DE102020116027A1 - Verfahren und Vorrichtung zur Ermittlung von Belegungsinformation für einen Umfeldpunkt auf Basis von Radardetektionen - Google Patents

Abstract

Es wird eine Vorrichtung zur Ermittlung von Belegungsinformation für einen Umfeldpunkt in einem Umfeld eines Radarsensors beschrieben. Die Vorrichtung ist eingerichtet, für zumindest zwei Detektionspunkte des Radarsensors Geschwindigkeitsinformation in Bezug auf die Radialgeschwindigkeit der Detektionspunkte relativ zu dem Radarsensor zu ermitteln. Des Weiteren ist die Vorrichtung eingerichtet, auf Basis der Geschwindigkeitsinformation der zwei Detektionspunkte ein Assoziationsmaß dafür zu ermitteln, dass die zwei Detektionspunkte zu einem gemeinsamen Objekt gehören. Die Vorrichtung ist ferner eingerichtet, in Abhängigkeit von dem Assoziationsmaß Belegungsinformation in Bezug auf die Belegung oder Nicht-Belegung eines zwischen den zwei Detektionspunkten liegenden ersten Umfeldpunktes durch ein Objekt zu ermitteln.

Description

• Die Erfindung betrifft ein Verfahren und eine entsprechende Vorrichtung, die es z.B. einem Fahrzeug ermöglichen, auf Basis von Radardetektionen die Belegung von Umfeldpunkten, insbesondere von Zellen eines Belegungsrasters, zu ermitteln, und basierend darauf ein Objekt zu detektieren und ggf. nachzuverfolgen.
• Ein Fahrzeug umfasst typischerweise eine Mehrzahl von unterschiedlichen Umfeldsensoren, die eingerichtet sind, unterschiedliche Sensordaten bezüglich eines Umfelds des Fahrzeugs zu erfassen. Beispielhafte Umfeldsensoren sind Radarsensoren, Ultraschallsensoren, Lidarsensoren, Bildsensoren bzw. Bildkameras, etc. Auf Basis der Sensordaten der ein oder mehreren Umfeldsensoren eines Fahrzeugs können ein oder mehrere Umgebungs-Objekte (z.B. ein oder mehrere andere Fahrzeuge) in einem Umfeld des Fahrzeugs detektiert und nachverfolgt werden.
• Ein Radarsensor eines Fahrzeugs liefert häufig, insbesondere im Vergleich zu einem Lidarsensor, nur eine relativ geringe Anzahl von Detektionspunkten für ein Objekt, was die Erkennung eines Objektes auf Basis eines Radarsensors erschwert. Das vorliegende Dokument befasst sich mit der technischen Aufgabe, eine zuverlässige Erkennung von Objekten und/oder von Freiraum anhand eines Radarsensors zu ermöglichen. Insbesondere befasst sich das vorliegende Dokument mit der technischen Aufgabe, anhand der Detektionspunkte eines Radarsensors in präziser Weise ein Belegungsraster zu ermitteln, das z.B. zur Objekt- und/oder Freiraum-Erkennung verwendet werden kann.
• Die Aufgabe wird durch jeden der unabhängigen Ansprüche gelöst. Vorteilhafte Ausführungsformen werden u.a. in den abhängigen Ansprüchen beschrieben. Es wird darauf hingewiesen, dass zusätzliche Merkmale eines von einem unabhängigen Patentanspruch abhängigen Patentanspruchs ohne die Merkmale des unabhängigen Patentanspruchs oder nur in Kombination mit einer Teilmenge der Merkmale des unabhängigen Patentanspruchs eine eigene und von der Kombination sämtlicher Merkmale des unabhängigen Patentanspruchs unabhängige Erfindung bilden können, die zum Gegenstand eines unabhängigen Anspruchs, einer Teilungsanmeldung oder einer Nachanmeldung gemacht werden kann. Dies gilt in gleicher Weise für in der Beschreibung beschriebene technische Lehren, die eine von den Merkmalen der unabhängigen Patentansprüche unabhängige Erfindung bilden können.
• Gemäß einem Aspekt wird eine Vorrichtung zur Ermittlung der Belegung eines Umfeldpunktes eines Belegungsrasters für ein Umfeld eines Radarsensors beschrieben. Insbesondere kann die Vorrichtung eingerichtet sein, die Belegung von mehreren Umfeldpunkten eines Belegungsraster für das Umfeld des Radarsensors zu ermitteln. Alternativ oder ergänzend kann die Vorrichtung eingerichtet sein, Belegungsinformation für zumindest einen Umfeldpunkt zu ermitteln.
• Ein Umfeldpunkt kann dabei eine Zelle oder Teil einer Zelle eines Belegungsrasters für das Umfeld des Radarsensors. Es sei darauf hingewiesen, dass alle in diesem Dokument für eine Zelle eines Belegungsrasters beschriebenen Aspekte in entsprechender Weise für einen Umfeldpunkt gelten (und umgekehrt). Insbesondere sind die in diesem Dokument beschriebenen mathematischen Aspekte in analoger Weise für diskret verteilte Zellen und für kontinuierlich angeordnete Umfeldpunkte anwendbar.
• Der Radarsensor kann eingerichtet sein, an einer Sequenz von aufeinanderfolgenden Zeitpunkten jeweils eine bestimmte Menge von Detektionspunkten bereitzustellen. Die einzelnen Detektionspunkte können dabei jeweils einem lokalen Maximum der Reflektivität für ein Radarsignal entsprechen.
• Ein Detektionspunkt kann die Position des Detektionspunktes relativ zu dem Radarsensor anzeigen (typischerweise in Polarkoordinaten). Des Weiteren kann der Detektionspunkt die Detektions-Amplitude des reflektierten Radarsignals und damit Information in Bezug auf die Stärke der Reflektion bzw. in Bezug auf die Reflektivität des Detektionspunktes anzeigen. Ferner kann der Detektionspunkt Geschwindigkeitsinformation in Bezug auf die Radialgeschwindigkeit des Detektionspunktes entlang der Verbindungsgeraden zwischen dem Detektionspunkt und dem Radarsensor anzeigen. Die Geschwindigkeitsinformation kann auf Basis der durch den Dopplereffekt bewirkten Frequenzverschiebung des an dem Detektionspunkt reflektierten Radarsignals ermittelt werden.
• Der Radarsensor kann ferner eingerichtet sein, für einen Detektionspunkt jeweils die Messunsicherheit, insbesondere die Standardabweichung und/oder die Varianz, in Bezug auf die gemessene Position und/oder die gemessene Radialgeschwindigkeit anzugeben. Die Messunsicherheit kann z.B. durch Kenndaten (etwa durch ein Datenblatt) des Radarsensors angegeben werden (z.B. in Abhängigkeit von ein oder mehreren Parametern, wie die Distanz, den Winkel und/oder die Temperatur). Alternativ oder ergänzend kann die Messunsicherheit im Vorfeld durch Messungen ermittelt werden. Alternativ oder ergänzend kann der Radarsensor eingerichtet sein, die Messunsicherheit direkt für jeden einzelnen Detektionspunkt anzugeben.
• Die Detektionspunkte können einen Abstand zueinander aufweisen, der von der räumlichen Auflösung des Radarsensors abhängig ist. Die räumliche Auflösung des Radarsensors kann im Vorfeld (z.B. durch Messungen) ermittelt werden.
• Die Vorrichtung ist eingerichtet (an einem bestimmten Zeitpunkt aus der Sequenz von Zeitpunkten), für zumindest zwei Detektionspunkte des Radarsensors Geschwindigkeitsinformation in Bezug auf die Radialgeschwindigkeit der Detektionspunkte relativ zu dem Radarsensor zu ermitteln.
• Der Radarsensor kann in einem Fahrzeug angeordnet sein, das eine Eigenbewegung aufweist. Folglich kann der Radarsensor eine Eigenbewegung aufweisen. Ferner kann der Radarsensor eine bestimmte Pose (d.h. eine bestimmte Position und/oder eine bestimmte Ausrichtung) innerhalb des Fahrzeugs aufweisen.
• Die Vorrichtung kann eingerichtet sein, einen Messwert des Radarsensors in Bezug auf die Radialgeschwindigkeit eines ersten Detektionspunktes zu ermitteln. Des Weiteren kann die Bewegungsgeschwindigkeit und/oder die Pose des Radarsensors ermittelt werden. Der Messwert des Radarsensors kann dann auf Basis der Bewegungsgeschwindigkeit und/oder der Pose des Radarsensors kompensiert und/oder umgerechnet werden, um eine absolute bzw. umgerechnete Radialgeschwindigkeit des ersten Detektionspunktes als Geschwindigkeitsinformation für den ersten Detektionspunkt zu ermitteln.
• Die Geschwindigkeitsinformation für einen Detektionspunkt kann somit die Radialgeschwindigkeit des Detektionspunktes unter Berücksichtigung der Eigenbewegung des Radarsensors anzeigen. So kann ein präziser Vergleich der Radialgeschwindigkeiten von unterschiedlichen Detektionspunkten ermöglicht werden. Die Radialgeschwindigkeit eines Detektionspunktes i wird in diesem Dokument auch als ṙ⁽ⁱ⁾ bezeichnet. Die absolute Radialgeschwindigkeit des Detektionspunktes i wird in diesem Dokument auch als ${\dot{r}}_A^{\left(i\right)}$

  

  bezeichnet.
• Die Vorrichtung ist ferner eingerichtet, auf Basis der Geschwindigkeitsinformation der zwei Detektionspunkte i, j ein Assoziationsmaß, insbesondere eine Assoziations-Wahrscheinlichkeit L_a(i,j), dafür zu ermitteln, dass die zwei Detektionspunkte i,j zu einem gemeinsamen Objekt (z.B. zu einem Gebäude, oder zu einem anderen Fahrzeug) gehören.
• Insbesondere kann die Vorrichtung eingerichtet sein, die erste (absolute) Radialgeschwindigkeit ${\dot{r}}_A^{\left(i\right)}$

  

  des ersten Detektionspunktes i zu ermitteln. Des Weiteren kann die zweite (absolute) Radialgeschwindigkeit ${\dot{r}}_A^{\left(j\right)}$

  

  des zweiten Detektionspunktes j ermittelt werden. Es kann dann auf Basis der ersten und der zweiten Radialgeschwindigkeiten der Wert eines Abstandsmaßes für das Paar aus dem ersten und dem zweiten Detektionspunkt ermittelt werden.
• Der Wert des Abstandsmaßes kann insbesondere von der Abweichung der ersten Radialgeschwindigkeit ${\dot{r}}_A^{\left(i\right)}$

  

  von der zweiten Radialgeschwindigkeit ${\dot{r}}_A^{\left(j\right)}$

  

  abhängen. In diesem Dokument wird beispielhaft als Abstandsmaß $${\left(m_3\left(i\right)-m_3\left(j\right)\right)}^T{\mathrm{\Gamma }}_D{}^{{\left(i\right)}^{-1}}\left(m_3\left(i\right)-m_3\left(j\right)\right)$$

  

  definiert. Dabei können der Vektor m₃(i) von der ersten Radialgeschwindigkeit ${\dot{r}}_A^{\left(i\right)}\text{ und}$

  

  der Vektor m₃(j) von der zweiten Radialgeschwindigkeit ${\dot{r}}_A^{\left(j\right)}$

  

  abhängen. Insbesondere können die Vektoren die jeweilige Radialgeschwindigkeit als Vektorkomponente aufweisen.
• Es kann dann in präziser Weise auf Basis des Wertes des Abstandsmaßes das Assoziationsmaß, insbesondere die Assoziations-Wahrscheinlichkeit L_a(i,j), dafür ermittelt werden, dass das Paar aus dem ersten und dem zweite Detektionspunkt zu einem gemeinsamen Objekt gehören. Insbesondere kann das Assoziationsmaß, insbesondere die Assoziations-Wahrscheinlichkeit L_a(i,j), auf Basis der Gauß-Funktion $$\text{exp}\left(-\frac{1}{2}{\left(m_3\left(i\right)-m_3\left(j\right)\right)}^T{\mathrm{\Gamma }}_D{}^{{\left(i\right)}^{-1}}\left(m_3\left(i\right)-m_3\left(j\right)\right)\right)$$

