DE102020201280A1

DE102020201280A1 - Mittel zur Ermittlung von Positionen und Validierung von Verkehrszeichen entlang eines Straßenabschnittes

Info

Publication number: DE102020201280A1
Application number: DE102020201280.6A
Authority: DE
Inventors: Dominik Senninger
Original assignee: Continental Automotive GmbH
Current assignee: Continental Automotive GmbH
Priority date: 2020-02-03
Filing date: 2020-02-03
Publication date: 2021-08-05
Also published as: WO2021155985A1

Abstract

Die Erfindung betrifft ein Verfahren zur Ermittlung von Positionen und Validierung von Verkehrszeichen (2) entlang eines Straßenabschnittes (1) mit den Schritten:- Bereitstellen von einer Vielzahl von Messdaten entlang des Straßenabschnittes (1) auf einer Auswerteeinheit von ein oder mehreren Fahrzeugen, wobei die Messdaten mittels Umfeldsensorik der ein oder mehreren Fahrzeuge aufgenommen wurden, wobei die Messdaten eines Fahrzeugs jeweils einen Verkehrsdatensatz umfassen, welcher die Art der detektierten Verkehrszeichen (2) und die GPS-Informationen entlang des Straßenabschnittes (1) sowie die Position des jeweiligen detektierten Verkehrszeichens (2) in Bezug auf das jeweilige Fahrzeugkoordinatensystem umfasst,- Clustern der ein oder mehreren detektierten Verkehrszeichen (2) entlang des Straßenabschnittes (1) in Cluster, welche jeweils das gleiche Verkehrszeichen (2) umfassen,- Bestimmen einer Existenzwahrscheinlichkeit für jedes Verkehrszeichen (2), wobei die Existenzwahrscheinlichkeit die Wahrscheinlichkeit des tatsächlichen Vorhandenseins eines detektierten Verkehrszeichens (2) angibt, wobei die Existenzwahrscheinlichkeit inkrementell für jedes Verkehrszeichen (2) ermittelt wird, indem die Existenzwahrscheinlichkeit nach jeder positiven Erkennung des Verkehrszeichens (2) in einem neu hinzugefügten Messdatensatz und nach jeder negativen Erkennung des Verkehrszeichens (2) in einem neu hinzugefügten Messdatensatz unter Berücksichtigung der vorherigen Existenzwahrscheinlichkeit neu ermittelt wird.Ferner betrifft die Erfindung ein Computerprogramm und eine Auswerteeinheit.

Description

Die Erfindung betrifft ein Verfahren zur Ermittlung von Positionen und Validierung von Verkehrszeichen entlang eines Straßenabschnittes. Ferner betrifft die Erfindung ein Computerprogramm und eine Auswerteeinheit.
Verkehrszeichen sind wichtig für eine Steuerung, insbesondere eine autonome Steuerung und können heutzutage von Sensoren detektiert werden. Ferner sind Verkehrszeichen häufig in digitalen Karten vermerkt. Wenn die Sensoren keine Verkehrszeichen erkennen können, beispielsweise wegen schlechter Wetterbedingungen oder Behinderungen auf der Straße, sind die Fahrzeuge in der Regel auf fahrzeugeigene digitale Karten angewiesen. Allerdings sind die digitalen Fahrzeugkarten oft nicht aktuell, da die Aktualisierungszyklen der Kartenanbieter oft lang sind. So kann es Monate dauern, bis sich eine neue Geschwindigkeitsbegrenzung auf einer Straße in der digitalen Fahrzeugkarte widerspiegelt.
Gerade bei Baustellen oder Verkehrsführungsänderungen werden jedoch zudem kurzfristig Verkehrszeichen angebracht (und auch wieder abmontiert), die in keiner digitalen Karte verzeichnet sind.
Herkömmliche Lokalisierungstechniken, die meist auf GPS-Technologie basieren, sind jedoch nicht in der Lage, in allen Situationen eine zuverlässige Positionsgenauigkeit des Verkehrszeichens zu liefern. Ferner bestehen Zweifel, ob ein Verkehrszeichen wirklich erkannt wurde.
Die DE 10 2016 216 154 A1 offenbart ein Verfahren zur Ermittlung von Positionen von Verkehrszeichen in einem Straßennetz, wobei das Verfahren umfasst, - Ermitteln eines Pfades durch einen Teilbereich des Straßennetzes; - Ermitteln von Messdaten einer Vielzahl von Fahrten von ein oder mehreren Fahrzeugen entlang des Pfades ; wobei die Messdaten mittels Umfeldsensorik der ein oder mehreren Fahrzeuge erfasst wurden; wobei die Messdaten einer Fahrt ein oder mehrere Verkehrszeichen-Datensätze für entsprechende ein oder mehrere detektierte Verkehrszeichen umfassen, die bei der Fahrt entlang des Pfades detektiert wurden; wobei ein Verkehrszeichen-Datensatz für ein detektiertes Verkehrszeichen Positionsdaten bezüglich einer Position des detektierten Verkehrszeichens umfasst; und Ermitteln, auf Basis der Messdaten, einer Anzahl von Clustern zur Gruppierung der Verkehrszeichen-Datensätze und Positionen der Cluster entlang des Pfades , so dass ein Optimierungskriterium verbessert wird; wobei ein Cluster zumindest ein Verkehrszeichen anzeigt; wobei die Position eines Clusters die Position zumindest eines Verkehrszeichens anzeigt; und wobei das Optimierungskriterium von einer Wahrscheinlichkeit dafür abhängt, dass ein Verkehrszeichen bei einer Fahrt entlang des Pfades von der Umfeldsensorik der ein oder mehreren Fahrzeuge detektiert wird.
Es ist daher eine Aufgabe der Erfindung, Mittel anzugeben, welche eine schnelle und sichere Erkennung von Verkehrszeichen und deren Position bewerkstelligen.
Die Aufgabe wird gelöst durch ein Verfahren mit den Merkmalen des Anspruchs 1, ein Computerprogramm mit den Merkmalen des Anspruchs 12 und eine Auswerteeinheit mit den Merkmalen des Anspruchs 13.
Die Aufgabe wird gelöst durch ein Verfahren zur Ermittlung von Positionen und Validierung von Verkehrszeichen entlang eines Straßenabschnittes umfassend der Schritte:

- Bereitstellen von einer Vielzahl von Messdaten entlang des Straßenabschnittes auf einer Auswerteeinheit von ein oder mehreren Fahrzeugen, wobei die Messdaten mittels Umfeldsensorik der ein oder mehreren Fahrzeuge aufgenommen wurden, wobei die Messdaten eines Fahrzeugs jeweils einen Verkehrsdatensatz umfassen, welcher die Art der detektierten Verkehrszeichen und die GPS-Informationen entlang des Straßenabschnittes sowie die Position des jeweiligen detektierten Verkehrszeichens in Bezug auf das jeweilige Fahrzeugkoordinatensystem umfasst,
- Clustern der ein oder mehreren detektierten Verkehrszeichen entlang des Straßenabschnittes in Cluster, welche jeweils das gleiche Verkehrszeichen umfassen,
- Bestimmen einer Existenzwahrscheinlichkeit für jedes Verkehrszeichen, wobei die Existenzwahrscheinlichkeit die Wahrscheinlichkeit des tatsächlichen Vorhandenseins eines detektierten Verkehrszeichens angibt, wobei die Existenzwahrscheinlichkeit inkrementell für jedes Verkehrszeichen ermittelt wird, indem die Existenzwahrscheinlichkeit nach jeder positiven Erkennung des Verkehrszeichens in einem neu hinzugefügten Messdatensatz und nach jeder negativen Erkennung des Verkehrszeichens in einem neu hinzugefügten Messdatensatz unter Berücksichtigung der vorherigen Existenzwahrscheinlichkeit neu ermittelt wird.

