-
Die vorliegende Erfindung betrifft die Erkennung und Überwachung von Objekten in einem Erfassungsbereich anhand einer Antwort dieser Objekte auf eine elektromagnetische Abfragestrahlung.
-
Stand der Technik
-
Damit sich ein Fahrzeug zumindest teilweise automatisiert im Straßenverkehr bewegen kann, ist es erforderlich, das Umfeld des Fahrzeugs zu erfassen und Gegenmaßnahmen einzuleiten, falls eine Kollision mit einem Objekt im Umfeld des Fahrzeugs droht. Auch die Erstellung einer Umfeld-Repräsentation und Lokalisierung sind für sicheres automatisiertes Fahren notwendig.
-
Die Erfassung von Objekten mittels Radar ist von den Lichtverhältnissen unabhängig und beispielsweise auch bei Nacht auf größere Entfernung möglich, ohne dass der Gegenverkehr durch Fernlicht geblendet wird. Aus den Radardaten gehen weiterhin unmittelbar die Entfernung und Geschwindigkeit von Objekten hervor. Diese Informationen sind wichtig für die Beurteilung, ob es zu einer Kollision mit den Objekten kommen kann. Um welchen Typ von Objekt es sich handelt, ist jedoch aus Radarsignalen nicht unmittelbar erkennbar. Diese Erkennung wird aktuell durch die Berechnung von Attributen aus der Digitalen Signalverarbeitung gelöst.
-
Die
US 8,682,821 B2 offenbart, Radarsignale mittels maschinellem Lernen dahingehend zu klassifizieren, ob sie von der Bewegung bestimmter Objekte oder nichtmenschlicher Tiere herrühren. Diese Erkenntnis kann genutzt werden, um bei der Überwachung eines Bereichs auf menschliche Eindringlinge Falschalarme zu vermeiden, oder auch um beim zumindest teilweise automatisierten Fahren die richtige Aktion zur Kollisionsvermeidung auszuwählen.
-
Offenbarung der Erfindung
-
Im Rahmen der Erfindung wurde ein Verfahren zur Bestimmung der räumlichen Orientierung eines Objekts aus mindestens einem Messsignal, das die Antwort des Objekts auf elektromagnetische Abfragestrahlung beinhaltet. Diese Antwort kann insbesondere eine Reflexion der Abfragestrahlung beinhalten.
-
Bei diesem Verfahren wird aus dem Messsignal eine mindestens zweidimensionale Repräsentation der räumlichen Verteilung von Beiträgen, die verschiedene Orte am Objekt zu dem Messsignal leisten, ermittelt. Aus dieser Repräsentation wird mit einem Klassifikator, und/oder mit einem Regressor, die räumliche Orientierung des Objekts ermittelt.
-
Dabei kann dass Messsignal mit einem oder mehreren Detektoren erfasst worden sein. Es kann sich also beispielsweise um ein Gesamt-Messsignal handeln, das aus den von mehreren Detektoren gelieferten Rohdaten aggregiert wurde. Weiterhin kann das Messsignal vor der Bildung der Repräsentation eine oder mehrere Stufen der Signalverarbeitung durchlaufen haben.
-
Ein Klassifikator kann beispielsweise eine als Winkel ausgedrückte räumliche Orientierung zwischen 0° und 360° in diskrete Intervalle unterteilen und zu jeder eingegebenen Repräsentation der räumlichen Verteilung von Beiträgen Konfidenzen ermitteln, mit denen die Repräsentation jeweils jedem der möglichen Intervalle der Orientierung zuzuordnen ist. Ein Regressor kann die wahrscheinlichste räumliche Orientierung winkelmäßig angeben, ohne hierbei an diskrete Intervalle gebunden zu sein.
-
Die elektromagnetische Abfragestrahlung kann beispielsweise Radarstrahlung sein. Kommerziell erhältliche Radarsensoren für die Überwachung eines Raumgebiets beinhalten einen oder mehrere Sender für die Radarstrahlung sowie meistens ein Array mehrerer Empfangsantennen, mit dem ohne mechanische Bewegung dieses Arrays die Richtung bestimmt werden kann, aus der reflektierte Radarstrahlung einfällt („direction of arrival“, DOA). Die Radarsensoren geben üblicherweise nicht die von den Empfangsantennen gelieferten Rohdaten aus, sondern extrahieren aus diesen Rohdaten Reflexe. Zu jedem Reflex werden üblicherweise mindestens eine Winkelposition des Reflexes, mindestens eine Intensität des Reflexes sowie mindestens eine Entfernung zum Ort des Reflexes ausgewertet.