  

  ermittelt werden.
• Die Vorrichtung kann eingerichtet sein, die erste Position $\left[\begin{array}{c}{x}^{\left(i\right)}\\ y^{\left(i\right)}\end{array}\right]$

  

  des ersten Detektionspunktes i zu ermitteln und die zweite Position $\left[\begin{array}{c}{x}^{\left(j\right)}\\ y^{\left(j\right)}\end{array}\right]$

  

  des zweiten Detektionspunktes j zu ermitteln.
• Der Wert des Abstandsmaßes für das Paar aus dem ersten und dem zweiten Detektionspunkt kann dann auch auf Basis der ersten und der zweiten Position ermittelt werden. Insbesondere können der Vektor m₃(i) von der ersten Position $\left[\begin{array}{c}{x}^{\left(i\right)}\\ y^{\left(i\right)}\end{array}\right]$

  

  und der Vektor m₃(j) von der zweiten Position $\left[\begin{array}{c}{x}^{\left(j\right)}\\ y^{\left(j\right)}\end{array}\right]$

  

  abhängen. Insbesondere können die Vektoren die jeweilige Position als Vektorkomponente aufweisen. In einem bevorzugten Beispiel gilt für die Vektoren $$m_3\left(i\right)={\left[x^{\left(i\right)},y^{\left(i\right)},{\dot{r}}_A^{\left(i\right)}\right]}^T$$

  

  $$m_3\left(j\right)={\left[x^{\left(j\right)},y^{\left(j\right)},{\dot{r}}_A^{\left(j\right)}\right]}^T.$$

  

  Durch die Berücksichtigung der Positionen der Detektionspunkte kann das Assoziationsmaß, insbesondere die Assoziations-Wahrscheinlichkeit L_a(i,j), mit erhöhter Genauigkeit ermittelt werden.
• Die Vorrichtung kann eingerichtet sein, Ungenauigkeitsinformation in Bezug auf die Messungenauigkeit, insbesondere in Bezug auf die Standardabweichung oder die Varianz, der ersten und/oder der zweiten Radialgeschwindigkeit (und ggf. der ersten Position und der zweiten Position) zu ermitteln.
• Der Wert des Abstandsmaßes für das Paar aus dem ersten und dem zweiten Detektionspunkt kann dann auch in Abhängigkeit von der Ungenauigkeitsinformation ermittelt werden. So kann die Genauigkeit des ermittelten Assoziationsmaßes, insbesondere der ermittelten Assoziations-Wahrscheinlichkeit L_a(i,j), weiter erhöht werden.
• Als Ungenauigkeitsinformation kann insbesondere die Matrix Γ_D ⁽ⁱ⁾ ermittelt werden. Die Matrix Γ_D ⁽ⁱ⁾ kann dabei abhängen von:
• • der Standardabweichung ${\sigma }_{\dot{r}}^2$
  
  der Radialgeschwindigkeiten;
• • einem Rauschterm ζ_D, durch den der Gradient der Radialgeschwindigkeiten von unterschiedlichen Punkten auf einem gemeinsamen Objekt berücksichtigt wird;
• • einem Term κ(r₀) für die räumliche Auflösung des Radarsensors; und/oder
• • einer Rauschmatrix R_xy ⁽ⁱ⁾ für die Messunsicherheit der Positionsbestimmung.
• Insbesondere kann die Matrix Γ_D ⁽ⁱ⁾ definiert sein als $${\mathrm{\Gamma }}_D{}^{\left(i\right)}=\left[\begin{array}{cc}{R}_{xy}{}^{\left(i\right)}+K\left(r_0\right)& 0^{2\times 1}\\ 0^{1\times 2}& {\sigma }_{\dot{r}}^2+{\zeta }_D\end{array}\right].$$

  

  Die Vorrichtung kann eingerichtet sein, basierend auf der ersten Detektions-Amplitude a⁽ⁱ⁾ des ersten Detektionspunktes i eine Objekt-Wahrscheinlichkeit $L_e^{\left(i\right)}$

  

  dafür zu ermitteln, dass der erste Detektionspunkt i von einem Objekt bewirkt wurde. In entsprechender Weise kann die Vorrichtung eingerichtet sein, basierend auf der zweiten Detektions-Amplitude a^(j) des zweiten Detektionspunktes j eine Objekt-Wahrscheinlichkeit $L_e^{\left(j\right)}$

  

  dafür zu ermitteln, dass der zweite Detektionspunkt j von einem Objekt bewirkt wurde.
• Die Objekt-Wahrscheinlichkeit $L_e^{\left(i\right)}$

  

  für einen Detektionspunkt i kann insbesondere anhand einer Gaußschen Fehlerfunktion ermittelt werden, die von der Detektions-Amplitude a⁽ⁱ⁾ des Detektionspunktes i abhängt. Des Weiteren kann die Objekt-Wahrscheinlichkeit $L_e^{\left(i\right)}$

  

  von einer Referenz-Amplitude a_o des Radarsensors abhängen, die die Empfindlichkeit des Radarsensors anzeigt. Ferner kann die Objekt-Wahrscheinlichkeit $L_e^{\left(i\right)}$

  

  von einer Amplituden-Steigung ip des Radarsensors abhängen. Die Referenz-Amplitude a_o und/oder die Amplituden-Steigung ip des Radarsensors können im Vorfeld experimentell ermittelt werden.
• Die Objekt-Wahrscheinlichkeit $L_e^{\left(i\right)}$

  

  für einen Detektionspunkt i kann insbesondere auf Basis der folgenden Formel ermittelt werden $$L_e^{\left(i\right)}=\frac{1}{2}\left(1+\text{erf}\left(\frac{\text{log}\left(a^{\left(i\right)}\right)-\text{log}\left(a_0\right)}{\sqrt{2{\psi }^2}}\right)\right).$$

  

  Es kann dann in besonders präziser Weise auf Basis der Objekt-Wahrscheinlichkeiten für den ersten und den zweiten Detektionspunkt das Assoziationsmaß, insbesondere die Assoziations-Wahrscheinlichkeit, dafür ermittelt werden, dass das Paar aus dem ersten und dem zweiten Detektionspunkt zu einem gemeinsamen Objekt gehören. Insbesondere kann das Assoziationsmaß, insbesondere die Assoziations-Wahrscheinlichkeit L_a(i,j), ermittelt werden, anhand der Formel $$L_a\left(i,j\right)=L_e^{\left(i\right)}{L}_e^{\left(j\right)}\text{exp}\left(-\frac{1}{2}{\left(m_3\left(i\right)-m_3\left(j\right)\right)}^T{\mathrm{\Gamma }}_D{}^{{\left(i\right)}^{-1}}\left(m_3\left(i\right)-m_3\left(j\right)\right)\right).$$

  
• Die Vorrichtung ist ferner eingerichtet, in Abhängigkeit von dem Assoziationsmaß, insbesondere in Abhängigkeit von der Assoziations-Wahrscheinlichkeit L_a(i,j), Belegungsinformation in Bezug auf die Belegung oder die Nicht-Belegung eines zwischen den zwei Detektionspunkten liegenden ersten Umfeldpunktes (bzw. einer ersten Zelle) durch ein Objekt zu ermitteln.
• Die Belegungsinformation für den ersten Umfeldpunkt kann eine Evidenz bzw. eine Evidenzmasse m(0|x,y) für die Belegung des zwischen den zwei Detektionspunkten liegenden ersten Umfeldpunktes (bzw. der ersten Zelle) durch ein Objekt umfassen. Alternativ oder ergänzend kann die Belegungsinformation für den ersten Umfeldpunkt eine Evidenz bzw. eine Evidenzmasse m(F|x,y) für Freiraum des zwischen den zwei Detektionspunkten liegenden ersten Umfeldpunktes (bzw. der ersten Zelle) umfassen. Der erste Umfeldpunkt bzw. die erste Zelle können dabei an der Position $\left[\begin{array}{c}x\\ y\end{array}\right]$

  

  angeordnet sein. Dabei können eine Evidenz bzw. eine Evidenzmasse m(0|x,y) bzw. m(F|x,y) gemäß der Dempster-Shafer-Theorie ermittelt werden.
• Die Belegungsinformation für einen Umfeldpunkt kann ein oder mehrere Evidenzen bzw. Evidenzmassen für eine bestimmte Anzahl von unterschiedlichen Hypothesen umfassen. Die Summe von Evidenzen bzw. Evidenzmassen für alle möglichen Hypothesen kann auf einen bestimmten Wert Z (z.B. Z = 1) normiert sein. Beispielhafte Hypothesen sind: der Umfeldpunkt ist durch ein Objekt belegt, oder der Umfeldpunkt ist Freiraum.
• Für jede Hypothese kann (z.B. auf Basis des Assoziationsmaßes) eine Evidenz bzw. eine Evidenzmasse ermittelt werden, z.B. m(0|x,y) (für die Hypothese, dass der Umfeldpunkt durch ein Objekt belegt ist) bzw. m(F|x,y) (für die Hypothese, dass der Umfeldpunkt Freiraum ist). Es gilt dann m(0|x,y) + m(F|x,y) ≤ Z. Die Differenz aus der Summe der Evidenzen für alle Hypothesen und Z zeigt das Ausmaß von Unwissenheit in Bezug auf die Belegungssituation des Umfeldpunktes an.
• Die Vorrichtung kann insbesondere eingerichtet sein, für eine Mehrzahl von unterschiedlichen Paaren von Detektionspunkten jeweils paarweise ein Assoziationsmaß, insbesondere eine Assoziations-Wahrscheinlichkeit L_a(i,j), und eine Teil-Evidenz bzw. Teil-Evidenzmasse m(0^(i,j)|x,y) für die Belegung des ersten Umfeldpunktes bzw. der ersten Zelle zu ermitteln. Dabei können (ggf. nur) Paare von Detektionspunkten betrachtet werden, zwischen denen der erste Umfeldpunkt liegt.
• Die Teil-Evidenzen m(0^(i,j)|x,y) für die Belegung des ersten Umfeldpunktes bzw. der ersten Zelle für die Mehrzahl von unterschiedlichen Paaren von Detektionspunkten können dann kombiniert werden (gemäß der Kombinationsregel nach Dempster), um die Belegungsinformation, insbesondere um die Evidenz m(0|x,y) für die Belegung des ersten Umfeldpunktes bzw. der ersten Zelle durch ein Objekt, zu ermitteln.
• Durch die Berücksichtigung eines von den Radialgeschwindigkeiten der Detektionspunkte abhängigen Assoziationsmaßes, insbesondere einer Assoziations-Wahrscheinlichkeit, kann die Belegung von Umfeldpunkten bzw. von Zellen eines Belegungsrasters in präziser und robuster Weise auch (ggf. allein) auf Basis der Detektionen eines Radarsensors ermittelt werden.
• Die Vorrichtung kann eingerichtet sein, Ungenauigkeitsinformation in Bezug auf die Messungenauigkeit, insbesondere in Bezug auf die Standardabweichung oder die Varianz, von gemessenen Positionen der zwei Detektionspunkte i, j zu ermitteln. Insbesondere können die Rauschmatrizen R_xy ⁽ⁱ⁾ bzw. R_xy ^(j) für die Messunsicherheit der Positionsbestimmung der Positionen der beiden Detektionspunkte i, j ermittelt werden. Es kann dann als Ungenauigkeitsinformation eine gemittelte Rauschmatrix für das Paar von Detektionspunkten i, j ermittelt werden, z.B. als $${\text{R}}_{xy}{}^{\left(i,j\right)}=\frac{{\text{R}}_{xy}{}^{\left(i\right)}+{\text{R}}_{xy}{}^{\left(j\right)}}{2}.$$