Mit Messdaten sind vor allem von einer Sensorik aufgenommene Umfelddaten umfasst. Die Sensorik umfasst vorzugsweise Bildsensoren kann aber auch Radarsensoren und/oder Lidarsensoren und/oder Ultraschallsensoren umfassen, welche zur Aufnahme des Umfeldes eines Fahrzeugs geeignet sind.
Beispiele für Verkehrszeichen sind beispielsweise Straßenschilder wie Stoppschild oder Geschwindigkeitsbegrenzungszeichen, aber auch Ampeln und Gehwegmarkierungen, Speed Bumbs. Dabei ist vorzugsweise ein Verkehrszeichen-Erkennungssystem in den einzelnen Fahrzeugen beispielsweise als Teil eines Fahrerassistenzsystems vorgesehen.
Verkehrszeichen sind ein wichtiger Teil der Straßeninfrastruktur, um über den aktuellen Straßenzustand, Einschränkungen, Verbote, Warnungen und andere hilfreiche Informationen für die Navigation zu informieren. Diese Informationen sind in den visuellen Merkmalen der Verkehrszeichen kodiert: Form, Farbe und Piktogramm.
Unter Clustern kann die Anwendung eines Clusterverfahrens auf die Messdaten verstanden werden.
Durch das erfindungsgemäße Verfahren kann eine Erkennung bzw. ein Vorhandensein von Verkehrszeichen durch Kameras/Sensoren schrittweise valdiert werden und ihre tatsächliche Position berechnet werden, in dem das Rauschen aufgrund von Ungenauigkeiten von GPS-Positionen, sowie falsch positive und falsch negative Erkennungen von Verkehrszeichen entfernt werden.
Dies wird durch die inkrementelle Berechnung von Existenzwahrscheinlichkeiten der Verkehrszeichen erreicht.
Das Verfahren kann für Betreiber autonomer Fahrzeuge, Automobilhersteller oder Kartenanbieter verwendet werden, um häufigere Kartenaktualisierungen bereitzustellen, die beispielsweise das vernetzte Fahren einfacher und sicherer machen.
Die Messdaten können als Crowdsourcing-Daten bereitgestellt werden, das heißt ein Crowdsourcing-Server empfängt die Sensordaten von einer Vielzahl von Fahrzeugen. Dabei sind die Fahrzeuge beispielsweise gewöhnliche Verkehrsteilnehmer.
Vorzugsweise wird die Position eines erkannten Verkehrszeichens als Positionsversatz relativ zu einer Referenzposition angegeben, wobei die Referenzposition die Position des Fahrzeugs zu einem bestimmten Zeitpunkt ist.
Weiterhin vorzugsweise weist die Existenzwahrscheinlichkeit zu Beginn der Bestimmung einen Wert von 40-60%, insbesondere 50 % auf. Dies bedeutet, dass die Existenz und Nicht-Existenz des Verkehrszeichens zu Beginn der Berechnung als gleichermaßen wahrscheinlich angenommen wird.
In weiterer bevorzugter Ausgestaltung werden die Messdaten räumlich-zeitlich aufgenommen. Die räumliche Komponente wird durch die Angabe beispielsweise einer Bounding-Box definiert, die das geographische Gebiet abgrenzt, in dem die Messdaten aufgenommen werden. Die zeitliche Komponente wird durch eine Dauer dargestellt, die ein Zeitfenster angibt, in dem die Messdaten aufgenommen werden. Dieses Zeitfenster kann verschoben werden, um neue Messdaten zu berücksichtigen. Zeitfenster können beispielsweise tägliche Aufnahmen sein, oder wöchentliche etc.
Vorzugsweise werden die Cluster in Abhängigkeit von einer Mehrfach- Detektion eines Verkehrszeichens des gleichen Typs verfeinert. Durch diese Verfeinerung vorhandener Cluster wird die Trennung von Clustern bewirkt, die physikalisch mehrere sehr nah aneinandergrenzende Verkehrszeichen enthalten könnten. Solche Verkehrszeichen sind häufig die Wiederholung desselben Zeichens auf beiden Seiten der Straße, welche häufig in die gleiche Richtung orientiert sind. Daher ist die Wahrscheinlichkeit hoch, dass die Kamera des Fahrzeugs beim Passieren dieser Verkehrszeichen nicht nur eine, sondern gleich zwei Erkennungen in kurzer Zeit meldet.
Weiterhin vorzugsweise erfolgt das Clustern unter Verwendung des Mean-Shift-Algorithmus, da dieser keine Vorkenntnisse über die Anzahl der Cluster erfordert und die Form der Cluster nicht einschränkt.
Vorzugsweise verringert sich bei einer negativen Erkennung des Verkehrszeichens die Existenzwahrscheinlichkeit. Weiterhin vorzugsweise wird bei einer positiven Erkennung die Existenzwahrscheinlichkeit erhöht. Zunächst werden alle Ereignisse (positive Erkennungen oder negative Erkennungen) für das Verkehrszeichen in aufsteigender Reihenfolge sortiert. Die Existenzwahrscheinlichkeit nach dem letzten Erkennen (oder Nicht-Erkennen) stellt die aktuelle Existenzwahrscheinlichkeit des Verkehrszeichens dar.
Vorzugsweise wird bei der Ermittlung der Existenzwahrscheinlichkeit eine Alterung des Erkennens des Verkehrszeichens miteinbezogen. Ein Verkehrszeichen kann während des für die Bestimmung der Existenzwahrscheinlichkeit verwendeten Zeitrahmens entfernt oder hinzugefügt werden. Deshalb wird vorzugsweise eine Alterung zur Bestimmung der Existenzwahrscheinlichkeit verwendet.
Vorzugsweise wird aus Alterungsgründen eine künstliche neutrale Erkennung nach dem letzten positiven oder negativen Erkennen zur Berechnung der aktuellen Existenzwahrscheinlichkeit hinzugefügt. Die Alterung wird vorzugsweise nur dann in die Berechnung der Existenzwahrscheinlichkeit einbezogen, wenn der Zeitraum zwischen dem letzten positiven/negativen Erkennen und dem Detektionszeitstempel relativ hoch ist. Dabei ist der Detektionszeitstempel derjenige Zeitstempel zum Zeitpunkt der Erkennung oder Nicht-Erkennung des Verkehrszeichens (Detektion).
In weiterer bevorzugter Ausgestaltung wird die Ermittlung der Existenzwahrscheinlichkeit unter Verwendung der Bayesian Inferenz bewerkstelligt. Die Existenzwahrscheinlichkeit kann somit inkrementell für jedes potentielle Verkehrszeichen durch die Bayesian Inferenz berechnet werden.
Vorzugsweise erfolgt bei einem erkannten Verkehrszeichen, welches noch nicht in einer digitalen Karte eingetragen ist, eine Eintragung in die digitale Karte. Ebenso kann ein Löschen eines Verkehrszeichens erfolgen. Dadurch können digitale Karten in kurzer Zeit auf einen aktuellen Stand gebracht werden.
In weiterer bevorzugter Ausgestaltung wird nach jeder positiven Erkennung des Verkehrszeichens in den übermittelten Messdaten oder jeder negativen Erkennung eine neue Existenzwahrscheinlichkeit unter Berücksichtigung der vorherigen Existenzwahrscheinlichkeit ermittelt.
Ferner wird die Aufgabe gelöst durch ein Computerprogramm, umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, das wie oben beschriebene Verfahren auszuführen.
Weiter wird die Aufgabe gelöst durch eine Auswerteeinheit zur Ermittlung von Positionen und Validierung von Verkehrszeichen entlang eines Straßenabschnittes wobei die Auswerteeinheit eingerichtet ist
zum Empfangen von einer Vielzahl von Messdaten entlang des Straßenabschnittes von ein oder mehreren Fahrzeugen, wobei die Messdaten mittels Umfeldsensorik der ein oder mehreren Fahrzeuge aufgenommen wurden, wobei die Messdaten eines Fahrzeugs einen Verkehrsdatensatz umfassen, welcher die Art der detektierten Verkehrszeichen und die GPS-Informationen entlang des Straßenabschnittes sowie die Position des jeweiligen detektierten Verkehrszeichens in Bezug auf das jeweilige Fahrzeugkoordinatensystem umfassen,
zum Clustern der ein oder mehreren detektierten Verkehrszeichen entlang des Straßenabschnittes in Cluster, welche jeweils das gleiche Verkehrszeichen umfassen,
und zum Bestimmen einer Existenzwahrscheinlichkeit für jedes Verkehrszeichen, wobei die Existenzwahrscheinlichkeit die Wahrscheinlichkeit des tatsächlichen Vorhandenseins eines detektierten Verkehrszeichens angibt, wobei die Existenzwahrscheinlichkeit inkrementell für jedes Verkehrszeichen ermittelt wird, indem die Existenzwahrscheinlichkeit nach jeder positiven Erkennung des Verkehrszeichens in einem neu hinzugefügten Messdatensatz und nach jeder negativen Erkennung des Verkehrszeichens in einem neu hinzugefügten Messdatensatz unter Berücksichtigung der vorherigen Existenzwahrscheinlichkeit neu ermittelt wird.
Vorzugsweise ist die Auswerteeinheit ein Backend oder ein Cloud-Server. Vorzugsweise kann das erfindungsgemäße Verfahren auf der erfindungsgemäßen Auswerteeinheit durchgeführt werden.
Weitere Eigenschaften und Vorteile der vorliegenden Erfindung ergeben sich aus der nachfolgenden Beschreibung unter Bezugnahme auf die beiliegenden Figuren.
Darin zeigen schematisch:

1: ein Grobüberblick über das erfindungsgemäße Verfahren,
2: die übermittelten Messdaten von einem Fahrzeug als Tabelle,
3: einen Straßenabschnitt auf der ein Fahrzeug fährt und die aufgenommenen Messdaten sowie GPS-Positionen,
4: eine Einteilung einer geografischen Karte in unterschiedlich große Gitter /Kacheln,
5: das Clustering schematisch anhand eines beispielhaften Messdatensatzes,
6: der beispielhafte Messdatensatz mit Cluster-Verfeinerung,
7: schematisch die Berechnung einer Existenzwahrscheinlichkeit,
8: die Existenzwahrscheinlichkeit eines Verkehrszeichens in Abhängigkeit von einer positiven/negativen Erkennung oder keinen Messdaten.

1 zeigt einen Grobüberblick über das erfindungsgemäße Verfahren.
Dazu werden die Messdaten mehrerer Fahrzeuge, welche denselben Streckenabschnitt 1 (3) entlangfahren an eine Auswerteeinheit übermittelt. Die Auswerteeinheit kann ein Backend-Server sein. Vor jeder Verarbeitung werden alle eingehenden Messdaten mit zusätzlichen Metadaten wie der Fahrzeugquelle unverändert gespeichert, so dass die Datenschutzbestimmungen erfüllt sind.
Die von einem Fahrzeug entlang des Straßenabschnittes 1 übermittelten Messdaten enthalten alle erkannten Verkehrszeichen 2 und deren Positionen, die aufeinanderfolgenden GPS-Positionen des Fahrzeugs entlang des aufgenommenen Straßenabschnitts 1 sowie die Messdaten entlang des aufgenommenen Straßenabschnitts 1 beispielsweise Breitengrad, Längengrad, Höhe des jeweiligen erkannten Verkehrszeichens, Art (Typ).
2 zeigt die übermittelten Messdaten von einem Fahrzeug als Tabelle, welche mit einem Detektionszeitstempel (recognition timestamp) gekennzeichnet werden. Die Position eines erkannten Verkehrszeichens 2 (3) wird vorzugsweise als Positionsversatz relativ zu einer Referenzposition im SDII-Nachrichtenformat angegeben. Die Referenzposition ist definiert als die Position des Fahrzeugs zu einem bestimmten Zeitpunkt.
3 zeigt einen Straßenabschnitt 1 auf der ein Fahrzeug fährt und die aufgenommenen Messdaten sowie GPS-Positionen. Das Verkehrszeichen 2 wird in Bezug auf das Kamerakoordinatensystem angegeben.
Dabei ist der Detektionszeitstempel (recognition timestamp) derjenige Zeitstempel zum Zeitpunkt pref, dim der Erkennung des Verkehrszeichens 2 (Detektion). Da der Detektionszeitstempel zum Zeitpunkt der Detektion nicht mit einer GPS-Position übereinstimmt, wird eine Interpolation durchgeführt.
Dabei werden diejenigen GPS-Positionen p1,dim und p2,dim gesucht, die am nächsten zu dem Detektionszeitstempel pref,dim liegen und eine Interpolation für jede Dimension (Längengrad, Breitengrad, Höhengrad und Richtung) des Detektionszeitstempels pref, dim berechnet: $pref,dim = (p 1, dim - p 2, dim) / (p 1, t - p 2, t) * (pref,t - p 1, t) + p 1, dim$
Ferner wird die Position des Verkehrszeichens 2 in Bezug auf das Fahrzeugkoordinatensystem unter Verwendung der Vincenty Formel berechnet.
Ferner kann eine Wahrscheinlichkeit mit der das Verkehrszeichen 2 erkannt wird mitgeliefert werden (recognition probability).
Zudem kann die Richtung (Heading, 2) in der das Verkehrszeichen 2 seine Gültigkeit aufweist, mitgeliefert werden. Dies kann durch lineare Interpolation zweier GPS-Positionen G1,G2 ermittelt werden, wobei diejenigen GPS-Positionen G1,G2 herangezogen werden, welche der Position des Verkehrszeichens 2 am nächsten liegen.
Die Messdaten werden dabei als Messdatenreihe übermittelt. Für das Clustering werden geografische hinreichend kleine Kacheln oder Gitter verwendet, das heißt Karten werden in Form von Kacheln /Gittern dargestellt. 4 zeigt die Einteilung einer geografischen Karte in unterschiedlich große Gitter /Kacheln. Dabei werden die detektierten Verkehrszeichen 2 allen Kacheln/Gittern zugewiesen, die einen vorgegebenen Radius um die detektierte Position des Verkehrszeichens 2 (3) aufweisen. Diese Zuordnung vermeidet Randeffekte. Durch die Zuweisung zu geografischen Kacheln /Gittern kann eine leichtere Verarbeitung erfolgen.
Anschließend werden die Messdaten der einzelnen Fahrzeuge hinsichtlich der erkannten Verkehrszeichen 2 (3) geclustert. Dabei wird das Clustering ausschließlich auf Verkehrszeichen 2 (3) angewendet, die den gleichen Typ und die gleichen Wertattribute (vgl. 2) aufweisen. So werden Geschwindigkeitsbegrenzungszeichen bspw. niemals mit Stoppschildern geclustert.
