DE102020208316A1

DE102020208316A1 - Verfahren und Vorrichtung zum Betreiben eines Kraftfahrzeugs basierend auf einer Erkennung von schnellen beweglichen Objekten

Info

Publication number: DE102020208316A1
Application number: DE102020208316.9A
Authority: DE
Inventors: Markus Schuetz; Koba Natroshvili
Original assignee: Robert Bosch GmbH
Current assignee: Robert Bosch GmbH
Priority date: 2020-07-02
Filing date: 2020-07-02
Publication date: 2022-01-05
Also published as: CN113879296A; FR3112231A1; FR3112231B1

Abstract

Die Erfindung betrifft ein Verfahren zum Betreiben eines mobilen Agenten (1) basierend auf einer Erkennung von schnellen beweglichen Umgebungsobjekten, insbesondere zum Durchführen einer Kollisionsvermeidungsfunktion, mit folgenden Schritten:- Erfassen (S1) einer Position eines oder mehrerer beweglicher Umgebungsobjekte (2) in der Umgebung (U) des mobilen Agenten (1);- Zuordnen (S2) der erfassten Umgebungsobjekte (2) in ein Zellengitter abhängig von deren Position, wobei das Zellengitter einem 2D-polaren Gitternetz mit sich ringförmig um den mobilen Agenten (1) erstreckenden Zellanordnungen entspricht, wobei die Anzahl der Zellen (Z) in radialer Richtung mit zunehmender Entfernung vom mobilen Agenten (1) abnimmt;- Propagieren (S2) der in die Zellen (Z) zugeordneten Umgebungsobjekte über die Zellen (Z), um für jede Zelle (Z) eine radiale Geschwindigkeitsangabe, insbesondere eine durchschnittliche radiale Geschwindigkeit, zu erhalten,- Signalisieren (S5) einer Kollisionswahrscheinlichkeit für jede Zelle (Z) abhängig von der radialen Geschwindigkeitsangabe (vrad).

Description

Technisches Gebiet
Die Erfindung betrifft Funktionen von Fahrzeugen, die auf einer Erkennung von schnellen beweglichen Objekten in der Fahrzeugumgebung basieren, insbesondere Funktionen zur Kollisionsvermeidung mit diesen Objekten.
Technischer Hintergrund
Während Fahrzeuge oder sonstige mobile Agenten statische und sich langsam bewegende Objekte in der Umgebung nachverfolgen und z.B. für Kollisionswarnfunktionen oder dergleichen nutzen, erfolgt eine gesonderte Überwachung der Umgebung hinsichtlich schneller sich nähernder Objekte zum Betreiben von Kollisionsvermeidungsfunktionen, sogenannter Safety-Shield-Funktionen.
Eine Kernanforderung an derartige Kollisionsvermeidungsfunktionen ist die schnelle Reaktion auf sich schnell nähernde dynamische Objekte in der Umgebung des mobilen Agenten. Wird eine möglichen Kollision erkannt, so löst die Kollisionsvermeidungsfunktion eine entsprechende Reaktion des mobilen Agenten aus, insbesondere eine automatische Geschwindigkeitsreduktion oder ein automatisches Anhalten.
Aus der Druckschrift US 9,280,890 B2 ist ein Verfahren zum Erfassen von Objekten in der Nähe eines Kraftfahrzeugs bekannt. Dabei wird ein Abstand zu den Objekten erfasst und eine Sicherheitszone um jedes erfasste Objekt abhängig von dem Abstand und einem Unsicherheitsfaktor bezüglich der Positionsunsicherheit des Objekts definiert. Es wird ein Gitter um das Fahrzeug erstellt und eine potenzielle Interaktion des Objekts mit dem Fahrzeug abhängig von deren Sicherheitszonen ermittelt, so dass ein Fahreingriff abhängig von einer potenziellen Interaktion vorgenommen werden kann.
Offenbarung der Erfindung
Erfindungsgemäß sind ein Verfahren zum Betreiben eines Kraftfahrzeugs basierend auf einer Erkennung von schnellen beweglichen Objekten, insbesondere zum Durchführen einer Kollisionsvermeidungsfunktion, gemäß Anspruch 1 sowie eine Vorrichtung und ein Fahrzeug gemäß den nebengeordneten Ansprüchen vorgesehen.
Weitere Ausgestaltungen sind in den abhängigen Ansprüchen angegeben.
Gemäß einem ersten Aspekt ist ein Verfahren zum Betreiben eines mobilen Agenten basierend auf einer Erkennung von schnellen beweglichen Umgebungsobjekten, insbesondere zum Durchführen einer Kollisionsvermeidungsfunktion, vorgesehen, mit folgenden Schritten:

- Erfassen einer Position eines oder mehrerer beweglicher Umgebungsobjekte in der Umgebung des mobilen Agenten;
- Zuordnen der erfassten Umgebungsobjekte in ein Zellengitter abhängig von deren Position, wobei das Zellengitter einem 2D-polaren Gitternetz mit sich ringförmig um den mobilen Agenten erstreckenden Zellanordnungen entspricht, wobei die Anzahl der Zellen in radialer Richtung mit zunehmender Entfernung vom mobilen Agenten abnimmt;
- Propagieren der in die Zellen zugeordneten Umgebungsobjekte über die Zellen, um für jede Zelle eine radiale Geschwindigkeitsangabe, insbesondere eine durchschnittliche radiale Geschwindigkeit, zu erhalten,
- Signalisieren einer Kollisionswahrscheinlichkeit für jede Zelle abhängig von der radialen Geschwindigkeitsangabe.

Mobile Agenten, wie z. B. selbstfahrende Roboter oder Kraftfahrzeuge, weisen eine Umgebungssensorik auf, um Objekte in der Umgebung zu erfassen. Ziel ist es, statische und dynamische Objekte zu erkennen, die mit der Bewegung bzw. der geplanten Trajektorie des mobilen Agenten interferieren können, um diese entsprechend berücksichtigen zu können. Insbesondere schnell sich auf den mobilen Agenten zubewegende Objekte müssen so frühzeitig wie möglich mit einer hohen Erkennungsgenauigkeit erkannt werden und eine schnelle Reaktion ausgelöst werden. Eine solche Funktion wird auch Safety-Shield-Funktion genannt.
Dazu sieht das obige Verfahren vor, die Umgebung des mobilen Agenten mithilfe eines 2D-polaren Zellengitters abzubilden, das Zellen aufweist, die in Polarkoordinaten dargestellt bzw. lokalisiert werden. Dabei ist der mobile Agent in der Mitte, d. h. dem Ursprung des polaren Gitters, angeordnet.
Insbesondere für Radarsensoren ist die Erkennung von sich in der Umgebung befindlichen Objekten bezüglich der Richtung und Entfernung, d.h. in Polarkoordinaten, bekannt, so dass die detektierten Objekte in besonders einfacher Weise einer Zelle in dem 2D-Polargitter zugeordnet werden können.
Mithilfe eines geeigneten Auswertungsverfahrens können nun in aufeinanderfolgenden Zeitschritten die Belegung der Zellen ermittelt und ausgewertet werden, um eine wahrscheinliche Kollision eines detektierten Objekts mit dem mobilen Agenten zu erkennen.
Das Zellengitter weist ein 2D-polares Gitternetz mit sich ringförmig um den mobilen Agenten erstreckenden Zellanordnungen auf, wobei die Anzahl der Zellen in radialer Richtung mit zunehmender Entfernung vom mobilen Agenten abnimmt. Aufgrund der zunehmenden Ungenauigkeit der Lokalisation von dynamischen Effekten mit zunehmender Entfernung vom mobilen Agenten kann die Größe des von den Zellen erfassten Winkelbereichs mit zunehmender Entfernung größer sein, ohne die Erkennungsgenauigkeit für eine mögliche Kollision maßgeblich zu beeinträchtigen.
Gemäß einem Auswertungsverfahren wird jeder dieser Zellen eine Belegungswahrscheinlichkeit mit einem detektierten dynamischen Objekt und basierend auf der Umgebungserfassungssensorik zugewiesen.
Durch Nutzung des 2D-Polargitters mit vereinfachten Zellen bei Abständen größer als dem kritischen Abstand kann eine Kollision bereits erkannt werden, wenn sich ein Objekt in radialer Richtung mit einer Geschwindigkeit schneller als einer vorgegebenen Geschwindigkeit nähert. Dieses Berücksichtigen lediglich des radialen Anteils der Geschwindigkeit erleichtert die Berechnung erheblich und ermöglicht so eine sehr schnelle Erkennung von sehr schnellen Objekten, die sich dem mobilen Agenten nähern.
Weiterhin kann für Entfernungen größer als ein vorgegebener kritischer Abstand keine Aufteilung der Zellengitter in tangentialer Richtung erfolgen, so dass die betreffenden Zellen sich ringförmig um den mobilen Agenten erstrecken.
Insbesondere kann für Entfernungen kleiner als der kritische Abstand bei der Bestimmung der Kollisionswahrscheinlichkeit eine tangentiale Geschwindigkeitsangabe, insbesondere einer durchschnittlichen tangentialen Geschwindigkeit, berücksichtigt werden. Im Bereich von Abständen geringer als der kritische Abstand ist entsprechend die tangentiale Komponente der Geschwindigkeit wichtig, da damit gegebenenfalls Kollisionen ausgeschlossen werden können, obwohl sich das Objekt bezüglich der radialen Geschwindigkeitskomponente dem mobilen Agenten nähert.
Es kann vorgesehen sein, dass die Kollisionswahrscheinlichkeiten mithilfe eines Belegungsgitters in einem Polarkoordinatensystem und eines Bayes'schen Belegungsfilters in Verbindung mit einem Partikelfilter bestimmt werden.
Weiterhin kann eine Kollisionswarnfunktion abhängig von den Belegungswahrscheinlichkeiten für jede Zelle des Zellengitters ausgeführt werden.
Gemäß einem weiteren Aspekt ist eine Vorrichtung zum Betreiben eines mobilen Agenten basierend auf einer Erkennung von schnellen beweglichen Umgebungsobjekten, insbesondere zum Durchführen einer Kollisionsvermeidungsfunktion, vorgesehen, wobei die Vorrichtung ausgebildet ist zum:

- Empfangen einer Position eines oder mehrerer erfasster beweglicher Umgebungsobjekte in der Umgebung des mobilen Agenten;
- Zuordnen der erfassten Umgebungsobjekte in ein Zellengitter abhängig von deren Position, wobei das Zellengitter einem 2D-polaren Gitternetz mit sich ringförmig um den mobilen Agenten erstreckenden Zellanordnungen entspricht, wobei die Anzahl der Zellen in radialer Richtung mit zunehmender Entfernung vom mobilen Agenten abnimmt;
- Propagieren der in die Zellen zugeordneten Umgebungsobjekte über die Zellen, um für jede Zelle eine radiale Geschwindigkeitsangabe, insbesondere eine durchschnittliche radiale Geschwindigkeit, zu erhalten,
- Signalisieren einer Kollisionswahrscheinlichkeit für jede Zelle abhängig von der radialen Geschwindigkeitsangabe.

Gemäß einem weiteren Aspekt ist ein mobiler Agent mit einer Bewegungsaktuatorik zum Bewegen des mobilen Agenten, einer Umgebungserfassungssensorik zum Erfassen einer Position eines oder mehrerer beweglicher Umgebungsobjekte in der Umgebung des mobilen Agenten und mit der obigen Vorrichtung vorgesehen.
Figurenliste
Ausführungsformen werden nachfolgend anhand der beigefügten Zeichnungen näher erläutert. Es zeigen:

1 einen mobilen Agenten mit dynamischen Objekten in seiner Umgebung;
2 ein Flussdiagramm zur Veranschaulichung eines Verfahrens zum Durchführen einer Kollisionserkennungsfunktion in einem mobilen Agenten; und
3 eine schematische Darstellung der Einteilung der Umgebung des mobilen Agenten in Zellen, die über Polarkoordinaten adressiert werden können.

