DE102021111114A1

DE102021111114A1 - Fahrspurunbestimmtheitsmodellierung und -verfolgung in einem Fahrzeug

Info

Publication number: DE102021111114A1
Application number: DE102021111114.5A
Authority: DE
Inventors: Alon Raveh; Shaul Oron; Bat El Shlomo
Original assignee: GM Global Technology Operations LLC
Current assignee: GM Global Technology Operations LLC
Priority date: 2020-09-17
Filing date: 2021-04-29
Publication date: 2022-03-17
Also published as: US20220080997A1; US11613272B2; CN114279458A

Abstract

Systeme und Verfahren beinhalten das Erhalten von Beobachtungspunkten einer Fahrspurlinie unter Verwendung eines oder mehrerer Sensoren eines Fahrzeugs. Jeder Beobachtungspunkt gibt einen Ort eines Punktes auf der Fahrspurlinie an. Ein Verfahren enthält das Erhalten von Unbestimmtheitswerten, wobei jeder Unbestimmtheitswert einem der Beobachtungspunkte entspricht. Ein Fahrspurmodell wird unter Verwendung der Beobachtungspunkte erzeugt oder aktualisiert. Das Fahrspurmodell gibt einen Weg der Fahrspurlinie an. Ein Unbestimmtheitsmodell wird unter Verwendung der den Beobachtungspunkten entsprechenden Unbestimmtheitswerte erzeugt oder aktualisiert. Das Unbestimmtheitsmodell gibt die Unbestimmtheit an, die jedem Abschnitt des Fahrspurmodells zugeordnet ist.

Description

EINLEITUNG
Der Gegenstand der Offenbarung bezieht sich auf das Modellieren und Verfolgen der Fahrspurunbestimmtheit in einem Fahrzeug.
Fahrzeuge (z. B. Personenkraftwagen, Lastkraftwagen, Baumaschinen, landwirtschaftliche Geräte, automatisierte Fabrikanlagen) verwenden zunehmend Sensoren, um Informationen über das Fahrzeug und seine Umgebung zu erhalten. Der halbautonome Betrieb (z. B. die Korrektur der Fahrspurabweichung, das automatische Lenken oder Bremsen) und der autonome Betrieb eines Fahrzeugs können die Fähigkeit erfordern, zu einem Ziel zu navigieren, während z. B. innerhalb der Fahrspurlinien geblieben wird. Das Detektieren und Verfolgen aller Fahrspurlinien in der Umgebung eines Fahrzeugs erleichtert das Erkennen von bevorstehendem Abbiegen, das Vermeiden von Verkehr und andere Operationen. Die Fahrspurmodelle werden basierend auf den beobachteten Punkten der Fahrspuren entwickelt und aktualisiert. Die Unbestimmtheit in den beobachteten Punkten kann zu einer Unbestimmtheit in den Fahrspurmodellen führen. Entsprechend ist es erwünscht, das Modellieren und Verfolgen einer Fahrspurunbestimmtheit in einem Fahrzeug zu schaffen.
ZUSAMMENFASSUNG
In einer beispielhaften Ausführungsform enthält ein Verfahren das Erhalten von Beobachtungspunkten einer Fahrspurlinie unter Verwendung eines oder mehrerer Sensoren eines Fahrzeugs. Jeder Beobachtungspunkt gibt einen Ort eines Punktes auf der Fahrspurlinie an. Das Verfahren enthält außerdem das Erhalten von Unbestimmtheitswerten, wobei jeder Unbestimmtheitswert einem der Beobachtungspunkte entspricht. Ein Fahrspurmodell wird unter Verwendung der Beobachtungspunkte erzeugt oder aktualisiert. Das Fahrspurmodell gibt einen Weg der Fahrspurlinie an. Ein Unbestimmtheitsmodell wird unter Verwendung der den Beobachtungspunkten entsprechenden Unbestimmtheitswerte erzeugt oder aktualisiert. Das Unbestimmtheitsmodell gibt die Unbestimmtheit an, die jedem Abschnitt des Fahrspurmodells zugeordnet ist.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale enthält das Erhalten der Beobachtungspunkte das Erhalten von Detektionen mit dem einen oder den mehreren Sensoren.
Zusätzlich zu einem oder mehreren der hierin beschriebenen Merkmale enthalten der eine oder die mehreren Sensoren eine Kamera, ein Lidar-System oder ein Radar-System.
