-
TECHNISCHES GEBIET
-
Die vorliegende Erfindung betrifft Techniken zur robusten Steuerung in querführenden Fahrerassistenzsystemen. Die Techniken betreffen insbesondere Techniken zur Stabilisierung eines Umfeldmodells in Fahrerassistenzsystemen. Um das Umfeldmodell zu stabilisieren, werden Schwarmdaten verwendet.
-
HINTERGRUND DER ERFINDUNG
-
Fahrerassistenzsysteme für Fahrzeuge, insbesondere für Personenkraftfahrzeuge oder Lastkraftwagen, erleichtern die Orientierung des Fahrers während des Fahrens. In einem Fahrzeug mit Fahrerassistenzsystem kann dem Fahrer ein Umfeldmodell über ein Display angezeigt werden. In dem Umfeldmodell können Objekte, wie beispielsweise Verkehrsschilder, Fahrspuren, etc., dargestellt werden. Ferner können Objekte, die durch Sensoren erkannt worden sind, wie beispielsweise Personenkraftfahrzeuge, Motorräder, Lastkraftwagen, Baustellen etc., dargestellt werden. Sensoren zur Erkennung der Objekte können beispielsweise Kameras oder Radarsensoren sein, die in dem Fahrzeug integriert sind.
-
Kameras können beispielsweise Markierungen auf der Straße erkennen und deren Abstand voneinander ermitteln. Somit kann die Breite einer Fahrbahn-Spur (nachfolgend, einfach Spur) ermittelt werden. Sobald die Breite der Spur größer als ein vorgegebener Wert ist, wird diese Spur beispielsweise als Fahrstreifen bzw. Seitenstreifen erkannt und als solcher dargestellt. Fällt die Breite der Spur unter den vorgegebenen Wert, wird die Spur z.B. im Umfeldmodell wieder ausgeblendet.
-
In der Praxis stellt jedoch eine wechselnde bzw. nicht konstante Breite der Spuren ein Problem dar. Beispielsweise wurde beobachtet, dass basierend auf Kameradaten die Spurbreite manchmal nur ungenau bzw. mit Schwankungen erkannt werden kann. Dadurch kann es zu einem Zu- und Abschalten der Spur, z.B. des Standstreifens einer Autobahn kommen. Das Umfeldmodell, das dem Fahrer in Fahrerassistenzsystemen angezeigt wird, wird dann als nicht stabil bezeichnet.
-
Die Druckschrift
DE 10 2019 216 914 A1 beschreibt ein System und Verfahren zur automatisierten Erzeugung von semantischen Karten, das zumindest ein Verarbeitungssystem mit mindestens einer Verarbeitungseinrichtung beinhaltet. Das Verarbeitungssystem ist dazu ausgelegt, ein probabilistisches Straßenmodell für Straßenelemente zu erzeugen. Das Verarbeitungssystem ist dazu ausgelegt, ein probabilistisches Verkehrsmodell für das Straßenmodell zu erzeugen. Das Verarbeitungssystem ist dazu ausgelegt, eine statistische Inferenz an dem Straßenmodell und dem Verkehrsmodell durchzuführen. Das Verarbeitungssystem ist dazu ausgelegt, eine Schätzung eines semantischen Straßenmodells basierend auf der statistischen Inferenz zu erzeugen. Das Verarbeitungssystem ist dazu ausgelegt, eine semantische Karte, die die Schätzung des semantischen Straßenmodells beinhaltet, zu erzeugen. Ein solches System hat den Nachteil, dass es nicht immer einfach möglich ist, das probabilistische Verkehrsmodell zuverlässig zu erzeugen.
