-
Die vorliegende Erfindung betrifft ein Verfahren zum Identifizieren von Hindernissen auf einer Fahrspur eines Fahrzeugs durch einen Datenvergleich mit einer Straßenprofiltiefenkarte.
-
Auch betrifft die vorliegende Erfindung ein Fahrunterstützungssystem mit Mitteln zur Durchführung der Schritte des Verfahrens.
-
Des Weiteren betrifft die vorliegende Erfindung ein Fahrzeug mit dem Fahrunterstützungssystem.
-
Des Weiteren betrifft die vorliegende Erfindung ein Computerprogramm, umfassend Befehle, die bei der Ausführung des Computerprogramms durch einen Computer diesen veranlassen, Schritte des Verfahrens auszuführen.
-
Des Weiteren betrifft die vorliegende Erfindung ein Datenträgersignal, das das Computerprogramm überträgt.
-
Des Weiteren betrifft die vorliegende Erfindung ein computerlesbares Medium, umfassend Befehle, die bei der Ausführung durch einen Computer diesen veranlassen, Schritte des Verfahrens auszuführen.
-
Da Detektions- und Verarbeitungstechnologien zu einem neuen Level an Anwendungsmöglichkeiten führen, kann ein höheres Maß an Autonomie realisiert werden, während das Sicherheitsniveau innerhalb von Kontrollgrenzen beibehalten wird. Gemäß Industriestandards wird das autonome Fahren durch eine Kombination aus Automatisierungsstufen von 1 bis 5 und Operational Design Domain (ODD) definiert, d.h. einer Domain, in der die Delegation an die Maschine ermöglicht wird.
-
Die Operational Design Domain ist eine Beschreibung der spezifischen Betriebsbedingungen, unter denen das Fahrunterstützungssystem für den ordnungsgemäßen Betrieb ausgelegt ist, einschließlich, aber nicht beschränkt auf Fahrbahnarten, Geschwindigkeitsbereich, Umgebungsbedingungen, wie z. B. Wetter, Tag/Nachtzeit, geltende Verkehrsgesetze und -vorschriften und andere Domainbeschränkungen.
-
Die vorgenannten Stufen beziehen sich auf den Automatisierungsgrad. Die Automatisierungsstufen reichen von Stufe 0 bis 5.
-
ADAS und ADAS-Verfahren entsprechen nach dem Stand der Technik einer halb- oder hochgradig automatisierten Stufe. Sie sind Systeme, die den Fahrer beim Fahrvorgang unterstützen. Sie sollen vor allem die Fahrzeugsicherheit und allgemeiner die Verkehrssicherheit erhöhen, da viele Unfälle auf menschliches Versagen zurückzuführen sind. Die meisten Verkehrsunfälle sind auf menschliches Versagen zurückzuführen. Fortschrittliche Fahrerassistenzsysteme sind Systeme, die zum Automatisieren, Anpassen und Verbessern von Fahrzeugsystemen für die Sicherheit und für komfortableres Fahren entwickelt wurden. Es hat sich gezeigt, dass das durch ADAS für das Fahrzeug bereitgestellte automatisierte System die Zahl der Verkehrstoten verringert, indem menschliches Versagen minimiert wird. Sicherheitsmerkmale sind dafür ausgelegt, Kollisionen und Unfälle zu vermeiden, indem sie Technologien bereitstellen, die den Fahrer vor potenziellen Problemen warnen, oder Kollisionen zu vermeiden, indem sie Sicherheitsvorkehrungen treffen und die Kontrolle über das Fahrzeug übernehmen. Immer mehr moderne Fahrzeuge verfügen über fortschrittliche Fahrerassistenzsysteme wie elektronische Stabilitätskontrolle, Antiblockiersystem, Spurabweichungswarnung, adaptive Geschwindigkeitsregelung und Traktionskontrolle. Diese Systeme basieren auf tatsächlichen Erfassungen durch Sensoreinrichtungen, die für die Fahrspur vorgesehen sind, auf der das Fahrzeug sich befindet. Darüber hinaus wird Information über Fahrzeuge in der Umgebung und/oder Verkehrszeichen bereitgestellt, um zu bestimmen, wie das ADAS Fahroperationen des Fahrzeugs unterstützen soll.
-
Das US-Verkehrsministerium, National Highway Traffic Safety Administration (NHTSA), hat 2013 ein Standardklassifizierungssystem bereitgestellt, das fünf verschiedene Automatisierungsstufen definiert, die von Stufe 0 (keine Automatisierung) bis Stufe 4 (vollständige Automatisierung) reichen. Seitdem hat die NHTSA seine Standards aktualisiert, um sie an das durch SAE International definierte Klassifizierungssystem anzupassen. SAE International definiert in seinem neuen Klassifizierungsstandard in Dokument SAE J3016 sechs verschiedene Automatisierungsstufen, die von 0 (keine Automatisierung) bis 5 (vollständige Automatisierung) reichen.
-
Stufe 0 beinhaltet keine Automatisierung. Der Fahrer hat die vollständige Kontrolle über das Ego-Fahrzeug, und das System greift beim Fahren nicht ein. Systeme, die in diese Kategorie fallen können, sind beispielhaft Frontkollisionswarnsysteme und Spurabweichungswarnsysteme.