Zusätzlich zu einem oder mehreren der hierin beschriebenen Merkmale enthält das Erhalten der Beobachtungspunkte das Verarbeiten der Detektionen unter Verwendung eines Prozessors, um die Fahrspurlinie zu identifizieren.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale enthält das Erhalten der Unbestimmtheitswerte, dass der Prozessor den Unbestimmtheitswert, der jedem der Beobachtungspunkte entspricht, bestimmt.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale enthält das Erhalten der Beobachtungspunkte und der Unbestimmtheitswerte das Erhalten von Mittel- bzw. Varianzwerten.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale enthält das Erhalten der Varianzwerte das Erhalten der Werte in Quadratmetern.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale enthält das Erzeugen oder Aktualisieren des Fahrspurmodells unter Verwendung der Beobachtungspunkte das Initialisieren bzw. Aktualisieren eines ersten adaptiven Filters der rekursiven kleinsten Quadrate (RLS).
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale enthält das Erzeugen oder Aktualisieren des Unbestimmtheitsmodells unter Verwendung der Unbestimmtheitswerte das Initialisieren bzw. Aktualisieren eines zweiten adaptiven RLS-Filters.
Zusätzlich zu einem oder mehreren der hierin beschriebenen Merkmale enthält das Verfahren außerdem das Steuern des Fahrzeugbetriebs basierend auf dem Fahrspurmodell und dem Unbestimmtheitsmodell.
In einer weiteren beispielhaften Ausführungsform enthält ein System einen oder mehrere Sensoren eines Fahrzeugs, die konfiguriert sind, Beobachtungspunkte einer Fahrspurlinie bereitzustellen. Jeder Beobachtungspunkt gibt einen Ort eines Punktes auf der Fahrspurlinie und Unbestimmtheitswerte an, wobei jeder Unbestimmtheitswert einem der Beobachtungspunkte entspricht. Das System enthält außerdem einen Controller, um ein Fahrspurmodell unter Verwendung der Beobachtungspunkte zu erzeugen oder zu aktualisieren. Das Fahrspurmodell gibt einen Weg der Fahrspurlinie an. Ein Unbestimmtheitsmodell wird unter Verwendung der den Beobachtungspunkten entsprechenden Unbestimmtheitswerte erzeugt oder aktualisiert. Das Unbestimmtheitsmodell gibt die Unbestimmtheit an, die jedem Abschnitt des Fahrspurmodells zugeordnet ist.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale erhält der Controller Detektionen von dem einen oder den mehreren Sensoren.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale enthalten der eine oder die mehreren Sensoren eine Kamera, ein Lidar-System oder ein Radar-System.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale verarbeitet der Controller die Detektionen, um die Fahrspurlinie zu identifizieren, um die Beobachtungspunkte zu erhalten.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale bestimmt der Controller den Unbestimmtheitswert, der jedem der Beobachtungspunkte entspricht.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale werden die Beobachtungspunkte und die Unbestimmtheitswerte als Mittel- bzw. Varianzwerte dargestellt.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale sind die Varianzwerte in Quadratmetern.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale initialisiert oder aktualisiert der Controller ein erstes adaptives Filter der rekursiven kleinsten Quadrate (RLS), um das Fahrspurmodell unter Verwendung der Beobachtungspunkte zu erzeugen bzw. zu aktualisieren.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale initialisiert oder aktualisiert er ein zweites adaptives RLS-Filter, um das Unbestimmtheitsmodell unter Verwendung der Unbestimmtheitswerte zu erzeugen bzw. zu aktualisieren.
Zusätzlich zu einem oder mehreren der hierin beschriebenen Merkmale steuert der Controller den Fahrzeugbetrieb basierend auf dem Fahrspurmodell und dem Unbestimmtheitsmodell.
Die obigen Merkmale und Vorteile und andere Merkmale und Vorteile der Offenbarung sind aus der folgenden ausführlichen Beschreibung leicht offensichtlich, wenn sie in Verbindung mit den beigefügten Zeichnungen betrachtet wird.