-
Es wurde nun erkannt, dass das Zusammenfassen der Rohdaten zu Reflexen eine starke Vereinfachung darstellt, bei der insbesondere die räumliche Ausdehnung eines detektierten Objekts stark abstrahiert wird. Aus dem Objekt werden eine oder mehrere diskrete Quellen an punktförmigen Orten, von denen eine Antwort mit der erfassten Intensität des Reflexes ausgeht. In der Realität trifft jedoch eine ausgedehnte elektromagnetische Wellenfront auf ein ausgedehntes Objekt. Jeder infinitesimale Ort auf der Oberfläche des Objekts ist nach dem Huygensschen Prinzip der Ausgangspunkt einer isotropen Elementarwelle, und die Antwort des Objekts auf die elektromagnetische Abfragestrahlung wird durch Superposition all dieser Elementarwellen gebildet.
-
Daher ist die gemäß dem Verfahren ermittelte räumliche Verteilung der Beiträge, die verschiedene Orte am Objekt zu dem Messsignal liefern, letztlich eine Rückführung der gemessenen Antwort des Objekts auf ihren physikalischen Ursprung.
-
Diese Verteilung ändert sich, wenn sich die räumliche Orientierung des Objekts relativ zu der Messanordnung ändert. So kann die Abfragestrahlung nur diejenigen Orte auf der Oberfläche des Objekts, die in einer Sichtlinie zum Sender liegen, ungehindert erreichen. Weiterhin bestimmt die räumliche Orientierung des Objekts auch den Einfallswinkel, unter dem die Abfragestrahlung an jedem Ort auf das Objekt auftrifft, und somit die Phasenbeziehungen zwischen den an verschiedenen Orten gebildeten Elementarwellen.
-
Daher lässt sich die räumliche Orientierung des Objekts durch Klassifikation und/oder Regression aus einer Repräsentation der besagten Verteilung von Beiträgen ermitteln.
-
Diese Repräsentation kann beispielsweise eine dreidimensionale Punktwolke sein, die Orten im dreidimensionalen Raum jeweils die von ihnen ausgehenden physikalischen Beiträge zu der Antwort zuordnet. Die Repräsentation kann aber auch beispielsweise ein zweidimensionales Bild sein, das sich durch Projektion dieser Punktwolke auf eine Ebene oder durch eine andere Zuordnungsvorschrift eindeutig aus dieser Punktwolke ergibt. Für die gewünschte Bestimmung der räumlichen Orientierung des Objekts durch Klassifikation und/oder Regression aus der Repräsentation ist es nicht entscheidend, dass die Repräsentation beispielsweise einen Umriss des Objekts korrekt wiedergibt. Wichtig ist lediglich, dass sich zwei unterschiedliche räumliche Orientierungen des Objekts auch in unterschiedlichen Repräsentationen manifestieren.
-
Es wurde weiterhin erkannt, dass die in der beschriebenen Weise gewonnene Möglichkeit, die räumliche Orientierung von Objekten zu ermitteln, die Vorhersage der Trajektorien bewegter Objekte auf Grund von Beobachtungen mit der elektromagnetischen Abfragestrahlung verbessert. Bei sehr vielen Objekten, wie beispielsweise Fahrzeugen, ist die in naher Zukunft mögliche Bewegungsrichtung mit der räumlichen Orientierung des Objektes korreliert. Das Fahrzeug kann beispielsweise entlang einer durch seine Längsachse vorgegebenen Fahrtrichtung weiterrollen oder ausgehend von dieser Längsachse durch Lenkeinschlag eine Kurve fahren. Der minimale Krümmungsradius einer solchen Kurve ist durch den Aufbau des Fahrzeugs, wie beispielsweise seinen Radstand, vorgegeben. Das Fahrzeug kann sich jedoch beispielsweise nicht aus eigenem Antrieb genau senkrecht zu seiner Längsachse bewegen.
-
Wird beispielsweise ein vor einem eigenen, zu steuernden oder zu überwachenden Fahrzeug (Ego-Fahrzeug) liegender Erfassungsbereich mit Radarstrahlung überwacht, so lässt sich somit anhand der räumlichen Orientierung eines anderen, in dem Erfassungsbereich detektierten Fahrzeugs zumindest eingrenzen, in welche Richtungen sich dieses Fahrzeug in nahzer Zukunft bewegen kann. Diese Information ist wichtig für die Beurteilung, ob das andere Fahrzeug sich möglicherweise auf einem Kollisionskurs mit dem Ego-Fahrzeug befindet.
