DE102021004944A1 - Verfahren zur Erfassung und Bewertung von Fahrspurmarkierungen - Google Patents
Verfahren zur Erfassung und Bewertung von Fahrspurmarkierungen Download PDFInfo
- Publication number
- DE102021004944A1 DE102021004944A1 DE102021004944.6A DE102021004944A DE102021004944A1 DE 102021004944 A1 DE102021004944 A1 DE 102021004944A1 DE 102021004944 A DE102021004944 A DE 102021004944A DE 102021004944 A1 DE102021004944 A1 DE 102021004944A1
- Authority
- DE
- Germany
- Prior art keywords
- lane markings
- lane
- lidar
- camera
- captured
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000001514 detection method Methods 0.000 title claims description 5
- 238000011156 evaluation Methods 0.000 title claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
Die Erfindung betrifft ein Verfahren zur Erfassung und Bewertung von Fahrspurmarkierungen, wobei eine Fahrzeugumgebung mittels zumindest einer Kamera (2) und mittels zumindest eines Lidars (3) erfasst wird. Erfindungsgemäß wird ein Qualitätsmaß (Q) für erkannte Fahrspurmarkierungen durch Kombination einer kamerabasierten mit einer lidarbasierten Fahrspurerkennung bestimmt. In mittels der Kamera (2) erfassten Kamerabildern (B) werden Farbunterschiede zwischen erfassten Fahrspurmarkierungen und einer Fahrbahnoberfläche ausgewertet. In mittels des Lidars (3) erfassten Lidardaten (L) werden Reflexionsunterschiede zwischen erfassten Fahrspurmarkierungen und der Fahrbahnoberfläche ausgewertet. Einer jeweiligen Fahrspurmarkierung wird für manuelle oder autonome Fahrzeugsysteme dann eine unzureichende Qualität zugewiesen, wenn weder Farbunterschiede noch Reflexionsunterschiede erfasst werden.
Description
- Die Erfindung betrifft Verfahren zur Erfassung und Bewertung von Fahrspurmarkierungen gemäß dem Oberbegriff des Anspruchs 1.
- Aus der
DE 10 2019 005 480 A1 ist ein Verfahren zur Erfassung und Bewertung eines Zustands von Fahrspurmarkierungen bekannt, wobei die Bewertung zunächst in einem Fahrzeug erfolgt und anschließend in einer fahrzeugexternen Rechnereinheit plausibilisiert wird. Der Zustand der Fahrspurmarkierungen wird mittels Umgebungssensoren einer Fahrzeugflotte plausibilisiert, wenn diese eine Beschädigung der Fahrspurmarkierung an einer bestimmten Position detektieren. Die Bewertung im Fahrzeug erfolgt mithilfe zumindest einer verbauten Kamera und zumindest eines verbauten Lidars. - Der Erfindung liegt die Aufgabe zu Grunde, ein neuartiges Verfahren zur Erfassung und Bewertung von Fahrspurmarkierungen anzugeben.
- Die Aufgabe wird erfindungsgemäß gelöst durch ein Verfahren, welches die im Anspruch 1 angegebenen Merkmale aufweist.
- Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand der Unteransprüche.
- In einem Verfahren zur Erfassung und Bewertung von Fahrspurmarkierungen wird eine Fahrzeugumgebung mittels zumindest einer Kamera und mittels zumindest eines Lidars erfasst.
- Erfindungsgemäß wird ein Qualitätsmaß für erkannte Fahrspurmarkierungen durch Kombination einer kamerabasierten mit einer lidarbasierten Fahrspurerkennung bestimmt.
- Dabei werden in mittels der Kamera erfassten Kamerabildern Farbunterschiede zwischen erfassten Fahrspurmarkierungen und einer Fahrbahnoberfläche und in mittels des Lidars erfassten Lidardaten Reflexionsunterschiede zwischen erfassten Fahrspurmarkierungen und der Fahrbahnoberfläche ausgewertet. Einer jeweiligen Fahrspurmarkierung für manuelle oder autonome Fahrzeugsysteme wird dann eine unzureichende Qualität zugewiesen, wenn weder Farbunterschiede noch Reflexionsunterschiede erfasst werden.
- Mittels des vorliegenden Verfahrens ist in zuverlässiger Weise eine Bewertung von Fahrspurmarkierungen und deren Qualität möglich.
