DE102019111383A1

DE102019111383A1 - Verfahren zur effizienten volumetrischen integration für 3d-sensoren

Info

Publication number: DE102019111383A1
Application number: DE102019111383.0A
Authority: DE
Inventors: Michael Slutsky; Daniel I. Dobkin
Original assignee: GM Global Technology Operations LLC
Current assignee: GM Global Technology Operations LLC
Priority date: 2018-05-15
Filing date: 2019-05-02
Publication date: 2019-11-21
Also published as: US20190353778A1; CN110481559A; US10816659B2; CN110481559B

Abstract

Ein Fahrzeug, System und Verfahren zum Kartieren der Umgebung offenbart. Das System beinhaltet einen Sensor und einen Prozessor. Der Sensor ist ausgestaltet, um eine Erkennung von einem Objekt in einer das Fahrzeug umgebenden Umgebung zu erhalten. Der Prozessor ist ausgestaltet, um eine Vielzahl von radialen Komponenten und eine Vielzahl von Winkelkomponenten für ein positives inverses Sensormodell (ISM) eines Belegungsgitters zu berechnen, um eine radiale Komponente, die einem Bereich der Erfassung aus der Vielzahl von radialen Komponenten entspricht und eine Winkelkomponente, die einem Winkel der Erfassung aus der Vielzahl von Winkelkomponenten entspricht, auszuwählen und um die ausgewählte radiale Komponente und die ausgewählte Winkelkomponente zu multiplizieren, um ein Belegungsgitter für die Erfassung zu erzeugen und um die Umgebung unter Verwendung des Belegungsgitters zu kartieren.

Description

EINLEITUNG
Der Gegenstand der Offenbarung bezieht sich auf Verfahren zum Kartieren einer Umgebung unter Verwendung eines oder mehrerer Radarsysteme und insbesondere auf das Verwenden eines negativen inversen Sensormodells, das über eine Quad-Tree-Struktur aktualisierbar ist, um ein Belegungsgitter zum Darstellen der Umgebung zu bilden.
Radarsysteme können an Fahrzeugen eingesetzt werden, um Objekte in einer Umgebung des Fahrzeugs zum Zwecke der Umgebungskartierung oder um Objekte in der Umgebung zu erfassen. Solche Karten können verwendet werden, um das Fahrzeug durch die Umgebung zu navigieren, ohne mit Objekten in der Umgebung in Berührung zu kommen. Ein Verfahren zum Verarbeiten von Radarsignalen beinhaltet das Erstellen eines volumetrischen Belegungsgitters, das Standorte des Objekts in der Form von Wahrscheinlichkeiten, die auf Erkennungen des Radarsystems basieren, erfasst. Das Belegungsgitter kann mit einem dualen inversen Sensormodell (ISM) erstellt und aktualisiert werden, das ein positives ISM und ein negatives ISM beinhaltet. Ein wichtiger Aspekt bei dem Kartieren einer Umgebung unter Verwendung eines Belegungsgitters ist die Möglichkeit, das Belegungsgitter zu aktualisieren, um den aktuellen Zustand der Umgebung und der Objekte in der Umgebung wiederzugeben. Dementsprechend ist es wünschenswert, ein Verfahren zum Abbilden der Umgebung bereitzustellen, das zumindest das negative ISM schnell und effizient aktualisiert.
KURZDARSTELLUNG
In einer exemplarischen Ausführungsform wird ein Verfahren zum Kartieren der Umgebung offenbart. Das Verfahren beinhaltet das Berechnen einer Vielzahl von radialen Komponenten und einer Vielzahl von Winkelkomponenten für ein positives inverses Sensormodell (ISM) eines Belegungsgitters, das Erhalten einer Erfassung an einem Sensor von einem Objekt in einer das Fahrzeug umgebenden Umgebung, das Auswählen einer radialen Komponente, die einem Bereich der Erfassung aus der Vielzahl von radialen Komponenten entspricht, und das Auswählen einer Winkelkomponente, die einem Winkel der Erfassung aus der Vielzahl von Winkelkomponenten entspricht, das Multiplizieren der ausgewählten radialen Komponente und der ausgewählten Winkelkomponente, um ein Belegungsgitter für die Erfassung zu erzeugen, und das Kartieren der Umgebung unter Verwendung des Belegungsgitters.
Zusätzlich zu einem oder mehreren der hierin beschriebenen Merkmale umfasst das ISM ferner ein negatives ISM und ein Wahrscheinlichkeitswert des negativen ISM wird unter Verwendung einer Quad-Tree-Struktur des Belegungsgitters zugeordnet. Ein Knoten der Quad-Tree-Struktur entspricht einem Raumwinkel und eine erste Ebene der Quad-Tree-Struktur beinhaltet Raumwinkelablagefächer, die kombiniert werden, um ein Sichtfeld des Sensors abzudecken. Das Verfahren beinhaltet ferner das Aufteilen eines Raumwinkelablagefachs auf einer Ebene der Quad-Tree-Struktur in eine Vielzahl von Raumwinkeln auf einer Ebene der Quad-Tree-Struktur, wenn das Raumwinkelablagefach auf der Ebene die Erkennung beinhaltet. Das Verfahren beinhaltet ferner das Zuordnen eines Wahrscheinlichkeitswertes zu einem Raumwinkelablagefach, für den es keine Erkennung gibt, wobei der Wahrscheinlichkeitswert eine Abwesenheit der Erkennung in dem Raumwinkelablagefach widerspiegelt. Das Verfahren beinhaltet ferner das Kombinieren der Wahrscheinlichkeitswerte aus dem negativen ISM mit einem Wahrscheinlichkeitswert aus dem positiven ISM zum Erstellen des Belegungsgitters. In verschiedenen Ausführungsformen beinhaltet das Verfahren das Navigieren des Fahrzeugs in Bezug auf das Objekt basierend auf dem Kartieren der Umgebung.
In einer weiteren exemplarischen Ausführungsform wird ein System zum Kartieren einer Umgebung an einem Fahrzeug offenbart. Das System beinhaltet einen Sensor und einen Prozessor. Der Sensor ist ausgestaltet, um eine Erkennung von einem Objekt in einer Umgebung, die das Fahrzeug umgibt, zu erhalten. Der Prozessor ist ausgestaltet, um eine Vielzahl von radialen Komponenten und eine Vielzahl von Winkelkomponenten für ein positives inverses Sensormodell (ISM) eines Belegungsgitters zu berechnen, um eine radiale Komponente, die einem Bereich der Erfassung aus der Vielzahl von radialen Komponenten entspricht und eine Winkelkomponente, die einem Winkel der Erfassung aus der Vielzahl von Winkelkomponenten entspricht, auszuwählen und um die ausgewählte radiale Komponente und die ausgewählte Winkelkomponente zu multiplizieren, um ein Belegungsgitter für die Erfassung zu erzeugen und um die Umgebung unter Verwendung des Belegungsgitters zu kartieren.
