlage anhand des Kalman-Filters mit den ermittelten Werten der ein oder mehreren Kalman-Parameter. Insbesondere kann dabei die Basis-Variante des Kalman-Filters (mit der Basismenge an ein oder mehreren Zustands- und/oder Beobachtungsvariablen) verwendet werden. Die ein oder mehreren zusätzlichen Zustands- und/oder Beobachtungsvariablen, die von dem Positionierungssignal abhängen, können dabei unberücksichtigt bleiben. Dennoch wird aufgrund der vorhergehenden Kalibrierung der Werte der ein oder mehreren Kalman-Parameter der Basis-Variante des Kalman-Filters eine präzise Ermittlung von Höhen-Information ermöglicht. Die Höhen-Information kann dabei die Höhe des Fahrzeugs (z.B. relativ zu einer Anfangshöhe an einem Anfangszeitpunkt) anzeigen oder umfassen.
Das Kalman-Filter ist typischerweise eingerichtet, eine Sequenz von Werten eines Zustandsvektors mit ein oder mehreren Zustandsvariablen an einer entsprechenden Sequenz von Zeitpunkten zu ermitteln. Insbesondere kann in einem Vorhersageschritt des Kalman-Filters aus Basis eines aktuellen Wertes des Zustandsvektors ein prädizierter Wert des Zustandsvektors ermittelt werden. Diese Prädiktion erfolgt typischerweise anhand von ein oder mehreren Systemgleichungen, die ein oder mehrere funktionale Zusammenhänge des Fahrzeugs und/oder von ein oder mehreren Fahrzeugsensoren des Fahrzeugs beschreiben.
Auf Basis des prädizierten Wertes des Zustandsvektors können über ein oder mehrere Beobachtungsfunktionen des Kalman-Filters erwartete Werte von ein oder mehreren Beobachtungen ermittelt werden. Die ein oder mehreren Beobachtungsfunktionen beschreiben typischerweise Zusammenhänge von ein oder mehreren Fahrzeugsensoren des Fahrzeugs. Die erwarteten Werte der ein oder mehreren Beobachtungen können dann mit aktuell gemessenen Werten der ein oder mehreren Beobachtungen verglichen werden. Die Differenz der erwarteten Werte und der gemessenen Werte kann als Innovation bezeichnet werden und kann dazu verwendet werden, den Wert des Zustandsvektors zu aktualisieren. So kann für eine Sequenz von Zeitpunkten eine entsprechende Sequenz von Werten des Zustandsvektors ermittelt werden.
Zumindest eine der Zustandsvariablen kann Höhen-Information in Bezug auf die Höhe des Fahrzeugs anzeigt. Beispielsweise kann zumindest eine Zustandsvariable der Höhe des Fahrzeugs zu einem bestimmten Zeitpunkt entsprechen (z.B. relativ zu einer Anfangshöhe an einem Anfangszeitpunkt). Die Sequenz von Werten dieser Zustandsvariable beschreibt somit die Höhe des Fahrzeugs an der Sequenz von Zeitpunkten.
Wie bereits oben dargelegt, kann das Kalman-Filter ein oder mehrere Systemgleichungen umfassen, die es ermöglichen, auf Basis eines aktuellen Wertes des Zustandsvektors einen nachfolgenden (prädizierten) Wert des Zustandsvektors zu prädizieren. Die ein oder mehreren Systemgleichungen können von den ein oder mehreren Kaiman-Parametern abhängen, die außerhalb der Parkanlage kalibriert werden können. Es kann somit außerhalb der Parkanlage ein Kalibrieren von ein oder mehreren Systemgleichungen der Basis-Variante des Kalman-Filters erfolgen.
Eine Systemgleichung kann z.B. von einer Eigenschaft eines Fahrzeugsensors des Fahrzeugs abhängen. Beispielhafte Fahrzeugsensoren sind ein Neigungssensor und/oder ein Beschleunigungssensor des Fahrzeugs. Der Fahrzeugsensor kann dabei im Rahmen des Korrekturschrittes des Kalman-Filters verwendet werden. Insbesondere können gemessene Werte von ein oder mehrere Beobachtungen (d.h. Beobachtungsvariablen) des Kalman-Filters von Messwerten des Fahrzeugsensors abhängen. Die ein oder mehreren Kalman-Parameter, die außerhalb der Parkanlage kalibriert werden, können die Eigenschaft des Fahrzeugsensors beschreiben. Es können somit außerhalb der Parkanlage ein oder mehrere unbekannte Eigenschaften eines im Kalman-Filter verwendeten Fahrzeugsensors ermittelt werden.
Beispielsweise können die ein oder mehreren Kalman-Parameter eine Zeitkonstante und/oder ein Offset zur Kompensation eines (systematischen) Messfehlers eines Fahrzeugsensors umfassen. Insbesondere können die ein oder mehreren Kalman-Parameter eine Zeitkonstante umfassen, die ein Tiefpass-Verhalten des Fahrzeugsensors (insbesondere eines Neigungssensors) beschreibt. Alternativ oder ergänzend können die ein oder mehreren Kalman-Parameter einen Offset umfassen, der zumindest teilweise eine Einbaulage und/oder ein Offsetverhalten des Fahrzeugsensors (insbesondere eines Beschleunigungssensors) im Fahrzeug kompensiert.
Wie bereits oben dargelegt, umfasst das Kalman-Filter im Korrekturschritt typischerweise ein oder mehrere Beobachtungsgleichungen, die es ermöglichen, aus dem aktuellen bzw. prädizierten Wert des Zustandsvektors erwartete Werte von ein oder mehreren Beobachtungen zu ermitteln. Dabei kann die erweiterte Variante des Kalman-Filters ein oder mehrere zusätzliche Beobachtungsgleichungen für die ein oder mehreren zusätzlichen Beobachtungsvariablen aufweisen, die von dem Positionierungssignal abhängen.
Im Rahmen des Kalman-Filters können die erwarteten Werte der ein oder mehreren Beobachtungen bzw. Beobachtungsvariablen mit gemessenen Werten der ein oder mehreren Beobachtungen bzw. Beobachtungsvariablen verglichen werden, wobei die gemessenen Werte der ein oder mehreren Beobachtungen von Sensordaten von ein oder mehreren Fahrzeugsensoren des Fahrzeugs abhängen (insbesondere in der Basis-Variante des Kalman-Filters). Die ein oder mehrere Beobachtungsgleichungen können dabei von den ein oder mehreren Kalman-Parametern abhängen, die außerhalb der Parkanlage kalibriert werden können. Es kann somit außerhalb der Parkanlage ein Kalibrieren von ein oder mehreren Beobachtungsgleichungen der Basis-Variante des Kalman-Filters erfolgen.
Insbesondere kann eine Beobachtungsgleichung ausgebildet sein, den erwarteten Wert einer Beschleunigung des Fahrzeugs auf Basis eines Sensorwertes eines Beschleunigungssensors des Fahrzeugs zu ermitteln. Die ein oder mehreren Kalman-Parameter können dann einen Beschleunigungs-Offset für den Sensorwert des Beschleunigungssensors umfassen.
Das Verfahren ermöglicht es somit, Ungenauigkeiten und/oder systematische Messfehler von ein oder mehreren Fahrzeugsensoren, insbesondere ein Tiefpass-Verhalten und/oder einen Offset eines Fahrzeugsensors, durch einen Betrieb des Kalman-Filters in einer erweiterten Variante außerhalb der Parkanlage zu kompensieren. So wird eine effiziente und präzise Bestimmung von Höhen-Information innerhalb einer Parkanlage ermöglicht.