Beschreibung von Ausführungsformen
1 zeigt eine schematische Darstellung eines mobilen Agenten 1 in einer mit Umgebung U, in der sich statische und dynamische Objekte 2 befinden können.
Der mobile Agent 1 weist eine Steuereinheit 11 auf, um den mobilen Agenten 1 zu steuern. Weiterhin weist der mobile Agent 1 eine Umgebungserfassungssensorik 12 auf, um bezüglich eines Agentenkoordinatensystems A die Richtung und den Abstand von umgebenden Objekten 2 zu erfassen. Weiterhin weist der mobile Agent 1 eine Bewegungsaktuatorik 13 auf, um den mobilen Agenten 1 entsprechend einer auszuführenden Funktion, insbesondere entsprechend einer Funktion zur autonomen Bewegung zu einem vorgegebenen Zielort, innerhalb der Umgebung U zu bewegen.
Die Umgebungserfassungssensorik 12 kann mindestens eine der folgenden Sensoreinrichtungen aufweisen: eine Lidareinrichtung, eine Radareinrichtung, eine Laserscaneinrichtung, eine Kamera, eine Inertialsensorik, eine Odometriesensorik und dergleichen. Die von der Umgebungserfassungssensorik 12 erfassten Sensordaten werden entsprechend einer Vorverarbeitung je nach der verwendeten Sensoreinrichtung in der Steuereinheit 11 so verarbeitet, dass bezüglich des Agentenkoordinatensystems A die Ausrichtung und die Entfernung eines Objekts 2 ermittelt und bereitgestellt werden kann. Der Ursprung des Agentenkoordinatensystems A bezieht sich auf die Position des mobilen Agenten 1 und ermöglicht die Angabe einer relativen Position von Umgebungsobjekten 2 bezüglich der Position des mobilen Agenten 1.
Zum Erkennen eines sich dem mobilen Agenten 1 nähernden Objekts 2 wird in der Steuereinheit 11 ein Verfahren ausgeführt, wie es in Verbindung mit dem Flussdiagramm der 2 näher erläutert wird. Das Verfahren kann als Software- und/oder Hardware-Algorithmus in der Steuereinheit 11 implementiert sein.
Die Umgebung des mobilen Agenten 1 wird, wie in 3 schematisch dargestellt, für die Kollisionserkennungsfunktion in Polarkoordinaten mit dem Ursprung P dargestellt, so dass die Position dynamischer Objekte 2 in der Umgebung des mobilen Agenten 1 mithilfe von Polarkoordinaten lokalisiert werden kann, an dessen Ursprung P sich der mobile Agent 1 befindet. Die Umgebung des mobilen Agenten 1 wird dazu in Zellen Z aufgeteilt.
Die Zellen Z sind definiert als ein Bereich zwischen jeweils zwei radialen Abständen von dem mobilen Agenten 1 und zwischen jeweils zwei Azimutwinkeln, solange der größere Abstand des Zellenrands kleiner als ein kritischer Abstand R_cr ist. Für Bereiche von radialen Abständen mit einem größeren Abstand als der kritische Abstand R_cr werden die Zellen Z lediglich durch Abstandsbereiche zwischen zwei Abständen definiert, nicht jedoch durch Azimutwinkel begrenzt. Somit erstrecken sich die Zellen außerhalb des Bereichs des kritischen Abstands ringförmig um den mobilen Agenten 1.
Zur Erkennung einer Kollisionsgefahr kann nun ein BOF-Verfahren (BOF: Bayesian Occupancy Filter, Bayes'scher Belegungsfilter) in der Steuereinheit 11 des mobilen Agenten 1 ausgeführt werden.