Zusätzlich zu einem oder den mehreren der hierin beschriebenen Merkmale ist der Prozessor ferner ausgestaltet, um einen Wahrscheinlichkeitswert eines negativen ISM des Belegungsgitters unter Verwendung einer Quad-Tree-Struktur des Belegungsgitters zuzuordnen. Ein Knoten der Quad-Tree-Struktur entspricht einem Raumwinkel und eine erste Ebene der Quad-Tree-Struktur beinhaltet Raumwinkelablagefächer, die kombiniert werden, um ein Sichtfeld des Sensors abzudecken. Der Prozessor ist ferner ausgestaltet, um ein Raumwinkelablagefach auf einer Ebene der Quad-Tree-Struktur in eine Vielzahl von Raumwinkeln auf einer Ebene der Quad-Tree-Struktur aufzuteilen, wenn das Raumwinkelablagefach auf der Ebene die Erkennung beinhaltet. Der Prozessor ist ferner ausgestaltet, um einem Raumwinkelablagefach, für das es keine Erkennung gibt, einen Wahrscheinlichkeitswert zuzuordnen, wobei der Wahrscheinlichkeitswert eine Abwesenheit der Erkennung in dem Raumwinkelablagefach widerspiegelt. Der Prozessor ist ferner ausgestaltet, um die Wahrscheinlichkeitswerte aus dem negativen ISM mit einem Wahrscheinlichkeitswert aus einem positiven ISM zu kombinieren, um das Belegungsgitter zu erstellen. In verschiedenen Ausführungsformen ist der Prozessor ausgestaltet, um das Fahrzeug in Bezug auf das Objekt basierend auf dem Kartieren der Umgebung zu navigieren.
In noch einem weiteren Ausführungsbeispiel wird ein Fahrzeug offenbart. Das Fahrzeug beinhaltet einen Sensor und einen Prozessor. Der Sensor ist ausgestaltet, um eine Erkennung von einem Objekt in einer das Fahrzeug umgebenden Umgebung zu erhalten. Der Prozessor ist ausgestaltet, um eine Vielzahl von radialen Komponenten und eine Vielzahl von Winkelkomponenten für ein positives inverses Sensormodell (ISM) eines Belegungsgitters zu berechnen, um eine radiale Komponente, die einem Bereich der Erfassung aus der Vielzahl von radialen Komponenten entspricht und eine Winkelkomponente, die einem Winkel der Erfassung aus der Vielzahl von Winkelkomponenten entspricht, auszuwählen und um die ausgewählte radiale Komponente und die ausgewählte Winkelkomponente zu multiplizieren, um ein Belegungsgitter für die Erfassung zu erzeugen und um die Umgebung unter Verwendung des Belegungsgitters zu kartieren.
Zusätzlich zu einem oder den mehreren der hierin beschriebenen Merkmale ist der Prozessor ferner ausgestaltet, um einem negativen ISM des Belegungsgitters einen Wahrscheinlichkeitswert unter Verwendung einer Quad-Tree-Struktur des Belegungsgitters zuzuordnen. Ein Knoten der Quad-Tree-Struktur entspricht einem Raumwinkel und eine erste Ebene der Quad-Tree-Struktur beinhaltet Raumwinkelablagefächer, die kombiniert werden, um ein Sichtfeld des Sensors abzudecken. Der Prozessor ist ferner ausgestaltet, um ein Raumwinkelablagefach auf einer Ebene der Quad-Tree-Struktur in eine Vielzahl von Raumwinkeln auf einer Ebene der Quad-Tree-Struktur aufzuteilen, wenn das Raumwinkelablagefach auf der Ebene die Erkennung beinhaltet. Der Prozessor ist ferner ausgestaltet, um einem Raumwinkelablagefach, für das es keine Erkennung gibt, einen Wahrscheinlichkeitswert zuzuordnen, wobei der Wahrscheinlichkeitswert eine Abwesenheit der Erkennung in dem Raumwinkelablagefach widerspiegelt. Der Prozessor ist ferner ausgestaltet, um die Wahrscheinlichkeitswerte aus dem negativen ISM mit einem Wahrscheinlichkeitswert aus einem positiven ISM zu kombinieren, um das Belegungsgitter zu erstellen.
Die oben genannten Eigenschaften und Vorteile sowie anderen Eigenschaften und Funktionen der vorliegenden Offenbarung gehen aus der folgenden ausführlichen Beschreibung in Verbindung mit den zugehörigen Zeichnungen ohne Weiteres hervor.
Figurenliste
Andere Merkmale, Vorteile und Einzelheiten erscheinen, nur exemplarisch, in der folgenden ausführlichen Beschreibung der Ausführungsformen, wobei sich die ausführliche Beschreibung auf die Zeichnungen bezieht, wobei gilt:

1 zeigt ein Fahrzeug mit einem zugeordneten Trajektorienplanungssystem, das gemäß verschiedenen Ausführungsformen bei 100 abgebildet ist;
2 zeigt ein veranschaulichendes Belegungsraster;
3A (Stand der Technik) zeigt ein radiales Wahrscheinlichkeitsdiagramm zum Erstellen oder Aktualisieren eines Belegungsrasters basierend auf der Position eines Objekts;
3B (Stand der Technik) zeigt ein log(Quoten)-Modell für ein radiales Wahrscheinlichkeitsdiagramm eines Objekts, das sich in einer ausgewählten Reichweite befindet;
4 zeigt ein Belegungsgitter, das Bereiche ohne Erkennung veranschaulicht;
5 zeigt eine veranschaulichende Quad-Tree-Struktur, mit der Wahrscheinlichkeitswerte für ein negatives ISM gespeichert und aktualisiert werden können;
6 veranschaulicht die Quad-Tree-Struktur von 5, um ein Belegungsgitter unter Verwendung eines negativen ISMs zu füllen;
7 zeigt positives ISM, ein negatives ISM und ein duales ISM für ein Belegungsgitter;
8 zeigt ein Flussdiagramm, das ein Verfahren zum Erzeugen eines Belegungsgitters veranschaulicht, das eine Umgebung des Fahrzeugs aus 1 dynamisch darstellt;
9 zeigt eine Darstellung eines veranschaulichenden Radarfeldes in einem Szenario, in dem ein Objekt vor dem Fahrzeug vorbeifährt, wobei das Radarfeld aus einem Belegungsgitter gebildet wird, das das negative ISM nicht verwendet; und
10 zeigt die Darstellung des veranschaulichenden Radarfeldes im gleichen Szenario wie 9, wobei das Radarfeld aus einem Belegungsgitter ausgebildet ist, das das hierin offenbarte negative ISM verwendet.

AUSFÜHRLICHE BESCHREIBUNG
Die folgende Beschreibung ist lediglich exemplarischer Natur und nicht dazu gedacht, die vorliegende Offenbarung in ihren An- oder Verwendungen zu beschränken. Es sollte verstanden werden, dass in den Zeichnungen entsprechende Bezugszeichen gleiche oder entsprechende Teile und Merkmale bezeichnen.
Gemäß einer exemplarischen Ausführungsform zeigt 1 ein Fahrzeug 10 mit einem zugeordneten Trajektorienplanungssystem, das bei 100 gemäß verschiedenen Ausführungsformen abgebildet ist. Im Allgemeinen bestimmt das Trajektorienplanungssystem 100 einen Trajektorienplan für das automatisierte Fahren des Fahrzeugs 10. Das Fahrzeug 10 beinhaltet im Allgemeinen ein Fahrgestell 12, eine Karosserie 14, Vorderräder 16 und Hinterräder 18. Die Karosserie 14 ist auf dem Fahrgestell 12 angeordnet und umschließt im Wesentlichen die Komponenten des Fahrzeugs 10. Die Karosserie 14 und das Fahrgestell 12 können gemeinsam einen Rahmen bilden. Die Räder 16 und 18 sind jeweils mit dem Fahrgestell 12 in der Nähe einer jeweiligen Ecke der Karosserie 14 drehbar gekoppelt.