Die Parkanlage kann mehrere Stockwerke umfassen, die jeweils durch zumindest eine Rampe miteinander verbunden sind. Das Verfahren kann dann das Ermitteln, auf Basis der Höhen-Information, eines Stockwerks umfassen, in dem sich das Fahrzeug befindet. Insbesondere kann als Höhen-Information die Höhe des Fahrzeugs als Funktion der Zeit ermittelt werden (z.B. als eine Zustandsvariable des Kalman-Filters). Des Weiteren kann (z.B. als eine weitere Zustandsvariable des Kalman-Filters) die von dem Fahrzeug zurückgelegte Fahrstrecke als Funktion der Zeit ermittelt werden. Durch die Überlagerung der zeitlichen Höhenfunktion und der zeitlichen Streckenfunktion kann die Höhe des Fahrzeugs als Funktion der Position bzw. der zurückgelegten Strecke des Fahrzeugs ermittelt werden. Basierend auf dieser Höhenfunktion kann dann die Anzahl von Stockwerken bei der Fahrt des Fahrzeugs in der Parkanlage ermittelt werden. Beispielsweise kann das nachfolgende Verfahren dazu verwendet werden, einzelne Stockwerke einer Parkanlage zu detektieren.
Gemäß einem weiteren Aspekt wird ein Verfahren zur Ermittlung von Stockwerk-Information bezüglich eines Stockwerks einer mehrstöckigen Parkanlage bzw. eines mehrstöckigen Gebäudes beschrieben. Die Parkanlage umfasst ein erstes Stockwerk und ein zweites Stockwerk, die über eine Rampe miteinander verbunden sind.
Das Verfahren umfasst das Ermitteln einer Steigungskurve, die die Steigung einer Fahrbahn bei einer Fahrt eines Fahrzeugs in der Parkanlage anzeigt. Zu diesem Zweck kann z.B. zunächst eine Höhenkurve ermittelt werden, die die Höhe des Fahrzeugs bei der Fahrt in der Parkanlage anzeigt (z.B. mittels des o.g. Verfahrens). Die Steigungskurve kann dann durch Ableiten der Höhenkurve ermittelt werden.
Außerdem umfasst das Verfahren das Ermitteln einer möglichen bzw. einer vorläufigen Position der Rampe auf Basis der Steigungskurve, mittels einer Basis-Rampenfunktion. Die Basis-Rampenfunktion kann z.B. den Steigungsverlauf einer typischen und/oder durchschnittlichen Rampe beschreiben. Dabei kann eine Rampenfunktion durch ein oder mehrere Rampenparameter, z.B. eine Gesamtlänge der Rampenfunktion, eine mittlere Steigung der Rampenfunktion, einen Krümmungsbereich der Rampenfunktion, etc., beschrieben sein. Für die einzelnen Rampenparameter können jeweils mögliche Wertebereiche definiert sein. Die Basis-Rampenfunktion kann mittlere Werte aus den jeweiligen Wertebereichen für die einzelnen Rampenparameter aufweisen.
Das Ermitteln einer Position der Rampe kann das Bewegen der Rampenfunktion an unterschiedliche Positionen der Steigungskurve umfassen. Die Rampenfunktion kann wie ein bewegliches Fenster entlang der Steigungskurve bewegt werden. Es kann dann für jede der unterschiedlichen Positionen ein Fehlerwert zwischen der Rampenfunktion und der Steigungskurve ermittelt werden. Insbesondere kann ermittelt werden, wie gut ein Ausschnitt der Steigungskurve durch die Rampenfunktion beschrieben bzw. mit der Rampenfunktion übereinstimmt wird. Ein relativ kleiner Fehlerwert kann dabei eine relativ gute Annäherung zwischen Steigungskurve und Rampenfunktion anzeigen, und ein relativ großer Fehlerwert kann eine relativ schlechte Annäherung zwischen Steigungskurve und Rampenfunktion anzeigen. Die Position der Rampe kann dann auf Basis der Fehlerwerte für die unterschiedlichen Positionen ermittelt werden. Insbesondere kann die mögliche Position der Rampe als die Position ermittelt werden, für die der Fehlerwert unter einem Fehler-Schwellenwert liegt und für die ein lokales Minimum der Fehlerwerte vorliegt.
Das Verfahren umfasst ferner das Anpassen der Basis-Rampenfunktion auf Basis der Steigungskurve in einem Umfeld der möglichen bzw. vorläufigen Position der Rampe, um eine angepasste Rampenfunktion bereitzustellen. Wie bereits oben dargelegt, kann die Rampenfunktion durch ein oder mehrere Rampenparameter beschrieben werden, wobei ein Rampenparameter typischerweise nur innerhalb eines möglichen Wertebereichs angepasst werden kann. Das Anpassen der Basis-Rampenfunktion kann das Anpassen der Werte der ein oder mehreren Rampenparameter im Rahmen der ein oder mehreren möglichen Wertebereiche umfassen, um eine Fehlerfunktion und/oder einen Fehlerwert zwischen der Rampenfunktion und der Steigungskurve zu verbessern. So kann eine Anpassung der Rampenfunktion an die individuelle Struktur der ein oder mehreren Rampen der Parkanlage erfolgen.
Dabei kann die Steigungskurve ggf. mehrere Rampen der Parkanlage anzeigen. Es können dann mehrere individuell angepasste Rampenfunktionen für die mehreren Rampen ermittelt werden. Außerdem kann eine (global) angepasste Rampenfunktion für die Parkanlage auf Basis der individuell angepassten Rampenfunktionen, insbesondere als Mittelwert der individuell angepassten Rampenfunktionen, ermittelt werden. So kann eine besonders robuste Anpassung der Rampenfunktion an die individuelle Rampengeometrie einer Parkanlage erfolgen.
Das Verfahren umfasst ferner das Ermitteln der (endgültigen) Position der Rampe auf Basis der Steigungskurve, mittels der angepassten Rampenfunktion. Dabei kann wiederum die angepasste Rampenfunktion als Fenster an unterschiedliche Positionen der Steigungskurve geführt werden, um Fehlerwerte zu ermitteln.
Durch die Ermittlung und Verwendung einer angepassten Rampenfunktion können die ein oder mehreren durchfahrenen Rampen einer Fahrt in einer Parkanlage in zuverlässiger und präziser Weise detektiert werden. Folglich kann präzise Stockwerk-Information bereitgestellt werden.
Bei den in diesem Dokument beschriebenen Verfahren handelt es sich typischerweise um Computer-implementierte Verfahren. Die ermittelte Höhen-Information und/oder Stockwerk-Information kann z.B. in einem Navigationssystem eines Fahrzeugs verwendet werden. Insbesondere kann eine Navigation des Fahrzeugs durch die Höhen-Information und/oder die Stockwerk-Information unterstützt werden. Des Weiteren kann die Höhen-Information und/oder die Stockwerk-Information an einen Nutzer eines Fahrzeugs ausgegeben werden (z.B. an ein Smartphone eines Nutzers gesendet werden), um den Nutzer über die aktuelle Position des Fahrzeugs zu informieren (z.B. um dem Nutzer anzuzeigen, in welchem Stockwerk einer Parkanlage das Fahrzeug abgestellt wurde). So kann der Komfort für einen Nutzer eines Fahrzeugs erhöht werden.
Gemäß einem weiteren Aspekt wird eine Steuereinheit beschrieben, die eingerichtet ist, ein oder mehrere der in diesem Dokument beschriebenen Verfahren auszuführen.
Gemäß einem weiteren Aspekt wird ein Straßenkraftfahrzeug (insbesondere ein Personenkraftwagen, ein Lastkraftwagen, ein Bus oder ein Motorrad) beschrieben, das die in diesem Dokument beschriebene Steuereinheit umfasst.
Gemäß einem weiteren Aspekt wird ein Software (SW) Programm beschrieben. Das SW Programm kann eingerichtet werden, um auf einem Prozessor (z.B. auf einem Steuergerät eines Fahrzeugs) ausgeführt zu werden, und um dadurch eines der in diesem Dokument beschriebenen Verfahren auszuführen.
Gemäß einem weiteren Aspekt wird ein Speichermedium beschrieben. Das Speichermedium kann ein SW Programm umfassen, welches eingerichtet ist, um auf einem Prozessor ausgeführt zu werden, und um dadurch eines der in diesem Dokument beschriebenen Verfahren auszuführen.
