DE102018219773B4 - Verfahren zum Kartographieren einer örtlichen Verteilung von Ereignissen eines vorbestimmten Ereignistyps in einem vorbestimmten Umgebungsbereich eines Kraftfahrzeugs sowie dazu ausgelegtes Steuergerät und Kraftfahrzeug - Google Patents

Verfahren zum Kartographieren einer örtlichen Verteilung von Ereignissen eines vorbestimmten Ereignistyps in einem vorbestimmten Umgebungsbereich eines Kraftfahrzeugs sowie dazu ausgelegtes Steuergerät und Kraftfahrzeug Download PDF

Info

Publication number
DE102018219773B4
DE102018219773B4 DE102018219773.3A DE102018219773A DE102018219773B4 DE 102018219773 B4 DE102018219773 B4 DE 102018219773B4 DE 102018219773 A DE102018219773 A DE 102018219773A DE 102018219773 B4 DE102018219773 B4 DE 102018219773B4
Authority
DE
Germany
Prior art keywords
cells
cell
distribution
motor vehicle
events
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
DE102018219773.3A
Other languages
English (en)
Other versions
DE102018219773A1 (de
Inventor
Tim Kubertschak
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.)
Audi AG
Original Assignee
Audi AG
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 Audi AG filed Critical Audi AG
Priority to DE102018219773.3A priority Critical patent/DE102018219773B4/de
Publication of DE102018219773A1 publication Critical patent/DE102018219773A1/de
Application granted granted Critical
Publication of DE102018219773B4 publication Critical patent/DE102018219773B4/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/16Anti-collision systems
    • G08G1/166Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00Purposes 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences

Abstract

Verfahren zum Kartographieren einer örtlichen Verteilung von Ereignissen eines vorbestimmten Ereignistyps in einem vorbestimmten Umgebungsbereich (14) eines Kraftfahrzeugs (10), wobei in einer Belegungskarte (21) der Umgebungsbereich (14) in Zellen (24) eingeteilt wird und zu jeder Zelle (24) auf der Grundlage von zu der Zelle (24) erfassten Ereignisdaten (19) der Ereignisse eine Konfidenzverteilung (V), durch welche die Ereignisdaten (19) angenähert sind, angegeben wird, wobei in den Zellen (24) als Konfidenzverteilung (V) jeweils eine solche Ansatzfunktion (28) bereitgestellt wird, welche dazu eingerichtet ist, zumindest innerhalb der Zelle (24) eine lokale örtliche Verteilung der Ereignisse mittels mehrerer, unterschiedlicher Funktionswerte (F) pro Zelle (24) darzustellen, dadurch gekennzeichnet, dass die Ansatzfunktion zumindest einen Einstellungsparameter aufweist, um den örtlichen Verlauf der Konfidenzverteilung an die Ereignisdaten anzupassen, die die innerhalb der Zelle beobachteten Ereignisse beschreibt.