-
Stufe 1 beinhaltet eine Fahrerassistenz. Der Fahrer hat die Kontrolle über das Ego-Fahrzeug, aber das System kann die Geschwindigkeit und die Lenkrichtung des Fahrzeugs ändern. Systeme, die in diese Kategorie fallen können, sind beispielhaft adaptive Geschwindigkeitsregelungs- und Spurhalteassistenten.
-
Stufe 2 beinhaltet eine Teilautomatisierung. Der Fahrer muss in der Lage sein, das Ego-Fahrzeug zu steuern, wenn Korrekturen erforderlich sind, aber der Fahrer hat keine Kontrolle mehr über die Geschwindigkeit und die Lenkung des Ego-Fahrzeugs. Eine Einparkhilfe ist ein Beispiel für ein System, das in diese Kategorie fällt.
-
Stufe 3 beinhaltet bedingte Automatisierung. Das System hat die vollständige Kontrolle über Funktionen des Ego-Fahrzeugs wie Geschwindigkeit, Lenkung und Überwachung der Umgebung. Ein Fahrer muss bereit sein einzugreifen, wenn er vom System dazu aufgefordert wird.
-
Stufe 4 beinhaltet eine hochgradige Automatisierung. Das System hat die vollständige Kontrolle über das Ego-Fahrzeug und die Anwesenheit von Menschen ist nicht mehr erforderlich, aber seine Anwendungen sind auf bestimmte Bedingungen beschränkt.
-
Stufe 5 beinhaltet die Vollautomatisierung. Das System hat die vollständige Kontrolle über das Ego-Fahrzeug und die Anwesenheit von Menschen ist nicht mehr erforderlich. Das System kann die gleichen Aspekte wie die Stufe 4 bereitstellen, aber das System kann sich an Fahrbedingungen anpassen.
-
In Anbetracht der Stufe 3 der Delegation unterscheidet ODD in der Regel zwischen einer Staugeschwindigkeit von rund 60 Kilometern pro Stunde und einer Autobahngeschwindigkeit von bis zu 130 Kilometern pro Stunde, wobei letztere die größte Herausforderung bei gleichzeitiger Gewährleistung der Sicherheitsstandards darstellt.
-
Eine der größten Herausforderungen bei der Erreichung der Autobahngeschwindigkeit auf Stufe 3 besteht darin, dass das Fahrzeug im autonomen Modus mit einer hohen Geschwindigkeit von etwa 130 Kilometern pro Stunde auf einer Fahrspur fährt, auf der voraus ein kleines Objekt auf einer Fahrspur steht. Dieses Objekt kann z.B. ein Reifen, etwas Schutt, eine Palette sein und als nicht überfahrbar in dem Sinne betrachtet werden, dass eine Kollision mit diesem Objekt zu einem schweren Unfall führen würde. Um eine solche Situation zu bewältigen und gleichzeitig die Sicherheit zu gewährleisten, sollte das Fahrzeug in der Lage sein, ein solches Objekt in einem Abstand von etwa 150 Metern mit einem guten Sicherheitsniveau zu erkennen und zu klassifizieren, um eine Notbremsung oder -lenkung auszulösen. Ein solches Detektionssystem sollte ein hohes Niveau an True Positives (Aktivierung in Gegenwart des Objekts) und ein niedriges Niveau an False Negatives (Aktivierung in Abwesenheit des Objekts, d.h. in Gegenwart eines Phantomobjekts) erreichen.
-
Eine der Herausforderungen, um eine solche Detektionsperformance zu erreichen, ist die Fähigkeit des Sensors, die Fahrbahnoberfläche in Bezug auf kleine, nicht überfahrbare Objekte zuverlässig zu erfassen.
-
Sollte ein solcher Sensor das Höhenniveau der Straße, auch als Straßenprofiltiefe bezeichnet, nicht korrekt auswerten, würde der Sensor entweder Objekte verfehlen, was zu einer niedrigen True Positive Rate führt, oder bei Phantomobjekten auslösen, was zu einer hohen False Postive Rate führt, was zu Unfällen oder Unannehmlichkeiten für die Fahrgäste führt.
-
Eine allgemeine Objekterkennung ist nach dem Stand der Technik bereits bekannt. Das Offenlegungsdokument
US 2015/0266472 A1 bezieht sich auf die Erkennung einer Baustelle. Insbesondere werden in diesem Dokument Verfahren und Systeme zur Erkennung von Baustellenobjekten offenbart. Eine Computervorrichtung kann konfiguriert werden, um von einem LiDAR eine 3D-Punktwolke einer Straße zu empfangen, auf der sich ein Fahrzeug bewegt. Die 3D-Punktwolke kann Punkte umfassen, die dem von Objekten auf der Straße reflektierten Licht entsprechen.
