-
Die vorliegende Erfindung betrifft eine Vorrichtung sowie ein System und ein Verfahren zum Anpassen einer Fahrstrategie eines Fahrzeugs.
-
Moderne Fahrzeuge (Autos, Transporter, Lastwagen, Motorräder, Nutzfahrzeuge etc.) umfassen eine Vielzahl an Systemen, die dem Fahrer Informationen zur Verfügung stellen und einzelne Funktionen des Fahrzeugs teil- oder vollautomatisiert steuern. Über Sensoren werden die Umgebung des Fahrzeugs sowie andere Verkehrsteilnehmer erfasst. Basierend auf den erfassten Daten kann ein Modell der Fahrzeugumgebung erzeugt werden und auf Veränderungen in dieser Fahrzeugumgebung reagiert werden. Durch die fortschreitende Entwicklung im Bereich der autonom und teilautonom fahrenden Fahrzeuge werden der Einfluss und der Wirkungsbereich solcher Fahrerassistenzsysteme (Advanced Driver Assistance Systems, ADAS) immer größer.
-
Bei landwirtschaftlichen Nutzfahrzeugen und Landmaschinen (Bodenbearbeitungsmaschinen, Zugmaschinen etc.) lässt sich ein autonomer oder teilautonomer Betrieb vergleichsweise einfach implementieren, da die Fahrzeuge überwiegend außerhalb verkehrsreicher Bereiche eingesetzt werden, beispielsweise auf Äckern und Feldern.
-
Bei Fahrzeugen allgemein und insbesondere bei Nutzfahrzeugen, aber auch bei landwirtschaftlichen Maschinen ist ein frühzeitiges Erkennen von Änderungen in der Umgebung des Fahrzeugs wichtig. Besonders beim Transport schwerer Lasten wird viel Energie gespart, wenn die Fahrzeuge möglichst gleichmäßig bewegt werden. Wird die Fahrzeuggeschwindigkeit durch ein Abbremsen verringert, kann die ursprüngliche Geschwindigkeit nur durch ein nachfolgendes Beschleunigen wiedererlangt werden, was zu einem höheren Energieverbrauch und zu einem Zeitverlust führt. Gleiches gilt für eine Steigung im Streckenverlauf. Erklimmt ein Fahrzeug in einem hohen Gang des Getriebes eine Steigung, so reduziert sich die Geschwindigkeit und der Energieverbrauch steigt deutlich im Vergleich zu einem kleineren Gang. Dies gilt insbesondere bei Fahrzeugen, die große Lasten transportieren oder die wenig Leistung erbringen, und kann bis zum Stillstand des Fahrzeugs führen, wenn nicht rechtzeitig reagiert wird. Ein stillstehendes Fahrzeug auf der Fahrbahn stellt jedoch eine Gefahrenquelle für andere Verkehrsteilnehmer dar. Eine an einen Stillstand anschließende Beschleunigung an einer Steigung erhöht den Energieverbrauch zusätzlich im Vergleich zu einem angepassten Fahren mit einer kleineren Übersetzung. Werden Änderungen in der Streckenführung rechtzeitig erkannt, kann die Fahrstrategie des Fahrzeugs entsprechend angepasst werden.
-
Es sind mehrere Ansätze zur Detektion von Objekten in der Umgebung eines Fahrzeugs bekannt. Viele verwenden Radarsignale oder LIDAR-Signale, wobei die Umgebung des Fahrzeugs mit einem Raster modelliert wird, z.B.
US 2018/013209 A1 . Beispielsweise wird in „Automotive Radar Gridmap Representations“, Klaudius Werber, et.al., 2015 IEEE MTT-S International Conference on Microwaves for Intelligent Mobility, (https://www.researchgate.net/publication/279931038), die Verwendung eines horizontalen Rasters zur Modellierung der Umgebung beschrieben. Die bekannten Verfahren benötigen allerdings eine hohe Rechenleistung und eine aufwendige regelbasierte Programmierung zum Erkennen von Objekten.
-
Ausgehend hiervon stellt sich für die vorliegende Erfindung die Aufgabe, die Fahrstrategie eines Fahrzeugs, sei es autonom, teilautonom oder manuell fahrend, an die Umgebung des Fahrzeugs, insbesondere an die Geländebeschaffenheit, anzupassen, um gefährliche Situationen und Unfälle zu vermeiden. Zudem soll die Fahrstrategie so ausgebildet werden können, dass ein zeit- und energieeffizienter Betrieb des Fahrzeugs ermöglicht werden kann.
-
Zum Lösen dieser Aufgabe betrifft die vorliegende Erfindung in einem ersten Aspekt eine Vorrichtung zum Anpassen einer Fahrstrategie eines Fahrzeugs, insbesondere eines Nutzfahrzeugs, mit:
- einer Eingangsschnittstelle zum Empfangen eines Umgebungssignals eines Umgebungssensors mit Informationen zu einer Umgebung des Fahrzeugs;
- einer Rastereinheit zum Erzeugen eines mehrdimensionalen Rasters mit Rasterdaten basierend auf den Umgebungssignalen des Umgebungssensors;
- einer Verarbeitungseinheit mit einem vortrainierten künstlichen neuronalen Netz zum Ermitteln eines Steigungswinkels einer Steigung in der Umgebung des Fahrzeugs und eines Abstands des Fahrzeugs zu der Steigung basierend auf den Rasterdaten;
- einer Anpassungseinheit zum Anpassen der Fahrstrategie basierend auf dem ermittelten Steigungswinkel und des ermittelten Abstands; und
- einer Ausgangsschnittstelle zum Ausgeben der Fahrstrategie an ein Fahrzeugsteuergerät.
