DE102019110938A1 - Automatic control of a path that a motor vehicle should follow in relation to a lane - Google Patents

Automatic control of a path that a motor vehicle should follow in relation to a lane Download PDF

Info

Publication number
DE102019110938A1
DE102019110938A1 DE102019110938.8A DE102019110938A DE102019110938A1 DE 102019110938 A1 DE102019110938 A1 DE 102019110938A1 DE 102019110938 A DE102019110938 A DE 102019110938A DE 102019110938 A1 DE102019110938 A1 DE 102019110938A1
Authority
DE
Germany
Prior art keywords
motor vehicle
lane
fused
computer
program
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE102019110938.8A
Other languages
English (en)
Inventor
Rachid Benmokhtar
Thomas Liennard
Francine Laisney
Brouk Wedajo
Loic Fradin
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.)
Valeo Schalter und Sensoren GmbH
Original Assignee
Valeo Schalter und Sensoren GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Valeo Schalter und Sensoren GmbH filed Critical Valeo Schalter und Sensoren GmbH
Priority to DE102019110938.8A priority Critical patent/DE102019110938A1/de
Publication of DE102019110938A1 publication Critical patent/DE102019110938A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • 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
    • B60W30/10Path keeping
    • B60W30/12Lane keeping
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions

Abstract

Die Erfindung hat ein Fahrunterstützungsverfahren durch automatische Steuerung einer Bahn (T), der ein Kraftfahrzeug bezüglich einer Fahrspur folgen soll, zur Aufgabe, das die folgenden Schritte umfasst: Erfassen von Daten durch mindestens zwei separate Sensoren (21 bis 24), die auf dem Kraftfahrzeug mitgeführt werden; Bestimmen, für jeden Parameter einer Mehrzahl charakteristischer Parameter der Fahrspur, eines Werts für jeden Sensor ausgehend von den aufgenommenen Daten, um zwei Markierungslinien, nämlich eine rechte (Li-di bis Li-d4) und linke (Li-g1bis Li-g4), die die Fahrspur abgrenzen, die von jedem Sensor (21 bis 24) erfasst werden, zu charakterisieren; Fusion der erhaltenen Werte, um eine fusionierte rechte Markierungslinie (Li-dfus) und eine fusionierte linke Markierungslinie (Li-gfus) zu charakterisieren; Schätzung eines Qualitätsindex, der mit jeder der fusionierten rechten (Li-dfus) und linken Markierungslinie (Li-gfus) assoziiert ist; und Schätzen der Bahn (T), der das Fahrzeug in Abhängigkeit von den geschätzten Qualitätsindices folgen soll.The invention has a driving support method by automatic control of a path (T) that a motor vehicle is to follow in a lane, comprising the following steps: Acquisition of data by at least two separate sensors (21 to 24) on the motor vehicle be carried; Determining, for each parameter of a plurality of characteristic parameters of the lane, a value for each sensor based on the recorded data, around two marking lines, namely a right (Li-di to Li-d4) and a left (Li-g1 to Li-g4), characterize the delimiting the lane detected by each sensor (21 to 24); Fusion of the values obtained to characterize a fused right marker line (Li-dfus) and a fused left marker line (Li-gfus); Estimating a quality index associated with each of the fused right (Li-dfus) and left marker lines (Li-gfus); and estimating the trajectory (T) that the vehicle should follow as a function of the estimated quality indices.

