-
Die vorliegende Erfindung betrifft ein Verfahren zum Erkennen von Fahrbahnmarkierungen mittels eines Radarsensors eines Fortbewegungsmittels gemäß Anspruch 1 sowie eine Vorrichtung zum Erkennen von Fahrbahnmarkierungen gemäß dem nebengeordneten Anspruch.
-
Technologischer Hintergrund
-
Gattungsgemäße Fortbewegungsmittel, wie z. B. Personenkraftfahrzeuge oder Motorräder, werden zunehmend mit Fahrerassistenzsystemen ausgerüstet, welche mit Hilfe von Sensorsystemen die Umgebung erfassen, Verkehrssituation erkennen und den Fahrer unterstützen können, z. B. durch einen Brems- oder Lenkeingriff oder durch die Ausgabe einer optischen oder akustischen Warnung. Als Sensorsysteme zur Umgebungserfassung werden regelmäßig Radarsensoren, Lidarsensoren, Kamerasensoren oder dergleichen eingesetzt. Aus den durch die Sensoren ermittelten Sensordaten können Rückschlüsse auf die Umgebung gezogen werden. Die Umgebungserfassung mittels Radarsensoren basiert auf der Aussendung von gebündelten elektromagnetischen Wellen und deren Reflexion, z. B. durch andere Verkehrsteilnehmer, Hindernisse auf der Fahrbahn oder die Randbebauung der Fahrbahn. Während die Umgebungserfassung mittels Radarsensorik gut geeignet ist, um derartige Objekte zu detektieren, können Fahrbahnmarkierungen bzw. Straßenmarkierungen nur sehr schwer mittels Radarsensorik detektiert werden. Die Detektion derartiger Fahrbahnmarkierungen gewinnt jedoch gerade im Bereich des autonomen und teilautonomen Fahrens zunehmend an Bedeutung.
-
Gattungsgemäße Fahrbahnmarkierungen werden z. B. durch die Verwendung von Kamerasensoren erkannt. Dabei kommt in der Regel eine Frontkamera zum Einsatz, wobei auch zusätzliche Seitenkameras (suround view cameras) verwendet werden können. Das Erkennen erfolgt hierbei vorzugsweise über einen Algorithmus. Beispielsweise werden Mustererkennungsalgorithmen verwendet, welche die Fahrbahnmarkierungen (sogenannte „Lane Markings“) per Mustererkennung erkennen und durch Klothoiden oder Polygone abbilden. Ferner können auch künstliche neuronale Netze verwendet werden, sogenannte CNN's (Convolutional Neural Network), bei denen die Erkennung anhand „gelabelter“ Trainingsdaten erfolgt. Beispielsweise kann jedoch bei starkem Gegenlicht der Imager einer Kamera übersteuern, sodass die Erkennung komplett ausfallen kann. Alternativ können Fahrbahnmarkierungen jedoch auch mittels Lidar bzw. Laser erkannt werden, da die Fahrbahnmarkierungen in der Regel einen Kontrast zur Straße aufweisen, insbesondere im Infrarot-Bereich oder im sichtbaren Spektralbereich. Jedoch besitzen Lidarsensoren Nachteile im Messverhalten bei bestimmten Wetterereignissen, wie z. B. Schnee oder Regen.
-
Ferner wird z. B. für das automatisierte Fahren eine Mehrfachredundanz von unterschiedlichen Detektionsmöglichkeiten benötigt, wobei z. B. bestimmte Vorgänge, wie das Erkennen von Fahrbahnmarkierungen, mittels verschiedener, unabhängiger Sensoren erkannt werden sollten. Im Wesentlichen sollten dabei redundante Systeme genutzt werden, welche insbesondere unterschiedliche Messprinzipien verwenden (z. B. optische Strahlung bei der Kamera und Millimeterwellen-Strahlung beim Radar), um im Falle eines (vorrübergehenden) Ausfalls eines Sensors auf andere Sensordaten zurückgreifen zu können.