-
In einem weiteren Aspekt betrifft die vorliegende Erfindung ein System zum Anpassen einer Fahrstrategie eines Fahrzeugs, mit:
- einer wie zuvor beschriebenen Vorrichtung;
- einem Umgebungssensor zum Übermitteln von Umgebungssignalen mit Informationen zu der Umgebung des Fahrzeugs; und
- einem Fahrzeugsteuergerät zum Empfangen und Verarbeiten der Fahrstrategie.
-
Weitere Aspekte der Erfindung betreffen ein Fahrzeug, ein entsprechend der Vorrichtung ausgebildetes Verfahren und ein Computerprogrammprodukt mit Programmcode zum Durchführen der Schritte des Verfahrens, wenn der Programmcode auf einem Computer ausgeführt wird, sowie ein Speichermedium, auf dem ein Computerprogramm gespeichert ist, das, wenn es auf einem Computer ausgeführt wird, eine Ausführung des hierin beschriebenen Verfahrens bewirkt.
-
Bevorzugte Ausgestaltungen der Erfindung werden in den abhängigen Ansprüchen beschrieben. Es versteht sich, dass die vorstehend genannten und die nachstehend noch zu erläuternden Merkmale nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen oder in Alleinstellung verwendbar sind, ohne den Rahmen der vorliegenden Erfindung zu verlassen. Insbesondere können das System, das Fahrzeug, das Verfahren und das Computerprogrammprodukt entsprechend der für die Vorrichtung und das System in den abhängigen Ansprüchen beschriebenen Ausgestaltungen ausgeführt sein.
-
Ein Computerprogramm kann auf einem nichtflüchtigen Datenträger gespeichert/vertrieben werden, beispielsweise auf einem optischen Speicher oder auf einem Halbleiterlaufwerk (SSD). Ein Computerprogramm kann zusammen mit Hardware und/oder als Teil einer Hardware vertrieben werden, beispielsweise mittels des Internets oder mittels drahtgebundener oder drahtloser Kommunikationssysteme.
-
Erfindungsgemäß ist es vorgesehen, aus den empfangenen Umgebungssignalen des Umgebungssensors einen Steigungswinkel einer Steigung in der Umgebung des Fahrzeugs, vorzugsweise in einem Frontalbereich vor dem Fahrzeug, und einen Abstand des Fahrzeugs zu der Steigung zu ermitteln. Steigungswinkel und Abstand werden basierend auf den Sensordaten ermittelt, wobei ein vortrainiertes künstliches neuronales Netz (KNN) verwendet wird. Bevor die Sensordaten dem KNN zugeführt werden, werden sie mittels einer Rastereinheit umgerechnet und in einem mehrdimensionalen Raster mit Rasterzellen als Rasterdaten dargestellt. Die Rasterdaten in den Rasterzellen des Rasters repräsentieren die Umgebungsdaten aus der Umgebung des Fahrzeugs. Das Umgebungssignal des Umgebungssensors muss deshalb vorzugsweise so sein, dass verschiedene Scanpunkte des Sensors anhand ihrer Detektionsposition zu Rasterzellen des Rasters zugeordnet werden können. Somit stellt die Verwendung eines Rasters eine sehr effiziente Methode zur Modellierung der Umgebung des Fahrzeugs dar.
-
Die Verwendung eines vortrainierten künstlichen neuronalen Netzes basierend auf den erzeugten Rasterdaten erlaubt eine effiziente und schnelle Verarbeitung der Umgebungssensorsignale und eine zuverlässige Prognose einer im Frontalbereich des Fahrzeugs vorhandenen Steigung einschließlich des Steigungswinkels und des Abstands zwischen Steigung und Fahrzeug. Die Verwendung des künstlichen neuronalen Netzes hat den Vorteil, dass ein traditionelles regelbasiertes Programmieren der Verarbeitungseinheit entfällt, da in einem Trainingsvorgang das künstliche neuronale Netz vortrainiert wird, um aus Rasterdaten eines Rasters, die einem Eingangslayer (Input Layer) des KNN zugeführt werden, eine Steigung mit Steigungswinkel und Abstand zu prognostizieren. Diese werden im Output Layer des KNN ausgegeben.
-
Basierend auf dem ermittelten oder prognostizierten Steigungswinkel und dem Abstand einer erkannten Steigung vor dem Fahrzeug wird in einer Anpassungseinheit der erfindungsgemäßen Vorrichtung die Fahrstrategie angepasst. Diese angepasste oder geänderte Fahrstrategie wird an ein Fahrzeugsteuergerät in dem Fahrzeug übermittelt. So ist es beispielsweise möglich, abhängig von der Steigung und dem Abstand ein Schalten des Getriebes in einen höheren Gang, also in eine größere Übersetzung, zu verhindern. Dies kann bei einem Automatikgetriebe automatisch erfolgen. Bei einem manuellen Schaltgetriebe eines Fahrzeugs kann entweder ein Hinweissignal an den Benutzer des Fahrzeugs ausgegeben werden, etwa als optisches oder akustisches Signal, oder ein höherer Gang mit einer größeren Übersetzung kann zeitweise gesperrt werden. In diesem Fall würde die erfindungsgemäße Vorrichtung dem Fahrzeugsteuergerät mitteilen, dass ein Schalten zu verhindern ist und/oder ein Warnsignal auszugeben ist.