-
Außerdem kann die Recheneinheit konfiguriert werden, um Punktmengen in der 3D-Punktwolke zu bestimmen, die einen Bereich innerhalb eines Schwellenabstands von einer Straßenoberfläche darstellen. Darüber hinaus kann die Recheneinheit konfiguriert werden, um Baustellenobjekte in den Punktesätzen zu identifizieren. Darüber hinaus kann die Recheneinheit konfiguriert werden, um basierend auf der Identifizierung eine Wahrscheinlichkeit für die Existenz einer Baustelle zu bestimmen. Basierend auf der Wahrscheinlichkeit kann die Recheneinheit konfiguriert werden, um eine Steuerstrategie des Fahrzeugs zu ändern und das Fahrzeug basierend auf der geänderten Steuerstrategie zu steuern. Diese Lösung ist jedoch speziell für Baustellen geeignet. Eine Erfassung und Berücksichtigung der Straßenprofiltiefe ist unabhängig von der Situation und Lage nicht vorgesehen.
-
Es ist schwierig, bei Autobahngeschwindigkeit, zum Beispiel bis zu 130 Kilometer pro Stunde, ein kleines Objekt vor sich zu erkennen, zum Beispiel etwa 150 Meter vor sich. Generell bedeutet dies, dass bei Autobahngeschwindigkeit die Erkennung von Objekten, die nicht überfahren werden können, regelmäßig problematisch ist.
-
Die Detektionsperformance kleiner Objekte im Nahbereich (150m) ist derzeit mit Hilfe von Sensortechnologien sehr schwierig zu erreichen. Um das erforderliche Niveau zu erreichen, müssten oft teure und sperrige Sensoren verwendet werden, die in Bezug auf Kosten, Größe, Gewicht und Zuverlässigkeit nicht mit den Anforderungen der Automobilindustrie kompatibel sind.
-
Ausgehend von dem oben genannten Stand der Technik liegt der Erfindung somit die Aufgabe zugrunde, ein Verfahren zum Identifizieren von Hindernissen auf einer Fahrspur eines Fahrzeugs, ein Fahrunterstützungssystem, ein Fahrzeug, ein Computerprogramm, ein Datenträgersignal und ein computerlesbares Medium anzugeben, die es ermöglichen, nicht überfahrbare Hindernisse auf einer Fahrspur zu berücksichtigen, wobei dies unter Verwendung von möglichst vielen aktuellen Daten erfolgt.
-
Die Lösung der Aufgabe erfolgt erfindungsgemäß durch die Merkmale der unabhängigen Ansprüche. Vorteilhafte Ausgestaltungen der Erfindung sind in den Unteransprüchen angegeben.
-
Erfindungsgemäß ist somit ein Verfahren zum Identifizieren von Hindernissen auf einer Fahrspur eines Fahrzeugs durch einen Datenvergleich mit einer Straßenprofiltiefenkarte angegeben, umfassend die folgenden Schritte eines Trainingsmodus:
- Detektieren von Daten von Profiltiefen der Fahrspur, mit einem Detektionssystem des Fahrzeugs;
- Erstellen der Straßenprofiltiefenkarte aus den Daten der Profiltiefen der Fahrspur mit einer Recheneinheit; und
- Speichern der Straßenprofiltiefenkarte in einem Speichersystem.
-
Die vorliegende Erfindung betrifft auch ein Verfahren zum Identifizieren von Hindernissen auf einer Fahrspur eines Fahrzeugs durch einen Datenvergleich mit einer Straßenprofiltiefenkarte, umfassend die folgenden Schritte eines Wiedergabemodus: Detektieren von Daten von Profiltiefen der Fahrspur in Echtzeit und Abrufen der Straßenprofiltiefenkarte beim Fahren auf einer Fahrspur;
Vergleichen der in Echtzeit gemessenen Daten der Profiltiefen der Fahrspur und der abgerufenen Daten der Profiltiefen der Straßenprofiltiefenkarte zu Vergleichsdaten und Identifizieren von Hindernisobjekten; und
Aktualisieren, der Straßenprofiltiefenkarte unter Berücksichtigung der Vergleichsdaten, wenn definierte Anforderungen erfüllt sind.
-
Vorzugsweise wird der letzte Schritt der erfindungsgemäßen Verfahren im Fahrzeug durchgeführt.
-
Erfindungsgemäß ist außerdem ein Fahrunterstützungssystem mit Mitteln zur Durchführung der Schritte des Verfahrens angegeben. Das Fahrunterstützungssystem kann ein Fahrunterstützungssystem zum Unterstützen von autonomem oder halbautonomem Fahren entsprechender autonomer oder halbautonomer Fahrzeuge oder ein Fahrerassistenzsystem zum Unterstützen eines Fahrers des Fahrzeugs in verschiedenen Fahrsituationen aufweisen.
-
Weiter ist erfindungsgemäß ein Fahrzeug mit dem Fahrunterstützungssystem angegeben. Vorzugsweise ist das Fahrzeug ein Ego-Fahrzeug eines Fahrers.
-
Weiter ist erfindungsgemäß ein Computerprogramm angegeben, umfassend Befehle, die bei der Ausführung des Computerprogramms durch einen Computer diesen veranlassen, Schritte des Verfahrens auszuführen. Ein Computerprogramm ist eine Sammlung von Anweisungen zum Ausführen einer bestimmten Aufgabe, die dafür konzipiert ist, eine bestimmte Klasse von Problemen zu lösen. Die Anweisungen eines Programms sind dafür konzipiert, durch einen Computer ausgeführt zu werden, wobei es erforderlich ist, dass ein Computer Programme ausführen kann, damit es funktioniert.
-
Weiter ist erfindungsgemäß ein Datenträgersignal angegeben, das das Computerprogramm überträgt.