Es ist zu beachten, dass die in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systeme sowohl alleine, als auch in Kombination mit anderen in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systemen verwendet werden können. Des Weiteren können jegliche Aspekte der in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systemen in vielfältiger Weise miteinander kombiniert werden. Insbesondere können die Merkmale der Ansprüche in vielfältiger Weise miteinander kombiniert werden.
Im Weiteren wird die Erfindung anhand von Ausführungsbeispielen näher beschrieben. Dabei zeigen

1a beispielhafte Komponenten eines Fahrzeugs;
1b eine beispielhafte Fahrsituation in einer mehrstöckigen Parkanlage;
2 ein beispielhaftes Signal eines Neigungssensors eines Fahrzeugs;
3a eine Aufteilung der Beschleunigung eines Fahrzeugs an einer Steigung, insbesondere eine schematische Aufteilung der Erdbeschleunigung in Längs- und Querrichtung zusätzlich zu der Ableitung der Geschwindigkeit des Fahrzeuges;
3b beispielhafte Größen bei der Bestimmung der Längsgeschwindigkeit eines Fahrzeugs;
4a eine beispielhafte Steigungskurve einer Fahrt in einer mehrstöckigen Parkanlage;
4b eine beispielhafte Rampenfunktion;
5a ein Ablaufdiagramm eines beispielhaften Verfahrens zur Ermittlung von Höhen-Information einer Fahrt eines Fahrzeugs; und
5b ein Ablaufdiagramm eines beispielhaften Verfahrens zur Detektion einer Rampe einer mehrstöckigen Parkanlage.

Wie eingangs dargelegt, befasst sich das vorliegende Dokument mit der effizienten und präzisen Ermittlung der vertikalen Position bzw. der Höhe eines Fahrzeugs. 1b zeigt ein beispielhaftes Fahrzeugs 100, das in einer mehrstöckigen Parkanlage 110, z.B. einem Parkhaus oder einer Tiefgarage, fährt. Die Parkanlage 110 umfasst ein erstes Stockwerk 111 und ein zweites Stockwerk 112, die über eine Rampe 113 miteinander verbunden sind.
Wenn in der Parkanlage 110 ein GPS Signal (allgemein ein satellitenbasiertes Positionierungssignal) empfangen werden kann, so kann die vertikale Position des Fahrzeugs 100, insbesondere das Stockwerk 111, 112, in dem sich das Fahrzeug 100 befindet, auf Basis der z-Koordinate des GPS Signals ermittelt werden. Dies ermöglicht jedoch typischerweise nur eine relativ ungenaue Ermittlung der vertikalen Position. Des Weiteren besteht in einer Parkanlage 110 häufig kein GPS Empfang. Die vertikale Position kann somit in einer Parkanlage 110 typischerweise nicht allein auf Basis eines GPS Signals bestimmt werden.
1a zeigt beispielhafte Komponenten eines Fahrzeugs 100. Das Fahrzeug 100 umfasst einen (GPS) Empfänger 104, der eingerichtet ist, ein GPS Signal (d.h. ein satellitenbasiertes Positionierungssignal) zu empfangen. Des Weiteren umfasst das Fahrzeugs 100 ein oder mehrere Fahrzeugsensoren 102. Die Sensordaten der ein oder mehreren Fahrzeugsensoren 102 können für die Bestimmung der vertikalen Position des Fahrzeugs 100 herangezogen werden, insbesondere wenn kein GPS Signal empfangen werden kann. Beispielhafte Fahrzeugsensoren 102 sind:

• ein Längsneigungssensor, der Sensordaten bezüglich der Neigung des Fahrzeugs 100 in Längsrichtung erfasst;
• ein Geschwindigkeitssensor, der Sensordaten bezüglich der Geschwindigkeit des Fahrzeugs 100 erfasst (z.B. auf Basis eines Radencoders);
• ein Beschleunigungssensor, der eingerichtet ist, Sensordaten bezüglich der Beschleunigung des Fahrzeugs 100 zu erfassen; und/oder
• ein Lenkwinkelsensor, der eingerichtet ist, Sensordaten bezüglich des Lenkwinkels des Fahrzeugs 100 zu erfassen.

Außerdem umfasst das Fahrzeugs 100 eine Steuereinheit 101, die eingerichtet ist, auf Basis der Sensordaten der ein oder mehreren Fahrzeugsensoren 102 und ggf. auf Basis eines empfangenen GPS Signals Höhen-Information und/oder Stockwerk-Information in Bezug auf eine vertikale Position des Fahrzeugs 100 zu ermitteln. Die Information in Bezug auf die vertikale Position des Fahrzeugs 100 kann über eine Eingabe- / Ausgabeeinheit 103 des Fahrzeugs 100 (z.B. innerhalb eines Navigationsgeräts) an einen Fahrer des Fahrzeugs 100 ausgegeben werden.
Der Längsneigungssensor misst die Neigung der Fahrbahn in Längsrichtung. Ein positiver Sensorwert 201 entspricht z.B. einer Neigung des Fahrzeugs 100 mit der Front nach unten. 2 zeigt ein typisches Verhalten eines Längsneigungssensors - gemessen über die Zeit 202. Im dargestellten Zeitabschnitt wurden zwei Rampen 113 bergauf und zwei Rampen 113 bergab befahren. In der Mitte jeder Rampe 113 stand das Fahrzeug 100 für einige Sekunden, um den statischen Wert des Sensors auf der Rampe 113 zu erfassen. Auch wenn die Rampe 113 selbst und das Fahrverhalten relativ symmetrisch sind, werden in 2 deutliche Asymmetrien der erfassten Sensordaten 203 sichtbar. Das Sensorsignal 203 weist ein Tiefpass-Verhalten auf, das durch ein PT1-Glied beschrieben werden kann. Das Tiefpass-Verhalten verhindert hochfrequentes Signalrauschen, das beispielsweise durch Unebenheiten im Straßenbelag auftritt. Die Dämpfung führt allerdings auch dazu, dass der gemessene Signalwert in Reaktion auf eine relativ starke Neigungsänderung nicht direkt dem eigentlichen Wert der Neigung entspricht. Vielmehr nähert sich der gemessene Signalwert exponentiell dem tatsächlichen Neigungswert an. Ein solches System lässt sich durch die Differentialgleichung $T \dot{y} (t) + y (t) = K u (t)$
beschreiben, wobei u(t) dem Eingangssignal und y(t) dem Ausgangssignal eines solchen Systems entspricht. Die Zeitkonstante T legt fest, nach welcher Zeit das Ausgangssignal 63% des Eingangssignals entspricht, die Amplitude des Eingangssignals wird um den Faktor K (der Übertragungskonstante) verstärkt. Je größer die Zeitkonstante ist, desto träger verhält sich das System. Das Eingangssignal entspricht der tatsächlichen, realen Straßenneigung, das Ausgangssignal dem Sensorsignal 203 des Längsneigungssensors. Um die Straßenneigung möglichst genau zu bestimmen, kann das Ausgangssignal (d.h. die tatsächliche Neigung) aus dem Sensorsignal 203 ermittelt werden. Zu diesem Zweck müssen die Systemparameter T und/oder K bekannt sein oder ermittelt werden.
Zur Messung von Beschleunigungen gibt es eine Vielzahl an Messverfahren, meistens kommen jedoch heutzutage sogenannte Mikro-elektro-mechanischen Systeme (MEMS) zum Einsatz. Das Messprinzip von MEMS beruht in der Regel auf einer schwingenden Masse. Im Falle einer Beschleunigung wirkt auf die Masse eine Kraft ein, die vom Sensor gemessen werden kann. Die Kraft ist nach dem zweiten Newton'schen Gesetz direkt proportional zur einwirkenden Beschleunigung und wird in einem MEMS meist kapazitiv ermittelt. Dabei werden durch die Translation einer beweglichen Masse Kapazitätsverhältnisse (bei einer differentiellen Messvariante) verändert und das Verhältnis in die auf das System einwirkende Beschleunigung umgerechnet.