-
Nach dem zuvor Beschriebenen wird somit in einer besonders vorteilhaften Ausgestaltung Radarstrahlung als elektromagnetische Abfragestrahlung gewählt. Prinzipiell kann beispielsweise auch Licht verwendet werden, das im Rahmen eines LIDAR-Verfahrens („light detection and ranging“) über einen Erfassungsbereich gescannt wird. Jedoch macht diese scannende Aufnahme des Messsignals das Zurückrechnen auf die räumliche Verteilung im Vergleich zu einer Messung mit Radarstrahlung schwieriger.
-
Wie zuvor beschrieben, beinhaltet das Messsignal vorteilhaft Datensätze zu Reflexen der elektromagnetischen Abfragestrahlung, und jeder dieser Datensätze beinhaltet
- • mindestens eine Winkelposition des Reflexes (etwa Azimut und/oder Elevation),
- • mindestens eine Intensität des Reflexes sowie
- • mindestens eine Entfernung zum Ort des Reflexes.
-
Die Ermittlung der räumlichen Verteilung von Beiträgen kann genauer werden, wenn hierfür eine Verarbeitungsstufe des Messsignals verwendet wird, die gegenüber den Rohdaten einen geringeren Grad an Abstraktion und Vereinfachung erfahren hat. Insbesondere ist es beispielsweise auch möglich, die Repräsentation der räumlichen Verteilung direkt aus den von einem oder mehreren Detektoren gelieferten Rohdaten zu ermitteln.
-
In einer besonders vorteilhaften Ausgestaltung wird anhand der Datensätze zu den Reflexen ein physikalisches Modell für die Umwandlung der räumlichen Verteilung von Beiträgen in das Messsignal ermittelt. Wie zuvor erläutert, kann dieses Modell beispielsweise eine Vorschrift beinhalten, nach der sich von verschiedenen Orten ausgehende Beiträge zu einer resultierenden Wellenfront überlagern, die die Antwort des Objekts trägt. Das Modell kann zusätzlich beispielsweise auch eine Vorschrift beinhalten, nach der eine an einem oder mehreren Detektoren eintreffende Wellenfront zu dem Messsignal verarbeitet wird. Je detaillierter das Modell ist, desto genauer kann aus dem Messsignal auf die räumliche Verteilung der Beiträge zurückgeschlossen werden.
-
In einer weiteren besonders vorteilhaften Ausgestaltung wird für jeden Reflex eine sinc-Funktion aufgestellt, deren Peakhöhe durch die Intensität des Reflexes bestimmt ist und deren Position durch die Winkelposition des Reflexes sowie die Entfernung zum Ort des Reflexes bestimmt ist. Eine Summe über alle aufgestellten sinc-Funktionen wird für die Ermittlung der Repräsentation herangezogen. Hierhinter steckt die Erkenntnis, dass speziell die von Radarsensoren gelieferten Ausgangssignale in einer internen Verarbeitungsstufe sinc-Funktionen beinhalten, die in einer späteren Verarbeitungsstufe zu den genannten Informationen über Reflexe verdichtet werden. So wie sinc-Funktionen die Überlagerung von Elementarwellen bei der Beugung einer Wellenfront an einem Spalt beschreiben, eignen sie sich auch, um die Überlagerung der Beiträge von mehreren Orten des Objekts zu einem bestimmten Reflex zu beschreiben.
-
Dabei kann insbesondere vorteilhaft die 3-dB-Breite der sinc-Funktion anhand der physikalischen Messgenauigkeit der Messeinrichtung, die das Messsignal geliefert hat, festgelegt werden. Hiermit können insbesondere beispielsweise unterschiedliche Messgenauigkeiten, mit denen verschiedene Reflexe jeweils bestimmt wurden, untereinander gewichtet werden.