Description

  • Die Erfindung betrifft ein Verfahren zum Ermitteln einer Belegungskarte eines Umgebungsbereichs, das heißt es wird eine örtliche Verteilung von Ereignissen eines vorbestimmten Ereignistyps in dem Umgebungsbereich kartographiert. Es handelt sich hierbei um den Umgebungsbereich eines Kraftfahrzeugs, also das sogenannte Umfeld. Zu der Erfindung gehören auch ein Steuergerät, mittels welchem das Verfahren durchgeführt werden kann, sowie ein Kraftfahrzeug mit einem solchen Steuergerät.
  • Ein Verfahren der genannten Art ist beispielsweise aus der WO 2013/060323 A1 bekannt.
  • Autonome Fahrzeuge benötigen ein exaktes Modell ihres Umfeldes oder ihrer Umgebung, um auf jegliche darin befindliche Hindernisse geeignet reagieren zu können. Ein nützliches Werkzeug zur Erzeugung dieser Modelle ist eine Belegungskarte, insbesondere das sogenannte Occupancy-Grid-Framework (OG-Framework) in seinen unterschiedlichen Ausprägungen (2D-3D, unterschiedliche Schätzverfahren, Modellierung statischer und dynamischer Objekte, Multiskalenverfahren). In diesem Framework wird gemäß dem genannten Stand der Technik das Fahrzeugumfeld durch ein regelmäßiges Gitter mit rechteckigen Gitterzellen einer festen Größe repräsentiert und pro Gitterzelle die Wahrscheinlichkeit eines Ereignisses geschätzt, wie zum Beispiel die Belegung mit einem Hindernis, z.B. die Existenz oder Präsenz eines Fahrzeugs.
  • Praktische Erwägungen und die Forderung nach einer ausreichenden Genauigkeit des Modells erfordern häufig ein quadratisches Gitter mit eine Zellgröße von einigen wenigen Zentimetern. Bei einer entsprechenden Größe des durch das Grid / Gitternetzwerk abzudeckenden Bereichs, sind somit sehr viele Zellen zur Modellierung des Umgebungsbereichs notwendig. Deren Anzahl kann in nachteilhafter Weise die für ein Steuergerät praktikable Anzahl übersteigen, sodass ein Kompromiss zwischen Genauigkeit und Modellgröße zu finden ist. Da gleichzeitig ein Großteil der Zellen keine sinnvolle Information enthält (z.B. Zellen, die vom Fahrzeug nicht überwacht/wahrgenommen werden können), ist dieser Sachverhalt besonders unerfreulich. Daran ändern auch die zahlreichen Erweiterung des Frameworks kaum etwas.
  • Aus der DE 10 2015 201 747 A1 ist bekannt, wie auf der Grundlage von Sensoren Messwerte erzeugt werden können und diese Messwerte dann in einer Belegungskarte zusammengefasst werden können. Hier wird die Verwendung eines Occupancy-Grid-Frameworks beschrieben.
  • Aus der DE 10 2013 019 145 A1 ist bekannt, wie man mittels einer Belegungskarte ein Fahrerassistenzsystem steuern kann.
  • Aus einer wissenschaftlichen Veröffentlichung (KOHLBRECHER, S. [et. AI.]: A flexible and scalable SLAM system with full 3D motion estimation. In: Proceedings of the 2011 IEEE International Symposium on Safety, Security and Rescue Robotics. Kyoto, Japan 2011. S. 155-160) ist bekannt, dass ein System zum schnellen Online-Lernen von Belegungsgittern mit geringem Rechenaufwand vorgestellt wird. Das System kombiniert einen robusten Scan-Anpassungsansatz unter Verwendung eines LIDAR-Systems mit einem 3D-Lage-Schätzungssystem, das auf „inertial sensing“ basiert.
  • Aus einer weiteren wissenschaftlichen Veröffentlichung (KORTHALS, T.[et al.]:Semantical occupancy grid mapping framework, 2017 European Conference on Mobile Robots, Paris, 2017, S. 1-8) ist bekannt, dass zwei neue mit Belegungsgittern betreibende Techniken verwendet werden .d.h. ein neuer odds-based Interpolationsfilter und ein „Supercell Extracted via Variance-Driven Sampling (SEVDS)“ Algorithmus.
  • Aus einer weiteren wissenschaftlichen Veröffentlichung (Geiger B.: Real-time collision detection and response for complex environments. In: Proceedings Computer Graphics International 2000, Geneva, Switzerland, 2000 S. 105-113.) ist für ein Verfahren zur Kollisionserkennung bekannt, das sich gut für komplexe Umgebungen eignet.
  • Aus einer weiteren wissenschaftlichen Veröffentlichung (PENMAN, J. Grieve, M.D.: Self-adaptive mesh generation technique fort he finite-element method. IEE Proceedings A- Physical Science, Measurment and Instrumentation, Management and Education - Reviews, Vol, 134, 1987, No. 8, S. 634-659.) ist bekannt, dass ein selbstadaptives Finite-Elemente-Netzerzeugungsschema vorgestellt wird, das es dem Computerbenutzer ermöglicht, eine minimale Netzstruktur zu spezifizieren und dennoch eine optimale Netzstruktur zu erzeugen.
  • Aus einer weiteren wissenschaftlichen Veröffentlichung (GAMBINO, F[et al.]: The transferable belief model in ultrasonic map building. In: Proceedings of 6th International Fuzzy Systems Conference, Barcelona, 1997, S. 601-608.) ist bekannt, dass das Problem des Aufbaus und der Aktualisierung der Karte einer unbekannten Umgebung unter Verwendung von Messbereichen, die mit Ultraschallsensoren ermittelt werden, berücksichtigt wird.
  • Der Erfindung liegt die Aufgabe zugrunde, für ein Kraftfahrzeug eine Belegungskarte effizient zu implementieren.
  • Die Aufgabe wird durch die Gegenstände der unabhängigen Patentansprüche gelöst. Vorteilhafte Ausführungsformen der Erfindung sind durch die abhängigen Patentansprüche, die folgende Beschreibung sowie die Figuren beschrieben.
  • Durch die Erfindung ist ein Verfahren zum Erzeugen einer Belegungskarte bereitgestellt. Das Verfahren dient zum Kartographieren einer örtlichen Verteilung von Ereignissen eines vorbestimmten Ereignistyps in einem vorbestimmten Umfeldbereich oder Umgebungsbereich eines Kraftfahrzeugs. Als Ereignistyp kann beispielsweise die Präsenz von vorbestimmten Objekten, beispielsweise Kraftfahrzeugen oder allgemein anderen Verkehrsteilnehmern und Infrastrukturobjekten, und/oder die Lage oder Position von geordneten Radarechos und/oder allgemein die Messposition und der Messwert einer bestimmten Messgröße, beispielsweise eine Temperaturmessung, zugrunde gelegt sein. Bevorzugt wir die Belegungskarte für statische Umfeldelemente (d.h. Infrastrukturobjekte, wie z.B. Ampeln und/oder Fahrstreifenverläufe und/oder Schilder) verwendet.
  • Ein jeweiliges Ereignis kann beispielsweise eine konkrete Detektion eines anderen Verkehrsteilnehmers oder eines Radarechos sein oder die konkrete Messung eines Temperaturwerts. Um nun diese Ereignisse zu kartographieren, ist nach dem Verfahren vorgesehen, in einer Belegungskarte des Umgebungsbereichs diesen Umgebungsbereich in Zellen einzuteilen und zu jeder Zelle auf der Grundlage von zu der Zelle erfassten Ereignisdaten der Ereignisse des besagten Ereignistyps eine Konfidenzverteilung anzugeben. Es werden also in der Belegungskarte nicht die Ereignisdaten der einzelnen Ereignisse eingetragen oder kartographiert, sondern die Ereignisdaten der einzelnen Ereignisse werden abstrahiert oder zusammengefasst durch eine Konfidenzverteilung beschrieben, durch welche die Ereignisdaten angenähert sind. Die Ereignisdaten eines einzelnen Ereignisses können z.B. einen einzelnen Messwert oder ein einzelnes Detektionsergebnis oder Erkennungsergebnis (beispielsweise aus einer Bildverarbeitung oder einer Auswertung eines Radarsignals oder eines Lidar-Signals) oder eine Extrapolationsergebnis aus einer Bewegungsextrapolation sein, um nur Beispiele für ein jeweiliges Ereignis zu nennen. Die Ereignisdaten beschreiben einzelne Ereignisse an einem jeweiligen bestimmten Ort. Somit lässt sich jedem Ereignis ein Ort oder eine Position in der Belegungskarte zuordnen. Anstatt nun alle Ereignisse als jeweilige punktuelle oder örtliche oder lokale Einträge in der Umgebungskarte einzutragen, wird die Belegungskarte in Zellen oder Bereiche unterteilt und in jeder Zelle werden dann die darin enthaltenen Ereignisse durch die Konfidenzverteilung beschrieben oder zusammengefasst. Die Konfidenzverteilung kann z.B. eine Häufigkeitsangabe und/oder einen Mittelwert der Ereignisse in der jeweiligen Zelle und/oder eine Eintrittswahrscheinlichkeit für ein Ereignis des Ereignistyps angeben. Die Kanten oder Grenzen der Zellen stellen insgesamt ein Gitternetzwerk dar, welches in der Belegungskarte den Umgebungsbereich in die Zellen einteilt.
  • Um nun diese bekannte Einteilung einer Belegungskarte in Zellen und die zellenspezifische Verwaltung von Ereignisdaten mittels einer Konfidenzverteilung effizient zu implementieren oder zu betreiben, ist erfindungsgemäß vorgesehen, dass in den Zellen als Konfidenzverteilung jeweils eine solche mathematische Funktion bereitgestellt wird, welche als Ansatzfunktion bezeichnet wird und welche dazu eingerichtet ist, eine lokale örtliche Verteilung der Ereignisse innerhalb der Zelle mittels mehrerer unterschiedlicher Funktionswerte pro Zelle darzustellen. Die Ansatzfunktion gibt also gleichzeitig zu unterschiedlichen Orten innerhalb der Zelle unterschiedliche Funktionswerte an. Während also gemäß dem Stand der Technik vorgesehen ist, pro Zelle nur einen einzelnen Konfidenzwert zu verwalten, welcher für die Zelle eine Konfidenz oder Wertangabe betreffend die in der Zelle beobachteten Ereignisse repräsentiert, ist erfindungsgemäß vorgesehen, dass eine Ansatzfunktion verwendet wird, die innerhalb der Zelle eine lokale örtliche Verteilung der Ereignisse beschreibt. Jede Ansatzfunktion hat jeweils nur einen Definitionsbereich innerhalb der jeweiligen Zelle, weshalb hier von einer lokalen örtlichen Verteilung gesprochen wird. Die Ansatzfunktion einer Zelle weist also für alle übrigen Zellen bevorzugt den Funktionswert 0 auf. Innerhalb der Zelle ist eine mit dem Ort variierende Konfidenzverteilung beschrieben. Der Definitionsbereich der Zelle (mit Funktionswerten ungleich 0) kann auch um einen vorbestimmten Wert, nämlich um eine kleine Nachbarschaft, in die jeweiligen Nachbarzellen hineinragen, um zwischen den lokalen örtlichen Verteilungen benachbarter Zellen überzublenden. Der Wert kann z.B. in einem Bereich kleiner als 20 Prozent, insbesondere kleiner als 10 Prozent, des Zellendurchmessers der Zelle betragen. Die Größe des Definitionsbereichs kann vom Grad der Ansatzfunktion abhängen.