Die Sensordaten eines Beschleunigungssensors weisen häufig ein relativ hohes Rauschen auf. Erschwerend kommt hinzu, dass sich die Beschleunigung eines Fahrzeugs 100 typischerweise relativ schnell ändert. Darüber hinaus kann ein schiefer Einbau des Beschleunigungssensors im Fahrzeug 100 die erfassten Beschleunigungswerte verfälschen. Diese Verfälschung kann durch eine Schätzung des Einbauwinkels und/oder durch einen Offset kompensiert werden. Die Längs- und Querbeschleunigung des Fahrzeugs 100 können separat ermittelt werden und können jeweils auf den Fahrzeugschwerpunkt bezogen sein.
Die vertikale Position eines Fahrzeugs 100, d.h. die Höhe des Fahrzeugs 100 ausgehend von einer Anfangshöhe h₀ zum Anfangszeitpunkt t₀ kann auf Basis eines Modells ermittelt werden. Dabei kann insbesondere ein Modell bereitgestellt werden, das die Geschwindigkeit v(t) des Fahrzeugs 100 in Längsrichtung und den Längsneigungswinkel φ des Fahrzeugs 100 berücksichtigt. Die Höhe h(t) zum Zeitpunkt t ergibt sich dann als $h (t) = h_{0} + \int_{t_{0}}^{t} v (t) s i n (φ (t)) d t,$
oder in diskreter Form für direkte Zeitpunkte k als $h_{k} = h_{0} + \sum_{i = 0}^{k} v_{i} s i n (φ_{i}) .$
Die Neigung φ der Fahrbahn lässt sich aus dem Sensorsignal 203 des Längsneigungssensors übernehmen bzw. ermitteln. Da die Zeitkonstante T aus der Dämpfung des Längsneigungssensors typischerweise nicht bekannt ist, muss die Zeitkonstante T im Vorfeld ermittelt bzw. geschätzt werden, damit die Dämpfung invertiert werden kann und somit auf Basis der Messwerte des Längsneigungssensors auf die tatsächliche Neigung rückgeschlossen werden kann. Für die Amplitudenverstärkung K kann insbesondere bei einem kalibrierten Neigungssensor der Wert 1 angenommen werden.
Alternativ oder ergänzend zu der Berechnung aus den Sensorwerten 201 des Längsneigungssensors, kann der Neigungswinkel φ indirekt aus dem Signal des Beschleunigungssensors des Fahrzeugs 100 bestimmt werden. Das Sensorsignal des Beschleunigungssensors ist typischerweise auf die Fahrzeuglängsachse 301 des Fahrzeugs 100 bezogen. Bei einer ebenen Fahrt ohne Fahrbahnneigung entspricht dieses Signal (idealerweise) der Ableitung der Geschwindigkeit (in Längsrichtung). Neigt sich das Fahrzeug 100 jedoch, verändert sich auch die Orientierung des Beschleunigungssensors und der Beschleunigungssensor misst einen Anteil der Erdbeschleunigung, dessen Betrag abhängig vom Neigungswinkel φ der Fahrbahn ist. Dies ist in 3a veranschaulicht.
Stellt man die Abhängigkeit des Winkels φ von der gemessenen Beschleunigung a_m und der zeitlichen Ableitung der Geschwindigkeit v̇ dar, so ergibt sich aus 3a $φ = a r c s i n (\frac{\dot{v} - a_{m}}{g}),$
wobei g der Erdbeschleunigung entspricht, und wobei v̇ auf die Längsachse 301 des Fahrzeugs 100 projiziert ist.
Da der Winkel φ auf zwei unterschiedliche Arten ermitteln wird, kann durch einen Vergleich der beiden Terme für den Winkel φ die Zeitkonstante T des Längsneigungssensors ermittelt werden. Dies kann z.B. bei einer Fahrt außerhalb einer Parkanlage 110 erfolgen, um innerhalb der Parkanlage 110 eine präzise Ermittlung von Höhen-Information zu ermöglichen.
Die Geschwindigkeit lässt sich aus mehreren unterschiedlichen Sensorsignalen extrahieren. Um eine Schätzung des Raddurchmessers der ein oder mehreren Räder des Fahrzeugs 100 zu vermeiden, kann die Geschwindigkeit aus den Radencodern und/oder der Geschwindigkeit aus einem (GPS-) Empfänger 104 ermittelt werden.
Zur Ermittlung der Geschwindigkeit des Fahrzeugs 100 in Fahrzeuglängsrichtung wird der Schwimmwinkel β des Fahrzeugs 100 benötigt. Der Schwimmwinkel β ist definiert als der Winkel zwischen dem Geschwindigkeitsvektor der an den Rädern gemessenen Geschwindigkeit v_tot und der Fahrzeuglängsachse (siehe 3b). Bezeichnet man, analog zu 3b, den Abstand des Schwerpunkts S zur Hinterradachse mit l_r und den Abstand zur Vorderachse mit l_f, sowie die beiden Lenkwinkel δ_f = δ (Vorderachse) und δ_r (Hinterachse), so berechnet sich der Schwimmwinkel als $β = {tan}^{- 1} (\frac{l_{f} tan δ_{r} + l_{r} tan δ_{f}}{l_{f} + l_{r}}),$
unter der Annahme, dass die Geschwindigkeit niedrig ist, sodass kein Schlupf auftritt. Die Formel lässt sich weiter vereinfachen, wenn der Schwerpunkt S mittig zwischen den Achsen liegt und die Hinterradachse nicht lenkbar ist. Dann ergibt sich für den Schwimmwinkel $β = {tan}^{- 1} (\frac{1}{2} tan δ_{f}) .$
Somit lässt sich die Geschwindigkeit in Fahrzeuglängsrichtung aus der über die Radencoder ermittelten Geschwindigkeit v_tot berechnen als $v = v_{t o t} cos β .$
Es kann somit auf Basis der Sensordaten von ein oder mehreren Fahrzeugsensoren 102 die Geschwindigkeit v und der Neigungswinkel φ für das o.g. Modell der Höhe h des Fahrzeugs 100 ermittelt werden.
Wie bereits oben dargelegt, weisen die Sensordaten typischerweise Rauschen auf und entsprechen somit typischerweise nur Beobachtungswerten eines tatsächlichen Zustands des Fahrzeugs 100. Um den tatsächlichen Zustand eines Fahrzeugs auf Basis von Beobachtungswerten zu ermitteln, kann ein Kalman-Filter, insbesondere ein erweitertes (d.h. extended) Kalman-Filter, verwendet werden. Ein Kalman-Filter umfasst typischerweise einen Vorhersageschritt (Predict), bei dem auf Basis des für einen Zeitpunkt k - 1 ermittelten (Mittelwert des) Zustandsvektors x̂_k-1|k-1 der (Mittelwert des) Zustandsvektors x̂_k|k-1 im nachfolgenden Zeitpunkt k ermittelt wird. Für den Vorhersageschritt wird eine Systemfunktion bzw. Systemgleichung f(x̂_k-1|k-1,u_k) verwendet, wobei u_k eine Steuergröße des Systems ist. Des Weiteren wird im Vorhersageschritt aus einer Kovarianzmatrix P_k-1|k-1 des Zustandsvektors für den Zeitpunkt k - 1 mittels einer Jacobi-Matrix F_k-1 der Systemgleichung f an der dem Zustand x̂_k-1|k-1 entsprechenden Entwicklungsstelle eine Kovarianzmatrix P_k|k-1 des Zustandsvektors für den nachfolgenden Zeitpunkt k prädiziert.