-
In einer weiteren besonders vorteilhaften Ausgestaltung wird ein künstliches neuronales Netzwerk, KNN, und/oder eine Support Vector Machine, SVM, als Klassifikator und/oder Regressor gewählt. Das KNN und die SVM gehören zu den Klassifikatoren bzw. Regressoren, die mit maschinellem Lernen trainierbar sind. Das bedeutet, dass eine endliche Anzahl an Lern-Repräsentationen der räumlichen Verteilung von Beiträgen und zugehörigen räumlichen Orientierungen eines Objekts genutzt werden kann, um den Klassifikator bzw. Regressor auf unendlich viele unbekannte Situationen vorzubereiten. Der Katalog der insgesamt möglichen Repräsentationen der räumlichen Verteilung von Beiträgen lässt sich nicht im Vorhinein abschließend angeben, da die Vielfalt der möglichen Objekte (etwa Fahrzeugtypen) unüberschaubar ist.
-
In einer weiteren besonders vorteilhaften Ausgestaltung wird der Typ des Objekts aus einer physikalischen Beobachtung des Objekts vorklassifiziert. Der für die Bestimmung der räumlichen Orientierung verwendete Klassifikator bzw. Regressor kann dann anhand dieses Typs ausgewählt werden. So haben beispielsweise LKW eine ganz andere Formgebung als PKW, und dementsprechend unterscheiden sich auch die räumlichen Verteilungen von Beiträgen, die Orte an diesen Fahrzeugen jeweils bei der Abfrage mit Abfragestrahlung aus dem gleichen Winkel zu einem Messsignal leisten.
-
Wie zuvor erläutert, kann die ermittelte räumliche Orientierung eines bewegten Objekts insbesondere verwendet werden, um den künftigen Fortgang der Bewegung vorherzusagen. Dies gilt insbesondere beispielsweise dann, wenn die gleiche elektromagnetische Abfragestrahlung (etwa Radar-Strahlung) auch verwendet wird, um die Geschwindigkeit des bewegten Objekts zu ermitteln. Diese Geschwindigkeit verschiebt die Frequenz der Antwort gegenüber der Frequenz der eingestrahlten Abfragestrahlung um eine Doppler-Frequenzverschiebung, kann also durch Auswertung der Frequenz der Antwort gemessen werden. Allerdings ist die so ermittelte Geschwindigkeit ein Skalar. Das bedeutet, dass sie lediglich angibt, wie schnell sich das Objekt der Messeinrichtung nähert, bzw. wie schnell sich das Objekt von der Messeinrichtung entfernt. Es können nun viele unterschiedliche Bewegungen des Objekts relativ zur Messeinrichtung mit der gleichen skalaren Geschwindigkeit kompatibel sein. Indem die räumliche Orientierung des Objekts mit dem zuvor beschriebenen Verfahren gemessen wird, kann die Mehrdeutigkeit bezüglich der künftigen Trajektorie des bewegten Objekts zumindest teilweise aufgelöst werden.
-
Daher bezieht sich die Erfindung auch auf ein Verfahren zum Vorhersagen der Trajektorie mindestens eines Objekts aus mindestens einem Messsignal, das die Antwort des Objekts auf elektromagnetische Abfragestrahlung beinhaltet, in Verbindung mit einer skalaren Geschwindigkeit v des Objekts.
-
Bei diesem Verfahren wird die Position des Objekts aus dem Messsignal ermittelt. Die räumliche Orientierung des Objekts wird mit dem zuvor beschriebenen Verfahren ermittelt. Ausgehend von der Position des Objekts wird die Trajektorie des Objekts unter Heranziehung der skalaren Geschwindigkeit v anhand der räumlichen Orientierung des Objekts fortgeschrieben.
-
Hierbei kann „anhand“ beispielsweise im Fall eines Fahrzeugs als Objekt bedeuten, dass die möglichen künftigen Fahrtrichtungen des Fahrzeugs durch eine aus der räumlichen Orientierung des Fahrzeugs entnehmbare Längsachse des Fahrzeugs sowie durch die von dieser Achse wegführenden möglichen Lenkmanöver festgelegt sind. Je nach dem Zeithorizont für die Fortschreibung kann es aber auch beispielsweise ausreichend sein, die aktuelle Längsachse des Fahrzeugs zu berücksichtigen.
-
Wie zuvor erläutert, kann insbesondere vorteilhaft die skalare Geschwindigkeit v aus einer Doppler-Frequenzverschiebung der elektromagnetischen Abfragestrahlung ermittelt werden.