  • Die Ansatzfunktion kann zumindest einen Einstellungsparameter aufweisen, um den örtlichen Verlauf der Konfidenzverteilung an die Ereignisdaten anzupassen. Um mittels der Ansatzfunktion eine Konfidenzverteilung zu erhalten, welche die innerhalb der Zelle beobachteten Ereignisse beschreibt oder annähert, kann als Ansatzfunktion beispielsweise ein lineares oder quadratisches oder kubisches Polynom oder eine Spline-Funktion zugrunde gelegt werden.
  • Zusammenfassend wird also durch das Verfahren das Fahrzeugumfeld oder der Umgebungsbereich der Kraftfahrzeugs in Gitterzellen oder allgemein Zellen eingeteilt, für die jeweils eine Konfidenzverteilung für einen Ereignistyp (beispielsweise Belegung mit einem Hindernis oder Verkehrsteilnehmer oder die Präsenz eines Fahrzeugs) angegeben ist. Beispielsweise kann eine Wahrscheinlichkeitsangabe für das Vorliegen von Ereignissen des Ereignistyps als Konfidenzverteilung vorgesehen sein. Eine Zelle kann eine Kantenlänge in einem Bereich von 5 Zentimetern bis 50 Meter aufweisen. Eine Zelle kann hierbei den Umgebungsbereich zweidimensional oder dreidimensional einteilen, das heißt es kann sich also um eine Belegungskarte für einen flächigen Umgebungsbereich oder einen Volumen-Umgebungsbereich handeln. In jeder Zelle ist hierbei nicht nur eine einzelne Konfidenzwertangabe für den Ereignistyp vorgesehen, sondern mehrere Funktionswerte, die durch eine Ansatzfunktion angegeben sind. In der beschriebenen Weise handelt es sich um eine finite Funktion, die nur in einem begrenzten Definitionsbereich einen Funktionswert größer als 0 aufweist, nämlich innerhalb der jeweiligen Zellen und gegebenenfalls der besagten kleinen Nachbarschaft.
  • Der Erfindung liegt die Erkenntnis zugrunde, dass es sich als effizienter erwiesen hat, einen Umgebungsbereich nicht in einzelne Zellen zu unterteilen, in denen jeweils nur ein einziger Konfidenzwert, beispielsweise einen Wahrscheinlichkeitswert für das Eintreten eines Ereignisses, abgespeichert ist, sondern stattdessen größere Zellen zu verwenden und innerhalb dieser Zellen die Ereignisdaten mittels einer Konfidenzverteilung auf Grundlage einer Ansatzfunktion zusammenzufassen, um innerhalb der Zellen lokale örtliche Verteilungen der Ereignisangaben abzubilden. Somit erhält man weniger Zellen mit darin jeweils lokalen örtlichen Verteilungen als in dem Fall, wenn mit der gleichen Genauigkeit die Ereignisdaten auf Grundlage von solchen Zellen beschrieben werden sollen, die nur einen einzelnen Konfidenzwert pro Zelle zulassen.
  • Die Erfindung umfasst auch Ausführungsformen, durch die sich zusätzliche Vorteile ergeben.
  • In einer Ausführungsform wird die Einteilung des Umgebungsbereichs in die Zellen rasterfrei, das heißt ohne Vorgabe eines Rasters (beispielsweise eines quadratischen Rasters) auf der Grundlage eines Vernetzungsalgorithmus oder Meshing-Algorithmus für eine Polygonnetzerzeugung erzeugt. Mit anderen Worten wird der Umgebungsbereich nicht in ein fest vorgegebenes, von den Ereignisdaten unabhängiges Raster eingeteilt, dass dann nach Bedarf an unterschiedlichen Stellen oder Bereichen verfeinert wird, sondern das Gitternetzwerk zum Einteilen des Umgebungsbereichs in Zellen wird ohne ein vorgegebenes Raster in ein Polygonnetz eingeteilt. Hierfür sind so genannte Meshing-Algorithmen verfügbar. Ein solcher legt Nodes oder Knoten oder Netzpunkte fest, die dann jeweils durch eine Linie oder Fläche (gerade oder gebogen) verbunden werden. Hierdurch erfolgt die Einteilung in die Zellen. Die Verwendung eines Vernetzungsalgorithmus weist den Vorteil auf, dass die Lage und/oder Größe der Zellen vollständig an den Einteilungsbedarf angepasst werden kann, wie er sich durch die Ereignisdaten ergibt. Es kann z.B. die Form eines Objekts um Umgebungsbereich durch Zellgrenzen der Zellen nachgebildet wird.
  • In einer Ausführungsform wird die Einteilung in die Zellen hierzu mittels eine FEM-Algorithmus (FEM - Finite Elemente-Methode) durchgeführt. Hierdurch kann man auf eine automatisierte Einteilung in Zellen zurückgreifen, wie sie für Finite Elemente-Methoden bereits bewährt sind. Zusätzlich oder alternativ dazu weisen die Zellen unterschiedliche Formen und/oder gekrümmte Grenzen oder Kanten auf. Hierdurch ist eine gesteigerte oder verbesserte Anpassung der Grenzen der Zellen an die Verteilung der Ereignisse im Umgebungsbereich möglich. Die Zellen können also unregelmäßige, verschiedene Formen aufweisen. Hierbei kann vorgesehen sein, dass sie die gleiche Grundform aufweisen, also beispielsweise alle Zellen als Dreiecke oder Sechsecke ausgebildet sind. Generell kann eine Zelle als n-Eck (in 2D) oder n-Flächler/n-Eder (in 3D) ausgestaltet sein. Es können gekrümmte Ränder vorgesehen sein, was auch als isoparametrische Zellen oder Elemente bezeichnet wird. Es kann eine Mischung unterschiedlicher Formen (aber gleicher Dimensionsordnung, also 2D oder 3D oder 4D) vorgesehen sein. Eine Dimensionsordnung kann die Zeit sein, das heißt es kann also eine zeitliche Bedingung oder ein zeitlicher Verlauf modelliert sein. Als Grundformen kann für eine Zelle ein Dreiecke, Vierecke, Tetraeder, Hexaeder oder eine isoparametrische Variante davon vorgesehen sein. Allgemein erfolgt also eine Diskretisierung des Umgebungsbereichs durch ein Netz bestehend aus Formelementen unterschiedlicher Größe, die jeweils eine Zelle darstellen.
  • Mehrere Ausführungsformen betreffen die Frage, wie neue zusätzliche Ereignisdaten in die Belegungskarte integriert werden.
  • In einer Ausführungsform, wird zum Integrieren zusätzlicher Ereignisdaten, die zumindest eine der Zellen betreffen, für jede betroffene Zelle jeweils auf der Grundlage aller für die Zelle zu berücksichtigenden Ereignisdaten einerseits und der bisherigen (also bis zum Zeitpunkt der Integration verwendeten oder gültigen) Ansatzfunktion andererseits ein Diskretisierungsfehler gemäß einer vorbestimmten Fehlerberechnungsfunktion ermittelt und dann die bisherige Ansatzfunktion in Bezug auf ihre Parametereinstellung angepasst, um den Diskretisierungsfehler zu verringern. Die Fehlerberechnungsfunktion kann beispielsweise eine Differenz berücksichtigen, die sich aus dem Funktionswert der Ansatzfunktion an unterschiedlichen Stellen innerhalb der Zelle einerseits und den für diese Stellen vorhandenen Ereignisdaten andererseits ergibt. Beispielsweise kann die Summe der Quadrate dieser Differenzen als Fehlermaß oder Diskretisierungsfehler gebildet oder berücksichtigt werden. Da neue Ereignisdaten hinzugekommen sind, kann es nun sein, dass der Parameter oder die mehreren Parameter der Ansatzfunktion verändert werden müssen, um diesen Diskretisierungsfehler zu verringern. Im Falle der beschriebenen Polynome oder der Spline-Funktion kann dann jeweils durch Verändern der Parametereinstellung die Form oder der Verlauf der Ansatzfunktion verändert werden, um den Diskretisierungsfehler zu verringern. Hierbei kann beispielsweise ein Gradientenverfahren oder eine LMS-Lösung (LMS - Least mean square) zugrunde gelegt werden. Somit werden also die Form oder der Verlauf oder die Funktionswerte der Ansatzfunktion auch an die neuen oder zusätzlichen Ereignisdaten angepasst.
  • Reicht dies nicht aus, so sieht eine Ausführungsform für den Fall vor, dass der verringerte Diskretisierungsfehler über einem vorbestimmten Schwellenwert bleibt, also eine Anpassung der Ansatzfunktion an alle zu berücksichtigenden Ereignisdaten nicht soweit möglich ist, dass der Diskretisierungsfehler unterhalb des Schwellenwerts liegt, dann für diesen Fall zumindest zwei Neuzellen zu erzeugen. Es erfolgt also eine datengetriebene Verfeinerung des Gitternetzes. Diese Verfeinerung wird automatisch oder automatisiert ausgelöst, wenn der Diskretisierungsfehler allein auf Grundlage der Veränderung der Parametereinstellung der Ansatzfunktion nicht unterhalb des Schwellenwerts verringert werden kann.
  • In einer Ausführungsform wird zu den Zellen mittels einer Datenstruktur ein jeweiliger Nachbarschaftsbezug verwaltet. In anderen Worten wird in der Datenstruktur gespeichert, welche Zellen zu einer vorgegebenen Zelle angrenzend sind. Hierdurch ergibt sich der Vorteil, dass die Ansatzfunktionen dieser Zellen aufeinander abgestimmt werden können. Die Datenstruktur erhält also den Nachbarschaftsbezug. Als Datenstruktur kann eine solche aus der Computergrafik verwendet werden. Beispiele für geeignete Datenstrukturen sind jeweils Winged-Edge, Half-Edge und Kantenlisten.