In verschiedenen Ausführungsformen ist das Fahrzeug 10 ein autonomes Fahrzeug und das Trajektorienplanungssystem 100 ist in das autonome Fahrzeug 10 (im Folgenden als das autonome Fahrzeug 10 bezeichnet) integriert. Das autonome Fahrzeug 10 ist beispielsweise ein Fahrzeug, das automatisch gesteuert wird, um Passagiere von einem Ort zum anderen zu befördern. Das autonome Fahrzeug 10 ist in der veranschaulichten Ausführungsform als Pkw dargestellt, es sollte jedoch beachtet werden, dass auch jedes andere Fahrzeug, einschließlich Motorräder, Lastwagen, Sportfahrzeuge (SUVs), Freizeitfahrzeuge (RVs), Wasserfahrzeuge, Luftfahrzeuge usw. verwendet werden kann. In einer exemplarischen Ausführungsform ist das autonome Fahrzeug 10 ein sogenanntes Level-Vier oder Level-Fünf Automatisierungssystem. Ein Level-Vier-System zeigt eine „hohe Automatisierung“ unter Bezugnahme auf die Fahrmodus-spezifische Leistung durch ein automatisiertes Fahrsystem aller Aspekte der dynamischen Fahraufgabe an, selbst wenn ein menschlicher Fahrer nicht angemessen auf eine Anforderung einzugreifen, reagiert. Ein Level-Fünf-System zeigt eine „Vollautomatisierung“ an und verweist auf die Vollzeitleistung eines automatisierten Fahrsystems aller Aspekte der dynamischen Fahraufgabe unter allen Fahrbahn- und Umgebungsbedingungen, die von einem menschlichen Fahrer verwaltet werden können.
Wie dargestellt, beinhaltet das autonome Fahrzeug 10 im Allgemeinen ein Antriebssystem 20, ein Getriebesystem 22, ein Lenksystem 24, ein Bremssystem 26, ein Sensorsystem 28, ein Stellgliedsystem 30, mindestens eine Datenspeichervorrichtung 32 und mindestens eine Steuerung 34. Das Antriebssystem 20 kann in verschiedenen Ausführungsformen einen Verbrennungsmotor, eine elektrische Maschine, wie beispielsweise einen Traktionsmotor und/oder ein Brennstoffzellenantriebssystem, beinhalten. Das Übertragungssystem 22 ist dazu konfiguriert, Leistung vom Antriebssystem 20 auf die Fahrzeugräder 16 und 18 gemäß den wählbaren Übersetzungsverhältnissen zu übertragen. Gemäß verschiedenen Ausführungsformen kann das Getriebesystem 22 ein Stufenverhältnis-Automatikgetriebe, ein stufenlos verstellbares Getriebe oder ein anderes geeignetes Getriebe beinhalten. Das Bremssystem 26 ist dazu konfiguriert, den Fahrzeugrädern 16 und 18 ein Bremsmoment bereitzustellen. Das Bremssystem 26 kann in verschiedenen Ausführungsformen Reibungsbremsen, Brake-by-Wire, ein regeneratives Bremssystem, wie beispielsweise eine elektrische Maschine und/oder andere geeignete Bremssysteme beinhalten. Das Lenksystem 24 beeinflusst eine Position der Fahrzeugräder 16 und 18. Während in einigen Ausführungsformen innerhalb des Umfangs der vorliegenden Offenbarung zur Veranschaulichung als ein Lenkrad dargestellt, kann das Lenksystem 24 kein Lenkrad beinhalten.
Das Sensorsystem 28 beinhaltet eine oder mehrere Sensorvorrichtungen 40a-40n, die beobachtbare Zustände der äußeren Umgebung und/oder der inneren Umgebung des autonomen Fahrzeugs 10 erfassen. Die Sensorvorrichtungen 40a-40n können Radargeräte, Lidare, globale Positionierungssysteme, optische Kameras, Wärmebildkameras, Ultraschallsensoren und/oder andere Sensoren beinhalten, sind aber nicht darauf beschränkt. In verschiedenen Ausführungsformen beinhaltet das Fahrzeug 10 ein Radarsystem mit einer Anordnung von Radarsensoren, wobei sich die Radarsensoren an verschiedenen Stellen entlang des Fahrzeugs 10 befinden. Im Betrieb sendet ein Radarsensor einen elektromagnetischen Impuls 48 aus, der am Fahrzeug 10 von einem oder mehreren Objekten 50 im Sichtfeld des Sensors reflektiert wird. Der reflektierte Impuls 52 erscheint als eine oder mehrere Erkennungen am Radarsensor.
Das Stellgliedsystem 30 beinhaltet ein oder mehrere Stellgliedvorrichtungen 42a-42n, die ein oder mehrere Fahrzeugeigenschaften, wie zum Beispiel das Antriebssystem 20, das Getriebesystem 22, das Lenksystem 24 und das Bremssystem 26, steuern, sind aber nicht darauf beschränkt. In verschiedenen Ausführungsformen können die Fahrzeugmerkmale ferner Innen- und/oder Außenfahrzeugmerkmale, wie beispielsweise Türen, einen Kofferraum und Innenraummerkmale, wie z. B. Lüftung, Musik, Beleuchtung usw. (nicht nummeriert) beinhalten, sind jedoch nicht auf diese beschränkt.
Die Steuerung 34 beinhaltet mindestens einen Prozessor 44 und eine computerlesbare Speichervorrichtung oder Medien 46. Der Prozessor 44 kann eine Spezialanfertigung oder ein handelsüblicher Prozessor sein, eine Zentraleinheit (CPU), eine Grafikprozessoreinheit (GPU) unter mehreren Prozessoren verbunden mit der Steuerung 34, ein Mikroprozessor auf Halbleiterbasis (in Form eines Mikrochips oder Chip-Satzes), ein Makroprozessor, eine Kombination derselben oder allgemein jede beliebige Vorrichtung zur Ausführung von Anweisungen. Die computerlesbare Speichervorrichtung oder Medien 46 können flüchtige und nicht-flüchtige Speicher in einem Nur-Lese-Speicher (ROM), einem Speicher mit direktem Zugriff (RAM) und einem Keep-Alive-Memory (KAM) beinhalten. KAM ist ein persistenter oder nicht-flüchtiger Speicher, der verwendet werden kann, um verschiedene Betriebsvariablen zu speichern, während der Prozessor 44 ausgeschaltet ist. Die computerlesbare Speichervorrichtung oder Medien 46 können unter Verwendung einer beliebigen einer Anzahl an bekannten Speichervorrichtungen, wie beispielsweise PROMs (programmierbarer Nur-Lese-Speicher), EPROMs (elektrische PROM), EEPROMs (elektrisch löschbarer PROM), Flash-Speicher oder beliebige andere elektrischen, magnetischen, optischen oder kombinierten Speichervorrichtungen implementiert werden, die Daten speichern können, von denen einige ausführbare Anweisungen darstellen, die von der Steuerung 34 beim Steuern des autonomen Fahrzeugs 10 verwendet werden.
Die Anweisungen können ein oder mehrere separate Programme beinhalten, von denen jede eine geordnete Auflistung von ausführbaren Anweisungen zum Implementieren von logischen Funktionen beinhaltet. Die Anweisungen empfangen und verarbeiten, wenn diese vom Prozessor 44 ausgeführt werden, Signale vom Sensorsystem 28, führen Logik, Berechnungen, Verfahren und/oder Algorithmen zur automatischen Steuerung der Komponenten des autonomen Fahrzeugs 10 durch und erzeugen Steuersignale an das Stellgliedsystem 30, um die Komponenten des autonomen Fahrzeugs 10 basierend auf der Logik, den Berechnungen, den Verfahren und/oder Algorithmen automatisch zu steuern. Obwohl in 1 nur eine Steuerung 34 dargestellt ist, können Ausführungsformen des autonomen Fahrzeugs 10 eine beliebige Anzahl an Steuerungen 34 beinhalten, die über ein geeignetes Kommunikationsmedium oder eine Kombination von Kommunikationsmedien kommunizieren und zusammenwirken, um die Sensorsignale zu verarbeiten, Logiken, Berechnungen, Verfahren und/oder Algorithmen durchzuführen, und Steuersignale zu erzeugen, um die Funktionen des autonomen Fahrzeugs 10 automatisch zu steuern.