-
In einer weiteren besonders vorteilhaften Ausgestaltung wird die vorhergesagte Trajektorie des Objekts mit einer aktuell gefahrenen Trajektorie, und/oder einer geplanten Trajektorie, eines zu überwachenden, und/oder zu steuernden, Fahrzeugs verglichen. Auf diese Weise kann insbesondere erkannt werden, ob ein Risiko besteht, dass die Trajektorie des beobachteten Objekts die aktuell gefahrene Trajektorie, bzw. die geplante Trajektorie, des eigenen Fahrzeugs tangiert. Ein solches Tangieren deutet auf ein Kollisionsrisiko hin.
-
In einer weiteren besonders vorteilhaften Ausgestaltung wird in Antwort darauf, dass die vorhergesagteTrajektorie des Objekts die aktuell gefahrene Trajektorie, bzw. die geplante Trajektorie, des Fahrzeugs tangiert, eine für den Fahrer des Fahrzeugs wahrnehmbare physikalische Warneinrichtung des Fahrzeugs angesteuert. Alternativ oder auch in Kombination hierzu wird ein Lenksystem, ein Antriebssystem, und/oder ein Bremssystem, des Fahrzeugs angesteuert dergestalt, dass die dann neue Trajektorie des Fahrzeugs von der vorhergesagten Trajektorie des Objekts nicht mehr tangiert wird.
-
Insbesondere wenn Radarstrahlung als elektromagnetische Abfragestrahlung verwendet wird, kann beispielsweise nachts eine Kollisionsgefahr früher erkannt und durch die genannten Eingriffe vermindert werden, als dies für einen menschlichen Fahrer anhand seiner optischen Beobachtungen innerhalb der Reichweite des Abblendlichts möglich wäre.
-
Wie bereits erläutert, kann in den zuvor beschriebenen Verfahren insbesondere ein Klassifikator, und/oder ein Regressor, verwendet werden, der mittels maschinellem Lernen trainierbar ist. Daher bezieht sich die Erfindung auch auf ein Verfahren zum Trainieren eines Klassifikators und/oder Regressors für die Anwendung in einem der zuvor beschriebenen Verfahren.
-
Bei diesem Verfahren wird eine Lernmenge von Lern-Datensätzen bereitgestellt. Diese Lern-Datensätze enthalten jeweils eine mindestens zweidimensionale Repräsentation der räumlichen Verteilung der Beiträge verschiedener Orte am Objekts zu einem Messsignal, das die Antwort des Objekts auf elektromagnetische Abfragestrahlung enthält, als Lern-Eingabe. Die Lern-Datensätze enthalten weiterhin die räumliche Orientierung, die jeweils bei der Messung vorgelegen hat, als Lern-Ausgabe.
-
Das Verhalten des Klassifikators, und/oder des Regressors, ist durch Parameter festgelegt. In einem KNN können die Parameter beispielsweise Gewichte sein, mit denen die Eingaben eines jeden Neurons zur Aktivierung dieses Neurons verrrechnet werden.
-
Für jeden Lern-Datensatz wird die jeweilige Lern-Eingabe dem Klassifikator, und/oder dem Regressor, zugeführt. Die vom Klassifikator, und/oder vom Regressor, jeweils ausgegebene räumliche Orientierung des Objekts wird mit der zur Lern-Eingabe gehörenden Lern-Ausgabe verglichen. Die Parameter des Klassifikators, und/oder des Regressors, werden dahingehend optimiert, dass der Klassifikator, und/oder der Regressor, die in der Lernmenge enthaltenen Lern-Eingaben nach Maßgabe einer Fehlerfunktion mindestens mit einer vorgegebenen Genauigkeit auf die zugehörigen Lern-Ausgaben abbildet.
-
Wie zuvor erläutert, kann auf diese Weise der Klassifikator, und/oder der Regressor, anhand einer endlichen Anzahl Lern-Situationen auf unendlich viele neue Situationen vorbereitet werden.
-
Wie zuvor erläutert, kann die für die Aufname des Messsignals verwendete Sensor-Hardware vorteilhaft dahingehend verändert werden, dass sie eine Schnittstelle für die Ausleitung einer detaillierteren Information als den derzeit typischerweise ausgegeben Information über Reflexe bereitstellt. Die Verfahren kommen grundsätzlich aber auch mit der derzeit bereitgestellten Information aus, also ohne Veränderung der Hardware. Sie können insbesondere in einer Software implementiert sein, die den unmittelbaren Kundennutzen herbeiführt, dass die räumliche Orientierung des Objekts, bzw. die künftige Trajektorie des Objekts, genauer als bisher ermittelt werden kann. Daher bezieht sich die Erfindung auch auf ein Computerprogramm, enthaltend maschinenlesbare Anweisungen, die, wenn sie auf einem Computer, und/oder auf einem Steuergerät, ausgeführt werden, den Computer, und/oder das Steuergerät, dazu veranlassen, eines der beschriebenen Verfahren auszuführen. Ebenso bezieht sich die Erfindung auch auf einen maschinenlesbaren Datenträger oder ein Downloadprodukt mit dem Computerprogramm.