  
• Die Belegungsinformation, insbesondere die Evidenz m(O|x,y), insbesondere die Teil-Evidenz m(O^(i,j)|x,y), für die Belegung des zwischen den zwei Detektionspunkten i,j liegenden ersten Umfeldpunktes bzw. der zwischen den zwei Detektionspunkten i,j liegenden ersten Zelle durch ein Objekt, kann dann mit erhöhter Genauigkeit in Abhängigkeit von der Ungenauigkeitsinformation, insbesondere in Abhängigkeit von R_xy ^(i,j), ermittelt werden.
• Die Vorrichtung kann eingerichtet sein, in Abhängigkeit von der Ungenauigkeitsinformation, insbesondere in Abhängigkeit von R_xy ^(i,j), eine Positions-Unsicherheit (φ_ij(x,y) dafür zu ermitteln, dass sich der erste Umfeldpunkt bzw. die erste Zelle auf einer Linie, insbesondere auf einer Geraden, zwischen den zwei Detektionspunkten befindet. Die Positions-Unsicherheit φ_ij(x,y) kann mit den in diesem Dokument beschriebenen Formeln bestimmt werden.
• Die Belegungsinformation, insbesondere die Evidenz m(O|x,y), insbesondere die Teil-Evidenz m(O^(i,j)|x,y), für die Belegung des zwischen den zwei Detektionspunkten i,j liegenden ersten Umfeldpunktes bzw. der zwischen den zwei Detektionspunkten i,j liegenden ersten Zelle durch ein Objekt, kann dann mit erhöhter Genauigkeit in Abhängigkeit von der ermittelten Positions-Unsicherheit (φ_ij(x,y) ermittelt werden.
• Die Vorrichtung kann insbesondere eingerichtet sein, das Assoziationsmaß, insbesondere die Assoziations-Wahrscheinlichkeit L_a(i,j), mit der Positions-Unsicherheit (φ_ij(x,y) zu multiplizieren, um die Evidenz m(O|x,y), insbesondere die Teil-Evidenz m(O^(i,j)|x,y), für die Belegung des zwischen den zwei Detektionspunkten i,j liegenden ersten Umfeldpunktes bzw. der zwischen den zwei Detektionspunkten i,j liegenden ersten Zelle durch ein Objekt zu ermitteln.
• Wie bereits oben dargelegt, kann der Radarsensor Teil eines Fahrzeugs sein. Die Vorrichtung kann eingerichtet sein, ein Fahrerassistenzsystem und/oder eine Fahrfunktion zum automatisierten Fahren des Fahrzeugs in Abhängigkeit von der ermittelten Belegungsinformation, insbesondere in Abhängigkeit von der Evidenz m(O|x,y) für die Belegung und/oder in Abhängigkeit von der Evidenz m(F|x,y) für Freiraum des ersten Umfeldpunktes bzw. der ersten Zelle, insbesondere in Abhängigkeit von dem ermittelten Belegungsraster, zu betreiben. So kann ein besonders zuverlässiger und sicherer Betrieb eines Fahrerassistenzsystems und/oder einer Fahrfunktion ermöglicht werden.
• Die Vorrichtung kann eingerichtet sein, auf Basis des Assoziationsmaßes, insbesondere auf Basis der der Assoziations-Wahrscheinlichkeit L_a(a,b), der zwei Detektionspunkte a, b eine Evidenz bzw. eine Evidenzmasse m(F|x,y) für Freiraum eines zweiten Umfeldpunktes bzw. einer zweiten Zelle des Belegungsrasters zu ermitteln. Der zweite Umfeldpunkt bzw. die zweite Zelle können dabei an der Position $\left[\begin{array}{c}x\\ y\end{array}\right]$

  

  angeordnet sein. Das Assoziationsmaß, insbesondere die Assoziations-Wahrscheinlichkeit L_a(a,b), kann dabei als korrigierende Größe zur Ermittlung der Evidenz bzw. der Evidenzmasse m(F|x,y) für Freiraum berücksichtigt werden (aus diesem Grund werden in den Formeln in diesem Dokument die Indizes a, b für das Assoziationsmaß bzw. für die Assoziations-Wahrscheinlichkeit L_a(a,b) verwendet, wenn die Evidenz bzw. der Evidenzmasse m(F|x,y) für Freiraum ermittelt wird).
• Insbesondere kann die Vorrichtung eingerichtet sein, zu ermitteln, dass die Sichtlinie zwischen dem Radarsensor und dem zweiten Umfeldpunkt bzw. der zweiten Zelle eine Verbindungslinie, insbesondere eine Verbindungsgerade, zwischen den zwei Detektionspunkten a, b kreuzt. Ggf. nur in diesem Fall kann die Evidenz m(F|x,y) für Freiraum des zweiten Umfeldpunktes bzw. der zweiten Zelle auf Basis des Assoziationsmaßes, insbesondere auf Basis der Assoziations-Wahrscheinlichkeit L_a(a,b), der zwei Detektionspunkte a, b ermittelt werden. Insbesondere kann dabei die Evidenz m(F|x,y) für Freiraum des zweiten Umfeldpunktes bzw. der zweiten Zelle in Abhängigkeit von dem Assoziationsmaß, insbesondere der Assoziations-Wahrscheinlichkeit L_a(a,b), der zwei Detektionspunkte a, b reduziert werden, da relativ hohes Assoziationsmaß, insbesondere eine relativ hohe Assoziations-Wahrscheinlichkeit L_a(a,b), eines Paars von Detektionspunkten a, b, die zwischen dem Radarsensor und dem zweiten Umfeldpunkt bzw. der zweiten Zelle liegen, der Hypothese wiederspricht, dass es sich bei dem zweiten Umfeldpunkt bzw. bei der zweiten Zelle um Freiraum handelt. Die Ermittlung von Assoziationsmaßen, insbesondere von Assoziations-Wahrscheinlichkeiten L_a(a,b), zwischen Paaren von Detektionspunkten a, b ermöglicht somit eine präzise Ermittlung von Freiraum-Evidenzen.
• Die Vorrichtung kann eingerichtet sein, ein Paar von Detektionspunkten i, j des Radarsensors zu ermitteln, das zusammen mit dem Radarsensor ein Dreieck bildet, in dem der zweite Umfeldpunkt bzw. die zweite Zelle angeordnet ist. Es kann dann auf Basis der räumlichen Auflösung von Detektionspunkten des Radarsensors, insbesondere auf Basis des Terms κ(r₀), und/oder auf Basis des Abstands des Paars von Detektionspunkten i,j zueinander, insbesondere auf Basis des Wertes eines Abstandsmaßes, die Evidenz m(F|x,y), insbesondere die Teil-Evidenz m(F^(i,j)|x,y), für Freiraum des zweiten Umfeldpunktes bzw. der zweiten Zelle ermittelt werden.
• Insbesondere kann zunächst eine Freiraum-Wahrscheinlichkeit L_fr(i,j) dafür ermittelt werden, dass sich zwischen den Detektionspunkten i, j des Paars von Detektionspunkten Freiraum befindet. Zur Ermittlung der Freiraum-Wahrscheinlichkeit L_fr(i,j) kann der Wert eines Abstandsmaßes ermittelt werden, wobei das Abstandsmaß von dem Abstand zwischen den beiden Detektionspunkten i,j und/oder von der räumlichen Auflösung des Radarsensors abhängen kann. Ein beispielhaftes Abstandsmaß ist $${\left(m_2\left(i\right)-m_2\left(j\right)\right)}^{T}K{\left(r_0\right)}^{-1}\left(m_2\left(i\right)-m_2\left(j\right)\right),$$

  

  wobei der Vektor m₂(i) von der Position des Detektionspunktes i abhängt, und wobei der Vektor m₂(j) von der Position des Detektionspunktes j abhängt. In einem bevorzugten Beispiel gilt für die Vektoren $$m_2\left(i\right)={\left[x^{\left(i\right)},y^{\left(i\right)}\right]}^T$$

  

  $$m_2\left(j\right)={\left[x^{\left(j\right)},y^{\left(j\right)}\right]}^T.$$

  

  Die Freiraum-Wahrscheinlichkeit L_fr(i,j) kann dann in präziser Weise anhand einer Gauß-Funktion des Abstandsmaßes ermittelt werden, z.B. anhand oder als $$\text{exp}\left(-\frac{1}{2}{\left(m_2\left(i\right)-m_2\left(j\right)\right)}^{T}K{\left(r_0\right)}^{-1}\left(m_2\left(i\right)-m_2\left(j\right)\right)\right).$$