-
Die Druckschrift
DE 10 2017 215 708 A1 beschreibt Verfahren zur Ermittlung einer die Qualität von Fahrbahnmarkierungen entlang befahrbarer Streckenabschnitte beschreibenden, bei der vollautomatischen Führung eines Kraftfahrzeugs zu verwendenden Qualitätskarte, wobei in jedem Kraftfahrzeug einer eine Mehrzahl von Kraftfahrzeugen aufweisenden Kraftfahrzeugflotte durch Auswertung von Sensordaten wenigstens eines Umfeldsensors umfassenden Umfelddaten Fahrbahnmarkierungen im Umfeld des Kraftfahrzeugs detektiert werden, wenigstens eine die Qualität der Fahrbahnmarkierungen und/oder die Qualität der Detektion der Fahrbahnmarkierungen beschreibende Qualitätsinformation ermittelt wird und die Qualitätsinformation und eine zugeordnete, deren Aufnahmeort beschreibende Positionsinformation an eine kraftfahrzeugexterne, ortsfeste Backendeinrichtung übersendet werden, wobei die übersandten, ortsaufgelösten Qualitätsinformationen der Kraftfahrzeugflotte seitens der Backendeinrichtung zur Erstellung und/oder Aktualisierung der Qualitätskarte verwendet werden. Ein solches Verfahren hat den Nachteil, dass die Qualität der Fahrbahnmarkierungen oftmals nicht zuverlässig bestimmt werden kann.
-
ZUSAMMENFASSUNG DER ERFINDUNG
-
Es besteht also ein Bedarf an Techniken zur Stabilisierung des Umfeldmodells in Fahrerassistenzsystemen. Insbesondere besteht ein bedarf für Techniken, die das Ein- und Ausblenden einer Spur vermeiden.
-
Aufgabe der vorliegenden Erfindung ist es, die Verwendung einer Spur in einem Umfeldmodell von Fahrerassistenzsystemen zu stabilisieren und damit die Unterstützung des Fahrers durch Fahrerassistenzsysteme zu verbessern. Besondere bei querführenden Fahrerassistenzsystem, also bei Systemen, die beispielweise beim Spurwechsel des Fahrzeugs assistieren, ist eine stabile Erkennung und damit Verwendung von Spuren von entscheidender Bedeutung.
-
Gemäß der vorliegenden Erfindung wird diese Aufgabe durch ein Verfahren nach Anspruch 1, ein Fahrerassistenzsystem nach Anspruch 14 und ein Fahrzeug nach Anspruch 15 gelöst. Die abhängigen Ansprüche definieren bevorzugte und vorteilhafte Ausführungsformen der vorliegenden Erfindung.
-
Gemäß der vorliegenden Erfindung liegt ein Verfahren zur Stabilisierung eines Umfeldmodells in Fahrerassistenzsystemen vor. Bei dem Verfahren wird eine Eigenschaft einer Spur aus einer Fusion von Schwarmdaten und lokalen Sensordaten - das bedeutet Sensordaten, die vom jeweiligen Fahrzeug erfasst werden - ermittelt.
-
Schwarmdaten sind die Menge an Daten, die von verschiedenen Objekten z.B. Fahrzeugen stammen. Schwarmdaten können zum Beispiel eine Aggregation von von verschiedenen Objekten gesammelten Daten bezeichnen. Zum Beispiel können Schwarmdaten für bestimmte Landmarken Information von den verschiedenen Objekten umfassen. Schwarmdaten können insbesondere abgegrenzt werden gegenüber Kartendaten. Kartendaten beinhalten für bestimmte Landmarken lediglich einen Informationssatz, aber nicht mehrere Informationssätze von unterschiedlichen Objekten. Die Schwarmdaten können zum Beispiel Bilddaten von Landmarken aus mehreren Quellen, das heißt von den verschiedenen Objekten umfassen. Alternativ oder zusätzlich könnten die Schwarmdaten auch Positionsinformation für Landmarken umfassen, das heißt zum Beispiel Informationen über die Anordnung von Verkehrsschildern, Ampelanlagen, den Verlauf von Spuren usw. Positionsinformation kann zum Beispiel bestimmt werden basierend auf Navigationssystemen der verschiedenen Fahrzeuge. Im Rahmen der Schwarmdaten könnten auch andere Sensoren als Quelle Information berücksichtigt werden, zum Beispiel Radarsensoren oder Ultraschallsensoren oder LIDAR-Sensoren. Die Schwarmdaten können z.B. Referenzen zwischen Bilddaten aus unterschiedlichen Quellen beinhalten, also z.B. Transformationsanweisungen, die den Zusammenhang der verschiedenen Perspektiven beschreiben.