  • In einer Ausführungsform werden die Ansatzfunktionen jeweiliger benachbarter Zellen derart konfiguriert, dass an einer jeweiligen gemeinsamen Kante oder Grenze der Zellen diese Ansatzfunktionen denselben Funktionswert aufweisen oder zumindest ein Unterschied der Funktionswerte kleiner als ein vorbestimmter Toleranzwert ist. Mit anderen Worten werden die Ansatzfunktionen nicht nur dahingehend mittels ihrer Parametereinstellung eingestellt, dass sie die zugrundeliegenden Ereignisdaten annähern oder nachbilden und hierbei der Diskretisierungsfehler kleiner als ein Schwellenwert ist, sondern die Ansatzfunktionen werden auch an die angrenzenden, benachbarten Ansatzfunktionen angeglichen. Hierdurch ergibt sich der Vorteil, dass ein zellenübergreifender stetiger Übergang an den Zellgrenzen durch die Ansatzfunktionen gegeben ist. Damit ergibt sich eine Konfidenzverteilung über den gesamten Umgebungsbereich, der kantenfrei oder sprungfrei an den Zellgrenzen ist.
  • Bevorzugt ist sogar vorgesehen, dass an den Zellgrenzen die Ansatzfunktionen einen stetig differenzierbaren Übergang aufweisen. Hierdurch lassen sich dann die Ansatzfunktionen aller Zellen zu einer stetig differenzierbaren Konfidenzverteilung für den gesamten Umgebungsbereich kombinieren oder aneinander fügen.
  • In einer Ausführungsform wird als jeweilige Ansatzfunktion der Zellen jeweils eine Wahrscheinlichkeitsverteilung (für das Vorliegen eines Ereignisses des jeweiligen Ereignistyps) und/oder eine Dempster-Shafer-Evidenzverteilung (als Ergänzung oder Ersatz für eine Wahrscheinlichkeitsverteilung) und/oder eine Fuzzy-Logic-Verteilung und/oder eine Verteilung gemäß Transferable Belief Model (TBM) bereitgestellt.
  • Um das erfindungsgemäße Verfahren in einem Kraftfahrzeug durchführen zu können, ist durch die Erfindung auch ein Steuergerät für ein Kraftfahrzeug bereitgestellt. Das erfindungsgemäße Steuergerät weist eine Prozessoreinrichtung auf, die dazu eingerichtet ist, mittels einer Ausführungsform des erfindungsgemäßen Verfahrens eine Belegungskarte zu erzeugen und in Abhängigkeit von der Belegungskarte ein Steuersignal für eine Fahrzeugkomponente des Kraftfahrzeugs, beispielsweise ein Fahrerassistenzsystem, zu erzeugen. Die Prozessoreinrichtung kann zumindest einen Mikroprozessor und/oder zumindest einen Mikrocontroller aufweisen. Die Prozessoreinrichtung kann einen Programmcode oder eine Software aufweisen, die Programminstruktionen aufweist, durch welche beim Ausführen der Programminstruktionen durch die Prozessoreinrichtung die Ausführungsform des erfindungsgemäßen Verfahrens ausgeführt wird. Der Programmcode oder die Software kann in einem Datenspeicher der Prozessoreinrichtung gespeichert sein.
  • In diesem Zusammenhang umfasst die Erfindung auch ein Computerprogramm mit Programminstruktionen, die bei Ausführen des Computerprogramms durch einen Computer oder eine Prozessoreinrichtung diese dazu veranlassen, eine Ausführungsform des erfindungsgemäßen Verfahrens durchzuführen.
  • Des Weiteren umfasst die Erfindung auch ein computerlesbares Speichermedium oder einen computerlesbaren Datenträger, umfassend Programmbefehle oder Programminstruktionen, die bei einer Ausführung durch einen Computer oder eine Prozessoreinrichtung diese veranlassen, die Ausführungsform des erfindungsgemäßen Verfahrens durchzuführen.
  • Das erfindungsgemäße Steuergerät ist insbesondere als ein Bestandteil eines Autopiloten oder für eine autonome Fahrfunktion vorgesehen. Als jeweilige gesteuerte Fahrzeugkomponente kann beispielsweise eine Lenkung und/oder ein Antriebsstrang des Kraftfahrzeugs und/oder eine Bremsanlage angesteuert werden.
  • Die Erfindung umfasst schließlich auch ein Kraftfahrzeug mit einer Ausführungsform des erfindungsgemäßen Steuergeräts. Das erfindungsgemäße Kraftfahrzeug ist bevorzugt als Kraftwagen, insbesondere als Personenkraftwagen oder Lastkraftwagen, oder als Personenbus ausgestaltet.
  • Die Erfindung umfasst auch die Kombinationen der Merkmale der beschriebenen Ausführungsformen.
  • Im Folgenden sind Ausführungsbeispiele der Erfindung beschrieben. Hierzu zeigt:
    • 1 eine schematische Darstellung einer Ausführungsform des erfindungsgemäßen Kraftfahrzeugs;
    • 2 ein Diagramm zur Veranschaulichung einer Ansatzfunktion zum Beschreiben einer Konfidenzverteilung in Zellen einer Belegungskarte eines Steuergeräts des Kraftfahrzeugs von 1;
    • 3 eine Skizze zur Veranschaulichung eines Unterschieds einer Zelleinteilung der Belegungskarte in dem Steuergerät des Kraftfahrzeugs von 1 im Vergleich zum Stand der Technik; und
    • 4 eine Skizze zur Veranschaulichung von Verfahrensschritten, durch welche die Belegungskarte um zusätzliche Ereignisdaten ergänzt wird.
  • Bei den im Folgenden erläuterten Ausführungsbeispielen handelt es sich um bevorzugte Ausführungsformen der Erfindung. Bei den Ausführungsbeispielen stellen die beschriebenen Komponenten der Ausführungsformen jeweils einzelne, unabhängig voneinander zu betrachtende Merkmale der Erfindung dar, welche die Erfindung jeweils auch unabhängig voneinander weiterbilden. Daher soll die Offenbarung auch andere als die dargestellten Kombinationen der Merkmale der Ausführungsformen umfassen. Des Weiteren sind die beschriebenen Ausführungsformen auch durch weitere der bereits beschriebenen Merkmale der Erfindung ergänzbar.
  • In den Figuren bezeichnen gleiche Bezugszeichen jeweils funktionsgleiche Elemente.
  • 1 zeigt ein Kraftfahrzeug 10, bei dem es sich um einen Kraftwagen, insbesondere um einen Personenkraftwagen, oder einen Personenbus handeln kann. In dem Kraftfahrzeug 10 kann ein Steuergerät 11 bereitgestellt sein, durch welches zumindest eine Fahrzeugkomponente 12 mittels zumindest eines Steuersignals 13 gesteuert werden kann. Das Steuergerät 11 kann beispielsweise zum Bereitstellen einer Fahrerassistenzfunktion, insbesondere einer autonomen Fahrfunktion, bereitgestellt sein. Mittels des zumindest einen Steuersignals 13 kann als Fahrzeugkomponente 12 beispielsweise eine Lenkung und/oder ein Antriebsstrang und/oder eine Bremsanlage des Kraftfahrzeugs 10 gesteuert werden.
  • In dem Steuergerät 11 kann hierbei ein Umfeld oder ein Umgebungsbereich 14 des Kraftfahrzeugs 10 dahingehend berücksichtigt werden, dass zumindest ein Objekt 15, welches sich in dem Umgebungsbereich 14 befinden kann und ein Fahrhindernis für das Kraftfahrzeug 10 darstellen kann, beim Erzeugen des zumindest einen Steuersignals 13 berücksichtigt ist.
  • Hierzu kann in dem Kraftfahrzeug 10 eine Umfelderfassungseinrichtung 16 bereitgestellt sein, die zumindest einen Sensor 17 aufweisen kann. Als jeweiliger Sensor 17 kann z.B. eine Kamera und/oder ein Radar und/oder ein Lidar vorgesehen sein. Zusätzlich oder alternativ dazu kann auch beispielsweise eine Bildverarbeitungseinrichtung 18 vorgesehen sein, mittels welcher das zumindest eine Objekt 15 beispielsweise in ein Kamerabild und/oder in Radardaten und/oder Lidar-Daten erkannt werden kann. Durch die Umfelderfassungseinrichtung 16 können insgesamt Ereignisdaten 19 bereitgestellt werden, welche Ereignisse betreffend zumindest ein in dem Umgebungsbereich 14 detektiertes Ereignis eines vorbestimmten Ereignistyps beschreiben können. Beispielsweise kann als Ereignistyp die Gegenwart des zumindest einen Objekts 15 und/oder eine Eigenschaft des zumindest einen Objekts 15 beschrieben sein. In den Ereignisdaten 19 kann hierbei jeweils eine Ortsangabe zu einem Ort 20 angegeben sein, an welchem das jeweilige Objekt 15 detektiert oder erkannt wurde.
  • Das Steuergerät 11 kann auf der Grundlage der Ereignisdaten 19 eine Belegungskarte 21 von der Umgebung oder dem Umgebungsbereich 14 anfertigen oder erzeugen. Das Steuergerät 11 kann hierzu eine Prozessoreinrichtung 22 aufweisen, durch welche auch ein Programmcode 23 ausgeführt werden kann, welcher Schritte S10, S11 ausführen kann, durch welche die Belegungskarte 21 erzeugt oder verwaltet wird.
  • In dem Schritt S10 kann zum Kartographieren einer örtlichen Verteilung von Ereignissen des besagten Ereignistyps in dem Umgebungsbereich 14 des Kraftfahrzeugs 10 in der Belegungskarte 21 des Umgebungsbereichs 14 dieser Umgebungsbereich 14 in Zellen 24 eingeteilt werden. Hierzu kann ein entsprechendes Gitternetz 25 definiert werden, durch welches sich die Grenzen der Zellen 24 ergeben. Der Übersichtlichkeit halber sind in 1 nur zwei Zellen 24 mit einem Bezugszeichen versehen.
  • In dem Schritt S11 kann zu jeder Zelle 24 auf der Grundlage von zu der Zelle 24 erfassten Ereignisdaten 19 der Ereignisse eine Konfidenzverteilung angegeben werden, durch welche die Ereignisdaten 19 angenähert oder beschrieben sind. Die Konfidenzverteilung wird weiter unten im Zusammenhang mit 2 beschrieben.
  • Das Steuergerät 11 (siehe 1) kann anhand der Belegungskarte 21 eine Relativlage des zumindest einen Objekts 15 in Bezug auf das Kraftfahrzeug 10 ermitteln und mittels des zumindest einen Steuersignals 13 beispielsweise das Kraftfahrzeug 10 in Bezug auf das zumindest eine Objekt 15 manövrieren.