  
• Die Evidenz m(F|x,y), insbesondere die Teil-Evidenz m(F^(i,j)|x, y), für Freiraum des zweiten Umfeldpunktes bzw. der zweiten Zelle kann dann in präziser Weise auf Basis der Freiraum-Wahrscheinlichkeit L_fr(i,j) ermittelt werden.
• Die Vorrichtung kann eingerichtet sein, die Freiraum-Wahrscheinlichkeit L_fr(i,j) in Abhängigkeit von dem Assoziationsmaß, insbesondere in Abhängigkeit von der Assoziations-Wahrscheinlichkeit L_a(a,b), der zwei Detektionspunkte a, b zu reduzieren, um die Evidenz m(F|x,y), insbesondere die Teil-Evidenz m(F^(i,j)|x,y), für Freiraum des zweiten Umfeldpunktes bzw. der zweiten Zelle zu ermitteln. Dabei können insbesondere das Assoziationsmaß bzw. die Assoziations-Wahrscheinlichkeit L_a(a,b) von allen Paaren von Detektionspunkten a, b berücksichtigt werden, deren Verbindungsgeraden durch die Sichtlinie zu dem zweiten Umfeldpunkt bzw. zu der zweiten Zelle gekreuzt werden. So kann die Evidenz m(F|x,y), insbesondere die Teil-Evidenz m(F^(i,j)|x,y), für Freiraum des zweiten Umfeldpunktes bzw. der zweiten Zelle in besonders präziser Weise ermittelt werden.
• Die Vorrichtung kann eingerichtet sein, eine Menge von Paaren von Detektionspunkten i,j zu ermitteln, die jeweils zusammen mit dem Radarsensor ein Dreieck bildet, in dem der zweiten Umfeldpunkt bzw. die zweite Zelle angeordnet ist. Für jedes Paar aus der Menge von Paaren von Detektionspunkten kann dann jeweils die Freiraum-Wahrscheinlichkeit L_fr(i,j) und/oder eine Teil-Evidenz m(F^(i,j)|x,y) ermittelt werden. Die Evidenz m(F|x,y) für Freiraum des zweiten Umfeldpunktes bzw. der zweiten Zelle kann dann in besonders präziser Weise auf Basis der Freiraum-Wahrscheinlichkeiten L_fr(i,j) für die Menge von Paaren von Detektionspunkten ermittelt werden. Insbesondere können die Teil-Evidenzen m(F^(i,j)|x,y) für die Menge von Paaren von Detektionspunkten gemäß der Dempster-Kombinationsregel kombiniert werden, um die Evidenz m(F|x,y) für Freiraum des zweiten Umfeldpunktes bzw. der zweiten Zelle zu ermitteln.
• Die Vorrichtung ermöglicht es somit auch Freiraum-Evidenzen in präziser Weise auf Basis der Detektionen eines Radarsensors zu ermitteln. So kann die Güte einer Fahrerassistenzfunktion und/oder einer Fahrfunktion eines Fahrzeugs weiter erhöht werden.
• Die Vorrichtung kann eingerichtet sein, in entsprechender Weise Belegungsinformation, insbesondere Belegungsevidenzen und/oder Freiraumevidenzen, für eine Vielzahl von Umfeldpunkten bzw. für eine Vielzahl von Zellen des Belegungsrasters zu ermitteln. Das Belegungsraster kann dann für den Betrieb einer Fahrerassistenzfunktion und/oder einer Fahrfunktion eines Fahrzeugs verwendet werden.
• Die Vorrichtung kann eingerichtet sein, die in diesem Dokument beschriebenen Maßnahmen an einer Sequenz von aufeinanderfolgenden Zeitpunkten auf Basis der jeweils aktuellen Detektionspunkte des Radarsensors zu wiederholten, um jeweils ein aktuelles Belegungsraster zu ermitteln. Das jeweils aktuelle Belegungsraster kann dann für den Betrieb einer Fahrerassistenzfunktion und/oder einer Fahrfunktion eines Fahrzeugs an dem jeweiligen Zeitpunkt verwendet werden.
• Gemäß einem weiteren Aspekt wird eine weitere Vorrichtung zur Ermittlung der Belegung bzw. zur Ermittlung von Belegungsinformation für zumindest einen Umfeldpunkt in einem Umfeld eines Radarsensors. Die Vorrichtung kann (jeweils einzeln oder in Kombination) alle der in diesem Dokument beschriebenen Merkmale umfassen.
• Die Vorrichtung kann eingerichtet sein, ein Paar von Detektionspunkten des Radarsensors zu ermitteln bzw. zu identifizieren, das zusammen mit dem Radarsensor ein Dreieck bildet, in dem ein bestimmter Umfeldpunkt angeordnet ist.
• Die Vorrichtung kann ferner eingerichtet sein, auf Basis der räumlichen Auflösung von Detektionspunkten des Radarsensors und/oder auf Basis des Abstands des Paars von Detektionspunkten zueinander (insbesondere auf Basis des Wertes eines Abstandsmaßes) Belegungsinformation in Bezug auf die Belegung oder Nicht-Belegung des bestimmten Umfeldpunktes durch ein Objekt zu ermitteln.
• Gemäß einem weiteren Aspekt wird ein (Straßen-)Kraftfahrzeug (insbesondere ein Personenkraftwagen oder ein Lastkraftwagen oder ein Bus oder ein Motorrad) beschrieben, das ein oder mehreren der in diesem Dokument beschriebenen Vorrichtungen umfasst.
• Gemäß einem weiteren Aspekt wird ein Verfahren zur Ermittlung der Belegung eines Umfeldpunktes bzw. einer Zelle eines Belegungsrasters für ein Umfeld eines Radarsensors beschrieben. Das Verfahren kann insbesondere ausgebildet sein, Belegungsinformation für zumindest einen Umfeldpunkt zu ermitteln. Das Verfahren umfasst das Ermitteln von Geschwindigkeitsinformation in Bezug auf die Radialgeschwindigkeit von zumindest zwei Detektionspunkten des Radarsensors relativ zu dem Radarsensor. Außerdem umfasst das Verfahren das Ermitteln, auf Basis der Geschwindigkeitsinformation der zwei Detektionspunkte, eines Assoziationsmaßes, insbesondere einer Assoziations-Wahrscheinlichkeit, dafür, dass die zwei Detektionspunkte zu einem gemeinsamen Objekt gehören. Das Verfahren umfasst ferner das Ermitteln, in Abhängigkeit von dem Assoziationsmaß bzw. der Assoziations-Wahrscheinlichkeit, von Belegungsinformation in Bezug auf die Belegung oder Nicht-Belegung, insbesondere von einer Evidenz für die Belegung, eines zwischen den zwei Detektionspunkten liegenden ersten Umfeldpunktes bzw. einer zwischen den zwei Detektionspunkten liegenden ersten Zelle durch ein Objekt.
• Gemäß einem weiteren Aspekt wird ein Verfahren zur Ermittlung von Belegungsinformation für zumindest einen Umfeldpunkt in einem Umfeld eines Radarsensors. Das Verfahren umfasst das Ermitteln eines Paares von Detektionspunkten des Radarsensors, das zusammen mit dem Radarsensor ein Dreieck bildet, in dem ein bestimmter Umfeldpunkt angeordnet ist. Des Weiteren umfasst das Verfahren das Ermitteln, auf Basis einer räumlichen Auflösung von Detektionspunkten des Radarsensors und/oder auf Basis eines Abstands des Paars von Detektionspunkten zueinander, von Belegungsinformation in Bezug auf die Belegung oder Nicht-Belegung des bestimmten Umfeldpunktes durch ein Objekt.
• Gemäß einem weiteren Aspekt wird ein Software (SW) Programm beschrieben. Das SW Programm kann eingerichtet werden, um auf einem Prozessor (z.B. auf einem Steuergerät eines Fahrzeugs) ausgeführt zu werden, und um dadurch zumindest eines der in diesem Dokument beschriebenen Verfahren auszuführen.
• Gemäß einem weiteren Aspekt wird ein Speichermedium beschrieben. Das Speichermedium kann ein SW Programm umfassen, welches eingerichtet ist, um auf einem Prozessor ausgeführt zu werden, und um dadurch zumindest eines der in diesem Dokument beschriebenen Verfahren auszuführen.
• Es ist zu beachten, dass die in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systeme sowohl alleine, als auch in Kombination mit anderen in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systemen verwendet werden können. Des Weiteren können jegliche Aspekte der in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systemen in vielfältiger Weise miteinander kombiniert werden. Insbesondere können die Merkmale der Ansprüche in vielfältiger Weise miteinander kombiniert werden.
• Im Weiteren wird die Erfindung anhand von Ausführungsbeispielen näher beschrieben. Dabei zeigen
• 1 ein beispielhaftes Fahrzeug mit ein oder mehreren Umfeldsensoren,
• insbesondere mit einem Radarsensor;
• 2a ein beispielhaftes Belegungsraster einer Umgebung eines Fahrzeugs;
• 2b beispielhafte Detektionspunkte eines Radarsensors;
• 3 eine beispielhafte räumliche Verteilung der Belegungsevidenz im Umfeld eines Detektionspunktes;
• 4 eine beispielhafte Anordnung von Detektionspunkten; und
• 5 ein Ablaufdiagramm eines beispielhaften Verfahrens zur Ermittlung der Belegungsevidenz für eine Zelle eines Belegungsrasters.
• Wie eingangs dargelegt, befasst sich das vorliegende Dokument mit der Ermittlung eines Belegungsrasters auf Basis von Detektionen eines Radarsensors, insbesondere zur Detektion und ggf. zur Nachverfolgung zumindest eines Objektes. In diesem Zusammenhang zeigt 1 ein Fahrzeug 100 mit ein oder mehreren Umfeldsensoren 111, insbesondere Radarsensoren, zur Erfassung von Sensordaten. Das Fahrzeug 100 umfasst weiter eine Vorrichtung (bzw. eine Verarbeitungseinheit) 101, die eingerichtet ist, auf Basis der Sensordaten ein Objekt 150 im Umfeld des Fahrzeugs 100 zu detektieren. Ein detektiertes Objekt 150 kann dann in einer Fahrfunktion 102 (z.B. für das teilautomatisierte oder hochautomatisierte Fahren des Fahrzeugs 100) berücksichtigt werden.
• Das vorliegende Dokument befasst sich insbesondere mit der konsistenten (ggf. multisensoriellen) Modellierung der Umgebung eines Fahrzeuges 100. Dabei kann die lokale Umgebung als Occupancy Grid Map bzw. (Belegungs-) Raster 200 geschätzt bzw. dargestellt werden (siehe 2a). 2a zeigt ein beispielhaftes Raster 200 einer Umgebung des Fahrzeugs 100 mit einer Vielzahl von Rasterzellen oder kurz Zellen 201. Das Raster 200 kann die Umgebung bzw. das Umfeld des Fahrzeugs 100 in die Vielzahl von zwei- (2D) oder dreidimensionalen (3D) Zellen 201 aufteilen. Eine zwei-dimensionale Zelle 201 kann dabei eine Rechteckform aufweisen (beispielsweise mit einer Kantenlänge von 10cm, 5cm, 2cm, 1cm oder weniger).
• Die Verarbeitungseinheit 101 des Fahrzeugs 100 kann eingerichtet sein, auf Basis der Sensordaten für ein oder mehrere der Zellen 201 (insbesondere für jede Zelle 201) Daten zu ermitteln, die anzeigen, ob eine Zelle 201 an einem bestimmten Zeitpunkt t belegt ist oder nicht. Insbesondere können die Daten für eine Zelle 201 anzeigen $$z_c=\left(m\left(0\right),m\left(F\right)\right),$$

  