Description

  • Technisches GebietTechnical area
  • Die vorliegende Erfindung betrifft allgemein die Fahrunterstützung von Kraftfahrzeugen. Sie betrifft genauer genommen ein Verfahren und ein System zur Fahrunterstützung durch automatische Steuerung einer Bahn, der ein Kraftfahrzeug bezüglich einer Fahrspur folgen soll.The present invention relates generally to driving assistance for motor vehicles. More precisely, it relates to a method and a system for driving assistance through automatic control of a path which a motor vehicle is to follow in relation to a lane.
  • Allgemeiner Stand der TechnikGeneral state of the art
  • Um das Fahren eines Kraftfahrzeugs zu erleichtern und sicherer zu machen, ist es bekannt, dieses Letztere mit Fahrunterstützungssystemen auszustatten. Es kann sich um Systeme handeln, die ein autonomes Fahren des Fahrzeugs (ohne menschlichen Eingriff) erlauben, oder um Systeme, die ein teilweise autonomes Fahren des Fahrzeugs erlauben (typischerweise Systeme, die angepasst sind, um vorübergehend die Kontrolle über das Fahrzeug zu übernehmen, um das Fahrzeug in der Mitte seiner Fahrspur neu zu platzieren). Um solche Fahrunterstützungsfunktionalitäten oder autonome Fahrunterstützungsfunktionalitäten sicherzustellen, werden die Fahrzeuge mit unterschiedlichen Sensoren ausgestattet, die es erlauben, die Umgebung des Fahrzeugs zu ermitteln und die derart erfasste Umgebung bei der Steuerung der Fahrorgane des Fahrzeugs zu berücksichtigen.To make driving a motor vehicle easier and safer, it is known to equip the latter with driving support systems. These can be systems that allow the vehicle to be driven autonomously (without human intervention) or systems that allow the vehicle to be driven partially autonomously (typically systems that are adapted to temporarily take control of the vehicle, to reposition the vehicle in the middle of its lane). In order to ensure such driving support functionalities or autonomous driving support functionalities, the vehicles are equipped with different sensors that allow the surroundings of the vehicle to be determined and the surroundings thus detected to be taken into account when controlling the driving organs of the vehicle.
  • Zum Halten des Fahrzeugs auf der Fahrspur, die es befährt, werden insbesondere Sensoren verwendet, die fähig sind, bestimmte Merkmale dieser Fahrspur zu bestimmen, wie die Breite der Fahrspur, ihre Ausrichtung bezüglich des Fahrzeugs und ihre Krümmung, um eine Modellierung der Fahrspur zu schätzen und ihr zu folgen (typischerweise die Bahn, die gebildet wird, indem der Mitte der Fahrspur gefolgt wird).To keep the vehicle in the lane in which it is traveling, sensors are used in particular which are able to determine certain features of this lane, such as the width of the lane, its orientation with respect to the vehicle and its curvature, in order to estimate a modeling of the lane and to follow it (typically the path formed by following the center of the lane).
  • Die verwendeten Sensoren sind zum Beispiel Kameras, LIDAR-Sensoren oder auch virtuelle Sensoren. Ein Beispiel eines virtuellen Sensors wäre eine Software, die Daten liest, die von anderen Sensoren des Fahrzeugs erfasst werden, die auf dieser Basis die Position von Objekten wie anderen Fahrzeugen oder Sicherheitsplanken bestimmt, und die daraus die Position der Fahrspur bezüglich des Fahrzeugs ableitet. Jeder Sensor weist seine eigenen Vorzüge und Mängel auf. Bestimmte sind zuverlässiger als andere, bestimmte werden von Witterungsumständen mehr beeinflusst als andere.The sensors used are, for example, cameras, LIDAR sensors or virtual sensors. An example of a virtual sensor would be software that reads data that are recorded by other sensors in the vehicle, determines the position of objects such as other vehicles or safety barriers on this basis, and uses this to derive the position of the lane in relation to the vehicle. Each sensor has its own advantages and shortcomings. Some are more reliable than others, and some are more weather-influenced than others.
  • Um die Fehler der Erfassung der Umgebung aufs beste zu reduzieren, ist es daher bekannt, eine „Datenfusion“ vorzunehmen, das heißt, die Daten zu berücksichtigen, die von mehreren Sensoren abgegeben werden, um daraus ein und dasselbe Datum abzuleiten.In order to reduce the errors in the detection of the environment as best as possible, it is therefore known to carry out a “data fusion”, that is, to take into account the data that are emitted by several sensors in order to derive one and the same date.
  • Beispielhaft können eine Sensorkamera, ein LIDAR-Sensor und ein virtueller Sensor in Betracht gezogen werden, die die Positionen der Markierungslinien erkennen, die die Fahrspur, die das Fahrzeug befährt, abgrenzen. Es ist daher möglich, die Daten, die aus diesen drei Sensoren stammen, derart zu kombinieren, dass eine einzige Information, die im Allgemeinen zuverlässiger ist, erhalten wird, und die Fahrorgane auf der Basis der Daten, die aus dieser Kombination hervorgehen, zu steuern.By way of example, a sensor camera, a LIDAR sensor and a virtual sensor can be considered, which detect the positions of the marking lines which delimit the lane in which the vehicle is traveling. It is therefore possible to combine the data coming from these three sensors in such a way that a single piece of information, which is generally more reliable, is obtained, and to control the driving devices on the basis of the data resulting from this combination .
  • Zum Kombinieren dieser Daten werden mathematische Berechnungen verwendet, die auf der Wahrscheinlichkeitstheorie, auf der Evidenztheorie (auch unter der Bezeichnung Dempster-Shafer-Theorie bekannt) und/oder auf Fuzzy-Logik basieren. Da jede Theorie ihre Vorteile und Nachteile aufweist, hängt die Auswahl im Allgemeinen insbesondere von den Erfordernissen hinsichtlich der Robustheit, der Qualität und/oder der Rechenzeit ab.Mathematical calculations based on probability theory, evidence theory (also known as Dempster-Shafer theory) and / or fuzzy logic are used to combine this data. Since each theory has its advantages and disadvantages, the selection generally depends in particular on the requirements with regard to robustness, quality and / or computing time.
  • Auf jeden Fall erlaubt es die Datenfusion, die Mitte der Fahrspur zu modellieren, die von den erfassten Markierungslinien abgegrenzt ist, und daraus die Bahn abzuleiten, der das Kraftfahrzeug folgen soll, damit es sich korrekt bezüglich der Mitte der Fahrspur platziert. Anschließend werden die Fahrorgane des Fahrzeugs gesteuert, insbesondere die Seitensteuerorgane, damit es effektiv dieser derart bestimmten Bahn folgt.In any case, the data fusion makes it possible to model the center of the lane, which is delimited by the recorded marking lines, and to derive from this the path that the motor vehicle should follow so that it is correctly positioned with respect to the center of the lane. Subsequently, the driving organs of the vehicle are controlled, in particular the lateral control elements, so that it effectively follows this path determined in this way.
  • Obwohl die Bahnhalteunterstützung durch Fusion von Daten, die von mehreren Bord-Sensoren stammen, im Allgemeinen zufriedenstellende Resultate ergibt, existieren bestimmte Situationen in Zusammenhang mit dem Straßenverkehrskontext und/oder Mängeln in Zusammenhang mit einem oder mehreren Sensoren, die zu unerwünschten Verhaltensweisen führen, zum Beispiel zu einer Schwingungserscheinung seitlicher Oszillationen des Kraftfahrzeugs, oder der Tatsache, dass das Fahrzeug automatisch eine Ausfahrtspur der Straße befährt, während es eigentlich weiter auf dieser Straße fahren sollte.Although the lane stop assistance by fusing data from several on-board sensors generally gives satisfactory results, certain situations exist in connection with the road traffic context and / or deficiencies in connection with one or more sensors which lead to undesirable behavior, for example to a vibration phenomenon of lateral oscillations of the motor vehicle, or the fact that the vehicle is automatically driving in an exit lane of the road while it should actually continue driving on this road.
  • Kurzdarstellung der ErfindungSummary of the invention
  • Um den oben erwähnten Nachteilen abzuhelfen, schlägt die vorliegende Erfindung vor, einen Qualitätsindex zu schätzen, der mit jeder der rechten und linken Markierungslinien, die aus der Datenfusion hervorgehen, assoziiert ist, und die Bahn zu schätzen, der das Kraftfahrzeug in Abhängigkeit von den derart erhaltenen Qualitätsindices folgen sollte.In order to remedy the above-mentioned drawbacks, the present invention proposes to estimate a quality index associated with each of the right and left marking lines resulting from the data fusion, and to estimate the trajectory that the motor vehicle takes as a function of the such received quality indices should follow.
  • Insbesondere hat die vorliegende Erfindung ein Fahrunterstützungsverfahren durch automatische Steuerung einer Bahn, der ein Kraftfahrzeug bezüglich mindestens einer Fahrspur folgen soll, zur Aufgabe, wobei das Verfahren die folgenden Schritte umfasst:
    • - Erfassen von Daten durch mindestens zwei separate Sensoren, die auf dem Kraftfahrzeug mitgeführt werden;
    • - Bestimmen, für jeden Parameter einer Mehrzahl charakteristischer Parameter der Fahrspur, eines Werts für jeden Sensor ausgehend von den aufgenommenen Daten derart, dass eine rechte Markierungslinie und eine linke Markierungslinie, die die Fahrspur abgrenzen und von jedem Sensor erfasst werden, charakterisiert werden;
    • - Fusion der für jeden Parameter durch die Sensoren erhaltenen Werte derart, dass eine fusionierte rechte Markierungslinie und eine fusionierte linke Markierungslinie, die die Fahrspur abgrenzen, charakterisiert werden;
    • - Schätzen eines Qualitätsindex, der mit jeder der fusionierten rechten und linken Markierungslinien assoziiert ist; und
    • - Schätzen der Bahn, der das Kraftfahrzeug in Abhängigkeit von den geschätzten Qualitätsindices folgen soll.
    In particular, the present invention has a driving support method by automatic Controlling a path that a motor vehicle is to follow with respect to at least one lane for the task, the method comprising the following steps:
    • - Acquisition of data by at least two separate sensors that are carried on the motor vehicle;
    • Determining, for each parameter of a plurality of characteristic parameters of the traffic lane, a value for each sensor on the basis of the recorded data in such a way that a right marking line and a left marking line, which delimit the traffic lane and are detected by each sensor, are characterized;
    • Fusion of the values obtained by the sensors for each parameter in such a way that a fused right marking line and a fused left marking line, which delimit the lane, are characterized;
    • - estimating a quality index associated with each of the fused right and left marker lines; and
    • Estimating the path that the motor vehicle should follow as a function of the estimated quality indices.
  • Gemäß anderen vorteilhaften und nicht einschränkenden Merkmalen des erfindungsgemäßen Verfahrens:
    • - wird die Bahn, der das Kraftfahrzeug folgen soll, ausgehend von den zwei fusionierten Markierungslinien, nämlich der rechten und der linken, geschätzt, wenn die Qualitätsindices, die mit den zwei fusionierten Markierungslinien assoziiert sind, größer sind als ein vorbestimmter Schwellenwert;
    • - falls nur der Qualitätsindex, der mit einer der fusionierten rechten und linken Markierungslinien assoziiert ist, größer ist als ein vorbestimmter Schwellenwert, wird die Bahn, der das Kraftfahrzeug folgen soll, ausgehend von der entsprechenden fusionierten Markierungslinie geschätzt wird;
    • - wird die Bahn, der das Kraftfahrzeug folgen soll, ausgehend von einer Extrapolation der Bahn, der das Kraftfahrzeug bisher folgte, geschätzt, wenn die Qualitätsindices, die mit den zwei fusionierten Markierungslinien assoziiert sind, kleiner sind als ein vorbestimmter Schwellenwert;
    • - wird der Qualitätsindex, der mit jeder der fusionierten rechten und linken Markierungslinien assoziiert ist, bevorzugt in Abhängigkeit von einem ersten Indikator geschätzt, der für die Kohärenz zwischen den rechten bzw. linken Markierungslinien repräsentativ ist, die von den Sensoren erfasst werden, von einem zweiten Indikator, der für eine Verfügbarkeitsrate jedes Sensors auf einem vordefinierten Zeitfenster repräsentativ ist, und von einem dritten Indikator, der für die zeitliche Kontinuität der fusionierten Parameter repräsentativ ist, die es erlauben, die fusionierte rechte bzw. linke Markierungslinie zu charakterisieren;
    • - wird der erste Indikator zum Beispiel in Abhängigkeit von einem Mahalanobis-Abstand, der die rechten bzw. linken Markierungslinien, die von den Sensoren erfasst werden, trennt, berechnet;
    • - können die Parameter der Mehrzahl von Parametern die Breite der Fahrspur, der Krümmungsradius der Fahrspur, der Seitenabstand zwischen dem Kraftfahrzeug und einem der Ränder der Fahrspur, und der Angriffswinkel des Kraftfahrzeugs bezüglich der Fahrspur sein.
    According to other advantageous and non-limiting features of the method according to the invention:
    • the trajectory that the motor vehicle should follow is estimated from the two fused marking lines, namely the right and left, when the quality indices associated with the two fused marking lines are greater than a predetermined threshold value;
    • if only the quality index associated with one of the merged right and left marking lines is greater than a predetermined threshold value, the path that the motor vehicle should follow is estimated on the basis of the corresponding merged marking line;
    • the trajectory that the motor vehicle should follow is estimated on the basis of an extrapolation of the trajectory that the motor vehicle has followed so far when the quality indices associated with the two fused marking lines are less than a predetermined threshold value;
    • the quality index associated with each of the fused right and left marking lines is preferably estimated as a function of a first indicator, which is representative of the coherence between the right and left marking lines detected by the sensors, by a second Indicator which is representative of an availability rate of each sensor over a predefined time window, and of a third indicator which is representative of the temporal continuity of the fused parameters which allow the fused right and left marking lines to be characterized;
    • the first indicator is calculated, for example, as a function of a Mahalanobis distance which separates the right and left marking lines that are detected by the sensors;
    • the parameters of the plurality of parameters can be the width of the lane, the radius of curvature of the lane, the lateral distance between the motor vehicle and one of the edges of the lane, and the angle of attack of the motor vehicle with respect to the lane.
  • Die vorliegende Erfindung hat auch ein Fahrunterstützungsverfahren durch automatische Steuerung einer Bahn, der ein Kraftfahrzeug bezüglich mindestens einer Fahrspur folgen soll, zur Aufgabe, wobei das System Folgendes umfasst:
    • - mindestens zwei separate Sensoren, die auf dem Kraftfahrzeug mitgeführt werden und konfiguriert sind, um für jeden Parameter einer Mehrzahl charakteristischer Parameter der Fahrspur einen Wert für jeden Sensor ausgehend von den aufgenommenen Daten derart zu bestimmen, dass eine rechte Markierungslinie und eine linke Markierungslinie, die die Fahrspur abgrenzen und von jedem Sensor erfasst werden, charakterisiert werden;