-
Alternativ, aber ebenfalls bevorzugt, könnte ein kleinerer Gang mit einer kleineren Übersetzung gewählt werden, sobald das Fahrzeug einen vordefinierten kritischen Abstand von der Steigung erreicht hat. Der Abstand kann abhängig vom Steigungswinkel sein. Auch das Schalten selbst kann abhängig von dem Steigungswinkel sein. Des Weiteren kann die Motorelektronik so vorbereitet werden, dass der Motor mehr Leistung erbringen kann, sobald die Steigung erreicht ist. Diese Maßnahmen bieten sich insbesondere bei Fahrzeugen mit geringer Leistung an, beim Transport großer Lasten oder wenn die Fahrzeuggeschwindigkeit konstant gehalten werden soll. Alternativ oder zusätzlich kann der Fahrer bevorzugt einen Hinweis erhalten, dass mit einer Steigung zu rechnen ist. Beispielsweise könnte der Steigungswinkel dem Fahrer angegeben werden, damit sich dieser auf die kommende Steigung einstellen kann. Ebenso ist es möglich, insbesondere bei Nutzfahrzeugen und bei Fahrzeugen, die schwere Lasten transportieren, ein Hinweissignal an andere Verkehrsteilnehmer auszugeben, beispielsweise durch Einschalten der Bremsleuchten oder des Warnblinkers. Alternativ oder zusätzlich können andere sich in der Nähe befindende Fahrzeuge über Kommunikationseinheiten informiert werden, wenn eine Kommunikation zwischen den Fahrzeugen besteht. Beispielsweise könnten ein Radiosignal oder andere Signale ausgegeben werden, die Fahrzeuge in der Nähe des sich bald verlangsamenden Fahrzeugs empfangen könnten.
-
In einer bevorzugten Ausgestaltung ist die Verarbeitungseinheit der Vorrichtung so ausgebildet, dass das künstliche neuronale Netz (KNN) mit Datensätzen vortrainiert ist, welche Rasterdaten des Rasters, eine Steigung und einen Abstand umfassen. Für das Training sind Steigungswinkel und Abstand bekannt. Die Rasterdaten werden hinterlegt. Alle Daten dienen als Trainingsdaten für das KNN. Die Rasterdaten werden dabei dem Input Layer des künstlichen neuronalen Netzes zugeführt, das hieraus (mittels mehrerer Hidden Layer) den Output Layer mit Angaben zum Steigungswinkel und zum Abstand zu der Steigung erzeugt.
-
In einer weiteren bevorzugten Ausgestaltung der erfindungsgemäßen Vorrichtung wird das künstliche neuronale Netz in der Verarbeitungseinheit vortrainiert, indem Datensätze verwendet werden, die eine Zeitangabe und/oder zusätzliche Fahrzeuginformationen oder Fahrzeugdaten umfassen. Die Fahrzeugdaten umfassen beispielsweise die Geschwindigkeit oder den Lenkwinkel. Durch die zusätzlichen Angaben kann die Genauigkeit des künstlichen neuronalen Netzes verbessert werden. Bei Berücksichtigung des Lenkwinkels schon in der Trainingsphase kann bei der anschließenden Verwendung der Vorrichtung erkannt werden, wenn sich eine Steigung nicht direkt frontal vor dem Fahrzeug befindet. Es können somit Fahrsituationen detektiert werden, bei denen sich das Fahrzeug in einem abweichenden Winkel, also schräg auf die Steigung zu bewegt. Bei Verwendung der Vorrichtung, also im Betrieb, werden die Zeitangabe und/oder die Fahrzeuginformation ermittelt und dem KNN der Verarbeitungseinheit zusätzlich zugeführt. Zusätzlich kann aus den Informationen wie Geschwindigkeit und Zeitangabe auch eine zurückgelegte Strecke ermittelt werden, beispielsweise um die Daten des Umgebungssensors zu kategorisieren und einzuordnen und um das mittels der Rastereinheit erstellte Raster an die Bewegung des Fahrzeugs anzupassen.
-
Vorzugsweise wird das künstliche neuronale Netz der Verarbeitungseinheit mit Datensätzen vortrainiert, die auf gemessenen Daten basieren. Hierzu wird mit einem Fahrzeug bei bekanntem Abstand und bekanntem Steigungswinkel einer Steigung eine Weiterverarbeitung der Sensordaten aufgenommen, die in dem Raster hinterlegt sind. Je mehr Sensordaten erzeugt und verarbeitet werden können, also je genauer und umfangreicher das Raster gefüllt ist, desto besser kann das künstliche neuronale Netz trainiert werden. Abstand und Steigungswinkel können mit zusätzlichen Messeinrichtungen gemessen werden. Da das Trainieren mit Messdaten recht zeitaufwendig ist, kann alternativ oder zusätzlich das künstliche neuronale Netz mit Datensätzen vortrainiert werden, die auf simulierten Daten basieren. Die simulierten Daten werden bevorzugt mittels eines Simulationsprogramms erzeugt. Simulationsdaten und Messdaten können auch kombiniert verwendet werden. Beispielsweise kann auch das Raster mit den Rasterdaten direkt simuliert werden.