Figurenliste
Andere Merkmale, Vorteile und Einzelheiten erscheinen lediglich beispielhaft in der folgenden ausführlichen Beschreibung, wobei sich die ausführliche Beschreibung auf die Zeichnungen bezieht; es zeigen:

1 einen Blockschaltplan eines Fahrzeugs, das das Modellieren und Verfolgen der Fahrspurunbestimmtheit gemäß einer oder mehrerer Ausführungsformen enthält;
2 einen Ablauf zum Erhalten eines Fahrspurmodells und eines Fahrspurunbestimmtheitsmodells gemäß einer oder mehreren Ausführungsformen; und
3 einen Prozessablauf eines Verfahrens zum Ausführen des Modellierens und Verfolgens der Fahrspurunbestimmtheit in einem Fahrzeug gemäß einer oder mehreren Ausführungsformen.

AUSFÜHRLICHE BESCHREIBUNG
Die folgende Beschreibung ist lediglich beispielhafter Art und soll die vorliegende Offenbarung, ihre Anwendung oder Verwendungen nicht einschränken. Es sollte erkannt werden, dass überall in den Zeichnungen entsprechende Bezugszeichen gleiche oder entsprechende Teile und Merkmale angeben.
Wie vorher angegeben worden ist, können Fahrspurmodelle verwendet werden, um Fahrspurlinien zu verfolgen und dadurch den halbautonomen oder autonomen Betrieb eines Fahrzeugs zu fördern. Die von einer Fahrspurlinie erhaltenen Beobachtungspunkte, die verwendet werden, um das Fahrspurmodell zu aktualisieren, können ihnen zugeordnete unterschiedliche Unbestimmtheiten aufweisen. Das Unbestimmtheitsmaß der Modellparameter des Fahrspurmodells gibt nicht die Unbestimmtheit an, die für die Beobachtungspunkte spezifisch ist, die verwendet werden, um das Fahrspurmodell zu aktualisieren. Die den Beobachtungspunkten zugeordnete Unbestimmtheit erleichtert jedoch das Verständnis dafür, welchen Abschnitten der Fahrspurlinie gemäß dem Fahrspurmodell mehr oder weniger Unbestimmtheit zugeordnet ist. Die Ausführungsformen der hierin ausführlich beschriebenen Systeme und Verfahren beziehen sich auf die Modellierung und Verfolgung der Fahrspurunbestimmtheit in einem Fahrzeug. Spezifisch wird zusätzlich zu dem Fahrspurmodell, das unter Verwendung von Beobachtungspunkten entwickelt und aktualisiert wird, ein separates Fahrspurunbestimmtheitsmodell unter Verwendung der jedem Beobachtungspunkt zugeordneten Unbestimmtheit entwickelt und aktualisiert.
In Übereinstimmung mit einer beispielhaften Ausführungsform ist 1 ein Blockschaltplan eines Fahrzeugs 100, das das Modellieren und Verfolgen der Fahrspurunbestimmtheit enthält. Das beispielhafte Fahrzeug 100 in 1 ist ein Kraftfahrzeug 101. Das Fahrzeug 100 ist innerhalb zweier Fahrspurlinien 105a, 105b (im Allgemeinen 105) gezeigt. Um eine halbautonome oder autonome Steuerung des Fahrzeugs 100 ausführen zu können, werden die Fahrspurlinien 105 in der Umgebung des Fahrzeugs 100 modelliert. Zusätzlich wird gemäß einer oder mehreren der hier ausführlich beschriebenen Ausführungsformen die Unbestimmtheit, die den Beobachtungspunkten 210 (2) zugeordnet ist, die verwendet werden, um die Fahrspurmodelle zu erzeugen und zu aktualisieren, außerdem modelliert und verfolgt.
Das Fahrzeug 100 enthält einen Controller 110, der zusätzlich zur Fahrspurmodellierung und -verfolgung die Modellierung und Verfolgung der Fahrspurunbestimmtheit ausführt, wie bezüglich 2 weiter ausführlich beschrieben wird. Der Controller 110 kann zusätzlich teilweise basierend auf der Fahrspur- und Fahrspurunbestimmtheitsverfolgung einen halbautonomen oder autonomen Betrieb des Fahrzeugs 100 implementieren. Der Controller 110 enthält eine Verarbeitungsschaltungsanordnung, die eine anwendungsspezifische integrierte Schaltung (ASIC), eine elektronische Schaltung, einen Prozessor (gemeinsam benutzt, dediziert oder Gruppe) und einen Speicher enthalten kann, die ein oder mehrere Software- oder Firmware-Programme ausführt, eine kombinatorische Logikschaltung und/oder andere geeignete Komponenten, die die beschriebene Funktionalität bereitstellen.