    • - ein Fusionsmodul, das konfiguriert ist, um die für jeden Parameter durch die Sensoren erhaltenen Werte derart zu fusionieren, dass eine fusionierte rechte Markierungslinie und eine fusionierte linke Markierungslinie, die die Fahrspur abgrenzen, charakterisiert werden;
    • - ein Verwaltungsmodul der Fehler, das konfiguriert ist, um einen Qualitätsindex zu schätzen, der mit jeder der fusionierten rechten und linken Markierungslinie assoziiert ist; wobei das System konfiguriert ist, um die Bahn, der das Kraftfahrzeug folgen soll, in Abhängigkeit von den geschätzten Qualitätsindices zu schätzen.
    The present invention also has a driving support method by automatically controlling a path that a motor vehicle is to follow with respect to at least one lane, the system comprising the following:
    • - At least two separate sensors that are carried on the motor vehicle and are configured to determine a value for each sensor for each parameter of a plurality of characteristic parameters of the lane on the basis of the recorded data such that a right marking line and a left marking line, the delimiting the lane and being detected by each sensor, characterized;
    • a fusion module which is configured to merge the values obtained by the sensors for each parameter in such a way that a merged right marking line and a merged left marking line delimiting the lane are characterized;
    • a fault management module configured to estimate a quality index associated with each of the merged right and left marker lines; wherein the system is configured to estimate the path that the motor vehicle is to follow in dependence on the estimated quality indices.
  • FigurenlisteFigure list
  • Die folgende Beschreibung unter Heranziehung der anliegenden Zeichnungen, die beispielhaft und nicht einschränkend gegeben sind, vermittelt gut, woraus die Erfindung besteht und wie sie ausgeführt werden kann. In den anliegenden Figuren:
    • [1] veranschaulicht 1 zwei Draufsichten eines Kraftfahrzeugs, das auf einer Straße fährt;
    • [2] ist 2 ein Schema, das Sensoren und einen Rechner veranschaulicht, die es erlauben, ein Fahrunterstützungssystem gemäß der vorliegenden Erfindung umzusetzen;
    • [3] stellt 3 schematisch das Konzept der Auswahl des Schätzungsmodus der Bahn, der gefolgt werden soll, in unterschiedlichen Fällen, die beispielhaft und nicht einschränkend genommen werden, dar.
    The following description, with reference to the accompanying drawings, which are given by way of example and not of limitation, will give a good idea of what the invention consists of and how it can be carried out. In the attached figures:
    • [ 1 ] illustrates 1 two plan views of a motor vehicle traveling on a road;
    • [ 2 ] is 2 Figure 3 is a diagram illustrating sensors and a computer that allow a driving assistance system to be implemented in accordance with the present invention;
    • [ 3 ] represents 3 schematically illustrates the concept of the selection of the mode of estimation of the trajectory to be followed in different cases, which are taken by way of example and not of limitation.
  • Beschreibung einer Ausführungsform/von AusführungsformenDescription of an embodiment (s)
  • Die Erfindung gilt für jeden Typ von Kraftfahrzeug, sofern das Fahrzeug mit mehreren Umgebungssensoren und einem Rechner ausgestattet ist, der angepasst ist, um Informationen, die aus diesen unterschiedlichen Umgebungssensoren hervorgehen, zu verarbeiten. Sie gilt vorteilhafterweise aber nicht allein für Kraftfahrzeuge, die „autonom“ genannt werden, das heißt für Fahrzeuge, die angepasst sind, um einer Fahrspur im Straßenverkehr ohne menschlichen Eingriff zu folgen.The invention applies to every type of motor vehicle, provided that the vehicle is equipped with a plurality of environmental sensors and a computer which is adapted to process information resulting from these different environmental sensors. It applies advantageously, but not only, to motor vehicles that are called “autonomous”, that is to say to vehicles that are adapted to follow a lane in traffic without human intervention.
  • Um die Problematik der Bahnsteuerung bezüglich einer Fahrspur gut zu veranschaulichen, wurden in 1 beispielhaft und nicht einschränkend zwei Abschnitte derselben Straße 10, ein gerader Abschnitt auf dem Teil (a) der 1, und ein gekrümmter Abschnitt auf dem Teil (b) der 1 dargestellt.In order to clearly illustrate the problems of path control with regard to a lane, in 1 by way of example and not by way of limitation, two sections of the same road 10 , a straight section on part (a) of the 1 , and a curved portion on the part (b) of the 1 shown.
  • In dieser 1 beobachtet man, dass die Straße 10 hier zwischen zwei Böschungen 11 definiert ist, die durch zwei kontinuierliche Bodenmarkierungslinien 12 aufgezeigt werden. Diese Straße 10 umfasst hier drei Fahrspuren 13, 14, 15, die durch zwei unterbrochene Bodenmarkierungslinien 16 abgegrenzt sind. Das betreffende Kraftfahrzeug 20, dessen Bahn gesteuert werden soll, ist hier auf der Fahrspur 14 der Mitte dargestellt. Es sollen auf zuverlässige und robuste Art Parameter bestimmt werden, die diese Fahrspur 14 und die Position des Kraftfahrzeugs 20 auf dieser Fahrspur 14 charakterisieren. Diese Parameter liegen hier in der Anzahl von vier vor, nämlich:
    • - die Breite L1 der Fahrspur 14 (1 (a)),
    • - der Seitenabstand L2 zwischen der Mitte des Kraftfahrzeugs 20 und einem der Ränder der Fahrspur 14, wobei der Rand hier als mit der unterbrochenen rechten Bodenmarkierungslinie 16 zusammenfallend betrachtet wird (1 (a)),
    • - der mittlere Krümmungsradius Rc der Fahrspur 14, das heißt der Krümmungsradius der mittleren Krümmung 17 (diejenige, die in der Mitte der Fahrspur 14 durchgeht) im Bereich der Mitte des Kraftfahrzeugs 20 (1 (b)), und
    • - der Angriffswinkel α des Fahrzeugs, der zwischen der Längsachse des Kraftfahrzeugs 20 und der Tangente an der mittleren Krümmung 17 im Bereich der Mitte des Kraftfahrzeugs 20 gebildet wird (1 (b)).
    In this 1 one watches that the street 10 here between two embankments 11 is defined by two continuous floor marking lines 12 are shown. This street 10 includes three lanes here 13 , 14th , 15th by two broken floor marking lines 16 are delimited. The motor vehicle in question 20th whose path is to be controlled is here in the lane 14th shown in the middle. It should be determined in a reliable and robust way parameters that this lane 14th and the position of the motor vehicle 20th on this lane 14th characterize. There are four of these parameters here, namely:
    • - the width L1 of the lane 14th ( 1 (a) ),
    • the lateral distance L2 between the center of the motor vehicle 20th and one of the edges of the lane 14th , whereby the edge here as with the broken right floor marking line 16 is considered coincident ( 1 (a) ),
    • - the mean radius of curvature Rc of the lane 14th , that is, the radius of curvature of the mean curvature 17th (the one in the middle of the lane 14th goes through) in the area of the middle of the motor vehicle 20th ( 1 (b) ), and
    • - The angle of attack α of the vehicle between the longitudinal axis of the motor vehicle 20th and the tangent to the mean curvature 17th in the middle of the vehicle 20th is formed ( 1 (b) ).
  • In diesem Kontext wird ein Fahrunterstützungsverfahren hier danach streben, die Bahn, der das Kraftfahrzeug 20 folgen soll, zu schätzen, um das Kraftfahrzeug 20 automatisch zu steuern, damit es im Wesentlichen in der Mitte der Fahrspur 14 bleibt.In this context, a driving assistance method will strive to find the path that the motor vehicle takes 20th should follow, estimate to the motor vehicle 20th automatically steer so it is essentially in the middle of the lane 14th remains.
  • Es ist bekannt, dass die Bodenmarkierungslinien 16 und die virtuelle zentrale Linie 17, die die Mitte der Spur 14 charakterisiert, mathematisch durch die folgende Polynomgleichung dritten Grades modelliert werden können: y ( x ) = C 3 x 3 + C 2 x 2 + C 1 x + C 0
    Figure DE102019110938A1_0001
    wobei die Koeffizienten C0 bis C3 von den vier oben erwähnten Parametern gemäß den folgenden Gleichungen abhängen:
    • - L2 = C0
    • - α = arctan(C1)
    • - Rc = 2C2
    • - Ableitung von Rc = 6C3
    It is known that the floor marking lines 16 and the virtual central line 17th that is the middle of the track 14th characterized, can be modeled mathematically by the following third-order polynomial equation: y ( x ) = C. 3 x 3 + C. 2 x 2 + C. 1 x + C. 0
    Figure DE102019110938A1_0001
    where the coefficients C 0 to C 3 depend on the four parameters mentioned above according to the following equations:
    • - L 2 = C 0
    • - α = arctan (C 1 )
    • - Rc = 2C 2
    • - Derivation of Rc = 6C 3
  • Aufgrund dieser Gleichungen, die die vier Koeffizienten Co bis C3 und die vier Parameter L1, L2, Rc und α verbinden, spricht man in der Folge gleichermaßen von geschätzten Koeffizienten oder Parametern.Based on these equations, which connect the four coefficients Co to C 3 and the four parameters L1, L2, Rc and α, one speaks equally of estimated coefficients or parameters in the following.
  • Ein Fahrunterstützungsverfahren gemäß der vorliegenden Erfindung umfasst herkömmlich einen ersten Schritt, bei dem Daten durch mindestens zwei separate Sensoren, die auf dem Kraftfahrzeug 20 mitgeführt werden, aufgenommen werden.A driving assistance method according to the present invention conventionally comprises a first step in which data is transmitted through at least two separate sensors which are on the motor vehicle 20th be carried along.
  • Die Umgebungssensoren, die das Kraftfahrzeug 20 mitführt, sind in dem Sinne heterogen, dass mindestens zwei von ihnen Messungen unterschiedlicher Arten ausführen.The environmental sensors that the motor vehicle 20th are heterogeneous in the sense that at least two of them carry out measurements of different types.
  • Hier unterscheidet man unter diesen Umgebungssensoren mindestens:
    • - einen Bildsensor,
    • - einen Entfernungssensor, und
    • - einen virtuellen Sensor.
    A distinction is made between these environmental sensors at least:
    • - an image sensor,
    • - a distance sensor, and
    • - a virtual sensor.
  • Bei dem nicht einschränkenden Beispiel, das in 2 dargestellt ist, führt das Kraftfahrzeug 20 mindestens eine Frontkamera 21, die zu der Vorderseite gerichtet ist, und eine Einheit 22 von Kameras, die zum Aufnehmen der Bilder auf 360 Grad um das Fahrzeug 20 angepasst sind, mit. Die Frontkamera 21 ist zum Beispiel eine Kamera, die geeignet ist, um über eine Entfernung von etwa 150 Metern vor dem Kraftfahrzeug 20 für einen Beobachtungswinkel von etwa 50 Grad zu sehen. Die Einheit 22 besteht zum Beispiel aus vier seitlichen Kameras vom Typ „Fisheye“. Das Kraftfahrzeug 20 führt auch einen LIDAR-Sensor 23 mit, der angepasst ist, um Entfernungen zu messen und aus ihnen eine Form der Geometrie der Umgebung vor und/oder auf den Seiten des Fahrzeugs 20 abzuleiten. Dieser LIDAR-Sensor 23 ist insbesondere angepasst, um die Positionen und Formen der Bodenmarkierungslinien 12, 16 zu erfassen.In the non-limiting example shown in 2 is shown, leads the motor vehicle 20th at least one front camera 21st facing the front and one unit 22nd of cameras that are used to take the pictures at 360 degrees around the vehicle 20th are adapted with. The front camera 21st is, for example, a camera that is suitable for viewing over a distance of about 150 meters in front of the motor vehicle 20th seen for an observation angle of about 50 degrees. The unit 22nd consists, for example, of four "fisheye" type cameras. The car 20th also carries a LIDAR sensor 23 with which is adapted to measure distances and from them a shape of the geometry of the environment in front of and / or on the sides of the vehicle 20th derive. This LIDAR sensor 23 is especially adapted to the positions and shapes of the floor marking lines 12 , 16 capture.
  • Das Kraftfahrzeug 20 führt auch einen virtuellen Sensor 24 mit, der durch einen Prozessor gebildet wird, der angepasst ist, um unter Berücksichtigung von Informationen, die von anderen Sensoren geliefert werden (bei dem Beispiel Erfassungen von Objekten, die ausgehend von den Bildern erfolgen, die durch die Frontkamera 21 und durch die Einheit 22 von Kameras aufgenommen werden), die Positionen der Ränder der Fahrspur zu bestimmen. Hier basiert sich der virtuelle Sensor 24 auf die Position der umgebenden Kraftfahrzeuge, indem er von dem Konzept ausgeht, dass jedes dieser Fahrzeuge auf einer Fahrspur fährt. Bei der Ausführungsform, die hier beschrieben ist, wird davon ausgegangen, dass die vier Sensoren 21, 22, 23 und 24 „intelligent“ sind, das heißt, dass sie jeweils mit einer Einheit zur Informatikverarbeitung der Daten, die sie wahrnehmen, ausgestattet sind.The car 20th also performs a virtual sensor 24 formed by a processor adapted to take into account information supplied by other sensors (in the example, object acquisitions made on the basis of the images taken by the front camera 21st and through unity 22nd are recorded by cameras) to determine the positions of the edges of the lane. This is where the virtual sensor is based 24 on the position of the surrounding motor vehicles, based on the concept that each of these vehicles is driving in a lane. In the embodiment described here, it is assumed that the four sensors 21st , 22nd , 23 and 24 Are “intelligent”, that is, that they are each equipped with a unit for IT processing of the data that they perceive.
  • Jeder Sensor wird hier derart ausgewählt, dass die Daten, die er misst, es allein erlauben, eine Schätzung eines Werts für jeden der vier Parameter L1, L2, α, Rc, zu bestimmen, und daher für jeden der vier oben erwähnten Koeffizienten, die die Fahrspur 14 charakterisieren.Each sensor is selected here such that the data it measures alone allow an estimate of a value to be determined for each of the four parameters L1, L2, α, Rc, and therefore for each of the four above-mentioned coefficients, the the lane 14th characterize.
  • In der Folge ist anzumerken:
    • - (C0,1,C1,1,C2,1,C3,1)li die Werte, die für die vier Koeffizienten geschätzt werden, die ausgehend von den Daten, die von der Frontkamera 21 aufgenommen werden, erhalten werden, und es erlauben, eine Markierungslinie Ii zu charakterisieren, die die Fahrspur 14 rechts oder links abgrenzt;
    • - (C0,2,C1,2,C2,2,C3,2)li die Werte, die für die vier Koeffizienten geschätzt werden, die ausgehend von den Daten, die von der Einheit 22 von Kameras aufgenommen werden, erhalten werden, und es erlauben, eine Markierungslinie Ii zu charakterisieren, die die Fahrspur 14 rechts oder links abgrenzt;
    • - (C0,3,C1,3,C2,3,C3,3)li die geschätzten Werte für die vier Koeffizienten, die ausgehend von den Daten, die von dem LIDAR 23 aufgenommen werden, erhalten werden, und es erlauben, eine Markierungslinie Ii zu charakterisieren, die die Fahrspur 14 links oder rechts abgrenzt; und
    • - (C0,4,C1,4,C2,4,C3,4)li die geschätzten Werte für die vier Koeffizienten, die ausgehend von den Daten, die von dem virtuellen Sensor 24 aufgenommen werden, erhalten werden und es erlauben, eine Markierungslinie Ii zu charakterisieren, die die Fahrspur 14 rechts oder links abgrenzt; und allgemeiner:
    • - li-di die rechte Markierungslinie, die potentiell durch einen Sensor i erfasst wird;
    • - li-gi die linke Markierungslinie, die potentiell von einem Sensor i erfasst wird;