In einem nachfolgenden Korrekturschritt (Correct) wird auf Basis eines aktuellen Messwertes z_k (d.h. einem aktuellen Wert von ein oder mehreren Beobachtungen) eine Innovation ỹ_k ermittelt. Dazu werden ein oder mehrere Messgleichungen bzw. Beobachtungsgleichungen h() (nicht zu verwechseln, mit dem o.g. Modell für die Höhe eines Fahrzeugs 100) verwendet, die beschreiben, wie sich der prädizierte Wert des Zustandsvektors x̂_k|k-1 auf einen Messwert eines Sensors 102 auswirkt. Des Weiteren können über die Gleichungen in Tabelle 1 im Korrekturschritt eine Residualkovarianz S_k und eine Kalman-Matrix K_k ermittelt werden, mit denen der (Mittelwert des) Zustandsvektors x̂_k|k zum Zeitpunkt k und die Kovarianzmatrix P_klk zum Zeitpunkt k ermittelt werden können (siehe Gleichungen in Tabelle 1). Tabelle 1

	Kalman Filter	Extended Kalman Filter
Predict	x̂_k\|k-1 = A_kx̂_k-1\|k-1 + B_ku_k	x̂_k\|k-1 = f(x̂_k-1\|k-1,u_k)
Predict	$P_{k \| k - 1} = A_{k} P_{k - 1 \| k - 1} A_{k}^{T} + Q_{k}$	$P_{k \| k - 1} = F P_{k - 1 \| k - 1} F_{k - 1}^{T} + Q_{k}$ =
Correct	ŷ_k = z_k - H_kx̂_k\|k-1	ŷ_k = z_k - h(x̂_k\|k-1)
	$S_{k} = H_{k} P_{k \| k - 1} H_{k}^{T} + R_{k}$	$S_{k} = H_{k} P_{k \| k - 1} H_{k}^{T} + R_{k}$
	$K_{k} = P_{k \| k - 1} H_{k}^{T} S_{k}^{- 1}$	$K_{k} = P_{k \| k - 1} H_{k}^{T} S_{k}^{- 1}$

	x̂_k\|k = x̂_k\|k-1 + K_kỹ_k	x_k\|k = x̂_k\|k-1 + K_kŷ_k
	P_klk = (I - K_kH_k)P_k\|k-1	P_klk = (I - K_kH_k)P_klk-1
Modell	A_k = Systemmatrix	f_k = Systemgleichungen
	B_k = Eingabematrix	F_k = Jacobi-Matrix von f_k
	H_k = Messmatrix	h_k = Messgleichungen
		H_k = Jacobi-Matrix von h_k

Für die in diesem Dokument beschriebene Schätzung der vertikalen Position bzw. der Höhe eines Fahrzeugs 100 kann zunächst ein Zustandsvektor x definiert werden. Der Zustandsvektor x umfasst dabei ein nicht-redundantes Set an Zustandsvariablen, mit denen sich die gewünschten Anfangswerte der Differentialgleichungen des Systemmodells eindeutig bestimmen lassen. In den o.g. Überlegungen wurde deutlich, dass die Modellierung des Neigungswinkels φ der Fahrbahn einen substantiellen Einfluss auf die Güte der ermittelten vertikalen Position eines Fahrzeugs 100 hat. Insbesondere kann der durch einen Neigungssensor bereitgestellte gemessene Neigungswinkel α aufgrund eines Tiefpass-Verhaltens des Neigungssensors von dem tatsächlichen Neigungswinkel φ abweichen. Um diesen Umstand zu berücksichtigen, umfasst der Zustandsvektor den gemessenen Neigungswinkel α und die Zeitkonstante T des PT1-Gliedes des Neigungssensors, durch den das Tiefpass-Verhalten beschrieben wird. Des Weiteren kann eine Ableitung α̇ des gemessenen Neigungswinkels α im Zustandsvektor x berücksichtigt werden. So kann der tatsächliche Neigungswinkel φ direkt über die o.g. Differentialgleichung des PTl-Gliedes des Neigungssensors ermittelt werden. Somit kann das Tiefpass-Verhalten des Neigungssensors in effizienter Weise innerhalb des Kalman-Filters berücksichtigt werden.
Darüber hinaus können die gefahrene Distanz s des Fahrzeugs 100, die aktuelle Geschwindigkeit v in Längsrichtung des Fahrzeugs 100, die Ableitung der Geschwindigkeit v (d.h. die Beschleunigung) α, und/oder die aktuelle vertikale Position bzw. Höhe h des Fahrzeugs 100 im Zustandsvektor x berücksichtigt werden. Die Distanz s und die Höhe h können dabei lediglich dazu verwendet werden, um auch die Anfangswerte s₀ und h₀ ermitteln zu können. Die Distanz- und Höhenunterschiede lassen sich typischerweise bereits aus den anderen Zustandsvariablen errechnen. Die Strecke s kann dazu verwendet werden, eine Höhenlinie des Fahrzeugs 100 als Funktion der Distanz, d.h. h(s), zu ermitteln. Eine derartige Höhenlinie h(s) kann als Basis für eine Stockwerkerkennung verwendet werden.
Des Weiteren kann im Zustandsvektor x ein eventueller Offset c_acc auf die Beschleunigung berücksichtigt werden, der sich aus einem möglichen, schiefen Einbau des Beschleunigungssensors ergeben kann. Außerdem kann der Zustandsvektor x den Schwimmwinkel β umfassen. In einem Beispiel kann somit ein neundimensionaler Zustandsvektor berücksichtigt werden: $x = (α, \dot{α}, s, v, a, h, T, c_{a c c}, β)$
Als Steuergröße kann der effektive Lenkwinkel u = δ_eff verwendet werden, wobei der effektive Lenkwinkel bei einem Fahrzeug 100 ohne Hinterradlenkung dem Lenkwinkel δ der Vorderachse entspricht. Des Weiteren kann mit der Gleichung $φ = \frac{1}{K} (T \dot{α} + α)$
der tatsächliche Neigungswinkel φ aus dem aktuellen Wert des Zustandsvektors x̂_k-1|k-1 ermittelt werden.
Für die Systemgleichungen f(x̂_k-1|k-1,u_k) ergeben sich, $\hat{α} = α + T \dot{α} (1 - e^{- \frac{Δ t}{T}})$
${\hat{\dot{α}}}_{k | k - 1} = \dot{α} e^{- \frac{Δ t}{T}}$
${\hat{s}}_{k | k - 1} = s + v Δ t + \frac{1}{2} a Δ t$
${\hat{v}}_{k | k - 1} = v + a Δ t$
${\hat{a}}_{k | k - 1} = a$
${\hat{h}}_{k | k - 1} = h - v Δ t sin φ$
${\hat{T}}_{k | k - 1} = T$
${\hat{c}}_{a c c, k | k - 1} = c_{a c c}$
${\hat{β}}_{k | k - 1} = {tan}^{- 1} (\frac{tan δ_{e f f}}{2})$
Dabei entsprechen die ersten beiden Zeilen einem Ornstein-Uhlenbeck Prozess mit der Konstanten $\frac{1}{T} .$
Die Gleichungen für die Strecke s, die Geschwindigkeit v und die Beschleunigung α ergeben sich bei der Annahme einer konstanten Beschleunigung und durch Integration. Die Höhe h berechnet sich mithilfe der o.g. Formel zur Ermittlung der Höhe. Der Schwimmwinkel δ ergibt sich aus der o.g. Formel für den Schwimmwinkel. Leitet man die o.g. Systemgleichungen nach den einzelnen Variablen ab, lässt sich aus den Ergebnissen die Jacobi-Matrix F_k-1 zusammensetzen. Die Einträge der Q-Matrix des Kalman-Filters können ggf. manuell festgelegt und/oder aus dem Ornstein-Uhlenbeck Prozess ermittelt werden.
Im Korrekturschritt des Kalman-Filters werden die Beobachtungen, die sich aus dem vorhergesagten Zustandx̂_k-1|k-1 ergeben müssten, mit den realen Beobachtungen (aus den Sensordaten der ein oder mehreren Fahrzeugsensoren 102) verglichen. Die realen Beobachtungen am Zeitpunkt k können in einem Beobachtungsvektor z_k zusammengefasst werden, z.B. $z_{k} = (α_{m}, s_{m}, v_{t o t, m}, a_{m}, h_{n a v, m}, h_{m a p, m}, v_{n a v, m})$
Dabei entspricht α_m dem gemessenen Neigungswinkel der Fahrbahn, s_m, v_tot,m und a_m den Distanz-, Geschwindigkeits- und Beschleunigungswerten von den ein oder mehreren Fahrzeugsensoren 102, h_nav und v_nav der Höhen- und Geschwindigkeitsinformationen aus einem empfangenen GPS Signal und h_map der kartographische Höhe zu der aktuellen Position (Längen- und Breitengrad) des Fahrzeugs 100 (die z.B. aus einer digitalen Karte ermittelt werden kann). Die Beobachtungen h_nav, v_nav und h_map können typischerweise nicht verwendet werden, wenn kein GPS Signal verfügbar ist (z.B. wenn sich das Fahrzeug 100 in einem Parkhaus oder in einer Tiefgarage befindet).