-
Weiter ist erfindungsgemäß ein computerlesbares Medium angegeben, umfassend Befehle, die bei der Ausführung durch einen Computer diesen veranlassen, Schritte des Verfahrens auszuführen.
-
Grundidee der vorliegenden Erfindung ist es also, dass ein oder mehrere Fahrzeuge, wenn sie ein Hindernis erkennen, ihren Standort an eine Cloud senden, wo eine gemeinsame Karte als Straßenprofiltiefenkarte aktualisiert wird. Die Idee ist nicht auf ein spezielles Detektionssystem, wie z.B. LiDAR, beschränkt. Dennoch werden ADAS-Sensoren im Allgemeinen bevorzugt.
-
Diese Schritte sind die Mindestkomponenten, um einen Trainingsmodus oder einen Wiedergabemodus durchzuführen.
-
Die Daten der Profiltiefen umfassen insbesondere das Höhenprofil der Straße, insbesondere der Fahrspur.
-
Das Speichersystem kann sich außerhalb oder innerhalb des Fahrzeugs befinden. Wenn sich das Speichersystem außerhalb des Fahrzeugs befindet, benötigt das Fahrzeug ein geeignetes Kommunikationssystem.
-
Grundsätzlich ist vorgesehen, dass das Fahrzeug über eine Ortungseinheit verfügt, um den Standort des Fahrzeugs oder erkannte Hindernisse zu identifizieren.
-
Die Vergleichsdaten sind das Ergebnis des Vergleichs von Echtzeitdaten mit den abgerufenen Daten. Die Vergleichsdaten können Rohdaten oder bereits verarbeitete Daten beinhalten. Insbesondere können entweder vorab gespeicherte Hindernisse nicht mehr vorhanden sein oder neue Hindernisse detektiert werden.
-
Wie im Merkmal angegeben, wird das Aktualisieren nur bei Bedarf durchgeführt. Dies bedeutet, dass vorzugsweise kein Aktualisieren stattfindet, wenn die Vergleichsdaten dies nicht veranlassen. Es kann beispielsweise auch vorgesehen werden, dass das Aktualisieren nur dann erfolgt, wenn ein bestimmtes Hindernis von zwei oder mehr Fahrzeugen erkannt wurde. Dies kann vorteilhaft sein, um zu verhindern, dass temporäre Hindernisse in die Straßenprofiltiefenkarte aufgenommen werden. Solche temporären Hindernisse können ein Verkehrskegel sein oder Fußgänger, die die Straße überqueren. So können beispielsweise solche Kriterien als Anforderungen definiert werden.
-
Die Erfindung ermöglicht es, das erforderliche Leistungsniveau zu erreichen und gleichzeitig die Systemeigenschaften innerhalb der automobilen Einschränkungen zu halten, dank der Verwendung gespeicherter Daten, insbesondere Crowdsourcing und Download in ein Client Fahrzeug.
-
ADAS-Sensoren, wie beispielsweise LiDAR, werden verwendet, um die Profiltiefe der Fahrspur, auch Fahrbahnhöhe genannt, präzise zu messen und eine Fahrbahn-Profiltiefenkarte zu erstellen, die möglicherweise von einem Fuhrpark crowdgesourced werden kann.
-
Die entsprechende Karte kann automatisch generiert werden, indem die Flotte aus Fahrzeugen mit ADAS-Sensoren genutzt wird. Diese Fahrzeuge sollten mit einem Lokalisierungssystem, einem Detektionssystem und einer Kommunikationsvorrichtung oder einem internen Speichersystem ausgestattet sein.
-
Wenn ein derart ausgestattetes Fahrzeug entlang der Straße fährt, werden die Nivelationsdaten, d.h. die Profiltiefe der Fahrspur gemessen, dann in eine Cloud hochgeladen oder in einem internen Speichersystem gespeichert.
-
Im Anschluss an diesen Prozess werden die gesammelten Daten zum Erstellen der Straßenprofiltiefenkarte oder zum Zusammenführen dieser Daten mit bestehenden Straßenprofiltiefenkartendaten, zur Verfeinerung der Informationen und zum Aktualisieren der Straßenprofiltiefenkarte verwendet.
-
Dies ermöglicht eine möglichst zuverlässige Vorhersage der Profiltiefe der Fahrspur und damit ein umsichtiges und unfallverhütendes Fahrverhalten. Bestehende Informationen der Profiltiefe der Fahrspur werden zur Bestimmung des sicheren Fahrverhaltens berücksichtigt und eventuelle Abweichungen werden aktualisiert.
-
Gemäß einer vorteilhaften Ausführungsform der Erfindung ist vorgesehen, dass nach dem Trainingsmodus der Wiedergabemodus folgt. Dies kann auf verschiedene Weise geschehen. Der Wiedergabemodus kann am gleichen Fahrzeug wie der Trainingsmodus durchgeführt werden. Alternativ können die Daten des Trainingsmodus auch auf ein anderes Fahrzeug übertragen werden, so dass es ausreichen kann, einen Referenztrainingsmodus zu fahren. Es ist auch möglich, dass Flottenfahrzeuge zusammenarbeiten, um Daten für den Trainingsmodus zu sammeln oder Daten aus dem Wiedergabemodus abzurufen. Eine solche Verbindung führt zu einer besonders zuverlässigen Hinderniserkennung bei hohen Geschwindigkeiten durch eine ständig verfügbare Hindernisdatenbank.