    • - (C0,i,C1,i,C2,i,C3,i)li-d die durch einen Sensor i geschätzten Werte, um die Markierungslinie li-di zu charakterisieren, die rechts liegt, die dieser Sensor i erfassen konnte; und
    • - (C0,i,C1,i,C2,i,C3,i)li-g die durch einen Sensor i geschätzten Werte, um die Markierungslinie li-gi zu charakterisieren, die links liegt, die dieser Sensor i erfassen konnte.
    In the following it should be noted:
    • - (C 0.1 , C 1.1 , C 2.1 , C 3.1 ) li are the values estimated for the four coefficients based on the data received from the front camera 21st are recorded, are obtained, and allow a marking line Ii to be characterized that defines the lane 14th delimited right or left;
    • - (C 0.2 , C 1.2 , C 2.2 , C 3.2 ) li are the values estimated for the four coefficients based on the data provided by the unit 22nd recorded by cameras, and make it possible to characterize a marking line Ii that defines the lane 14th delimited right or left;
    • - (C 0.3 , C 1.3 , C 2.3 , C 3.3 ) li are the estimated values for the four coefficients based on the data received from the lidar 23 are recorded, are obtained, and allow a marking line Ii to be characterized that defines the lane 14th delimited left or right; and
    • - (C 0.4 , C 1.4 , C 2.4 , C 3.4 ) li are the estimated values for the four coefficients based on the data received from the virtual sensor 24 are recorded, are obtained and allow to characterize a marking line Ii that the lane 14th delimited right or left; and more generally:
    • - li-di the right marking line, which is potentially detected by a sensor i;
    • - li-gi the left marking line that is potentially detected by a sensor i;
    • - (C 0, i , C 1, i , C 2, i , C 3, i ) li-d the values estimated by a sensor i in order to characterize the marker line li-di lying to the right that this sensor i could capture; and
    • - (C 0, i , C 1, i , C 2, i , C 3, i ) li-g the values estimated by a sensor i in order to characterize the marker line li-gi lying on the left that this sensor i could capture.
  • Falls die vier Sensoren 21 bis 24 exakte Daten gäben, wären die geschätzten Werte der Koeffizienten, die durch diese vier Sensoren erhalten werden, genau identisch.If the four sensors 21st to 24 If there were exact data, the estimated values of the coefficients obtained by these four sensors would be exactly identical.
  • Jeder Sensor kann jedoch Fehler erzeugen.However, any sensor can generate errors.
  • Das erfindungsgemäße Verfahren umfasst folglich einen Schritt, in dessen Verlauf danach gestrebt wird, herkömmlich durch „Datenfusion“ die Werte, die für jeden der vier Koeffizienten durch alle Sensoren 21 bis 24 erhalten werden, derart zu kombinieren, dass fusionierte Werte erhalten werden, die die Fahrspur 14, die das Kraftfahrzeug 20 befährt, am genauesten charakterisieren. Genauer genommen wird danach gestrebt, durch diesen Schritt eine fusionierte Markierungslinie li-dfus und eine fusionierte Markierungslinie li-gfus, die die Fahrspur jeweils rechts und links abgrenzen, zu charakterisieren, indem die erhaltenen Werte fusioniert werden, um die rechte und linke Markierungslinie, die potentiell von jedem Sensor erfasst werden, zu charakterisieren.The method according to the invention consequently comprises a step in the course of which it is sought, conventionally by “data fusion”, the values obtained for each of the four coefficients by all sensors 21st to 24 are obtained, to combine in such a way that merged values are obtained that represent the lane 14th who have favourited the motor vehicle 20th to characterize most precisely. More precisely, the aim is to use this step to characterize a fused marking line li-d fus and a fused marking line li-g fus , which delimit the lane on the right and left, by merging the values obtained around the right and left marking lines that are potentially detected by each sensor.
  • Nach diesem Fusionsschritt kann daher die fusionierte Markierungslinie Lidfus, die rechts liegt, gemäß der folgenden Polynomgleichung modelliert werden: Li d fus ( x ) = [ C 3, fus  x 3 + C 2, fus  x 2 + C 1, fus  x + C 0, fus ] li d
    Figure DE102019110938A1_0002
    wobei die Koeffizienten C0,fus bis C3,fus der Fusion der Koeffizienten C0,i bis C3,i entsprechen, die für die Sensoren i für die rechte Markierungslinie erhalten werden, und die fusionierte Markierungslinie Li-gfus, die links liegt, kann gemäß der folgenden Polynomgleichung modelliert werden: Li g fus ( x ) = [ C 3, fus  x 3 + C 2, fus  x 2 + C 1, fus  x + C 0, fus ] li g
    Figure DE102019110938A1_0003
    wobei die Koeffizienten C0,fus bis C3,fus der Fusion der Koeffizienten C0,i bis C3,i entsprechen, die für die Sensoren i für die linke Markierungslinie erhalten werden.
    After this fusion step , the merged marking line Lid fus , which is on the right, can therefore be modeled according to the following polynomial equation: Li - d fus ( x ) = [ C. 3, fus x 3 + C. 2, fus x 2 + C. 1, fus x + C. 0, fus ] left - d
    Figure DE102019110938A1_0002
    where the coefficients C 0, fus to C 3, fus correspond to the fusion of the coefficients C 0, i to C 3, i obtained for the sensors i for the right marker line, and the fused marker line Li-g fus , the left can be modeled according to the following polynomial equation: Li - G fus ( x ) = [ C. 3, fus x 3 + C. 2, fus x 2 + C. 1, fus x + C. 0, fus ] left - G
    Figure DE102019110938A1_0003
    where the coefficients C 0, fus to C 3, fus correspond to the fusion of the coefficients C 0, i to C 3, i obtained for the sensors i for the left marking line.
  • Eine mögliche Umsetzung dieses Datenfusionsschritts, der auf dem Dempster-Shafer-Theorem basiert, wird nun beschrieben. Andere Umsetzungen, wie diejenigen, die auf dem Bayes-Theorem basieren, können jedoch in Betracht gezogen werden, ohne den Rahmen der vorliegenden Erfindung zu verlassen. Die Datenfusion, die auf dem Dempster-Shafer-Theorem basiert, hat im Wesentlichen zur Aufgabe, unter den von den unterschiedlichen Sensoren erhaltenen Werten die zuverlässigsten Werte zu unterscheiden und ihnen ein größeres Gewicht bei der Berechnung der geschätzten Koeffizienten zuzuweisen.A possible implementation of this data fusion step, which is based on the Dempster-Shafer theorem, is now described. However, other implementations, such as those based on Bayes' theorem, can be envisaged without departing from the scope of the present invention. The main task of data fusion, which is based on the Dempster-Shafer theorem, is to distinguish the most reliable values from the values obtained from the different sensors and to assign greater weight to them when calculating the estimated coefficients.
  • Dieser Datenfusionsschritt wird durch einen der Rechner, die in dem Fahrzeug mitgeführt werden, umgesetzt. Wie es 2 zeigt, umfasst dieser Rechner 30 herkömmlich Eingangsschnittstellen, einen Prozessor 31, eine Speichereinheit 32 und Ausgangsschnittstellen. Die Eingangsschnittstellen erlauben es dem Rechner 30, die Werte der Koeffizienten zu empfangen, die von den drei physischen Sensoren 21, 22, 23 ermittelt werden. Der Speicher 32, zum Beispiel ein wiederbeschreibbarer, nicht flüchtiger Speicher, oder eine Festplatte, zeichnet Computerprogramme auf, die Anweisungen umfassen, deren Ausführung durch den Prozessor 31 das Umsetzen durch den Rechner 30 des unten beschriebenen erfindungsgemäßen Verfahrens erlaubt. Die Ausgangsschnittstellen erlauben es dem Rechner 30, Steuerinformationen zu einer autonomen Steuereinheit 40 des Kraftfahrzeugs zu liefern. Wie es in 2 erscheint, wird der virtuelle Sensor 24 hier von dem Rechner 30 getragen.This data merging step is implemented by one of the computers that are carried in the vehicle. Like it 2 shows, includes this calculator 30th conventional input interfaces, a processor 31 , a storage unit 32 and output interfaces. The input interfaces allow the computer 30th to receive the values of the coefficients obtained by the three physical sensors 21st , 22nd , 23 be determined. The memory 32 , for example, rewritable, non-volatile memory, or a hard drive, records computer programs that include instructions that the processor executes 31 the implementation by the computer 30th the method according to the invention described below allowed. The output interfaces allow the computer 30th , Control information to an autonomous control unit 40 of the motor vehicle. Like it in 2 appears, the virtual sensor 24 here from the calculator 30th carried.
  • Wie es in 2 erscheint, umfasst der Rechner 30 ein Modul 50 für die Fusion der Daten der Linien und die Spurverfolgung, mit einem ersten Untermodul 51 zur eigentlichen Fusion von Daten, mittels eines Kombinationsvorgangs, der auf dem Dempster-Shafer-Modell basiert, und ein zweites Untermodul 52 zur Filterung der Daten, die aus diesem Modell hervorgehen. Der Datenfusionsschritt wird in einer Schleife durch den Rechner 30 in regelmäßigen Zeitschritten ausgeführt. Im Laufe eines Vorabschritts liest der Rechner 30 die ersten geschätzten Werte für jeden der vier Koeffizienten, die von den Sensoren 21, 22, 23, 24 für die rechte Markierungslinie und für die linke Markierungslinie erhalten werden. Diese ersten Werte bilden kontinuierliche Variablen, während das Dempster-Shafer-Modell Arbeiten auf diskreten Variablen erfordert.Like it in 2 appears, includes the calculator 30th a module 50 for the merger of the data of the lines and the tracking, with a first sub-module 51 for the actual fusion of data by means of a combination process based on the Dempster-Shafer model and a second sub-module 52 to filter the data that emerges from this model. The data fusion step is in a loop through the computer 30th executed in regular time steps. The computer reads in the course of a preliminary step 30th the first estimated values for each of the four coefficients reported by the sensors 21st , 22nd , 23 , 24 for the right marker line and for the left marker line can be obtained. These first values form continuous variables, while the Dempster-Shafer model requires working on discrete variables.
  • Um die ersten Werte zu diskretisieren und es anschließend dem Rechner 30 zu erlauben, auf Intervallen zu arbeiten, umfasst das erste Untermodul 51 ein Modellierungssystem der Daten (nicht dargestellt), das eine Aktivierungsfunktion in Glockenform verwendet. Diese Aktivierungsfunktion erlaubt es, die Fehler zu modellieren, die eventuell die Daten, die aus jedem Sensor hervorgehen, beeinträchtigen können. Es ist daher eine separate Aktivierungsfunktion für jeden Sensor 21, 22, 23, 24 vorgesehen. Diese Aktivierungsfunktion Y variiert zwischen 0 und 1 in Abhängigkeit von einer Standardabweichung a. Sie weist notwendigerweise eine Glockenform mit einem Höchstwert auf, wenn die Standardabweichung gleich 0 ist, und einen Wert gleich null auf jeder Seite (für einen negativen Standardabweichungswert a und für eine positiven Standardabweichungswert a). Diese Aktivierungsfunktion könnte herkömmlich eine Gaußsche Form aufweisen. Sie weist jedoch hierfür eine bessere Modellierung der Fehler, die sich auf die Daten, die aus den Sensoren hervorgehen, auswirken, eine Diederfunktion (das heißt eine Pyramidenform) auf. Diese Aktivierungsfunktion könnte zwei symmetrische Seiten aufweisen. Um die Fehler, die sich auf die Daten, die aus den Sensoren hervorgehen, auswirken, aufs beste zu modellieren, kann diese Aktivierungsfunktion eine asymmetrische Form aufweisen. Diese Funktion erlaubt es daher zum Beispiel, die Position jedes Sensors auf dem Fahrzeug und daher die Tatsache zu berücksichtigen, dass die Resultate der Messungen, die der Sensor ausführt, auf einer Seite des Fahrzeugs besser sind als auf der anderen Seite. Je größer daher die Ungewissheit in Zusammenhang mit dem Sensor auf der einen Seite und/oder der anderen des Fahrzeugs ist, desto gestreckter ist die entsprechende Seite des Dieders. Die genaue Form dieser Aktivierungsfunktion wird bei der Konzeption des Fahrzeugs in Abhängigkeit von dem verwendeten Sensor ausgewählt. Bevorzugt können die Resultate, die dank dieser Aktivierungsfunktionen erhalten werden, durch einen Schwächungskoeffizienten zwischen 0 und 1, dessen Wert von dem Grad des Vertrauens in jeden Sensor abhängt, gewichtet werden. Dieser Koeffizient kann empirisch erhalten werden, er könnte aber auch durch Selbstlernen (gewöhnlich „Maschinenlernen“ genannt) erhalten werden. Mit den Daten, die am Ausgang des Modellierungssystems der Daten geliefert werden, erhält das erste Untermodul 51 des Rechners 30 eine Wahrscheinlichkeitsdichte für jeden Parameter oder Koeffizienten, und wandelt diese Wahrscheinlichkeitsdichte in eine Einheit von Massen (oder von „Vertrauensgraden“) pro Intervall um. Genauer genommen weist das erste Untermodul 51 des Rechners 30 dem Koeffizienten, der mit der „Bahnbreite L1“ assoziiert ist, eine Masse für jedes Spurbreitenintervall zu, es kann dem Koeffizienten, der mit dem Parameter „Seitenabstand L2“ assoziiert ist, eine Masse für jedes Seitenabstandintervall zuweisen usw. Dazu verwendet das erste Untermodul 51 des Rechners 30 eine umgekehrte pignistische Umwandlung. Eine solche Umwandlung ist dem Fachmann gut bekannt und wird daher hier nicht ausführlich beschrieben. Am Ende dieses Schritts erhält das erste Untermodul 51 des Rechners 30 Masseneinheiten für jeden Parameter/Koeffizienten und für jeden Sensor. Gemäß der Dempster-Shafer-Theorie verwendet das erste Untermodul 51 des Rechners 30 dann im Laufe eines dritten Schritts eine verbindende Kombination, um die vier Quadrupletts erhaltener Resultate zu kombinieren. Diese Berechnung kann zum Beispiel unter Verwenden der Faltungsprodukte ausgeführt werden. Dank diesen Vorgängen ist das erste Untermodul 51 des Rechners 30 in der Lage, die Resultate der Ähnlichkeitsfunktionen zu kombinieren und zu normalisieren, und ist außerdem in der Lage, eine Konfliktrate zwischen den unterschiedlichen Sensoren zu bestimmen. Diese Konfliktrate könnte zum Beispiel anschließend zum Erfassen eines Versagens eines Sensors genutzt werden. Das erhaltene Resultat wird anschließend dank eines pignistischen Vorgangs in eine Wahrscheinlichkeitsverteilung umgewandelt. Die Fusion der Daten erlaubt es daher, vier Einheiten von Wahrscheinlichkeitsverteilungen zu erhalten, die für die vier Parameter L1, L2, α, Rc und daher für jeden der vier Koeffizienten diskretisiert werden, die die fusionierte rechte Markierungslinie Lidfus charakterisieren, und für jeden der vier Koeffizienten, die die fusionierte linke Markierungslinie Li-gfus, die die Fahrspur 14 abgrenzen, charakterisiert.To discretize the first values and then to the computer 30th allowing to work at intervals comprises the first sub-module 51 a modeling system of the data (not shown) using a bell-shaped activation function. This activation function makes it possible to model the errors that may affect the data that emerges from each sensor. There is therefore a separate activation function for each sensor 21st , 22nd , 23 , 24 intended. This activation function Y varies between 0 and 1 as a function of a standard deviation a. It is necessarily bell-shaped with a maximum value when the standard deviation is 0 and a value equal to zero on either side (for a negative standard deviation value a and for a positive standard deviation value a). This activation function could conventionally have a Gaussian shape. However, it does this by better modeling the errors that affect the data that emerge from the sensors, a dihedral function (i.e. a pyramid shape). This activation function could have two symmetrical sides. In order to best model the errors that affect the data coming from the sensors, this