DE102020113418B4

DE102020113418B4 - Vorrichtung und verfahren zum autonomen fahren

Info

Publication number: DE102020113418B4
Application number: DE102020113418.5A
Authority: DE
Inventors: Jae Yoon Kim; Jun Han Lee
Original assignee: Hyundai Mobis Co Ltd
Current assignee: Hyundai Mobis Co Ltd
Priority date: 2019-05-20
Filing date: 2020-05-18
Publication date: 2023-05-11
Anticipated expiration: 2040-05-19
Also published as: CN111959482A; CN111959482B; KR20200133856A; US20200369296A1; KR102653342B1; DE102020113418A1

Abstract

Vorrichtung zum autonomen Fahren mit:einer Sensoreinheit (500), die zum Detektieren eines Zielobjekts in der Nähe eines autonom angetriebenen Ego-Fahrzeugs ausgebildet ist;einem Speicher (620), der zum Speichern von Karteninformationen ausgebildet ist; undeinem Prozessor (610), der zum Steuern des autonomen Fahrens des autonom angetriebenen Ego-Fahrzeugs ausgebildet ist, basierend auf den in dem Speicher (620) gespeicherten Karteninformationen und auf einer Spur, die eine Zustandstrajektorie des Zielobjekts angibt, die basierend auf einem Messwert eines von der Sensoreinheit detektierten Standorts des Zielobjekts geschätzt wird,wobei der Prozessor (610) für Folgendes ausgebildet ist:Extrahieren eines oder mehrerer gültiger Messwerte innerhalb eines Validierungsgates einer Schätzung des Standorts des Zielobjekts, die basierend auf dem Messwert des Standorts erzeugt wird, unter einem oder mehreren von der Sensoreinheit (500) ausgegebenen Messwerten,Bilden einer Spur des Zielobjekts unter Berücksichtigung einer Wahrscheinlichkeit, dass jeder der extrahierten gültigen Messwerte einem Messwert des Standorts des Zielobjekts zum aktuellen Zeitpunkt entspricht, und Verfolgen des Zielobjekts mittels der Spur, undExtrahieren der gültigen Messwerte durch Einstellen einer Größe des Validierungsgates basierend auf der Zeit, während der die Verfolgung des Zielobjekts aufrechterhalten wird, und auf Umgebungsinformationen des autonom angetriebenen Ego-Fahrzeugs.

Description

QUERVERWEIS AUF VERWANDTE ANMELDUNG
Die vorliegende Anmeldung beansprucht die Priorität und den Nutzen der Koreanischen Patentanmeldungen Nr. 10-2019-0058608 , eingereicht am 20. Mai 2019, welche hiermit durch Bezugnahme zu jeglichen Zwecken in die vorliegende Anmeldung einbezogen wird, als wenn sie hierin aufgeführt wäre.
HINTERGRUND
TECHNISCHES GEBIET
Ausführungsbeispiele der vorliegenden Offenbarung betreffen eine Vorrichtung und ein Verfahren zum autonomen Fahren, die bei einem autonomen Fahrzeug eingesetzt werden.
DISKUSSION DES STANDES DER TECHNIK
Die heutige Automobilindustrie bewegt sich auf eine Umsetzung des autonomen Fahrens zu, um das Eingreifen des Fahrers in die Fahrzeugführung zu minimieren. Ein autonomes Fahrzeug bezieht sich auf ein Fahrzeug, das autonom einen Fahrweg ermittelt, indem es beim Fahren mit Hilfe einer externen Informationserfassungs- und -Verarbeitungsfunktion eine Umgebung erkennt und sich mittels seiner eigenen Antriebskraft selbständig fortbewegt.
Das autonome Fahrzeug kann sich bis zu einem Zielort autonom fortbewegen und dabei eine Kollision mit einem Hindernis auf einem Fahrweg verhindern und eine Fahrzeuggeschwindigkeit und Fahrtrichtung auf der Grundlage einer Fahrbahnform steuern, obwohl ein Fahrer weder Lenkrad noch Gaspedal oder Bremse betätigt. Das autonome Fahrzeug kann beispielsweise auf einer geraden Fahrbahn beschleunigen und beim Wechseln der Fahrtrichtung entsprechend der Krümmung einer gekrümmten Fahrbahn auf der gekrümmten Fahrbahn abbremsen.
Um das sichere Fahren eines autonomen Fahrzeugs zu gewährleisten, muss das Fahren des autonomen Fahrzeugs basierend auf einer gemessenen Fahrumgebung gesteuert werden, indem die Fahrumgebung mit Hilfe von am Fahrzeug angebrachten Sensoren genau gemessen und der Fahrzustand des Fahrzeugs weiterhin überwacht wird. Zu diesem Zweck werden verschiedene Sensoren bei dem autonomen Fahrzeug eingesetzt, wie z.B. ein LIDAR-Sensor, ein Radarsensor, ein Ultraschallsensor und ein Kamerasensor, das heißt Sensoren zur Erkennung umliegender Objekte, wie umliegende Fahrzeuge, Fußgänger und ortsfeste Einrichtungen. Die von einem solchen Sensor ausgegebenen Daten werden verwendet, um Informationen zu einer Fahrumgebung zu ermitteln, z.B. Zustandsinformationen wie Ort, Form, Bewegungsrichtung und Bewegungsgeschwindigkeit eines umliegenden Objekts.
Darüber hinaus verfügt das autonome Fahrzeug auch über eine Funktion zur optimalen Ermittlung eines Fahrwegs und einer Fahrspur, indem es den Standort des Fahrzeugs anhand zuvor gespeicherter Kartendaten ermittelt und korrigiert, das Fahren des Fahrzeugs so steuert, dass das Fahrzeug nicht von dem ermittelten Weg und der ermittelten Fahrspur abweicht, und Defensiv- und Ausweichfahrten für einen Risikofaktor auf einem Fahrweg oder ein plötzlich in der Nähe auftauchendes Fahrzeug durchführt.
Der Stand der Technik der Offenbarung ist in der Koreanischen Patentanmeldungsoffenlegung KR 10 1998 0068399 A (15. Oktober 1998) offenbart. DE 10 2015 209 467 A1 , DE 10 2016 118 497 A1 und DE 10 2004 028 404 A1 offenbaren jeweils die Trajektorie eines vorausfahrenden Fahrzeugs unter Berücksichtigung von Unsicherheiten von ermittelten Positionsdaten.
ÜBERBLICK
Ein autonomes Fahrzeug verwendet eine Zieldetektionsfunktion zum Detektieren eines umliegenden Objekts mittels eines LIDAR-Sensors, eines Radarsensors oder eines Kamerasensors und zum Erzeugen eines Alarms, um einen Fahrer über das Vorhandensein eines Hindernisses zu informieren, oder zum Anhalten des Fahrzeugs, bevor das Fahrzeug gegen ein Hindernis prallt, oder zum Fortbewegen des Fahrzeugs durch Ausweichen vor dem Hindernis, indem das Fahrsystems des Fahrzeugs gesteuert wird.
Wenn ein umliegendes Objekt mittels eines Kamerasensors detektiert wird, wird ein Bild des Objekts unmittelbar aufgenommen, so dass leicht festgestellt werden kann, ob das Objekt in dem aufgenommenen Bild ein Hindernis ist, das vermieden werden muss. Es bestehen jedoch die Probleme, dass ein Abstand, innerhalb dessen ein Bild derart aufgenommen werden kann, dass ein Hindernis identifizierbar ist, aufgrund der Auflösung einer Rasterung des Bildes und eines Sichtfelds begrenzt ist und es schwierig ist, einen Abstand von einem Objekt nur basierend auf einem Bild zu messen.
Der LIDAR-Sensor oder der Radarsensor hat insofern einen Vorteil, als dass ein Objekt in einem relativ großen Abstand detektiert werden kann, weist jedoch die Probleme auf, dass es nicht leicht ist, festzustellen, ob ein detektiertes Objekt ein zu vermeidendes Hindernis oder ein Rauschen ist, da der Sensor nicht direkt ein Bild des Objekts detektiert und leicht von Rauschen beeinflusst werden kann, und dass ein Ziel ausgelassen wird, da der Sensor bei der Bewegungsverfolgung des Objekts keine Bewegung eines umliegenden Objekts verfolgt.
Verschiedene Ausführungsform der vorliegenden Offenbarung betreffen das Bereitstellen einer Vorrichtung und eines Verfahrens zum autonomen Fahren, die in der Lage sind, ein Zielobjekt, d.h. ein zu detektierendes Ziel, unter umliegenden Objekten, die mittels eines an einem autonomen Fahrzeug montierten Sensors detektiert werden, genau zu identifizieren und zu verfolgen.
In einer Ausführungsform weist eine Vorrichtung zum autonomen Fahren eine Sensoreinheit auf, die zum Detektieren eines Zielobjekts in der Nähe eines autonom angetriebenen Ego-Fahrzeugs ausgebildet ist, einen Speicher, der zum Speichern von Karteninformationen ausgebildet ist, und einen Prozessor, der zum Steuern des autonomen Fahrens des autonom angetriebenen Ego-Fahrzeugs ausgebildet ist, basierend auf den in dem Speicher gespeicherten Karteninformationen und einer Spur bzw. Bahn, die eine Zustandstrajektorie des Zielobjekts angibt, die basierend auf einem Messwert eines von der Sensoreinheit detektierten Standorts des Zielobjekts geschätzt wird. Der Prozessor ist ausgebildet zum Extrahieren eines oder mehrerer gültiger Messwerte innerhalb eines Validierungsgates (validation gate) einer Schätzung des Standorts des Zielobjekts, die basierend auf dem Messwert des Standorts erzeugt wird, unter einem oder mehreren von der Sensoreinheit ausgegebenen Messwerten, zum Bilden einer Spur des Zielobjekts unter Berücksichtigung einer Wahrscheinlichkeit, dass jeder der extrahierten gültigen Messwerte einem Messwert des Standorts des Zielobjekts zu einem aktuellen Zeitpunkt entspricht, und zum Verfolgen des Zielobjekts mittels der Spur sowie zum Extrahieren der gültigen Messwerte durch Einstellen einer Größe des Validierungsgates basierend auf der Zeit, während der die Verfolgung des Zielobjekts aufrechterhalten wird, und auf Umgebungsinformationen des autonom angetriebenen Ego-Fahrzeugs.
In einer Ausführungsform ist der Prozessor dazu ausgebildet, zu ermitteln, ob ein basierend auf einer Innovation ermittelter Mahalanobis-Abstand zwischen dem Messwert und der Schätzung des Standorts des Zielobjekts und der Kovarianz der Innovation geringer als ein Schwellenwert ist, um die Größe des Validierungsgates zu bestimmen und die gültigen Messwerte zu extrahieren.
In einer Ausführungsform ist der Prozessor dazu ausgebildet, die Größe des Validierungsgates zu verringern, indem der Schwellenwert entsprechend einer Erhöhung der Zeit, während der die Verfolgung des Zielobjekts aufrechterhalten wird, reduziert wird.
In einer Ausführungsform ist der Prozessor dazu ausgebildet, die Größe des Validierungsgates zu erhöhen oder zu verringern, indem der Schwellenwert mittels einer Umgebungsgewichtung eingestellt wird, in die ein Verfolgungsvorsichtsgrad basierend auf den Umgebungsinformationen einbezogen wurde. Die Umgebungsinformationen umfassen eines oder mehreres aus einer Form, Attributen, Verkehrsverhältnissen und einem Fahrbahnoberflächenzustand einer vorderen Fahrbahn.
In einer Ausführungsform ist der Prozessor dazu ausgebildet, die Spur mittels eines Verfahrens zum Aktualisieren der Schätzung des Standorts des Zielobjekts im Laufe der Zeit zu aktualisieren, eine Historie, in der die Spur aktualisiert ist, in dem Speicher zu speichern und eine Spurenverwaltung durch eine Initialisierung der Spur durchzuführen.
In einer Ausführungsform umfasst die Sensoreinheit eines oder mehreres aus einem LIDAR-Sensor, einem Radarsensor und einem Kamerasensor.