-
Gemäß einer vorteilhaften Ausführungsform der Erfindung ist folgender Schritt vorgesehen: Ausführen einer Sicherheitsmaßnahme, wenn das Fahrzeug während des Wiedergabemodus im Bereich der Fahrzeugtiefenkarte fährt und das Detektionssystem Daten der Profiltiefen detektiert, die nicht in der Fahrzeugtiefenkarte verarbeitet sind. Eine solche Maßnahme ist eine sichere Methode, um Personen- und Sachschäden am Fahrzeug so weit wie möglich zu vermeiden und die verfügbaren Daten der Profiltiefen entsprechend zu nutzen.
-
Gemäß einer vorteilhaften Ausführungsform der Erfindung ist vorgesehen, dass das Speichersystem ein externes Cloud-System ist. Daraus ergeben sich mehrere Vorteile. So wird beispielsweise der Fahrzeugspeicher nicht belastet. Bei immer schnelleren Mobilfunkverbindungen wird die Zeitverzögerung auch bei einer Speicherung der Daten außerhalb des Fahrzeugs reduziert. Darüber hinaus können die gespeicherten Daten zu einer gemeinsamen, detaillierten Straßenprofiltiefenkarte zusammengeführt oder eine solche Straßenprofiltiefenkarte von jedem Fahrzeug aus abgerufen werden. Dies kann im Sinne von Fuhrparks geschehen. Dadurch wird der Detaillierungsgrad der Straßenprofiltiefenkarte erhöht und damit das Risiko von Fehleinschätzungen von Hindernissen auf der Straße reduziert.
-
Gemäß einer alternativen vorteilhaften Ausführungsform der Erfindung ist vorgesehen, dass das Speichersystem ein internes Speichersystem des Fahrzeugs ist. Dies ist vorteilhaft, wenn z.B. die Netzabdeckung unzureichend ist. Es kann auch notwendig sein, eine zusätzliche Strahlenbelastung durch Datenübertragung bewusst zu vermeiden. Es ist auch eine kostengünstige Lösung, da es kein kostenintensives externes Serversystem gibt. Das Fahrzeug ist somit unabhängig von externen Datenzuführungen. Da pro Fahrzeug oft nur ähnliche Streckenabschnitte gefahren werden, z.B. von zu Hause zur Arbeit und zurück, werden wesentliche Streckenabschnitte überwacht. Es gibt keine Überwachung von Straßen, die jemals nur mit reduzierter Wahrscheinlichkeit befahren werden würden.
-
Gemäß einer vorteilhaften Ausführungsform der Erfindung ist vorgesehen, dass die Straßenprofiltiefenkarte ist eine Crowdsourced Map. Dies kann beispielsweise über ein externes Cloud-System erfolgen. Es ist aber auch möglich, dass mehrere Fahrzeuge miteinander kommunizieren und Daten synchronisieren. Dadurch wird der Detaillierungsgrad der verwendeten Straßenprofiltiefenkarte erhöht und damit das Risiko einer Fehleinschätzung bisher unentdeckter Hindernisse reduziert.
-
Gemäß einer vorteilhaften Ausführungsform der Erfindung ist vorgesehen, dass die Straßenprofiltiefenkarte Daten der Profiltiefen der Fahrspur von mehreren Fahrzeugen umfasst. Die Menge der von verschiedenen Fahrzeugen erfassten Daten erhöht den Detaillierungsgrad der Kartengenauigkeit, was zu zuverlässigeren Fahrprognosen und einem geringeren Unfallrisiko führt.