Zudem werden die Position der Erfassung (Breiten- und Längengrad) und die Fahrtrichtung bei dem Clustern berücksichtigt. Die Fahrtrichtung ist wichtig, um bei einer Detektion von beispielsweise zwei gleichen Verkehrszeichen, die sich aber beispielsweise physikalisch auf verschiedenen Straßen oder in verschiedenen Richtungen befinden, zu trennen.
Um zwei solche Verkehrszeichen 2 (3) als getrennt zu erkennen, wird ein horizontale Abstand dhor (z.B. geodätischer Abstand zwischen zwei Positionen von detektierten Verkehrszeichen 2) und der Differenz der Kurswinkel dhead zwischen zwei detektierten Verkehrszeichen 2 bestimmt und ein Distanzmaß d berechnet. Bei d handelt es sich um ein einheitenloses Distanzmaß, das als Distanz für den Mean Shift Clustering Algorithmus verwendet wird. Bhor und bhead sind dabei Parameter, die beim Mean Shift Algorithmus als Bandbreite bezeichnet werden. Diese Bandbreite ist grob vergleichbar mit einer maximalen Distanz, zu der zwei Punkte noch als zum gleichen Cluster zugehörig gesehen werden können. Es gilt für das Distanzmaß d: $d = \sqrt{{(\frac{d_{h o r}}{b_{h o r}})}^{2} + {(\frac{d_{h e a d}}{b_{h e a d}})}^{2}}$
Die Clusterung wird unter Verwendung des Mean-Shift-Algorithmus, welcher keine Vorkenntnisse über die Anzahl der Cluster erfordert und die Form der Cluster nicht einschränkt, mit dem Distanzmaß d als Parameter durchgeführt.
5 zeigt das Clustering schematisch anhand eines beispielhaften Messdatensatzes. 5 zeigt in Abschnitt A die aufgenommenen Verkehrszeichen 2 (50 km/h-Geschwindigkeitsbegrenzungsschilder) als Sensordaten. Diese werden in Abschnitt B geclustert. In Abschnitt C sind die tatsächlich vorhandenen Verkehrszeichen 2 (3) als Kreis eingetragen.
Daraus folgt, dass alleine der Schritt der Clusterbildung nicht immer ausreicht, um die Positionen der Verkehrszeichen 2 (3) hinreichend genau bzw. als tatsächlich vorhanden zu validieren, da normalerweise jeder Cluster in ein echtes Verkehrszeichen 2 (3) darstellen sollte.
Vorzugsweise werden die Cluster verfeinert, die mehrere gleiche Verkehrszeichen 2 (3) enthalten. Werden in einem Cluster mehrere Detektionen gemeldet, so wird das Cluster beispielsweise entsprechend der Anzahl der erkannten Mehrfach-Detektionen verfeinert. Cluster, die regelmäßig viele Mehrfach-Erkennungen aus einzelnen Messdaten verschiedener Fahrzeuge registrieren, werden somit entsprechend der Anzahl der Mehrfach-Erkennungen aufgeteilt.
In 6 ist der obige Messdatensatz mit einer Verfeinerung in Abschnitt D gezeigt. Durch die Verfeinerung stellt jedes Cluster potenziell ein Verkehrszeichen 2 (3) dar. Die Positionsattribute (Breitengrad, Längengrad, Höhe und Richtung) jedes Verkehrszeichen 2 (3) werden bevorzugt als gewichtetes Mittel aller entsprechenden Beobachtungsattribute in dem Cluster, das das Verkehrszeichen 2 (3) darstellt, berechnet.
Anschließend wird die Wahrscheinlichkeit, dass das Verkehrszeichen 2 (3) tatsächlich vorhanden ist, bestimmt (Existenzwahrscheinlichkeit), d.h. für jedes detektierte Verkehrszeichen 2 (3) wird die Existenzwahrscheinlichkeit bestimmt.
Dabei kann das Cluster keinem Verkehrszeichen in der Grundwahrheit entsprechen; (falsch positiv Erkennung) oder sie werden nicht erkannt (negativ Erkennung) oder es ist tatsächlich vorhanden (positiv Erkennung).
Die Existenzwahrscheinlichkeit stellt somit die Wahrscheinlichkeit dar, dass ein potentielles Verkehrszeichen 2, welches als ein Cluster dargestellt ist, tatsächlich vorhanden ist. Die Existenzwahrscheinlichkeit wird inkrementell für jedes potentielle Verkehrszeichen 2 (3) durch die Bayesian Inferenz berechnet.
Am Anfang wird jede Existenzwahrscheinlichkeit für jedes potentielle Verkehrszeichen 2 (3) auf 50% gesetzt, d.h., dass die Existenz und Nicht-Existenz zu Beginn der Berechnung gleichermaßen wahrscheinlich ist.
Nach jeder positiven Erkennung des Verkehrszeichens 2 (3) in den übermittelten Messdaten oder jeder negativen Erkennung wird eine neue Existenzwahrscheinlichkeit unter Berücksichtigung der vorherigen Existenzwahrscheinlichkeit ermittelt.
Eine negative Erkennung stellt dabei das Ereignis dar, dass ein Fahrzeug ein Verkehrszeichen erkennen sollte, dieses aber nicht bewerkstelligt.
Negative Erkennung liegt vor, wenn keine Erkennung vorliegt, aber das Verkehrszeichen hätte erkannt werden müssen. Dabei ist ein Verkehrszeichen erkennbar, wenn die nachfolgenden Bedingungen erfüllt sind:

- Die GPS-Position ist näher am Verkehrszeichen als eine konfigurierbare Entfernung,
- Der absolute Wert des Winkels zwischen der Fahrtrichtung und der Richtung in der das Verkehrszeichen liegt, ist unter einem konfigurierbaren Wert. Dies bedeutet, dass der Sensor nicht „rückwärts noch von der Seite schauen‟ kann.

Um zu vermeiden, dass eine negative Erkennung in der Nähe des Beginns oder des Endes einer Messdatenübertragung erzeugt wird, bei der das Verkehrszeichen in der vorherigen oder nächsten Sitzung erkannt wurde, werden negative Erkennung, die zeitlich näher an einer positiven Erkennung liegen als ein konfigurierbarer Wert (z. B. 1 Minute), weggelassen.
Nach jeder positiven/negativen Erkennung wird eine neue Existenzwahrscheinlichkeit aus der vorherigen berechnet. Die berechnete Existenzwahrscheinlichkeit nach dem letzten bekannten Ereignis stellt die aktuelle Existenzwahrscheinlichkeit des Verkehrszeichens 2 (3) dar.
7 zeigt schematisch die Berechnung einer Existenzwahrscheinlichkeit.
Zunächst werden alle positiven Erkennungen oder negative Erkennungen für das Verkehrszeichen 2 (3) in altersbedingter aufsteigender Reihenfolge, das heißt von der ältesten Erkennung oder Nicht-Erkennung, hier als T1 bezeichnet, bis zur neuesten Erkennung oder Nicht-Erkennung, hier als Tn bezeichnet, geordnet. Dabei wird die Existenzwahrscheinlichkeit folgendermaßen berechnet: $\begin{array}{l} P (H | E) = [P (H) \times P (E | H)] /P (E) = \\ [P (H) \times P (E | H)] / [P (H) \times P (E | H) + (1 - P (H)) \times (1 - P (E | H))] \end{array}$
Dabei steht:

H für die Hypothese, dass das Verkehrszeichen existiert;
E für das positive Erkennen oder Nicht-Erkennen;
Pi(E/H) stellt die Wahrscheinlichkeit des positiven Erkennens oder Nicht-Erkennens zu einem Zeitpunkt Ti dar. Wahrscheinlichkeiten unter 50% werden für negative Erkennungen verwendet, da negative Erkennungen die Existenzwahrscheinlichkeit senken, während Erkennungen (Wahrscheinlichkeiten über 50%) die Existenzwahrscheinlichkeit erhöhen.

P(H|E) bezeichnet die nachträgliche Existenzwahrscheinlichkeit nach dem Erkennungsereignis E.
Pi(H) ist die aktuelle Existenzwahrscheinlichkeit vor dem gerade betrachteten Erkennen. Berechnet sich also aus allen Detektionen, die vor der gerade betrachteten stattgefunden haben.
P(E) ist der Normierungsfaktor, der die Summe der Wahrscheinlichkeiten aller möglichen Ergebnisse darstellt. Er ist gegeben durch die Summe der Wahrscheinlichkeit, dass das Verkehrszeichen apriori existierte und das Erkennen dies unterstützt und die Wahrscheinlichkeit, dass das Verkehrszeichen nicht apriori existierte und das Nicht-erkennen die Existenz nicht unterstützt.
Die Existenzwahrscheinlichkeit wird durch Verwendung der Bayesian Inferenz berechnet. Nach jedem Erkennungsereignis E (positiv und negativ) wird eine neue Existenzwahrscheinlichkeit berechnet:

Auch kann das Zeitintervall zwischen zwei aufeinanderfolgenden positiven oder/ negativen Erkennungen berücksichtigt werden. Dies folgt daraus, dass häufige Erkennungen die Existenzwahrscheinlichkeit schneller erhöhen als weniger häufige Erkennungen.