  • 2 veranschaulicht beispielhaft in einem linken Diagramm 26 für eine Verteilung von Ereignissen entlang einer einzelnen Raumrichtung X, wie für in dem Schritt S11 in den Zellen 24 als Konfidenzverteilung 27 jeweils eine Ansatzfunktion 28 bereitgestellt werden kann, welche dazu eingerichtet ist, eine lokale örtliche Verteilung der Ereignisse innerhalb der Zelle 24 mittels mehrerer, unterschiedlicher Funktionswerte F pro Zelle 24 darzustellen. Zur Veranschaulichung eines Unterschieds ist in einem Diagramm 29 auf der rechten Seite dargestellt, wie mittels Gitterlinien 25' eine Vielzahl kleinerer Zellen 24' vorgesehen sein kann und pro Zelle 24' nur eine Ansatzfunktion verwendet wird, bei welcher pro Zelle 24' ein einzelner, für die gesamte Zelle 24' geltender Konfidenzwert 28' als Funktionswert F angegeben wäre. Dies ist so in der Regel im Stand der Technik vorgesehen.
  • Die Einteilung der Belegungskarte 21 in die Zellen 24 kann mittels eines so genannten Occupance-Grid-Framework (OG-Framework) erfolgen, das aber hier erweitert ist. Als Ausgangspunkt kann beispielsweise auf Literatur aus dem Stand der Technik zurück gegriffen werden, wie sie im Folgenden angegeben ist:
    • - H. P. Moravec und A. Elfes, „High resolution maps from wide angle sonar", in Proceedings of 1985 IEEE International Conference on Robotics and Automation, Bd. 2, 1985, S. 116 - 121.
    • - A. Elfes und L. Matthies, „Sensor integration for robot navigation: Combining sonar and stereo ränge data in a grid-based representation", in Proceedings of 26th IEEE Conference on Decision and Control, 1987, S. 1802 - 1807.
    • - H. P. Moravec, „Sensor fusion in certainty grids for mobile robots", AI Magazine, Bd. 9, Nr. 2, S. 61 - 74, 1988.
  • Das Festlegen der benötigten Funktionswerte F kann mittels eines oder mehrerer Schätzverfahren durchgeführt werden, wie sie aus dem Stand der Technik beispielsweise aus den folgenden Veröffentlichen bekannt sind:
    • - G. Oriolo, M. Vendittelli, und G. Ulivi, „On-line map building and navigation for autonomous mobile robots", in Proceedings of 1995 IEEE International Conference on Robotics and Automation, Bd. 3, 1995, S. 2900 - 2906.
    • - A. P. Tirumalai, B. G. Schunck, und R. C. Jain, „Evidential reasoning for building environment maps", IEEE Transactions on Systems Man and Cybernetics, Bd. 25, Nr. 1, S. 10 - 20, Januar 1995.
    • - M. A. Paskin und S. Thrun, „Robotic mapping with polygonal random fields", in Proceedings of 21 st Conference on Uncertainty in Artificial Intelligence, 2005, S. 450 - 458.
    • - S. Steinmeyer, „Probabilistische Fahrzeugumfeldschätzung für Fahrerassistenzsysteme“, Dissertation, Techniche Universität Carolo-Wilhelmina zu Braunschweig, Januar 2014.
  • In dem Steuergerät 11 können durch die Integration von Konzepten der Finiten Elemente Methode (FEM) auf das herkömmliche Occupancy-Grid-Framework Nachteile vermieden werden. Diese Konzepte können umfassen:
    • - Verwendung von Ansatzfunktionen 28 zur Beschreibung der Verteilung eines Ereignisses innerhalb einer Zelle 24.
    • - Diskretisierung des Fahrzeugumfeldes oder Umgebungsbereichs 14 durch unregelmäßige Elemente oder Zellen 24, vorzugsweise verschiedene unregelmäßige Dreiecke.
    • - Verwendung eines Algorithmus zur automatischen Verfeinerung und Verbesserung der Diskretisierung des Netzes aus Gitterlinien 25 zur Beschreibung des Umfelds oder Umgebungsbereichs 14. Die Ansatzfunktion 28 sind lokaler Träger, d.h. ihr Definitionsbereich ist eine finite Funktion, die nur innerhalb der jeweiligen Zelle 24 Funktionswerte F ungleich 0 aufweist).
  • Der Einsatz dieser Konzepte im Occupancy-Grid-Framework zum Festlegen der Gitterlinien 25 wird im Folgenden näher beschrieben.
  • Im Occupancy-Grid (OG), beschrieben durch die Gitterlinien 25, wird pro Gitterzelle oder kurz Zelle 24 die Wahrscheinlichkeit oder allgemein Konfidenz des gewünschten Ereignisses geschätzt. Es wird dabei vorgesehen, anstatt des einzelnen Wahrscheinlichkeitswerts (Konfidenzwert 28') eine komplette Wahrscheinlichkeitsverteilung pro Zelle 24 zu schätzen, wofür die Ansatzfunktionen 28 in den Zellen 24 eingesetzt werden (sogenannte finite Funktionen, deren Definitionsbereich begrenzt ist auf die jeweilige Zelle 24 und gegebenenfalls die besagte kleine Nachbarschaft; Beispiele sind: lineare, quadratische, kubische Polynome und Splines). Das Schätzen der Verteilung kann zwar rechenaufwendiger sein, führt jedoch zu einer Verdichtung der Wahrscheinlichkeiten oder Konfidenzangaben mehrerer herkömmlicher OG-Zellen 24' auf eine Zelle 24 (siehe 2), wobei eine Zelle 24 der Belegungskarte 21 die Information aus den Ereignisdaten 19 außerdem genauer repräsentieren kann, wie in 2 zu sehen ist. Dies führt bei gleichbleibendem Informationsgehalt zu einer Reduktion der benötigten Zellanzahl an Zellen 24 und damit auch zu einer Verringerung des notwendigen Speichers zur Belegungskarte 21. Gleichzeitig bietet sich die Möglichkeit der Steigerung der Genauigkeit, da eine Zelle 24 in Bezug auf die abbildbare Genauigkeit nicht auf eine kleine Zellgröße angewiesen ist, wie es für OG-Zellen 24' der Fall ist, weil dies nur einen Konfidenzwert 28' pro OG-Zelle 24' zu Verfügung stellen können. Stattdessen ergibt sich die erreichbare Genauigkeit aus der Art der Ansatzfunktionen 28 und deren Parametereinstellungen zum Festlegen der Form der Ansatzfunktion 28. Bevorzugt werden quadratische und kubische Polynome verwendet, da diese entsprechend der Ergebnisse der Interpolationstheorie zu optimalen Approximationen führen können.
  • 2 zeigt eine schematische Darstellung dieses Vorteils der Verwendung von Ansatzfunktionen 28 in einem eindimensionalen Beispiel für eine Raumrichtung X. Links (Diagramm 26): Repräsentation einer Konfidenzverteilung eines Ereignisses durch zwei Zellen 24 mit geeigneten Ansatzfunktionen 28. Rechts (Diagramm 29, Stand der Technik): Die Abbildung derselben Konfidenzverteilung V durch 10 OG-Zellen 24' und einer Wahrscheinlichkeit oder eines Konfidenzwerts 28' pro OG-Zelle 24' gemäß dem OG-Framework. Trotz fünffacher Anzahl von OG-Zellen 24' erfolgt die Abbildung nicht mit derselben Güte wie in der Belegungskarte 21.
  • Die Darstellung von Ereignissen kann vorsehen, dass zusätzlich oder alternativ zu einer wahrscheinlichkeitstheoretischen Modellierung andere Formen der Repräsentation von Ereignissen verwendet werden. Beispiele sind Modellierungen mittels Dempster-Shafer, Fuzzy-Logik und/oder andere. Diese sind ebenfalls durch Ansatzfunktionen 28 darstellbar. Einige Varianten erweitern auf eine höherdimensionale Belegungskarten 21 (Höhen, Höhenintervalle und Punktewolken, siehe auch A. P. Tirumalai, B. G. Schunck, und R. C. Jain, „Evidential reasoning for building environment maps“, IEEE Transactions on Systems Man and Cybernetics, Bd. 25, Nr. 1, S. 10 - 20, Januar 1995; sowie E. H. L. Fong, W. Adams, F. L. Crabbe, und A. C. Schultz, „Representing a 3-D environment with a 2½-D map structure“, in Proceedings of 2003 IEEE/RSJ International Conference on Intelligent Robots and Systems, Bd. 3, 2003, S. 2986 - 2991; sowie P. Pfaff und W. Burgard, „An efficient extension of elevation maps for outdoor terrain mapping“, in Field and Service Robotics, Serie Springer Tracts in Advanced Robotics, P. Corke und S. Sukkariah, (Hrsg.), Bd. 25, Nr. 4. Springer-Verlag, 2006, S. 195 - 206.). Das bekannte OG-Framework sieht vor, dass Fahrzeugumfeld (Umgebungsbereich 14) durch ein regelmäßiges Gitter mit im Allgemeinen quadratischen oder rechteckigen Zellen zu repräsentieren. Andere Varianten führen eine Form der Komprimierung durch, indem das Gitter in einem kd-Baum eingebettet ist und dadurch versucht wird, nur Zellen für relevante Bereiche des Umfeldes vorzuhalten (der Einsatz erfordert in der Regel jedoch ein Gitter mit einer 2er-Potenz als Kantenlänge). Alle Erweiterungen verwenden jedoch quadratische / rechteckige Zellen beziehungsweise deren höherdimensionale Erweiterungen. Dadurch ist es kaum möglich, das Umfeld auf effiziente Art gezielt an jenen Stellen zu modellieren, an denen sich tatsächlich Objekte befinden.
  • In 2 ist des Weiteren dargestellt, wie die Ansatzfunktionen 28 jeweiliger benachbarter Zellen 24 derart konfiguriert werden, dass sie an einer jeweiligen gemeinsamen Grenze G der Zellen 24 denselben Funktionswert F aufweisen.
  • Die Belegungskarte 21 nutzt bevorzugt eine aus der FEM bekannte Diskretisierung oder Einteilung, indem das Umfeld oder der Umgebungsbereich 14 durch eine Menge beliebiger, gleichartiger Elemente oder Zellen 24 lückenlos repräsentiert wird. Die Elemente können dabei beliebig und nicht zwingend identisch geformte Dreiecke, Vierecke, Fünfecke und weitere n-Ecke für ein zweidimensionales Modell des Umfeld sein und Tetraeder, Pentaeder, Hexaeder und weitere Polyeder für ein dreidimensionales Modell des Umfeldes, wobei die verschiedene Elemente oder Zellformen derselben Dimension auch miteinander kombiniert werden können. Möglich sind auch Elemente mit gekrümmten Rändern, sogenannte isoparametrische Elemente. Bevorzugt sind Dreiecke und/oder Vierecke oder Tetraeder und/oder Hexaeder sowie zusätzlich oder alternativ dazu deren isoparametrische Varianten. Zur Berücksichtigung zeitlicher Bedingungen kann das Umfeld oder der Umgebungsbereich durch Elemente oder Zellen 24 mit Dimension größer als 3 modelliert werden.