Um die Fahrspurverfolgung auszuführen, erhält der Controller 110 Beobachtungspunkte 210 von einem oder mehreren Sensoren 120. Beispielhafte Sensoren 120, die in 1 gezeigt sind, enthalten die Kameras 120a, ein Lidar-System 120b und ein Radar-System 120c (die im Allgemeinen als 120 bezeichnet sind). Eine oder mehrere Kameras 120a, das Lidar-System 120b oder eine Kombination erhalten Detektionen, die eine oder beide der Fahrspurlinien 105 enthalten können. Das Verarbeiten der Detektionen durch die Schaltungsanordnung des Sensors 120 oder durch den Controller 110 stellt die Beobachtungspunkte 210 einer oder beider der Fahrspurlinien 105 bereit. Diese Verarbeitung, um die Beobachtungspunkte 210 zu erhalten, ist wohlbekannt. Eine der Kameras 120a erhält z. B. die Detektionen in der Form von Bildern. Das Verarbeiten der Bilder kann die Beobachtungspunkte 210 der Fahrspurlinie 105a bereitstellen. Die in 1 gezeigten beispielhaften Typen, Anzahlen und Positionen der Sensoren 120 sind nicht vorgesehen, alternative Anordnungen von Sensoren 120 des Fahrzeugs 100 oder der Sensoren 120 einzuschränken, die verwendet werden, um die Beobachtungspunkte 210 zu erhalten, die für die Modellierung und Verfolgung der Fahrspur und der Fahrspurunbestimmtheit verwendet werden.
Der Unbestimmtheitswert 220 (2), der jedem von einem oder mehreren Sensoren 120 erhaltenen Beobachtungspunkt 210 entspricht, wird zusammen mit dem Beobachtungspunkt 210 bereitgestellt. Unter der Annahme einer Gauß-Verteilung für die Detektionen einer gegebenen Fahrspur 105 als eine beispielhafte Darstellung repräsentieren die Mittelwerte die Beobachtungspunkte 210, während die Varianzen (σ) die Unbestimmtheitswerte 220 repräsentieren. Wenn die Verschmelzung von mehr als einem Sensor 120 verwendet wird, um die Beobachtungspunkte 210 bereitzustellen, dann bestimmt der Prozessor, der die Verschmelzung ausführt, (z. B. der Controller 110) außerdem den jedem Beobachtungspunkt 210 zugeordneten Unbestimmtheitswert 220. Für Erklärungszwecke wird die Unbestimmtheit in Verbindung mit einem Sensor 120 erörtert.
Die den Beobachtungspunkten 210 zugeordnete Unbestimmtheit kann sich aus verschiedenen Faktoren ergeben. Die Unbestimmtheit nimmt z. B. mit dem Abstand zum Beobachtungspunkt 210 vom Sensor 120 zu. Das heißt, ein gegebener Sensor 120 kann eine bekannte Beziehung zwischen Abstand und Unbestimmtheit aufweisen. Falls als ein weiteres Beispiel eine Verdeckung (z. B. ein Objekt, Nebel) verhindert, dass ein Abschnitt einer Fahrspurlinie 105 für den Sensor 120 sichtbar ist, ist die Unbestimmtheit des Beobachtungspunkts 210, die in dem verdeckten Bereich (z. B. durch Interpolation unter Verwendung sichtbarer Bereiche) gefolgert werden muss, dem Sensor 120 oder dem Controller 110 basierend auf dem Algorithmus bekannt, der verwendet wird, um den Beobachtungspunkt 210 zu erzeugen. Wie vorher angegeben worden ist, wird folglich jeder Beobachtungspunkt 210, der dem Controller 110 bereitgestellt wird, um die Fahrspurverfolgung zu erleichtern, von einem Unbestimmtheitswert 220 begleitet. Wie ausführlich beschrieben worden ist, werden die Unbestimmtheitswerte 220 der Beobachtungspunkte 210 verwendet, um die Modellierung und Verfolgung der Fahrspurunbestimmtheit gemäß einer oder mehrerer Ausführungsformen zu erleichtern.