activation function can have an asymmetrical shape. This function therefore makes it possible, for example, to take into account the position of each sensor on the vehicle and therefore the fact that the results of the measurements made by the sensor are better on one side of the vehicle than on the other. The greater the uncertainty associated with the sensor on one side and / or the other of the vehicle, the more elongated the corresponding side of the dihedron. The exact form of this activation function is selected when designing the vehicle, depending on the sensor used. Preferably, the results obtained thanks to these activation functions can be weighted by an attenuation coefficient between 0 and 1, the value of which depends on the degree of confidence in each sensor. This coefficient can be obtained empirically, but it could also be obtained through self-learning (commonly called "machine learning"). The first sub-module receives the data that is supplied at the output of the data modeling system 51 of the computer 30th a probability density for each parameter or coefficient, and converts this probability density into a unit of masses (or “degrees of confidence”) per interval. More precisely, the first sub-module 51 of the computer 30th assigns a mass to the coefficient associated with the "track width L1" for each lane width interval; the coefficient associated with the Parameter "Side distance L2" is associated, assign a mass for each side distance interval and so on. The first sub-module is used for this 51 of the computer 30th a reverse pignistic transformation. Such a conversion is well known to those skilled in the art and is therefore not described in detail here. At the end of this step, you get the first sub-module 51 of the computer 30th Mass units for each parameter / coefficient and for each sensor. According to the Dempster-Shafer theory used the first sub-module 51 of the computer 30th then, in the course of a third step, a connecting combination to combine the four quadruples of results obtained. This calculation can be carried out using the convolution products, for example. Thanks to these operations is the first sub-module 51 of the computer 30th is able to combine and normalize the results of the similarity functions, and is also able to determine a conflict rate between the different sensors. This conflict rate could then be used, for example, to detect a failure of a sensor. The result obtained is then converted into a probability distribution thanks to a pignistic process. The fusion of the data therefore makes it possible to obtain four units of probability distributions that are discretized for the four parameters L1, L2, α, Rc and therefore for each of the four coefficients that characterize the fused right marker line Lidfus and for each of the four Coefficients representing the merged left marker line Li-g fus representing the lane 14th delimit, characterize.
  • Das Untermodul 52 des Rechners 30 wendet dann an diese Daten einen Vorgang zum Erfassen des Zustands des Systems mittels eines Filters, das die Teilchentheorie verwendet, an. Das Untermodul 52 des Rechners 30 kann dazu das Monte-Carlo-Verfahren verwenden, das darauf abzielt, einen angenäherten Zahlenwert zu berechnen, indem probabilistische Verfahren verwendet werden. Bei diesem Modell entspricht jedes betrachtete Teilchen einem möglichen Zustand des Systems, das heißt einem Quadruplett, das einen Wert für jeden der vier Parameter L1, L2, α, Rc umfasst. Es wird eine Anzahl von Teilchen verwendet, die groß sein muss, um die Konvergenz des Systems zu einem zuverlässigen Wert sicherzustellen. Diese Anzahl darf jedoch nicht zu hoch sein, damit sie nicht zu viel Informatik-Rechenressourcen benötigt. Sie ist hier größer als 100 und kann zum Beispiel gleich 1000 Teilchen ausgewählt werden. Die Schritte, die von dem Filterungsuntermodul 52 umgesetzt werden, entsprechen bevorzugt den fünf unten dargelegten aufeinanderfolgenden Vorgängen:The sub-module 52 of the computer 30th then applies to this data a process of detecting the state of the system by means of a filter using particle theory. The sub-module 52 of the computer 30th can use the Monte Carlo method to do this, which aims to calculate an approximate numerical value using probabilistic methods. In this model, each considered particle corresponds to a possible state of the system, i.e. a quadruplet that includes a value for each of the four parameters L1, L2, α, Rc. A number of particles are used which must be large in order to ensure the convergence of the system to a reliable value. However, this number must not be too high so that it does not require too many computer computing resources. She is bigger than here 100 and, for example, 1000 particles can be selected. The steps by the filtering sub-module 52 are implemented, preferably correspond to the five successive processes set out below:
  • Der erste Vorgang besteht darin, den Zustand der Teilchen in Abhängigkeit von der Längsgeschwindigkeit und der Winkelgeschwindigkeit der Schleife des Fahrzeugs 20 auf der befahrenen Straße zu ändern. Die Entwicklung der Wahrnehmung wird ausgehend von einem Bewegungsmodell des Fahrzeugs berechnet, das davon ausgeht, dass das Fahrzeug 20 auf einer kreisförmigen Bahn mit konstanter Geschwindigkeit fährt.The first process consists in determining the state of the particles as a function of the longitudinal speed and the angular speed of the loop of the vehicle 20th to change on the busy road. The development of perception is calculated on the basis of a movement model of the vehicle, which assumes that the vehicle 20th travels on a circular path at constant speed.
  • Der zweite Vorgang besteht darin, die Gewichte, die mit jedem Teilchen zusammenhängen, in Abhängigkeit von einem Entsprechungsniveau, das das betreffende Teilchen mit dem Ausgang der Fusion verknüpft, zu aktualisieren.The second operation is to update the weights associated with each particle depending on a level of correspondence that links the particle in question to the outcome of the fusion.
  • Der dritte Vorgang besteht darin, die Teilchen für den nächsten Zeitschritt, in dessen Verlauf das gesamte Verfahren wiederholt wird, erneut abzutasten. Das Ziel besteht darin, eine gerechte Verteilung zwischen den Gewichten der Teilchen zu wahren. Um die erneute Abtastung auszuführen, werden die Teilchen ausgelost, indem den Teilchen, die ein hohes Gewicht aufweisen, eine größere Wahrscheinlichkeit, ausgewählt zu werden, zugewiesen wird, und sie dann derart kombiniert werden dass neue Teilchen geschaffen werden. Außerdem werden die Teilchen weggelassen, deren Gewichte die geringsten sind. Die Zielsetzung besteht darin, von einem Zeitschritt zu dem anderen eine konstante Anzahl von Teilchen zu haben.The third process is to re-scan the particles for the next time step, during which the entire process is repeated. The aim is to maintain a fair distribution between the weights of the particles. To perform the resampling, the particles are drawn by assigning a greater probability of being selected to the particles having a high weight, and then combining them to create new particles. In addition, the particles whose weights are the least are omitted. The objective is to have a constant number of particles from one time step to the other.
  • Im Laufe des vierten Vorgangs werden ein mittlerer Wert des Zustands der Teilchen und eine Standardabweichung berechnet, um zu prüfen, ob tatsächlich Konvergenz aufgetreten ist. Es kann zum Beispiel in Betracht gezogen werden, dass eine Konvergenz des Systems besteht, wenn die Standardabweichung kleiner ist als ein vorbestimmter Schwellenwert. Der mittlere Wert wird daher verwendet, um die geschätzten Werte der vier Parameter zu erhalten, und daher der vier Koeffizienten, die die Fahrspur 14 charakterisieren.In the course of the fourth process, an average value of the state of the particles and a standard deviation are calculated in order to check whether convergence has actually occurred. For example, it can be considered that the system is converging when the standard deviation is less than a predetermined threshold. The mean value is therefore used to obtain the estimated values of the four parameters, and therefore the four coefficients that make up the lane 14th characterize.
  • Bei den bekannten Systemen wird die Bahn, der das Kraftfahrzeug 20 folgen soll, immer ausgehend von den zwei fusionierten Markierungslinien, der rechten Li-dfus und der linken Li-gfus, geschätzt.In the known systems, the track that the motor vehicle 20th should follow, always starting from the two fused marker lines, the right Li-dfus and the left Li-g fus , estimated.
  • Hier besteht das erfindungsgemäße Verfahren auf unterschiedliche Art darin, eine unterschiedliche Schätzungsstrategie der Bahn T, der gefolgt werden soll, je nach der Qualität der rechten und linken Linie, die durch das Fusionsmodul 51 erhalten wurden, anzunehmen. Genauer genommen sieht das erfindungsgemäße Verfahren nach dem Fusionsschritt zwei komplementäre Schritte vor:
    • - einen Schritt des Schätzens eines Qualitätsindex Q(Li-dfus), der mit der fusionierten rechten Markierungslinie Li-dfus assoziiert ist, und eines Qualitätsindex Q(Li-gfus), der mit der fusionierten linken Markierungslinie Ligfus assoziiert ist; und
    • - einen Schätzungsschritt der Bahn T, der, in Abhängigkeit von den Werten, die für die Qualitätsindices Q(Li-dfus) und Q(Li-gfus), die derart geschätzt werden, erhalten werden, gefolgt werden soll.
    Here, the method according to the invention consists in different ways in using a different strategy for estimating the trajectory T to be followed, depending on the quality of the right and left lines passed by the fusion module 51 have been received. More precisely, the method according to the invention provides two complementary steps after the fusion step:
    • - a step of estimating a quality index Q (Li-DFUs) associated with the merged right marking line Li-DFUs, and a quality index Q (Li-gfus) associated with the merged left marking line Lig fus; and
    • - an estimation step of the trajectory T to be followed depending on the values obtained for the quality indices Q (Li-dfus) and Q (Li-gfus) thus estimated.
  • Jeder Qualitätsindex Q(Li-dfus) und Q(Li-gfus) wird bevorzugt mit Hilfe der folgenden Gleichungen geschätzt: Q ( Li d fus ) = C ( Li d fus ) * A ( Li d fus ) * T ( Li d fus )
    Figure DE102019110938A1_0004
    Q ( Li g fus ) = C ( Li g fus ) * A ( Li g fus ) * T ( Li g fus )
    Figure DE102019110938A1_0005
    in welchen
    • - C(Li-dfus), bzw. C(Li-gfus), ein erster Indikator ist, der für die Kohärenz zwischen den rechten Li-di bis Li-d4 , bzw. den linken Markierungslinien Li-g1 bis Li-g4 , , die durch die Sensoren i erfasst werden, repräsentativ ist;
    • - A(Li-dfus) bzw. A(Li-gfus) ein zweiter Indikator ist, der für eine Verfügbarkeitsrate (oder Aktivierungsrate) jedes Sensors i auf einem vordefinierten Zeitfenster repräsentativ ist;
    • - T(Li-dfus) bzw. T(Li-gfus) ein dritter Indikator ist, der für die zeitliche Kontinuität der fusionierten Parameter repräsentativ ist, die es erlauben, die fusionierte rechte Li-dfus bzw. linke Markierungslinie Li-dfus zu charakterisieren.
    Each quality index Q (Li-dfus) and Q (Li-gfus) is preferably estimated using the following equations: Q ( Li - d fus ) = C. ( Li - d fus ) * A. ( Li - d fus ) * T ( Li - d fus )
    Figure DE102019110938A1_0004
    Q ( Li - G fus ) = C. ( Li - G fus ) * A. ( Li - G fus ) * T ( Li - G fus )
    Figure DE102019110938A1_0005
    in which
    • - C (Li-dfus), or C (Li-gfus), is a first indicator for the coherence between the right Li-di to Li-d 4 , or the left marking lines Li-g 1 to Li-g 4 , detected by the sensors i is representative;
    • A (Li-dfus) or A (Li-gfus) is a second indicator which is representative of an availability rate (or activation rate) of each sensor i over a predefined time window;
    • - T (Li-dfus) or T (Li-gfus) is a third indicator which is representative of the temporal continuity of the fused parameters that allow the fused right Li-dfus or left marker line Li-dfus to be characterized .
  • Bei einer besonders vorteilhaften Umsetzung des erfindungsgemäßen Verfahrens wird vorgesehen, eine der drei folgenden Schätzungsstrategien anzuwenden:
    • - Strategie 1: Die Qualitätsindices Q(Li-dfus) und Q(Li-gfus), die für die zwei fusionierten Markierungslinien Li-dfus und Li-gfus geschätzt werden, sind beide größer als ein vorbestimmter Schwellenwert. In diesem Fall wird die Bahn T, der das Kraftfahrzeug 20 folgen soll, ausgehend von den zwei fusionierten Markierungslinien, der rechten Li-dfus und der linken Li-gfus, geschätzt.
    • - Strategie 2: Nur einer der Qualitätsindices Q(Li-dfus) und Q(Li-gfus), die für die zwei fusionierten Markierungslinien Li-dfus und Li-gfus geschätzt werden, ist größer als ein vorbestimmter Schwellenwert. In diesem Fall wird vorteilhafterweise vorgesehen, die Bahn T, der gefolgt werden soll, ausgehend von dieser fusionierten Markierungslinie, für die der Vertrauensindex größer ist als der Schwellenwert, zu schätzen. Mit anderen Worten wird die fusionierte Markierungslinie mit dem geringen Vertrauensindex nicht berücksichtigt, um die Bahn T, der gefolgt werden soll, zu berechnen.
    • - Strategie 3: Die Qualitätsindices Q(Li-dfus) und Q(Li-gfus), die für die zwei fusionierten Markierungslinien Li-dfus und Li-gfus geschätzt werden, sind beide kleiner als der vorbestimmte Schwellenwert. In diesem Fall wird keine der fusionierten Markierungslinien Li-dfus und Li-gfus, die durch das Modul 50 erhalten werden, zum Schätzen der Bahn T, der gefolgt werden soll, verwendet. Auf unterschiedliche Art wird die Bahn T, der das Kraftfahrzeug 20 folgen soll, ausgehend von einer Extrapolation Tpredic der Bahn, der das Kraftfahrzeug bisher folgte, geschätzt.
    In a particularly advantageous implementation of the method according to the invention, one of the following three estimation strategies is used:
    • - Strategy 1 : The quality indices Q (Li-dfus) and Q (Li-gfus), which are estimated for the two fused marker lines Li-dfus and Li- gfus , are both greater than a predetermined threshold value. In this case, the trajectory T becomes the motor vehicle 20th should follow, based on the two fused marker lines, the right Li-dfus and the left Li-g fus , estimated.
    • - Strategy 2 : Only one of the quality indices Q (Li-dfus) and Q (Li-gfus), which are estimated for the two fused marker lines Li-dfus and Li- gfus , is greater than a predetermined threshold value. In this case, provision is advantageously made for the trajectory T to be followed to be estimated on the basis of this merged marking line for which the confidence index is greater than the threshold value. In other words, the merged marker line with the low confidence index is not taken into account in order to calculate the trajectory T to be followed.
    • - Strategy 3 : The quality indexes Q (Li-dfus) and Q (Li-g fus ), which are estimated for the two fused marker lines Li-dfus and Li-g fus , are both smaller than the predetermined threshold value. In this case, none of the merged marker lines Li-dfus and Li-g fus , which run through the module 50 are used to estimate the trajectory T to be followed. In different ways, the track T that the motor vehicle 20th should follow, based on an extrapolation T predic of the path that the motor vehicle has previously followed, estimated.