-
Unter Berücksichtigung der Eigenschaft der Spur wird die Spur validiert. Genaugenommen kann ein Modell der Spur validiert werden. Das Modell der Spur kann dann im Umfeldmodell verwendet werden. Das Modell der Spur beschreibt also die physische Spur im Rahmen des Umfeldmodells. Das Modell der Spur kann z.B. den Verlauf und die Spurbreite und ein Erscheinungsbild der Spur beschreiben. Nachfolgend wird der Einfachheit halber auf die Verwendung der Spur im Umfeldmodell Bezug genommen.
-
Die Spur wird - z.B. in einem Umfeldmodell des Fahrzeugs - verwendet, nachdem die Spur validiert worden ist. Eine solche Verwendung der Spur kann zum Beispiel das Darstellen der Spur in einer Umfeldansicht des Fahrzeugs umfassen. Die Verwendung könnte auch im Zusammenhang mit einem Notbrems-Assistenten erfolgen, der einen Standbereich zum Abbremsen des Fahrzeugs identifiziert.
-
Unter Verwendung von Schwarmdaten kann die eine Eigenschaft einer Spur besser bestimmt werden. Schwarmdaten haben den Vorteil, dass sie eine größere Reichweite (> 50m) haben als übliche Sensordaten, wie z.B. Kameras (ca. 50-60m). Mit anderen Worten: Mit Hilfe von Schwarmdaten kann man weiter nach vorne „sehen“ als beispielsweise mit einer im Fahrzeug montierten Kamera. Ferner können durch die Berücksichtigung von Schwarmdaten auch Informationen anderer Verkehrsteilnehmer mit eingebunden werden. Dadurch kann eine Spur eindeutiger identifiziert werden. Dies führt dazu, dass das Umfeldmodell stabilisiert wird.
-
Gemäß einer Ausführungsform kann die Eigenschaft der Spur die Art der Spur umfassen. Die Art der Spur kann beispielsweise ein Standstreifen oder ein Fahrstreifen sein. Dies kann z.B. Anhand einer Spurbreite und/oder Spurmarkierungen unterschieden werden. Derart kann für den Fahrer eine genauere Darstellung der Umgebung, insbesondere der in Betracht kommenden Spuren, erreicht werden. Gerade falls ein Spurwechsel vom Fahrer erwünscht oder notwendig ist, kann der Fahrer detaillierte Informationen dem Fahrerassistenzsystem entnehmen.
-
Ferner kann die Eigenschaft der Spur eine minimale, maximale und/oder mittlere Breite umfassen. Anhand der Bestimmung der Breite der Spur kann auf die Art der Spur geschlossen werden. Die Eigenschaft der Breite einer Spur ermöglicht die Validierung einer Spur. Durch Berücksichtigung der Spurbreite kann somit eine stabilere Parametrisierung der Spur und folglich ein verbessertes Umfeldmodell erreicht werden.
-
Gemäß einer weiteren Ausführungsform können die Schwarmdaten von einer Cloud während einer Fahrt des Fahrzeugs geladen werden. Durch ein Laden von Schwarmdaten während des Fahrens kann das Umfeldmodell ständig aktualisiert werden und kann sich ständig an veränderte Verkehrsbedingungen anpassen. Beispielsweise könnten lediglich Schwarmdaten berücksichtigt werden, die nicht älter als ein vorgegebener Wert sind. Derart können zum Beispiel Wanderbaustellen usw. berücksichtigt werden.
-
Das Verfahren kann ein Lokalisieren des Fahrzeugs mit Hilfe der Schwarmdaten und Sensordaten vor dem Ermitteln der Eigenschaft einer Spur umfassen. Dadurch kann die Fusion von Schwarmdaten und Sensordaten verbessert werden. Derart kann vermieden werden, dass Sensordaten mit Schwarmdaten verglichen werden, die unterschiedliche Landmarken betreffen.
-
Ferner kann die Fusion eine Überlagerung der Schwarmdaten und Sensordaten umfassen. Das bedeutet, dass z.B. Kamerabilder der Schwarmdaten und Sensordaten übereinander gelegt oder zu einem Bild zusammengefügt werden. Dadurch kann eine Eigenschaft einer Spur genau ermittelt werden. Zum Beispiel könnte eine Bildregistrierung durchgeführt werden. Es könnten Objekte in den Kamerabildern erkannt werden und aufeinander registriert werden.