-
Druckschriftlicher Stand der Technik
-
Aus der
WO 2014 082 821 A1 ist eine strahlenreflektierende Straßenmarkierung bekannt, welche derart modifiziert ist, dass diese mittels unterschiedlicher Sensorik erkannt werden kann. Die modifizierte Straßenmarkierung enthält hierzu Metallpartikel mit einem Durchmesser zwischen 10 µm und 1 cm. Bei den Metallpartikeln handelt es sich um Partikel, die ganz oder teilweise aus Aluminium, Magnesium, Zink oder einer Legierung aus diesen bestehen. Diese Metallpartikel reflektieren die elektromagnetische Strahlung, die durch eine entsprechende Vorrichtung an einem Fahrzeug abgestrahlt wird. Das Fahrzeug kann dann die reflektierte Strahlung mit einem entsprechenden Detektor detektieren, wobei es sich bei der elektromagnetischen Strahlung z. B. um sichtbares Licht, Radar-, Mikrowellen- und/oder Infrarotstrahlung handelt. Ein Problem bei der Detektion der strahlenreflektierenden Straßenmarkierung mittels Radarsensorik besteht oftmals darin, dass die Fahrbahn (Straßenoberfläche) bereits ohne Fahrbahnmarkierungen sehr stark reflektiert. Dadurch wird ein starkes Signalrauschen („Clutter“) von der Straßenoberfläche erzeugt, sodass mit dem Empfangssignal aufgrund der nur schwachen Reflexionsunterschiede zwischen Straßenoberfläche und Straßenmarkierung ein nur unzureichendes Erkennen der Straßenmarkierungen mittels Radar möglich ist.
-
Aufgabe der vorliegenden Erfindung
-
Ausgehend vom Stand der Technik besteht die Aufgabe der vorliegenden Erfindung nunmehr darin, ein Verfahren zur Detektion von Fahrbahnmarkierungen zur Verfügung zu stellen, mit dem die Detektion der Fahrbahnmarkierungen verbessert und die Nachteile aus dem Stand der Technik überwunden werden.
-
Lösung der Aufgabe
-
Die vorstehende Aufgabe wird durch die gesamte Lehre des Anspruchs 1 sowie des nebengeordneten Anspruchs gelöst. Zweckmäßige Ausgestaltungen der Erfindung sind in den Unteransprüchen beansprucht.
-
Das erfindungsgemäße Verfahren dient zum Erkennen von insbesondere modifizierten Fahrbahnmarkierungen mittels eines Radarsensors, der insbesondere in einem Fahrzeug oder Fortbewegungsmittel angeordnet ist. Durch die Modifikation der Fahrbahnmarkierungen kann diese mittels Radarsensorik erkannt werden. Die Modifikation der Fahrbahnmarkierungen ist dabei nicht Gegenstand dieser Erfindung. Somit kann das erfindungsgemäße Verfahren auch bei allen gattungsgemäßen, aus dem Stand der Technik bekannten (derart modifizierten) Fahrbahnmarkierungen angewandt werden. Der Radarsensor sendet zunächst ein Radarsignal aus und empfängt dieses nach erfolgter Reflexion wieder. Die empfangenen Radarsignale werden dann in statische oder dynamische Detektionen eingeteilt, wobei die Radarsignale von statischen Detektionen in eine Karte bzw. ein Grid oder Gitter überführt werden. Im Anschluss daran erfolgt zum Erkennen der Fahrbahnmarkierungen eine Korrelation der Radarsignale in der Karte mit hinterlegten Mustern. Die Muster sind hierbei charakteristisch für die verschiedenen Typen von Fahrbahnmarkierungen, so dass durch einen Vergleich dieser mit den detektierten Radarsignalen bzw. Radarmustern die Fahrbahnmarkierungen in besonders einfacher und kostengünstiger Weise und mit hoher Genauigkeit und Sicherheit detektiert bzw. erkannt werden.
-
Vorzugsweise handelt es sich bei der Karte um eine kartesische Karte mit mindestens einer Reihe und mindestens einer Spalte, wobei jeweils durch einen Überschneidungsbereich von Reihe und Spalte eine Zelle gebildet wird. Dadurch entsteht ein Gitter aus mehreren aneinandergereihten Zellen. Die kartesische Karte umfasst dabei vorzugsweise eine X-Achse, welche für die Fahrbahnbreite repräsentiert, und eine Y-Achse, welche die Entfernung zum jeweils detektierten Zielpunkt bzw. Objekt abbildet.