  • 3 zeigt zur Veranschaulichung die Repräsentation eines Objektes 15 durch folgende Modelle oder Konfidenzangaben: Links dargestellt ist eine Belegungskarte 21' mit einem Gitter für Zellen 24' gemäß dem bekannten OG-Framework, mittig dargestellt ist eine Belegungskarte 21' mit einer Anpassung eines Gitters für Zellen 24' gemäß einem Quadtree gemäß einer bekannten OG-Erweiterung und rechts dargestellt ist die Diskretisierung oder Einteilung des Belegungskarte 21 in Zellen 24 im Steuergerät 11. Die Anzahl der notwendigen Zellen sinkt von links nach rechts (Anzahl belegter/unbelegter Zellen): links 71/185, Mitte 71/29, rechts 16/26. Auf die Darstellung der für das OG-Framework charakteristischen Konfidenzen wird der Übersichtlichkeit halber verzichtet (die Schraffur verdeutlicht lediglich Bereiche mit Konfidenzwerten oder Funktionswerten F ungleich 0). Jegliche Zellen bilden jedoch Konfidenzen mit Funktionswerten F ab.
  • 3 zeigt die Repräsentation des Objektes 15 durch ein Gitter gemäß des bekannten OG-Frameworks (links), durch einen Quadtree (kd-Baum mit k=2) als Erweiterung des Frameworks (mittig, siehe auch E. Einhorn, C. Schröter, und H.-M. Gross, „Building 2D and 3D adaptive resolution occupancy maps using ND-trees“, in Crossing Borders with the ABC, Serie Proceedings of International Scientific Colloquium Ilmenau, Nr. 55. Verlag ISLE, 2010, S. 306 - 311) und schließlich die für dieses Beispiel effizienteste Modellierung, wie sie durch das Steuergerät 11 und dessen Programmcode 23 gemäß dem beschriebenen Verfahren bereitgestellt ist (rechts). Einerseits werden vergleichsweise wenige Elemente / Zellen 24 zur Repräsentation des Objekts 15 benötigt (da die Elemente unterschiedliche groß sein können), andererseits erfolgt diese viel genauer (da die Elemente beliebig geformt sein können, d.h. nicht uniform sind, und/oder ihre Grenzen in einem Raster verlaufen, wie bei den anderen beiden Fällen). Weitere Situationen, in denen die beschriebene Modellierung mit Hilfe der rasterfreien Gitterlinien 25 vorteilhaft ist, sind zum Beispiel längliche, zum OG-Gitter verdrehte, d.h. schräg zu den Rändern der Belegungskarte 21 orientierte Objekte, wie Bordsteinkanten, Leitplanken oder Spurmarkierungen.
  • Im OG-Framework (3, links) wird die Auflösung des Gitters a-priori festgelegt, das heißt die Anzahl der Zellen und deren Größe orientiert sich ausschließlich an Anforderungen, ohne die Daten dafür zu berücksichtigen. Daraus resultiert im klassischen Framework eine hohe Anzahl ungenutzter Zellen, die mit sinkender Zellgröße noch steigt. Die kd-Baum-Erweiterungen des Frameworks (3, mittig) führen bereits eine einfache Form der datengetriebenen Verfeinerung des Umfeldmodells durch. Da die Zellen auf jeder Verfeinerungsebene aber dennoch quadratisch beziehungsweise rechteckig sind (für höhere Dimensionen des Modells: würfel- oder quaderförmig), ist die Verfeinerung nicht vollständig datengetrieben. Zudem können bei sehr vielen Verfeinerungsebenen wieder sehr viele ungenutzte Zellen entstehen.
  • Daher ist bevorzugt vorgesehen, die aus der FEM bekannten Verfahren der Netzverfeinerung auf das Umfeldmodell gemäß der Belegungskarte 21 anzuwenden (3, rechts). Dieses ist komplett daten-getrieben. Das heißt, eine Verfeinerung findet nur dann statt, wenn es die Daten erfordern. Soweit besteht Ähnlichkeit mit den kd-Baum-Erweiterungen des OG. Der zusätzliche Freiheitsgrad bezüglich der Elemente oder Zellen 24 zur Diskretisierung des Umfeldes oder Umgebungsbereichs 14 erlaubt es jedoch, das Netz aus Gitterlinien 25 derart zu verfeinern, dass die Verfeinerung eine Form des Objekts zu einem vorgebbaren Genauigkeitsgrad abbildet und nicht wie bei den kd-Baum-Erweiterungen des OG wegen der Quadrate/Rechtecke nur approximativ. Außerdem wird nur der tatsächlich betroffene Bereich verfeinert und nicht große Teile des Umfeldes, wie es bei den kd-Baum-Varianten der Fall sein kann.
  • Die Verfeinerung oder Integration zusätzlicher Ereignisdaten 19 arbeitet bevorzugt nach folgendem Schema, dazu zudem in 4 veranschaulicht ist:
    1. (i) Abbilden der Sensordaten oder allgemein Ereignisdaten 19 auf das aktuelle Netz der Gitterlinien 25 und Berechnen eines Diskretisierungsfehlers E. Falls dieser Fehler zu groß ist, wird die von der Messung überdeckte Region im Netz und eines bestimmten Bereichs um diese Region verfeinert.
    2. (ii) Kombinieren der durch das Netz abgebildeten Funktion und der Sensordaten. Diese Operation muss mit höherer Genauigkeit durchgeführt werden, falls die Berechnung zu einer Funktion führt, die mit der aktuellen Genauigkeit nicht abgebildet werden kann.
    3. (iii) Abbilden des Kombinationsergebnisses auf das aktuelle (ggf. bereits in (i) verfeinerte) Netz und berechnen des Diskretisierungsfehlers. Falls dieser Fehler zu groß ist, wird die von der Kombination überdeckte Region im Netz und eines bestimmten Bereichs um diese Region verfeinert.
    4. (iv) Integration des Kombinationsergebnisses in das Netz.
  • 4 zeigt den Ablauf der Integration von zusätzlichen Sensordaten oder allgemein Ereignisdaten 19' mit einer Netzverfeinerung, d.h. der Einfügung von Neuzellen 30. In das bestehende Umfeldmodell gemäß der bisher geltenden Belegungskarte 21 (links dargestellt) soll eine Konfidenzverteilung eingefügt werden, wie sie sich gemäß zusätzlichen Ereignisdaten 19' (z.B. Sensordaten) ergibt (in der Mitte dargestellt) integriert werden (symbolisiert durch ein +-Symbol). Ein assoziierter Bereich 31 weise z.B. einen Diskretisierungsfehler E auf, der oberhalb eines Schwellenwerts liegt und nicht durch Anpassen der Parameter der Ansatzfunktionen weiter reduziert werden kann. Er kann daher eine Aufteilung mittels der Neuzellen 30 erfolgen (durch ein =-Symbol repräsentiert. Das resultierende Umfeldmodell gemäß der neu eingeteilten Belegungskarte 21 ist rechts dargestellt, wo im Bereich 31 und einem kleinen Bereich um diesen herum eine Netzverfeinerung durchgeführt wurde. Auf die Darstellung der Konfidenzverteilung wird der Übersichtlichkeit halber verzichtet, die Schraffur repräsentiert einheitlich die Funktionswerte F ungleich 0. Jegliche Zellen bilden jedoch Konfidenzverläufe ab.
  • Für die Berechnung des Diskretisierungsfehlers E kann z.B. eine FEM verschiedene Verfahren vorsehen, die auf der Abstandsberechnung zwischen der Funktion / Ereignisdaten 19 und zuzügliche Ereignisdaten 19' und deren Approximation durch die Ansatzfunktionen 28 der Zellen 24 im Gitter oder deren näherungsweiser Bestimmung beruhen. Das konkrete Verfahren hängt allerdings bevorzugt vom eingesetzten Schätzverfahren ab. Für die Verfeinerung oder Erzeugung von Neuzellen 30 können ebenso Verfahren der FEM angewendet werden, zum Beispiel Advancing-Front, Bisektion, Dreiecksviertelung.
  • Eine gesteigerte Flexibilität ergibt sich unter der folgenden Annahme: eine Zelle 24 des Gitters aus Gitterlinien 25 ist unabhängig von seinen benachbarten Zellen 24. Falls eine Zelle 24 seine Eigenschaften / Einstellungsparameter der Ansatzfunktion 28 ändert, so hat diese Änderung keine Auswirkungen auf die Nachbarschaft. Diese Annahme ist zwar nie erfüllt, vereinfacht die Modellierung des Umfeldes / Umgebungsbereichs 14 jedoch. Die Zelle 24 kann durch diese Annahme durch eine eigenständige Funktion beschrieben werden, deren Definitionsbereich auf die Zelle 24 beschränkt ist. Die Verwendung von Ansatzfunktionen 28 oder finiten Funktionen erfüllt den Zweck: Sie haben einen lokalen Träger oder Definitionsbereich, d.h. sie gelten nur für die jeweilige Zelle 24 oder eine sehr begrenzte Nachbarschaft. Es kann die Unabhängigkeitsannahme zugrunde gelegt werden, so dass sich dieselben Eigenschaften hinsichtlich der Effizienz oder der prinzipiellen Berechenbarkeit wie im bekannten OG-Framework ergeben.
  • Der Wechsel von einem Gitter mit vorgegebenen Raster (3, Mitte und links) zu einem Netz (3, rechts) wird bevorzugt mit anderen Datenstrukturen verwaltet, um einen schnellen Zugriff auf die Knoten einer Baumstruktur, den Rand (die Blätter der Baumstruktur)) und insbesondere auf Nachbarzellen zu jeder Zelle zu gewährleisten. Möglichkeiten sind die aus der Computergrafik bekannten Winged-Edge-, Half Edge- und Kantenlisten-Datenstrukturen. Denkbar sind aber auch andere Formen der Datenrepräsentation.
  • Vorteilhafte Aspekts für das Verfahre sind somit: Umfeldmodell entsprechend einer Belegungskarte 21 basierend auf folgenden FEM-Konzepten:
    • - Ansatzfunktionen 28 pro Zelle 24 zur Abbildung von Konfidenzenverläufen oder deren örtlicher Verteilung.
    • - Diskretisierung des Umfeldes oder Umgebungsbereichs 14 durch ein Netz aus Gitterlinien 25 zur Abgrenzung von beliebigen Elementen als Zellen 24.
    • - Datengetriebene Verfeinerung des Netzes, welches den Umgebungsbereich 14 modelliert.
    • - Verwenden von Datenstrukturen der Computergrafik zum Management des Umfeldmodells.
  • Die sich ergebende Vorteile sind insbesondere:
    • - Hohe Genauigkeit bei vergleichsweise geringer Anzahl von Zellen
    • - Exakte Abbildung der realen Hindernisverteilung
    • - Variable, an die jeweilige Situation angepasste Zellformen
    • - Beliebiger und dynamischer Detailierungsgrad
    • - Lokale Operationen durch Begrenzung der Basisfunktionen auf Zelle
    • - Dadurch sehr effizient ausführbar mit hoher Eignung für Steuergeräte
  • Insgesamt zeigen die Beispiele, wie durch die Erfindung eine Belegungskarte auf der Grundlage einer Finite-Elemente-Methode bereitgestellt werden kann.