In einer Ausführungsform ist ein Verfahren zum autonomen Fahren ein Verfahren zum Steuern des autonomen Fahrens eines autonom angetriebenen Ego-Fahrzeugs mittels eines Prozessors basierend auf in dem Speicher gespeicherten Karteninformationen und einer Spur bzw. Bahn, die eine Zustandstrajektorie eines Zielobjekts in der Nähe des autonom angetriebenen Ego-Fahrzeugs angibt, die basierend auf einem Messwert eines von einer Sensoreinheit detektierten Standorts des Zielobjekts geschätzt wird. Das Verfahren umfasst das Extrahieren, mittels des Prozessors, eines oder mehrerer gültiger Messwerte innerhalb eines Validierungsgates einer Schätzung des Standorts des Zielobjekts, die basierend auf dem Messwert des Standorts erzeugt wird, unter einem oder mehreren von der Sensoreinheit ausgegebenen Messwerten, und zum Bilden, mittels des Prozessors, einer Spur des Zielobjekts unter Berücksichtigung einer Wahrscheinlichkeit, dass jeder der extrahierten gültigen Messwerte einem Messwert des Standorts des Zielobjekts zu einem aktuellen Zeitpunkt entspricht, und zum Verfolgen des Zielobjekts mittels der Spur. Beim Extrahieren des einen oder der mehreren gültigen Messwerte extrahiert der Prozessor die gültigen Messwerte durch Einstellen einer Größe des Validierungsgates basierend auf der Zeit, während der die Verfolgung des Zielobjekts beibehalten wird, und auf Umgebungsinformationen des autonom angetriebenen Ego-Fahrzeugs.
Figurenliste

1 ist ein allgemeines Blockdiagramm eines autonomen Fahrsteuerungssystems, auf das eine Vorrichtung zum autonomen Fahren gemäß einer Ausführungsform der vorliegenden Offenbarung angewendet werden kann.
2 ist ein Blockdiagramm mit Darstellung einer ausführlichen Ausgestaltung einer für autonomes Fahren integrierten Steuereinrichtung in der Vorrichtung zum autonomen Fahren gemäß einer Ausführungsform der vorliegenden Offenbarung.
3 ist ein beispielhafte Abbildung mit Darstellung eines Beispiels, bei dem die Vorrichtung zum autonomen Fahren gemäß einer Ausführungsform der vorliegenden Offenbarung bei einem Fahrzeug angewendet wird.
4 ist eine beispielhafte Abbildung mit Darstellung eines Beispiels einer internen Struktur eines Fahrzeugs, auf das die Vorrichtung zum autonomen Fahren gemäß einer Ausführungsform der vorliegenden Offenbarung angewendet wird.
5 ist eine beispielhafte Abbildung mit Darstellung eines Beispiels eines vorgegebenen Abstands und eines horizontalen Sichtfelds, innerhalb derer ein LIDAR-Sensor, ein Radarsensor und ein Kamerasensor in der Vorrichtung zum autonomen Fahren gemäß einer Ausführungsform der vorliegenden Offenbarung ein umliegendes Objekt detektieren können.
6 ist eine beispielhafte Abbildung mit Darstellung eines Beispiels, bei dem eine Sensoreinheit ein umliegendes Fahrzeug in der Vorrichtung zum autonomen Fahren gemäß einer Ausführungsform der vorliegenden Offenbarung detektiert.
7 ist ein Flussdiagramm zur Beschreibung eines Verfahrens zum autonomen Fahren gemäß einer Ausführungsform der vorliegenden Offenbarung.

DETAILBESCHREIBUNG DER DARGESTELLTEN AUSFÜHRUNGSFORMEN
Im Folgenden werden eine Vorrichtung und ein Verfahren zum autonomen Fahren unter Bezugnahme auf die zugehörigen Zeichnungen anhand unterschiedlicher Ausführungsbeispiele beschrieben. Die Dicke von Linien oder die Größe von Elementen, die in den Zeichnungen in diesem Prozess gezeigt sind, können zur Klarheit einer Beschreibung und aus Gründen der Einfachheit übertrieben dargestellt worden sein. Die im Folgenden beschriebenen Begriffe wurden unter Berücksichtigung ihrer Funktionen in der Offenbarung definiert und können je nach Absicht oder Praxis eines Benutzers oder Bedieners geändert werden. Dementsprechend sind solche Begriffe basierend auf den Gesamtinhalten dieser Spezifikation zu interpretieren.
1 ist ein allgemeines Blockdiagramm eines autonomen Fahrsteuerungssystems, auf das eine Vorrichtung zum autonomen Fahren gemäß einer Ausführungsform der vorliegenden Offenbarung angewendet werden kann. 2 ist ein Blockdiagramm mit Darstellung einer ausführlichen Ausgestaltung einer für autonomes Fahren integrierten Steuereinrichtung in der Vorrichtung zum autonomen Fahren gemäß einer Ausführungsform der vorliegenden Offenbarung. 3 ist ein beispielhafte Abbildung mit Darstellung eines Beispiels, bei dem die Vorrichtung zum autonomen Fahren gemäß einer Ausführungsform der vorliegenden Offenbarung bei einem Fahrzeug angewendet wird. 4 ist eine beispielhafte Abbildung mit Darstellung eines Beispiels einer internen Struktur eines Fahrzeugs, auf das die Vorrichtung zum autonomen Fahren gemäß einer Ausführungsform der vorliegenden Offenbarung angewendet wird. 5 ist eine beispielhafte Abbildung mit Darstellung eines Beispiels eines vorgegebenen Abstands und eines horizontalen Sichtfelds, innerhalb derer ein LIDAR-Sensor, ein Radarsensor und ein Kamerasensor in der Vorrichtung zum autonomen Fahren gemäß einer Ausführungsform der vorliegenden Offenbarung ein umliegendes Objekt detektieren können. 6 ist eine beispielhafte Abbildung mit Darstellung eines Beispiels, bei dem eine Sensoreinheit ein umliegendes Fahrzeug in der Vorrichtung zum autonomen Fahren gemäß einer Ausführungsform der vorliegenden Offenbarung detektiert.
Zunächst werden die Struktur und Funktionen eines autonomen Fahrsteuerungssystems, auf das eine Vorrichtung zum autonomen Fahren gemäß der vorliegenden Ausführungsform angewendet werden kann, unter Bezugnahme auf 1 und 3 beschrieben. Wie in 1 dargestellt, kann das autonome Fahrsteuerungssystem basierend auf einer für autonomes Fahren integrierten Steuereinheit 600 implementiert sein, die zum Senden und Empfangen von zur autonomen Fahrsteuerung eines Fahrzeugs benötigten Daten über eine Fahrinformationseingabeschnittstelle 101, eine Bewegungsinformationseingabeschnittstelle 201, eine Insassenausgabeschnittstelle 301 und eine Fahrzeugsteuerungsausgabeschnittstelle 401 ausgebildet ist.
Die für autonomes Fahren integrierte Steuereinrichtung 600 kann über die Fahrinformationseingabeschnittstelle 101 Fahrinformationen basierend auf einer Manipulation eines Insassen für eine Benutzereingabeeinheit 100 in einem autonomen Fahrmodus oder manuellen Fahrmodus eines Fahrzeugs erhalten. Wie in 1 dargestellt, kann die Benutzereingabeeinheit 100 beispielsweise einen Fahrmodusschalter 110 und ein Benutzerendgerät 120 (z.B. ein an einem Fahrzeug angebrachtes Navigationsendgerät oder ein Smartphone oder Tablet-PC eines Insassen) aufweisen. Dementsprechend können Fahrinformationen Fahrmodusinformationen und Navigationsinformationen eines Fahrzeugs umfassen. Beispielsweise kann ein Fahrmodus (d.h. ein autonomer Fahrmodus/manueller Fahrmodus oder ein Sportmodus/Eco-Modus/Sicherheitsmodus/Normalmodus) eines Fahrzeugs, der durch eine Manipulation eines Insassen für den Fahrmodusschalter 110 ermittelt wird, über die Fahrinformationseingabeschnittstelle 101 als Fahrinformationen an die für autonomes Fahren integrierte Steuereinrichtung 600 gesendet werden. Darüber hinaus können Navigationsinformationen, wie der Zielort eines Insassen und ein Weg bis zum Zielort (z.B. der kürzeste Weg oder der bevorzugte Weg, ausgewählt von dem Insassen unter Kandidatenwegen bis zum Zielort), die von einem Insassen über das Benutzerendgerät 120 eingegeben werden, über die Fahrinformationseingabeschnittstelle 101 als Fahrinformationen an die für autonomes Fahren integrierte Steuereinrichtung 600 gesendet werden. Das Benutzerendgerät 120 kann als ein Steuerungspanel (z.B. Touchscreen-Panel) implementiert sein, das eine Benutzerschnittstelle (UI) vorsieht, über die ein Fahrer Informationen zur autonomen Fahrsteuerung eines Fahrzeugs eingibt oder modifiziert. In diesem Fall kann der Fahrmodusschalter 110 als eine Touch-Schaltfläche auf dem Benutzerendgerät 120 implementiert sein.
Darüber hinaus kann die für autonomes Fahren integrierte Steuereinrichtung 600 Bewegungsinformationen, die einen Fahrzustand eines Fahrzeugs angeben, über die Bewegungsinformationseingabeschnittstelle 201 erhalten. Die Bewegungsinformationen können einen Lenkwinkel umfassen, der beim Manipulieren eines Lenkrads durch einen Insassen gebildet wird, einen Gaspedalhub oder Bremspedalhub, der beim Betätigen eines Gaspedals oder Bremspedals gebildet wird, und verschiedene Arten von Informationen, die Fahrzustände und Fahrzeugverhalten, wie eine Fahrzeuggeschwindigkeit, eine Beschleunigung, ein Gieren, ein Nicken und ein Rollen, d.h. in dem Fahrzeug gebildetes Verhalten, angeben. Die einzelnen Bewegungsinformationen können von einer Bewegungsinformationsdetektionseinheit 200 detektiert werden, die einen Lenkwinkelsensor 210, einen Beschleunigungspositionssensor (APS)/Pedalwegsensor (PTS) 220, einen Fahrzeuggeschwindigkeitssensor 230, einen Beschleunigungssensor 240 und einen Gier-/Nick-/Rollsensor 250 aufweist, wie in 1 dargestellt. Die Bewegungsinformationen eines Fahrzeugs können ferner Standortinformationen des Fahrzeugs umfassen. Die Standortinformationen des Fahrzeugs können über einen globalen Positi-onsbestimmungssystem-(GPS-)Empfänger 260 erhalten werden, der bei dem Fahrzeug eingesetzt wird. Solche Bewegungsinformationen können über eine Bewegungsinformationseingabeschnittstelle 201 an die für autonomes Fahren integrierte Steuereinrichtung 600 gesendet werden und zur Steuerung des Fahrens eines Fahrzeugs in dem autonomen Fahrmodus oder manuellen Fahrmodus des Fahrzeugs verwendet werden.
Die für autonomes Fahren integrierte Steuereinrichtung 600 kann ferner Fahrzustandsinformationen, die einem Insassen bereitgestellt werden, über die Insassenausgabeschnittstelle 301 in dem autonomen Fahrmodus oder manuellen Fahrmodus eines Fahrzeugs an die Ausgabeeinheit 300 senden. Das heißt, dass die für autonomes Fahren integrierte Steuereinrichtung 600 Fahrzustandsinformationen eines Fahrzeugs an die Ausgabeeinheit 300 sendet, so dass ein Insassen den autonomen Fahrzustand oder manuellen Fahrzustand des Fahrzeugs basierend auf den über die Ausgabeeinheit 300 ausgegebenen Fahrzustandsinformationen prüfen kann. Die Fahrzustandsinformationen können verschiedene Arten von Informationen umfassen, die Fahrzustände eines Fahrzeugs angeben, wie beispielsweise ein aktueller Fahrmodus, ein Übertragungsbereich und eine Fahrzeuggeschwindigkeit des Fahrzeugs. Wenn bestimmt wird, dass es erforderlich ist, einen Fahrer in einem autonomen Fahrmodus oder manuellen Fahrmodus eines Fahrzeugs entsprechend den Fahrzustandsinformationen zu warnen, sendet die für autonomes Fahren integrierte Steuereinrichtung 600 ferner Warninformationen über die Insassenausgabeschnittstelle 301 an die Ausgabeeinheit 300, so dass die Ausgabeeinheit 300 eine Warnung an den Fahrer ausgeben kann. Zum akustischen und visuellen Ausgeben solcher Fahrzustandsinformationen und Warninformationen kann die Ausgabeeinheit 300 einen Lautsprecher 310 und ein Display 320 aufweisen, wie in 1 dargestellt. In diesem Fall kann das Display 320 als die gleiche Vorrichtung wie das Benutzerendgerät 120 implementiert sein oder kann als eine unabhängige Vorrichtung von dem Benutzerendgerät 120 getrennt implementiert sein.