  wobei m({0}) eine Evidenz bzw. Evidenzmasse dafür ist, dass die Zelle c 201 durch ein Objekt 150 belegt ist (z.B. ein statisches oder ein dynamisches Objekt), und wobei m(F) eine Evidenz dafür ist, dass die Zelle c 201 frei ist, und somit nicht durch ein Objekt 150 belegt ist. Die Evidenz dafür, dass die Zelle 201 durch eine Objekt 150 belegt ist, kann als Objekt-Wahrscheinlichkeit dafür betrachtet werden, dass die Zelle 201 durch ein Objekt 150, 250 belegt ist (insbesondere im Sinne der Dempster-Shafer Theorie).
• Die einzelnen Zellen 201 eines Rasters bzw. einer Belegungskarte 200 können somit mögliche Hypothesen mit jeweils entsprechender Plausibilität
  („Likelihood“) anzeigen. Zum Beispiel kann eine Zelle 201 von einem Objekt 150 belegt oder unbelegt sein. In einer evidenzbasierten Belegtheitskarte 200 kann das Wissen über diese zwei Hypothesen aufgrund einer Sensormessung z.B. wie folgt aufgeteilt sein: Belegt m(0) =30%, Unbelegt m(F) =20%. Damit ist dieses Wissen nur mit 50% Sicherheit verfügbar, und die restlichen, nicht bestimmten, 50% indizieren Unwissen über die Hypothesen.
• Ein Belegungsraster 200 kann in präziser Weise anhand der Sensordaten eines Lidarsensors 111 ermittelt werden, da Lidarsensoren 111 eine relativ hohe räumliche Messauflösung aufweisen. Andererseits werden in einem Fahrzeug 100 typischerweise detektionsbasierte Radarsensoren 111 verwendet, was zu einer relativ geringen räumlichen Auflösung führt. Ein Radarsensor (insbesondere ein sogenannter Detektionsradar bzw. ein Radarsensor mit detektionsbasierter bzw. clusterbasierter Verarbeitung) 111 nimmt die elektromagnetische Reflektivität der Umgebung wahr, sucht darin lokale Maxima der Reflektivität und gibt diese lokalen Maxima jeweils als separate Detektion bzw. als separaten Detektionspunkt aus. Ein Radarsensor 111 kann somit als „Peak Detector“ betrachtet werden. Dadurch, dass nur die Reflektivitätsmaxima bestimmt und von dem Radarsensor 111 als Detektionen ausgegeben werden, ist die räumliche Auflösung und Datenmenge des Radarsensors 111 im Vergleich zu einem Lidarsensor reduziert.
• Eine Detektion bzw. ein Detektionspunkt kann durch eine Winkelmessung und durch eine Entfernungsmessung (d.h. in Polarkoordinaten) definiert sein. Des Weiteren können für einen Detektionspunkt eine Amplitude (d.h. die Signalstärke der Reflektion) und/oder eine Radialgeschwindigkeit (die über den Dopplereffekt, d.h. über eine Frequenzverschiebung des reflektierten Signals, ermittelt werden kann) bereitgestellt werden.
• 2b zeigt beispielhafte Detektionspunkte 250 eines Radarsensors 111. Ein Belegungsraster 200 kann durch die relativ geringe Anzahl von Detektionspunkten 250 für ein Objekt 150 nur relativ grob mit Information befüllt werden. Beispielsweise liegen für ein Objekt 150 ggf. nur 3-6 Detektionspunkte 250 des Radarsensors 111 vor, im Vergleich zu ca. 100 Detektionen bei einem Lidarsensor 111. Die Detektionspunkte 250 resultieren dabei typischerweise von gut reflektierenden Komponenten eines Objektes 150 (wie z.B. den Rädern eines Fahrzeugs). Die einzelnen Detektionspunkte 250 ermöglichen es typischerweise nicht, die Kontur und/oder die Struktur eines Objektes 150 zu ermitteln. Ferner können die einzelnen Detektionspunkte 250 typischerweise nicht in zuverlässiger Weise ein oder mehreren unterschiedlichen Objekten 150 zugeordnet werden.
• In diesem Dokument werden Maßnahmen beschrieben, die es ermöglichen, auf Basis der Detektionspunkte 250 eines Radarsensors 111 in zuverlässiger Weise ein oder mehrere zusammenhängende Objekte 150 und Freiraum zu erkennen. Dabei wird das Messprinzip eines Radarsensors 111 in Bezug auf die Erkennung von Reflektivitätsmaxima berücksichtigt. Während bei einem Lidarsensor 111 eine Stelle ohne Reflektion mit relativ hoher Sicherheit Freiraum anzeigt (wenn diese Stelle nicht verdeckt ist), so kann eine Stelle ohne Detektion bei einem Radarsensor 111 eine weniger reflektierende Stelle eines Objektes 150 sein, insbesondere dann, wenn sich ein Detektionspunkt 250 in der Nähe der Stelle befindet. Diese Information kann bei der Ermittlung eines Belegungsrasters 200 berücksichtigt werden, um Evidenzen für ein Objekt bzw. für Freiraum mit erhöhter Genauigkeit zu ermitteln.
• Des Weiteren kann die Radialgeschwindigkeitsmessung für Detektionspunkte 250 berücksichtigt werden, insbesondere um zu überprüfen, ob zwei Detektionspunkte 250 zu einem gemeinsamen Objekt 150 oder zu separaten Objekten 150 gehören. Sind zwei Detektionspunkte 250 relativ nah beieinander angeordnet und weisen die beiden Detektionspunkte 250 eine ähnliche Radialgeschwindigkeit auf, ist typischerweise eine relativ hohe Wahrscheinlichkeit dafür gegeben, dass beide Detektionspunkte 250 zu demselben bewegten Objekt 150 gehören. Daraus lässt sich eine Information dafür ableiten, dass auch der Raum zwischen den beiden Detektionspunkten 250 durch das Objekt 150 belegt ist.
• Für einen Detektionspunkt i 250 kann von dem Radarsensor 111 folgende Information bereitgestellt werden:
• • der Abstand r⁽ⁱ⁾ zwischen der Position des Radarsensors 111 und dem Detektionspunkt i. Der Abstand r⁽ⁱ⁾ kann mit einem Messrauschen (d.h. mit einer Standardabweichung) σ^r bestimmt werden.
• • der Winkel a⁽ⁱ⁾ zwischen der Position des Radarsensors 111 und dem Detektionspunkt i. Der Winkel a⁽ⁱ⁾ kann mit einem Messrauschen (d.h. mit einer Standardabweichung) σ_a bestimmt werden.
• • die Dopplermessung bzw. die Radialgeschwindigkeit ṙ⁽ⁱ⁾ des Detektionspunktes i, mit dem Messrauschen bzw. der Standardabweichung σ_ṙ.
• • die Amplitude des reflektierten Signals, insbesondere die sogenannte Radar Cross Section, RCS, a⁽ⁱ⁾.
• Auf Basis des Abstands r⁽ⁱ⁾ und des Winkels a⁽ⁱ⁾ kann die Position ${\left[\begin{array}{c}{x}^{\left(i\right)}\\ y^{\left(i\right)}\end{array}\right]}_s$

  

  des Detektionspunktes i in kartesischen Koordinaten relativ zu der Position des Radarsensors 111 ermittelt werden, als $${\left[\begin{array}{c}{x}^{\left(i\right)}\\ y^{\left(i\right)}\end{array}\right]}_{\text{S}}={\left[\begin{array}{c}{r}^{\left(i\right)}\cdot \text{cos }{\alpha }^{\left(i\right)}\\ r^{\left(i\right)}\cdot \text{sin }{\alpha }^{\left(i\right)}\end{array}\right]}_{\text{S}}$$

  

  Für das Messrauschen der Position des Detektionspunktes i, insbesondere für die Rauschmatrix ${\text{R}}_{xy}^{\left(i\right)}$

  

  ergibt sich dann $${\text{R}}_{\text{xy}}{}^{\left(i\right)}=\text{R}\left({\alpha }^{\left(i\right)}\right)\cdot \left[\begin{array}{cc}{\sigma }_r^2& 0\\ 0& {\left(2r^{\left(i\right)}\cdot \text{tan}\left({\sigma }_{\alpha }/2\right)\right)}^2\end{array}\right]\cdot \text{R}{\left({\alpha }^{\left(i\right)}\right)}^{\text{T}}$$

  

  wobei R(.) die zwei-dimensionale (2D) Rotationsmatrix ist.
• Die kartesischen Koordinaten relativ zu dem Radarsensor 111 können durch eine von der Lage des Radarsensors 111 abhängige Transformation in Koordinaten des Fahrzeugs 100 umgerechnet werden. Des Weiteren kann durch eine von der Bewegung des Fahrzeugs 100 abhängige Transformation die Position des Detektionspunktes i in Welt-Koordinaten ermittelt werden.
• Die Wahrscheinlichkeit $L_e^{\left(i\right)}$

  

  dafür, dass an einem Detektionspunkt i ein Objekt 150 angeordnet ist, hängt von der Detektions-Amplitude a⁽ⁱ⁾ des Detektionspunktes i ab. Die Objekt-Existenz-Wahrscheinlichkeit $L_e^{\left(i\right)}$

  

  kann z.B. durch folgende Funktion modelliert werden, $$L_e^{\left(i\right)}=\frac{1}{2}\left(1+\text{erf}\left(\frac{\text{log}{\alpha }^{\left(i\right)}-\text{log}{\alpha }_0}{\sqrt{2{\mathrm{\psi }}^2}}\right)\right)$$

  

  wobei erf(.) die (Gaußsche) Fehlerfunktion ist, wobei a₀ eine Referenzamplitude des Radarsensors 111 ist, und wobei Ψ eine Referenz-Steigung des Radarsensors 111 ist. Die beiden Referenzparameter des Radarsensors 111 können im Vorfeld experimentell für den Radarsensor 111 ermittelt werden.
• Die Belegungsevidenz m(O⁽ⁱ⁾,x,y) für einen Punkt $\left[\begin{array}{c}x\\ y\end{array}\right]$

  

  im Umfeld der Position des Referenzpunktes $\left[\begin{array}{c}{x}^{\left(i\right)}\\ y^{\left(i\right)}\end{array}\right]$

  

  (in Welt-Koordinaten) kann wie folgt mittels einer Normalverteilung N(.) modelliert werden $$\begin{array}{l}m\left(O^{\left(i\right)}|x\text{,}y\right)=L_e^{\left(i\right)}\cdot N\left(x=\left[\begin{array}{c}x\\ y\end{array}\right]\text{,}\mu =\left[\begin{array}{c}{x}^{\left(i\right)}\\ y^{\left(i\right)}\end{array}\right]\text{,}{\sigma }^2=R_{xy}{}^{\left(i\right)}\right)\\ =\frac{L_e^{\left(i\right)}}{\sqrt{{\left(2\mathrm{\pi }\right)}^2\text{det}\left({\text{R}}_{\text{xy}}{}^{\left(i\right)}\right)}}\\ \text{exp}\left(-\frac{1}{2}{\left(\left[\begin{array}{c}x\\ y\end{array}\right]-\left[\begin{array}{c}{x}^{\left(i\right)}\\ y^{\left(i\right)}\end{array}\right]\right)}^{\text{T}}{\text{R}}_{\text{xy}}{}^{{\left(i\right)}^{-1}}\left(\left[\begin{array}{c}x\\ y\end{array}\right]-\left[\begin{array}{c}{x}^{\left(i\right)}\\ y^{\left(i\right)}\end{array}\right]\right)\right)\text{.}\end{array}$$

  

  3 zeigt einen beispielhaften Verlauf 300 der Belegungsevidenz 302 als Funktion des Abstands 301 von dem Detektionspunkt 250.
• Durch die Kombination aller i = 1, ...,n Detektionspunkte 250 des Radarsensors 111 ergibt sich die kombinierte Belegungsevidenz m(O,x, y) $$m\left(O|x\text{,}y\right)=\underset{i=1}{\overset{n}{\oplus }}m\left(O^{\left(i\right)}|x\text{,}y\right)$$

  

  wobei ⊕ der Kombinations-Operator nach Dempster ist (siehe A.P. Dempster, „A Generalization of Baysian Interference." Journal of the Royal Statistical Society: Series B (Methodological), vol. 30, no. 2, pp. 205-232, 1968, welches per Referenz in dieses Dokument einbezogen wird).
• Wie bereits dargelegt, weist ein Radarsensor 111 eine bestimmte örtliche bzw. räumliche Auflösung auf. Dies hat zur Folge, dass benachbarte Detektionspunkte 250 (zumindest statistisch) einen bestimmten Mindestabstand zueinander aufweisen. Für die Bereiche zwischen zwei Detektionspunkten 250 kann keine sichere Aussage darüber gemacht werden, ob der jeweilige Bereich durch ein Objekt 150 belegt ist oder ob es sich bei dem jeweiligen Bereich um Freiraum handelt. Es kann eine Unsicherheit in Bezug auf das verfügbare Wissen definiert werden als $${\mathrm{\Gamma }}^{\left(\text{i}\right)}={\text{R}}_{\text{xy}}{}^{\left(i\right)}+\mathrm{\kappa }\left(r_o\right)$$

  

  wobei κ(r_o) ein Unsicherheitsterm für die räumliche Auflösung des Radarsensors 111 ist (der z.B. experimentell für den Radarsensor 111 ermittelt werden kann). Die Evidenzmasse für Freiraum, die sich für einen Detektionspunkt i ergibt, kann errechnet werden, als $$m\left(F^{\left(i\right)}|x\text{,}y\right)\le 1-N\left(\left[\begin{array}{c}x\\ y\end{array}\right]\text{,}\left[\begin{array}{c}{x}^{\left(i\right)}\\ y^{\left(i\right)}\end{array}\right]\text{,}{\mathrm{\Gamma }}^{\left(i\right)}\right)\text{.}$$

  
• Der Radarsensor 111 kann an einem bestimmten Zeitpunkt n_d Detektionspunkte 250 erkannt haben. Es kann dann paarweise für alle möglichen Paare von Detektionspunkten 250 ermittelt werden, ob das jeweilige Paar aus Detektionspunkten 250 zu dem gleichen Objekt 150 gehört oder nicht.
• Zunächst kann basierend auf einer Distanzbedingung und basierend auf einer Geschwindigkeitsbedingung für jedes einzelne Paar überprüft werden, ob es aufgrund einer relativ geringen Distanz und/oder aufgrund einer relativ ähnlichen radialen Geschwindigkeit prinzipiell möglich ist, dass beide Detektionspunkte 250 zum gleichen Objekt 150 gehören. $$\begin{array}{l}{G}^{\left(i\text{,}j\right)}=\sqrt{{\left(x_i-x_j\right)}^2+{\left(y_i-y_j\right)}^2}<g_{pair\text{,}distance}\\ \wedge \left|{\dot{r}}^{\left(i\right)}-{\dot{r}}^{\left(j\right)}\right|<g_{pair\text{,Doppler}}\end{array}$$

  