Das Trajektorienplanungssystem 100 navigiert das autonome Fahrzeug 10 basierend auf einer Bestimmung von Objekten und/oder deren Standorten innerhalb der Umgebung des Fahrzeugs. In verschiedenen Ausführungsformen führt die Steuerung 34 Berechnungen durch, um Wahrscheinlichkeiten in einem Belegungsgitter basierend auf Erkennungen vom Radarsystem des Fahrzeugs 10 aufzuzeichnen. Der Prozessor verwendet das Belegungsgitter, um Entscheidungen zum Navigieren des Fahrzeugs 10 zu treffen. Nach dem Bestimmen verschiedener Parameter des Objekts, wie Reichweite, Azimut, Erhöhung, Geschwindigkeit usw. aus dem Belegungsnetz, kann die Steuerung 34 die eine oder mehrere Betätigungsvorrichtungen 42a-n, das Antriebssystem 20, das Getriebesystem 22, das Lenksystem 24 und/oder die Bremse 26 bedienen, um das Fahrzeug 10 in Bezug auf das Objekt 50 zu steuern. In verschiedenen Ausführungsformen navigiert die Steuerung 34 das Fahrzeug 10, um den Kontakt mit dem Objekt 50 zu vermeiden.
In einem Aspekt erzeugt der Prozessor 44 ein Belegungsgitter unter Verwendung eines dualen inversen Sensormodells (ISM). Ein Belegungsgitter ist eine dreidimensionale Darstellung der Umgebung des Fahrzeugs 10. Das Belegungsgitter stellt ein Volumen der Umgebung dar, das unter Verwendung des Radarsystems erfasst werden kann und ist daher in Reichweite, Azimut und Erhöhung begrenzt. Das Belegungsgitter unter Verwendung sphärischer Polarkoordinaten (ρ, θ, φ), die am Sensor zentriert sind, beschrieben. Das Belegungsgitter ist in dreidimensionale Ablagefächer unterteilt, die durch (ρ, θ, φ) gekennzeichnet sind, und speichert oder zeichnet Wahrscheinlichkeiten für Radarerkennungen in Ablagefächern auf, die der Reichweite (ρ), dem Azimut (θ) und der Erhöhung (φ) der Erkennung entsprechen. Beim Navigieren eines Fahrzeugs werden die Werte des Belegungsgitters abgerufen, um eine wahrscheinlichkeitsgetreue Darstellung der Umgebung und der sich darin befindenden Objekte zu gewährleisten. Die Werte innerhalb des Belegungsrasters können somit verwendet werden, um den Prozessor 44 über Objekte zu informieren, so dass der Prozessor 44 Vorgänge am Fahrzeug 10 durchführen kann, um zu verhindern, dass das Fahrzeug 10 Kontakt mit den Objekten aufnimmt.
Das Belegungsgitter wird mit einem dualen inversen Sensormodell (ISM) erstellt und aktualisiert, das ein positives inverses Sensormodell und ein negatives inverses Sensormodell beinhaltet. Ein inverses Sensormodell ist ein Modell, das eine Verteilung von Zustandsvariablen (d. h. im Belegungsgitter) basierend auf Messungen spezifiziert. Das positive ISM ordnet einem Ablagefach des Belegungsgitters eine bedingte Belegungswahrscheinlichkeit basierend auf einer Messung, die das Vorhandensein einer Erkennung an einer entsprechenden Stelle in der Umgebung anzeigt, zu. Das positive ISM verwendet Wahrscheinlichkeiten, um das Vorhandensein des Objekts an einem bestimmten Standort in der Umgebung darzustellen. Das negative ISM verfolgt Bereiche nach, in denen keine Erkennungen auftreten und ordnet den entsprechenden Ablagefächern geeignete Wahrscheinlichkeiten zu. In einer Ausführungsform werden das positive ISM und das negative ISM separat unter Verwendung der Radarbeobachtungen aktualisiert, wobei die Radarbeobachtung Bereiche oder Richtungen beinhaltet, in denen Erkennungen auftreten und Bereiche oder Richtungen, in denen keine Erkennungen auftreten. Die Bereiche oder Richtungen, in denen keine Richtungen auftreten (Nicht-Erkennungsrichtungen), werden zur Aktualisierung des negativen ISM verwendet und die Bereiche oder Richtungen, in denen Richtungen gefunden werden (Mit-Erkennungsrichtungen), werden zur Aktualisierung des positiven ISM verwendet. Das negative ISM und das positive ISM werden dann kombiniert, um ein aktualisiertes duales ISM zu erstellen. Das aktualisierte duale ISM wird verwendet, um ein statisches Belegungsgitter zu erstellen.
Um ein ISM abzuleiten, beginnt man mit einer probabilistischen Beschreibung des Sensors, d. h. einer Verteilung von Sensormesswerten für ein Ziel an einem bestimmten Standort X. Das Bayes-Theorem wird angewendet, um die Wahrscheinlichkeit zu erhalten, dass sich das Ziel für einen bestimmten Sensormesswert am Standort X befindet. Um das Belegungsgitter zu erstellen, wird die Darstellung des das Fahrzeug 10 umgebenden Raumes, wie in 2 dargestellt, durch die Einführung eines dreidimensionalen Gitters diskretisiert. Die Gitterzellen des dreidimensionalen Gitters gelten als unabhängig voneinander, so dass ihre Belegungswahrscheinlichkeiten der folgenden Gleichung entsprechen: $p (m_{1}, m_{2}, \dots, m_{N} | X) = \prod_{k = 1}^{N} p (m_{k} | X)$
wobei m_k = 0 oder 1. Ein leerer k^th Gitterpunkt hat m_k = 0 und ein belegter k^th Gitterpunkt hat m_k = 1.
2 zeigt ein veranschaulichendes Belegungsgitter 200. Ein sphärisches polares Koordinatensystem 225 ist auf einem Sensor 202 eines Radarsystems zentriert. Der Sensor 202 befindet sich am Ursprung des sphärischen Polarkoordinatensystems 225. Zur Veranschaulichung werden eine erste Erkennung 204 und eine zweite Erkennung 212 dargestellt. Bei Bereichsvariablen liegt die erste Erkennung 204 innerhalb eines bestimmten Reichweitenablagefachs. Für Winkelvariablen liegt die erste Erkennung 204 innerhalb eines azimutalen Ablagefachs 206 und eines Erhöhungsablagefachs 208. Das azimutale Ablagefach 206 und das Erhöhungsablagefach 208 definieren einen erstes Raumwinkelablagefach 210, das eine Fläche auf einer sphärischen Oberfläche abdeckt, die am Sensor 202 zentriert ist. Das erste Raumwinkelablagefach 210 kann bestimmt werden, indem ein Strahl vom Sensor 202 durch die erste Erkennung 204 auf die sphärische Oberfläche projiziert und das Ablagefach, durch das der Strahl hindurchgeht, aufgezeichnet wird. Ebenso liegt die zweite Erkennung 212 innerhalb eines azimutalen Ablagefachs 214 und eines Erhöhungsablagefachs 216. Der azimutale Ablagefach 214 und der Erhöhungsablagefachs 216 definieren ein zweites Raumwinkelablagefach 218 der sphärischen Oberfläche. Das zweite Raumwinkelablagefach 218 kann bestimmt werden, indem ein Strahl vom Sensor 202 durch die zweite Erkennung 212 auf die sphärische Oberfläche projiziert und das Ablagefach, durch das der Strahl hindurchgeht, aufgezeichnet wird.