- Automatisiert, insbesondere hochautomatisiert oder autonom betriebene Fahrzeuge benötigen eine Erkennung von Fahrspurmarkierungen, um eine Trajektorie innerhalb einer eigenen Fahrspur wählen zu können. Bei ungünstigen Umgebungsbedingungen und schlecht erkennbaren Markierungen verringert sich eine Reichweite der erkannten Fahrspurmarkierungen und damit unmittelbar ein Planungshorizont eines Trajektoriereglers häufig. Daraus kann ein unstetiges Fahrverhalten, beispielsweise ein leichtes Pendeln innerhalb der Fahrspur, oder eine zu späte Reaktion auf Fahrspurverlaufsänderungen, beispielsweise ein zu spätes Einlenken in eine Kurve, resultieren. Durch Anwendung des Verfahrens kann bei Vorliegen von Fahrspurmarkierungen mit unzureichender Qualität frühzeitig ein automatisierter Betrieb des Fahrzeugs beendet und eine Fahraufgabe an einen Fahrer übergegeben werden. Somit können gefährliche Situationen, welche aus einer fehlerhaften Fahrspurerkennung resultieren, vermieden werden.
- In einer möglichen Ausgestaltung des Verfahrens werden ermittelte Qualitätsmaße für erkannte Fahrspurmarkierungen gemeinsam mit Umgebungszuständen, in welchen diese ermittelt wurden, an ein Backend übermittelt und von diesem an weitere Fahrzeuge übermittelt. Auch können die Fahrspurmarkierungen betreffende Informationen weiterer Fahrzeuge an das Backend übermittelt werden. Ist eine Fahrspurmarkierungserkennung unzureichend, ermöglicht diese Ausgestaltung, dass im Backend hinterlegte Informationen mit ausreichender Qualität zum automatisierten Fahrbetrieb des Fahrzeugs verwendet werden. So können beispielsweise dann, wenn weitere Fahrzeuge an der gleichen Stelle ebenfalls eine unzureichende Qualität von Fahrspurmarkierungen erkennen, Informationen aus dem Backend genutzt werden, um das aktuelle Fahrverhalten des Fahrzeugs anzupassen. Dabei können beispielsweise Parameter, wie Karteninformationen, zum Beispiel wie viele Fahrspuren in einem aktuellen Abschnitt vorhanden sind, eine im Backend hinterlegte Trajektorie und damit ein Fahrverhalten anderer Fahrzeuge in gleicher Position stärker in die Trajektorieplanung des Fahrzeugs einbezogen werden. Da die eigene Fahrspurmarkierungserkennung unzureichend ist, können somit die im Backend hinterlegten und die Qualität der Fahrspurmarkierungen betreffenden Informationen stärker gewichtet werden. Auch können diese Informationen an Infrastrukturbetreiber weitergeleitet werden, um beispielsweise Erneuerungen der Fahrspurmarkierungen anzustreben.
- Ausführungsbeispiele der Erfindung werden im Folgenden anhand einer Zeichnung näher erläutert.
- Dabei zeigt:
-
1 schematisch ein Blockschaltbild einer Vorrichtung zur Erfassung und Bewertung von Fahrspurmarkierungen. - In der einzigen
1 ist ein Blockschaltbild eines möglichen Ausführungsbeispiels einer Vorrichtung1 zur Erfassung und Bewertung von Fahrspurmarkierungen dargestellt. - Die Vorrichtung
1 umfasst zumindest eine Kamera2 , zumindest ein Lidar3 , zumindest eine Verarbeitungseinheit4 und eine Kommunikationseinheit5 . Die Vorrichtung1 ist zur Durchführung eines Verfahrens zur Erfassung und Bewertung von Fahrspurmarkierungen ausgebildet. - Hierbei wird ein Qualitätsmaß Q für erkannte Fahrspurmarkierungen durch Kombination einer kamerabasierten mit einer lidarbasierten Fahrspurerkennung bestimmt. Zu diesem Zweck werden mittels der Verarbeitungseinheit
4 in mittels der Kamera2 erfassten Kamerabildern B Farbunterschiede zwischen erfassten Fahrspurmarkierungen und einer Fahrbahnoberfläche ausgewertet. Dies erfolgt beispielsweise mittels neuronaler Netzen und/oder klassischer Algorithmen. - Weiterhin werden mittels der Verarbeitungseinheit
4 in mittels des Lidars3 erfassten Lidardaten L Reflexionsunterschiede zwischen erfassten Fahrspurmarkierungen und der Fahrbahnoberfläche ausgewertet. Sind beispielsweise Glaskristalle in die Fahrspurmarkierungen eingebracht, ist eine Intensität von empfangenem Licht im Bereich der Fahrspurmarkierungen deutlich höher als im Bereich der angrenzenden Fahrbahnoberfläche. - Einer jeweiligen Fahrspurmarkierung wird für eine Anwendung für manuelle oder autonome Fahrzeugsysteme dann eine unzureichende Qualität zugewiesen, wenn weder Farbunterschiede noch Reflexionsunterschiede erfasst werden.