Die anfängliche Existenzwahrscheinlichkeit P0 wird vorzugsweise auf 50% gesetzt und nach jeder Erkennung (positiv oder negativ) die neue Existenzwahrscheinlichkeit aus der vorherigen berechnet, hier beispielsweise Pn aus Pn-1.
Die Existenzwahrscheinlichkeit P nach dem letzten Erkennen/Nicht-Erkennen zum Zeitpunkt Tn stellt daher die aktuelle Existenzwahrscheinlichkeit des Verkehrszeichens 2 (3) dar.
Ein Verkehrszeichen 2 (3) kann während des für die Bestimmung der Existenzwahrscheinlichkeit verwendeten Zeitrahmens entfernt oder hinzugefügt werden. Deshalb muss eine Alterung zur Bestimmung der Existenzwahrscheinlichkeit verwendet werden. Vorzugsweise wird aus Alterungsgründen eine künstliche neutrale Erkennung nach dem letzten positiv oder negativen Erkennen zur Berechnung der aktuellen Existenzwahrscheinlichkeit P hinzugefügt.
Die Alterung wird durch einen exponentiellen Zerfall mit konfigurierbarer Halbwertszeit T1/2 modelliert, wobei die Existenzwahrscheinlichkeit gegen den Wert der maximalen Unsicherheit (Pneut= 50%) konvergiert. Die Alterung wird auf die apriorische Existenzwahrscheinlichkeit angewandt, bevor ein neues negatives oder positives Erkennen berücksichtigt wird.
Dabei kann die Alterung berechnet werden in dem alle negativen oder positiven Erkennungen aufsteigend nach dem Zeitstempel sortiert werden. Anschließend wird ein neutrales Detektionsereignis (mit Pneut = 50% ) hinzugefügt. $Paged = (P - Pneut) \times 0,5 (ti - t (i - 1)) /T (1 / 2) + Pneut$
Daraus kann die Existenzwahrscheinlichkeit neu bestimmt werden: $Pnew = Paged \times Pi/ [(Paged \times Pi) + (1 - Paged) (1 - Pi)]$
8 zeigt die Existenzwahrscheinlichkeit eines Verkehrszeichens 2 in Abhängigkeit von einer positiven/negativen Erkennung oder keinen Messdaten. Hier sind die positiven Erkennungen als pass & detect bezeichnet, die negativen Erkennungen als pass & no detect und wenn keine Erkennung verfügbar ist als no pass & no detect.
Dabei erhöht sich die Existenzwahrscheinlichkeit, hier im Zeitrahmen von T0 bis T5 und T25 bis T30 bei einer positiven Erkennung des Verkehrszeichens 2 (3). Bei einer negativen Erkennung, hier im Zeitrahmen von T15 bis T20, verringert sich die Existenzwahrscheinlichkeit.
Falls keine Informationen vorliegen, wird nur die Alterung zur Berechnung der Existenzwahrscheinlichkeit herangezogen. Die aktuelle Existenzwahrscheinlichkeit nimmt ab, wenn die letzte bekannte Existenzwahrscheinlichkeit größer als 50% ist, hier in der Zeitspanne von T5 bis T10. Die aktuelle Existenzwahrscheinlichkeit erhöht sich, wenn die letzte bekannte Existenzwahrscheinlichkeit kleiner als 50% ist, hier in der Zeitspanne von T20 bis T25.
Gilt ein Verkehrszeichen 2 (3) mit genügend hoher Existenzwahrscheinlichkeit als detektiert und ist die absolute Position in Bezug auf eine digitale Karte bekannt, so kann das neu detektierte Verkehrszeichen 2 (3) in diese digitale Karte eingetragen werden, sowie die auf das Verkehrszeichen 2 (3) bezogenen Einschränkungen (bspw. Geschwindigkeitsbeschränkung in Baustellenbereichen) eingetragen werden. Dadurch können in kürzester Zeit neu hinzugekommene, beispielsweise nur kurzfristig gültige Verkehrszeichen 2 (3) erkannt werden, in die digitale Karte eingetragen werden, und diese den Fahrzeugen zur Verfügung gestellt werden.
Die überarbeiteten digitalen Karten können den Fahrzeugen zur Verfügung gestellt beispielsweise übermittelt werden. Dabei kann diese neu hinzugekommene Information an alle Fahrzeuge oder Verkehrsdienstleistern zur Verfügung gestellt werden oder nur Fahrzeugen, die sich in einer Umgebung um die neu hinzugekommenen Verkehrszeichen 2 (3) bewegen.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

DE 102016216154 A1 [0005]