-
Gemäß einer vorteilhaften Ausführungsform der Erfindung ist vorgesehen, dass das Detektionssystem Sensoren vom Typ Ultraschall, Radar, LiDAR und/oder Kamera umfasst. Ultraschall ist Schall mit Frequenzen oberhalb des menschlichen auditorischen Frequenzbereichs. Er umfasst Frequenzen ab 16 kHz. Schall für technische Anwendungen im Frequenzbereich oberhalb von etwa 1 kHz, der nicht zum Hören bestimmt ist, kann auch als Ultraschall bezeichnet werden. So sind beispielsweise Ultraschallsensoren in die Stoßfänger eines Fahrzeugs integriert. Es wird regelmäßig zwischen Zwei-, Vier- und Sechskanalsystemen unterschieden, d.h. für jeden Stoßfänger sind zwei, vier oder sechs runde Sensoren, meist in Fahrzeugfarbe lackiert, installiert. Je höher die Anzahl der Sensoren, desto genauer oder zuverlässiger ist das Messergebnis, wobei die Breite des Fahrzeugs für die erforderliche Anzahl der Sensoren mit entscheidend ist. Diese Sensoren senden und empfangen Ultraschallsignale und übertragen die Daten an die Recheneinheit, die dann aus der Laufzeit des Ultraschallsignals den Abstand vom Sensor zum Hindernis berechnet. Radar ist der Name für verschiedene Detektions- und Ortungsverfahren und Geräte, die auf elektromagnetischen Wellen im Hochfrequenzbereich (Radiowellen) basieren. Eine Radarvorrichtung ist eine Vorrichtung, die ein so genanntes primäres Signal als gebündelte elektromagnetische Welle abgibt, die von Objekten reflektierten Echos als sekundäres Signal empfängt und nach verschiedenen Kriterien auswertet. Auf diese Weise können Informationen über die Objekte gewonnen werden. In den meisten Fällen handelt es sich um eine Lokalisation (Bestimmung von Abstand und Winkel). So wurde beispielsweise eine radargestützte Einparkhilfe erstmals durch ein Nahbereichs-Millimeterwellenradar ermöglicht. Das Messverfahren ist identisch mit der Ultraschallversion, jedoch werden hier Radarsignale ausgewertet. Der Vorteil ist, dass es keine zusätzlichen Ultraschallsensoren in den Stoßfängern gibt, was wiederum Vorteile bringt. LiDAR ist ein Vermessungsverfahren, das die Entfernung zu einem Ziel misst, indem es ein Ziel mit Laserlicht bestrahlt und das reflektierte Licht mit einem Sensor erfasst. Unterschiede in den Laser-Rücklaufzeiten und Wellenlängen können dann genutzt werden, um digitale 3D-Darstellungen des Ziels zu erstellen. LiDAR wird manchmal als 3D-Laserscanning bezeichnet, eine spezielle Kombination aus 3D-Scanning und Laserscanning. Autonome Fahrzeuge können LiDAR zur Hinderniserkennung und Vermeidung einsetzen, um mit rotierenden Laserstrahlen sicher durch die Umgebung zu navigieren. Cost map- oder Punktwolkenausgaben des LiDAR-Sensors liefern die notwendigen Daten für die Robotersoftware, um festzustellen, wo potenzielle Hindernisse in der Umgebung vorhanden sind und wo sich der Roboter in Bezug auf diese potenziellen Hindernisse befindet. LiDAR verwendet aktive Sensoren, die eine eigene Lichtquelle versorgen. Die Energiequelle trifft auf Objekte und die reflektierte Energie wird von Sensoren erfasst und gemessen. Die Entfernung zum Objekt wird bestimmt, indem die Zeit zwischen gesendeten und rückgestreuten Impulsen aufgezeichnet wird und indem die Lichtgeschwindigkeit zur Berechnung der zurückgelegten Strecke verwendet wird. Flash LIDAR ermöglicht eine 3D-Bildgebung, da die Kamera in der Lage ist, einen größeren Blitz auszusenden und die räumlichen Verhältnisse und Dimensionen des interessierenden Bereichs mit der zurückgegebenen Energie zu erfassen. Dies ermöglicht eine genauere Bildgebung, da die aufgenommenen Bilder nicht zusammengefügt werden müssen und das System nicht auf Plattformbewegungen reagiert, was zu weniger Verzerrungen führt. Eine Kamera ist ein fototechnisches Gerät, das statische oder bewegte Bilder auf einem fotografischen Film oder elektronisch auf ein Magnetband oder digitales Speichermedium aufzeichnen oder über eine Schnittstelle übertragen kann. So bieten beispielsweise Kameras eine weitere Möglichkeit, das Parken zu erleichtern, z.B. als Rückfahrkameras. Diese befinden sich am Heck des Fahrzeugs und filmen die Umgebung hinter dem Auto. Sie schalten sich beim Einlegen des Rückwärtsgangs ein und zeigen ihr Bild auf einem Display im Cockpit an. Sie müssen nicht unbedingt mit einem Entfernungsmesssystem arbeiten. Unterschiedlich farbige Hilfslinien im Display zeigen den vom Lenkradwinkel vorgegebenen Weg oder den Bereich direkt hinter dem Fahrzeug an. Weitere Zusatzfunktionen können ein Zoom-Modus auf den Bereich der Anhängerkupplung oder ein Parallelpark-Modus sein. Ein Vorteil dieser Kameras ist, dass sie auch besonders niedrige Hindernisse erkennen können, die von den Parksensoren nicht erkannt würden.
-
Gemäß einer vorteilhaften Ausführungsform der Erfindung ist vorgesehen, dass das Detektionssystem zumindest zum Detektieren von vorstehenden Hindernissen und/oder Mulden, die sich in die Fahrspur erstrecken, ausgelegt ist. Dementsprechend können Mulden auch als Hindernisse verstanden werden. Eine Einschränkung der Detektion auf dieses Spektrum reduziert die erforderliche Rechenleistung für die Auswertung der erfassten Daten. Insbesondere bedeutet dies bedeutet auch, dass zudem die horizontale Ausdehnung von Hindernissen erkannt wird, um ein notwendiges Fahrmanöver zu ermöglichen.
-
Gemäß einer vorteilhaften Ausführungsform der Erfindung ist vorgesehen, dass das Detektionssystem Daten der Profiltiefen von der Ego-Spur und/oder den umliegenden Fahrspuren detektiert. Dadurch wird das Sicherheitsniveau weiter erhöht. In einer Situation, in der ein Fahrzeug beispielsweise von seiner Ego-Spur auf eine rechte oder linke Fahrspur wechseln muss, um einen Unfall zu vermeiden, kann es nützlich sein, Kenntnisse über Hindernisse in der Umgebung, d.h. angrenzende Fahrspuren, zu haben.