  Dabei sind g_{pair,distance} und g_pair,Doppler Schwellenwerte für den maximal betrachteten Abstand bzw. für den maximal betrachteten Unterschied der Radialgeschwindigkeiten.
• Für die ein oder mehreren Paare von Detektionspunkten 250, die die o.g. Bedingungen erfüllen, kann dann eine genauerer Überprüfung dahingehend durchgeführt werden, ob die Detektionspunkte 250 eines jeweiligen Paars zu einem gemeinsamen Objekt 150 gehören oder nicht. So kann der Rechenaufwand reduziert werden.
• Für ein Paar von Detektionspunkten i, j kann ein Assoziationsmaß, insbesondere eine Assoziations-Wahrscheinlichkeit L_a(i,j), dafür ermittelt werden, dass beide Detektionspunkte i,j zu dem gleichen Objekt 150 gehören. Es sei darauf hingewiesen, dass die in diesem Dokument beschriebenen Aspekte für eine Assoziations-Wahrscheinlichkeit auch allgemein für ein Assoziationsmaß gelten.
• Die Assoziations-Wahrscheinlichkeit L_a(i,j) ist dabei von dem Abstand zwischen beiden Detektionspunkten i, j abhängig. Des Weiteren kann das Messrauschen ${\text{R}}_{xy}^{\left(i\right)}$

  

  berücksichtigt werden. Die Genauigkeit der ermittelten Assoziations-Wahrscheinlichkeit L_a(i,j) kann signifikant erhöht werden, wenn die Doppler Messungen für die einzelnen Detektionspunkte i, j berücksichtigt werden, insbesondere kompensiert um die Eigenbewegung des Fahrzeugs 100.
• Die Eigengeschwindigkeit des Radarsensors 111 aufgrund der Bewegung des Fahrzeugs 100 kann geschrieben werden als, $${\overrightarrow{v}}_{sensor}\left(t\right)=\left[\begin{array}{c}{v}_{ego}\left(t\right)\\ 0\end{array}\right]+{\omega }_{ego}\left(t\right)\cdot \left[\begin{array}{c}-y_{\text{sensorInEgo}}\\ x_{\text{sensorInEgo}}\end{array}\right]$$

  

  wobei v_ego(t) die Längsgeschwindigkeit des Fahrzeugs 100 ist, wobei ω_ego(t) die Gierrate des Fahrzeugs 100 ist, und wobei y_sensorInEgo, x_sensorInEgo und φ_sensorInEgo die Pose des Radarsensors 111 relativ zu dem Fahrzeug 100 beschreiben.
• Die absolute radiale Geschwindigkeit des Detektionspunktes i ergibt sich dann als $${\dot{\text{r}}}_A^{\left(i\right)}={\dot{\text{r}}}^{\left(i\right)}+\left[\begin{array}{cc}1& 0\end{array}\right]\cdot \left(R\left(-{\alpha }^{\left(i\right)}-{\phi }_{ego}\right)\cdot {\overrightarrow{v}}_{sensor}\right)$$

  

  wobei φ_ego(t) die Ausrichtung bzw. Orientierung des Fahrzeugs 100 innerhalb des Welt-Koordinatensystems ist.
• Der Geschwindigkeitsvektor des Detektionspunktes i in Welt-Koordinaten und kompensiert um die Geschwindigkeit des Fahrzeugs 100 kann dann geschrieben werden als $${\overrightarrow{v}}_A^{\left(i\right)}={\dot{\text{r}}}_A^{\left(i\right)}\cdot \left[\begin{array}{c}\text{cos}\left({\phi }_{ego}\left(t\right)+{\phi }_{sensorInEgo}+{\alpha }^{\left(i\right)}\right)\\ \text{sin}\left({\phi }_{ego}\left(t\right)+{\phi }_{sensorInEgo}+{\alpha }^{\left(i\right)}\right)\end{array}\right]\text{.}$$

  
• Für jeden Detektionspunkt k kann eine drei-dimensionale Messung definiert werden, die die Positions-Koordinaten und die radiale Geschwindigkeit umfasst, $$m_2\left(k\right)={\left[x^{\left(k\right)}\text{,}{y}^{\left(k\right)}\text{,}{\dot{r}}_A^{\left(k\right)}\right]}^{\text{T}}$$

  
• Die Assoziations-Wahrscheinlichkeit L_a(i,j) von zwei Detektionspunkten kann dann definiert werden, als $$\begin{array}{l}{L}_a\left(i\text{,}j\right)=L_e^{\left(i\right)}{L}_e^{\left(j\right)}\text{.}\\ \text{exp}{\left(-\frac{1}{2}{m}_3\left(i\right)-m_3\left(j\right)\right)}^{\text{T}}{\mathrm{\Gamma }}_{\text{D}}{}^{{\left(i\right)}^{-1}}\left(m_3\left(i\right)-m_3\left(j\right)\right)\text{,}\end{array}$$

  

  mit $${\mathrm{\Gamma }}_{\text{D}}{}^{\left(i\right)}=\left[\begin{array}{cc}{\mathrm{\Gamma }}_{\text{D}}{}^{\left(i\right)}& 0^{1\times 2}\\ 0^{1\times 2}& {\sigma }_{\dot{r}}^2+{\zeta }_{\text{D}}\end{array}\right]\text{.}$$

  

  Dabei ist ζ_D ein (relativ kleiner) Rauschterm, durch den berücksichtigt wird, dass die unterschiedlichen Dopplermessungen eines Objektes 150 einen bestimmten räumlichen Gradienten zueinander aufweisen.
• Basierend auf der Assoziations-Wahrscheinlichkeit L_a(i,j) von zwei Detektionspunkten i, j kann die Belegungsmasse von Punkten (d.h. von Zellen 201) zwischen den beiden Detektionspunkten i,j ermittelt werden, insbesondere als $$m\left(O^{\left(i\text{,}j\right)}|x\text{,}y\right)=L_a\left(i\text{,}j\right)\cdot {\phi }_{ij}\left(x\text{,}y\right)\text{.}$$

  

  Der Term φ_ij (x,y) beschreibt die Unsicherheit dafür, dass der Punkt $\left[\begin{array}{c}x\\ y\end{array}\right]$

  

  auf einer Verbindungsgeraden zwischen den beiden Detektionspunkten i,j liegt, und hängt typischerweise von dem Messrauschen $R_{xy}^{\left(i\right)}$

  

  der beiden Detektionspunkte i, j ab, z.B. von dem mittleren Messrauschen $${\text{R}}_{\text{xy}}{}^{\left(i\text{,}j\right)}=\frac{{\text{R}}_{\text{xy}}{}^{\left(i\right)}+{\text{R}}_{\text{xy}}{}^{\left(j\right)}}{2}\text{.}$$

  

  Der Unsicherheitsterm φ_ij(x,y) kann dann berechnet werden als $${\phi }_{ij}\left(x\text{,}y\right)={\displaystyle {\int }_0^{1}N}\left(\left[\begin{array}{c}x\\ y\end{array}\right]\text{,}\left[\begin{array}{c}{x}_P\left(u\right)\\ y_P\left(u\right)\end{array}\right]{\text{,R}}_{\text{xy}}{}^{\left(i\text{,}j\right)}\right)\text{du}$$

  

  mit der parametrisierten Verbindungsgeraden $$\begin{array}{l}{x}_P\left(u\right)=\left(x^{\left(i\right)}+\left(x^{\left(j\right)}-x^{\left(i\right)}\right)\cdot u\right)\\ y_P\left(u\right)=\left(y^{\left(i\right)}+\left(y^{\left(j\right)}-y^{\left(i\right)}\right)\cdot u\right)\end{array}$$

  
• Die Assoziations-Wahrscheinlichkeit L_a(a,b) von zwei Detektionspunkten a, b kann auch dazu verwendet werden, die Evidenz für Freiraum an einem Punkt $\left[\begin{array}{c}x\\ y\end{array}\right]$

  

  zu berechnen, der in einem Dreieck zwischen dem beiden Detektionspunkten a, b und der Position des Radarsensors 111 liegt. Insbesondere kann die Freiraum-Wahrscheinlichkeit ermittelt werden, die sich aus der räumlichen Auflösung des Radarsensors 111 ergibt, z.B. als $$\begin{array}{l}{L}_{fr}\left(i\text{,}j\right)=\\ \text{exp}\left(-\frac{1}{2}{\left(m_2\left(i\right)-m_2\left(j\right)\right)}^{\text{T}}{\kappa }^{-1}\left(m_2\left(i\right)-m_2\left(j\right)\right)\right)\text{,}\end{array}$$

  

  mit dem zwei-dimensionalen Messvektor $$m_2\left(k\right)={\left[x^{\left(k\right)}\text{,}{y}^{\left(k\right)}\right]}^{\text{T}}\text{.}$$

  

  Darüber hinaus wird die Freiraum-Evidenz dadurch beeinflusst (wie in 4 dargestellt), ob die Sichtlinie (d.h. die line of sight) 401 zwischen dem Radarsensor 111 und einem Punkt $\left[\begin{array}{c}x\\ y\end{array}\right]$

  

  450 die Verbindungslinie 253 zwischen ein oder mehreren anderen Paaren von Detektionspunkten 250 schneidet. Wenn dies der Fall ist, so reduziert das die Wahrscheinlichkeit für Freiraum, und zwar umso mehr, je höher die Assoziations-Wahrscheinlichkeit L_a(a,b) zwischen einem Paar a, b von Detektionspunkten 250 ist, dessen Verbindungslinie 253 geschnitten wird. Es ergibt sich dann ein Korrektur-Wahrscheinlichkeitswert $$L_{fo}\left(x\text{,}y\right)=\left({\displaystyle \prod _{\left\{\left(a\text{,}b\right)|\overrightarrow{\left(a\text{,}b\right)}\cap \overrightarrow{R_{xp}}\ne \varnothing \right\}}\left(1-L_a\left(a\text{,}b\right)\right)}\right)\text{.}$$

  

  Die Evidenzmasse für Freiraum kann dann berechnet werden als $$m\left(F|x\text{,}y\right)=L_{fr}\left(i\text{,}j\right)\cdot L_{fo}\left(x\text{,}y\right)\text{.}$$