  • Um diese komplementären Schritte umzusetzen, kann der Rechner 30 insbesondere, wie auf 2 sichtbar, ein Verwaltungsmodul 60 der Fehler und ein Auswahlmodul 70 der anzunehmenden Schätzungsstrategie umfassen.In order to implement these complementary steps, the computer can 30th in particular how on 2 visible, a management module 60 the bug and a selection module 70 the assumed estimation strategy.
  • Das Verwaltungsmodul 60 der Fehler umfasst Folgendes:
    • - ein erstes Untermodul 61, das am Eingang insbesondere die unterschiedlichen Parameter empfängt, die für jeden Sensor 21, 22, 23, 24 verwendet werden, um die rechten Li-di bis Li-d4 und linken Markierungslinien Li-g1 bis Li-g4 , die von diesen Sensoren erfasst werden, zu charakterisieren;
    • - ein zweites Untermodul 62, das einerseits Daten empfängt, die von dem ersten Untermodul 61 geliefert werden, und andererseits die Daten, die aus dem Modul 51 hervorgehen, die die fusionierte rechte Markierungslinie und die fusionierte linke Markierungslinie charakterisieren.
    The management module 60 the error includes the following:
    • - a first sub-module 61 that receives at the input in particular the different parameters that are required for each sensor 21st , 22nd , 23 , 24 used to be the right Li-di to Li-d 4 and left marker lines Li-g 1 to Li-g 4 to characterize detected by these sensors;
    • - a second sub-module 62 , which on the one hand receives data from the first sub-module 61 and on the other hand the data coming from the module 51 that characterize the fused right marker line and the fused left marker line.
  • Das erste Untermodul 61 ist geeignet, um die Daten zu vergleichen, die aus den unterschiedlichen Sensoren hervorgehen, so dass insbesondere die Konsistenz der Koeffizienten, die jede rechte und/oder linke Markierungslinie, die von den unterschiedlichen Sensoren erfasst werden, berücksichtigt wird. Es ist daher das erste Untermodul 61, das geeignet sein wird, den ersten Indikator C(Li-dfus) bzw. C(Li-gfus) zu ermitteln, der für die Kohärenz zwischen den rechten Li-di bis Li-d4 , bzw. den linken Markierungslinien Li-g1 bis Li-g4 , die von den Sensoren i erfasst werden, repräsentativ ist. Dieser erste Indikator wird zum Beispiel in Abhängigkeit von einem Mahalanobis-Abstand, der alle rechten Markierungslinien Li-di bis Li-d4 , bzw. linken Markierungslinien Li-g1 bis Li-g4 trennt, die tatsächlich von den Sensoren erfasst wurden, berechnet.The first sub-module 61 is suitable for comparing the data that emerge from the different sensors, so that in particular the consistency of the coefficients, which each right and / or left marking line, which are detected by the different sensors, is taken into account. It is therefore the first sub-module 61 , which will be suitable to determine the first indicator C (Li-dfus) or C (Li-gfus), which is responsible for the coherence between the right Li-di to Li-d 4 , or the left marking lines Li-g 1 to Li-g 4 detected by the sensors i is representative. This first indicator is, for example, a function of a Mahalanobis distance, which is all marking lines on the right Li-di to Li-d 4 , or left marking lines Li-g 1 to Li-g 4 that were actually recorded by the sensors.
  • Außerdem können unterschiedliche Fehler für jeden Sensor, seien sie dauerhaft oder vorübergehend, erfasst werden, wie:
    • - eine Kalibrierung des Sensors;
    • - eine Zeitspanne, während der ein Sensor deaktiviert ist;
    • - eine sogenannte „positive Fehlerfassung“, wenn ein Sensor etwas erfasst, das nicht existiert und daher nicht von den anderen Sensoren erfasst wird;
    • - eine sogenannte „negative Fehlerfassung“, wenn ein Sensor etwas nicht erfasst, das von den anderen Sensoren erfasst wird.
    In addition, different errors can be recorded for each sensor, be they permanent or temporary, such as:
    • - a calibration of the sensor;
    • a period of time during which a sensor is deactivated;
    • - a so-called "positive error detection", when one sensor detects something that does not exist and is therefore not detected by the other sensors;
    • - A so-called "negative error detection", when one sensor does not detect something that is detected by the other sensors.
  • Diese Fehler werden von dem ersten Untermodul 61 berücksichtigt, um insbesondere die Gewichte Wi zu aktualisieren, die jedem Sensor i für das Fusionsuntermodul 51 zugewiesen werden.These errors are from the first sub-module 61 is taken into account, in particular, to update the weights Wi assigned to each sensor i for the fusion sub-module 51 be assigned to.
  • Außerdem ist das erste Untermodul 61 geeignet, um den zweiten Indikator A(Li-dfus) bzw. A(Li-gfus) zu bestimmen, der für eine Verfügbarkeitsrate (oder Aktivierungsrate) jedes Sensors i auf einem zeitlich vordefinierten Fenster repräsentativ ist.Also is the first sub-module 61 suitable for determining the second indicator A (Li-dfus) or A (Li-gfus), which is representative of an availability rate (or activation rate) of each sensor i on a time-predefined window.
  • Die ersten Indikatoren und die zweiten Indikatoren werden daher zu dem zweiten Untermodul 62, wie in 2 sichtbar, geliefert. Wie oben angegeben, empfängt dieses zweite Untermodul 62 auch die Daten, die aus dem Modul 51 hervorgehen, die die fusionierte rechte Markierungslinie Li-dfus und die fusionierte linke Markierungslinie Li-dfus charakterisieren. Es ist daher geeignet, um den dritten Indikator T(Li-dfus) bzw. T(Li-gfus), der für die zeitliche Kontinuität der fusionierten Parameter repräsentativ ist, zu berechnen. Dieser dritte Indikator erlaubt es, zu starke zeitliche Abweichungen der fusionierten Parameter zu sanktionieren. Seine Berechnung basiert zum Beispiel auf der Kullback-Leibler-Divergenz der fusionierten Wahrscheinlichkeiten, die durch das Untermodul 51 für jeden Parameter oder Koeffizienten erhalten werden.The first indicators and the second indicators therefore become the second sub-module 62 , as in 2 visible, delivered. As indicated above, this second sub-module receives 62 also the data coming from the module 51 emerge, which characterize the fused right marker line Li-dfus and the fused left marker line Li-dfus. It is therefore suitable for calculating the third indicator T (Li-dfus) or T (Li-g fus ), which is representative of the temporal continuity of the merged parameters. This third indicator makes it possible to sanction excessive temporal deviations in the merged parameters. Its calculation is based, for example, on the Kullback-Leibler divergence of the fused probabilities generated by the sub-module 51 can be obtained for each parameter or coefficient.
  • Das zweite Untermodul 62 ist dann folglich in der Lage, ausgehend von diesen drei Indikatoren die oben genannten Qualitätsindices Q(Li-dfus) und Q(Ligfus) für die zwei fusionierten Markierungslinien Li-dfus und Li-gfus, zu schätzen und die geschätzten Werte dieser Indices zu dem Auswahlmodul 70 der anzunehmenden Schätzungsstrategie zu liefern.The second sub-module 62 is then able, based on these three indicators, to estimate the above-mentioned quality indices Q (Li-dfus) and Q (Lig fus ) for the two merged marker lines Li-dfus and Li-g fus , and the estimated values of these indices to the selection module 70 the assumed estimation strategy.
  • Durch Vergleichen der Qualitätsindices Q(Li-dfus) und Q(Li-gfus) mit einem vorbestimmten Schwellenwert, kann das Modul 70 die zu befolgende Strategie unter den drei oben genannten Strategien auswählen und ein Signal Sstrat, das für die ausgewählte Strategie repräsentativ ist, zu dem Fusions- und Verfolgungsmodul 50 zu liefern.By comparing the quality indices Q (Li-dfus) and Q (Li-g fus ) with a predetermined threshold value, the module 70 select the strategy to be followed among the three strategies mentioned above and send a signal Sstrat representative of the chosen strategy to the fusion and tracking module 50 to deliver.
  • 3 gibt rein veranschaulichend einige Beispiele von Strategien in Abhängigkeit von den erhaltenen fusionierten Markierungslinien: Jedes Beispiel (a) bis (e) veranschaulicht schematisch in unterbrochenen Strichen eine Darstellung in Draufsicht der rechten Li-di und/oder linken Markierungslinie Li-g1 , wie sie durch einen ersten Sensor erfasst werden, und in durchgehenden Strichen eine Darstellung in Draufsicht der rechten Li-d2 und/oder der linken Markierungslinie Li-g2 , wie sie durch einen zweiten Sensor erfasst werden. 3 gives, purely by way of illustration, some examples of strategies depending on the fused marking lines obtained: Each example (a) to (e) illustrates schematically in broken lines a representation in plan view of the right Li-di and / or left marking line Li-g 1 as they are detected by a first sensor, and in continuous lines a representation in plan view of the right Li-d 2 and / or the left marking line Li-g 2 as detected by a second sensor.
  • In dem Fall des Beispiels (a) haben die beiden Sensoren die linke und rechte Linie, die die Fahrspur abgrenzen, richtig erkannt, und diese Linien sind miteinander kohärent. In diesem Fall werden die Vertrauensindices, die für die fusionierte rechte Markierungslinie und für die fusionierte linke Markierungslinie erhalten werden, derart maximal, dass sich das Modul 70 für die Strategie 1 entscheiden kann, gemäß der die Bahn T, der gefolgt werden soll, ausgehend von den zwei fusionierten Markierungslinien geschätzt wird.In the case of the example (a), the two sensors have correctly detected the left and right lines delimiting the lane, and these lines are coherent with each other. In this case, the confidence indices that are obtained for the fused right marking line and for the fused left marking line are maximal in such a way that the module 70 for the strategy 1 can decide according to which the trajectory T to be followed is estimated starting from the two fused marker lines.
  • Das Beispiel (b) unterscheidet sich von dem Beispiel (a) durch die Tatsache, dass die rechten Markierungslinien Li-di und Li-d2 miteinander nicht kohärent sind. Hier ist nur der Vertrauensindex, der mit der fusionierten linken Markierungslinie assoziiert ist, größer als der vorbestimmte Schwellenwert, so dass sich das Modul 70 für die Strategie 2 entscheidet, gemäß der die Bahn T, der gefolgt werden soll, ausgehend von der linken Markierungslinie geschätzt wird.Example (b) differs from example (a) in that the right-hand marking lines Li-di and Li-d 2 are not coherent with each other. Here only the confidence index associated with the merged left marker line is greater than the predetermined threshold, so that the module 70 for the strategy 2 decides according to which the trajectory T to be followed is estimated starting from the left marker line.
  • Das Beispiel (c) unterscheidet sich von dem Beispiel (a) durch die Tatsache, dass keiner der zwei Sensoren rechts eine Markierungslinie erfasst hat. Hier ist nur der Vertrauensindex, der mit der fusionierten linken Markierungslinie assoziiert ist, größer als der vorbestimmte Schwellenwert, so dass sich das Modul 70 für die Strategie 2 entscheidet, gemäß der die Bahn T, der gefolgt werden soll, ausgehend von der linken Markierungslinie geschätzt wird.The example (c) differs from the example (a) by the fact that neither of the two sensors on the right has detected a marking line. Here only the confidence index associated with the merged left marker line is greater than the predetermined threshold, so that the module 70 for the strategy 2 decides according to which the trajectory T to be followed is estimated starting from the left marker line.
  • In dem Fall des Beispiels (e) erfassen beide Sensoren zwar eine Markierungslinie rechts und eine Markierungslinie links, aber die erfassten Linien sind sehr unterschiedlich (Kohärenzmangel). In diesem Fall sind die zwei resultierenden Vertrauensindices gering und kleiner als der vorbestimmte Schwellenwert. Das Modul 70 entscheidet sich folglich für die Strategie 3. Die fusionierte rechte und linke Markierungslinie werden hier nicht berücksichtigt. Die Bahn T, der gefolgt werden soll, wird ausgehend von einer Historie der Bahn, der das Kraftfahrzeug folgt, geschätzt.In the case of example (e), both sensors detect a marking line on the right and a marking line on the left, but the recorded lines are very different (lack of coherence). In this case, the two resulting confidence indices are low and less than the predetermined threshold. The module 70 consequently chooses the strategy 3 . The merged right and left marking lines are not taken into account here. The trajectory T to be followed is estimated based on a history of the trajectory that the motor vehicle is following.
  • Genauer genommen kann ausgehend von den Geschwindigkeitsparametern, die von dem Modul 25 (2) geliefert werden, und der Bahn, der das Kraftfahrzeug 20 bisher folgte, eine extrapolierte Bahn Tpredic bestimmt werden, die der Bahn T, die befolgt werden soll, mindestens während einigen Sekunden entspricht, bevor eventuell der Fahrer wieder die Kontrolle übernimmt oder ein MRM-Prozess (die Angelsächsischen Anfangsbuchstaben für Minimum Risk Maneuver) begonnen wird.More precisely, on the basis of the speed parameters that the module 25th ( 2 ) will be delivered, and the railway that the motor vehicle 20th So far, an extrapolated trajectory T predic can be determined, which corresponds to the trajectory T to be followed for at least a few seconds before the driver may take control again or an MRM process (the Anglo-Saxon initials for Minimum Risk Maneuver) started becomes.
  • Schließlich unterscheidet sich das Beispiel (e) von dem Beispiel (c) durch die Tatsache, dass nur die linken Markierungslinien, die von den zwei Sensoren erfasst werden, miteinander nicht kohärent sind. Auch hier sind die zwei resultierenden Vertrauensindices gering und kleiner als der vorbestimmte Schwellenwert, und das Modul 70 entscheidet sich folglich für die Strategie 3.Finally, the example (e) differs from the example (c) in the fact that only the left-hand marking lines that are detected by the two sensors are not coherent with one another. Here, too, the two resulting confidence indices are low and less than the predetermined threshold value, and the modulus 70 consequently chooses the strategy 3 .
  • Auf jeden Fall wird die Bahn T, der gefolgt werden soll, zu der autonomen Steuereinheit 40 des Kraftfahrzeugs übertragen.In any case, the trajectory T to be followed becomes the autonomous control unit 40 of the motor vehicle.
  • Versuche haben es erlaubt zu zeigen, dass die Berücksichtigung der Qualität der fusionierten Linien einerseits rechts und andererseits links zum Definieren der Bahn, der gefolgt werden soll, es erlaubt, die unerwünschten Verhaltensweisen zu vermeiden, die eingangs erwähnt wurden, wie die seitlichen Schwingungserscheinungen des Kraftfahrzeugs oder die Tatsache, dass das Fahrzeug automatisch eine Ausfahrt befährt, während es auf dieser Straße weiterfahren sollte. Die vorliegende Erfindung ist in keiner Weise auf die beschriebene und dargestellte Ausführungsform beschränkt, aber der Fachmann versteht es, jede erfindungsgemäße Variante beizusteuern.Tests have made it possible to show that taking into account the quality of the merged lines on the one hand on the right and on the other hand to define the path to be followed makes it possible to avoid the undesirable behaviors that were mentioned at the beginning, such as the lateral vibration phenomena of the motor vehicle or the fact that the vehicle is automatically taking an exit while it should continue on that road. The present invention is in no way limited to the embodiment described and illustrated, but the person skilled in the art understands how to contribute each variant according to the invention.