Zunächst werden in Schritt S1 mithilfe der Umgebungserfassungssensorik 12 dynamische Objekte 2 in der Umgebung des mobilen Agenten 1 erfasst. Diese werden durch ihre Position o in Polarkoordinaten angegeben und anschließend Zellen eines 2D-Polargitters, wie es beispielhaft in 3 dargestellt ist, zugeordnet. Das 2D-Polargitter repräsentiert die Umgebung des mobilen Agenten 1 durch einfache Abbildung des Umgebungsbereichs auf die durch das 2D-Polargitter überdeckten Fläche. Im Folgenden wird als der Zellenbereich ein Bereich in der Umgebung des mobilen Agenten 1 verstanden, der durch die betreffende Zelle Z repräsentiert wird.
Das nachfolgend beschriebene Verfahren basiert auf einem Bayes'schen Belegungsfilters in Verbindung mit einem Partikelfilterverfahren, um in Schritt S2 eine Kollisionswahrscheinlichkeit zu ermitteln.
Der Ansatz des Bayes'schen Belegungsfilters besteht darin, den Kartenposterior p(v_t|z_1:t,c_1:t) und p(o_t|z_1:t,c_1:t) abzuschätzen, wobei v_t der Geschwindigkeit zu dem Zeitschritt t, ot der Position zu dem Zeitschritt t, z_1:t den Messungen zu den Zeitschritten 1:t und c_1:t den Zellenzuständen für die Zeitpunkte 1:t in den Zellen des 2D-Gitters entsprechen.
Während einzelner Zeitpunkte sind die Zellzustände voneinander unabhängig, so dass $p (v_{t} | z_{1 : t}, c_{1 : t}) = \prod_{i} p (v_{t, i} | z_{1 : t}, c_{1 : t})$
gilt.
Wenn sich ein dynamisches Objekt jedoch in der Umgebung des mobilen Agenten bewegt, so dass dieses im Verlauf seiner Bewegung mehreren Zellen des 2D-Polargitters zugeordnet wird, sind die Zellenzustände nicht mehr voneinander unabhängig.
Um p(v_t,i|z_1:t,c_1:t) aus vorangegangenen Schätzungen zu berechnen, wird angenommen: $p (v_{t, i} | z_{1 : t}, c_{1 : t}) = \int p (v_{t, i} | v_{t - 1}, z_{t - 1}, c_{1 : t}) p (v_{t - 1} | z_{1 : t - 1}, c_{1 : t - 1}) d v_{t - 1}$
Bei zyklischer Ausführung der obigen Formel in rekursiver Form ist zur Berechnung lediglich der Zustand des vorangegangenen Zeitschrittes für die laufende Schätzung relevant.
Auf die einzelnen Zellen des Polargitters kann nun ein Bayes'scher Belegungsfilteransatz (BOF), wie beispielsweise in C. Coue et al., „Bayesian Occupancy Filtering for Multitarget Tracking: an Automotive Application", The International Journal of Robotics Research, SAGE Publications, 2006, 25, Seiten 19-30. und M.K. Tay et al., „An Efficient Formulation of the Bayesian Occupation Filter for Target Tracking in Dynamic Environments", International Journal of Vehicle Autonomous Systems, Vol 6, ISSN: 1471-0226 offenbart ist, in Verbindung mit einem Partikelfilter, wie beispielsweise aus G. Tanzmeister et al., „Grid-based Mapping and Tracking in Dynamic Environments using a Uniform Evidential Environment Representation", 2014 IEEE International Conference on Robotics & Automation bekannt, angewendet werden.
Jedoch wird gemäß obigem Verfahren der BOF-Ansatz in einem 2D-Polargitter angewendet. Jede der Zellen des 2D-Polargitters weist Partikel auf und jeder der Zellen ist ein individueller Filter zugewiesen. Bewegt sich ein Partikel zwischen den Zellen des Polargitters wird diesem der jeweilige individuelle Partikelfilter zugeordnet.
Wie aus dem oben genannten Stand der Technik bekannt, kann für die Realisierung der Partikelfilter der Kartenposterior dargestellt werden als $p (v_{t} | z, c) = \prod_{i} p (v_{t, i} | z, c) = \prod_{i} \sum_{v_{t [k]}^{i}} w_{[k]} δ_{v_{t [k], i}} (v_{t, i})$
wobei w_[k] einem Gewichtungsfaktoren und δ_vt[k],i der Dirac-Funktion entsprechen. Dadurch können die Partikel in den Zellen Z generiert werden. Die Verteilung der Geschwindigkeiten folgt den Gewichtungsfaktoren.