In verschiedenen Ausführungsformen ist es sinnvoll, einen Logarithmus der Wahrscheinlichkeit (d. h. die „Quoten“) zu verwenden, um mit log(Wahrscheinlichkeit) oder „log(Quoten)“ zu arbeiten. Ein Quotenverhältnis ist als das Verhältnis zwischen der Wahrscheinlichkeit, dass eine Zelle besetzt ist, und der Wahrscheinlichkeit, dass die Zelle leer ist, definiert, was durch Gl. (2): $O_{k} = \frac{p (m_{k} = 1 | X)}{p (m_{k} = 0 | X)} = \frac{p (m_{k} = 1 | X)}{1 - p (m_{k} = 1 | X)}$
Unter Verwendung des Logarithmus der Quoten erzeugt O_k einen log(Quoten)-Wert L_k: $L_{k} = log O_{k} = log [\frac{p (m_{k} = 1 | X)}{1 - p (m_{k} = 1 | X)}]$
Die log(Quoten)-Werte vereinfachen den Prozess der Aktualisierung der ISMs, da sie in der Logarithmus-Domäne additiv sind. Sie können auch rekursiv für jede beliebige Iteration n durch einfache Addition berechnet werden: $L_{k}^{n} = L_{k}^{n - 1} + Δ L_{k}^{n} - L_{k}^{0}$
wobei $Δ L_{k}^{n}$
die Änderung der logarithmischen Wahrscheinlichkeit bei Zelle k nach Messungen zum Zeitpunkt n ist. $Δ L_{k}^{0}$
wird oft, aber nicht unbedingt, als Null angesehen.
Das positive ISM wird verwendet, um $Δ L_{k}^{n}$
verschiedene Orte mit Erkennungsablagefächern im Belegungsgitter abzuschätzen. Daher wird es verwendet, um die Belegungswahrscheinlichkeiten an den Mit-Erkennungsablagefächern des Belegungsgitters zu einem ausgewählten Zeitpunkt abzuschätzen. Aufgrund der hohen Winkelauflösung, der hohen Erkennungswahrscheinlichkeit und der niedrigen Fehlalarmraten werden positive ISM-Modelle durch Deltafunktionen wie entlang des Azimuts und der Erhöhung dargestellt.
Für das positive ISM sind die räumlichen Toleranzen in den Erkennungen durch Variationen $(σ_{ρ}^{2}, σ_{θ}^{2}, σ_{φ}^{2})$
in Reichweite, Azimut bzw. Erhöhung gekennzeichnet. Diese Toleranzen gelten als nicht korreliert. In einer Ausführungsform ist die Wahrscheinlichkeitsdichtefunktion für eine Erkennung ungefähr Gaußförmig, wie in Gl. (5): $p (ρ, θ, φ) \sim N (ρ - ρ_{0}, σ_{ρ}^{2}) N (θ - θ_{0}, σ_{θ}^{2}) N (φ - φ_{0}, σ_{φ}^{2})$
Eine Erkennung i am Ort (ρ_i, θ_i, φ_i) mit der Intensität I_i beeinflusst das Innenvolumen der Zellen ΔΩ⁽ⁱ⁾ = [0 ≤ ρ ≤ ρ_i + 3σ_ρ, θ_i ± 3σ_θ, φ_i ± 3σ_φ]. Für eine Zelle M, die sich ganz oder teilweise innerhalb von ΔΩ befindet, ändert sich die bedingte Belegungswahrscheinlichkeit um $Δ P_{p o s}^{(i)} (M) = W (I_{i}) \int_{Δ Ω^{(i)} \cap M} p^{(i)} (ρ, θ, φ) d Ω$
wobei W(I_i) ein empirischer Gewichtsfaktor ist, der stärkere Erkennungen im Vergleich zu schwächeren Erkennungen als einen größeren Beitrag zur Belegungswahrscheinlichkeit betrachtet.
Um die Speicherung zu vereinfachen und die Aktualisierungsgeschwindigkeit zu erhöhen, speichert das Belegungsgitter die log(Quoten) und nicht die Quoten. Die Log(Quoten) für ein Ablagefach des positiven ISM können unter Verwendung von $L_{n} (M) = L_{n - 1} (M) + \sum_{i} log (\frac{Δ P_{p o s}^{(i)} (M)}{P_{F A}})$
aktualisiert werden.
Das positive ISM kann unter Verwendung von Brute-Force durch Berechnung des Integrals berechnet werden: $P_{p o s}^{(i)} (M) \propto \int_{Δ Ω^{(i)} \cap M} p_{p o s}^{(i)} (ρ, θ, φ) d Ω$
die sich als ineffizient und zeitaufwendig erweisen kann. Eine Annäherung des Intervalls kann jedoch durch Trennen oder Faktorisieren von Gl. (8) in ihre Winkel- und radialen Komponenten berechnet werden, wie in (9): $\begin{array}{l} \int_{Δ Ω^{(i)} \cap M} p^{(i)} (ρ, θ, φ) d Ω = \int_{Δ Ω^{(i)} \cap M} p_{a n g}^{(i)} (θ, φ) cos θ d θ d φ \times \int_{Δ Ω^{(i)} \cap M} p_{r a d}^{(i)} (ρ) ρ^{2} d ρ \approx \\ P_{a n g} (θ_{i}, φ_{i}, M) \times P_{r a d} (ρ_{i}, M) \end{array}$
dargestellt
Die Winkel- und radialen Komponenten können als unabhängig voneinander angesehen werden. Daher können Winkelwahrscheinlichkeitswerte für die Winkelkomponente bestimmt werden und radiale Wahrscheinlichkeitswerte können aus der radialen Komponente bestimmt werden, und diese Wahrscheinlichkeitswerte können multipliziert werden, um einen Wahrscheinlichkeitswert eines Ablagefachs des positiven ISM zu bestimmen. Faktorisieren von Gl. (9) ermöglicht die vorherige Berechnung von P_ang(θ_i, φ_i, M) und P_rad (ρ_i, M) Werten, so dass diese Werte in einer Datenbank gespeichert und schnell abgerufen werden können. Zur Berechnung der Wahrscheinlichkeiten werden die Werte aus der Datenbank bezogen und multipliziert. In radialer Richtung wird das Verhalten von $+ Δ L_{k}^{n}$
unter Verwendung der in den 3A und 3B dargestellten Wahrscheinlichkeitsdiagramme postuliert.
3A (Stand der Technik) zeigt ein radiales Wahrscheinlichkeitsdiagramm 300 zum Erstellen oder Aktualisieren eines Belegungsrasters basierend auf der Position eines Objekts. Zur Veranschaulichung befindet sich das Objekt in einer Reichweite oder einem Abstand r vom Sensor. Die der Erkennung in der Reichweite r zugeordnete Wahrscheinlichkeit wird durch eine Wahrscheinlichkeit 1 gegeben. Für die Abstände zwischen dem Sensor und dem Objekt ist der Wahrscheinlichkeitswert Null, da eine Erkennung bei Reichweite r keine Objekte zwischen den Sensoren und dem Objekt anzeigt. Dem verbleibenden Abstand zwischen dem Objekt und der maximalen Reichweite kann ein Wahrscheinlichkeitswert von 1/2 zugeordnet werden, der angibt, dass eine gerade Wahrscheinlichkeit besteht, dass sich ein anderes Objekt zwischen dem Objekt und der maximalen Reichweite befindet, auch wenn es unentdeckt ist.