Claims (10)

  1. Fahrunterstützungsverfahren durch automatische Steuerung einer Bahn (T), der ein Kraftfahrzeug (20) bezüglich mindestens einer Fahrspur (14) folgen soll, wobei das Verfahren die folgenden Schritte umfasst: - Erfassen von Daten durch mindestens zwei separate Sensoren (21, 22, 23, 24), die auf dem Kraftfahrzeug (20) mitgeführt werden; - Bestimmen, für jeden Parameter einer Mehrzahl charakteristischer Parameter der Fahrspur (14), eines Werts für jeden Sensor (21, 22, 23, 24) ausgehend von den Daten, die derart aufgenommen werden, dass eine rechte Markierungslinie (Li-di bis Li-d4) und eine linke Markierungslinie (Li-g1 bis Li-g4), die die Fahrspur (14) abgrenzen und die von jedem Sensor (21, 22, 23, 24) erfasst werden, charakterisiert werden; - Fusion der für jeden Parameter durch die Sensoren erhaltenen Werte derart, dass eine fusionierte rechte Markierungslinie (Li-dfus) und eine fusionierte linke Markierungslinie (Li-gfus), die die Fahrspur (14) abgrenzen, charakterisiert werden; - Schätzen eines Qualitätsindex, der mit jeder der fusionierten rechten (Li-dfus) und linken Markierungslinie (Li-gfus) assoziiert ist; und - Schätzen der Bahn (T), der das Kraftfahrzeug (20) in Abhängigkeit von den geschätzten Qualitätsindices folgen soll.Driving support method by automatically controlling a path (T) that a motor vehicle (20) is to follow with respect to at least one lane (14), the method comprising the following steps: - Acquisition of data by at least two separate sensors (21, 22, 23, 24) which are carried on the motor vehicle (20); - Determination, for each parameter of a plurality of characteristic parameters of the lane (14), a value for each sensor (21, 22, 23, 24) on the basis of the data that are recorded in such a way that a right-hand marking line (Li-di to Li -d 4 ) and a left marking line (Li-g 1 to Li-g 4 ), which delimit the lane (14) and which are detected by each sensor (21, 22, 23, 24), are characterized; - Fusion of the values obtained by the sensors for each parameter in such a way that a fused right marking line (Li-dfus) and a fused left marking line (Li-g fus ), which delimit the lane (14), are characterized; - estimating a quality index associated with each of the fused right (Li-dfus) and left marker lines (Li-g fus ); and - estimating the path (T) which the motor vehicle (20) is to follow as a function of the estimated quality indices.
  2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Bahn (T), der das Kraftfahrzeug (20) folgen soll, ausgehend von den zwei fusionierten Markierungslinien, nämlich der rechten (Li-dfus) und der linken (Ligfus) geschätzt wird, wenn die Qualitätsindices, die mit den zwei fusionierten Markierungslinien assoziiert sind, größer sind als ein vorbestimmter Schwellenwert.Procedure according to Claim 1 , characterized in that the trajectory (T) that the motor vehicle (20) is to follow is estimated from the two fused marking lines, namely the right (Li-dfus) and the left (Lig fus ) if the quality indices that associated with the two fused marker lines are greater than a predetermined threshold.
  3. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass, falls nur der Qualitätsindex, der mit einer der fusionierten rechten und linken Markierungslinien assoziiert ist, größer ist als ein vorbestimmter Schwellenwert, die Bahn (T), der das Kraftfahrzeug (20) folgen soll, ausgehend von der entsprechenden fusionierten Markierungslinie geschätzt wird.Procedure according to Claim 1 , characterized in that if only the quality index associated with one of the merged right and left marking lines is greater than a predetermined threshold value, the trajectory (T) that the motor vehicle (20) is to follow starting from the corresponding merged one Marking line is estimated.
  4. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Bahn (T), der das Kraftfahrzeug (20) folgen soll, ausgehend von einer Extrapolation der Bahn, der das Kraftfahrzeug (20) bisher folgte, geschätzt wird, wenn die Qualitätsindices, die mit den zwei fusionierten Markierungslinien assoziiert sind, kleiner sind als ein vorbestimmter Schwellenwert.Procedure according to Claim 1 , characterized in that the trajectory (T) that the motor vehicle (20) is to follow is estimated on the basis of an extrapolation of the trajectory that the motor vehicle (20) has followed so far when the quality indices associated with the two fused marking lines are less than a predetermined threshold.
  5. Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass der Qualitätsindex, der mit jeder der rechten (Li-dfus) und linken (Li-gfus) fusionierten Markierungslinien assoziiert ist, in Abhängigkeit von einem ersten Indikator, der für die Kohärenz zwischen den rechten (Li-di bis Li-d4) bzw. linken Markierungslinien (Li-g1 bis Li-g4), die von den Sensoren erfasst werden, von einem zweiten Indikator, der für eine Verfügbarkeitsrate jedes Sensors auf einem vordefinierten Zeitfenster repräsentativ ist, und von einem dritten Indikator, der für die zeitliche Kontinuität der fusionierten Parameter repräsentativ ist, die es erlauben, die fusionierte rechte (Li-dfus) bzw. linke Markierungslinie (Li-dfus) zu charakterisieren, geschätzt wird.A method according to any one of the preceding claims, characterized in that the quality index associated with each of the right (Li-dfus) and left (Li-g fus ) fused marker lines is dependent on a first indicator which is for the coherence between the right (Li-di to Li-d 4 ) or left-hand marking lines (Li-g 1 to Li-g 4 ), which are detected by the sensors, by a second indicator that is representative of an availability rate of each sensor over a predefined time window is, and is estimated by a third indicator, which is representative of the temporal continuity of the fused parameters, which allow the fused right (Li-dfus) and left marker line (Li-dfus) to be characterized.
  6. Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass der erste Indikator in Abhängigkeit von einem Mahalanobis-Abstand, der die rechten (Li-di bis Li-d4) bzw. linken Markierungslinien (Li-g1 bis Li-g4), trennt, die von den Sensoren erfasst werden, berechnet wird.Procedure according to Claim 5 , characterized in that the first indicator as a function of a Mahalanobis distance, which separates the right (Li-di to Li-d 4 ) or left marking lines (Li-g 1 to Li-g 4 ), which from the Sensors are detected, is calculated.
  7. Verfahren nach einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass die Parameter der Mehrzahl von Parametern die Breite (L1) der Fahrspur (14), der Krümmungsradius (Rc) der Fahrspur (14), der Seitenabstand (L2) zwischen dem Kraftfahrzeug (20) und einem der Ränder der Fahrspur (14) und der Angriffswinkel (α) des Kraftfahrzeugs (20) bezüglich der Fahrspur (14) sind.Method according to one of the preceding claims, characterized in that the parameters of the plurality of parameters the width (L1) of the lane (14), the radius of curvature (Rc) of the Lane (14), the lateral distance (L2) between the motor vehicle (20) and one of the edges of the lane (14) and the angle of attack (α) of the motor vehicle (20) with respect to the lane (14).
  8. Fahrunterstützungssystem durch automatische Steuerung einer Bahn (T), der ein Kraftfahrzeug (20) bezüglich mindestens einer Fahrspur (14) folgen soll, wobei das System Folgendes umfasst: - mindestens zwei separate Sensoren (21, 22, 23, 24), die auf dem Kraftfahrzeug (20) mitgeführt werden und konfiguriert sind, um für jeden Parameter einer Mehrzahl charakteristischer Parameter der Fahrspur (14) einen Wert für jeden Sensor (21, 22, 23, 24) ausgehend von den aufgenommenen Daten derart zu bestimmen, dass eine rechte (Li-di bis Lid4) und eine linke Markierungslinie (Li-g1 bis Li-g4), die die Fahrspur (14) abgrenzen und die von jedem der Sensoren (21, 22, 23, 24) erfasst wird, charakterisiert werden; - ein Fusionsmodul (50), das konfiguriert ist, um die für jeden Parameter durch die Sensoren erhaltenen Werte derart zu fusionieren, dass eine fusionierte rechte Markierungslinie (Li-dfus) und eine fusionierte linke Markierungslinie (Li-gfus), die die Fahrspur (14) abgrenzen, charakterisiert werden; - ein Verwaltungsmodul (60) der Fehler, das konfiguriert ist, um einen Qualitätsindex zu schätzen, der mit jeder der fusionierten rechten (Li-dfus) und linken Markierungslinie (Li-gfus) assoziiert ist, wobei das System konfiguriert ist, um die Bahn (T), der das Kraftfahrzeug (20) folgen soll, in Abhängigkeit von den geschätzten Qualitätsindices zu schätzen.Driving support system by automatically controlling a path (T) which a motor vehicle (20) is to follow with respect to at least one lane (14), the system comprising: - at least two separate sensors (21, 22, 23, 24) which are on the Motor vehicle (20) are carried and configured to determine a value for each sensor (21, 22, 23, 24) for each parameter of a plurality of characteristic parameters of the lane (14) based on the recorded data in such a way that a right ( Li-di to Lid 4 ) and a left marking line (Li-g 1 to Li-g 4 ), which delimit the lane (14) and which is detected by each of the sensors (21, 22, 23, 24), can be characterized ; - A fusion module (50) configured to merge the values obtained by the sensors for each parameter in such a way that a fused right marker line (Li-d fus ) and a fused left marker line (Li-g fus ) that enclose the Delimit lane (14), be characterized; - an error management module (60) configured to estimate a quality index associated with each of the fused right (Li-dfus) and left marker lines (Li-g fus ), the system configured to manage the Estimating the path (T) that the motor vehicle (20) should follow as a function of the estimated quality indices.
  9. Computerprogramm, das Programmcodemittel umfasst, um das Verfahren nach einem der Ansprüche 1 bis 7 umzusetzen, wenn das Programm auf einem Computer läuft.Computer program comprising program code means to perform the method according to one of the Claims 1 to 7th implemented when the program is running on a computer.
  10. Computerprogrammprodukt, das Programmcodemittel umfasst, das auf einem Medium, das durch einen Computer lesbar ist, gespeichert ist, um das Verfahren nach einem der Ansprüche 1 bis 7 umzusetzen, wenn das Programmprodukt auf einem Computer läuft.Computer program product comprising program code means which is stored on a medium which is readable by a computer, in order to implement the method according to one of the Claims 1 to 7th implemented when the program product runs on a computer.
DE102019110938.8A 2019-04-29 2019-04-29 Automatic control of a path that a motor vehicle should follow in relation to a lane Pending DE102019110938A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102019110938.8A DE102019110938A1 (de) 2019-04-29 2019-04-29 Automatic control of a path that a motor vehicle should follow in relation to a lane