2 veranschaulicht einen Ablauf zum Erhalten eines Fahrspurmodells 230 und eines Fahrspurunbestimmtheitsmodells 240 gemäß einer oder mehreren Ausführungsformen. Es ist eine beispielhafte Fahrspurlinie 105 gezeigt. Basierend auf dem Verarbeiten von Detektionen, die durch einen oder mehrere Sensoren 120 erhalten werden, werden die Beobachtungspunkte 210 und die zugeordneten Unbestimmtheitswerte 220 erhalten. Wie vorher angegeben worden ist, ist die Erzeugung der Beobachtungspunkte 210 und ihrer entsprechenden Unbestimmtheitswerte 220 bekannt, wobei sie hier nicht ausführlich beschrieben wird. Die Beobachtungspunkte 210 können als verschiedene Sätze 215a, 215b (die im Allgemeinen als 215 bezeichnet sind) zu verschiedenen Zeiten (z. B. durch eine Kamera 120a erhaltene verschiedene Rahmen) erhalten werden. Ein durch eine Kamera 120a erhaltenes Bild kann z. B. verarbeitet werden, um den ersten Satz 215a von vier Beobachtungspunkten 210a zu erhalten, während das nächste durch die Kamera 120a erhaltene Bild verarbeitet werden kann, um den zweiten Satz 215b von drei Beobachtungspunkten 210b zu erhalten.
Wie gezeigt ist, befindet sich jeder Beobachtungspunkt 210 innerhalb eines Bereichs. Die Breite dieses Bereichs gibt die Varianz an, die den Unbestimmtheitswert 220 repräsentiert. Der Unbestimmtheitswert 220 (d. h., die Varianz σ) kann in Quadratmetern erhalten werden. Wie 2 angibt, sind die Unbestimmtheitswerte 220, die jedem des ersten Satzes 215a von Beobachtungspunkten 210a zugeordnet sind, kleiner als die Unbestimmtheitswerte 220, die jedem des zweiten Satzes 215b von Beobachtungspunkten 210b zugeordnet sind. Diese erhöhte Unbestimmtheit, die den Beobachtungspunkten 210b in dem zweiten Satz 215b zugeordnet ist, kann z. B. auf dem Abstand basieren. Das heißt, das Bild, das verwendet wird, um die Beobachtungspunkte 210a des ersten Satzes 215a zu erzeugen, kann in einem näheren Abstand (d. h., näher an dem durch die Beobachtungspunkte 210a repräsentierten Bereich der Fahrspurlinie 105) als das Bild erhalten worden sein, das verwendet wird, um die Beobachtungspunkte 210b des zweiten Satzes 215b zu erzeugen. Die erhöhte Unbestimmtheit kann stattdessen als ein weiteres Beispiel auf einer Verdeckung basieren. Das heißt, falls die Fahrspurlinie 105 durch Nebel, ein weiteres Fahrzeug oder irgendein anderes Hindernis verdeckt war, können die Beobachtungspunkte 210b im zweiten Satz 215b gefolgert worden sein, wobei ihnen folglich höhere Unbestimmtheitswerte 220 zugeordnet sind.
Die Beobachtungspunkte 210a und 210b werden verwendet, um das Fahrspurmodell 230 zu erzeugen oder zu aktualisieren, wobei die zugeordneten Unbestimmtheitswerte 220 verwendet werden, um das Unbestimmtheitsmodell 240 zu erzeugen oder zu aktualisieren. Der erste Satz von Beobachtungspunkten 210, die eine Fahrspurlinie 105 betreffen, wird verwendet, um das Fahrspurmodell 230 für diese Fahrspurlinie 105 zu erzeugen, wobei alle nachfolgenden Beobachtungspunkte 210, die erhalten werden, die diese Fahrspurlinie 105 betreffen, verwendet werden, um das Fahrspurmodell 230 zu aktualisieren. Ähnlich werden die Unbestimmtheitswerte 220, die dem ersten Satz von Beobachtungspunkten 210 entsprechen, die eine Fahrspurlinie 105 betreffen, verwendet, um das Unbestimmtheitsmodell 240 zu erzeugen, während die Unbestimmtheitswerte 220, die allen nachfolgenden Beobachtungspunkten 210 entsprechen, die erhalten werden, die diese Fahrspurlinie 105 betreffen, verwendet werden, um das Unbestimmtheitsmodell 240 zu aktualisieren. Wie angegeben worden ist, gibt das Unbestimmtheitsmodell 240 die Unbestimmtheit (z. B. die Varianz σ in Quadratmetern m²) entlang einer Länge / der entsprechenden Fahrspurlinie 105 an.