3B (Stand der Technik) zeigt ein log(Quoten)-Modell für ein Radialwahrscheinlichkeitsdiagramm 302 eines Objekts, das sich in der Reichweite M₀ vom Sensor befindet. Die der Erkennung bei M₀ zugeordnete Wahrscheinlichkeit ist durch eine positive Wahrscheinlichkeit |α| gegeben. Da sich eine Erkennung bei M₀ , befindet, ist die Wahrscheinlichkeit, dass ein Objekt zwischen Sensor und M₀ liegt, gering. Andernfalls würde das Objekt an einer anderen radialen Position erfasst werden. Somit ist den Radialabständen zwischen Sensor und M₀ eine negative Wahrscheinlichkeit -|β| zugeordnet. Dem verbleibenden Abstand zwischen dem Standort M₀ und der maximalen Reichweite kann ein Nullwahrscheinlichkeitswert zugeordnet werden.
4 zeigt ein Belegungsgitter 400, das Mit-Erkennungsbereiche und Nicht-Erkennungsbereiche veranschaulicht. Das Belegungsgitter 400 zeigt einen Querschnitt durch einen Flächenbereich des Belegungsgitters, der Bereiche der positiven Erkennung (Mit-Erkennungsbereiche) und der negativen Erkennung (Nicht-Erkennungsbereiche) hervorhebt. Die positiven Bereiche 406 und 408 werden mit Wahrscheinlichkeitswerten oder log(Quoten)-Werten unter Verwendung von Regeln der oben in Bezug auf die 2. und 3 genannten positiven ISM-Angaben gelegt. Die veranschaulichenden Bereiche 410 und 412 sind Bereiche, in denen es keine Erkennungen gibt. Daher ist es sinnvoll, imstande zu sein, die Gitterwahrscheinlichkeitswerte zu aktualisieren, um fehlende Erkennungen im Zusammenhang mit dem entsprechenden Azimut und der Erhöhung darzustellen. Das hierin erörterte negative ISM aktualisiert das Belegungsgitter 400 für Nicht-Erkennungsbereiche.
Das negative ISM drückt die Tatsache aus, dass, wenn eine bestimmte Richtung im Raum keine Erkennungen beinhaltet, die Belegwahrscheinlichkeit innerhalb des entsprechenden Raumwinkelablagefachs abnehmen oder sinken sollte. Das negative ISM induziert negative Veränderungen der Belegungswahrscheinlichkeit in Zellen des Belegungsgitters, bei denen es an Erkennungen in der entsprechenden Ankunftsrichtung (Nicht-Erkennungsrichtung) fehlt. Daher kann ein Wahrscheinlichkeitswert in einem ausgewählten Ablagefach des Belegungsgitters aufgrund des Vorhandenseins einer Erkennung in der Richtung, die dem Ablagefach während eines vorherigen Zeitschritts entspricht, aktualisiert und reduziert werden, wenn während der jüngsten Zeitschritte keine Erkennung in der Richtung erfolgt. Die log(Quoten) für eine Richtung, in der es keine Erkennung gibt, kann durch Gl. (10): $Δ L O_{n e g} (ρ) = log (\frac{1 - p_{e} (ρ)}{1 - P_{0}})$
für die: $p_{e} (ρ) = β (ρ_{m a x} - ρ)$
gilt dargestellt werden wobei ρ_max eine maximale Reichweite des Sensors und Po ein Modellparameter des Sensors ist. Da bei jedem Radar die Ableitungswahrscheinlichkeit mit der Entfernung abnimmt, nimmt der negative Versatz von Gl. (10) für Ablagefächer des Belegungsgitters bei größeren Reichweiten zu. In einer alternativen Ausführungsform kann das negative ISM mit zunehmender Reichweite von einem linearen Zerfall der log-Quoten ausgehen, wie in Gl. (12): $Δ L_{n e g} (ρ) = - | α | - | β | (ρ_{m a x} - ρ)$
dargestellt
5 zeigt eine veranschaulichende Quad-Tree-Struktur 500, mit der Wahrscheinlichkeitswerte für ein negatives ISM gespeichert und aktualisiert werden können. Die Quad-Tree-Struktur beinhaltet eine Vielzahl von Ebenen, wobei jede Ebene Knoten in Form von Raumwinkelablagefächern beinhaltet. Auf jeder Ebene decken die Vielzahl von Knoten für die Ebene einen ausgewählten Raumwinkel des Sensors ab. In einer Ausführungsform ist der gewählte Raumwinkel das Sichtfeld eines Sensors. Ein Knoten oder ein Oberflächenbereich auf einer Ebene wird durch einen Verzweigungsvorgang mit Knoten auf einer niedrigeren Ebene verknüpft. Unter Bezugnahme auf die Ebene 1 deckt der Bereich A einen ausgewählten Raumwinkel des Sensors ab. Der Bereich A kann über den Verzweigungsvorgang in vier separate Raumwinkelbereiche (A₁ , A₂ , A₃ , A₄ ) auf der zweiten Ebene unterteilt werden. Die Gesamtheit der Raumwinkelbereiche (A₁ , A₂ , A₃ , A₄ ) der zweiten Ebene umfasst den Bereich A auf der ersten Ebene. Jeder dieser Raumwinkelbereiche (A₁ , A₂ , A₃ , A₄ ) kann durch den Verzweigungsprozess in vier Raumwinkel auf einer dritten Ebene weiter unterteilt werden. Zur Veranschaulichung ist der Raumwinkel A4 auf der zweiten Ebene in vier Raumwinkelbereiche (A₄₁ , A₄₂ , A₄₃ , A₄₄ ) unterteilt. Dieser Vorgang wird fortgesetzt, bis eine Ebene erreicht ist, bei der keine weitere Aufteilung des Raumwinkels möglich oder wünschenswert ist, entweder durch eine Auflösungsgrenze des Sensors oder durch einen von einem Benutzer ausgewählten Auflösungsstandard.
6 veranschaulicht die Quad-Tree-Struktur von 5, um ein Belegungsgitter 600 unter Verwendung eines negativen ISMs zu füllen. Ein veranschaulichender Raumwinkel 602 einer Winkelkomponente eines Belegungsgitters 600 ist links mit zwei Erkennungen dargestellt. Rechts ist der Raumwinkel 602 der Winkelkomponente dargestellt. Ablagefächer, für die die Erkennungen vorhanden sind, werden zur Veranschaulichung markiert. Ein Abschnitt des Raumwinkels 602 wird durch den Bereich A auf einer ersten Ebene einer Quad-Tree-Struktur abgedeckt. Unter Verwendung des Verzweigungsvorgangs wird der Bereich A in kleinere Bereiche A₁ , A₂ , A₃ und A₄ unterteilt.
Der Erkennungsbereich, der in den Bereichen A₂ und A₃ vorhanden ist, während die Bereiche A₁ und A₄ keine vorhandenen Erkennungen aufweisen. Um das negative ISM zu erstellen. Negative ISM-Wahrscheinlichkeiten, wie in den Gl. (8)-(10) beschrieben, werden in diejenigen Ablagefächer (auf der untersten Ebene des Belegungsgitters) eingegeben, die sich innerhalb der Bereiche A₁ und A₄ befinden. Die Bereiche A₂ und A₃ sind jedoch auf einer nächsten Ebene der Quad-Tree-Struktur unterteilt, da in diesen Bereichen Erkennungen gefunden werden.
Zur Vereinfachung der Erklärung wird nur auf den Bereich A₂ eingegangen. Der Bereich A₂ (ein Knoten der zweiten Ebene) ist in die Bereiche A₂₁ , A₂₂ , A₂₃ und A₂₄ unterteilt. Die Bereiche A₂₁ , A₂₂ und A₂₄ sind frei von Erkennungen. Daher können geeignete negative ISM-Wahrscheinlichkeiten in die entsprechenden Ablagefächer eingegeben werden. Der Bereich A₂₃ beinhaltet jedoch eine Erkennung und ist daher in Bereiche auf der nächsten (dritten) Ebene der Quad-Tree-Struktur unterteilt.