-
Gemäß einer vorteilhaften Ausführungsform der Erfindung ist folgender Schritt vorgesehen: Speichern der Daten der Profiltiefen in einem oder dem Speichersystem vor dem Erstellen und/oder Aktualisieren der Straßenprofiltiefenkarte. Dadurch können die Daten der Profiltiefen zu einem späteren Zeitpunkt übertragen werden, z.B. um die Straßenprofiltiefenkarte zu erstellen oder zu aktualisieren. In einem ersten Schritt können die Daten der Profiltiefen auch in die Straßenprofiltiefenkarte integriert und in einem späteren Schritt durch mindestens einen zweiten Algorithmus überprüft werden, so dass die Straßenprofiltiefenkarte das Vorhandensein von Hindernissen zuverlässig vorhersagt. Diese Schritte können im Fahrzeug oder in einer externen Cloud stattfinden.
-
Nachfolgend wird die Erfindung unter Bezugnahme auf die anliegende Zeichnung anhand bevorzugter Ausführungsformen näher erläutert. Die dargestellten Merkmale können sowohl jeweils einzeln als auch in Kombination einen Aspekt der Erfindung darstellen. Merkmale verschiedener Ausführungsbeispiele sind übertragbar von einem Ausführungsbeispiel auf ein anderes.
-
Es zeigt
- 1 eine schematische Seitenansicht und eine Draufsicht eines sich nähernden Fahrzeugs, wobei das Fahrzeug ein Detektionssystem aufweist, das seine Umgebung detektiert;
- 2 die Situation gemäß 1, wobei ein Objekt detektiert wird und wobei Daten an eine Cloud gesendet werden;
- 3 die Situation gemäß 1, wobei kein Objekt detektiert wird und wobei Daten an eine Cloud gesendet werden;
- 4 die Situation gemäß 1, wobei ein Objekt detektiert wird und wobei das Fahrzeug vorsieht, eine Sicherheitsmaßnahme durchzuführen; und
- 5 ein Flussdiagramm einer bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens.
-
Die 5 zeigt ein Flussdiagramm einer bevorzugten Ausführungsform des erfinderischen Verfahrens zum Identifizieren von Hindernissen 10 auf einer Fahrspur 12 eines Fahrzeugs 14 durch einen Datenvergleich mit einer Straßenprofiltiefenkarte, umfassend die folgenden Schritte eines Trainingsmodus:
- Detektieren von Daten von Profiltiefen PD der Fahrspur 12 100, mit einem Detektionssystem 16 des Fahrzeugs 14;
- Speichern der Daten der Profiltiefen PD in einem Speichersystem 20, bevor die Straßenprofiltiefenkarte erstellt wird 150;
- Erstellen der Straßenprofiltiefenkarte aus den Daten der Profiltiefen PD der Fahrspur 200, mit einer Recheneinheit 18; und
- Speichern der Straßenprofiltiefenkarte 300 in dem Speichersystem 20.
-
Gemäß einer bevorzugten Ausführungsform der Erfindung ist vorgesehen, dass dem Trainingsmodus ein Wiedergabemodus folgt, der die folgenden Schritte umfasst: Abrufen der Straßenprofiltiefenkarte beim Fahren auf einer Fahrspur 400 und Detektieren von Daten der Profiltiefen PD der Fahrspur 12 in Echtzeit 500;
-
Speichern der Daten der Profiltiefen PD in einem oder dem Speichersystem 20 vor dem Aktualisieren der Straßenprofiltiefenkarte 550;
-
Vergleichen der in Echtzeit gemessenen Daten der Profiltiefen PD der Fahrspur 12 und der abgerufenen Daten der Profiltiefen PD der Straßenprofiltiefenkarte zu Vergleichsdaten und Identifizieren von Hindernissen 600; und
Aktualisieren, wenn definierte Anforderungen erfüllt sind, der Straßenprofiltiefenkarte unter Berücksichtigung der Vergleichsdaten 700.
-
Wie in den 2, 3 und 5 dargestellt, ist das Speichersystem 20 ein externes Cloud-System.
-
Alternativ, aber nicht dargestellt, ist das Speichersystem 20 ein internes Speichersystem des Fahrzeugs 12.
-
5 zeigt auch, dass beispielsweise die Straßenprofiltiefenkarte eine Crowdsourced Map ist.
-
Es wird deutlich darauf hingewiesen, dass das externe Speichersystem 20 symbolisch als Wolke dargestellt wird, um die Speicheroption einer externen Cloud zu veranschaulichen.
-
Es kann auch vorgesehen werden, wie von den drei Fahrzeugen 14 angewandt, dass die Straßenprofiltiefenkarte Daten der Profiltiefen PD der Fahrspur 12 von mehreren Fahrzeugen 14 umfasst.
-
Gemäß einer bevorzugten Ausführungsform der Erfindung weist 4 symbolisch auf einen nachfolgenden Schritt hin, gekennzeichnet durch das Ausführen einer Sicherheitsmaßnahme, wenn das Fahrzeug 12 während des Wiedergabemodus im Bereich der Straßenprofiltiefenkarte fährt und das Detektionssystem 16 Daten der Profiltiefen PD erkennt, die noch nicht in der Straßenprofiltiefenkarte verarbeitet sind.