Die für autonomes Fahren integrierte Steuereinrichtung 600 kann ferner Steuerungsinformationen zur Fahrsteuerung eines Fahrzeugs über die Fahrzeugsteuerungsausgabeschnittstelle 401 in dem autonomen Fahrmodus oder manuellen Fahrmodus des Fahrzeugs an ein niederrangiges Steuerungssystem 400 senden, das bei einem Fahrzeug eingesetzt wird. Wie in 1 dargestellt, kann das niederrangige Steuerungssystem 400 zur Fahrsteuerung eines Fahrzeugs ein Motorsteuerungssystem 410, ein Bremssteuerungssystem 420 und ein Lenksteuerungssystem 430 umfassen. Die für autonomes Fahren integrierte Steuereinrichtung 600 kann Motorsteuerungsinformationen, Bremssteuerungsinformationen und Lenksteuerungsinformationen als Steuerungsinformationen über die Fahrzeugsteuerungsausgabeeinheit 401 an das jeweilige niederrangige Steuerungssystem 410, 420, und 430 senden. Dementsprechend kann das Motorsteuerungssystem 410 die Fahrzeuggeschwindigkeit und Beschleunigung eines Fahrzeugs durch Erhöhen oder Verringern des einem Motor zugeführten Kraftstoffs steuern. Das Bremssteuerungssystem 420 kann die Bremsung des Fahrzeugs durch Steuern der Bremsleistung des Fahrzeugs steuern. Das Lenksteuerungssystem 430 kann die Lenkung des Fahrzeugs über eine Steuereinrichtung (z.B. ein motorbetriebenes Servolenkungssystem, MDPS-System) steuern, die bei dem Fahrzeug eingesetzt wird.
Wie vorstehend beschrieben, kann die für autonomes Fahren integrierte Steuereinrichtung 600 gemäß der vorliegenden Ausführungsform Fahrinformationen basierend auf einer Manipulation eines Fahrers und Bewegungsinformationen, die einen Fahrzustand eines Fahrzeugs angeben, über die Fahrinformationseingabeschnittstelle 101 bzw. die Bewegungsinformationseingabeschnittstelle 201 erhalten, kann Fahrzustandsinformationen und Warninformationen, die basierend auf einem von einem Prozessor 610 verarbeiteten Algorithmus für autonomes Fahren erzeugt werden, über die Insassenausgabeschnittstelle 301 an die Ausgabeeinheit 300 senden und kann Steuerungsinformationen, die basierend auf dem von dem Prozessor 610 verarbeiteten Algorithmus für autonomes Fahren erzeugt werden, über die Fahrzeugsteuerungsausgabeschnittstelle 401 an das niederrangige Steuerungssystem 400 senden, so dass eine Fahrsteuerung des Fahrzeugs durchgeführt wird.
Um stabiles autonomes Fahren eines Fahrzeugs zu gewährleisten, ist es erforderlich, einen Fahrzustand des Fahrzeugs durch präzises Messen einer Fahrumgebung kontinuierlich zu überwachen und das Fahren basierend auf der gemessen Fahrumgebung zu steuern. Zu diesem Zweck, wie in 1 dargestellt, kann die Vorrichtung zum autonomen Fahren gemäß der vorliegenden Ausführungsform eine Sensoreinheit 500 zum Detektieren eines umliegenden Objekts eines Fahrzeugs aufweisen, wie beispielsweise ein umliegendes Fahrzeug, ein Fußgänger, eine Fahrbahn oder eine ortsfeste Einrichtung (z.B. eine Verkehrsampel, ein Hinweisschild, ein Verkehrsschild oder ein Bauzaun). Die Sensoreinheit 500 kann eines oder mehreres aus einem LIDAR-Sensor 510, einem Radarsensor 520 und einem Kamerasensor 530 aufweisen, um ein umliegendes Objekt außerhalb eines Fahrzeugs zu detektieren, wie in 1 dargestellt.
Der LIDAR-Sensor 510 kann ein Lasersignal an die Peripherie eines Fahrzeugs aussenden und kann ein umliegendes Objekt außerhalb des Fahrzeugs durch Empfangen eines von einem entsprechenden Objekt reflektierten und zurückgesendeten Signals detektieren. Der LIDAR-Sensor 510 kann ein umliegendes Objekt innerhalb eines vorgegebenen Abstands, eines vorgegebenen vertikalen Sichtfelds und eines vorgegeben horizontalen Sichtfelds detektieren, die in Abhängigkeit der Spezifikationen des Sensors vordefiniert sind. Der LIDAR-Sensor 510 kann einen vorderen LIDAR-Sensor 511, einen oberen LIDAR-Sensor 512 und einen hinteren LIDAR-Sensor 513 aufweisen, die jeweils im vorderen, oberen und hinteren Bereich des Fahrzeugs installiert sind, wobei der Installationsort jedes Sensors und die Anzahl der Sensoren jedoch nicht auf eine spezifische Ausführungsform beschränkt sind. Ein Schwellenwert zum Ermitteln der Gültigkeit eines von einem entsprechenden Objekt reflektierten und zurückgesendeten Lasersignals kann vorher in einem Speicher 620 der für autonomes Fahren integrierten Steuereinrichtung 600 gespeichert werden. Der Prozessor 610 der für autonomes Fahren integrierten Steuereinrichtung 600 kann einen Standort (einschließlich eines Abstands zu einem entsprechenden Objekt), eine Geschwindigkeit und eine Bewegungsrichtung des entsprechenden Objekts mittels eines Verfahrens zum Messen der Zeit ermitteln, die ein durch den LIDAR-Sensor 510 ausgesendetes Lasersignal benötigt, bis es von dem entsprechenden Objekt reflektiert und zurückgesendet wird.
Der LIDAR-Sensor 520 kann elektromagnetische Wellen um ein Fahrzeug herum ausstrahlen und kann ein umliegendes Objekt außerhalb des Fahrzeugs durch Empfangen eines von einem entsprechenden Objekt reflektierten und zurückgesendeten Signals detektieren. Der Radarsensor 520 kann ein umliegendes Objekt innerhalb eines vorgegebenen Abstands, eines vorgegebenen vertikalen Sichtfelds und eines vorgegeben horizontalen Sichtfelds detektieren, die in Abhängigkeit der Spezifikationen des Sensors vordefiniert sind. Der Radarsensor 520 kann einen vorderen Radarsensor 521, einen linken Radarsensor 522, einen rechten Radarsensor 523 und einen hinteren Radarsensor 524 aufweisen, die jeweils im vorderen, linken, rechten und hinteren Bereich des Fahrzeugs installiert sind, wobei der Installationsort jedes Sensors und die Anzahl der Sensoren jedoch nicht auf eine spezifische Ausführungsform beschränkt sind. Der Prozessor 610 der für autonomes Fahren integrierten Steuereinrichtung 600 kann einen Standort (einschließlich eines Abstands zu einem entsprechenden Objekt), eine Geschwindigkeit und eine Bewegungsrichtung des entsprechenden Objekts mittels eines Verfahrens zum Analysieren der Kraft elektromagnetischer Wellen ermitteln, die durch den Radarsensor 520 ausgesendet und empfangen werden.
Der Kamerasensor 530 kann ein umliegendes Objekt außerhalb eines Fahrzeugs durch Fotografieren der Peripherie des Fahrzeugs detektieren und kann ein umliegendes Objekt innerhalb eines vorgegebenen Abstands, eines vorgegebenen vertikalen Sichtfelds und eines vorgegeben horizontalen Sichtfelds detektieren, die in Abhängigkeit der Spezifikationen des Sensors vordefiniert sind. Der Kamerasensor 530 kann einen vorderen Kamerasensor 531, einen linken Kamerasensor 532, einen rechten Kamerasensor 533 und einen hinteren Kamerasensor 534 aufweisen, die jeweils im vorderen, linken, rechten und hinteren Bereich eines Fahrzeugs installiert sind, wobei der Installationsort jedes Sensors und die Anzahl der Sensoren jedoch nicht auf eine spezifische Ausführungsform beschränkt sind. Der Prozessor 610 der für autonomes Fahren integrierten Steuereinrichtung 600 kann einen Standort (einschließlich eines Abstands zu einem entsprechenden Objekt), eine Geschwindigkeit und eine Bewegungsrichtung des entsprechenden Objekts durch Anwenden einer vordefinierten Bildverarbeitung auf ein von dem Kamerasensor 530 erfasstes Bild ermitteln. Darüber hinaus kann ein interner Kamerasensor 535 zum Fotografieren des Innenraums eines Fahrzeugs an einer gegebenen Stelle (z.B. Rückspiegel) innerhalb des Fahrzeugs angebracht sein. Der Prozessor 610 der für autonomes Fahren integrierten Steuereinrichtung 600 kann ein Verhalten und einen Zustand eines Insassen basierend auf einem von dem internen Kamerasensor 535 erfassten Bild überwachen und kann eine Beratung oder eine Warnung über die Ausgabeeinheit 300 an den Insassen ausgeben.
Wie in 1 dargestellt, kann die Sensoreinheit 500 neben dem LIDAR-Sensor 510, dem Radarsensor 520 und dem Kamerasensor 530 ferner einen Ultraschallsensor 540 aufweisen und kann ferner verschiedene Arten von Sensoren zum Detektieren eines umliegenden Objekts eines Fahrzeugs zusammen mit den Sensoren einsetzen. 3 zeigt ein Beispiel, bei dem zum Verständnis der vorliegenden Ausführungsform der vordere LIDAR-Sensor 511 oder der vordere Radarsensor 521 im vorderen Bereich eines Fahrzeugs installiert wurden, der hintere LIDAR-Sensor 513 und der hintere Radarsensor 524 im hinteren Bereich des Fahrzeugs installiert wurden und der vordere Kamerasensor 531, der linke Kamerasensor 532, der rechte Kamerasensor 533 und der hintere Kamerasensor 534 im vorderen, linken, rechten bzw. hinteren Bereich des Fahrzeugs installiert wurden. Wie vorstehend beschrieben, ist der Installationsort jedes Sensors und die Anzahl der installierten Sensoren jedoch nicht auf eine spezifische Ausführungsform beschränkt. 5 zeigt ein Beispiel eines vorgegebenen Abstands und eines horizontalen Sichtfelds, innerhalb derer der LIDAR-Sensor 510, der Radarsensor 520 und der Kamerasensor 530 ein umliegendes Objekt vor dem Fahrzeug detektieren können. 6 zeigt ein Beispiel, bei dem jeder Sensor ein umliegendes Objekt detektiert. 6 ist lediglich ein Beispiel der Detektion eines umliegenden Objekts. Ein Verfahren zum Detektieren eines umliegenden Objekts wird von dem Installationsort jedes Sensors und der Anzahl installierter Sensoren bestimmt. Ein umliegendes Fahrzeug und ein umliegendes Objekt in dem omnidirektionalen Bereich eines autonom fahrenden Ego-Fahrzeugs können in Abhängigkeit von einer Ausgestaltung der Sensoreinheit 500 detektiert werden.
Zum Ermitteln eines Zustands eines Insassen innerhalb eines Fahrzeugs kann die Sensoreinheit 500 ferner ein Mikrofon und einen Biosensor zum Detektieren einer Stimme und eines Biosignals (z.B. Herzfrequenz, Elektrokardiogramm, Atmung, Blutdruck, Körpertemperatur, Elektroenzephalogramm, Photoplethysmographie (oder Pulswelle) und Blutzucker) des Insassen aufweisen. Der Biosensor kann einen Herzfrequenzsensor, einen Elektrokardiogrammsensor, einen Atmungssensor, einen Blutdrucksensor, einen Körpertemperatursensor, einen Elektroenzephalogrammsensor, einen Photoplethysmographiesensor und einen Blutzuckersensor umfassen.
4 zeigt ein Beispiel einer internen Struktur eines Fahrzeugs. Eine interne Vorrichtung, deren Zustand durch eine Manipulation eines Insassen, wie einem Fahrer oder Beifahrer eines Fahrzeugs, gesteuert wird, und die das Fahren oder den Komfort (z.B. Ruhe- oder Entertainment-Aktivitäten) des Insassen unterstützt, kann innerhalb des Fahrzeugs installiert sein. Solch eine interne Vorrichtung kann einen Fahrzeugsitz S, auf dem ein Insasse sitzt, eine Beleuchtungseinrichtung L, wie eine Innenbeleuchtung und eine Stimmungslampe, das Benutzerendgerät 120, das Display 320 und einen Innentisch aufweisen. Der Zustand der internen Vorrichtung kann von dem Prozessor 610 gesteuert werden.