-
Sobald die Trainingsphase des künstlichen neuronalen Netzes der Verarbeitungseinheit abgeschlossen ist, können die Daten in einem optionalen weiteren Schritt verifiziert werden. Hierzu werden der Vorrichtung Sensordaten des Umgebungssensors zur Verfügung gestellt, wobei die Umgebung eine zu erkennende Steigung enthält. Die erfindungsgemäße Vorrichtung ermittelt aus den Sensordaten die (vorher bekannte) Steigung und prognostiziert Steigungswinkel und Abstand. Da beide Werte bekannt sind, kann die Güte der Vorrichtung überprüft werden. Gegebenenfalls können weitere Datensätze erstellt werden, um das künstliche neuronale Netz zuverlässiger zu machen.
-
Insgesamt weist das künstliche neuronale Netz den Vorteil auf, dass eine deutlich schnellere und zuverlässigere Prognostizierung und Erkennung einer vor einem Fahrzeug liegenden Steigung mit Steigungswinkel und Abstand möglich ist. Es kann auf eine traditionelle regelbasierte Programmierung verzichtet werden.
-
In einer bevorzugten Ausführungsform der erfindungsgemäßen Vorrichtung erzeugt die Rastereinheit ein zweidimensionales oder dreidimensionales Raster. Um den Bereich vor dem Fahrzeug zu modellieren, reicht in der Regel ein zweidimensionales Raster aus, das bevorzugt vertikal zum Untergrund angeordnet ist und sich in Fahrtrichtung erstreckt. Je nach verwendetem Umgebungssensor wird lediglich ein recht schmaler Bereich vor dem Fahrzeug detektiert, sodass ein zweidimensionales Raster den Messbereich hinreichend genau abbildet.
-
Vorzugsweise erzeugt die Rastereinheit ein Raster mit diskreten Rasterzellen. Den Rasterzellen werden Rasterdaten basierend auf den Umgebungssignalen des Umgebungssensors zugeordnet. Jede Rasterzelle enthält somit Informationen über einen vorgegebenen Bereich vor dem Fahrzeug. Vorzugsweise erstellt die Rastereinheit ein sogenanntes Occupancy Grid, dass die Wahrscheinlichkeit für das Vorhandensein eines Objekts repräsentieren kann. Ebenfalls bevorzugt können die Umgebungssignale des Umgebungssensors vorverarbeitet oder gefiltert sein. Alternativ oder zusätzlich können bevorzugt auch die im Raster aufgenommenen Rasterwerte und Rasterdaten vorverarbeitet, beispielsweise gefiltert sein. Es ist damit möglich, ein Rauschen und andere (störende) Signalanteile herauszufiltern, die keine Aussagekraft für das Erkennen einer vor dem Fahrzeug liegenden Steigung haben. Hierbei können bekannte Filter und Strategien zum Einsatz kommen, insbesondere um den Signal-Rauschabstand (signal-to-noise ratio) zu erhöhen. Dem Fachmann sind Maßnahmen und Vorgehensweisen bekannt.
-
In einer bevorzugten Ausgestaltung ist die Eingangsschnittstelle dazu ausgebildet, Radarsignale eines Radarsensors zu empfangen. Das Radarsignal wird in Rasterdaten umgewandelt und in dem Raster repräsentiert. Radarsignale eignen sich besonders, da hierbei verschiedene Scanpunkte des Radarsensors erzeugt werden, die sich mit einem Raster hervorragend modellieren lassen. Ein derartiges Vorgehen ist prinzipiell bekannt. Alternativ und ebenfalls bevorzugt können auch andere Sensoren verwendet werden, beispielsweise ein Lidarsensor, der ein entsprechendes Lidarsignal zur Verfügung stellt, das in der Vorrichtung verarbeitet wird. Auch der Lidarsensor erzeugt Scanpunkte, für die eine Rasterdarstellung sehr geeignet ist. Alternativ kann ein Ultraschallsensor verwendet werden, dessen Signale von der Eingangsschnittstelle empfangen werden.
-
Vorzugsweise erzeugt das Fahrzeugsteuergerät des erfindungsgemäßen Systems Steuerbefehle basierend auf der Fahrstrategie, die von der Vorrichtung übermittelt wurde. Die Steuerbefehle werden an Komponenten des Fahrzeugs übertragen (z.B. via CAN-Bus oder Bussystem), um die vorgegebene Fahrstrategie zu verwirklichen. Beispielsweise können Motorsteuerkomponenten darauf vorbereitet werden, dass in Kürze mehr Leistung zur Verfügung stehen muss. Ebenso ist es möglich, ein Hochschalten des Getriebes zu einer größeren Übersetzung zu verhindern oder ein Ändern der Gangwahl zu einer geringeren Übersetzung zu initiieren.
-
Die Umgebung eines Fahrzeugs umfasst insbesondere einen von dem Umgebungssensor erfassten Bereich des Umfelds des Fahrzeugs. Dazu kann auch die Geländebeschaffenheit oder Geländeformation, wie z.B. eine Steigung, gehören, die von dem Umgebungssensor erfasst werden. Ein Umgebungssensor kann mehrere einzelne Sensoren umfassen. Insbesondere ist er im Frontbereich des Fahrzeugs angeordnet, um einen Frontalbereich vor dem Fahrzeug zu detektieren. Der Umgebungssensor umfasst vorzugsweise einen Radarsensor, einen Lidarsensor oder einen Ultraschallsensor. Es können mehrere Sensortypen miteinander kombiniert werden. Es können Sensoren verwendet werden, die für andere Funktionen im Fahrzeug verbaut sind, z.B. Ultraschallsensoren einer Einparkhilfe.