-
Zweckmäßigerweise kann die Korrelation jeweils für einzelne Zellen, Spalten und/oder Reihen der Karte durchgeführt werden, d. h. reihen-, spalten- und/oder zellenweise. Die Erkennungssicherheit wird dadurch noch zusätzlich verbessert.
-
Als besonders vorteilhaft hat es sich erwiesen, wenn die Breite der Karte kleiner oder im Wesentlichen gleich der Breite der Fahrbahn oder der Fahrbahnmarkierung bzw. den von festlegbaren oder bestimmbaren Fahrbahnmarkierungen eingeschlossene Bereich ist. Die Korrelation kann dadurch besonders einfach durchgeführt werden.
-
In bevorzugter Weise entspricht die Länge der Karte dabei 10 % bis 100 % der Länge der Fahrbahnmarkierung, vorzugsweise 50 % bis 100 % der Länge der Fahrbahnmarkierung, vorzugsweise 80 % bis 100 % der Länge der Fahrbahnmarkierung.
-
Zweckmäßigerweise kann die Höhe des Signalpegels in einer Zelle jeweils von der Anzahl der Detektionen und/oder der Stärke des Signals abhängen. Somit kann die Höhe des Signalpegels für die jeweilige Zelle in besonders einfacher Weise ermittelt werden, indem eine Bestimmung der Anzahl von Detektionen pro Zelle und/oder eine Bestimmung des Signalpegels pro Zelle durchgeführt wird.
-
Ferner kann als hinterlegtes Muster ein periodisches longitudinales, ein periodisches laterales, ein konstantes longitudinales und/oder ein konstantes laterales Muster vorgesehen sein. Beispielsweise kann ein periodisches longitudinales Muster, z. B. in Form eines Binärcodes (z. B. 01010101), für eine typische unterbrochene Linie („dashed line“) stehen, wobei der Musterabstand variabel ist. Ferner kann ein konstantes longitudinales Muster (z. B. 111111111) für eine ununterbrochene Linie („solid line“) oder ein konstantes laterales Muster für einen Zebrastreifen stehen.
-
Gemäß einer besonderen Ausgestaltung der Erfindung wird der Startwert zwischen der Karte und dem Muster derart variiert, dass eine maximale Korrelation zwischen Karte und Muster vorliegt.
-
Vorzugsweise erfolgt die Durchführung des Verfahrens anhand eines Algorithmus. Dadurch ist das Verfahren in besonders einfacher und kostengünstiger Weise zu implementieren und in bestehenden Systemen nachzurüsten.
-
In bevorzugter Weise können aus den Radarsignalen Radardaten erzeugt werden, wobei ein Radarquerschnitt (RCS - Radar Cross Section) abgeleitet wird, der zugleich als Grid bzw. Karte verwendet werden kann. Diese Ausgestaltung des Verfahrens eignet sich besonders, wenn ohnehin bei dem jeweiligen Sensor ein Radarquerschnitt z. B. zur Objektdetektion erzeugt wird. Dadurch können zusätzliche Rechenoperation vermieden werden.
-
Ferner können die statischen Detektionen anhand von bzw. unter Berücksichtigung von Parametern des Fahrzeugs in die Karte überführt werden, insbesondere anhand der Eigengeschwindigkeit des Fahrzeugs, der Gierrate und/oder der Beschleunigung. Ferner können auch andere Informationen oder Parameter, wie z. B. Car-to-Car- oder Car-to-X-Kommunikationen zum Ableiten der Karte herangezogen werden.
-
Zweckmäßigerweise kann ein zusätzlicher Sensor vorgesehen sein. Insbesondere kann es sich bei dem zusätzlichen Sensor um einen Kamera- oder Lidarsensor handeln. Ausdrücklich umfasst sind jedoch auch andere aus dem Stand der Technik bekannte Sensoren. Die Sensordaten des zusätzlichen Sensors werden dabei insbesondere zum Erkennen von Fahrbahnmarkierungen herangezogen. Der zusätzliche Sensor kann somit der optionalen dienen und/oder zusätzliche Redundanz zum Erkennen der Fahrbahnmarkierungen schaffen.