Der Winkel des Fahrzeugsitzes S kann von dem Prozessor 610 (oder durch eine manuelle Manipulation des Insassen) eingestellt werden. Wenn der Fahrzeugsitz S mit einem Vorderreihensitz S1 und einem Hinterreihensitz S2 ausgebildet ist, kann nur der Winkel des Vorderreihensitzes S1 eingestellt werden. Wenn kein Hinterreihensitz S2 vorliegt und der Vorderreihensitz S1 in eine Sitzstruktur und eine Fußbankstruktur eingeteilt ist, kann der Vorderreihensitz S1 so implementiert sein, dass die Sitzstruktur des Vorderreihensitzes S1 physisch von der Fußbankstruktur getrennt ist und der Winkel des Vorderreihensitzes S1 eingestellt wird. Ferner kann ein Aktuator (z.B. ein Motor) zum Einstellen des Winkels des Fahrzeugsitzes S vorgesehen sein. Das Ein- und Ausschalten der Beleuchtungseinrichtung kann von dem Prozessor 610 (oder durch eine manuelle Manipulation eines Insassen) gesteuert werden. Wenn die Beleuchtungseinrichtung L eine Vielzahl von Beleuchtungseinheiten, wie eine Innenbeleuchtung und eine Stimmungslampe, aufweist, kann das Ein- und Ausschalten der Beleuchtungseinheiten unabhängig gesteuert werden. Der Winkel des Benutzerendgeräts 120 oder des Displays 320 kann von dem Prozessor 610 (oder durch eine manuelle Manipulation eines Insassen) basierend auf einem Feldwinkel eines Insassen eingestellt werden. Der Winkel des Benutzerendgeräts 120 oder des Displays 320 kann beispielsweise so eingestellt werden, dass ein Bildschirm davon in Blickrichtung eines Insassen platziert ist. In diesem Fall kann ein Aktuator (z.B. Motor) zum Einstellen des Winkels des Benutzerendgeräts 120 und des Displays 320 vorgesehen sein.
Wie in 1 dargestellt, kann die für autonomes Fahren integrierte Steuereinrichtung 600 über ein Netzwerk mit einem Server 700 kommunizieren. Verschiedene Kommunikationsverfahren, wie ein Wide Area Network (WAN), ein Local Area Network (LAN) oder ein Person Area Network (PAN) können als ein Netzwerkverfahren zwischen der für autonomes Fahren integrierten Steuereinrichtung 600 und dem Server 700 eingesetzt werden. Zum Sicherstellen einer breiten Netzwerkabdeckung kann ein Kommunikationsverfahren mit einem Low Power Wide Area Network (LPWAN, einschließlich kommerzialisierter Technologien wie LoRa, Sigfox, Ingenu, LTE-M und NB-IoT, d.h. Netzwerken mit einer sehr großen Reichweite, unter dem IoT) eingesetzt werden. Beispielsweise kann ein LoRa-Kommunikationsverfahren (das in der Lage ist, Kommunikation mit geringer Leistung zu betreiben und zudem eine große Reichweite von maximal etwa 20 km hat) oder ein Sigfox-Kommunikationsverfahren (mit einer Reichweite von 10 km (in der Innenstadt) bis 30 km (im Stadtrandbereich außerhalb des Innenstadtbereichs) je nach Umgebung) eingesetzt werden. Darüber hinaus können LTE-Netzwerktechnologien basierend auf 3^rd Generation Partnership Project (3GPP) Release 12, 13, wie beispielsweise maschinenartige Kommunikation (Machine-Type Communication, LTE-MTC) (oder LTE-M), Narrowband-(NB-)LTE- und NB-oT mit einem Energiesparmodus (PSM) eingesetzt werden. Der Server 700 kann die neusten Karteninformationen bereitstellen (können verschiedenen Arten von Karteninformationen entsprechen, wie z.B. zweidimensionale (2-D) Navigationskartendaten, dreidimensionale (3-D) vielfältige Kartendaten oder 3-D Hochpräzisions-Elektronikartendaten). Der Server 700 kann ferner verschiedene Arten von Informationen bereitstellen, wie z.B. Unfallinformationen, Straßenkontrollinformationen, Informationen zum Verkehrsaufkommen und Wetterinformationen für eine Straße. Die für autonomes Fahren integrierte Steuereinrichtung 600 kann in dem Speicher 620 gespeicherte Karteninformationen durch Empfangen neuster Karteninformationen aus dem Server 700 aktualisieren, kann Unfallinformationen, Straßenkontrollinformationen, Informationen zum Verkehrsaufkommen und Wetterinformationen empfangen und kann die Informationen zur autonomen Fahrsteuerung eines Fahrzeugs verwenden.
Die Struktur und Funktionen der für autonomes Fahren integrierten Steuereinrichtung 600 gemäß der vorliegenden Ausführungsform sind unter Bezugnahme auf 2 beschrieben. Wie in 2 dargestellt, kann die für autonomes Fahren integrierte Steuereinrichtung 600 den Prozessor 610 und den Speicher 620 umfassen.
Der Speicher 620 kann grundlegende Informationen speichern, die zur autonomen Fahrsteuerung eines Fahrzeugs erforderlich sind, oder kann Informationen speichern, die in einem autonomen Fahrprozess eines von dem Prozessor 610 gesteuerten Fahrzeugs erzeugt werden. Der Prozessor 610 kann auf in dem Speicher 620 gespeicherte Informationen zugreifen (oder diese lesen) und kann das autonome Fahren eines Fahrzeugs steuern. Der Speicher 620 kann als ein computerlesbares Aufzeichnungsmedium implementiert sein und kann derart arbeiten, dass der Prozessor 610 darauf zugreifen kann. Insbesondere kann der Speicher 620 als eine Festplatte, ein magnetisches Band, eine Speicherkarte, ein Festwertspeicher (ROM), ein Direktzugriffsspeicher (RAM), eine digitale Videodisc (DVD) oder eine optischen Datenspeicherung, wie eine optische Diskette, implementiert sein.
Der Speicher 620 kann Karteninformationen speichern, die zur autonomen Fahrsteuerung mittels des Prozessors 610 erforderlich sind. Die in dem Speicher 620 gespeicherten Karteninformationen können eine Navigationskarte (oder eine digitale Karte) sein, die Informationen zu einer Straßeneinheit bereitstellen, können jedoch als eine präzise Straßenkarte implementiert sein, die Straßeninformationen zu einer Spureinheit bereitstellt, d.h. 3-D Hochpräzisions-Elektronikkartendaten, um die Präzision der autonomen Fahrsteuerung zu verbessern. Dementsprechend können die in dem Speicher 620 gespeicherten Karteninformationen dynamische und statische Informationen zur autonomen Fahrsteuerung eines Fahrzeugs bereitstellen, wie beispielsweise eine Spur, die Mittellinie einer Spur, eine Überholspur bzw. ein Sonderfahrstreifen, eine Fahrbahnbegrenzung, die Mittellinie einer Fahrbahn, ein Verkehrsschild, eine Fahrbahnmarkierung, die Form und Höhe einer Fahrbahn und eine Spurbreite.
Der Speicher 620 kann ferner den Algorithmus für autonomes Fahren zur autonomen Fahrsteuerung eines Fahrzeugs speichern. Der Algorithmus für autonomes Fahren ist ein Algorithmus (Erkennungs-, Ermittlungs- und Steuerungsalgorithmus) zum Erkennen der Peripherie eines autonomen Fahrzeugs, zum Ermitteln des Zustands der Peripherie des Fahrzeugs und zum Steuern der Fahrt des Fahrzeugs basierend auf einem Ergebnis der Ermittlung. Der Prozessor 610 kann eine aktive autonome Fahrsteuerung für eine Umgebung eines Fahrzeugs durchführen, indem er den in dem Speicher 620 gespeicherten Algorithmus für autonomes Fahren ausführt.
Der Prozessor 610 kann das autonome Fahren eines Fahrzeugs basierend auf den von der Fahrinformationseingabeschnittstelle 101 bzw. der Bewegungsinformationseingabeschnittstelle 201 erhaltenen Fahrinformationen und Bewegungsinformationen, den Informationen zu einem von der Sensoreinheit 500 detektierten umliegenden Objekt und den Karteninformationen und dem in dem Speicher 620 gespeicherten Algorithmus für autonomes Fahren durchführen. Der Prozessor 610 kann als ein Embedded-Prozessor implementiert sein, wie beispielsweise ein Rechner mit komplexem Befehlssatz (CICS - Complex Instruction Set Computer) oder ein Rechner mit reduziertem Befehlssatz (RISC - Reduced Instruction Set Computer), oder als eine dedizierte Halbleiterschaltung, wie beispielsweise eine anwendungsspezifische integrierte Schaltung (ASIC - Application-Specific Integrated Circuit).
In der vorliegenden Ausführungsform kann der Prozessor 610 ein autonomes Fahren eines autonom angetriebenen Ego-Fahrzeugs durch Analysieren der Fahrtrajektorie des autonom angetriebenen Ego-Fahrzeugs und eines umliegenden Fahrzeugs steuern. Zu diesem Zweck kann der Prozessor 610 ein Sensorverarbeitungsmodul 611, ein Fahrtrajektorie-Erzeugungsmodul 612, ein Fahrtrajektorie-Analysemodul 613, ein Fahrsteuerungsmodul 614, ein Insassenzustandsermittlungsmodul 616 und ein Trajektorielernmodul 615 aufweisen, wie in 2 dargestellt. 2 zeigt jedes der Module als einen unabhängigen Block basierend auf dessen Funktion, die Module können jedoch in ein einziges Modul integriert werden und als ein Element zum Integrieren und Durchführen der Funktionen der Module implementiert sein.
Das Sensorverarbeitungsmodul 611 kann Bewegungsinformationen eines umliegenden Fahrzeugs (d.h. enthält den Standort des umliegenden Fahrzeugs und kann ferner die Geschwindigkeit und Bewegungsrichtung des umliegenden Fahrzeugs entlang des Standorts enthalten) basierend auf einem Ergebnis des Detektierens, mittels der Sensoreinheit 500, eines umliegenden Objekts in der Nähe eines autonom angetriebenen Ego-Fahrzeugs ermitteln. Das heißt, dass das Sensorverarbeitungsmodul 611 den Standort eines umliegenden Fahrzeugs basierend auf einem von dem LIDAR-Sensor 510 empfangenen Signal ermitteln kann, den Standort eines umliegenden Fahrzeugs basierend auf einem von dem Radarsensor 520 empfangenen Signal ermitteln kann, den Standort eines umliegenden Fahrzeugs basierend auf einem von dem Kamerasensor 530 empfangenen Bild ermitteln kann und den Standort eines umliegenden Fahrzeugs basierend auf einem von dem Ultraschallsensor 540 empfangenen Signal ermitteln kann. Zu diesem Zweck, wie in 1 dargestellt, kann das Sensorverarbeitungsmodul 611 ein LIDAR-Signalverarbeitungsmodul 611a, ein Radarsignalverarbeitungsmodul 611b und ein Kamerasignalverarbeitungsmodul 611c aufweisen. In einigen Ausführungsformen kann dem Sensorverarbeitungsmodul 611 ferner ein Ultraschallsignalverarbeitungsmodul (nicht abgebildet) hinzugefügt werden. Ein Implementierungsverfahren des Verfahrens zum Ermitteln des Standorts eines umliegenden Fahrzeugs mittels des LIDAR-Sensors 510, des Radarsensors 520 und des Kamerasensors 530 ist nicht auf eine bestimmte Ausführungsform beschränkt. Das Sensorverarbeitungsmodul 611 kann ferner Attributinformationen, wie die Größe und Art eines umliegenden Fahrzeugs, zusätzlich zu dem Standort, der Geschwindigkeit und der Bewegungsrichtung des umliegenden Fahrzeugs ermitteln. Ein Algorithmus zum Ermitteln von Informationen, wie des Standorts, der Geschwindigkeit, der Bewegungsrichtung, der Größe und der Art eines umliegenden Fahrzeugs, kann vorgegeben sein.
Das Fahrtrajektorie-Erzeugungsmodul 612 kann eine tatsächliche Fahrtrajektorie und eine erwartete Fahrtrajektorie eines umliegenden Fahrzeugs und eine tatsächliche Fahrtrajektorie eines autonom angetriebenen Ego-Fahrzeugs erzeugen. Zu diesem Zweck, wie in 2 dargestellt, kann das Fahrtrajektorie-Erzeugungsmodul 612 ein Fahrtrajektorie-Erzeugungsmodul für ein umliegendes Fahrzeug 612a und ein Fahrtrajektorie-Erzeugungsmodul für ein autonom angetriebenes Fahrzeug 612b aufweisen.