-
Weitere, die Erfindung verbessernde Maßnahmen werden nachstehend gemeinsam mit der Beschreibung der bevorzugten Ausführungsbeispiele der Erfindung anhand von Figuren näher dargestellt.
-
Ausführungsbeispiele
-
Es zeigt:
- 1 Beispielhafte Überlagerung verschiedener Beiträge 31a-31c zu einer Antwort 3a auf elektromagnetische Abfragestrahlung 2;
- 2 Ausführungsbeispiel des Verfahrens 100;
- 3 Beispielhafte Repräsentationen 4 der räumlichen Verteilung von Beiträgen 31a-31c für verschiedene räumliche Orientierungen 11b ein und desselben Objekts 1;
- 4 Ausführungsbeispiel des Verfahrens 200;
- 5 Beispielhafte Anwendungssituation für das Verfahren 200 an einer Kreuzung von vier Straßen 81, 82, 83, 84;
- 6 Ausführungsbeispiel des Verfahrens 300.
-
1 zeigt eine beispielhafte Situation, in der ein ausgedehntes Objekt 1 eine Antwort 3a auf elektromagnetische Abfragestrahlung 2 bildet. Die verwendete Messeinrichtung 5 umfasst einen Sender 5a für die Abfragestrahlung 2 sowie einen Empfänger 5b für die Antwort 3a vom Objekt 1. In dem in 1 gezeigten Beispiel ist das Objekt 1 ein Fahrzeug, das sich an einer Position 11a befindet und bezogen auf eine senkrecht durch das Objekt 1 verlaufende Achse eine räumliche Orientierung 11b in Form eines Drehwinkels einnimmt. Die Messeinrichtung 5 extrahiert mit in 1 nicht eingezeichneten Mitteln aus den vom Empfänger 5a aufgenommenen Rohdaten Reflexe 32 und gibt diese Reflexe 32 als Messsignal 3 aus. Im Einzelnen werden zu den Reflexen 32 jeweils mindestens eine Winkelposition 32a, mindestens eine Intensität 32b und mindestens eine Entfernung 32c zum Ort des Reflexes 32 erfasst.
-
Mit dem Verfahren 100 wird aus dem Messsignal 3 die räumliche Orientierung 11b des Objekts 1 ausgewertet. Das Verfahren 100 macht sich hierbei zu Nutze, dass jeder Ort 12a-12c auf dem Objekt 1 mit einem eigenen Beitrag 31a-31c auf die elektromagnetische Abfragestrahlung 2 antwortet und sich diese Beiträge 31a-31c zur Gesamt-Antwort 3a überlagern. Eine mindestens zweidimensionale Repräsentation 4 der räumlichen Verteilung dieser Beiträge 31a-31c wird aus dem Messsignal 3 ausgewertet, und hieraus wird mit dem Klassifikator 6a, und/oder mit dem Regressor 6b, die gesuchte räumliche Orientierung 11b des Objekts 1 ermittelt.
-
Dieses Verfahren 100 ist in 2 näher dargestellt. Im optionalen Schritt 110 wird aus einer physikalischen Beobachtung 13 des Objekts 1 zunächst der Typ 14 des Objekts 1 vorklassifiziert. Die physikalische Beobachtung 13 kann insbesondere ganz oder teilweise deckungsgleich mit den Messdaten 3 sein. Anhand des Typs 14 wird im optionalen Schritt 120 der Klassifizierer 6a, und/oder der Regressor 6b, ausgewählt.
-
Der Klassifikator 6a, und/oder der Regressor 6b, wird in Schritt 130 verwendet, um aus dem Messsignal 3, 32 die räumliche Orientierung 11b des Objekts 1 auszuwerten.
-
Hierzu kann beispielsweise anhand von im Messsignal 3 enthaltenen Datensätzen zu Reflexen 32 gemäß Block 131 ein physikalisches Modell für die Umwandlung der räumlichen Verteilung von Beiträgen 31a-31c in das Messsignal 3 ermittelt werden. Dieses Modell liefert eine Repräsentation 4 ebendieser Verteilung.