-
Vorzugsweise wird anhand der Sensordaten des zusätzlichen Sensors die Korrelation in der Karte bzw. im Grid auf bestimmte Zellen, Reihen und/oder Spalten eingeschränkt. Daraus resultiert der Vorteil, dass die Rechenoperationen vereinfacht, der Speicherbedarf verringert und/oder der Verfahrensablauf bzw. die Berechnung beschleunigt werden können.
-
Eine weitere vorteilhafte Ausgestaltung des Verfahrens liegt darin, dass anhand von Karten-, GPS- und/oder Navigationsdaten die Anzahl der in Betracht zu ziehenden Muster aus den hinterlegten Mustern eingeschränkt werden kann. Dabei kann z. B. anhand einer GPS-Karte die Anzahl der möglichen in Betracht zu ziehenden Muster eingeschränkt werden, indem z. B. ein charakteristisches Muster für einen Zebrastreifen ausgeschlossen wird, wenn sich das Fahrzeug auf einer Autobahn befindet. Dies erfolgt insbesondere anhand von geografischen oder infrastrukturellen Karteninformationen, wie z. B. in welchem Land sich das Fahrzeug befindet oder auf welcher Straßenart (Autobahn, Landstraße, Forststraße oder dergleichen) das Fahrzeug unterwegs ist.
-
Zweckmäßigerweise können anhand von Sensordaten des Radarsensors und/oder des zusätzlichen Sensors detektierte Objekte zum Erkennen der Fahrbahnmarkierungen herangezogen werden. Beispielsweise werden Leitplanken, Bordsteine, Fahrbahnränder oder dergleichen sehr sicher und stabil von gattungsgemäßen Radarsensoren erkannt. Infolgedessen kann die Suche nach charakteristischen Mustern im Radargrid eingeschränkt werden, da sich Fahrbahnmarkierungen in der Regel parallel und in einem bestimmten Abstand zu den jeweiligen Leitplanken, Bordsteinen und Fahrbahnrändern befinden. Das Erkennen der Fahrbahnmarkierungen kann dadurch noch zusätzlich verbessert und vereinfacht werden.
-
Zudem beansprucht die vorliegende Erfindung eine Vorrichtung zum Erkennen von Fahrbahnmarkierungen. Bei der Vorrichtung kann es sich beispielsweise um ein Fahrerassistenzsystem oder eine Sensoranordnung mit einem Radarsensor handeln, die dazu hergerichtet ist, dass das Erkennen von Fahrbahnmarkierungen anhand des erfindungsgemäßen Verfahrens erfolgt.
-
Das erfindungsgemäße Verfahren erlaubt das Erkennen von insbesondere modifizierten Fahrbahnmarkierungen mittels Radar und liefert damit eine zusätzliche Redundanz zum Erkennen von Fahrbahnmarkierungen mittels Kamera oder Lidar, z. B. bei für Kamera und Lidarsensoren ungünstigen Bedingungen (z. B. „Schlechtwetterereignisse“, wie Schnee, Regen oder Nebel). Beispielsweise können dadurch auch die Sicherheitsanforderungen erhöht werden, z. B. kann der ASIL (Automotive Safety Integrity Level) gemäß ISO 26262 (sicheres Erkennen im Fehlerfall) erhöht werden. Das erfindungsgemäße Verfahren kann insbesondere bei allen periodischen Radarzielen („radar targets“) eingesetzt werden und verbessert zudem die Erkennungsleistung des Radars bei Leitpfosten oder Streben von Leitplanken. Überraschenderweise hat sich dabei gezeigt, dass durch das verbesserte Erkennen von Fahrbahnmarkierungen oder Leitpfosten die Lokalisierung innerhalb einer digitalen Karte verbessert werden kann, d. h. die erkannten Objekte können wiederum in eine digitale Karte aufgenommen werden.
-
Figurenliste
-
Im Folgenden wird die Erfindung anhand von zweckmäßigen Ausführungsbeispielen näher erläutert. Es zeigen:
- 1 eine vereinfachte schematische Darstellung eines Fahrzeugs mit einer erfindungsgemäßen Vorrichtung zum Erkennen von Fahrbahnmarkierungen;
- 2 eine vereinfachte Darstellung der mittels Radarsensor erfassten Reflexionen einer Straße ohne Fahrbahnmarkierungen (links) sowie eine vereinfachte Darstellung der mittels Radarsensor erfassten Reflexionen einer Straße mit modifizierten Fahrbahnmarkierungen (rechts);
- 3 eine vereinfachte Darstellung der mittels Radarsensor erfassten Reflexionen einer Straße mit modifizierten Fahrbahnmarkierungen in einer Karte gemäß der vorliegenden Erfindung, sowie
- 4 eine vereinfachte Darstellung eines hinterlegten Musters (links) sowie eine Darstellung der Karte aus 3 mit erfolgter Korrelation (rechts).