Setzt man diese Größen mit dem Zustandsvektor x in Verbindung, dann ergibt sich für die Soll-Beobachtungen ẑ, also für die Werte, die aufgrund des Zustands x̂_k-1|k-1 erwartet werden, d.h. h(x̂_k-1|k-1) (wobei h() in diesem Fall die Messgleichung ist), folgende Beobachtungsgleichungen ${\hat{α}}_{m} = α$
${\hat{s}}_{m} = s$
${\hat{V}}_{t o t, m} = \frac{v}{cos β}$
${\hat{a}}_{m} = (a + c_{a c c}) - g sin φ$
${\hat{h}}_{n a v, m} = h$
${\hat{h}}_{m a p, m} = h$
${\hat{V}}_{n a v, m} = \frac{v}{cos β}$
Des Weiteren kann auf Basis der Varianzen der Messungen der Fahrzeugsensoren 102 die Matrix R ermittelt werden.
Es können somit auf Basis eines Kalman-Filters Zustandsvektoren x für eine Sequenz von Zeitpunkten k bei einer Fahrt eines Fahrzeugs 100 ermittelt werden. Insbesondere kann dabei eine Höhenfunktion h_k für eine Sequenz von Zeitpunkten k ermittelt werden. Diese Höhenfunktion h_k zeigt die Höhe des Fahrzeugs 100 als Funktion der Zeit k an. Bei Berücksichtigung der Streckenfunktion s_k der gefahrenen Strecke des Fahrzeugs 100 als Funktion der Zeit k kann ein Höhenprofil h(s) einer Fahrt eines Fahrzeugs 100 ermittelt werden, das die Höhe des Fahrzeugs 100 als Funktion der gefahrenen Strecke s bzw. als Funktion der Position des Fahrzeugs 100 anzeigt.
Wie oben dargelegt, werden für die Ermittlung der Höhenfunktion h_k und ggf. der Streckenfunktion s_k Parameterwerte für die Sensorparameter T und/oder c_acc benötigt, wobei T das Tiefpass-Verhalten des Längsneigungssensors beschreibt und wobei c_acc einen möglichen Beschleunigungs-Offset durch einen schiefen Verbau des Beschleunigungssensors beschreibt. Außerhalb einer Parkanlage 110 ist typischerweise ein GPS Empfang möglich, so dass die Beobachtungsvariablen h_nav, v_nav und h_map verfügbar sind. Das in diesem Dokument beschriebene Verfahren zur Ermittlung einer Höhenfunktion h_k kann bei GPS Empfang ausgeführt werden. Dabei können während des GPS Empfangs die Parameterwerte der ein oder mehreren Sensorparameter derart eingestellt werden, dass sich eine möglichst hohe Konsistenz zwischen der Fahrzeugsensor-basierten Geschwindigkeit und der GPS-basierten Geschwindigkeit, der Fahrzeugsensor-basierten Beschleunigung und der GPS-basierten Beschleunigung, und/oder der Fahrzeugsensor-basierten Höhe und der GPS-basierten Höhe ergeben. Es kann somit eine Kalibrierung der ein oder mehreren Sensorparameter (insbesondere der Parameter T und/oder c_acc) während einer Fahrt mit GPS Empfang erfolgen. Die kalibrierten Sensorparameter können dann in einer Parkanlage 110 ohne GPS Empfang dazu verwendet werden, in präziser Weise die Höhe des Fahrzeugs 100 zu ermitteln.
Wie bereits oben dargelegt, kann auf Basis der zeitlichen Höhenfunktion und der zeitlichen Streckenfunktion eine Höhenkurve h(s) ermittelt werden, die die Höhe eines Fahrzeugs 100 bei einer Fahrt in einer Parkanlage 110 als Funktion der von dem Fahrzeug 100 gefahrenen Strecke anzeigt. Die Höhenkurve h(s) kann nach der Strecke abgeleitet werden, um eine Steigungskurve h'(s) zu ermitteln. 4a zeigt eine beispielhafte Steigungskurve 403 für eine Fahrt über eine Rampe 113 einer mehrstöckigen Parkanlage 110. Die Steigungskurve 403 zeigt die Steigung 401 der von dem Fahrzeug 100 zurückgelegten Strecke als Funktion der Strecke bzw. der Position 402 an.
Aus 4a ist ersichtlich, dass wenn eine Rampe 113 zu einem nächsten Stockwerk 112 durchfahren wird, sich eine lokale Rechteckfunktion mit abgeflachten Flanken in der Steigungskurve 403 ergibt. Die abgeflachten Flanken ergeben sich aus der Geometrie der Rampe 113 der Parkanlage 110 (Krümmungsbereiche der Rampe 113) und/oder aus einer Bewegung des Fahrzeugschwerpunkts. Es kann eine Rampenfunktion 404 verwendet werden, die als gleitendes Fenster über die Steigungskurve 403 bewegt wird. Es kann dann an unterschiedlichen Positionen 402 ein normiertes Integral zwischen der Rampen-Basisfunktion und der Steigungskurve 403 ermittelt werden. Daraus ergibt sich, abhängig vom Startpunkt des Intervalls, eine Fehlerfunktion e(s), die an einem Stockwerkübergang relativ kleine Werte und innerhalb eines Stockwerks 111, 112 relativ große Werte aufweist. Es können somit auf Basis der Minima der Fehlerfunktion e(s) die Positionen 402 von ein oder mehreren Stockwerkübergängen bzw. Rampen 113 ermittelt werden. Aus der Anzahl von Rampen 113 kann dann das aktuellen Stockwerk 112 ermittelt werden, in dem sich das Fahrzeug 100 befindet.
Die Güte der Erkennung einer Rampe 112 hängt typischerweise von ein oder mehreren Parametern der Rampenfunktion 404 ab. 4b zeigt eine beispielhafte Rampenfunktion 404 und eine bespielhafte integrierte Rampenfunktion 405. Eine Rampenfunktion kann durch ein oder mehrere der folgenden Rampenparameter beschrieben werden:

• Die Rampenlänge l_r beschreibt die Länge der Rampe 112 (z.B. in m). Diese beinhaltet typischerweise den gesamten Bereich der Rampe 112 mit einer Steigung ungleich null.
• die maximale Rampensteigung h'_max kann die konstante Maximalsteigung zwischen den Krümmungsbereichen der Rampe 112 beschreiben.
• Die Länge der Anfangs- und Endbereiche (d.h. der Krümmungsbereiche) können durch einen Parameter l_i beschrieben werden.

Die Rampenfunktion kann als Rechteck mit abgeflachten Anfangs- und Endbereichen modelliert werden. Diese Krümmungsbereiche können z.B. durch eine sin²-Funktion oder durch eine andere gekrümmte Funktion beschrieben werden.
In einem ersten Schritt kann eine Steigungskurve 403 mit einer Basis-Rampenfunktion 404 analysiert werden, um ein oder mehrere Rampen 113 zu identifizieren. Dabei können beispielhafte Basiswerte für die ein oder mehreren Rampenparameter angenommen werden. Die Basiswerte können z.B. mittig in möglichen Wertebereichen der ein oder mehreren Rampenparameter angeordnet sein. Mit anderen Worten, die ein oder mehreren Rampenparameter können jeweils einen möglichen Wertebereich aufweisen. Die Basiswerte können aus den jeweiligen möglichen Wertebereich ausgewählt werden (z.B. als Mittelwerte des jeweiligen möglichen Wertebereichs). Ggf. kann auf bereits zuvor ermittelte konkrete Werte der Rampenparameter für eine bestimmte Parkanlage 110 zurückgegriffen werden.