-
Beispielsweise kann die Fusion auf einem Erkennen von Objekten in der Nähe der Spur basieren. Dies stellt eine Möglichkeit dar, die Fusion von Schwarmdaten und Sensordaten effizient und genau zu realisieren.
-
Gemäß einer weiteren Ausführungsform kann die Validierung der Spur auf einem Vergleich der Eigenschaft der Spur mit einem Grenzwert beruhen. Indem die Eigenschaft der Spule z.B. mit einer für die Spur relevanten Größe verglichen wird, kann die Spur validiert werden. Z.B. kann überprüft werden, ob die Spur eine bestimmte Mindestbreite aufweist. Es könnte auch Überprüft werden, ob die Art der Spur bestimmte Vorgaben für einen entsprechenden Straßentyp erfüllt.
-
Es wäre möglich, dass der Vergleich der Eigenschaft der Spur mit einem Grenzwert in Relation zu einem Schwellenwert gesetzt wird. Somit kann eine Toleranz einer Abweichung der Eigenschaft von der Spur zu einer für die Spur relevanten Größe berücksichtigt werden.
-
Das Verfahren kann ferner ein Ermitteln einer weiteren Eigenschaft der Spur aus Schwarmdaten oder Sensordaten umfassen. Damit kann die Validierung der Spur verbessert werden.
-
Die weitere Eigenschaft der Spur kann die Umgebung, die Benutzung der Spur durch Verkehrsteilnehmer oder die Änderung der Eigenschaft der Spur umfassen. Verschiedene Faktoren können berücksichtigt werden, die die Validierung der Spur unterstützen und verbessern.
-
Gemäß einer weiteren Ausführungsform kann der Grenzwert und der Schwellenwert in Abhängigkeit von der weiteren Eigenschaft der Spur appliziert werden. Die Validierung der Spur kann somit angepasst werden.
-
Das Verfahren kann ferner ein Überprüfen des Validierens der Spur mit Hilfe der weiteren Eigenschaft umfassen. Damit kann die Validierung der Spur verbessert und damit das Umfeldmodell stabilisiert werden.
-
Die vorliegende Erfindung stellt ferner ein Fahrerassistenzsystem bereit, das sich in einem Fahrzeug befindet und eine Kamera umfasst, die ausgestaltet ist, um das Verfahren, wie es zuvor beschrieben wurde, durchzuführen.
-
Schließlich wird gemäß der vorliegenden Erfindung ein Fahrzeug bereitgestellt, welches ein Fahrerassistenzsystem, wie es zuvor beschrieben wurde, umfasst.
-
Die oben beschriebenen Beispiele und die nachfolgend beschriebenen Beispiele können miteinander und mit weiteren Beispielen kombiniert werden.
-
Figurenliste
-
Die oben beschriebenen Eigenschaften, Merkmale und Vorteile dieser Erfindung sowie die Art und Weise, wie diese erreicht werden, werden klarer und deutlicher verständlich im Zusammenhang mit der folgenden Beschreibung der Ausführungsbeispiele, die im Zusammenhang mit den Figuren näher erläutert werden.
- 1 zeigt mehrere Fahrzeuge mit einer Kamera und eine Cloud.
- 2 zeigt ein Fahrzeug gemäß einer Ausführungsform der vorliegenden Erfindung mit einem Fahrerassistenzsystem umfassend eine Kamera, das auf einer Straße fährt.
- 3 zeigt Verfahrensschritte eines Verfahrens gemäß einer Ausführungsform der vorliegenden Erfindung.
- 4 zeigt schematisch ein Validieren der Spur unter Berücksichtigung der Eigenschaft der Spur.
- 5 zeigt Verfahrensschritte eines Verfahrens gemäß einer Ausführungsform der vorliegenden Erfindung.
-
DETAILLIERTE BESCHREIBUNG DER ERFINDUNG
-
Die Zeichnungen sind als schematische Darstellungen zu betrachten und die in den Zeichnungen dargestellten Elemente sind nicht unbedingt maßstabsgetreu dargestellt. Vielmehr werden die verschiedenen Elemente so dargestellt, dass ihre Funktion und allgemeine Bedeutung für einen Fachmann ersichtlich werden.