Das Fahrspurmodell 230 und das Unbestimmtheitsmodell 240 repräsentieren eine Kurvenanpassung an die Beobachtungspunkte 210 bzw. die Unbestimmtheitswerte 220. Diese Kurvenanpassung kann z. B. unter Verwendung eines adaptiven Filters der rekursiven kleinsten Quadrate (RLS) ausgeführt werden. Gemäß alternativen Ausführungsformen können andere bekannte Algorithmen verwendet werden, um das Fahrspurmodell 230 und das Unbestimmtheitsmodell 240 zu erzeugen und zu aktualisieren. Der bekannte Algorithmus eines adaptiven RLS-Filters wird hier nur allgemein bezüglich des Unbestimmtheitsmodells 240 beschrieben. Die für das adaptive RLS-Filter relevanten Gleichungen sind: $P_{k} = {(λ_{k} P_{k - 1}^{- 1} + H_{k}^{T} R_{k}^{- 1} H_{k})}^{- 1},$
$K_{k} = P_{k} H_{k}^{T} R_{k}^{- 1},$
${\bar{θ}}_{k | k} = {\bar{θ}}_{k | k - 1} + K_{k} ({\bar{y}}_{k} - H_{k} {\bar{θ}}_{k | k - 1}) .$
Jeder Unbestimmtheitswert 220 kann als (x, y) dargestellt werden, wobei x der Abstand (z. B. in Metern) entlang der Fahrspur in der Fahrtrichtung des Fahrzeugs 100 ist und y die Varianz σ in m² ist. Im Fall des Fahrspurmodells 230 ist jeder Beobachtungspunkt 210 ein Ort (x, y). θ _k ist der Vektor der Koeffizienten des Unbestimmtheitsmodells 240 bei der Iteration (oder dem Zeitpunkt) k und P_k ist die Kovarianzmatrix von θ _k. Diese Werte werden mit jedem Satz von Unbestimmtheitswerten 220 aktualisiert. λ_k ist ein Vergessensfaktor, der älteren Fehlerabtastwerten exponentiell weniger Gewicht gibt. H_k ist eine Matrix, die eine Funktion von x ist, und R_k ist eine Eingangsrauschmatrix. Weil P_k, H_k und R_k in Gl. 1 bekannt sind, kann K_k, eine Aktualisierungsgewinnungsmatrix, gemäß GI. 2 gelöst und in GI. 3 verwendet werden, um die Kovarianzmatrix von θ _k zu bestimmen.
3 ist ein Prozessablauf eines Verfahrens 300 zum Ausführen des Modellierens und Verfolgens der Fahrspurunbestimmtheit in einem Fahrzeug 100 gemäß einer oder mehreren Ausführungsformen. Im Block 310 kann das Erhalten von Detektionen an einem oder mehreren Sensoren 120 z. B. das Erhalten von Detektionen mit einer oder mehreren Kameras 120a, Lidar-Systemen 120b, Radar-Systemen 120c oder einer Kombination von Sensoren 120 enthalten.
Das Verarbeiten der Detektionen im Block 320 enthält das Identifizieren einer Fahrspurlinie 105 und das Abtasten von Punkten auf der Fahrspurlinie 105, um die Beobachtungspunkte 210 zu erhalten. Jeder Beobachtungspunkt 210 ist eine Schätzung eines Orts auf der Fahrspurlinie 105. Die Schätzung kann basierend auf Faktoren, wie z. B. dem Abstand des Sensors 120 zu dem Ort und der Verdeckung des Ortes durch den Sensor 120, mehr oder weniger genau sein. Diese Genauigkeit wird in dem Unbestimmtheitswert 220 widergespiegelt, der jedem Beobachtungspunkt 210 entspricht. Wie vorher angegeben worden ist, können ein gegebener Beobachtungspunkt 210 und der entsprechende Unbestimmtheitswert 220 als ein Mittelwert und eine Varianz dargestellt sein. Die Verarbeitungsschaltungsanordnung des einen oder der mehreren Sensoren 120, die die Detektionen (im Block 310) erhalten hat, der Controller 110 oder eine Kombination kann verwendet werden, um die Detektionen im Block 320 zu verarbeiten.