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102019110938.8A DE102019110938A1 (de) 2019-04-29 2019-04-29 Automatic control of a path that a motor vehicle should follow in relation to a lane

Publications (1)

Publication Number Publication Date
DE102019110938A1 true DE102019110938A1 (de) 2020-10-29

Family

ID=72839946

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102019110938.8A Pending DE102019110938A1 (de) 2019-04-29 2019-04-29 Automatic control of a path that a motor vehicle should follow in relation to a lane

Country Status (1)

Country Link
DE (1) DE102019110938A1 (de)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013105046A1 (de) * 2012-07-30 2014-01-30 GM Global Technology Operations LLC Target track selection method using navigation input in road change scenarios
DE102016211730A1 (de) * 2016-06-29 2018-01-04 Continental Teves Ag & Co. Ohg Method for predicting a lane course of a roadway

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013105046A1 (de) * 2012-07-30 2014-01-30 GM Global Technology Operations LLC Target track selection method using navigation input in road change scenarios
DE102016211730A1 (de) * 2016-06-29 2018-01-04 Continental Teves Ag & Co. Ohg Method for predicting a lane course of a roadway

Similar Documents

Publication Publication Date Title
DE102013105046B9 (de) Target track selection method by means of navigation input in road change scenarios
DE102015111535B4 (de) Algorithm for precise curvature estimation for the path planning of autonomous vehicles
EP2758296B1 (de) Verfahren zur klassifikation von parkszenarien für ein einparksystem eines kraftfahrzeugs
DE112017000787T5 (de) Method for controlling the movement of a vehicle and vehicle control system
EP2240354B1 (de) Vorrichtung, verfahren und computerprogramm zur kollisionsvermeidung oder zur verminderung der kollisionsschwere infolge einer kollision für fahrzeuge, insbesondere nutzfahrzeuge
DE4410406C2 (de) Optoelectronic device for monitoring the surroundings of a vehicle
DE19650863C1 (de) Method and device for detecting a vertical misalignment of a distance sensor
DE69937699T2 (de) Device for monitoring the environment of a vehicle
DE19823303B4 (de) Coil management for an adaptive cruise control system
EP1758755B1 (de) Verfahren und vorrichtung zur fahrerunterstützung
DE102014218565B4 (de) Method and device for adaptive speed and / or distance control of a vehicle
DE102010030213B4 (de) Parking aid system for perpendicular parking spaces
DE102010050474B4 (de) Method for determining the drawbar length of a trailer of a towing vehicle and use of this method
EP1298454B1 (de) Verfahren zur Erkennung und Verfolgung von Objekten
DE112006002262B4 (de) A method of assisting a driver to overcome a route
DE602004007083T2 (de) Driver adaptive collision warning system
EP2504209B1 (de) Verfahren zur schätzung des rollwinkels in einem fahrenden fahrzeug
DE112009003144B4 (de) Method and device for detecting an obstacle in an image
DE69915039T2 (de) METHOD FOR RECONFIGURING IN REAL-TIME AIRPLANE FLIGHTS
EP1926654B1 (de) Verfahren und vorrichtung zum lenken eines kraftfahrzeugs
DE602005005373T2 (de) Adaptive speed control with lateral acceleration limitation
DE102014212962A1 (de) Vehicle and method for controlling a vehicle
DE102014211450A1 (de) Track monitoring with electronic horizon
DE112010003874B4 (de) vehicle control
EP3027479B1 (de) Bereitstellen eines umfeldmodells beim ausfall eines sensors eines fahrzeugs

Legal Events

Date Code Title Description
R163 Identified publications notified