-
Nachfolgend werden Techniken zur Stabilisierung eines Umfeldmodells in Fahrerassistenzsystemen beschrieben. Durch die Stabilisierung des Umfeldmodells können plötzliche Schwankungen vermieden werden. Messeartefakte können reduziert werden. Diese Verfahren können den Fahrer bei der Orientierung im Straßenverkehr unterstützen. Diese Verfahren können dem Fahrer als Entscheidungshilfe dienen. Diese Verfahren können ein autonomes Fahren des Fahrzeugs ermöglichen.
-
Nachfolgend werden die Techniken zur Stabilisierung eines Umfeldmodells in Fahrerassistenzsystemen insbesondere in Bezug auf das Ermitteln einer Eigenschaft einer Spur beschrieben. Darüber hinaus können die Techniken aber allgemein auf dem Ermitteln einer Eigenschaft eines Umfeldobjekts, also eines Objekts das sich im Umfeld des Fahrzeugs befindet, basieren. Andere Arten von Umfeldobjekten wären zum Beispiel: Leitplanken; Fahrbahnbelag; Verkehrszeichen; Verkehrsführungsanlagen wie beispielsweise Ampeln; usw.
-
1 zeigt mehrere Fahrzeuge 100 mit jeweils einer Kamera 103 und eine Cloud 200. Jedes der Fahrzeuge nimmt das Umfeld mit der jeweiligen Kamera auf. Die Kameradaten werden an eine Cloud 300 gesendet und dort gesammelt und gegebenenfalls weiterverarbeitet. Die Menge an Daten, die von verschiedenen Objekten z.B. Fahrzeugen stammt, wird Schwarmdaten genannt. In Schwarmdaten kann u. a. historische Information enthalten sein, beispielsweise die Information, wie andere Fahrzeuge in den jeweiligen Fahrspuren z.B. auf der Autobahn gefahren sind. Mit Hilfe dieser Schwarmdaten kann man beispielsweise erkennen, dass z.B. auf einer Autobahn zwei Fahrspuren durch andere Verkehrsteilnehmer befahren wurden, aber z.B. niemand auf dem Seitenstreifen gefahren ist. Schwarmdaten, die beispielsweise in einer Cloud 300 gespeichert sind, können von dort abgerufen oder versandt werden. Schwarmdaten können als weitere Sensorquelle verstanden werden.
-
2 zeigt ein Fahrzeug 100 gemäß einer Ausführungsform der vorliegenden Erfindung mit einem Fahrerassistenzsystem 102 das mit einer Kamera 103 gekoppelt ist. Das Fahrzeug 100 fährt auf einer Spur 300 einer Straße fährt. Das Fahrerassistenzsystem 102 können Hardware und/oder Software implementiert sein. Das Fahrzeug 100 bzw. das Fahrerassistenzsystem 102 des Fahrzeugs 100 kann Schwarmdaten 201 aus einer Cloud 200 abrufen und empfangen. Die Cloud 200 kann Schwarmdaten 201 an das Fahrzeug 100 bzw. das Fahrerassistenzsystem 102 des Fahrzeugs 100 senden. Die Kamera 103 des Fahrzeugs 100 kann bis zu einer gewissen Reichweite das Umfeld des Fahrzeugs detektieren. Die Kamera 103 bzw. das Fahrerassistenzsystem 102 kann die Daten der Kamera also Sensordaten 101 bereitstellen. Das Fahrerassistenzsystem 102 kann einen Prozessor, einen Speicher, eine Schnittstelle und ein Display umfassen. Der Prozessor kann eingerichtet sein, um Programmcode aus dem Speicher zu laden und auszuführen, wobei das Ausführen des Programmcodes bewirken kann, dass der Prozessor Daten von Sensoren und Schwarmdaten empfängt und die empfangenen Daten analysiert. Das Ausführen des Programmcodes kann ferner bewirken, dass der Prozessor eine Spur auf dem Display darstellt, wenn durch die Analyse der Daten eine Spur in der Nähe des Fahrzeugs erkannt wird.