Mithilfe der Sensormessung kann die Zellenbewegungswahrscheinlichkeit und die Zellengeschwindigkeitswahrscheinlichkeit aus den Messgrößen erzeugt werden wie folgt: $p (z | O, V, C) = e x p (- \frac{{(x_{i} - z_{m, i})}^{2}}{2 σ^{2}})$
wobei x_i als der Mittelpunkt der Zelle Z (mit dem Index i) in Polarkoordinaten und z_m,i der Lokalisation eines dynamischen Objektes 2 mit dem kürzesten Abstand zur aktuellen Zelle Z angenommen werden. O entspricht der Belegungswahrscheinlichkeit, V der Geschwindigkeit, C der Position der aktuellen Zelle und σ der Varianz.
Sind mehrere Messverfahren angewendet, kann eine Fusion der Sensorgrößen vereinfacht durch die Fusion der individuellen Werte von p_i(z|O, V, C) vorgenommen werden. Beispielsweise kann einfach das Maximum der Werte angenommen werden.
Für jede Zelle werden Partikel generiert. Die Partikel weisen eine 1 D-Position und eine Geschwindigkeit auf. Die Anzahl der Partikel ist proportional zu p_i(z|O, V, C) und wird berechnet als n_i = n_maxp_i(z|O, V, C), wobei nmax einer vorgegebenen Anzahl der maximalen Partikel pro Zelle entspricht. Dadurch wird garantiert, dass die Gesamtzahl der Partikel nicht zu groß wird.
Bei einem Radarsensor erhält man zusätzlich eine Messung der radialen Geschwindigkeit, wodurch man zusätzlich ein Partikel-Sampling der Geschwindigkeit erhalten kann. Das Sampling und Resampling kann wie in G. Tanzmeister et al., „Grid-based Mapping and Tracking in Dynamic Environments using a Uniform Evidential Environment Representation“, 2014 IEEE International Conference on Robotics & Automation beschrieben, ausgeführt werden. Die bedingte Wahrscheinlichkeit wird berechnet als $p (v_{i} | z_{i, v r}) = R_{α} N ((\begin{matrix} z_{i, v r} \\ 0 \end{matrix}), (\begin{matrix} σ_{v r}^{2} & 0 \\ 0 & σ_{v r}^{2} (z_{i, v r}) \end{matrix}))$
, wobei z_i,vr der Messung der radialen Geschwindigkeit und σ_vr der Geschwindigkeitsvarianz in radialer Richtung entspricht. Durch die obige Formel kann ein Resampling der Partikel vorgenommen werden, wodurch Partikel, die näher an dem Mittelpunkt der Zelle Z sind, stärker gewichtet werden.
Bei einem LiDAR-Sensor liegt keine explizite Messung der radialen Geschwindigkeit vor, daher ist die anfängliche Geschwindigkeitsverteilung gleich verteilt.
$σ_{v t}^{2} (z_{i, v r})$
in der obigen Formel ist abhängig von der radialen Geschwindigkeit. Je größer die radiale Geschwindigkeit ist, desto kleiner ist $σ_{v t}^{2} (z_{i, v r}) .$
Anschließend werden die Partikel einzeln betrachtet, wobei eine konstante Geschwindigkeit angenommen wird. D.h. unter der Annahme einer konstanten Geschwindigkeit wird die Propagation der Partikel wie folgt angenommen: $\begin{matrix} r = r \hat{r} v = \frac{d r}{d t} = \dot{r} \hat{r} + r \hat{θ} \dot{θ} \\ r = r \hat{r} v = \frac{d r}{d t} = \dot{r} \hat{r} + r \hat{θ} \dot{θ}, \end{matrix}$
wobei r einem radialen Vektor, r einer radialen Distanz, r̂ Einheitsvektor in radialer Richtung, θ einem Wert des Azimutwinkels der Polarkoordinaten, θ̂̂ einem Einheitsvektor rechtwinklig zur radialen Richtung entsprechen. Die Propagation wird mit einfachen Gleichungen in Polarkoordinaten durchgeführt r_k+1 = r_k + vdt.