-
Unter einer Rasterdarstellung versteht sich hierin eine Darstellung als Grid, insbesondere als Occupancy Grid, bei der insbesondere verschiedene Scanpunkte eines Sensors anhand ihrer Detektionsposition zu Rasterzellen des Grids zugeordnet werden. Unter einer Rasterdarstellung wird eine Modellierung des Umfelds des Fahrzeugs verstanden. Jede Rasterzelle enthält Informationen über Detektionen von Objekten, wie einer Steigung, innerhalb des von der Rasterzelle repräsentierten Bereichs der Umgebung des Fahrzeugs, hier insbesondere des Frontalbereichs vor dem Fahrzeug. Ein Bezugspunkt ist derjenige Punkt innerhalb der Rasterdarstellung, der der Sensorposition bzw. der Fahrzeugposition entspricht. Die erzeugte Rasterdarstellung entspricht einem Abbild bzw. einem Modell relevanter Bereiche vor dem Fahrzeug.
-
Das künstliche neuronale Netz kann in einer elektronischen Steuereinheit der Verarbeitungseinheit implementiert sein. Beispielsweise kann das künstliche neuronale Netz in einem Chip oder Prozessor integriert sein. Es kann in Form einer Software vorliegen oder beispielsweise als Programmcode oder hardwarenah in einem Chip implementiert sein. Das verwendete Filter zum Trainieren oder Anwenden des künstlichen neuronalen Netzes kann gängige Filter umfassen, die Abweichung, Streuung, Varianz oder Kovarianz berücksichtigen. Dem Fachmann sind unterschiedliche Filtertechniken bekannt, beispielsweise ein Kalman-Filter. Die Filter können zu Beginn der Ausführung eines Erkennens oder eines Trainings initialisiert werden.
-
Die Erfindung wird nachfolgend anhand einiger ausgewählter Ausführungsbeispiele im Zusammenhang mit den beiliegenden Zeichnungen näher beschrieben und erläutert. Es zeigen:
- 1 eine schematische Ansicht des erfindungsgemäßen Systems zum Anpassen einer Fahrstrategie eines Fahrzeugs;
- 2 eine schematische Darstellung des erfindungsgemäßen Systems;
- 3 eine schematische Darstellung eines Fahrzeugs mit dem erfindungsgemäßen System;
- 4 eine schematische Darstellung eines Datensatzes zum Trainieren eines künstlichen neuronalen Netzes (KNN) der erfindungsgemäßen Vorrichtung;
- 5a, 5b, 5c, 5d eine schematische Darstellung der Rasterdarstellung zur Modellierung des Frontalbereichs vor dem Fahrzeug;
- 6 eine schematische Darstellung des erfindungsgemäßen Verfahrens; und
- 7 eine alternative Ausführungsform des erfindungsgemäßen Verfahrens.
-
Die 1 zeigt schematisch ein erfindungsgemäßes System 10 zum Anpassen einer Fahrstrategie eines Fahrzeugs 12, das hier schematisch als Traktor dargestellt ist. Die Darstellung zeigt eine Seitenansicht einer Verkehrssituation mit einer Steigung 14 mit einem Steigungswinkel 16, die in einem Frontalbereich 18 vor dem Fahrzeug 12 liegt. Ein Abstand 20 spiegelt die Distanz zwischen dem Fahrzeug 12 und einem Fußpunkt der Steigung 14 wider. Der Frontalbereich 18 vor dem Fahrzeug 12 wird mittels eines Umgebungssensors 22 erfasst, der als Radarsensor 24 in einem Frontbereich 26 am Fahrzeug 12 angeordnet ist.
-
Basierend auf einem Umgebungssignal des Umgebungssensors 22 wird ein Raster erzeugt, das ein Occupancy Grid ist. Die Scanpunkte des Umgebungssensors 22 werden in den Rasterzellen des Rasters abgebildet, um den Frontalbereich 18 zu modellieren. Auf dieser Grundlage und mit Hilfe eines künstlichen neuronalen Netzes kann mittels des erfindungsgemäßen Systems 10 eine Schätzung des Abstands 20 und des Steigungswinkels 16 der Steigung 14 erfolgen.
-
2 zeigt das erfindungsgemäße System 10 mit einer Vorrichtung 30, dem Umgebungssensor 22 und einem Fahrzeugsteuergerät 32. Die Vorrichtung 30 umfasst eine Eingangsschnittstelle 34, um ein Umgebungssignal des Umgebungssensors 22 zu empfangen, wobei das Umgebungssignal Informationen zu dem Frontalbereich 18 in der Umgebung des Fahrzeugs 12 umfasst. Das Umgebungssignal umfasst bevorzugt eine Vielzahl von Scanpunkten des Sensors, die dem Raster zugeordnet werden.
-
Die Vorrichtung 30 hat weiter eine Rastereinheit 28, eine Verarbeitungseinheit 36 mit einem künstlichen neuronalen Netz 52, eine Anpassungseinheit 38 zum Anpassen der Fahrstrategie und eine Ausgangsschnittstelle 40 zum Ausgeben der Fahrstrategie an das Fahrzeugsteuergerät 32.