Im Block 330 kann das Erhalten eines oder mehrerer Beobachtungspunkte 210 und eines oder mehrerer entsprechender Unbestimmtheitswerte 220 durch den Controller 110 stattfinden. Im Block 340 bezieht sich das Erzeugen oder Aktualisieren eines Fahrspurmodells 230 z. B. auf das Initialisieren oder Aktualisieren eines adaptiven RLS-Filters. Im Block 350 bezieht sich das Erzeugen oder Aktualisieren eines Unbestimmtheitsmodells 240 z. B. auf das Initialisieren oder Aktualisieren eines anderen adaptiven RLS-Filters. Das Initialisieren des Fahrspurmodells 230 (im Block 340) und das Initialisieren des Unbestimmtheitsmodells 240 (im Block 350) werden ausgeführt, wenn zum ersten Mal Detektionen für eine gegebene Fahrspurlinie 105 erhalten werden. Nachfolgende Detektionen derselben Fahrspurlinie 105 führen zum Aktualisieren des Fahrspurmodells 230 (im Block 340) und zum Aktualisieren des Unbestimmtheitsmodells 240 (im Block 350). Wie angegeben worden ist, werden die Prozesse von den Blöcken 310 bis 350 iterativ ausgeführt. Folglich wird das Aktualisieren für jeden neuen Satz von Beobachtungspunkten 210 und entsprechenden Unbestimmtheitswerten 220 ausgeführt, die im Block 330 basierend auf den Detektionen im Block 310 erhalten werden.
Im Block 360 enthalten die Prozesse das Steuern des Fahrzeugbetriebs basierend auf dem Fahrspurmodell 230 und dem entsprechenden Unbestimmtheitsmodell 240. In einem autonomen Fahrzeug 100 kann das Fahrspurmodell 230 z. B. verwendet werden, um einen Weg zu bestimmen, dem das Fahrzeug 100 folgen soll (z. B. zwischen zwei Fahrspurlinien 105 basierend auf ihren entsprechenden Fahrspurmodellen 230). Das separate Unbestimmtheitsmodell 240, das jedem Fahrspurmodell 230 entspricht, erleichtert ein granulares Verständnis der Genauigkeit des Fahrspurmodells 230. Wenn das Unbestimmtheitsmodell 240 z. B. eine Unbestimmtheit des Fahrspurmodells 230 angibt, die in einem bevorstehenden Bereich einen Schwellenwert übersteigt, dann kann der Controller 110 die Geschwindigkeit oder eine andere Fahrzeugoperation steuern, um eine potentielle Ungenauigkeit des Fahrspurmodells 230 in diesem bevorstehenden Bereich abzuschwächen.
Während die obige Offenbarung bezüglich beispielhafter Ausführungsformen beschrieben worden ist, wird durch die Fachleute auf dem Gebiet erkannt, dass verschiedene Änderungen vorgenommen und deren Elemente durch Äquivalente ersetzt werden können, ohne von ihrem Schutzumfang abzuweichen. Zusätzlich können viele Modifikationen vorgenommen werden, um eine spezielle Situation oder ein spezielles Material an die Lehren der Offenbarung anzupassen, ohne von ihrem wesentlichen Schutzumfang abzuweichen. Deshalb ist vorgesehen, dass die vorliegende Offenbarung nicht auf die offenbarten speziellen Ausführungsformen eingeschränkt ist, sondern alle Ausführungsformen enthält, die in ihren Schutzumfang fallen.

Claims

Verfahren, das umfasst: Erhalten von Beobachtungspunkten einer Fahrspurlinie unter Verwendung eines oder mehrerer Sensoren eines Fahrzeugs, wobei jeder Beobachtungspunkt einen Ort eines Punktes auf der Fahrspurlinie angibt; Erhalten von Unbestimmtheitswerten, wobei jeder Unbestimmtheitswert einem der Beobachtungspunkte entspricht, wobei Erzeugen oder Aktualisieren eines Fahrspurmodells unter Verwendung der Beobachtungspunkte, wobei das Fahrspurmodell einen Weg der Fahrspurlinie angibt; und Erzeugen oder Aktualisieren eines Unbestimmtheitsmodells unter Verwendung der den Beobachtungspunkten entsprechenden Unbestimmtheitswerte, wobei das Unbestimmtheitsmodell eine jedem Abschnitt des Fahrspurmodells zugeordnete Unbestimmtheit angibt.