Solange der Abstand größer als ein vorgegebener kritischer Abstand R_cr ist, kann das Polargitter als eindimensional angenommen werden und der Azimutwinkel ignoriert werden. Der Partikelfilter ermittelt dann eine viel geringere Anzahl von Partikeln als in dem 2D-Fall.
Für jede Zelle wird die Anzahl der notwendigen Partikel abhängig von den Messungen berechnet. Wenn diese Zahl größer ist als die Zahl der notwendigen Partikel in der Zelle, wird die Anzahl der Partikel erhöht, im umgekehrten Fall wird diese Anzahl reduziert. Die maximale Anzahl von Partikeln in jeder Zelle ist, z.B. auf zwischen 10 und 100, vorzugsweise 30, festgelegt. Die Partikel, die der realen Objektgeschwindigkeit entsprechen, werden beibehalten und erhalten höhere Gewichtungen.
Für Bereiche, die einen Abstand haben, der geringer ist als der vorgegebene kritische Abstand R_rc, ist das Risiko einer Kollision größer, und die tangentiale Komponente der 2D-Polarkoordinaten muss berücksichtigt werden. In diesem Fall wird der Partikelfilter auf 2D-Polargitter angewendet. Eine solche Unterscheidung ist zulässig, da bei weit entfernten Objekten nur die Entfernung zu dem beweglichen Objekt wichtig ist. Wenn das Objekt sich jedoch dem mobilen Agenten auf einen Abstand nähert, der geringer ist als der kritische Abstand R_rc, wird das Polargitter zweidimensional angenommen, so dass auch die tangentiale Komponente der Geschwindigkeit geschätzt wird. In den Fällen repräsentiert die durchschnittliche Geschwindigkeit aller Partikel die Zellengeschwindigkeit. Nach dem Schätzen der Geschwindigkeit der individuellen Partikel kann der folgende Wert eingeführt werden: $p_{c e l l, v e l} = (1 - \frac{σ_{v e l}}{σ_{m a x}}) \frac{n}{n_{m a x}}$
wobei p_cell,vel für die radiale (vrad) und tangentiale Komponenten (vtan) der Geschwindigkeit berechnet wird und σ_vel die Varianz der radialen Geschwindigkeiten aller Partikel einer Zelle und σ_max den maximalen Wert der Varianz angeben. Eine Zeitt_colI bis zu einer möglicherweise anstehenden Kollision kann dann näherungsweise in Schritt S3 durch die Gleichungen berechnet werden. $t_{c o l} = \frac{d}{v_{r a d}}$
wobei d dem Abstand der Zelle von dem mobilen Agenten 1 und t_colI der geschätzten Zeit bis zur Kollision entsprechen.
Durch Berücksichtigen der tangentialen Geschwindigkeit vtan für die ermittelte Zeit bis zu einer möglichen Kollision abhängig von den Abmessungen vehicleDim des mobilen Agenten 1 kann in Schritt S4 ermittelt werden, ob das Umgebungsobjekt 2 den mobilen Agenten 1 trifft oder nicht. $v_{t a n} * t_{c o l} < v e h i c l e D i m$
Wird in Schritt S4 festgestellt (Alternative: Ja), dass der mobile Agent 1 von dem Umgebungsobjekt 2 getroffen wird, so wird in Schritt S5 eine Kollisionswarnung signalisiert werden. Andernfalls wird zu Schritt S1 zurückgesprungen.
Somit kann durch Beobachtung der p_cell,vel Werte von benachbarten Zellen, ihre Geschwindigkeiten, ihre Belegungswerte-Werte und -Bereiche in Schritt S5 eine Kollisionswarnung signalisiert werden.
Abhängig von einer signalisierten Kollisionswarnung kann der mobile Agent 1 in Schritt S6 entsprechend eine Kollisionsvermeidungsfunktion starten. Die Kollisionsvermeidungsfunktion kann beispielsweise ein automatisches starkes Abbremsen, Ausweichen oder Beschleunigen des mobilen Agenten 1 umfassen.
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