-
Die Rastereinheit 28 erzeugt ein zweidimensionales Raster 56 (vgl. 5a) mit Rasterdaten basierend auf den Umgebungssignalen des Umgebungssensors 22. Das Raster 56 hat eine Vielzahl von Rasterzellen, denen die Rasterdaten zugeordnet sind. Die Rasterdaten repräsentieren den Frontalbereich 18 und in dem Bereich befindliche Objekte, insbesondere eine Steigung 14.
-
Die Verarbeitungseinheit 36 umfasst ein vortrainiertes künstliches neuronales Netz (KNN) 52, um basierend auf den Rasterdaten den Steigungswinkel 16 einer vor dem Fahrzeug liegenden und erkannten Steigung 14 und den Abstand 20 zwischen Fahrzeug 12 und Steigung 14 zu ermitteln bzw. zu prognostizieren. Basierend auf Steigungswinkel 16 und Abstand 20 wird die Fahrstrategie in der Anpassungseinheit 38 angepasst.
-
Gemäß 3 ist das Fahrzeug 12 ein Nutzfahrzeug 42 mit dem erfindungsgemäßen System 10. Ein Radarsensor 24 ist im Frontbereich 26 des Nutzfahrzeugs 42 angeordnet. Die mit dem Radarsensor 24 ermittelten Umgebungssignale werden in der Vorrichtung 30 mittels der Rastereinheit 28 und des KNNs 52 verarbeitet und eine Fahrstrategie an das Fahrzeugsteuergerät 32 übermittelt. Beispielsweise sendet das Fahrzeugsteuergerät 32 Steuerbefehle an ein Automatikgetriebe 44, um das automatische Hochschalten in einen Gang mit einer größeren Übersetzung zu verhindern. Das hier gezeigte Nutzfahrzeug 42 umfasst also ein Fahrzeugsteuergerät 32, das es ermöglicht, die Fahrstrategie und somit das Fahrzeugverhalten gemäß der ermittelten Fahrstrategie anzupassen. Beispielsweise kann mittels des Fahrzeugsteuergeräts 32 auch ein Herunterschalten des Automatikgetriebes 44 initiiert werden, sodass kurz vor Erreichen der Steigung 14 eine geringere Übersetzung gewählt werden kann.
-
4 zeigt eine Anzahl typischer Datensätze 46, die für das Training des künstlichen neuronalen Netzes 52 verwendet werden. Die Datensätze 46 umfassen jeweils Umgebungssignale 48 des Umgebungssensors 22, die vorzugsweise Radarsignale des Radarsensors 24 sind, Zeitinformationen oder Zeitangaben 54, optionale Fahrzeuginformationen 50 (z. B. Geschwindigkeit, Lenkwinkel) sowie einen bekannten Steigungswinkel 16 und einen bekannten Abstand 20. Diese Datensätze 46 werden zum Training des künstlichen neuronalen Netzes 52 verwendet. Die Zeitangaben 54 und die Fahrzeuginformationen 50 sind optional. Prinzipiell könnte das neuronale Netz 52 auch ohne diese Angaben trainiert werden. Bevorzugt können die Datensätze 46 anstelle der Umgebungssignale 48 die Rasterdaten des in der Rastereinheit 28 erzeugten Rasters umfassen.
-
Zu sehen ist, dass die ersten drei gezeigten Datensätze 46 jeweils einen Steigungswinkel 16 von zehn Grad aufweisen und der Abstand 20 von 5 Meter bis 0,5 Meter variiert. In der zweiten Datengruppe beträgt der Steigungswinkel 16 stets fünf Grad, während der Abstand 20 unterschiedliche Werte annimmt. Selbstverständlich sind auch andere als die hier gezeigten Werte möglich. Soll zum Erkennen einer unbekannten Steigung die erfindungsgemäße Vorrichtung 30 mit dem künstlichen neuronalen Netz 52 verwendet werden, werden dem künstlichen neuronalen Netz 52 Umgebungssignale 48 des Umgebungssensors 22 oder Signale des Radarsensors 24 zur Verfügung gestellt. Alternativ können, wie oben beschrieben, die Rasterdaten verwendet werden. Die Ausgangsdatensätze, die von dem künstlichen neuronalen Netz 52 erzeugt werden, geben den gesuchten Steigungswinkel 16 und den Abstand 20 an.
-
5a bis 5d zeigen schematisch den Frontalbereich 18 mit der zu erkennenden Steigung 14 vor dem Fahrzeug 12. Ebenfalls schematisch dargestellt ist ein Raster 56, beispielsweise in Form eines Occupancy Grids 58, um den Frontalbereich 18 zu modellieren und abzubilden. Das Raster 56 hat eine Vielzahl von Rasterzellen 60, die in Spalten 62, auch als „delta x“ bezeichnet, und in Zeilen 64, auch als „delta y“ bezeichnet, aufgeteilt sind.
-
In 5a ist der Radarsensor 24 gezeigt, der im Frontbereich 26 des Fahrzeugs 12, hier eines Traktors, positioniert ist. Der Radarsensor 24 erzeugt Radarsignale, die mittels der Rastereinheit 28 zu Rasterwerten (Rasterdaten) umgewandelt werden, die in die einzelnen Rasterzellen 60 eingefüllt werden.