-
Bezugsziffer 1 in 1 bezeichnet einen Radarsensor, der sich in einem Fortbewegungsmittel bzw. einem Fahrzeug 2 befindet, welches sich auf einer Straße mit Straßen- bzw. Fahrbahnmarkierungen 3 fortbewegt. Bei den Fahrbahnmarkierungen 3 handelt es sich um modifizierte Fahrbahnmarkierungen, die gemäß dem Stand der Technik derart verändert wurden, dass diese Radarsignale reflektieren. Dies kann z. B. dadurch erfolgen, indem den Fahrbahnmarkierungen Metallpartikel beigemischt werden. Zum Erkennen der Fahrbahnmarkierungen 3 werden diese mit dem Radarsensor 1 beleuchtet, indem der Radarsensor 1 ein Radarsignal in Form von elektromagnetischen Wellen z. B. in aufeinanderfolgenden Zyklen aussendet. Diese Wellen werden von den Fahrbahnmarkierungen 3 reflektiert (der Übersichtlichkeit halber in 1 nicht dargestellt). Das zurückgestreute Signal wird anschließend aufgezeichnet und von einem Tracking-Algorithmus, wie z. B. einem Kalman-Filter erfasst. Anhand der Sensor- bzw. Radardaten kann anschließend ein Radarquerschnitt (RCS) gebildet werden, bei dem die Höhe des Signalpegels bzw. die Stärke des Signals (in der Regel in dbm2 angegeben) abhängig von der Entfernung zum jeweiligen Objekt bzw. zur Fahrbahnmarkierung 3 aufgetragen wird.
-
In 2 ist eine Straßenreflexion, ein sogenannter Clutter, in einer Karte ohne modifizierte Fahrbahnmarkierungen 3 dargestellt. Bereits ohne Fahrbahnmarkierungen 3 ergibt sich ein relativ starker Pegel direkt mittig zum Fahrzeug 2, welcher aus Straßenreflexionen resultiert (links). Mit gattungsgemäßen Fahrbahnmarkierungen 3 ergeben sich zwar häufigere Reflexionen (rechts), allerdings kann kaum ein periodisches Muster erkannt werden, sodass eine Zuordnung nur schwer erfolgen kann.
-
Zum Erkennen der Fahrbahnmarkierungen mittels Radarsensor 1 wird erfindungsgemäß eine Karte bzw. ein Grid oder Gitter verwendet, wie in 3 dargestellt. In praktischer Weise wird als Karte oder Grid eine kartesische Darstellung gewählt (XY). Dabei handelt es sich um ein Gitter, welches aus Reihen 5 und Spalten 6 aufgebaut ist und bei dem jeweils eine Zelle durch einen Überschneidungsbereich 7 von einer Spalte 6 und einer Reihe 5 bzw. Zeile gebildet bzw. festgelegt wird, sodass ein mehrere Zellen umfassendes Gitter gebildet wird. In 3 ist der Überschneidungsbereich 7 bzw. die Zelle, die durch diesen festgelegt ist, exemplarisch anhand einer Viereck- oder Rautenstruktur dargestellt. Ferner kann ein „binary occupancy grid“ vorgesehen sein, bei dem für eine Detektion in einer Zelle eine Wertzahl 1 und für keine Detektion in einer Zelle eine Wertzahl 0 vergeben wird. Die Höhe des Signalpegels in der jeweiligen Zelle hängt dabei z. B. von der Anzahl an Detektionen ab oder wird mittels eines RCS-Grids bestimmt, bei dem die Höhe des Signalpegels in der Zelle von der Stärke des Signals abhängt. Das Grid wird hierbei insbesondere derart gewählt, dass die Breite in der Größenordnung der Breite der Fahrbahnmarkierung liegt (z. B. 10 cm) oder darunter und die Länge in der Größenordnung von 10 % bis 100 % der Länge der Fahrbahnmarkierung (z. B. 10 cm bis 10 m) oder der Breite oder Länge der Fahrbahn.