-
Dabei können die Schwarmdaten 201 von einer Cloud 200 während des Fahrens geladen 906 werden. Da sich das Fahrzeug 100 auf einer Straße bewegt, ändert sich fortlaufend das Umfeld. Das Umfeld kann fortlaufend aus Sensordaten 101, z.B. Bilddaten der Kamera 103 ermittelt oder aktualisiert werden. Durch eine wiederholte Ermittlung des aktuellen Umfelds, die in hinreichend kurzen Zeitabständen wiederholt wird, können Veränderungen des Umfelds bestimmt werden, z.B. das Hinzukommen oder Wegfallen von Fahrspuren oder Seitenstreifen. Zudem können fortlaufend Schwarmdaten 201 von einer Cloud 200 oder einem externen Server während des Fahrens geladen werden. Es können nur für den Fahrer bzw. das Fahrzeug geeignete Kartenabschnitte als Schwarmdaten 201 aus der Cloud 200 geladen werden. Die Schwarmdaten 201, die die Kartenabschnitte umfassen, können einen geringen Datenumfang haben. So können nicht nur Veränderungen durch die im Fahrzeug verbauten Sensoren, sondern Veränderungen, die von anderen Verkehrsteilnehmern erkannt werden, über die Cloud 200 an das Fahrzeug bzw. den Fahrer übermittelt und erfasst werden. Der Fahrer profitiert so von den Sensoren anderer Verkehrsteilnehmer, beispielsweise von Verkehrsteilnehmer, die bereits eine vom Fahrer aus noch nicht erkennbare Baustelle bereits mit ihren Sensoren detektieren können. Der Fahrer kann bei einer schnellen Datenübertragung und Datenverarbeitung auch nahezu zeitgleich zum anderen Verkehrsteilnehmer, der die Baustelle detektiert, von der Baustelle erfahren. Dieses Beispiel veranschaulicht, dass durch ein Laden von Schwarmdaten während des Fahrens das Umfeldmodell ständig aktualisiert werden kann und sich ständig an veränderte Verkehrsbedingungen anpassen kann.
-
3 zeigt Verfahrensschritte eines Verfahrens 900 gemäß einer Ausführungsform der vorliegenden Erfindung. Das Verfahren 900 dient der Stabilisierung eines Umfeldmodells in Fahrerassistenzsystemen 102 kann ein Ermitteln 901 einer Eigenschaft einer Spur 300 aus einer Fusion von Schwarmdaten 201 und Sensordaten 101, ein Validieren 902 der Spur 300 unter Berücksichtigung der Eigenschaft der Spur 300 und ein Verwenden 903 der Spur 300 umfassen, nachdem die Spur 300 validiert worden ist.
-
Die Fusion kann eine Überlagerung der Schwarmdaten 201 und Sensordaten 101 umfassen. Die Fusion kann auf einem Erkennen von Objekten 500 in der Nähe der Spur 300 basieren. Wie in 2 gezeigt, kann mit der Kamera 103 am Rand der Straße ein 100 km/h Schild 500 erfasst werden. Anhand dieses Objekts 500 können die entsprechenden Schwarmdaten 201 aus der Cloud 200 geladen und zur Fusion verwendet werden. Anhand dieses Objekts 500 kann die Position des Fahrzeugs 100 bestimmt werden.
-
Beispielsweise kann die Eigenschaft der Spur 300 die Art der Spur 300 umfassen. Die Art der Spur 300 kann beispielsweise ein Standstreifen 301 oder ein Fahrstreifen 302 sein. Wie in 2 gezeigt, kann sich das Fahrzeug 100 auf einem Standstreifen 301 oder ein Fahrstreifen 302 befinden. Die an die Spur des Fahrzeugs angrenzenden Spuren können ebenfalls ein Fahrstreifen 302 oder ein Standstreifen 301 sein. Gerade auf einer Autobahn kann es vorteilhaft sein, wenn der Fahrer angezeigt bekommt, ob die benachbarte Spur ein Standstreifen ist. Die Eigenschaft des Standstreifens kann beispielsweise eine nahezu nicht vorhandene Spurenauslastung sein.