- Das heißt, sind beide Unterschiede nicht vorhanden, ist es für das menschliche Auge ebenfalls sehr herausfordernd, die Fahrspurmarkierung bei Tag und Nacht zu erkennen. Durch die automatisierte Wahrnehmung der Fahrspurmarkierung und deren Qualität können Informationen I über Fahrbahnbereiche mit Fahrspurmarkierungen unzureichender Qualität mittels der Kommunikationseinheit
5 vom Fahrzeug an ein Backend6 übermittelt werden. Diese Informationen I umfassen einerseits das jeweilige Qualitätsmaß Q und andererseits Umgebungszustände U, in welchen diese ermittelt wurden. Die Umgebungszustände U sind dabei beispielsweise „Tag“, „Nacht“, „Witterung“ usw. Zudem können die Informationen I Angaben über eine manuell gewählte Trajektorie eines Fahrers des Fahrzeugs, über eine geplante Trajektorie eines autonomen Fahrsystems des Fahrzeugs und über eine tatsächlich gefahrene Trajektorie umfassen. Auch können die Informationen I Angaben über einen gleichzeitig erfolgten Fahrereingriff bei einem teilautonomen Fahrbetrieb des Fahrzeugs umfassen. - Das Backend
6 kann diese Informationen I an weitere Fahrzeuge übermitteln und/oder zu einer zentralen Ermittlung des Qualitätsmaßes Q verwenden. - 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 102019005480 A1 [0002]
Claims (2)
- Verfahren zur Erfassung und Bewertung von Fahrspurmarkierungen, wobei eine Fahrzeugumgebung mittels zumindest einer Kamera (2) und mittels zumindest eines Lidars (3) erfasst wird, dadurch gekennzeichnet, dass - ein Qualitätsmaß (Q) für erkannte Fahrspurmarkierungen durch Kombination einer kamerabasierten mit einer lidarbasierten Fahrspurerkennung bestimmt wird, - in mittels der Kamera (2) erfassten Kamerabildern (B) Farbunterschiede zwischen erfassten Fahrspurmarkierungen und einer Fahrbahnoberfläche ausgewertet werden, - in mittels des Lidars (3) erfassten Lidardaten (L) Reflexionsunterschiede zwischen erfassten Fahrspurmarkierungen und der Fahrbahnoberfläche ausgewertet werden und - einer jeweiligen Fahrspurmarkierung für manuelle oder autonome Fahrzeugsysteme dann eine unzureichende Qualität zugewiesen wird, wenn weder Farbunterschiede noch Reflexionsunterschiede erfasst werden.