Claims (10)

  1. Verfahren zum Kartographieren einer örtlichen Verteilung von Ereignissen eines vorbestimmten Ereignistyps in einem vorbestimmten Umgebungsbereich (14) eines Kraftfahrzeugs (10), wobei in einer Belegungskarte (21) der Umgebungsbereich (14) in Zellen (24) eingeteilt wird und zu jeder Zelle (24) auf der Grundlage von zu der Zelle (24) erfassten Ereignisdaten (19) der Ereignisse eine Konfidenzverteilung (V), durch welche die Ereignisdaten (19) angenähert sind, angegeben wird, wobei in den Zellen (24) als Konfidenzverteilung (V) jeweils eine solche Ansatzfunktion (28) bereitgestellt wird, welche dazu eingerichtet ist, zumindest innerhalb der Zelle (24) eine lokale örtliche Verteilung der Ereignisse mittels mehrerer, unterschiedlicher Funktionswerte (F) pro Zelle (24) darzustellen, dadurch gekennzeichnet, dass die Ansatzfunktion zumindest einen Einstellungsparameter aufweist, um den örtlichen Verlauf der Konfidenzverteilung an die Ereignisdaten anzupassen, die die innerhalb der Zelle beobachteten Ereignisse beschreibt.
  2. Verfahren nach Anspruch 1, wobei die Einteilung des Umgebungsbereichs (14) in die Zellen (24) rasterfrei auf der Grundlage eines Vernetzungsalgorithmus für eine Polygonnetzerzeugung erzeugt wird.
  3. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Einteilung in die Zellen (24) mittels eines FEM-Algorithmus durchgeführt wird und/oder wobei die Zellen (24) gekrümmte Kanten und/oder unterschiedliche Formen aufweisen.
  4. Verfahren nach einem der vorhergehenden Ansprüche, wobei zum Integrieren zusätzlicher Ereignisdaten (19'), die zumindest eine der Zellen (24) betreffen, für jede betroffene Zelle (24) jeweils auf der Grundlage aller für die Zelle (24) zu berücksichtigenden Ereignisdaten (19, 19') einerseits und der bisherigen Ansatzfunktion (28) andererseits: - ein Diskretisierungsfehler (E) mittels einer vorbestimmten Fehlerberechnungsfunktion ermittelt wird und - die bisherige Ansatzfunktion (28) in Bezug auf ihre Parametereinstellung angepasst wird, um den Diskretisierungsfehler (E) zu verringern.
  5. Verfahren nach Anspruch 4, wobei für den Fall, dass der verringerte Diskretisierungsfehler (E) über einem vorbestimmten Schwellenwert liegt, zumindest zwei Neuzellen (30) zu erzeugen.
  6. Verfahren nach einem der vorhergehenden Ansprüche, wobei zu den Zellen (24) mittels einer Datenstruktur ein jeweiliger Nachbarschaftsbezug verwaltet wird.
  7. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Ansatzfunktionen (28) jeweiliger benachbarter Zellen (24) derart konfiguriert werden, dass sie an einer jeweiligen gemeinsamen Grenze (G) der Zellen (24) denselben Funktionswert (F) aufweisen oder ein Unterschied der Funktionswerte kleiner als ein vorbestimmter Toleranzwert ist.
  8. Verfahren nach einem der vorhergehenden Ansprüche, wobei die jeweilige Ansatzfunktion (28) der Zellen (24) jeweils eine Wahrscheinlichkeitsverteilung und/oder eine Dempster-Shafer-Evidenzverteilung und/oder eine Fuzzy-Logik-Verteilung und/oder eine Verteilung gemäß einem Transferable-Belief-Modell beschreibt.
  9. Steuergerät (11) für ein Kraftfahrzeug (10), wobei das Steuergerät (11) eine Prozessoreinrichtung (22) aufweist, die dazu eingerichtet ist, mittels eines Verfahrens nach einem der vorhergehenden Ansprüche eine Belegungskarte (21) zu erzeugen und in Abhängigkeit von der Belegungskarte (21) zumindest ein Steuersignal (13) für eine Fahrzeugkomponente (12) des Kraftfahrzeugs (10) zu erzeugen.
  10. Kraftfahrzeug (10) mit einem Steuergerät (11) nach Anspruch 9.
DE102018219773.3A 2018-11-19 2018-11-19 Verfahren zum Kartographieren einer örtlichen Verteilung von Ereignissen eines vorbestimmten Ereignistyps in einem vorbestimmten Umgebungsbereich eines Kraftfahrzeugs sowie dazu ausgelegtes Steuergerät und Kraftfahrzeug Active DE102018219773B4 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102018219773.3A DE102018219773B4 (de) 2018-11-19 2018-11-19 Verfahren zum Kartographieren einer örtlichen Verteilung von Ereignissen eines vorbestimmten Ereignistyps in einem vorbestimmten Umgebungsbereich eines Kraftfahrzeugs sowie dazu ausgelegtes Steuergerät und Kraftfahrzeug