-
4 zeigt schematisch ein Validieren der Spur unter Berücksichtigung der Eigenschaft der Spur. Nach einer Ausführungsform kann im Verfahren 900 die Eigenschaft der Spur 300 eine minimale, maximale oder mittlere Breite 401 umfassen. Die minimale, maximale oder mittlere Breite 401 kann basierend auf den Schwarmdaten 201 und Kameradaten 101 ermittelt werden. Die Validierung der Spur 300 kann auf einem Vergleich der Eigenschaft der Spur 300 mit einem Grenzwert 402 beruhen. Beispielsweise kann eine Differenz zwischen der minimalen, maximalen oder mittleren Breite 401 und dem Grenzwert 402 gebildet werden. Beispielsweise kann ein Integral der Differenz zwischen der minimalen, maximalen oder mittleren Breite 401 und dem Grenzwert 402 über die Zeit gebildet werden. Der Vergleich der Eigenschaft der Spur 300, beispielweise der minimalen, maximalen oder mittleren Breite 401, mit einem Grenzwert 402 kann in Relation zu einem Schwellenwert 403 gesetzt werden. Beispielweise kann eine Relation des Integrals der Differenz zwischen der minimalen, maximalen oder mittleren Breite 401 und dem Grenzwert 402 über die Zeit zum Schwellenwert 403 bestimmt werden. Beispielweise kann bestimmt werden, dass Integrals der Differenz zwischen der minimalen, maximalen oder mittleren Breite 401 und dem Grenzwert 402 über die Zeit größer als der Schwellenwert 403 sein soll, damit ein Seitenstreifen validiert wird.
-
5 zeigt Verfahrensschritte eines Verfahrens 900 gemäß einer Ausführungsform der vorliegenden Erfindung. Das Verfahren 900 kann, abgesehen von den Verfahrensschritten 901 bis 903, die bereits in anhand von 3 erläutert wurden, weitere Verfahrensschritte umfassen. Das Verfahren 900 kann ferner ein Lokalisieren 907 des Fahrzeugs 100 mit Hilfe der Schwarmdaten 201 und Sensordaten 101 vor dem Ermitteln der Eigenschaft einer Spur 300 umfassen. Das Verfahren 900 kann ferner ein Ermitteln 904 einer weiteren Eigenschaft der Spur 300 aus Schwarmdaten 201 oder Sensordaten 101 umfassen. Die weitere Eigenschaft der Spur 300 kann die Umgebung, die Benutzung der Spur 300 durch Verkehrsteilnehmer oder die Änderung der Eigenschaft der Spur 300 umfassen. Der Grenzwert 402 und der Schwellenwert 403, die in 4 beschrieben wurden, können in Abhängigkeit von der weiteren Eigenschaft der Spur 300 appliziert oder angepasst werden. Beispielsweise kann der Schwellenwert verringert werden, wenn die Fahrt nachts erfolgt, da bei Nacht aufgrund verringertem Störlichts die Detektionsfähigkeit der Kamera steigt und somit ein geringerer Detektionsfehler zu erwarten ist. Beispielsweise kann nach Erkennen einer Landstraße von einer geringeren Breite des Standstreifens, und somit kleinerem Grenzwert, ausgegangen werden. Das Verfahren 900 kann ferner ein Überprüfen 905 des Validierens der Spur 300 mit Hilfe der weiteren Eigenschaft umfassen. So kann das Verfahren einen Standstreifen erst dann anzeigen, wenn dieser aufgrund weiterer Indizien, wie z.B. einer Autobahn als Umgebung oder die geringe Benutzung durch Verkehrsteilnehmer, plausibel erscheint.
-
Die Reihenfolge der erläuterten Verfahrensschritte kann variieren.
-
Bezugszeichenliste
-
- 100
- Fahrzeug
- 101
- Sensordaten
- 102
- Fahrerassistenzsystem
- 103
- Kamera
- 200
- Cloud
- 201
- Schwarmdaten
- 300
- Spur
- 301
- Standstreifen
- 302
- Fahrstreifen
- 401
- Breite einer Spur
- 402
- Grenzwert
- 403
- Schwellenwert
- 500
- Objekt
- 900
- Verfahren
- 901
- Ermitteln einer Eigenschaft einer Spur
- 902
- Validieren einer Spur
- 903
- Verwenden einer Spur
- 904
- Ermitteln einer weiteren Eigenschaft einer Spur
- 905
- Überprüfen des Validierens einer Spur
- 906
- Laden von Schwarmdaten
- 907
- Lokalisieren eines Fahrzeugs
-
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 102019216914 A1 [0005]
- DE 102017215708 A1 [0006]