Verfahren nach Anspruch 1, wobei das Erhalten der Beobachtungspunkte das Erhalten von Detektionen mit dem einen oder den mehreren Sensoren enthält, wobei der eine oder die mehreren Sensoren eine Kamera, ein Lidar-System oder ein Radar-System enthalten.
Verfahren nach Anspruch 1, wobei das Erhalten der Beobachtungspunkte das Erhalten von Detektionen mit dem einen oder den mehreren Sensoren enthält, das Erhalten der Beobachtungspunkte das Verarbeiten der Detektionen unter Verwendung eines Prozessors enthält, um die Fahrspurlinie zu identifizieren, das Erhalten der Unbestimmtheitswerte enthält, dass der Prozessor den jedem der Beobachtungspunkte entsprechenden Unbestimmtheitswert bestimmt, das Erhalten der Beobachtungspunkte und der Unbestimmtheitswerte das Erhalten von Mittel- bzw. Varianzwerten enthält, und das Erhalten der Varianzwerte das Erhalten der Werte in Quadratmetern enthält.
Verfahren nach Anspruch 1, wobei das Erzeugen oder Aktualisieren des Fahrspurmodells unter Verwendung der Beobachtungspunkte das Initialisieren bzw. Aktualisieren eines ersten adaptiven Filters der rekursiven kleinsten Quadrate (RLS) enthält, und das Erzeugen oder Aktualisieren des Unbestimmtheitsmodells unter Verwendung der Unbestimmtheitswerte das Initialisieren bzw. Aktualisieren eines zweiten adaptiven RLS-Filters enthält.
Verfahren nach Anspruch 1, das ferner das Steuern des Fahrzeugbetriebs basierend auf dem Fahrspurmodell und dem Unbestimmtheitsmodell umfasst.
System, das umfasst: einen oder mehrere Sensoren eines Fahrzeugs, die konfiguriert sind, Beobachtungspunkte einer Fahrspurlinie, wobei jeder Beobachtungspunkt einen Ort eines Punktes auf der Fahrspurlinie angibt, und Unbestimmtheitswerte, wobei jeder Unbestimmtheitswert einem der Beobachtungspunkte entspricht, bereitzustellen; und einen Controller, der konfiguriert ist, ein Fahrspurmodell unter Verwendung der Beobachtungspunkte zu erzeugen oder zu aktualisieren, wobei das Fahrspurmodell einen Weg der Fahrspurlinie anzeigt, und ein Unbestimmtheitsmodell unter Verwendung der den Beobachtungspunkten entsprechenden Unbestimmtheitswerte zu erzeugen oder zu aktualisieren, wobei das Unbestimmtheitsmodell die jedem Abschnitt des Fahrspurmodells zugeordnete Unbestimmtheit angibt.
System nach Anspruch 6, wobei der Controller ferner konfiguriert ist, Detektionen von dem einen oder den mehreren Sensoren zu erhalten, wobei der eine oder die mehreren Sensoren eine Kamera, ein Lidar-System oder ein Radar-System enthalten.
System nach Anspruch 6, wobei der Controller ferner konfiguriert ist, Detektionen von dem einen oder den mehreren Sensoren zu erhalten, die Detektionen zu verarbeiten, um die Fahrspurlinie zu identifizieren, um die Beobachtungspunkte zu erhalten, und den jedem der Beobachtungspunkte entsprechenden Unbestimmtheitswert zu bestimmen, wobei die Beobachtungspunkte und die Unbestimmtheitswerte als Mittel- bzw. Varianzwerte dargestellt werden und die Varianzwerte in Quadratmetern sind.
System nach Anspruch 6, wobei der Controller konfiguriert ist, ein erstes adaptives Filter der rekursiven kleinsten Quadrate (RLS) zu initialisieren oder zu aktualisieren, um das Fahrspurmodell unter Verwendung der Beobachtungspunkte zu erzeugen bzw. zu aktualisieren, und ein zweites adaptives RLS-Filter zu initialisieren oder zu aktualisieren, um das Unbestimmtheitsmodell unter Verwendung der Unbestimmtheitswerte zu erzeugen bzw. zu aktualisieren.
System nach Anspruch 6, wobei der Controller ferner konfiguriert ist, den Fahrzeugbetrieb basierend auf dem Fahrspurmodell und dem Unbestimmtheitsmodell zu steuern.