Zunächst kann das Fahrtrajektorie-Erzeugungsmodul für ein umliegendes Fahrzeug 612a eine tatsächliche Fahrtrajektorie eines umliegenden Fahrzeugs erzeugen.
Insbesondere kann das Fahrtrajektorie-Erzeugungsmodul für ein umliegendes Fahrzeug 612a eine tatsächliche Fahrtrajektorie eines umliegenden Fahrzeugs basierend auf von der Sensoreinheit 500 detektierten Bewegungsinformationen zum umliegenden Fahrzeug (d.h. der von dem Sensorverarbeitungsmodul 611 ermittelte Standort des umliegenden Fahrzeugs) erzeugen. In diesem Fall kann sich das Fahrtrajektorie-Erzeugungsmodul für ein umliegendes Fahrzeug 612a zum Erzeugen der tatsächlichen Fahrtrajektorie des umliegenden Fahrzeugs auf in dem Speicher 620 gespeicherte Karteninformationen beziehen und kann die tatsächliche Fahrtrajektorie des umliegenden Fahrzeugs durch Querverweis auf den Standort des von der Sensoreinheit 500 detektierten Fahrzeugs und eines gegebenen Standorts in den in dem Speicher 620 gespeicherten Karteninformationen erzeugen. Wenn beispielsweise ein umliegendes Fahrzeug an einer bestimmten Stelle von der Sensoreinheit 500 detektiert wird, kann das Fahrtrajektorie-Erzeugungsmodul für ein umliegendes Fahrzeug 612a einen aktuell detektierten Standort des umliegenden Fahrzeugs in den in dem Speicher 620 gespeicherten Karteninformationen durch Querverweis auf den detektierten Standort des umliegenden Fahrzeugs und einen gegebenen Standort in den Karteninformationen bestimmen. Das Fahrtrajektorie-Erzeugungsmodul für ein umliegendes Fahrzeug 612a kann eine tatsächliche Fahrtrajektorie eines umliegenden Fahrzeugs durch kontinuierliches Überwachen des Standorts des umliegenden Fahrzeugs erzeugen, wie vorstehend beschrieben. Das heißt, dass das Fahrtrajektorie-Erzeugungsmodul für ein umliegendes Fahrzeug 612a eine tatsächliche Fahrtrajektorie eines umliegenden Fahrzeugs erzeugen kann, indem es den Standort des von der Sensoreinheit 500 detektierten umliegenden Fahrzeugs einem Standort in den in dem Speicher 620 gespeicherten Karteninformationen basierend auf dem Querverweis und der Akkumulation des Standorts zuordnet.
Eine tatsächliche Fahrtrajektorie eines umliegenden Fahrzeugs kann mit einer erwarteten Fahrtrajektorie des umliegenden Fahrzeugs, die im späteren Verlauf beschrieben wird, verglichen werden, um dazu verwendet zu werden, zu ermitteln, ob die in dem Speicher 620 gespeicherten Karteninformation präzise sind. In diesem Fall, wenn eine tatsächliche Fahrtrajektorie eines bestimmten umliegenden Fahrzeugs mit einer erwarteten Fahrtrajektorie verglichen wird, kann das Problem entstehen, dass fälschlicherweise ermittelt wird, dass die in dem Speicher 620 gespeicherten Karteninformationen unpräzise sind, obwohl die Karteninformationen präzise sind. Wenn beispielsweise die tatsächlichen Fahrtrajektorien und die erwarteten Fahrtrajektorien gleich sind und eine tatsächliche Fahrtrajektorie und eine erwartete Fahrtrajektorie eines bestimmten umliegenden Fahrzeugs unterschiedlich sind, wenn lediglich die tatsächliche Fahrtrajektorie des bestimmten umliegenden Fahrzeugs mit der erwarteten Fahrtrajektorie verglichen wird, kann fälschlicherweise ermittelt werden, dass die in dem Speicher 620 gespeicherten Karteninformationen unpräzise sind, obwohl die Karteninformationen präzise sind. Um dieses Problem zu verhindern, ist es erforderlich, zu ermitteln, ob die Tendenz tatsächlicher Fahrtrajektorien einer Vielzahl umliegender Fahrzeuge aus der erwarteten Fahrtrajektorie herausfällt. Zu diesem Zweck kann das Fahrtrajektorie-Erzeugungsmodul für ein umliegendes Fahrzeug 612a die tatsächliche Fahrtrajektorie sämtlicher der Vielzahl von umliegenden Fahrzeugen erzeugen. Darüber hinaus, wenn berücksichtigt wird, dass ein Fahrer/eine Fahrerin eines umliegenden Fahrzeugs dazu neigt, ein Lenkrad während seines oder ihres Fahrprozesses leicht nach links und rechts zu bewegen, um auf gerader Strecke zu fahren, kann eine tatsächliche Fahrtrajektorie des umliegenden Fahrzeugs in einer gekrümmten Form, nicht in einer gradlinigen Form, erzeugt werden. Zum Berechnen eines Fehlers zwischen erwarteten Fahrtrajektorien, die im späteren Verlauf beschrieben werden, kann das Fahrtrajektorie-Erzeugungsmodul für ein umliegendes Fahrzeug 612a eine tatsächliche Fahrtrajektorie in einer gradlinigen Form erzeugen, indem es ein gegebenes Glättungsschema auf die in einer gekrümmten Form erzeugte ursprüngliche tatsächliche Fahrtrajektorie anwendet. Verschiedene Schemata, wie beispielsweise Interpolation für jeden Standort eines umliegenden Fahrzeugs, können als Glättungsschema eingesetzt werden.
Zudem kann das Fahrtrajektorie-Erzeugungsmodul für ein umliegendes Fahrzeug 612a eine erwartete Fahrtrajektorie eines umliegenden Fahrzeugs basierend auf in dem Speicher 620 gespeicherten Karteninformationen erzeugen.
Wie vorstehend beschrieben, können die in dem Speicher 620 gespeicherten Karteninformationen 3-D Hochpräzisions-Elektronikkartendaten sein. Dementsprechend können die Karteninformationen dynamische und statische Informationen zur autonomen Fahrsteuerung eines Fahrzeugs bereitstellen, wie beispielsweise eine Spur, die Mittellinie einer Spur, eine Überholspur bzw. ein Sonderfahrstreifen, eine Fahrbahnbegrenzung, die Mittellinie einer Fahrbahn, ein Verkehrsschild, eine Fahrbahnmarkierung, eine Form und Höhe einer Fahrbahn und eine Spurbreite. Wenn berücksichtigt wird, dass ein Fahrzeug häufig in der Mitte einer Spur fährt, kann erwartet werden, dass sich ein umliegendes Fahrzeug, das in der Nähe eines autonom angetriebenen Ego-Fahrzeug fährt, auch in der Mitte der Spur fährt. Dementsprechend kann das Fahrtrajektorie-Erzeugungsmodul für ein umliegendes Fahrzeug 612a eine erwartete Fahrtrajektorie des umliegenden Fahrzeugs als die Mittellinie einer Fahrbahn erzeugen, die in die Karteninformationen integriert ist.
Das Fahrtrajektorie-Erzeugungsmodul für ein autonom angetriebenes Fahrzeug 612b kann eine tatsächliche Fahrtrajektorie eines autonom angetriebenen Ego-Fahrzeugs erzeugen, das bisher basierend auf den über die Bewegungsinformationseingabeschnittstelle 201 erhaltenen Bewegungsinformationen des autonom angetriebenen Ego-Fahrzeugs angetrieben wurde.
Das Fahrtrajektorie-Erzeugungsmodul des autonom angetriebenen Fahrzeugs 612b kann insbesondere eine tatsächliche Fahrtrajektorie eines autonom angetriebenen Ego-Fahrzeugs durch Querverweis auf einen über die Bewegungsinformationseingabeschnittstelle 201 erhaltenen Standort eines autonom angetriebenen Ego-Fahrzeugs (d.h. über den GPS-Empfänger 260 erhaltene Informationen zum Standort des autonom angetriebenen Ego-Fahrzeugs) und einen gegebenen Standort in den in dem Speicher 620 gespeicherten Karteninformationen erzeugen. Das Fahrtrajektorie-Erzeugungsmodul für ein autonom angetriebenes Fahrzeug 612b kann beispielsweise einen aktuellen Standort eines autonom angetriebenen Ego-Fahrzeugs in den in dem Speicher 620 gespeicherten Karteninformationen durch Querverweis auf einen über die Bewegungsinformationseingabeschnittstelle 201 erhaltenen Standort des autonom angetriebenen Ego-Fahrzeugs und einen gegebenen Standort in den Karteninformationen bestimmen. Wie vorstehend beschrieben, kann das Fahrtrajektorie-Erzeugungsmodul für ein autonom angetriebenes Fahrzeug 612b eine tatsächliche Fahrtrajektorie eines autonom angetriebenen Ego-Fahrzeugs durch kontinuierliches Überwachen des Standorts des autonom angetriebenen Ego-Fahrzeugs erzeugen. Das heißt, dass das Fahrtrajektorie-Erzeugungsmodul für ein autonom angetriebenes Fahrzeug 612b eine tatsächliche Fahrtrajektorie des autonom angetriebenen Ego-Fahrzeugs erzeugen kann, indem es den über die Bewegungsinformationseingabeschnittstelle 201 erhaltenen Standort des autonom angetriebenen Ego-Fahrzeugs einm Standort in den in dem Speicher 620 gespeicherten Karteninformationen basierend auf dem Querverweis und der Akkumulation des Standorts zuordnet.
Ferner kann das Fahrtrajektorie-Erzeugungsmodul für ein autonom angetriebenes Fahrzeug 612b eine erwartete Fahrtrajektorie bis zum Zielort des autonom angetriebenen Ego-Fahrzeugs basierend auf in dem Speicher 620 gespeicherten Karteninformationen erzeugen.
Das heißt, dass das Fahrtrajektorie-Erzeugungsmodul für ein autonom angetriebenes Fahrzeug 612b die erwartete Fahrtrajektorie bis zu einem Zielort mittels eines über die Bewegungsinformationseingabeschnittstelle 201 erhaltenen aktuellen Standorts des autonom angetriebenen Ego-Fahrzeugs (d.h. über den GPS-Empfänger 260 erhaltene Informationen zum aktuellen Standort des autonom angetriebenen Ego-Fahrzeugs) und der in dem Speicher 620 gespeicherten Karteninformationen erzeugen kann. Wie die erwartete Fahrtrajektorie des umliegenden Fahrzeugs, kann die erwartete Fahrtrajektorie des autonom angetriebenen Ego-Fahrzeugs als die Mittellinie einer Straße erzeugt werden, die in die in dem Speicher 620 gespeicherten Karteninformationen integriert ist.
Die von dem Fahrtrajektorie-Erzeugungsmodul für ein umliegendes Fahrzeug 612a und dem Fahrtrajektorie-Erzeugungsmodul für ein autonom angetriebenes Fahrzeug 612b erzeugten Fahrtrajektorien können in dem Speicher 620 gespeichert werden und können zu verschiedenen Zwecken in einem Prozess zum Steuern, mittels des Prozessors 610, des autonomen Fahrens eines autonom angetriebenen Ego-Fahrzeugs verwendet werden.
Das Fahrtrajektorie-Analysemodul 613 kann eine aktuelle Zuverlässigkeit einer autonomen Fahrsteuerung für ein autonom angetriebenes Ego-Fahrzeug diagnostizieren, indem es Fahrtrajektorien (d.h. eine tatsächliche Fahrtrajektorie und eine erwartete Fahrtrajektorie eines umliegenden Fahrzeugs und eine tatsächliche Fahrtrajektorie des autonom angetriebenen Ego-Fahrzeugs) analysiert, die von dem Fahrtrajektorie-Erzeugungsmodul 612 erzeugt und in dem Speicher 620 gespeichert werden. Die Zuverlässigkeitsdiagnose der autonomen Fahrsteuerung kann in einem Prozess zum Analysieren eines Trajektoriefehlers zwischen der tatsächlichen Fahrtrajektorie und der erwarteten Fahrtrajektorie des umliegenden Fahrzeugs durchgeführt werden.