Der Vorgang wird auf diese Weise fortgesetzt: Wenn ein Bereich auf einer Ebene der Quad-Tree-Struktur keine Erkennungen aufweist, werden den dem Bereich zugeordneten Behältern ein Wahrscheinlichkeitswert für das negative ISM zugeordnet; wenn ein Bereich eine Erkennung darin aufweist, wird der Bereich auf der nächsten Ebene der Quad-Tree-Struktur in kleinere Bereiche unterteilt.
Der Bereich A₂₃ ist daher in die Bereiche A₂₃₁ , A₂₃₂ , A₂₃₃ und A₂₃₄ unterteilt. Zur Veranschaulichung befinden sich diese Bereiche auf der letzten Ebene der Quad-Tree-Struktur. Daher werden den Bereichen A₂₃₁ , A₂₃₂ und A₂₃₄ negative ISM-Wahrscheinlichkeitswerte zugeordnet. Dem Bereich A₂₃₃ kann ein Wert mit einem positiven ISM-Wert zugeordnet werden, der unter Verwendung der Gl. (9) berechnet wird. Dieses Verfahren kann auch verwendet werden, um den Bereich A₃ in Bezug auf die andere in 7 dargestellte Erkennung zu unterteilen.
In verschiedenen Ausführungsformen erzeugt der Prozessor 44 das negative ISM unter Verwendung der Quad-Tree-Struktur der 5 und 6. Die negativen ISM-Werte können zur besseren Übersicht in einer Nachschlagetabelle gespeichert werden. Die Verwendung der Quad-Tree-Struktur erhöht die Geschwindigkeit und Effizienz bei der Bildung des negativen ISM.
Nachdem das negative ISM und das positive ISM erstellt und/oder aktualisiert wurden, werden sie zu einem dynamischen Belegungsgitter zusammengefasst. Das dynamische Belegungsgitter beinhaltet daher Behälter, denen eine dynamische Wahrscheinlichkeit zugeordnet ist, d. h. die mit dem Behälter verbundene Wahrscheinlichkeit ändert sich mit jedem neuen Zeitschritt oder jedem neuen eingehenden Satz von Erkennungen. Für ein Ablagefach in dem eine Erkennung in einem ersten Zeitschritt aufgezeichnet wurde, aber in nachfolgenden Zeitschritten keine Erkennung aufgezeichnet wurde, wird die aktuelle Wahrscheinlichkeit aufgrund des negativen ISM so geändert, dass der Behälter eine zugehörige Wahrscheinlichkeit aufweist, die die Tatsache widerspiegelt, dass in jüngerer Zeit keine Erkennungen aufgezeichnet wurden. Mit anderen Worten, die Wahrscheinlichkeit, die dem Ablagefach aufgrund der Erkennung im ersten Zeitschritt zugeordnet wird, wird im Laufe der Zeit durch Korrekturen unter Verwendung des Leerraumgewichts reduziert.
7 zeigt ein positives ISM 700, ein negatives ISM 702 und ein duales ISM 704 für das Belegungsgitter, das die Werte des positiven ISM 700 und die Werte des negativen ISM 702 kombiniert. Das negative ISM 702 beeinflusst alle Ablagefächer in den Nicht-Erkennungsrichtungen innerhalb des Sichtfeldes, nicht aber Ablagefächer in Mit-Erkennungsrichtungen. Andererseits sind beim positiven ISM 700 die log(Quoten) Null, außer innerhalb eines engen Winkels um eine Erkennung herum. Innerhalb dieses Winkels sind die log(Quoten) wie durch das radiale Diagramm von 3b dargestellt.
Durch die Aktualisierung des Belegungsgitters unter Verwendung des positiven ISM 700 und des negativen ISM 702 ändern sich die den Ablagefächern des Belegungsgitters zugeordneten Wahrscheinlichkeitswerte mit jedem neuen Zeitschritt oder jedem neuen eingehenden Erkennungssatz, um den aktuellen Zustand der Umgebung des Fahrzeugs wiederzugeben.
8 zeigt ein Flussdiagramm 800, das ein Verfahren zum Erzeugen eines Belegungsgitters veranschaulicht, das eine Umgebung des Fahrzeugs 10 dynamisch darstellt. Ein Erkennungssystem, wie beispielsweise ein Radarsystem 802, erhält eine oder mehrere Erkennungen 806. Das Radarsystem 802 beinhaltet einen Sensor, der Erkennungen in Bezug auf Objekte innerhalb einer Umgebung des Fahrzeugs während einer Vielzahl von zeitgetrennten Einzelbildern erhält. Das Radarsystem 802 erhält Signale oder Erkennungen 806 basierend auf Reichweite, Azimut und Erhöhung eines Objekts sowie dessen Dopplerfrequenz oder -geschwindigkeit. In den Winkelrichtungen werden die Erkennungen 806 über einen Raumwinkel definiert, der durch die Azimut- und Erhöhungsgrenzen des Sensors definiert ist. Ein Wegstreckenzähler 804 oder ein anderer geeigneter Geschwindigkeitsmesser liefert eine Geschwindigkeit des Fahrzeugs 10 an ein Selbstbewegungsschätzmodul 808. Die Bewegung des Fahrzeugs wird den Radarerkennungen zur Verfügung gestellt, um die Erkennungen in einen statischen Satz 810 von Erkennungen und einen dynamischen Satz 812 von Erkennungen zu trennen. Der statische Satz 810 beinhaltet Objekte innerhalb der Umgebung, die sich nicht bewegen oder in der Umgebung stationär sind, wie geparkte Fahrzeuge, Gebäude, Schilder und andere feste Einrichtungen in der Umgebung. Die dynamischen Erkennungen 806 beziehen sich auf Objekte, die sich innerhalb der Umgebung bewegen, wie sich bewegende Fahrzeuge, Fußgänger in Bewegung, Fahrradfahrer, usw.
Der statische Satz 810 von Erkennungen und der dynamische Satz 812 von Erkennungen werden einem Clustering- und Ausreißer-Entfernungsmodul 814 bereitgestellt, das die Erkennungen filtert, um verrauschte Signale aus dem statischen Satz 810 von Erkennungen und dem dynamischen Satz 812 von Erkennungen zu entfernen. Darüber hinaus werden die Erkennungen in Abhängigkeit von ihrer relativen Nähe zueinander zu Clustern zusammengefasst. Ausreißererkennungen werden in der Regel nicht berücksichtigt.
Vom Clustering- und Ausreißer-Entfernungsmodul 814 werden der gefilterte statische Satz 816 von Erkennungen und der gefilterte dynamische Satz 818 von Erkennungen einem Leerraum-Aktualisierungsmodul 828 bereitgestellt. Das Leerraum-Aktualisierungsmodul 828 erstellt ein Belegungsgitter, das die Standorte aufzeichnet, an denen sich in einem ausgewählten Rahmen keine Erkennungen befinden. Die Leerraumdatensätze können zusammen mit dem aktualisierten statischen Belegungsgitter 826 verwendet werden, um ein dynamisches Belegungsgitter 830 zu aktualisieren, um die aktuelle Beschaffenheit von Objekten in der Umgebung des Fahrzeugs in Form eines dynamischen Belegungsgitters 832 widerzuspiegeln.
Die gefilterten statischen Erkennungen 816 werden einer Aktualisierungsschleife 820 bereitgestellt, die ein statisches Belegungsgitter aktualisiert, um die sich ändernde Natur der Umgebung widerzuspiegeln. Die Aktualisierungsschleife 820 beinhaltet eine statische Belegungsgitterhistorie 822, die die vorherige Version des statischen Belegungsgitters speichert. Die statische Belegungsgitterhistorie 822 und die Geschwindigkeit des Fahrzeugs werden verwendet, um das statische Belegungsgitter zu resamplen. Das resamplete Belegungsgitter 824 und die gefilterten statischen Erkennungen 816 werden verwendet, um ein aktualisiertes statisches Belegungsgitter 826 zu erzeugen. Für einen nachfolgenden Aktualisierungsschritt wird das aktualisierte statische Belegungsgitter 826 als statische Belegungsgitterhistorie 822 verwendet. Das aktualisierte statische Belegungsgitter 826 wird einem dynamischen Belegungs-Aktualisierungsmodul 830 bereitgestellt, um ein dynamisches Belegungsgitter 832 bereitzustellen.