Zunächst kann anhand der Basis-Rampenfunktion 404 die (ungefähre) Position 402 einer Rampe 112 ermittelt werden. Es können dann die Werte der ein oder mehreren Rampenparameter angepasst werden und/oder die Rampenfunktion 404 in dem direkten Umfeld der detektierten Position 402 verschoben werden, um eine optimierte Rampenfunktion 404 zu ermitteln, durch die der Fehler e(s) zwischen der Steigungskurve 403 und der Rampenfunktion 404 reduziert, insbesondere minimiert, wird. Es kann somit für jede einzelne Rampe 112 eine individuell optimierte Rampenfunktion 404 ermittelt werden. Ggf. können die individuell optimierten Rampenfunktionen 404 einer Mehrzahl von Rampen 112 zusammengefasst (z.B. gemittelt) werden, um eine gemeinsame optimierte Rampenfunktion 404 zu ermitteln. Letzteres basiert auf der Annahme, dass die Rampen 112 einer Parkanlage 110 typischerweise gleich aufgebaut sind. Mit der optimierten Rampenfunktion 404 kann dann die Steigungskurve 403 nochmals analysiert werden, um die exakten Positionen 402 der ein oder mehreren Rampen 112 zu detektieren.
Unter Benutzung verschiedener bereits vorhandener Sensoren 102 in einem Fahrzeug 100 können somit mit einem auf einem Kalman-Filter basierten Höhenschätzer die Signale GPS, Motormoment, Drehrate an der Kurbelwelle, Drehratengeber an den Reifen, Neigungswinkel, Geschwindigkeit, Barometer, und/oder Beschleunigung dahingehend fusioniert werden, dass die aktuelle Höhe sowie das aktuelle Stockwerk 112 eines Fahrzeugs 100 präzise ermittelt werden können. Dies wird auch ermöglicht, wenn in einem Gebäude für einen längeren Zeitraum kein GPS Signal verfügbar ist.
5a zeigt ein Ablaufdiagramm eines beispielhaften Verfahrens 500 zur Ermittlung von Höhen-Information bezüglich einer Höhe eines Fahrzeugs 100 in einer Parkanlage 110. Das Verfahren 500 kann z.B. durch eine Steuereinheit 101 des Fahrzeugs 100 ausgeführt werden. Das Verfahren 500 umfasst das Ermitteln 501 von Werten von ein oder mehreren Kaiman-Parametern eines Kalman-Filters für eine Fahrt des Fahrzeugs 100 außerhalb der Parkanlage 110, unter Verwendung eines an dem Fahrzeug 100 empfangenen satellitenbasierten Positionierungssignals (insbesondere unter Verwendung eines GPS Signals). Außerhalb der Parkanlage 110 zum Parken des Fahrzeugs 100 kann somit ein Empfang eines satellitenbasierten Positionierungssignals möglich sein. Dieses Positionierungssignal kann eine Komponente (insbesondere ein z-Komponente) aufweisen, die eine Ermittlung der Höhe des Fahrzeugs 100 ermöglicht. Andererseits kann innerhalb der Parkanlage 110 ggf. kein Empfang des Positionierungssignals möglich sein, so dass eine Höhen-Bestimmung auf Basis des Positionierungssignals nicht möglich ist. Die ein oder mehreren Kalman-Parameter eines Kalman-Filters können jedoch außerhalb der Parkanlage 110 mithilfe des Positionierungssignals eingestellt werden. So kann auch innerhalb der Parkanlage 110 eine präzise Ermittlung von Höhen-Information ermöglicht werden.
Das Verfahren 500 umfasst ferner das Ermitteln 502 der Höhen-Information für eine Fahrt in der Parkanlage 110 anhand des Kalman-Filters mit den ermittelten Werten der ein oder mehreren Kalman-Parameter. Somit kann auch ohne Verfügbarkeit eines Positionierungssignals die Höhe eines Fahrzeugs 100 (insbesondere das Stockwerk einer Parkanlage 110) präzise ermittelt werden
5b zeigt ein Ablaufdiagramm eines beispielhaften Verfahrens 510 zur Ermittlung von Stockwerk-Information bezüglich eines Stockwerks 111, 112 einer mehrstöckigen Parkanlage 110. Dabei umfasst die Parkanlage 110 ein erstes Stockwerk 111 und ein zweites Stockwerk 112, die über eine Rampe 113 miteinander verbunden sind. Das Verfahren 510 kann durch eine Steuereinheit 101 eines Fahrzeugs 100 ausgeführt werden.
Das Verfahren 510 umfasst das Ermitteln 511 einer Steigungskurve 403, die die Steigung 401 einer Fahrbahn bei einer Fahrt eines Fahrzeugs 100 in der Parkanlage 110 anzeigt. Die Steigungskurve 403 kann z.B. mit dem o.g. Verfahren 500 zur Ermittlung von Höhen-Information ermittelt werden. Außerdem umfasst das Verfahren 510 das Ermitteln 512 einer möglichen Position 402 der Rampe 113 auf Basis der Steigungskurve 403, mittels einer Basis-Rampenfunktion 404. Die Basis-Rampenfunktion 404 kann dabei den Steigungsverlauf einer typischen (z.B. mittleren) Rampe anzeigen. Durch Matching zwischen der Basis-Rampenfunktion 404 und der Steigungskurve 403 kann eine mögliche bzw. eine vorläufige Position 402 der Rampe 113 der Parkanlage 110 ermittelt werden.
Das Verfahren 510 umfasst ferner das Anpassen 513 der Basis-Rampenfunktion 404 auf Basis der Steigungskurve 403 in einem Umfeld der möglichen Position 402 der Rampe 113, um eine angepasste Rampenfunktion 404 bereitzustellen. Insbesondere können ein oder mehrere Rampenparameter angepasst werden, so dass die angepasste Rampenfunktion 404 den Ausschnitt der Steigungskurve 403 möglichst gut „matcht“.
Außerdem umfasst das Verfahren 510 das Ermitteln 514 der (endgültigen) Position 402 der Rampe 113 auf Basis der Steigungskurve 403, mittels der angepassten Rampenfunktion 404. So kann die Position 402 einer Rampe 113 mit erhöhter Genauigkeit bestimmt werden. Des Weiteren kann so die Genauigkeit bei der Bestimmung eines aktuellen Stockwerks 111, 112 erhöht werden.
Es sei darauf hingewiesen, dass die in diesem Dokument beschriebene Verfahren 500, 510 für unterschiedlichen Typen von Rampen 113 anwendbar ist. Insbesondere sind die Verfahren 500, 510 auch auf gewendelte Rampen 113 anwendbar, bei denen nur ein relativ kurzes Stück zwischen den Rampen zu den unterschiedlichen Stockwerken 111, 112 abgeflacht ist.
Mit den in diesem Dokument beschriebenen Maßnahme kann somit automatisch die Etage 111, 112 ermittelt werden, auf dem ein Fahrzeug 100 geparkt wurde. Diese Information kann z.B. von dem Fahrzeug 100 ermittelt und über eine (drahtlose) Kommunikationseinheit 105 des Fahrzeugs 100 an ein Smartphone eines Nutzers des Fahrzeugs 100 übermittelt werden. Des Weiteren kann anhand der in diesem Dokument beschriebenen Maßnahmen die Topologie einer Parkanlage 110 ermittelt und z.B. für Navigationszwecke verwendet werden.
Die vorliegende Erfindung ist nicht auf die gezeigten Ausführungsbeispiele beschränkt. Insbesondere ist zu beachten, dass die Beschreibung und die Figuren nur das Prinzip der vorgeschlagenen Verfahren, Vorrichtungen und Systeme veranschaulichen sollen.

Claims

Verfahren (500) zur Ermittlung von Höhen-Information bezüglich einer Höhe eines Fahrzeugs (100) in einer Parkanlage (110); wobei das Verfahren (500) umfasst, - Ermitteln (501) von Werten von ein oder mehreren Kalman-Parametern eines Kalman-Filters für eine Fahrt des Fahrzeugs (100) außerhalb der Parkanlage (110), unter Verwendung eines an dem Fahrzeug (100) empfangenen satellitenbasierten Positionierungssignals; und - Ermitteln (502) der Höhen-Information für eine Fahrt in der Parkanlage (110) anhand des Kalman-Filters mit den ermittelten Werten der ein oder mehreren Kalman-Parameter.