Das Fahrsteuerungsmodul 614 kann eine Funktion zum Steuern des autonomen Fahrens eines autonom angetriebenen Ego-Fahrzeugs durchführen. Das Fahrsteuerungsmodul 614 kann insbesondere den Algorithmus für autonomes Fahren unter Verwendung der über die Fahrinformationseingabeschnittstelle 101 bzw. die Bewegungsinformationseingabeschnittstelle 201 erhaltenen Fahrinformationen und Bewegungsinformationen, den Informationen zu einem von der Sensoreinheit 500 detektierten Objekt und den in dem Speicher 620 gespeicherten Karteninformationen synthetisch verarbeiten, kann die Steuerungsinformationen über die Fahrzeugsteuerungsausgabeschnittstelle 401 an das niederrangige Steuerungssystem 400 senden, so dass das niederrangige Steuerungssystem 400 das autonome Fahren eines autonom angetriebenen Ego-Fahrzeugs steuert, und kann die Fahrzustandsinformationen und Warninformationen des autonom angetriebenen Ego-Fahrzeugs über die Insassenausgabeschnittstelle 301 an die Ausgabeeinheit 300 senden, so dass ein Fahrer die Fahrzustandsinformationen und Warninformationen erkennen kann. Beim Integrieren und Steuern solch eines autonomen Fahrens steuert das Fahrsteuerungsmodul 614 ferner das autonome Fahren unter Berücksichtigung der Fahrtrajektorien eines autonom angetriebenen Ego-Fahrzeugs und eines umliegenden Fahrzeugs, die von dem Sensorverarbeitungsmodul 611, dem Fahrtrajektorie-Erzeugungsmodul 612 und dem Fahrtrajektorie-Analysemodul 613 analysiert wurden, wodurch die Präzision der autonomen Fahrsteuerung verbessert und die Sicherheit der autonomen Fahrsteuerung erhöht wird.
Das Trajektorielernmodul 615 kann ein Lernen oder Korrekturen an einer tatsächlichen Fahrtrajektorie eines autonom angetriebenen Ego-Fahrzeugs durchführen, die von dem Fahrtrajektorie-Erzeugungsmodul für autonom angetriebene Fahrzeuge 612b erzeugt wird. Wenn beispielsweise ein Trajektoriefehler zwischen einer tatsächlichen Fahrtrajektorie und einer erwarteten Fahrtrajektorie eines umliegenden Fahrzeugs ein vorgegebener Schwellenwert oder mehr ist, kann das Trajektorielernmodul 615 bestimmen, dass eine tatsächliche Fahrtrajektorie eines autonom angetriebenen Ego-Fahrzeugs korrigiert werden muss, indem ermittelt wird, dass die in dem Speicher 620 gespeicherten Karteninformationen unpräzise sind. Dementsprechend kann das Trajektorielernmodul 615 einen lateralen Verschiebungswert zum Korrigieren der tatsächlichen Fahrtrajektorie eines autonom angetriebenen Ego-Fahrzeugs bestimmen und kann die Fahrtrajektorie des autonom angetriebenen Ego-Fahrzeugs korrigieren.
Das Insassenzustandsermittlungsmodul 616 kann einen Zustand und ein Verhalten eines Insassen basierend auf einem von dem internen Kamerasensor 535 und dem Biosensor detektierten Zustand und Biosignal des Insassen ermitteln. Der von dem Insassenzustandsermittlungsmodul 616 ermittelte Zustand des Insassen kann zur autonomen Fahrsteuerung über ein autonom angetriebenes Ego-Fahrzeug oder in einem Prozess zum Ausgeben einer Warnung an den Insassen verwendet werden.
Eine Ausführungsform, bei der ein Zielobjekt durch die bei einem autonom angetriebenen Ego-Fahrzeug eingesetzte Sensoreinheit 500 detektiert und verfolgt wird, wird im Folgenden anhand der vorgenannten Inhalte beschrieben.
Der Prozessor 610 gemäß der vorliegenden Ausführungsform kann das autonome Fahren eines autonom angetriebenen Ego-Fahrzeugs basieren auf einer Spur steuern, die eine Zustandstrajektorie eines Zielobjekts in der Nähe des autonom angetriebenen Ego-Fahrzeugs angibt, die aus einem Messwert des von der Sensoreinheit 500 detektierten Standorts des Zielobjekts geschätzt wird, zusammen mit in dem Speicher 620 gespeicherten Karteninformationen. Ein umliegendes Objekt, d.h. ein Ziel, das von der Sensoreinheit 500 verfolgt werden soll, wird als das Zielobjekt angegeben.
In der vorliegenden Ausführungsform kann insbesondere das Sensorverarbeitungsmodul 611 des Prozessors 610 ein Zielobjekt basierend auf einem probabilistischen Datenassoziationsfilter (PDAF - Probabilistic Data Association Filter) verfolgen. Der PDAF basiert auf der Voraussetzung, dass ein Zustandswerts eines Zielobjekts basierend auf einer Zustandsgleichung und Messgleichung der nachstehenden Gleichung 1 aktualisiert wird. $\begin{array}{l} x (k) = F (k - 1) x (k - 1) + v (k - 1) \\ z (k) = H (k) x (k) + w (k) \end{array}$
In Gleichung 1 gibt x(k) einen Zustandswert (Zustandsvektor) eines Zielobjekt zu einem Zeitpunkt k an. F(k-1) gibt eine Zustandsverschiebungsmatrix an, die eine Änderung bei einem Wechsel von einem Zeitpunkt k-1 zum Zeitpunkt k angibt. z(k) gibt einen Messwert des Standorts des Zielobjekts zum Zeitpunkt k an. H(k) gibt ein Überwachungsmodell zum Umwandeln des Zustandswerts des Zielobjekts in den Messwert des Standorts an. v(k-1) und w(k) geben ein Prozessrauschen zum Zeitpunkt k-1 bzw. ein Prozessrauschen zum Zeitpunkt k an. Es wird eine weiße Gauß-Verteilung angewandt, bei der ein Rauschen durchschnittlich 0 beträgt und eine Kovarianz Q(k-1) und R(k) beträgt.
Ferner kann der Prozessor 610 die Spur des Zielobjekts basierend auf einem Kalman-Filter initialisieren. Der Kalman-Filter ist ein Schema zur Schätzung eines genauen Standorts eines Objekts durch Versetzen eines Fehlers, der beim Messen des Standorts des Objekts auftritt, durch wiederholtes Berechnen einer Schätzung des Standorts des Objekts basierend auf einer Schätzung des Standorts des Objekts und einem Messwert des Standorts des Objekts zu einem vorherigen Zeitpunkt. Der Kalman-Filter berechnet zuerst insbesondere eine Schätzung zu einem aktuellen Zeitpunkt, basierend auf nur einem Messwert bis zu einem vorherigen Zeitpunkt mittels einer Schätzung des Standorts des Objekts zum vorherigen Zeitpunkt. Anschließend berechnet der Kalman-Filter eine Schätzung des Standorts des Objekts zu einem aktuellen Zeitpunkt durch Korrigieren einer Schätzung zum aktuellen Zeitpunkt, basierend auf nur dem Messwert bis zum vorherigen Zeitpunkt, mittels einer Kovarianz zum aktuellen Zeitpunkt, die nur mittels des Messwerts bis zum vorherigen Zeitpunkt berechnet wird, und auf einem Messwert des Standorts des Objekts zum aktuellen Zeitpunkt.
Der Prozessor 610 kann die Spur des Zielobjekts basierend auf dem Kalman-Filter gemäß der folgenden Gleichung 2 initialisieren. $\begin{array}{l} \hat{x} (k | k - 1) = F (k - 1) \hat{x} (k - 1 | k - 1) \\ \hat{z} (k | k - 1) = H (k) \hat{x} (k | k - 1) \end{array}$
In Gleichung 2 gibt 1) eine Schätzung eines Zustandswerts eines Zielobjekt zum Zeitpunkt k an, die anhand von Informationen bis zum Zeitpunkt k-1 geschätzt wird. x̂(k-1|k-1) gibt eine Schätzung eines Zustandswerts des Zielobjekts zum Zeitpunkt k-1 an, die anhand von Informationen bis zur Zeit k-1 geschätzt wird. 1) gibt eine Schätzung des Standorts des Zielobjekts zum Zeitpunkt k an, die anhand von Informationen bis zur Zeit k-1 geschätzt wird.
In einem System zur Verfolgung eines einzelnen Objekts wird die geschätzte Fehlerkovarianzmatrix eines Standard-Kalman-Filters als Kovarianzmatrix von Prozessrauschen und Messrauschen berechnet und ist ein Index, der die Leistung eines Trackers angibt. Wenn jedoch ein Clutter vorhanden ist, ist die geschätzte Fehlerkovarianzmatrix des Trackers nicht mehr unabhängig von einem Messwert und wird zu einer Funktion von Messdaten. Um die Leistung des Trackers präzise und effizient vorhersagen zu können, muss daher eine approximierte Kovarianzmatrix erzielt werden, die in der Lage ist, die Leistung des Trackers angemessen darzustellen. In dieser Hinsicht kann in der vorliegenden Ausführungsform die Ausgestaltung eines Kalman-Filters für die Verfolgung eines Zielobjekts wie in der folgenden Gleichung 3 dargestellt werden. $\begin{array}{l} P (k | k) \sum_{i = 0}^{m (k)} β (k, i) [P (k | k, i) + (\hat{x} (k | k, i) - \hat{x} (k | k)) {(\hat{x} (k | k, i) - \hat{x} (k | k))}^{τ}] \\ P (k | k - 1) = F (k - 1) P (k - 1 | k - 1) F {(k - 1)}^{τ} + Q (k - 1) \end{array}$
In Gleichung 3 gibt P(kl k) eine Kovarianz eines geschätzten Fehlers des Kalman-Filters zum Zeitpunkt k an, die unter Berücksichtigung von Informationen bis zur Zeit k berechnet wird. P(kl k-1) gibt eine Kovarianz eines geschätzten Fehlers des Kalman-Filters zum Zeitpunkt k an, die unter Berücksichtigung von Informationen bis zum Zeitpunkt k-1 berechnet wird. Q(k-1) gibt eine erwartete Kovarianz zum Zeitpunkt k-1 an.
Dementsprechend kann der Prozessor 610 einen oder mehrere gültige Messwerte extrahieren, die zu einem oder mehreren von der Sensoreinheit 500 ausgegebenen Messwerten gehören (d.h. Messwerte von Standorten, die durch Detektion sämtlicher Objekte in der Nähe eines autonom angetriebenen Ego-Fahrzeugs, einschließlich des Zielobjekts, erzielt werden) und die innerhalb des Validierungsgates einer Schätzung des Standorts des Zielobjekts liegen, die aus einem Messwert des Standorts des Zielobjekts erzeugt wurde. In diesem Fall kann Prozessor 610 die gültigen Messwerte extrahieren, indem ermittelt wird, ob ein basierend auf einer Innovation ermittelter Mahalanobis-Abstand zwischen dem Messwert und einer Schätzung des Standorts des Zielobjekts und der Kovarianz der Innovation geringer als ein Schwellenwert ist, der die Größe des Validierungsgates bestimmt. Die Innovation und die Kovarianz der Innovation können gemäß der folgenden Gleichung 4 abgeleitet werden. $\begin{array}{l} v (k, i) = z (k, i) - \hat{z} (k | k - 1) \\ S (k) = H (k) P (k | k - 1) H {(k)}^{τ} + R (k) \end{array}$
In Gleichung 4 gibt v(k,i) eine Innovation eines Objekts i zum Zeitpunkt k an. z(k,i) gibt einen Messwert des Standorts des Objekts i an. ẑ(k|k-1) ist eine Schätzung des Standorts des Zielobjekts zum Zeitpunkt k, die anhand von Informationen bis zum Zeitpunkt k-1 geschätzt wird. S(k) ist eine Kovarianz der Innovation. R(k) gibt das Messrauschen zum Zeitpunkt k an.
Dementsprechend kann der Prozessor 610 einen Mahalanobis-Abstand basierend auf der anhand von Gleichung 4 berechneten Innovation und Kovarianz der Innovation berechnen, kann ermitteln, ob der berechnete Abstand geringer als ein Schwellenwert ist, der die Größe des Validierungsgates bestimmt, und kann einen oder mehrere gültige Messwerte extrahieren. Dies kann wie die folgende Gleichung 5 dargestellt werden. $v {(k, i)}^{τ} S {(k)}^{- 1} v (k, i) < γ$
In Gleichung 5 gibt r den Schwellenwert an, der die Größe des Validierungsgates bestimmt. Eine Reihe gültiger Messwerte, die anhand von Gleichung 5 extrahiert wurden, kann dargestellt sein als ${z (k, i)}_{i = 1}^{m (k)} .$
In diesem Fall kann der Prozessor 610 die gültigen Messwerte durch Einstellen der Größe des Validierungsgates basierend auf der Zeit, während der das Zielobjekt verfolgt wird, und auf Umgebungsinformationen eines autonom angetriebenen Ego-Fahrzeugs extrahieren. Das heißt, dass der Prozessor 610 die gültigen Messwerte mittels eines Verfahrens zum Einstellen des Schwellenwerts extrahieren kann, der die Größe des Validierungsgates bestimmt.