Die 9 und 10 veranschaulichen Unterschiede in der Radarerkennung im Zeitverlauf zwischen einem System, das das negative ISM nicht für das Belegungsgitter verwendet und einem hierin offenbarten Belegungsgitter, das das negative ISM verwendet. 9 zeigt eine Darstellung eines veranschaulichenden Radarfeldes in einem Szenario, in dem ein Objekt vor dem Fahrzeug vorbeifährt, wobei das Radarfeld aus einem Belegungsgitter gebildet wird, das das negative ISM nicht verwendet. Das Objekt befindet sich an einem ersten Standort zum Zeitpunkt t₀ , einem zweiten Standort zum Zeitpunkt t₁ und einem dritten Standort zum Zeitpunkt t₂ . Zum Zeitpunkt t₂ zeigt das Radarsystem jedoch einen anhaltenden Streifen 902 des Objekts, der sich vom Standort des Objekts zur Zeit t₀ bis zum Standort des Objekts zur Zeit t₂ . Der anhaltende Streifen 902 zeigt daher ein Objekt zum Zeitpunkt t₂ an Standorten an, an denen das Objekt nicht mehr vorhanden ist.
10 zeigt die Darstellung eines anderen illustrativen Radarfeldes im gleichen Szenario wie 9, wobei das Radarfeld aus einem Belegungsgitter ausgebildet ist, das das hierin offenbarte negative ISM verwendet. Anstatt eines persistenten Streifens 902, wie in 9, zum Zeitpunkt t₀ , zeigt das Radarfeld ein Objekt am Standort 1002. Zu einem späteren Zeitpunkt t₁ , wird ersichtlich, dass die Objekte von Standort 1002 zum neuen Standort 1004 bewegt wurden. Zu einem späteren Zeitpunkt t₂ zeigt das Radarfeld an, dass sich das Objekt erneut bewegt hat, diesmal von Standort 1004 zu Standort 1006. Das Radarfeld zeigt zu jedem Zeitschritt daher nur eine lokalisierte Darstellung des Objekts, die für den jeweiligen Zeitschritt eine geeignete Darstellung ist.
Während die obige Offenbarung mit Bezug auf exemplarische Ausführungsformen beschrieben wurde, werden Fachleute verstehen, dass unterschiedliche Änderungen vorgenommen und die einzelnen Teile durch entsprechende andere Teile ausgetauscht werden können, ohne vom Umfang der Offenbarung abzuweichen. Darüber hinaus können viele Modifikationen vorgenommen werden, um eine bestimmte Materialsituation an die Lehren der Offenbarung anzupassen, ohne von deren wesentlichem Umfang abzuweichen. Daher ist vorgesehen, dass die Erfindung nicht auf die offenbarten speziellen Ausführungsformen eingeschränkt sein soll, sondern dass sie auch alle Ausführungsformen beinhaltet, die innerhalb des Umfangs der Anmeldung fallen.

Claims

Verfahren zum Kartieren einer Umgebung, umfassend: Berechnen einer Vielzahl von radialen Komponenten und einer Vielzahl von Winkelkomponenten für ein positiv inverses Sensormodell (ISM) eines Belegungsgitters; Erhalten einer Erkennung an einem Sensor von einem Objekt in einer Umgebung, die ein Fahrzeug umgibt; Auswählen einer radialen Komponente, die einem Bereich der Erfassung entspricht, aus der Vielzahl von radialen Komponenten und Auswählen einer Winkelkomponente, die einem Winkel der Erfassung entspricht, aus der Vielzahl von Winkelkomponenten; Multiplizieren der ausgewählten radialen Komponente und der ausgewählten Winkelkomponente, um ein Belegungsgitter für die Erkennung zu erzeugen; und Kartieren der Umgebung unter Verwendung des Belegungsgitters.
Verfahren nach Anspruch 1, wobei das ISM ferner ein negatives ISM umfasst und ein Wahrscheinlichkeitswert des negativen ISM unter Verwendung einer Quad-Tree-Struktur des Belegungsgitters zugeordnet wird.
Verfahren nach Anspruch 2, wobei ein Knoten der Quad-Tree-Struktur einem Raumwinkel entspricht und eine erste Ebene der Quad-Tree-Struktur Raumwinkelablagefächer beinhaltet, die kombiniert werden, um ein Sichtfeld des Sensors abzudecken.
Verfahren nach Anspruch 3, ferner umfassend das Aufteilen eines Raumwinkelablagefachs auf einer Ebene der Quad-Tree-Struktur in eine Vielzahl von Raumwinkeln auf einer Ebene der Quad-Tree-Struktur, wenn das Raumwinkelablagefach auf der Ebene die Erkennung beinhaltet.
Verfahren nach Anspruch 4, ferner umfassend das Zuordnen eines Wahrscheinlichkeitswertes zu einem Raumwinkelablagefach, für den es keine Erkennung gibt, wobei der Wahrscheinlichkeitswert eine Abwesenheit der Erkennung in dem Raumwinkelablagefach widerspiegelt.
System zum Kartieren einer Umgebung eines Fahrzeugs, umfassend: einen Sensor, der ausgestaltet ist, um eine Erfassung von einem Objekt in einer das Fahrzeug umgebenden Umgebung zu erhalten; und einen Prozessor, der ausgestaltet ist zum: Berechnen einer Vielzahl von radialen Komponenten und einer Vielzahl von Winkelkomponenten für ein positiv inverses Sensormodell (ISM) eines Belegungsgitters; Auswählen einer radialen Komponente, die einem Bereich der Erfassung entspricht, aus der Vielzahl von radialen Komponenten und Auswählen einer Winkelkomponente, die einem Winkel der Erfassung entspricht, aus der Vielzahl von Winkelkomponenten; Multiplizieren der ausgewählten radialen Komponente und der ausgewählten Winkelkomponente, um ein Belegungsgitter für die Erkennung zu erzeugen; und Kartieren der Umgebung unter Verwendung des Belegungsgitters.
System nach Anspruch 6, wobei der Prozessor ferner ausgestaltet ist, um einen Wahrscheinlichkeitswert eines negativen ISM des Belegungsgitters unter Verwendung einer Quad-Tree-Struktur des Belegungsgitters zuzuordnen.
System nach Anspruch 7, wobei ein Knoten der Quad-Tree-Struktur einem Raumwinkel entspricht und eine erste Ebene der Quad-Tree-Struktur Raumwinkelablagefächer beinhaltet, die zusammen ein Sichtfeld des Sensors abdecken.
System nach Anspruch 8, wobei der Prozessor ferner ausgestaltet ist, um ein Raumwinkelablagefach auf einer Ebene der Quad-Tree-Struktur in eine Vielzahl von Raumwinkeln auf einer Ebene der Quad-Tree-Struktur aufzuteilen, wenn das Raumwinkelablagefach auf der Ebene die Erkennung beinhaltet.
System nach Anspruch 9, wobei der Prozessor ferner ausgestaltet ist, um einem Raumwinkelablagefach, für das es keine Erkennung gibt, einen Wahrscheinlichkeitswert zuzuordnen, wobei der Wahrscheinlichkeitswert eine Abwesenheit der Erkennung in dem Raumwinkelablagefach widerspiegelt.