-
Alternativ oder auch in Kombination kann gemäß Block 132 für jeden Reflex 32 eine sinc-Funktion 32d aufgestellt werden. Dabei kann insbesondere beispielsweise gemäß Block 132a die 3-dB-Breite der sinc-Funktion 32d anhand der physikalischen Messgenauigkeit der Messeinrichtung 5, die das Messsignal 3 geliefert hat, festgelegt werden. Gemäß Block 133 wird eine Summe über die für alle Reflexe 32 jeweils aufgestellten sinc-Funktionen 32d für die Ermittlung der Repräsentation 4 herangezogen.
-
Unabhängig davon, auf welchem Wege die Repräsentation 4 letztendlich erhalten wurde, wird sie in Schritt 140 dem Klassifikator 6a, und/oder dem Regressor 6b, zugeführt und dort zu der gesuchten räumlichen Orientierung 11b des Objekts 1 weiterverarbeitet.
-
3 zeigt beispielhaft schematisch einige Repräsentationen 4, die für ein und dasselbe Objekt 1 in verschiedenen räumlichen Orientierungen 11b aus Messsignalen 3 erhalten wurden. Hierbei fällt auf, dass sich auch bei festgehaltener räumlicher Orientierung 11b die Repräsentationen 4, die aus mehreren nacheinander aufgenommenen Messungen ermittelt werden, leicht voneinander unterscheiden. Die Aufgabe, gleichwohl alle Repräsentationen 4 auf die jeweils richtige räumliche Orientierung 11b des Objekts 1 abzubilden, ist gut mit maschinellem Lernen zu lösen.
-
4 zeigt ein Ausführungsbeispie des Verfahrens 200. Aus dem Messsignal 3, das die Antwort 3a des Objekts 1 auf die elektromagnetische Abfragestrahlung 2 beinhaltet, wird in Schritt 210 die Position 11a des Objekts 11 ermittelt. In Schritt 220 wird aus dem gleichen Messsignal 3 mit dem Verfahren 100 die räumliche Orientierung 11b des Objekts 1 ermittelt. Das Messsignal 3 wird weiterhin im optionalen Schritt 225 verwendet, um eine skalare Geschwindigkeit v des Objekts 1 zu ermitteln. Zu diesem Zweck wird die Doppler-Frequenzverschiebung gegenüber der ursprünglich ausgesendeten elektromagnetischen Abfragestrahlung 2 ausgewertet.
-
In Schritt 230 wird ausgehend von der Position 11a die Trajektorie 1a des Objekts 1 unter Heranziehung der skalaren Geschwindigkeit v anhand der zuvor ermittelten räumlichen Orientierung 11b fortgeschrieben. Die auf diese Weise vorhergesagte Trajektorie 1a des Objekts 1 wird in Schritt 240 mit einer aktuell gefahrenen Trajektorie 50a, und/oder mit einer geplanten Trajektorie 50b, eines zu überwachenden, und/oder zu steuernden, Fahrzeugs 50 verglichen.
-
Speziell wird in Schritt 250 geprüft, ob die vorhergesagte Trajektorie 1a des Objekts 1 die aktuell gefahrene Trajektorie 50a, und/oder die geplante Trajektorie 50b, des Fahrzeugs 50 tangiert, insbesondere beispielsweise schneidet. Ist dies der Fall (Wahrheitswert 1), wird in Schritt 260 eine für den Fahrer des Fahrzeugs 50 wahrnehmbare physikalische Warneinrichtung 51 des Fahrzeugs 50 aktiviert. Alternativ oder auch in Kombination hierzu kann in Schritt 270 ein Lenksystem 52, ein Antriebssystem 53, und/oder ein Bremssystem 54, des Fahrzeugs 50 dahingehend angesteuert werden, dass das Fahrzeug eine neue Trajektorie 50c abfährt, die von der vorhergesagten Trajektorie 1a des Objekts 1 nicht mehr tangiert wird.
-
Ein Anwendungsbeispiel für das Verfahren 200 ist in 5 skizziert. In dem in 5 gezeigten Szenario nähert sich ein zu steuerndes Fahrzeug 50 auf einer Straße 81 einer Kreuzung mit den drei weiteren Straßen 82, 83 und 84. Das Fahrzeug 50 fährt aktuell auf der Trajektorie 50a. Es ist geplant, dass das Fahrzeug 50 seine Fahrt geradinig entlang der Trajektorie 50b fortsetzt in Richtung der Straße 83.