Nachfolgend wird ein Prozess zum Einstellen der Größe des Schwellenwerts beschrieben. Der Prozessor 610 kann die Größe des Validierungsgates verringern, indem der Schwellenwert entsprechend einer Erhöhung der Zeit, während der die Verfolgung eines Zielobjekts aufrechterhalten wird, verringert wird.
Das heißt, wenn das Zielobjekt weiterhin verfolgt wird und die Zuverlässigkeit der Verfolgung auf einer bestimmten Stufe oder mehr liegt, kann der Prozessor 610 derart arbeiten, dass er einen Vorgang zum Reduzieren einer Rechenlast priorisiert, die erforderlich ist, um einen gültigen Messwert zu extrahieren und die Spur des Zielobjekts durch Verringern des Messwerts innerhalb eines Validierungsgates zu erzeugen. Dementsprechend kann der Prozessor 610 die Größe des Validierungsgates verringern, indem der Schwellenwert entsprechend einer Erhöhung der Zeit, während der die Verfolgung des Zielobjekts aufrechterhalten wird, verringert wird.
Der Prozessor 610 kann ferner die Größe des Validierungsgates erhöhen oder verringern, indem der Schwellenwert mittels einer Umgebungsgewichtung eingestellt wird, in der ein Verfolgungsvorsichtsgrad basierend auf Umgebungsinformationen einbezogen wurde. In diesem Fall können die Umgebungsinformationen eines oder mehreres umfassen aus einer Form (z.B. Krümmung, Steigung) einer vorderen Fahrbahn, Attributen (z.B. Art, allgemeine Fahrbahn/Kreuzung, Geschwindigkeitsbegrenzung und Kinderschutzzone), Verkehrsverhältnissen (z.B. Verkehrsaufkommen und Fahrgeschwindigkeit) und Fahrbahnbedingungen (z.B. asphaltierte/nicht asphaltierte Fahrbahn und Anzahl der Fußgänger).
Der Prozessor 610 kann die Umgebungsinformationen insbesondere über das Benutzerendgerät 120 oder die Sensoreinheit 500 erhalten und kann einen Verfolgungsvorsichtsgrad basierend auf den erhaltenen Umgebungsinformationen ermitteln. In diesem Fall kann der Verfolgungsvorsichtsgrad für einen Parameter stehen, der eine Schwierigkeit bei der Verfolgung eines Zielobjekts in Abhängigkeit von der Umgebung eines autonom angetriebenen Ego-Fahrzeugs angibt. Es kann gesagt werden, dass der Verfolgungsvorsichtsgrad höher ist, wenn es schwierig ist, ein Zielobjekt zu verfolgen, da die Umgebung unter schlechten Bedingungen ist.
Wenn bestimmt wird, dass es schwierig ist, eine Spur eines Zielobjekts basierend auf Umgebungsinformationen zu verfolgen (z.B., wenn ein Verfolgungsvorsichtsgrad hoch ist), kann der Prozessor 610 dementsprechend die Größe eines Schwellenwerts erhöhen, indem eine Umgebungsgewichtung so erhöht wird, dass sich die Größe eines Validierungsgates erhöht, um die Zuverlässigkeit der Verfolgung des Zielobjekts zu verbessern. Demgegenüber, wenn bestimmt wird, dass es leicht ist, eine Spur eines Zielobjekts basierend auf Umgebungsinformationen zu verfolgen (z.B. wenn ein Verfolgungsvorsichtsgrad niedrig ist), kann der Prozessor 610 die Größe eines Schwellenwerts verringern, indem eine Umgebungsgewichtung so verringert wird, dass sich die Größe eines Validierungsgates verringert, um eine Rechenlast zu reduzieren, die für die Verfolgung des Zielobjekt erforderlich ist. Wenn beispielsweise eine Krümmung einer vorderen Fahrbahn groß ist, in dem Fall einer Kreuzung, in dem Fall einer Kinderschutzzone, wenn ein Verkehrsaufkommen groß ist und wenn die Anzahl von Fußgängern groß ist, kann ein Verfolgungsvorsichtsgrad als hoch gelten. Dementsprechend kann der Prozessor 610 die Größe eines Schwellenwerts durch Erhöhen einer Umgebungsgewichtung so erhöhen, dass sich die Größe eines Validierungsgates erhöht.
Karteninformationen zwischen den Umgebungsinformationen und der Umgebungsgewichtung können in dem Speicher 620 in Form einer Lookup-Tabellen gespeichert werden. Dementsprechend kann der Prozessor 610 einen Schwellenwert bestimmen, indem aktuelle Umgebungsinformationen, die den Fahrumgebungsinformationen zugeordnet sind, aus den Karteninformationen extrahiert werden.
Das Einstellen des Schwellenwerts basierend auf der Zeit, während der die Verfolgung des Zielobjekt verfolgt wird, und auf Umgebungsinformationen des autonom angetriebenen Ego-Fahrzeugs kann basierend auf der folgenden Gleichung 6 durchgeführt werden. $r = α (\frac{D_{T} - T_{T}}{D_{T}}) r_{0}$
In Gleichung 6 gibt α eine Gewichtung basierend auf Umgebungsinformationen an. D_T ist eine vordefinierte Zeitkonstante. r₀ ist ein vordefinierter Anfangswert eines Schwellenwerts. T_T gibt eine Zeit an, während der die Verfolgung eines Zielobjekts aufrechterhalten wird, d.h. die Zeit, während der die Verfolgung fortgeführt wird, ohne das Zielobjekt zu verfehlen.
Wenn die gültigen Messwerte extrahiert sind, kann der Prozessor 610 die Spur des Zielobjekts unter Berücksichtigung der Wahrscheinlichkeit bilden, dass jeder der extrahierten gültigen Messwerte einem Messwert des Standorts des Zielobjekts zum aktuellen Zeitpunkt entspricht, und kann das Zielobjekt verfolgen. Dies kann durch die folgende Gleichung 7 dargestellt werden. $\begin{array}{l} β (k, i) = {\begin{matrix} \frac{L_{i} (k)}{1 - P_{D} P_{G} + \sum_{j = 1}^{m (k)} L (k, i)} & i = 1, \dots, m (k) \\ \frac{1 - P_{D} P_{G}}{1 - P_{D} P_{G} + \sum_{j = 1}^{m (k)} L (k, i)} & i = 0, \end{matrix} \\ L (k, i) ≜ \frac{N [z (k, i); \hat{z} (k | k - 1), S (k)] P_{D}}{λ} \end{array}$
In Gleichung 7 gibt P_D eine vordefinierte Zielobjekt-Detektionswahrscheinlichkeit an. P_G gibt eine Gate-Wahrscheinlichkeit an. L(k,i) gibt ein Wahrscheinlichkeitsverhältnis an, dass ein gültiger Messwert z(k,i) aus dem Zielobjekt verursacht wird und nicht aus einem Clutter.
Anschließend kann der Prozessor 610 die Spur mittels eines Verfahrens zum Aktualisieren einer Schätzung des Standorts des Zielobjekts im Laufe der Zeit aktualisieren, kann eine Historie, in der die Spur aktualisiert ist, in dem Speicher 620 speichern und kann die Spurenverwaltung durch die Initialisierung der Spur durchführen.
Der Prozessor 610 kann insbesondere einen Kalman-Gewinn zum Aktualisieren der Schätzung des Standorts des Zielobjekts basierend auf einer Kovarianz eines geschätzten Fehlers und einer Kovarianz der Innovation berechnen und kann eine Schätzung des Standorts berechnen, die anhand von Informationen bis zum aktuellen Zeitpunkt geschätzt wird, basierend auf dem Kalman-Gewinn, einem Messwert des Standorts des Zielobjekts und einer Schätzung des Standorts des Zielobjekts, die anhand von Informationen bis zum vorherigen Zeitpunkt geschätzt wird. Die Aktualisierung der Schätzung des Standorts des Zielobjekts kann durch die folgende Gleichung 8 dargestellt werden. $\begin{array}{l} K (k) = P (k | k - 1) H^{τ} S {(k)}^{- 1} \\ \hat{x} (k | k, i) = {\begin{matrix} \hat{x} (k | k - 1) & i = 0 \\ \hat{x} (k | k - 1) + K (k) v (k, i) & i > 0 \end{matrix} \\ \hat{x} (k | k) = \sum_{i = 0}^{m (k)} β (k, i) \hat{x} (k | k, i) \end{array}$
In Gleichung 8 gibt K(k) den Kalman-Gewinn an. Eine genauere Standortschätzung kann durch Aktualisieren der Standortschätzung unter Berücksichtigung eines Messwerts des Standorts eines Zielobjekts im Laufe der Zeit erhalten werden, wie vorstehend beschrieben, und somit kann die Genauigkeit der Aktualisierung einer Spur verbessert werden.
Der Prozessor 610 kann in dem Speicher 620 die Historie speichern, in der die Spur aktualisiert ist. Die in dem Speicher 620 gespeicherte Historie kann eine Schätzung und einen Messwert eines Standorts für den Kalman-Filter zu jedem Zeitpunkt umfassen sowie eine Kovarianz eines geschätzten Fehlers des Kalman-Filters.
Wenn eine Schätzung des Standorts eines Zielobjekts aktualisiert ist, können Objekte, die durch zwei Spuren angegeben werden, in einigen Fällen gegeneinanderprallen. Wenn eine Differenz zwischen den Schätzungen der Standorte der Objekte, die durch die jeweiligen Spuren angegeben werden, geringer als ein zuvor gespeicherter Referenzwert ist, kann der Prozessor 610 bestimmen, dass die durch die zwei Spuren angegebenen Objekte gegeneinanderprallen und kann die Spuren basierend auf in den Historien der jeweiligen Spuren enthaltenen Daten initialisieren.
Wenn ferner Schätzungen der Standorte sämtlicher in den Spuren enthaltener Objekte nicht im Bereich eines den Spuren entsprechenden Validierungsgates enthalten sind, kann der Prozessor 610 die Spuren basierend auf den in dem Speicher 620 gespeicherten Historien der Spuren initialisieren. Da heißt, wenn ein von einer Spur verfolgtes Objekt verschwindet, da alle von den Spuren verfolgte Objekte von dem Validierungsgate abweichen oder als Rauschen oder Fehler ermittelt werden, bedeutet dies, dass die Verfolgung eines Objekts gescheitert ist. Dementsprechend kann der Prozessor 610 die Spuren initialisieren und ein neues Objekt verfolgen.
Wie vorstehend beschrieben, wird eine Spur mittels des Kalman-Filters erzeugt und ein Zielobjekt wird mittels der Spur verfolgt. In diesem Fall, wenn die Verfolgung des Zielobjekts mittels der Spur scheitert oder zwei Spuren gegeneinanderprallen, wird die Spur initialisiert und ein neues Objekt wird verfolgt. Dementsprechend kann eine Zielobjekt-Verfolgungsleistung verbessert werden.
Der Prozessor 610 kann das autonome Fahren eines autonom angetriebenen Ego-Fahrzeuges mit Hilfe von Daten steuern, die in einer Spur enthalten sind, die durch Verfolgung eines Zielobjektes wie oben beschrieben erzeugt und aktualisiert wird, so dass das autonom angetriebene Ego-Fahrzeug vor dem Zielobjekt über das niederrangige Steuerungssystem 400 ausweicht oder eine Warnung über die Ausgabeeinheit 300 an einen Insassen ausgegeben wird.
7 ist ein Flussdiagramm zur Beschreibung eines Verfahrens zum autonomen Fahren gemäß einer Ausführungsform der vorliegenden Offenbarung. Der Prozessor 610 kann das autonome Fahren eines autonom angetriebenen Ego-Fahrzeugs basierend auf in dem Speicher 620 gespeicherten Karteninformationen und auf einer Spur steuern, die eine Zustandstrajektorie eines Zielobjekts in der Nähe des autonom angetriebenen Ego-Fahrzeugs angibt, die basierend auf einem Messwert des von der Sensoreinheit 500 detektierten Standorts des Zielobjekts geschätzt wird.
Dazu erzeugt (oder initialisiert) der Prozessor 610 zunächst eine Spur des Zielobjekts basierend auf der Zustandsgleichung und Messgleichung aus Gleichung 1 und dem Kalman-Filter aus Gleichung 2 (S100).