-
5b zeigt die von der Rastereinheit 28 auf Grundlage der Umgebungssignale 48 erzeugten Rasterdaten als Rasterwerte, die in die einzelnen Rasterzellen eingefüllt sind. Deutlich zu erkennen ist, dass in den entsprechenden Rasterzellen 60 von Null verschiedene Werte eingetragen sind, in denen die Steigung 14 erkannt wird. Alle anderen Rasterzellen 60 sind mit Nullen gefüllt. Zu erkennen ist auch, dass, in Abhängigkeit von dem Sensorsignal, die Zellen mit der erkannten Steigung 14 unterschiedliche Werte annehmen können.
-
Die empfangenen Umgebungssignale 48 wurden bevorzugt bearbeitet, sodass Rasterwerte, die auf Rauschen oder auf anderen Seiteneffekten beruhen, nicht berücksichtigt wurden. Dies kann durch eine Vorverarbeitung oder durch eine Filterung der Radarsignale oder der Rasterwerte, beispielsweise innerhalb der Rastereinheit, erfolgen.
-
In 5c ist dargestellt, wie die ermittelten Rasterwerte verwendet werden, um den Input Layer 70 des künstlichen neuronalen Netzes 52 zu füllen. Das neuronale Netz 52 ermittelt dann über eine Vielzahl von Hidden Layern 72 einen Output Layer 74, aus dem der Steigungswinkel 16 der erkannten Steigung 14 und der Abstand 20 zwischen Fahrzeug 12 und Steigung 14 entnommen werden können. Deutlich zu erkennen ist, dass in dem Input Layer 70 alle Rasterzellen 60 verarbeitet werden, wenngleich in 5c aus Gründen der Übersichtlichkeit lediglich einige Zuordnungen gezeigt sind. Der Input Layer 70 ist entsprechend der Ausbildung des Rasters 56 ausgebildet.
-
5d zeigt den Fall des sich bewegenden Fahrzeugs 12. Werden Fahrzeuginformationen wie Geschwindigkeit und Zeitangaben bei der Auswertung der Umgebungssignale 48 verwendet, so kann die von dem Fahrzeug 12 zurückgelegte Strecke („delta s“) ermittelt werden. Die zurückgelegte Strecke ist dabei die Strecke, die das Fahrzeug 12 zwischen zwei Messungen des Radarsensors 24 zurücklegt. Falls die vom Fahrzeug 12 zurückgelegte Strecke größer ist als die Dimension einer Spalte 62 (in x-Richtung) des Rasters 56, so erfolgt eine Verschiebung des Rasters 56 um wenigstens eine Spalte 62 in Fahrzeugrichtung (in x-Richtung). Das Raster 56 wird also verschoben, sodass die im Bild äußere linke Spalte 62 gelöscht und stattdessen die im Bild äußere rechte Spalte 62 erzeugt wird. Die Erkennung eines Objekts im Frontalbereich 18 vor dem Fahrzeug 12 erfolgt dann mit dem um eine Spalte 62 verschobenen Raster 56. Erkannte Objekte bzw. ermittelte Scanpunkte werden in die entsprechenden Rasterzellen 60 aufgenommen.
-
Selbstverständlich ist es bei der Verwendung des Occupancy Grid 58 als Raster 56 möglich, Rechenzeit und Datenmengen zu sparen, indem lediglich ein interessierender und relevanter Bereich ausgewählt wird. Hierbei kann beispielsweise eine Datenbereinigung erfolgen, wenn Werte unterhalb eines Schwellwerts vernachlässigt oder zu Null gesetzt werden.
-
6 zeigt das erfindungsgemäße Verfahren zum Anpassen einer Fahrstrategie. In einem ersten Schritt S10 des Empfangens wird ein Umgebungssignal eines Umgebungssensors 22, vorzugsweise eines Radarsensors 24, mit Informationen zu einer Umgebung, insbesondere eines Frontalbereichs 18 des Fahrzeugs 12 empfangen. Bevorzugt wird dabei die Geländebeschaffenheit der Umgebung detektiert, wobei eine Steigung 14 im Frontalbereich 18 beispielsweise als Geländebeschaffenheit angesehen wird. In einem weiteren Schritt S12 wird basierend auf den Umgebungssignalen 48 des Umgebungssensors 22 ein mehrdimensionales Raster 56, bevorzugt ein zweidimensionales Raster, mit Rasterdaten erzeugt, die bevorzugt in Rasterzellen 60 angeordnet sind. Das Raster 56 modelliert den Frontalbereich 18 vor dem Fahrzeug 12. Basierend auf den Rasterdaten wird in einem Schritt S14 eine Steigung 14 erkannt und deren Steigungswinkel 16 sowie deren Abstand 20 zum Fahrzeugs 12 ermittelt. Die Ermittlung erfolgt basierend auf den Rasterdaten des Rasters 56, bevorzugt mittels eines künstlichen neuronalen Netzes 52. Alle Rasterdaten des Rasters 56 werden dabei als Input Layer 70 des KNNs 52 verwendet. Ein weiterer Schritt S16 sieht das Anpassen der Fahrstrategie basierend auf dem ermittelten Steigungswinkel 16 und dem ermittelten Abstand 20 vor. In einem weiteren Schritt S18 wird die Fahrstrategie an ein Fahrzeugsteuergerät 32 ausgegeben. Es wird darauf hingewiesen, dass die Schritte S10 - S18 nicht in der hier angegebenen Reihenfolge ausgeführt werden müssen und dass weitere optionale Schritte dazwischengeschaltet sein können.