-
Die Korrelation erfolgt nach dem erfindungsgemäßen Verfahren mit einem z. B. in einem Speicher der Sensorvorrichtung hinterlegten Muster 8 gemäß 4 (links), welches eine charakteristische Länge und einen charakteristischen Abstand der jeweiligen Fahrbahnmarkierung 3 aufweist. Dabei wird in den jeweiligen Zellen, Reihen 5 und/oder Spalten 6 ein Maximum erzeugt, in denen auch eine Fahrbahnmarkierung 3 vorhanden ist, wie exemplarisch in 4 (rechts) dargestellt, wobei ein Abgleich des hinterlegten Musters 8 mit den tatsächlich detektierten Radarsignalen vorzugsweise reihen- und spaltenweise erfolgt. Dadurch kann die jeweilige Fahrbahnmarkierung in einfacher Weise detektiert werden. Zudem entsteht durch eine derartige Auswertung ein periodisches Muster, welches anschließend des jeweiligen Fahrbahnmarkierungstyps zugeordnet werden kann.
-
Das Erkennen der Fahrbahnmarkierung 3 erfolgt vorzugsweise in einem zweistufigen Ablauf. In einem ersten Schritt werden zunächst die Detektionen des Radarsensors („Clutter“) in „statisch“ und „dynamisch“ eingeteilt. Bei dynamischen Detektionen handelt es sich insbesondere um von beweglichen Objekten zurückgestrahlte Radarsignale, wie z. B. von anderen Verkehrsteilnehmer. Demgegenüber handelt es sich bei statischen Detektionen 4 insbesondere um von unbeweglichen Objekten reflektierten Radarsignalen, wie z. B. Fahrbahnmarkierungen 3, Straßenbegrenzungen, Leitplanken oder dergleichen. Die statischen Detektionen 4 werden dann z. B. unter Verwendung von Fahrzeugparametern in eine Karte (Grid) überführt. Als Fahrzeugparameter kommen insbesondere die sogenannten „Vehicle Dynamics“ in Betracht, wie z. B. Eigengeschwindigkeit des Fahrzeugs 2, Gierrate, Beschleunigung oder dergleichen.
-
Im zweiten Schritt werden dann die Signale mit einem oder mehreren typischen, theoretischen „Mustern“ der Fahrbahnmarkierung korreliert. Diese Muster 8 können z. B. in einem Speicher hinterlegt sein. Beispielsweise kann ein periodisches, longitudinales Muster (z. B. 01010101) für eine typische unterbrochene Linie („dashed line“) vorgesehen sein, welche z. B. als Leitlinie oder Mittelleitlinie vom Verkehrsteilnehmer überfahren werden darf und zur Abgrenzung von zwei Fahrbahnen dient. Beispielsweise ist das hinterlegte Muster 8, wie in 4 (links) dargestellt, charakteristisch für eine unterbrochene Linie. Die Musterabstände der unterbrochenen Linien können hierbei variieren, z. B. können diese bei verschiedenen Straßentypen (z. B. ist bei Autobahnen und Landstraßen die Strichlänge bzw. Strichunterbrechung oftmals abhängig von der erlaubten Maximalgeschwindigkeit) oder von Land zu Land unterschiedlich sein. Um derartige Eigenheiten zu berücksichtigen, können zusätzlich Navigations-, Kamera- und/oder GPS-Daten mit herangezogen werden. Ferner kann ein konstantes, longitudinales Muster (z. B. 111111111) für eine ununterbrochene Linie („solid line“) vorgesehen sein. Darüber hinaus kann ein periodisches, laterales Muster einen Zebrastreifen anzeigen. Zudem können Muster für Bot Dots, Autobahn-Aus- und Einfahrten sowie sämtlichen nicht abschließend aufgelistete Fahrbahnmarkierungstypen, wie beispielsweise Warnlinie, Vorwarnlinie zur Ankündigung von Hindernissen, Fahrbahnteilungen oder Fahrstreifenbegrenzungen, Randlinien, Sperrlinien oder Sicherheitslinien oder Abfahrtslinien des Einfädelungsstreifens oder dergleichen hinterlegt sein.