Verfahren (500) gemäß Anspruch 1, wobei - das Kalman-Filter eingerichtet ist, eine Sequenz von Werten eines Zustandsvektors mit ein oder mehreren Zustandsvariablen an einer entsprechenden Sequenz von Zeitpunkten zu ermitteln; - zumindest eine der Zustandsvariablen Höhen-Information in Bezug auf die Höhe des Fahrzeugs (100) anzeigt; - das Kalman-Filter ein oder mehrere Systemgleichungen umfassen, die es ermöglichen, auf Basis eines aktuellen Wertes des Zustandsvektors einen nachfolgenden Wert des Zustandsvektors zu prädizieren; und - die ein oder mehreren Systemgleichungen von den ein oder mehreren Kalman-Parametern abhängen.
Verfahren (500) gemäß Anspruch 2, wobei - eine Systemgleichung von einer Eigenschaft eines Fahrzeugsensors (102) des Fahrzeugs (100) abhängt; - gemessene Werte von ein oder mehrere Beobachtungen des Kalman-Filters von Messwerten des Fahrzeugsensors (102) abhängen; und - die ein oder mehreren Kalman-Parameter die Eigenschaft des Fahrzeugsensors (102) beschreiben.
Verfahren (500) gemäß Anspruch 3, wobei - der Fahrzeugsensor (102) ein Neigungssensor und/oder ein Beschleunigungssensor des Fahrzeugs (100) ist; und/oder - die ein oder mehreren Kalman-Parameter umfassen, - eine Zeitkonstante, die ein Tiefpas s-Verhalten des Fahrzeugsensors (102) beschreibt; und/oder - einen Offset, der zumindest teilweise eine Einbaulage des Fahrzeugsensors (102) im Fahrzeug (100) kompensiert.
Verfahren (500) gemäß einem der vorhergehenden Ansprüche, wobei - das Kalman-Filter ein oder mehrere Beobachtungsgleichungen umfasst, die es ermöglichen, aus dem Zustandsvektor erwartete Werte von ein oder mehreren Beobachtungen zu ermitteln; - im Rahmen des Kalman-Filters die erwarteten Werte der ein oder mehreren Beobachtungen mit gemessenen Werten der ein oder mehreren Beobachtungen verglichen werden; - die gemessenen Werte der ein oder mehreren Beobachtungen von Sensordaten von ein oder mehreren Fahrzeugsensoren (102) des Fahrzeugs (100) abhängen; und - die ein oder mehrere Beobachtungsgleichungen von den ein oder mehreren Kaiman-Parametern abhängen.
Verfahren (500) gemäß Anspruch 5, wobei - eine Beobachtungsgleichung ausgebildet ist, den erwarteten Wert einer Beschleunigung des Fahrzeugs (100) auf Basis eines Sensorwertes eines Beschleunigungssensors des Fahrzeugs (100) zu ermitteln; und - der Kalman-Parameter einen Beschleunigungs-Offset für den Sensorwert des Beschleunigungssensors umfasst.
Verfahren (500) gemäß einem der vorhergehenden Ansprüche, wobei - für die Fahrt des Fahrzeugs (100) außerhalb der Parkanlage (110) das Kalman-Filter mit einem erweiterten Beobachtungsvektor verwendet wird, um Höhen-Information zu ermitteln; - der ersteiterte Beobachtungsvektor zusätzlich zu ein oder mehreren Beobachtungsvariablen, die auch in der Parkanlage (110) verwendet werden, zumindest eine zusätzliche Beobachtungsvariable umfasst, die von dem Positionierungssignal abhängt; - zumindest eine der ein oder mehreren Beobachtungsvariablen erste Höhen-Information anzeigt; - die zusätzliche Beobachtungsvariable zwei Höhen-Information anzeigt; und - die Werte der ein oder mehreren Kalman-Parameter auf Basis der ersten und zweiten Höhen-Information ermittelt werden.
Verfahren (500) gemäß Anspruch 7, wobei die Werte der ein oder mehreren Kalman-Parameter derart ermittelt werden, dass ein Unterschied zwischen der durch die erste Höhen-Information angezeigten Höhe des Fahrzeugs (100) und der durch die zweite Höhen-Information angezeigten Höhe des Fahrzeugs (100) reduziert, insbesondere minimiert, wird.
Verfahren (500) gemäß einem der vorhergehenden Ansprüche, wobei - die Parkanlage (110) mehrere Stockwerke (111, 112) umfasst, die jeweils durch zumindest eine Rampe (113) miteinander verbunden sind; und - das Verfahren (500) umfasst, Ermitteln, auf Basis der Höhen-Information, eines Stockwerks (111, 112), in dem sich das Fahrzeug (100) befindet.
Verfahren (510) zur Ermittlung von Stockwerk-Information bezüglich eines Stockwerks (111, 112) einer mehrstöckigen Parkanlage (110); wobei die Parkanlage (110) ein erstes Stockwerk (111) und ein zweites Stockwerk (112) umfasst, die über eine Rampe (113) miteinander verbunden sind; wobei das Verfahren (510) umfasst, - Ermitteln (511) einer Steigungskurve (403), die die Steigung (401) einer Fahrbahn bei einer Fahrt eines Fahrzeugs (100) in der Parkanlage (110) anzeigt; - Ermitteln (512) einer möglichen Position (402) der Rampe (113) auf Basis der Steigungskurve (403), mittels einer Basis-Rampenfunktion (404); - Anpassen (513) der Basis-Rampenfunktion (404) auf Basis der Steigungskurve (403) in einem Umfeld der möglichen Position (402) der Rampe (113), um eine angepasste Rampenfunktion (404) bereitzustellen; und - Ermitteln (514) der Position (402) der Rampe (113) auf Basis der Steigungskurve (403), mittels der angepassten Rampenfunktion (404).
Verfahren (510) gemäß Anspruch 10, wobei das Ermitteln (512, 514) einer Position der Rampe (113) umfasst, - Bewegen der Rampenfunktion (404) an unterschiedliche Positionen (402) der Steigungskurve (403); - Ermitteln eines Fehlerwertes zwischen der Rampenfunktion (404) und der Steigungskurve (403) für jede der unterschiedlichen Positionen (402); und - Ermitteln der Position (402) der Rampe (113) auf Basis der Fehlerwerte für die unterschiedlichen Positionen (402).
Verfahren (510) gemäß einem der Ansprüche 10 bis 11, wobei - die Rampenfunktion (404) durch ein oder mehrere Rampenparameter beschrieben wird; - ein Rampenparameter in einem möglichen Wertebereich angepasst werden kann; und - das Anpassen (513) der Basis-Rampenfunktion (404) umfasst, Anpassen der Werte der ein oder mehreren Rampenparameter im Rahmen der ein oder mehreren möglichen Wertebereiche, um eine Fehlerfunktion zwischen der Rampenfunktion (404) und der Steigungskurve (403) zu verbessern.
Verfahren (510) gemäß einem der Ansprüche 10 bis 12, wobei - die Steigungskurve (403) mehrere Rampen (113) der Parkanlage (110) anzeigt; und - das Verfahren (510) umfasst, Ermitteln von mehreren individuell angepasste Rampenfunktionen (404) für die mehreren Rampen (113), und Ermitteln der angepassten Rampenfunktion (404) auf Basis der individuell angepassten Rampenfunktionen (404), insbesondere als Mittelwert der individuell angepassten Rampenfunktionen (404).
Verfahren (510) gemäß einem der Ansprüche 10 bis 13, wobei - das Verfahren (510) umfasst, Ermitteln einer Höhenkurve, die die Höhe des Fahrzeugs (100) bei der Fahrt in der Parkanlage (110) anzeigt; und - die Steigungskurve (403) durch Ableiten der Höhenkurve ermittelt wird.