-
6 zeigt beispielhaft drei weitere optionale Schritte, wobei im Schritt S20 die empfangenen Umgebungssignale 48, insbesondere die Radarsignale, gefiltert werden. Hierbei werden bekannte Filter eingesetzt. Dadurch werden lediglich die Werte des Radarsignals verarbeitet, die für die Erkennung der Steigung 14 notwendig sind. In dem ebenfalls optionalen Schritt S22 werden die Radgeschwindigkeit, also die Umdrehungsgeschwindigkeit eines Rads des Fahrzeugs 12, und der Lenkwinkel des Fahrzeugs 12 ermittelt. Der optionale Schritt S24 sieht vor, aus ermittelter Radgeschwindigkeit und ermitteltem Lenkwinkel die von dem Fahrzeug 12 zurückgelegte Strecke („delta s“, vgl. 5d) zwischen zwei Messungen des Radarsensors 24 zu ermitteln. Durch die optionalen Schritte kann auch berücksichtigt werden, wenn sich das Fahrzeug 12 nicht senkrecht auf die Steigung 14 zubewegt, sondern in einem abweichenden Winkel, also schräg.
-
7 zeigt eine bevorzugte Ausführungsform des erfindungsgemäßen Verfahrens, bei dem optionale, zusätzliche Schritte durchgeführt werden. In einem optionalen Schritt S26 kann zunächst ein Occupancy Grid 58 mit Rasterzellen 60 erstellt werden. Im Weiteren wird Schritt S10 ausgeführt, indem die Radarsignale empfangen werden. Hierbei kann auch aus den Radarsignalen direkt ein Scanpunkt oder Messpunkt erkannt werden, der ein mögliches Ziel repräsentiert. In Schritt S12 kann das Erzeugen des Rasters 56 mit Rasterdaten erfolgen; im vorliegenden Fall (Vorhandensein des Schritts S26) wird das bereits erzeugte Occupancy Grid 58 mit Rasterdaten entsprechend den Radarsignalen gefüllt. Optional kann im Schritt S20 eine Filterung der Rasterdaten erfolgen. In den Schritten S22 und S24 werden die Radgeschwindigkeit und der Lenkwinkel ermittelt und daraus die zurückgelegte Strecke berechnet.
-
In Schritt S28 wird überprüft, ob die zurückgelegte Strecke größer ist als die Dimension einer Spalte 62 des Rasters 56 bzw. des Occupancy Grids 58. Ist dies der Fall, so erfolgt im Schritt S30 ein Verschieben des Rasters 56 in Fahrtrichtung des Fahrzeugs 12. Die berechnete Wegstrecke wird dann in einem optionalen Schritt S32 auf Null gesetzt. Ist die zurückgelegte Strecke „delta s“ kleiner als die Breite einer Spalte 62 (Schritt S28), so wird in dem optionalen Schritt S34 ein neues Ziel erkannt, also ein Scanpunkt, der einer Rasterzelle 60 zuzuordnen ist.
-
In einem weiteren Schritt S36 wird überprüft, ob der ermittelte Lenkwinkel größer als ein vorgegebener Grenzwert (Threshold) ist. Ist der Lenkwinkel größer als der vorgegebene Grenzwert, wird in Schritt S38 festgelegt, dass lediglich eine vorbestimmte Anzahl der letzten Messwerte bzw. Umgebungssignale 48 berücksichtigt wird. Andernfalls werden alle gemessenen Signale verwendet. Ein weiterer optionaler Schritt S40 sieht vor, dass die Scanpunkte, die Ziele in der Umgebung des Fahrzeugs 12 repräsentieren, ermittelt und als Rasterdaten in das Raster 56 und die entsprechenden Rasterzellen 60 eingefügt werden. Beispielsweise kann der Wert in einer Rasterzelle 60 erhöht werden, entweder um eins oder um einen entsprechend der ermittelten Rasterdaten angepassten Wert. Die hierzu verwendeten Verfahren sind dem Fachmann bekannt.
-
Im weiteren Verlauf des Verfahrens werden die bereits bekannten und oben beschriebenen Schritte S14, S16 und S18 ausgeführt, sodass aus den Messwerten und Rasterdaten der Steigungswinkel 16 und der Abstand 20 zur Steigung 14 ermittelt und darauf basierend die Fahrstrategie angepasst und an das Fahrzeugsteuergerät 32 ausgegeben werden.
-
Bezugszeichenliste
-
- 10
- System
- 12
- Fahrzeug
- 14
- Steigung
- 16
- Steigungswinkel
- 18
- Frontalbereich
- 20
- Abstand
- 22
- Umgebungssensor
- 24
- Radarsensor
- 26
- Frontbereich
- 28
- Rastereinheit
- 30
- Vorrichtung
- 32
- Fahrzeugsteuergerät
- 34
- Eingangsschnittstelle
- 36
- Verarbeitungseinheit
- 38
- Anpassungseinheit
- 40
- Ausgangsschnittstelle
- 42
- Nutzfahrzeug
- 44
- Automatikgetriebe
- 46
- Datensatz
- 48
- Umgebungssignal
- 50
- Fahrzeuginformation
- 52
- Künstliches neuronales Netz (KNN)
- 54
- Zeitangabe
- 56
- Raster
- 58
- Occupancy Grid
- 60
- Rasterzelle
- 62
- Spalte
- 64
- Zeile
- 70
- Input Layer
- 72
- Hidden Layer
- 74
- Output Layer
-
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
-