  
• Es wird somit ein Verfahren zur Berechnung bzw. zur Ermittlung der räumlichen Belegtheit eines Raums anhand von Radardetektionen 250 beschrieben. Im Rahmen des Verfahrens erfolgt die Berechnung einer Evidenz m(O⁽ⁱ⁾|x,y) für Belegtheit in naher Entfernung zu den einzelnen Detektionen 250, unter Berücksichtigung von Messunsicherheit. Des Weiteren kann im Rahmen des Verfahrens die räumliche Auflösung des Radarsensors 111 und das inhärente „Peak Detectors“-Verhalten des Radarsensors 111 berücksichtigt werden, um ein Maß Γ⁽ⁱ⁾ für fehlendes Wissen zu ermitteln. Basierend darauf kann dann eine Evidenz m(F⁽ⁱ⁾|x,y) für Freiraum in einer bestimmten Entfernung zu den einzelnen Detektionen 250 ermittelt werden (unter der Annahme, dass sich bei Vorliegen einer relevanten Reflektivität eine Detektion in der Nähe des jeweiligen Punktes befinden müsste).
• Im Rahmen des Verfahrens kann ferner eine Berechnung der „Ähnlichkeit“ der unterschiedlichen Detektionen 250 (unter Verwendung eines paarweisen Ansatzes) erfolgen. Ausgehend von der räumlichen und kinetischen (Radialgeschwindigkeits-) Messung zweier Detektionen 250 kann ein Maß für die Ähnlichkeit unter Berücksichtigung von Messunsicherheit und ein oder mehreren Sensorparametern berechnet werden. Aus dem Maß für die Ähnlichkeit (bzw. aus dem Wert eines Abstandsmaßes) kann eine Assoziations-Wahrscheinlichkeit L_a(i,j) dafür abgeleitet werden, dass beide Detektionen i,j zum selben Objekt 150 gehören. Dabei kann jede Detektion 250 mit jeder anderen Detektion 250 im Umfeld verglichen werden.
• Auf Grundlage der Assoziations-Wahrscheinlichkeit L_a(i,j) kann die Evidenz m(O^(i,j)|x,y) für Belegtheit in dem Raum zwischen allen möglichen Detektionspaaren berechnet und für jede betroffene Zelle 201 in die Belegtheitskarte 200 eingetragen werden.
• Wenn sich zwei Detektionen 250 sehr nah beieinander befinden, kann davon ausgegangen werden, dass die Sichtverbindung 401 des Radarsensors 111 zu diesen beiden Detektionen 250 unverdeckt ist. Bei einer Verdeckung der Sichtverbindung 401 würden sonst Mittelwerte der Reflektivität räumlich auseinander divergieren, und Detektionen 250 würden weiter voneinander entfernt erzeugt werden. Für den Raum zwischen dem Radarsensor 111 und der Verbindungslinie 253 zweier relativ naher Detektionen 250 (also in einem Dreieck) kann eine Freiraum („Unbelegtheit“)-Evidenz m(F|x,y) berechnet und in die jeweiligen Zellen 201 eingetragen werden. Zu diesem Zweck kann zunächst aufgrund der Nähe der Detektionen 250 eine Wahrscheinlichkeit L_fr(i,j) dafür berechnet werden, dass beide Detektionen 250 unverdeckt sind. Dies kann auf der Grundlage von ein oder mehreren Parametern (insbesondere der räumlichen Auflösung) des Radarsensors 111 erfolgen.
• Des Weiteren können alle Detektionspaare ermittelt werden, die die Sichtverbindung 401 von der aktuell betrachteten Zelle 201, 450 zum Radarsensor 111 kreuzen. Die Assoziations-Wahrscheinlichkeiten L_a(i,j) für diese Detektionspaare widersprechen der Annahme, dass an der aktuellen Zelle 201, 450 von einer Freiraum-Evidenz ausgegangen werden kann. Die Freiraumevidenz L_fr(i,j) kann daher entsprechend um diese (kumulierten) Assoziations-Wahrscheinlichkeiten L_ƒo(i,j) reduziert werden.
• Es können somit in präziser Weise Belegungs-Evidenzen m(O|x,y) und/oder Freiraum-Evidenzen m(F|x,y) auf Basis der einzelnen Detektionspunkte 250 von ein oder mehreren Radarsensoren 111 ermittelt werden (für die Vielzahl von Zellen 201 eines Belegungsrasters 200). Diese Radar-basierten Evidenzen können ggf. mit Evidenzen fusioniert werden, die auf Basis der Sensordaten von ein oder mehreren anderen Umfeldsensoren des Fahrzeugs 100 ermittelt werden.
• Auf Basis der Belegungs- und/oder Freiraum-Evidenzen für die Vielzahl von Zellen 201 können dann ein oder mehrere Objekte 150 im Umfeld eines Fahrzeugs 100 detektiert werden, z.B. unter Verwendung eines Cluster-Algorithmus. Des Weiteren können ein oder mehreren Fahrfunktionen 102 des Fahrzeugs 100, z.B. zur automatisierten Längs- und/oder Querführung des Fahrzeugs 100, auf Basis der ein oder mehreren detektieren Objekte 150 betrieben werden. So können besonders zuverlässige und präzise Fahrzeugfunktionen bereitgestellt werden.
• 5 zeigt ein Ablaufdiagramm eines beispielhaften (ggf. Computerimplementierten) Verfahrens 500 zur Ermittlung der Belegung zumindest einer Zelle 201 eines Belegungsrasters 200 für das Umfeld eines Radarsensors 111. Der Radarsensor 111 kann z.B. in einem Fahrzeug 100 verbaut sein. Auf Basis des Belegungsrasters 200 kann ein Umfeldmodell für das Fahrzeug 100 generiert werden. Das Fahrzeug 100 kann dann in Abhängigkeit von dem Belegungsraster 200, insbesondere in Abhängigkeit von dem Umfeldmodell, zumindest teilweise automatisiert längs- und/oder quergeführt werden.
• Das Verfahren 500 umfasst das Ermitteln 501 von Geschwindigkeitsinformation in Bezug auf die Radialgeschwindigkeit ṙ⁽ⁱ⁾ bzw. ṙ^(j) von zumindest zwei Detektionspunkten i, j 250 des Radarsensors 111 relativ zu dem Radarsensor 111. Die Radialgeschwindigkeit ṙ⁽ⁱ⁾ eines Detektionspunktes i 250 kann durch den Radarsensor 111 auf Basis des Dopplereffekts, insbesondere auf Basis der Frequenzverschiebung des an dem Detektionspunkt 250 reflektierten Radarsignals, ermittelt werden. Es können somit auf Basis der Sensordaten des Radarsensors 111 die Radialgeschwindigkeiten ṙ⁽ⁱ⁾, ṙ^(j) von einem Paar von Detektionspunkten i, j 250 ermittelt werden. Die Radialgeschwindigkeit ṙ⁽ⁱ⁾ eines Detektionspunktes i 250 kann dabei die Geschwindigkeitskomponente der Geschwindigkeit des Detektionspunktes 250 sein, die entlang der Verbindungsgeraden zwischen dem Radarsensor 111 und dem Detektionspunkt 250 verläuft.
• Das Verfahren 500 umfasst ferner das Ermitteln 502, auf Basis der Geschwindigkeitsinformation der zwei Detektionspunkte i, j 250, der Assoziations-Wahrscheinlichkeit L_a(i,j) dafür, dass die zwei Detektionspunkte i, j 250 zu einem gemeinsamen Objekt 150 gehören. Die Assoziations-Wahrscheinlichkeit L_a(i,j) kann mit der in diesem Dokument beschriebenen Formel ermittelt werden.
• Des Weiteren umfasst das Verfahren 500 das Ermitteln 503, in Abhängigkeit von der Assoziations-Wahrscheinlichkeit L_a(i,j), von Belegungsinformation für eine erste Zelle 201. Insbesondere kann die Evidenz bzw. die Evidenzmasse m(O|x,y) (gemäß Dempster-Shafer) für die Belegung einer zwischen den zwei Detektionspunkten i,j 250 liegenden ersten Zelle 201 (an der Position (x, y)) durch ein Objekt 150 ermittelt werden. Insbesondere kann auf Basis der Assoziations-Wahrscheinlichkeit L_a(i,j) für ein Paar von Detektionspunkten i, j 250 eine Teil-Evidenz m(O^(i,j)|x,y) für die Belegung der ersten Zelle 201 ermittelt werden. Die Teil-Evidenzen m(O^(i,j)|x,y) für mehrere Paare von Detektionspunkten 250, insbesondere für alle möglichen Paare von Detektionspunkten 250, können dann miteinander kombiniert werden (mittels der Kombinations-Regel gemäß Dempster), um die Evidenz bzw. der Evidenzmasse m(O|x,y) zu ermitteln.
• In entsprechender Weise können die Evidenzen bzw. die Evidenzmassen m(O|x,y) für eine Vielzahl von unterschiedlichen Zellen 201 des Belegungsrasters 200 ermittelt werden.
• Die Detektionspunkte 250 des Radarsensors 111 können an einer Sequenz von Zeitpunkten (mit einer bestimmten Abtastrate) aktualisiert werden. Das Belegungsraster 200 kann dann auf Basis der jeweils aktualisierten Detektionspunkte 250 aktualisiert werden.
• Aufgrund des Vergleichs von Detektionen 250 in einem Raum, der auch die kinematische Messung für die einzelnen Detektionen 250 als eigene Dimension berücksichtigt, kann mit erhöhter Sicherheit eine Zusammengehörigkeit von einzelnen Detektionen 250 bestimmt werden. Dabei kann ausgenutzt werden, dass ein Radarsensor 111 die Radialgeschwindigkeit einer Detektion 250 typischerweise sehr präzise bestimmen kann (während die Winkelmessung und somit die Position einer Detektion 250 meist einer relativ großen Unsicherheit unterliegen).
• Ausgehend von präzise bestimmbaren Detektionszusammengehörigkeits- bzw. Assoziations-Wahrscheinlichkeiten können Belegungs-Evidenzen und/oder Freiraum-Evidenzen des Raums zwischen zwei Detektionen 250 entsprechend der Zusammengehörigkeits-Wahrscheinlichkeit der beiden Detektionen 250 kontinuierlich und hochauflösend berechnet werden. Dabei können die Freiraum-Evidenzen insbesondere aufgrund des Messprinzips des Radarsensors 111 abgeleitet werden.
• Das in diesem Dokument beschriebene Verfahren greift dabei auf Messgrößen zurück, die typischerweise von einem in einem Fahrzeug 100 verfügbaren Radarsensor 111 bereitgestellt werden können. Damit ist das Verfahren generisch für eine Vielzahl von unterschiedlichen Radartypen (Weitreichweitenradarsensoren, Kurzreichweitenradarsensoren, etc.) anwendbar.
• Das beschriebene Verfahren ermöglicht eine präzise Umfeldmodellierung auf Basis von Radarsensoren 111, die bereits heute in vielen Fahrzeugtypen verbaut werden. Es können somit in weitreichender Weise die Zuverlässigkeit und Verfügbarkeit von Fahrerassistenzsystemen und/oder von Fahrfunktionen zum automatisierten Fahren erhöht werden. Bei der Verfügbarkeit eines Lidarsensors können die Belegtheits- und/oder Freiraum-Evidenzen, die auf Basis von Radardetektionen 250 ermittelt werden, als eine redundante Quelle für Belegtheit und Freiraum genutzt werden.
• Die vorliegende Erfindung ist nicht auf die gezeigten Ausführungsbeispiele beschränkt. Insbesondere ist zu beachten, dass die Beschreibung und die Figuren nur beispielhaft das Prinzip der vorgeschlagenen Verfahren, Vorrichtungen und Systeme veranschaulichen sollen.
• 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 Nicht-Patentliteratur
• A.P. Dempster, „A Generalization of Baysian Interference.“ Journal of the Royal Statistical Society: Series B (Methodological), vol. 30, no. 2, pp. 205-232, 1968 [0074]

Claims (21)