Als nächstes extrahiert der Prozessor 610 einen oder mehrere gültige Messwerte, die zu einem oder mehreren von der Sensoreinheit 500 ausgegebenen Messwerte gehören und innerhalb des Validierungsgates einer Schätzung des Standorts des Zielobjekts vorliegen, die basierend auf den Messwerten erzeugt wird (S200). In Schritt S200 ermittelt der Prozessor 610, ob ein basierend auf einer Innovation ermittelter Mahalanobis-Abstand zwischen einem von der Sensoreinheit 500 ausgegebenen Messwert und einer Schätzung des Standorts des Zielobjekts und der Kovarianz der Innovation geringer als ein Schwellenwert ist, der die Größe eines Validierungsgates bestimmt, und extrahiert den einen oder die mehreren gültigen Messwerte.
In Schritt S200 bestimmt der Prozessor 610 das Validierungsgate, d.h. einen Bereich, in dem das Zielobjekt detektiert wird (S210). In diesem Fall stellt der Prozessor 610 die Größe des Validierungsgates basierend auf der Zeit ein, während der die Verfolgung des Zielobjekts aufrechterhalten wird, und auf Umgebungsinformationen des autonom angetriebenen Ego-Fahrzeugs. Der Prozessor 610 kann insbesondere die Größe des Validierungsgates erhöhen, indem der Schwellenwert entsprechend einer Erhöhung der Zeit, während der die Verfolgung des Zielobjekts aufrechterhalten wird, erhöht wird, und erhöht oder verringert zudem die Größe des Validierungsgates durch Einstellen des Schwellenwerts mittels einer Umgebungsgewichtung, in die ein Verfolgungsvorsichtsgrad basierend auf Umgebungsinformationen einbezogen wurde. Die Umgebungsinformationen können eines oder mehreres aus einer Form, Attributen, Verkehrsverhältnissen und einem Fahrbahnoberflächenzustand einer vorderen Fahrbahn umfassen. Darüber hinaus extrahiert der Prozessor 610 gültige Messwerte mittels des Validierungsgates, das eine basierend auf dem Schwellenwert eingestellte Größe aufweist (S220).
Wenn die gültigen Messwerte in Schritt S200 extrahiert werden, bildet der Prozessor 610 eine Spur des Zielobjekts unter Berücksichtigung der Wahrscheinlichkeit, dass jeder der extrahierten gültigen Messwerte einem Messwert des Standorts des Zielobjekts zum aktuellen Zeitpunkt entsprechen kann, und verfolgt das Zielobjekt mittels der Spur (S300).
Als nächstes aktualisiert der Prozessor 610 die Spur mittels eines Verfahrens zum Aktualisieren einer Schätzung des Standorts des Zielobjekts im Laufe der Zeit, speichert eine Historie, in der die Spur aktualisiert ist, in dem Speicher 620 und führt die Spurenverwaltung durch die Initialisierung der Spur durch (S400).
In Schritt S400, wenn eine Differenz zwischen Schätzungen der Standorte von Objekten, die durch die jeweiligen Spuren angegeben werden, geringer als ein zuvor gespeicherter Referenzwert ist (S410), bestimmt der Prozessor 610, dass die zwei Spuren nahe beieinander sind und initialisiert die Spuren basierend auf in der Historie jeder Spur enthaltenen Daten (S420).
Wenn die Differenz zwischen den Schätzungen der durch die jeweiligen Spuren angegebenen Standorte der Zielobjekte der zuvor gespeicherte Referenzwert oder mehr ist (S410), aktualisiert der Prozessor 610 eine Spur mittels einer aktualisierten Schätzung des Standorts eines Zielobjekts (S430). Wenn zudem die Verfolgung eines Zielobjekts scheitert (S440) (d.h., wenn Schätzungen der Standorte aller in den Spuren enthaltener Objekte nicht in dem Bereich des den Spuren entsprechenden Validierungsgates enthalten sind), stellt der Prozessor 610 Daten zusammen, die in dem Speicher 620 gespeichert wurden und die mit der Historie der Spur des Zielobjekts, dessen Verfolgung gescheitert ist, übereinstimmen (S450), und initialisiert die entsprechende Spur (S460). Als nächstes stimmt der Prozessor 610 die in Schritt S450 zusammengestellten Daten mit der Spur (d.h. der initialisierten Spur) des Zielobjekts ab, für das die Verfolgung gescheitert ist (S470). Der Prozessor 610 kann nur Daten beibehalten, die zu den zusammengestellten Daten gehören und die zur Verfolgung eines neuen Objekts verwendet werden können, so dass das neue Objekt basierend auf den Daten verfolgt wird. Wenn die Verfolgung des Zielobjekts in Schritt S440 erfolgreich ist, behält das Zielobjekt eine aktuelle Spur bei und der Prozess ist abgeschlossen.
Wie vorstehend beschrieben, kann gemäß der vorliegenden Ausführungsform ein zu detektierendes Zielobjekt genau identifiziert und verfolgt werden mittels eines Verfahrens zum dynamischen Einstellen eines Validierungsgates zum Detektieren des Zielobjekts, wenn das Zielobjekt mittels eines an dem autonomen Fahrzeug montierten Sensors detektiert und verfolgt wird.
Obwohl Ausführungsbeispiele der Offenbarung zu Veranschaulichungszwecken offenbart wurden, ist für Fachleute auf dem Gebiet ersichtlich, dass verschiedene Modifikationen, Ergänzungen und Ersetzungen möglich sind, ohne den in den zugehörigen Ansprüchen definierten Schutzumfang oder Gedanken der Offenbarung zu verlassen. Der tatsächliche technische Umfang der Offenbarung ist daher durch die nachfolgenden Ansprüche zu definieren.

Claims

Vorrichtung zum autonomen Fahren mit: einer Sensoreinheit (500), die zum Detektieren eines Zielobjekts in der Nähe eines autonom angetriebenen Ego-Fahrzeugs ausgebildet ist; einem Speicher (620), der zum Speichern von Karteninformationen ausgebildet ist; und einem Prozessor (610), der zum Steuern des autonomen Fahrens des autonom angetriebenen Ego-Fahrzeugs ausgebildet ist, basierend auf den in dem Speicher (620) gespeicherten Karteninformationen und auf einer Spur, die eine Zustandstrajektorie des Zielobjekts angibt, die basierend auf einem Messwert eines von der Sensoreinheit detektierten Standorts des Zielobjekts geschätzt wird, wobei der Prozessor (610) für Folgendes ausgebildet ist: Extrahieren eines oder mehrerer gültiger Messwerte innerhalb eines Validierungsgates einer Schätzung des Standorts des Zielobjekts, die basierend auf dem Messwert des Standorts erzeugt wird, unter einem oder mehreren von der Sensoreinheit (500) ausgegebenen Messwerten, Bilden einer Spur des Zielobjekts unter Berücksichtigung einer Wahrscheinlichkeit, dass jeder der extrahierten gültigen Messwerte einem Messwert des Standorts des Zielobjekts zum aktuellen Zeitpunkt entspricht, und Verfolgen des Zielobjekts mittels der Spur, und Extrahieren der gültigen Messwerte durch Einstellen einer Größe des Validierungsgates basierend auf der Zeit, während der die Verfolgung des Zielobjekts aufrechterhalten wird, und auf Umgebungsinformationen des autonom angetriebenen Ego-Fahrzeugs.
Vorrichtung zum autonomen Fahren nach Anspruch 1, wobei der Prozessor (610) für Folgendes ausgebildet ist: Ermitteln, ob ein basierend auf einer Innovation ermittelter Mahalanobis-Abstand zwischen dem Messwert und der Schätzung des Standorts des Zielobjekts und der Kovarianz der Innovation geringer als ein Schwellenwert ist, um die Größe des Validierungsgates zu bestimmen, und Extrahieren der gültigen Messwerte.
Vorrichtung zum autonomen Fahren nach Anspruch 2, wobei der Prozessor (610) dazu ausgebildet ist, die Größe des Validierungsgates zu verringern, indem der Schwellenwert entsprechend einer Erhöhung der Zeit reduziert wird, während der die Verfolgung des Zielobjekts aufrechterhalten wird.
Vorrichtung zum autonomen Fahren nach Anspruch 2, wobei: der Prozessor (610) dazu ausgebildet ist, die Größe des Validierungsgates zu erhöhen oder zu verringern, indem der Schwellenwert mittels einer Umgebungsgewichtung eingestellt wird, in die ein Verfolgungsvorsichtsgrad basierend auf den Umgebungsinformationen einbezogen wurde, und die Umgebungsinformationen eines oder mehreres umfassen aus einer Form, Attributen, Verkehrsverhältnissen und einem Fahrbahnoberflächenzustand einer vorderen Fahrbahn.
Vorrichtung zum autonomen Fahren nach Anspruch 1, wobei der Prozessor (610) für Folgendes ausgebildet ist: Aktualisieren der Spur mittels eines Verfahrens zum Aktualisieren der Schätzung des Standorts des Zielobjekts im Laufe der Zeit, Speichern einer Historie, in der die Spur aktualisiert ist, in dem Speicher (620), und Durchführen einer Spurverwaltung durch eine Initialisierung der Spur.
Vorrichtung zum autonomen Fahren nach Anspruch 1, wobei die Sensoreinheit (500) eines oder mehreres umfasst aus einem LIDAR-Sensor (510), einem Radarsensor (520) und einem Kamerasensor (530).
Verfahren zum Steuern eines autonomen Fahrens eines autonom angetriebenen Ego-Fahrzeugs, wobei ein Prozessor (610) das autonome Fahren des autonom angetriebenen Ego-Fahrzeugs basierend auf in einem Speicher (620) gespeicherten Karteninformationen und einer Spur steuert, die eine Zustandstrajektorie eines Zielobjekts in der Nähe des autonom angetriebenen Ego-Fahrzeugs angibt, die basierend auf einem Messwert eines von einer Sensoreinheit (500) detektierten Standorts des Zielobjekts geschätzt wird, wobei das Verfahren umfasst: Extrahieren, mittels des Prozessors (610), eines oder mehrerer gültiger Messwerte innerhalb eines Validierungsgates einer Schätzung des Standorts des Zielobjekts, die basierend auf dem Messwert des Standorts erzeugt wird, unter einem oder mehreren von der Sensoreinheit (500) ausgegebenen Messwerten; und Bilden, mittels des Prozessors (610), einer Spur des Zielobjekts unter Berücksichtigung einer Wahrscheinlichkeit, dass jeder der extrahierten gültigen Messwerte einem Messwert des Standorts des Zielobjekts zum aktuellen Zeitpunkt entspricht, und Verfolgen des Zielobjekts mittels der Spur, wobei der Prozessor (610) beim Extrahieren des einen oder der mehreren gültigen Messwerte die gültigen Messwerte durch Einstellen einer Größe des Validierungsgates basierend auf der Zeit, während der die Verfolgung des Zielobjekts beibehalten wird, und auf Umgebungsinformationen des autonom angetriebenen Ego-Fahrzeugs extrahiert.
Verfahren nach Anspruch 7, wobei der Prozessor (610) beim Extrahieren eines oder mehrerer gültiger Messwerte ermittelt, ob ein basierend auf einer Innovation ermittelter Mahalanobis-Abstand zwischen dem Messwert und der Schätzung des Standorts des Zielobjekts und der Kovarianz der Innovation geringer als ein Schwellenwert ist, um die Größe des Validierungsgates zu bestimmen, und die gültigen Messwerte extrahiert.
Verfahren nach Anspruch 8, wobei der Prozessor (610) beim Extrahieren des einen oder der mehreren gültigen Messwerte die Größe des Validierungsgates verringert, indem der Schwellenwert entsprechend einer Erhöhung der Zeit, während der die Verfolgung des Zielobjekts beibehalten wird, reduziert wird.
Verfahren nach Anspruch 8, wobei: der Prozessor (610) beim Extrahieren eines oder mehrerer gültiger Messwerte die Größe des Validierungsgates erhöht oder verringert, indem der Schwellenwert mittels einer Umgebungsgewichtung eingestellt wird, in das ein Verfolgungsvorsichtsgrad basierend auf den Umgebungsinformationen einbezogen wurde, und die Umgebungsinformationen eines oder mehreres umfassen aus einer Form, Attributen, Verkehrsverhältnissen und einem Fahrbahnoberflächenzustand einer vorderen Fahrbahn.
Verfahren nach Anspruch 7, ferner umfassend: Aktualisieren, mittels des Prozessors (610), der Spur mittels eines Verfahrens zum Aktualisieren der Schätzung des Standorts des Zielobjekts im Laufe der Zeit, Speichern einer Historie, in der die Spur aktualisiert ist, in dem Speicher (620), und Durchführen einer Spurverwaltung durch eine Initialisierung der Spur.