- Verfahren nach
Anspruch 1 , dadurch gekennzeichnet, dass ermittelte Qualitätsmaße (Q) für erkannte Fahrspurmarkierungen gemeinsam mit Umgebungszuständen (U), in welchen diese ermittelt wurden, an ein Backend (6) übermittelt werden.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102021004944.6A DE102021004944A1 (de) | 2021-10-01 | 2021-10-01 | Verfahren zur Erfassung und Bewertung von Fahrspurmarkierungen |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102021004944.6A DE102021004944A1 (de) | 2021-10-01 | 2021-10-01 | Verfahren zur Erfassung und Bewertung von Fahrspurmarkierungen |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102021004944A1 true DE102021004944A1 (de) | 2021-12-09 |
Family
ID=78605440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102021004944.6A Pending DE102021004944A1 (de) | 2021-10-01 | 2021-10-01 | Verfahren zur Erfassung und Bewertung von Fahrspurmarkierungen |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102021004944A1 (de) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019005480A1 (de) | 2019-08-05 | 2020-03-05 | Daimler Ag | Verfahren zur Erfassung und Bewertung eines Zustands von Fahrspurmarkierungen |
-
2021
- 2021-10-01 DE DE102021004944.6A patent/DE102021004944A1/de active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019005480A1 (de) | 2019-08-05 | 2020-03-05 | Daimler Ag | Verfahren zur Erfassung und Bewertung eines Zustands von Fahrspurmarkierungen |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2817793B1 (de) | Verfahren zum identifizieren eines fahrzeugs bei einer fahrzeug-zu-fahrzeug-kommunikation | |
DE102014007915A1 (de) | Verfahren und Vorrichtung zur Fernsteuerung einer Funktion eines Fahrzeuges mittels einer mobilen Einheit | |
WO2019121035A1 (de) | Verfahren zur klassifizierung von parklücken in einem umgebungsbereich eines fahrzeugs mit einem neuronalen netzwerk | |
DE102016219455A1 (de) | Kraftfahrzeug, Verfahren und aktive Infrastruktur zur Überprüfung einer Umfelderfassung eines Kraftfahrzeugs | |
DE102016210534A1 (de) | Verfahren zum Klassifizieren einer Umgebung eines Fahrzeugs | |
DE102016212187A1 (de) | Verfahren und Vorrichtung zum Betreiben einer eine Signalquelle umfassenden Verkehrsinfrastruktureinheit | |
DE102016216205B4 (de) | Navigationsverfahren für selbstfahrende Fahrzeuge | |
DE102017223160A1 (de) | Verfahren zum Erkennen von zumindest einem an einem Kraftfahrzeug anliegenden Objekt sowie Steuervorrichtung und Kraftfahrzeug | |
DE102016014712A1 (de) | Fahrzeug und Verfahren zur Ausgabe von Informationen an eine Fahrzeugumgebung | |
WO2019015851A1 (de) | Verfahren und vorrichtung zum identifizieren von schäden in fahrzeugscheiben | |
DE102006044615A1 (de) | Verfahren zur Kalibrierung von Bilderfassungseinrichtungen in Fahrzeugen | |
DE102017217072A1 (de) | Verfahren zum Erkennen eines Witterungsverhältnisses in einer Umgebung eines Kraftfahrzeugs sowie Steuervorrichtung und Kraftfahrzeug | |
DE102008026876A1 (de) | Stereokamerasystem und Verfahren zum Ermitteln mindestens eines Kalibrierfehlers eines Stereokamerasystems | |
DE102016120066A1 (de) | Computer-implementiertes Verfahren zum Kontrollieren bzw. Testen eines Objekterkennungssystems | |
DE102009036196A1 (de) | Verfahren und Vorrichtung zur Verkehrszeichenerkennung für ein Fahrzeug | |
DE102016004028A1 (de) | Verfahren zum Betrieb eines Fahrzeugs | |
DE102017207441A1 (de) | Verfahren zum Überprüfen einer digitalen Umgebungskarte für ein Fahrerassistenzsystem eines Kraftfahrzeugs, Rechenvorrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug | |
DE102021004944A1 (de) | Verfahren zur Erfassung und Bewertung von Fahrspurmarkierungen | |
DE102015014191A1 (de) | Verfahren zur Überprüfung einer digitalen Karte | |
DE102019118106B4 (de) | Verfahren zur Ermittlung einer Sichtweite | |
DE102016119592A1 (de) | Verfahren zum Erkennen von Objekten in einem Umgebungsbereich eines Kraftfahrzeugs unter Berücksichtigung von Sensordaten im infraroten Wellenlängenbereich, Objekterkennungsvorrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug | |
DE102012014115A1 (de) | Verfahren zur Unterstützung eines Fahrers beim Führen eines Fahrzeugs | |
DE102020003100A1 (de) | Verfahren zu einer kamerabasierten Erkennung von Lichtsignalanlagen | |
DE102019214937A1 (de) | Verfahren zur Erkennung von Zeichengebung im Umfeld eines Fahrzeugs | |
DE102019209667A1 (de) | System und Verfahren zum Ermitteln eines Flüssigkeitsverlustes eines Fahrzeugs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R230 | Request for early publication | ||
R012 | Request for examination validly filed | ||
R081 | Change of applicant/patentee |
Owner name: MERCEDES-BENZ GROUP AG, DE Free format text: FORMER OWNER: DAIMLER AG, STUTTGART, DE |