-
Die Korrelation wird dabei insbesondere für das Erkennen von Längsmarkierungen über jede „Laterale Spalte“ im Grid und für das Erkennen von Quermarkierungen über jede „longitudinale Reihe“ im Grid durchgeführt. Der Algorithmus ist dabei in der Lage, gleichzeitig eine Vielzahl von Korrelationen durchzuführen: Über verschiedene Reihen / Spalten des Grids und mit verschiedenen Mustern. Zweckmäßigerweise wird der „Startwert“ zwischen gemessenem Grid und dem Muster dabei derart variiert, dass sich eine maximale Korrelation zwischen Messung (Karte/Grid) und Muster ergibt. Dies kann beispielsweise mittels Hardwarebeschleuniger (Korrelatoren) erfolgen, wodurch nur ein geringer Softwareaufwand betrieben werden muss. Alternativ oder zusätzlich kann auch mittels Software in parallelen Rechnerstrukturen gearbeitet werden, z. B. mit Multi-Core-Prozessoren, Digital-Signal-Prozessoren (DSP) oder GPU's (graphics processing unit).
-
Ferner kann die Korrelation verbessert werden, indem die Spurerkennung zusätzlich mittels Kamera erfolgt. Die Kamera kann dabei einen Startpunkt liefern, damit die Suche im Radargrid eingeschränkt werden kann (Einschränkung der Suche auf bestimmte Reihen oder Spalten im Grid). In gleicher Weise kann auch ein Lidarsensor vorgesehen sein, wobei die Spurerkennung mittels Lidar einen Startpunkt liefert, um die Suche im Radargrid einzuschränken (Einschränkung der Suche auf bestimmte Reihen oder Spalten im Grid).
-
Dadurch, dass Objekte, wie Leitplanken, Bordsteine, Fahrbahnränder oder dergleichen, von einem Radarsensor sehr sicher und stabil erkannt werden können, kann die Suche in der Karte bzw. im Radargrid eingeschränkt werden, indem diese Objekte zum Erkennen der Fahrbahnmarkierungen oder zur Orientierung in der Karte herangezogen werden. Beispielsweise verlaufen Fahrbahnmarkierungen meist parallel und in einem bestimmten Abstand zu Leitplanken, Bordsteinen und Fahrbahnrändern, sodass aufgrund der Detektion dieser Objekte ein zusätzlicher Rückschluss auf die Lage der Fahrbahnmarkierungen erfolgen kann. Dadurch kann ein zusätzlicher Plausibilitätswert in die Erkennung einbezogen werden. Darüber hinaus können auch Karten-, GPS- oder Navigationsdaten sowie Informationen von anderen Verkehrsteilnehmern (Car-to-Car oder Car-to-X) verwendet werden, um die Anzahl der möglichen Muster einzuschränken, beispielsweise anhand von Länder- oder Straßeninformationen.
-
Ferner kann eine Implementierung des Korrelations-Algorithmus als HW (Hardware)-Beschleuniger eingesetzt werden, der auf ein Grid zugreift, welches im Bereich vor dem Fahrzeug 2 aufgebaut wird, z. B. im Bereich von 0 bis 20 Metern (oder auch in einem weiteren Bereich, falls spezielle Fahrbahnmarkierungen 3 verbaut werden, welche Radarstrahlen sehr stark reflektieren. Auf dasselbe Grid können somit Korrelations-Algorithmen für alle weiteren periodischen Targets aufgesetzt werden (Leitpfosten oder dergleichen).
-
Zusammenfassend lässt wird durch das erfindungsgemäße Verfahren ein Verfahren zur Detektion von Fahrbahnmarkierungen zur Verfügung gestellt, mit dem die Detektion von insbesondere modifizierten Fahrbahnmarkierungen weitreichend verbessert wird, sodass die Erfindung einen ganz besonderen Beitrag auf dem Gebiet der Radarsensortechnik darstellt.
-
Bezugszeichenliste
-
- 1
- Radarsensor
- 2
- Fahrzeug
- 3
- Fahrbahnmarkierung
- 4
- statische Detektion
- 5
- Reihe
- 6
- Spalte
- 7
- Überschneidungsbereich
- 8
- hinterlegtes Muster
-
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
-