Claims

Verfahren zur Ermittlung von Positionen und Validierung von Verkehrszeichen (2) entlang eines Straßenabschnittes (1) gekennzeichnet durch die Schritte: Bereitstellen von einer Vielzahl von Messdaten entlang des Straßenabschnittes (1) auf einer Auswerteeinheit von ein oder mehreren Fahrzeugen, wobei die Messdaten mittels Umfeldsensorik der ein oder mehreren Fahrzeuge aufgenommen wurden, wobei die Messdaten eines Fahrzeugs jeweils einen Verkehrsdatensatz umfassen, welcher die Art der detektierten Verkehrszeichen (2) und die GPS-Informationen entlang des Straßenabschnittes (1) sowie die Position des jeweiligen detektierten Verkehrszeichens (2) in Bezug auf das jeweilige Fahrzeugkoordinatensystem umfasst, Clustern der ein oder mehreren detektierten Verkehrszeichen (2) entlang des Straßenabschnittes (1) in Cluster, welche jeweils das gleiche Verkehrszeichen (2) umfassen, Bestimmen einer Existenzwahrscheinlichkeit für jedes Verkehrszeichen (2), wobei die Existenzwahrscheinlichkeit die Wahrscheinlichkeit des tatsächlichen Vorhandenseins eines detektierten Verkehrszeichens (2) angibt, wobei die Existenzwahrscheinlichkeit inkrementell für jedes Verkehrszeichen (2) ermittelt wird, indem die Existenzwahrscheinlichkeit nach jeder positiven Erkennung des Verkehrszeichens (2) in einem neu hinzugefügten Messdatensatz und nach jeder negativen Erkennung des Verkehrszeichens (2) in einem neu hinzugefügten Messdatensatz unter Berücksichtigung der vorherigen Existenzwahrscheinlichkeit neu ermittelt wird.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Position eines erkannten Verkehrszeichens (2) als Positionsversatz relativ zu einer Referenzposition angegeben wird, wobei die Referenzposition die Position des Fahrzeugs zu einem bestimmten Zeitpunkt ist.
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die Existenzwahrscheinlichkeit zu Beginn der Ermittlung einen Wert von 40-60%, insbesondere 50 % aufweist.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Messdaten räumlich-zeitlich aufgenommen werden.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Cluster in Abhängigkeit von einer Mehrfach- Detektion eines Verkehrszeichens (2) des gleichen Typs verfeinert werden.
Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass das Clustern unter Verwendung des Mean-Shift-Algorithmus erfolgt.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass sich bei einer negativen Erkennung des Verkehrszeichens (2) die Existenzwahrscheinlichkeit verringert und bei einer positiven Erkennung die Existenzwahrscheinlichkeit erhöht.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass bei der Ermittlung der Existenzwahrscheinlichkeit eine Alterung des Erkennens des Verkehrszeichens (2) miteinbezogen wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Ermittlung der Existenzwahrscheinlichkeit unter Verwendung der Bayesian Inferenz bewerkstelligt wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass bei einem erkannten Verkehrszeichen (2), welches noch nicht in einer digitalen Karte eingetragen ist, eine Eintragung in die digitale Karte erfolgt.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass nach jeder positiven Erkennung des Verkehrszeichens (2) in den übermittelten Messdaten oder jeder negativen Erkennung eine neue Existenzwahrscheinlichkeit unter Berücksichtigung der vorherigen Existenzwahrscheinlichkeit ermittelt wird.
Computerprogramm, umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, das Verfahren nach einem der vorhergehenden Ansprüche 1 bis 11 auszuführen.
Auswerteeinheit zur Ermittlung von Positionen und Validierung von Verkehrszeichen (2) entlang eines Straßenabschnittes (1), wobei die Auswerteeinheit eingerichtet ist zum Empfangen von einer Vielzahl von Messdaten entlang des Straßenabschnittes (1) von ein oder mehreren Fahrzeugen, wobei die Messdaten mittels Umfeldsensorik der ein oder mehreren Fahrzeuge aufgenommen wurden, wobei die Messdaten eines Fahrzeugs einen Verkehrsdatensatz umfassen, welcher die Art der detektierten Verkehrszeichen (2) und die GPS-Informationen entlang des Straßenabschnittes (1) sowie die Position des jeweiligen detektierten Verkehrszeichens (2) in Bezug auf das jeweilige Fahrzeugkoordinatensystem umfassen, zum Clustern der ein oder mehreren detektierten Verkehrszeichen (2) entlang des Straßenabschnittes (1) in Cluster, welche jeweils das gleiche Verkehrszeichen (2) umfassen, und zum Bestimmen einer Existenzwahrscheinlichkeit für jedes Verkehrszeichen (2), wobei die Existenzwahrscheinlichkeit die Wahrscheinlichkeit des tatsächlichen Vorhandenseins eines detektierten Verkehrszeichens (2) angibt, wobei die Existenzwahrscheinlichkeit inkrementell für jedes Verkehrszeichen (2) ermittelt wird, indem die Existenzwahrscheinlichkeit nach jeder positiven Erkennung des Verkehrszeichens (2) in einem neu hinzugefügten Messdatensatz und nach jeder negativen Erkennung des Verkehrszeichens (2) in einem neu hinzugefügten Messdatensatz unter Berücksichtigung der vorherigen Existenzwahrscheinlichkeit neu ermittelt wird.