US 9280890 B2 [0004]

Zitierte Nicht-Patentliteratur

C. Coue et al., „Bayesian Occupancy Filtering for Multitarget Tracking: an Automotive Application“, The International Journal of Robotics Research, SAGE Publications, 2006, 25, Seiten 19-30 [0036]
M.K. Tay et al., „An Efficient Formulation of the Bayesian Occupation Filter for Target Tracking in Dynamic Environments“, International Journal of Vehicle Autonomous Systems, Vol 6, ISSN: 1471-0226 [0036]
G. Tanzmeister et al., „Grid-based Mapping and Tracking in Dynamic Environments using a Uniform Evidential Environment Representation“, 2014 IEEE International Conference on Robotics & Automation [0036]

Claims

Verfahren zum Betreiben eines mobilen Agenten (1) basierend auf einer Erkennung von schnellen beweglichen Umgebungsobjekten, insbesondere zum Durchführen einer Kollisionsvermeidungsfunktion, mit folgenden Schritten: - Erfassen (S1) einer Position eines oder mehrerer beweglicher Umgebungsobjekte (2) in der Umgebung (U) des mobilen Agenten (1); - Zuordnen (S2) der erfassten Umgebungsobjekte (2) in ein Zellengitter abhängig von deren Position, wobei das Zellengitter einem 2D-polaren Gitternetz mit sich ringförmig um den mobilen Agenten (1) erstreckenden Zellanordnungen entspricht, wobei die Anzahl der Zellen (Z) in radialer Richtung mit zunehmender Entfernung vom mobilen Agenten (1) abnimmt; - Propagieren (S2) der in die Zellen (Z) zugeordneten Umgebungsobjekte über die Zellen (Z), um für jede Zelle (Z) eine radiale Geschwindigkeitsangabe, insbesondere eine durchschnittliche radiale Geschwindigkeit, zu erhalten, - Signalisieren (S5) einer Kollisionswahrscheinlichkeit für jede Zelle (Z) abhängig von der radialen Geschwindigkeitsangabe (v_rad).
Verfahren nach Anspruch 1, wobei für Entfernungen größer als ein vorgegebener kritischer Abstand (R_cr) keine Aufteilung der Zellengitter in tangentialer Richtung erfolgt, so dass die betreffenden Zellen (Z) sich ringförmig um den mobilen Agenten (1) erstrecken.
Verfahren nach Anspruch 2, wobei für Entfernungen kleiner als der kritische Abstand (R_cr) bei der Bestimmung der Kollisionswahrscheinlichkeit eine tangentiale Geschwindigkeitsangabe (v_tan), insbesondere einer durchschnittlichen tangentialen Geschwindigkeit, berücksichtigt wird.
Verfahren nach einem der Ansprüche 1 bis 3, wobei die Kollisionswahrscheinlichkeiten mithilfe eines Belegungsgitters in einem Polarkoordinatensystem und eines Bayes'schen Belegungsfilters in Verbindung mit einem Partikelfilter bestimmt werden.
Verfahren nach einem der Ansprüche 1 bis 4, wobei eine Kollisionswarnfunktion abhängig von den Belegungswahrscheinlichkeiten für jede Zelle des Zellengitters ausgeführt wird.
Vorrichtung zum Betreiben eines mobilen Agenten (1) basierend auf einer Erkennung von schnellen beweglichen Umgebungsobjekten, insbesondere zum Durchführen einer Kollisionsvermeidungsfunktion, wobei die Vorrichtung ausgebildet ist zum: - Empfangen einer Position eines oder mehrerer erfasster beweglicher Umgebungsobjekte (2) in der Umgebung (U) des mobilen Agenten (1); - Zuordnen der erfassten Umgebungsobjekte (2) in ein Zellengitter abhängig von deren Position, wobei das Zellengitter einem 2D-polaren Gitternetz mit sich ringförmig um den mobilen Agenten (1) erstreckenden Zellanordnungen entspricht, wobei die Anzahl der Zellen (Z) in radialer Richtung mit zunehmender Entfernung vom mobilen Agenten (1) abnimmt; - Propagieren der in die Zellen (Z) zugeordneten Umgebungsobjekte über die Zellen (Z), um für jede Zelle (Z) eine radiale Geschwindigkeitsangabe, insbesondere eine durchschnittliche radiale Geschwindigkeit, zu erhalten, - Signalisieren einer Kollisionswahrscheinlichkeit für jede Zelle (Z) abhängig von der radialen Geschwindigkeitsangabe (v_rad).
Mobiler Agent (1) mit einer Bewegungsaktuatorik zum Bewegen des mobilen Agenten (1), einer Umgebungserfassungssensorik (12) zum Erfassen einer Position eines oder mehrerer beweglicher Umgebungsobjekte (2) in der Umgebung (U) des mobilen Agenten (1) und mit einer Vorrichtung nach Anspruch 6.
Computerprogramm mit Programmcodemitteln, das dazu eingerichtet ist, ein Verfahren nach einem der Ansprüche 1 bis 5 auszuführen, wenn das Computerprogramm auf einer Recheneinheit ausgeführt wird.
Maschinenlesbares Speichermedium mit einem darauf gespeicherten Computerprogramm nach Anspruch 8.