-
Es kann auch vorgesehen werden, dass das Detektionssystem 16 Sensoren vom Typ Ultraschall, Radar, LiDAR und/oder Kamera umfasst. In den 1 bis 4 wird symbolisch durch immer größere Ringe dargestellt, dass die Detektion nicht nur in eine Richtung vor dem Fahrzeug 14 verlaufen muss, sondern sich in alle Richtungen des Fahrzeugs 14 erstrecken kann.
-
Die 1 bis 4 zeigen eine exemplarische Ausführungsform, nach der vorgesehen ist, dass das Detektionssystem 16 zumindest für die Detektion von vorstehenden Hindernissen 10 ausgelegt ist. Darüber hinaus, aber nicht dargestellt, kann das Detektionssystem 16 für die Erkennung von Mulden, die sich in die Fahrspur 12 erstrecken, ausgelegt werden.
-
Grundsätzlich wird die Elevation, also Höhe, einer Straße erfasst.
-
Bevorzugt, aber nicht limitierend, wird vorgeschlagen, dass das Detektionssystem Daten der Profiltiefen PD von der Ego-Spur und/oder den umliegenden Fahrspuren erkennt.
-
1 zeigt das mit dem Sensorsystem 16 ausgestattete Fahrzeug 14. Eine Seitenansicht ist in einer oberen Teilfigur dargestellt. Eine Draufsicht ist in einer unteren Teilfigur dargestellt. Das Fahrzeug 14 fährt in Richtung der Hindernisse 10, die als Geschwindigkeitshubbel ausgebildet sind. Diese Geschwindigkeitshubbel umfassen eine Profiltiefe PD, die vom Detektionssystem 16 erfasst wird.
-
2 zeigt die Situation des Fahrzeugs 14, nachdem es über die detektierten Geschwindigkeitshubbel gemäß 1 gefahren ist. Sobald das Fahrzeug 14 die Daten der Profiltiefen PD gesammelt hat, wird es diese in das Speichersystem 20 hochgeladen, das eine Cloud ist, in der die Daten über die vorhandenen Geschwindigkeitshubbel von der Recheneinheit 18 verarbeitet werden. Dabei ist vor allem darauf zu achten, dass ein bestehendes Hindernis 10 als bestehend bestätigt oder gegebenenfalls als neues Hindernis 10 gespeichert wird.
-
3 entspricht im Wesentlichen 2 mit dem Unterschied, dass ein vorgelagertes Hindernis 10 nicht erkannt wurde. Daher sind die nicht vorhandenen Hindernisse 10 etwas anders dargestellt, zumindest in der unteren Teilfigur. Dadurch wird die Straßenprofiltiefenkarte entsprechend aktualisiert. Dabei bezieht sich diese Figur nur auf den Wiedergabemodus. Die Profiltiefe PD ist in der oberen Teilfigur nur deshalb symbolisch dargestellt, um zu zeigen, was nicht vorhanden ist. Im Wesentlichen geht es in 3 darum, Hindernisse 10 aus der Straßenprofiltiefenkarte zu löschen, die nicht mehr existieren.
-
4 entspricht im Wesentlichen 1. In 4 erkennen die Sensoren ein unbekanntes Hindernis 10. Dieses Hindernis 10 entspricht nicht der Profiltiefe PD auf der, vorzugsweise Crowdsourced, Straßenprofiltiefenkarte. Um Kollisionen zu vermeiden, betrachtet das Fahrunterstützungssystem dieses Element als Hindernis 10 und handelt entsprechend. Dieses erkannte Hindernis 10 wird ebenfalls in die Cloud gesendet, um andere Verkehrsteilnehmer zu schützen und die Straßenprofiltiefenkarte für alle Verkehrsteilnehmer zu aktualisieren.
-
Bezugszeichenliste
-
- 10
- Hindernis
- 12
- Fahrspur
- 14
- Fahrzeug
- 16
- Detektionssystem
- 18
- Recheneinheit
- 20
- Speichersystem
- 100
- Detektieren von Daten von Profiltiefen
- 150
- Speichern der Daten der Profiltiefen in einem Speichersystem, bevor die Straßenprofiltiefenkarte erstellt wird
- 200
- Erstellen der Straßenprofiltiefenkarte aus den Daten der Profiltiefen der Fahrspur
- 300
- Speichern der Straßenprofiltiefenkarte
- 400
- Abrufen der Straßenprofiltiefenkarte beim Fahren auf einer Fahrspur
- 500
- Detektieren von Daten der Profiltiefen der Fahrspur in Echtzeit
- 550
- Speichern der Daten der Profiltiefen in einem oder dem Speichersystem vor dem Aktualisieren der Straßenprofiltiefenkarte
- 600
- Vergleichen von in Echtzeit gemessenen Daten der Profiltiefen der Fahrspur und der abgerufenen Daten der Profiltiefen der Straßenprofiltiefenkarte zu Vergleichsdaten und Identifizieren von Hindernissen
- 700
- Aktualisieren, wenn definierte Anforderungen erfüllt sind, der Straßenprofiltiefenkarte unter Berücksichtigung der Vergleichsdaten
- PD
- Profiltiefe
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- US 2015/0266472 A1 [0022]