-
Das Fahrzeug 50 überwacht mit einer Messeinrichtung 5 einen Erfassungsbereich 2a. Zu diesem Zweck sendet die Messeinrichtung 5 elektromagnetische Abfragestrahlung 2 in den den Erfassungsbereich 2a aus und empfängt von dort eine Antwort 3a.
-
In der in 5 dargestellten Situation wird im Erfassungsbereich 2a ein fremdes Fahrzeug als Objekt 1 an der Position 11a registriert. Es wird auch registriert, dass sich das fremde Fahrzeug 1 mit einer skalaren Geschwindigkeit v dem eigenen Fahrzeug 50 nähert. Hieraus lässt sich jedoch die voraussichtliche Absicht des fremden Fahrzeugs 1 nicht ermitteln. Es ist möglich, dass der Fahrer des fremden Fahrzeugs 1 das eigene Fahrzeug 50 nicht wahrgenommen hat und beabsichtigt, nach links in die Straße 82 einzubiegen. In diesem Fall würde die Trajektorie 1a des fremden Fahrzeugs 1 die geplante Trajektorie 50b des eigenen Fahrzeugs 50 tangieren, d.h., es könnte zu einem Zusammenstoß kommen. Ebensogut ist es jedoch möglich, dass der Fahrer des fremden Fahrzeugs 1 beabsichtigt, entlang der Trajektorie 1b geradeaus in die Straße 81 weiterzufahren. In diesem Fall gäbe es keinen Konflikt mit dem eigenen Fahrzeug 50.
-
Im Rahmen des zuvor beschriebenen Verfahrens 200 wird aus den mit der Messeinrichtung 5 registrierten Messdaten 3 zusätzlich die räumliche Orientierung 11b des fremden Fahrzeugs 1 ermittelt, und diese räumliche Orientierung 11b wird dazu herangezogen, um ausgehend von der aktuellen Position 11a des fremden Fahrzeugs 1 dessen Trajektorie 1a fortzuschreiben.
-
In dem in 5 gezeigten Beispiel geht aus der räumlichen Orientierung 11b des fremden Fahrzeugs 1 hervor, dass dieses Fahrzeug 1 voraussichtlich der in Richtung der Straße 82 führenden Trajektorie 1a folgen wird. Daher wird eine Gegenmaßnahme eingeleitet, um eine Kollision zu vermeiden. In dem in 5 gezeigten Beispiel wird eine Ausweichtrajektorie 50c bestimmt, auf der das eigene Fahrzeug 50 in die Straße 84 abbiegt.
-
Das Beispiel zeigt, dass es wünschenwert ist, die Absicht des fremden Fahrzeugs 1 mit einiger Sicherheit vorherzusagen. Wäre die wahre Absicht des Fahrzeugs 1 nämlich, auf der Trajektorie 1b in Richtung der Straße 81 weiterzufahren, dann wäre das Ausweichen auf der Trajektorie 50c genau die falsche Reaktion des eigenen Fahrzeugs 50, und es könnte zur Kollision kommen.
-
6 zeigt ein Ausführungsbeispiel des Verfahrens 300 zum Trainieren des Klassifikators 6a, bzw. des Regressors 6b. In Schritt 310 wwrd eine Lernmenge von Lern-Datensätzen 7 bereitgestellt, die jeweils die zuvor beschriebene Repräsentation 4 als Lern-Eingabe 7a und die räumliche Orientierung 11b des Objekts bei der zu Grunde liegenden Messung als Lern-Ausgabe 7b enthalten.
-
In Schritt 320 wird die Lern-Eingabe 7a dem Klassifikator 6a, und/oder dem Regressor 6b, zugeführt. Die vom Klassifikator 6a, und/oder vom Regressor 6b, ausgegebene räumliche Orientierung 11b des Objekts 1 wird in Schritt 330 mit der Lern-Ausgabe 7b verglichen. In Schritt 340 werden die Parameter 6c, 6d des Klassifikators 6a, und/oder des Regressors 6b, so optimiert, dass über die gesamte Lernmenge die Lern-Eingaben 7a jeweils möglichst korrekt auf die Lern-Ausgaben 7b abgebildet werden.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