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102018219773.3A DE102018219773B4 (de) 2018-11-19 2018-11-19 Verfahren zum Kartographieren einer örtlichen Verteilung von Ereignissen eines vorbestimmten Ereignistyps in einem vorbestimmten Umgebungsbereich eines Kraftfahrzeugs sowie dazu ausgelegtes Steuergerät und Kraftfahrzeug

Publications (2)

Publication Number Publication Date
DE102018219773A1 DE102018219773A1 (de) 2020-05-20
DE102018219773B4 true DE102018219773B4 (de) 2021-08-12

Family

ID=70470541

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102018219773.3A Active DE102018219773B4 (de) 2018-11-19 2018-11-19 Verfahren zum Kartographieren einer örtlichen Verteilung von Ereignissen eines vorbestimmten Ereignistyps in einem vorbestimmten Umgebungsbereich eines Kraftfahrzeugs sowie dazu ausgelegtes Steuergerät und Kraftfahrzeug

Country Status (1)

Country Link
DE (1) DE102018219773B4 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021207629A1 (de) 2021-07-16 2023-01-19 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Überprüfen einer Zuverlässigkeit eines Modells einer Verkehrsdynamik an einem Verkehrsknotenpunkt

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115014352B (zh) * 2022-06-01 2023-05-26 浙江大学 一种基于建议分布地图的室内全局定位方法
CN116013100A (zh) * 2023-01-05 2023-04-25 中国第一汽车股份有限公司 道路状态预警方法、装置、车辆及存储介质
CN116990817B (zh) * 2023-09-26 2023-12-22 北京无线电测量研究所 一种雷达前视无网格重构sar成像方法和装置
CN117519489B (zh) * 2024-01-08 2024-03-19 同济大学浙江学院 振动触觉致动器及控制方法、评估方法和可穿戴康复装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013060323A1 (de) 2011-10-28 2013-05-02 Conti Temic Microelectronic Gmbh Gitterbasiertes umfeldmodell für ein fahrzeug
DE102013019145A1 (de) 2013-11-15 2015-05-21 Audi Ag Verfahren zum Betrieb eines Kraftfahrzeugs mit Umfeldsensoren und Kraftfahrzeug
DE102015201747A1 (de) 2015-02-02 2016-08-04 Continental Teves Ag & Co. Ohg Sensorsystem für ein fahrzeug und verfahren

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013060323A1 (de) 2011-10-28 2013-05-02 Conti Temic Microelectronic Gmbh Gitterbasiertes umfeldmodell für ein fahrzeug
DE102013019145A1 (de) 2013-11-15 2015-05-21 Audi Ag Verfahren zum Betrieb eines Kraftfahrzeugs mit Umfeldsensoren und Kraftfahrzeug
DE102015201747A1 (de) 2015-02-02 2016-08-04 Continental Teves Ag & Co. Ohg Sensorsystem für ein fahrzeug und verfahren

Non-Patent Citations (17)

* Cited by examiner, † Cited by third party
Title
A. Elfes und L. Matthies, „Sensor integration for robot navigation: Combining sonar and stereo ränge data in a grid-based representation", in Proceedings of 26th IEEE Conference on Decision and Control, 1987, S. 1802 - 1807
A. P. Tirumalai, B. G. Schunck, und R. C. Jain, „Evidential reasoning for building environment maps", IEEE Transactions on Systems Man and Cybernetics, Bd. 25, Nr. 1, S. 10 - 20, Januar 1995
G. Oriolo, M. Vendittelli, und G. Ulivi, „On-line map building and navigation for autonomous mobile robots", in Proceedings of 1995 IEEE International Conference on Robotics and Automation, Bd. 3, 1995, S. 2900 - 2906
GAMBINO, F. [et al.]: The transferable belief model in ultrasonic map building. In: Proceedings of 6th International Fuzzy Systems Conference, Barcelona, 1997, S. 601-608. - ISBN 0-7803-3796-4
GAMBINO, F[et al.]: The transferable belief model in ultrasonic map building. In: Proceedings of 6th International Fuzzy Systems Conference, Barcelona, 1997, S. 601-608
Geiger B.: Real-time collision detection and response for complex environments. In: Proceedings Computer Graphics International 2000, Geneva, Switzerland, 2000 S. 105-113
GEIGER, B.: Real-time collision detection and response for complex environments. In: Proceedings Computer Graphics International 2000, Geneva, Switzerland, 2000, S. 105-113. - ISBN 0-7695-0643-7
H. P. Moravec und A. Elfes, „High resolution maps from wide angle sonar", in Proceedings of 1985 IEEE International Conference on Robotics and Automation, Bd. 2, 1985, S. 116 - 121
H. P. Moravec, „Sensor fusion in certainty grids for mobile robots", AI Magazine, Bd. 9, Nr. 2, S. 61 - 74, 1988
hysical Science, Measurment and Instrumentation, Management and Education - Reviews, Vol, 134, 1987, No. 8, S. 634-659
International Symposium on Safety, Security and Rescue Robotics. Kyoto, Japan 2011. S. 155-160
KOHLBRECHER, S. [et al.]: A flexible and scalable SLAM system with full 3D motion estimation. In: Proceedings of the 2011 IEEE International Symposium on Safety, Security and Rescue Robotics. Kyoto, Japan, 2011. S. 155-160. - ISSN 2374-3247
KORTHALS, T. [et al.]: Semantical occupancy grid mapping framework. In: 2017 European Conference on Mobile Robots (ECMR), Paris, 2017, S. 1-8. - ISBN 978-1-5386-1096-1
M. A. Paskin und S. Thrun, „Robotic mapping with polygonal random fields", in Proceedings of 21 st Conference on Uncertainty in Artificial Intelligence, 2005, S. 450 - 458
PENMAN, J. ; GRIEVE, M. D.: Self-adaptive mesh generation technique for the finite-element method. In: IEE Proceedings A - Physical Science, Measurement and Instrumentation, Management and Education - Reviews, Vol. 134, 1987, No. 8, S. 634-650. - ISSN 0143-702X
Semantical occupancy grid mapping framework, 2017 European Conference on Mobile Robots, Paris, 2017, S. 1-8
Serie Springer Tracts in Advanced Robotics, P. Corke und S. Sukkariah, (Hrsg.), Bd. 25, Nr. 4. Springer-Verlag, 2006, S. 195 - 206.

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021207629A1 (de) 2021-07-16 2023-01-19 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Überprüfen einer Zuverlässigkeit eines Modells einer Verkehrsdynamik an einem Verkehrsknotenpunkt

Also Published As

Publication number Publication date
DE102018219773A1 (de) 2020-05-20

Similar Documents

Publication Publication Date Title
DE102018219773B4 (de) Verfahren zum Kartographieren einer örtlichen Verteilung von Ereignissen eines vorbestimmten Ereignistyps in einem vorbestimmten Umgebungsbereich eines Kraftfahrzeugs sowie dazu ausgelegtes Steuergerät und Kraftfahrzeug
EP2991874B1 (de) Bereitstellen einer effizienten umfeldkarte für ein fahrzeug
EP3765927B1 (de) Verfahren zum erzeugen eines trainingsdatensatzes zum trainieren eines künstlichen-intelligenz-moduls für eine steuervorrichtung eines fahrzeugs
DE102019121140A1 (de) Sensorfusion
DE102019108795A1 (de) Fahrzeugwegidentifikation
DE102018100487A1 (de) Objektverfolgung durch unüberwachtes lernen
DE102019134487A1 (de) System und verfahren einer algorithmischen lösung zum erzeugen einer glatten fahrzeuggeschwindigkeitstrajektorie für ein autonomes fahrzeug mit räumlichen geschwindigkeitsbegrenzungen
DE112017000787T5 (de) Verfahren zum Steuern der Bewegung eines Fahrzeugs und Fahrzeugsteuersystem
WO2014195047A1 (de) Belegungskarte für ein fahrzeug
DE102015214338A1 (de) Bestimmung einer Anordnungsinformation für ein Fahrzeug
DE102013213807A1 (de) Anordnung und Verfahren zur Sensorfusion sowie Herstellungsverfahren zur Erstellung eines Fusionsmodells
WO2018197083A1 (de) Verfahren, computerprogrammprodukt, computer-lesbares medium, steuergerät und fahrzeug umfassen das steuergerät zum bestimmen eines kollektiven manövers von wenigstens zwei fahrzeugen
EP3142913B1 (de) Umfeldkarte für fahrflächen mit beliebigem höhenverlauf
WO2014131666A1 (de) Gridbasierte vorhersage der position eines objektes
WO2019072674A1 (de) Verfahren und vorrichtung zum erzeugen eines inversen sensormodells und verfahren zum erkennen von hindernissen
DE102019118366A1 (de) Verfahren sowie Steuergerät für ein System zum Steuern eines Kraftfahrzeugs
DE102016007899A1 (de) Verfahren zum Betreiben einer Einrichtung zur Verkehrssituationsanalyse, Kraftfahrzeug und Datenverarbeitungseinrichtung
DE102020128307A1 (de) Kooperatives abbilden für autonome fahrzeuge, roboter oder multiagentensysteme
DE102017006338B4 (de) Verfahren zum effizienten Validieren und der sicheren Applikation von autonomen und teilautonomen Fahrzeugen
DE102019123483B4 (de) Verfahren sowie Kraftfahrzeug-Steuereinheit zum Erfassen einer Umgebung eines Kraftfahrzeugs durch Fusionieren von Sensordaten auf Punktwolkenebene
DE102018112393A1 (de) Fahrzeugroutennavigation
DE102014008413A1 (de) Verfahren für ein Fahrerassistenzsystem eines Fahrzeugs
DE102016003935B4 (de) Verfahren zur Ermittlung einer Randbebauungsinformation in einem Kraftfahrzeug und Kraftfahrzeug
DE102010005501A1 (de) Verfahren zur Auswertung von die Umgebung eines Kraftfahrzeugs betreffenden Sensordaten wenigstens eines Umfeldsensors und Kraftfahrzeug
DE102020130519A1 (de) Fahrzeugbetriebsparameter

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