1. Vorrichtung (101) zur Ermittlung von Belegungsinformation für zumindest einen Umfeldpunkt (201) in einem Umfeld eines Radarsensors (111); wobei die Vorrichtung (101) eingerichtet ist, - für zumindest zwei Detektionspunkte (250) des Radarsensors (111) Geschwindigkeitsinformation in Bezug auf eine Radialgeschwindigkeit der Detektionspunkte (250) relativ zu dem Radarsensor (111) zu ermitteln; - auf Basis der Geschwindigkeitsinformation der zwei Detektionspunkte (250) ein Assoziationsmaß dafür zu ermitteln, dass die zwei Detektionspunkte (250) zu einem gemeinsamen Objekt (150) gehören; und - in Abhängigkeit von dem Assoziationsmaß Belegungsinformation in Bezug auf die Belegung oder Nicht-Belegung eines zwischen den zwei Detektionspunkten (250) liegenden ersten Umfeldpunktes (201) durch ein Objekt (150) zu ermitteln.
2. Vorrichtung (101) gemäß Anspruch 1, wobei die Vorrichtung (101) eingerichtet ist, - für eine Mehrzahl von unterschiedlichen Paaren von Detektionspunkten (250) jeweils paarweise ein Assoziationsmaß und eine Teil-Evidenz für die Belegung des ersten Umfeldpunktes (201) zu ermitteln, und - die Teil-Evidenzen für die Belegung des ersten Umfeldpunktes (201) für die Mehrzahl von unterschiedlichen Paaren von Detektionspunkte (250) zu kombinieren, um die Belegungsinformation, insbesondere um eine Evidenz für die Belegung, des ersten Umfeldpunktes (250) durch ein Objekt (150) zu ermitteln.
3. Vorrichtung (101) gemäß einen der vorhergehenden Ansprüche, wobei die Vorrichtung (101) eingerichtet ist, - eine erste Radialgeschwindigkeit eines ersten Detektionspunktes (250) zu ermitteln; - eine zweite Radialgeschwindigkeit eines zweiten Detektionspunktes (250) zu ermitteln; - auf Basis der ersten und der zweiten Radialgeschwindigkeit einen Wert eines Abstandsmaßes für das Paar aus dem ersten und dem zweiten Detektionspunkt (250) zu ermitteln; und - auf Basis des Wertes des Abstandsmaßes das Assoziationsmaß dafür zu ermitteln, dass das Paar aus dem ersten und dem zweite Detektionspunkt (250) zu einem gemeinsamen Objekt (150) gehören.
4. Vorrichtung (101) gemäß Anspruch 3, wobei die Vorrichtung (101) eingerichtet ist, - eine erste Position des ersten Detektionspunktes (250) zu ermitteln; - eine zweite Position des zweiten Detektionspunktes (250) zu ermitteln; - den Wert des Abstandsmaßes für das Paar aus dem ersten und dem zweiten Detektionspunkt (250) auch auf Basis der ersten und der zweiten Position zu ermitteln.
5. Vorrichtung (101) gemäß einem der Ansprüche 3 bis 4, wobei die Vorrichtung (101) eingerichtet ist, - Ungenauigkeitsinformation in Bezug auf die Messungenauigkeit, insbesondere in Bezug auf die Standardabweichung oder die Varianz, der ersten und/oder der zweiten Radialgeschwindigkeit zu ermitteln; und - den Wert des Abstandsmaßes für das Paar aus dem ersten und dem zweiten Detektionspunkt (250) auch in Abhängigkeit von der Ungenauigkeitsinformation zu ermitteln.
6. Vorrichtung (101) gemäß einen der vorhergehenden Ansprüche, wobei die Vorrichtung (101) eingerichtet ist, - basierend auf einer ersten Detektions-Amplitude eines ersten Detektionspunktes (250) eine Objekt-Wahrscheinlichkeit dafür zu ermitteln, dass der erste Detektionspunkt (250) von einem Objekt (150) bewirkt wurde; - basierend auf einer zweiten Detektions-Amplitude eines zweiten Detektionspunktes (250) eine Objekt-Wahrscheinlichkeit dafür zu ermitteln, dass der zweite Detektionspunkt (250) von einem Objekt (150) bewirkt wurde; und - auf Basis der Objekt-Wahrscheinlichkeiten für den ersten und den zweiten Detektionspunkt (250) das Assoziationsmaß dafür zu ermitteln, dass das Paar aus dem ersten und dem zweiten Detektionspunkt (250) zu einem gemeinsamen Objekt (150) gehören.
7. Vorrichtung (101) gemäß einen der vorhergehenden Ansprüche, wobei die Vorrichtung (101) eingerichtet ist, - einen Messwert des Radarsensors (111) in Bezug auf die Radialgeschwindigkeit eines ersten Detektionspunktes (250) zu ermitteln; - eine Bewegungsgeschwindigkeit und eine Pose des Radarsensors (111) zu ermitteln; und - auf Basis der Bewegungsgeschwindigkeit und der Pose des Radarsensors (111) den Messwert des Radarsensors (111) umzurechnen, um eine umgerechnete Radialgeschwindigkeit des ersten Detektionspunktes (250) als Geschwindigkeitsinformation für den ersten Detektionspunkt (250) zu ermitteln.
8. Vorrichtung (101) gemäß einen der vorhergehenden Ansprüche, wobei die Vorrichtung (101) eingerichtet ist, - Ungenauigkeitsinformation in Bezug auf die Messungenauigkeit, insbesondere in Bezug auf die Standardabweichung oder die Varianz, von gemessenen Positionen der zwei Detektionspunkte (250) zu ermitteln, und - die Belegungsinformation, insbesondere eine Evidenz für die Belegung des zwischen den zwei Detektionspunkten (250) liegenden ersten Umfeldpunktes (201) durch ein Objekt (150), in Abhängigkeit von der Ungenauigkeitsinformation zu ermitteln.
9. Vorrichtung (101) gemäß Anspruch 8, wobei die Vorrichtung (101) eingerichtet ist, - in Abhängigkeit von der Ungenauigkeitsinformation eine Positions-Unsicherheit dafür zu ermitteln, dass sich der erste Umfeldpunkt (201) auf einer Linie, insbesondere auf einer Geraden, zwischen den zwei Detektionspunkten (250) befindet; und - die Belegungsinformation, insbesondere eine Evidenz für die Belegung des zwischen den zwei Detektionspunkten (250) liegenden ersten Umfeldpunktes (201) durch ein Objekt (150), in Abhängigkeit von der ermittelten Positions-Unsicherheit zu ermitteln.
10. Vorrichtung (101) gemäß Anspruch 9, wobei - das Assoziationsmaß eine Assoziations-Wahrscheinlichkeit umfasst, insbesondere ist; und - die Vorrichtung (101) eingerichtet ist, die Assoziations-Wahrscheinlichkeit mit der Positions-Unsicherheit zu multiplizieren, um die Belegungsinformation, insbesondere die Evidenz für die Belegung des zwischen den zwei Detektionspunkten (250) liegenden ersten Umfeldpunktes (201) durch ein Objekt (150), zu ermitteln.
11. Vorrichtung (101) gemäß einen der vorhergehenden Ansprüche, wobei die Vorrichtung (101) eingerichtet ist, auf Basis des Assoziationsmaßes der zwei Detektionspunkte (250) eine Evidenz für Freiraum eines zweiten Umfeldpunktes (201) des Belegungsrasters (200) zu ermitteln.
12. Vorrichtung (101) gemäß Anspruch 11, wobei die Vorrichtung (101) eingerichtet ist, - zu ermitteln, dass eine Sichtlinie (401) zwischen dem Radarsensor (111) und dem zweiten Umfeldpunkt (201) eine Verbindungslinie (253), insbesondere eine Verbindungsgerade, zwischen den zwei Detektionspunkten (250) kreuzt; und - in Reaktion darauf die Evidenz für Freiraum des zweiten Umfeldpunktes (201) auf Basis des Assoziationsmaßes der zwei Detektionspunkte (250) zu ermitteln.
13. Vorrichtung (101) gemäß einem der Ansprüche 11 bis 12, wobei die Vorrichtung (101) eingerichtet ist, - ein Paar von Detektionspunkten (250) des Radarsensors (111) zu ermitteln, das zusammen mit dem Radarsensor (111) ein Dreieck bildet, in dem der zweite Umfeldpunkt (201) angeordnet ist; - die Evidenz für Freiraum des zweiten Umfeldpunktes (201) auf Basis einer räumlichen Auflösung von Detektionspunkten (205) des Radarsensors (250) und/oder auf Basis eines Abstands des Paars von Detektionspunkten (250) zueinander zu ermitteln.
14. Vorrichtung (101) gemäß Anspruch 13, wobei die Vorrichtung (101) eingerichtet ist, - auf Basis der räumlichen Auflösung von Detektionspunkten (205) des Radarsensors (250) und/oder auf Basis des Abstands des Paars von Detektionspunkten (250) zueinander eine Freiraum-Wahrscheinlichkeit dafür zu ermitteln, dass sich zwischen den Detektionspunkten (250) des Paars von Detektionspunkten (250) Freiraum befindet; und - die Evidenz für Freiraum des zweiten Umfeldpunktes (201) auf Basis der Freiraum-Wahrscheinlichkeit zu ermitteln.
15. Vorrichtung (101) gemäß Anspruch 14 mit Rückbezug auf Anspruch 12, wobei die Vorrichtung (101) eingerichtet ist, die Freiraum-Wahrscheinlichkeit in Abhängigkeit von dem Assoziationsmaß der zwei Detektionspunkte (250) zu reduzieren, um die Evidenz für Freiraum des zweiten Umfeldpunktes (201) zu ermitteln.
16. Vorrichtung (101) gemäß einem der Ansprüche 14 bis 15, wobei die Vorrichtung (101) eingerichtet ist, - eine Menge von Paaren von Detektionspunkten (250) zu ermitteln, die jeweils zusammen mit dem Radarsensor (111) ein Dreieck bildet, in dem der zweite Umfeldpunkt (201) angeordnet ist; - für jedes Paar aus der Menge von Paaren von Detektionspunkten (250) jeweils die Freiraum-Wahrscheinlichkeit zu ermitteln; und - die Evidenz für Freiraum des zweiten Umfeldpunktes (201) auf Basis der Freiraum-Wahrscheinlichkeiten für die Menge von Paaren von Detektionspunkten (250) zu ermitteln.
17. Vorrichtung (101) gemäß einem der vorhergehenden Ansprüche, wobei - der Radarsensor (111) Teil eines Kraftfahrzeugs (100) ist; und - die Vorrichtung (101) eingerichtet ist, ein Fahrerassistenzsystem und/oder eine Fahrfunktion zum automatisierten Fahren des Fahrzeugs (100) in Abhängigkeit von der ermittelten Belegungsinformation, insbesondere in Abhängigkeit von einer Evidenz für die Belegung des ersten Umfeldpunktes (201) und/oder in Abhängigkeit von einer Evidenz für Freiraum des ersten Umfeldpunktes (201), zu betreiben.
18. Vorrichtung (101) gemäß einem der vorhergehenden Ansprüche, wobei der erste Umfeldpunkt (201) eine Zelle (201) oder Teil einer Zelle (201) eines Belegungsrasters (200) für das Umfeld des Radarsensors (111) ist.
19. Vorrichtung (101) zur Ermittlung von Belegungsinformation für zumindest einen Umfeldpunkt (201) in einem Umfeld eines Radarsensors (111); wobei die Vorrichtung (101) eingerichtet ist, - ein Paar von Detektionspunkten (250) des Radarsensors (111) zu ermitteln, das zusammen mit dem Radarsensor (111) ein Dreieck bildet, in dem ein bestimmter Umfeldpunkt (201) angeordnet ist; und - auf Basis einer räumlichen Auflösung von Detektionspunkten (205) des Radarsensors (250) und/oder auf Basis eines Abstands des Paars von Detektionspunkten (250) zueinander Belegungsinformation in Bezug auf die Belegung oder Nicht-Belegung des bestimmten Umfeldpunktes (201) durch ein Objekt (150) zu ermitteln.
20. Verfahren (500) zur Ermittlung von Belegungsinformation für zumindest eines Umfeldpunkt (201) in einem Umfeld eines Radarsensors (111); wobei das Verfahren (500) umfasst, - Ermitteln (501) von Geschwindigkeitsinformation in Bezug auf eine Radialgeschwindigkeit von zumindest zwei Detektionspunkten (250) des Radarsensors (111) relativ zu dem Radarsensor (111); - Ermitteln (502), auf Basis der Geschwindigkeitsinformation der zwei Detektionspunkte (250), eines Assoziationsmaßes dafür, dass die zwei Detektionspunkte (250) zu einem gemeinsamen Objekt (150) gehören; und - Ermitteln (503), in Abhängigkeit von dem Assoziationsmaß, von Belegungsinformation in Bezug auf die Belegung oder Nicht-Belegung eines zwischen den zwei Detektionspunkten (250) liegenden ersten Umfeldpunktes (201) durch ein Objekt (150).
21. Verfahren zur Ermittlung von Belegungsinformation für zumindest einen Umfeldpunkt (201) in einem Umfeld eines Radarsensors (111); wobei das Verfahren umfasst, - Ermitteln eines Paares von Detektionspunkten (250) des Radarsensors (111), das zusammen mit dem Radarsensor (111) ein Dreieck bildet, in dem ein bestimmter Umfeldpunkt (201) angeordnet ist; und - Ermitteln, auf Basis einer räumlichen Auflösung von Detektionspunkten (205) des Radarsensors (250) und/oder auf Basis eines Abstands des Paars von Detektionspunkten (250) zueinander, von Belegungsinformation in Bezug auf die Belegung oder Nicht-Belegung des bestimmten Umfeldpunktes (201) durch ein Objekt (150).

Images