DE102021124240B4

DE102021124240B4 - Verfahren und Vorrichtung zum Ermitteln von Positions- und Orientierungs-Koordinaten von an einem Fahrzeug fest angeordneten Sensoren

Info

Publication number: DE102021124240B4
Application number: DE102021124240.1A
Authority: DE
Inventors: Jörg Schäfer; Philipp Schmälzle; Franz Andert
Original assignee: Deutsches Zentrum fuer Luft und Raumfahrt eV
Current assignee: Deutsches Zentrum fuer Luft und Raumfahrt eV
Priority date: 2021-09-20
Filing date: 2021-09-20
Publication date: 2023-08-17
Anticipated expiration: 2041-09-21
Also published as: DE102021124240A1

Abstract

Verfahren zum Ermitteln von Positions- und Orientierungs-Koordinaten qSENneiner Anzahl N an einem Fahrzeug F fest angeordneter Sensoren SENn, wobei die Sensoren SENnjeweils dazu eingerichtet und ausgeführt sind, in einer Umgebung des Fahrzeugs F Oberflächenelemente Oistationärer Objekte zu erfassen und im jeweiligen Koordinatensystem Kndes jeweiligen Sensors SENnPositionen POSOn,ider Oberflächenelemente Oizu ermitteln, mit n = 1, 2, ..., N und N≥1 und i = 1, 2, ..., I und I≥1;mit folgenden Schritten:- mit dem Fahrzeug F Abfahren (101) einer Trajektorie T, dabei fortlaufendes Erfassen (102a) von aktuellen Positions- und Orientierungs-Koordinaten qF(t) des Fahrzeugs F in einem Koordinatensystem KF, je Sensor SENnfortlaufendes Erfassen (102b) von Oberflächenelementen Oistationärer Objekte in der aktuellen Umgebung des Fahrzeugs F jeweils aus einer Vielzahl von verschiedenen Perspektiven zu den Objekten, und Ermitteln (103) von Positionen POSOn,i(t) der erfassten Oberflächenelemente Oiim jeweiligen Koordinatensystem Kndes jeweiligen Sensors SENn, wobei die Position des Sensor SENnmit dem Ursprung des jeweiligen Koordinatensystems Knübereinstimmt;- für die während des Abfahrens der Trajektorie T ermittelten Positionen POSOn,i(t) im jeweiligen Koordinatensystem KnZuweisen (104) einer Wahrscheinlichkeitsverteilung PXζn,izu jeder ermittelten Position POSOn,i(t), wobei die Wahrscheinlichkeitsverteilung PXζn,ijeder Position ζnim Koordinatensystem Kneine Wahrscheinlichkeit dafür zuweist, dass an der Position ζnein Oberflächenelement eines stationären Objektes angeordnet ist und wobei der Schwerpunkt der jeweiligen Wahrscheinlichkeitsverteilung PXζn,ian der jeweils zugeordneten Position: ζn,i:= POOn,i(t) liegt,- je Koordinatensystem KnErmitteln (105) einer aggregierten Wahrscheinlichkeitsverteilung P[Yζn]Kndie eine Wahrscheinlichkeit angibt, dass an einer beliebigen Position ζnim Koordinatensystem Kndes Sensors SENnein Oberflächenelement eines stationären Objektes angeordnet ist, mitXζn,i: Boolesche Zufallsvariable im Koordinatensystem Kndes n-ten Sensors SENn,Yζn:Yςn=Vi=1lXςn,ivon Xζn,iabhängige Boolesche Zufallsvariableζn: beliebige Position im Koordinatensystem Kn;- Ermitteln (106) einer optimierten Transformation TOPTder N aggregierten Wahrscheinlichkeitsverteilungen P[Yζn]Knaus den Koordinatensystemen Knin das Koordinatensystem KF: P[Yζn]Kn→ P[Yξ]KF, wobei der Beitrag der Wahrscheinlichkeitsverteilung P[Yζn]Knan einem beliebigen Ort ξ im Koordinatensystem KF: P[Yn,ξ]KFist, und wobei die Transformation TOPTderart optimiert wird, dass für alle Orte ξ die Varianz von P[Yξ]KFminimiert ist,- auf Basis der ermittelten optimierten Transformation TOPTErmitteln (107) der Positions- und Orientierungs-Koordinaten qSENnim Koordinatensystem KFüber den Zusammenhang: qSENn= qF- ΔqSENn, mitΔqSENn: Relativkoordinaten zwischen dem Ursprung des Koordinatensystems KFund den Ursprüngen der in KFtransformierten Koordinatensysteme Kn; und- Ausgeben (108) der ermittelten Positions- und Orientierungs-Koordinaten qSENnund/oder der Positions- und Orientierungs-Koordinaten qFund/oder der Relativkoordinaten ΔqSENn.

Description

Die Erfindung betrifft ein Verfahren und eine Vorrichtung zum Ermitteln von Positions- und Orientierungs-Koordinaten von an einem Fahrzeug fest angeordneten Sensoren. Die Erfindung betrifft weiterhin ein Fahrzeug mit einer ebensolchen Vorrichtung.
Eine hochgenaue Positions- und Orientierungsbestimmung von an einem Fahrzeug angeordneten Sensoren, insbesondere von LiDAR-Sensoren, ist eine unerlässliche Voraussetzung für eine anschließende sinnvolle Verarbeitung und Nutzung der entsprechenden Sensordaten, beispielsweise für Anwendungen im Bereich der autonomen Längs- und Quersteuerung des Fahrzeugs. Der Begriff „Orientierung“ kann vorliegend beispielsweise in einer dreidimensionalen Anwendung durch drei Eulerwinkel beschrieben werden.
Die sukzessive Aggregation und Auswertung derartiger Sensordaten erfordert insbesondere eine hochgenaue relative Positions- und Orientierungsbestimmung derartiger am Fahrzeug angeordneter Sensoren zu erfassten hochgenauen Positions- und Orientierungsdaten des Fahrzeugs.
Das hier beschriebene Verfahren ermöglicht eine robuste und hochgenaue Positions- und Orientierungsbestimmung von an einem Fahrzeug angeordneten Sensoren. Eine kontinuierliche Überwachung der Integrität der Positions- und Orientierungsdaten der Fahrzeugsensoren ermöglicht darüber hinaus ein automatisches Erkennen und Korrigieren von falschen Positions- und Orientierungsdaten der Fahrzeugsensoren, wie sie beispielsweise durch Wartungsaktivitäten an den Sensoren, durch harte Stöße und Unfälle entstehen können.
Aus der DE 102016214030 A1 geht ein Verfahren zum Erfassen eines Verkehrsumfeldes mit einer mobilen Einheit hervor. Dabei werden mittels einer Erfassungseinheit Datensätze mit Datenpunkten erfasst, wobei jedem Datensatz ein Zeitpunkt zugeordnet wird. Es werden für die erfassten Datensätze jeweils Landmarkenbeobachtungen bestimmt, wobei den Landmarkenbeobachtungen Landmarkenparameter und Objektklassen zugeordnet sind, und anhand der bestimmten Landmarkenbeobachtungen werden Umfeldmodelldaten erzeugt, wobei die Umfeldmodelldaten eine Beschreibung des Verkehrsumfeldes umfassen. Anhand der Umfeldmodelldaten werden Abstandsberechnungen für die Landmarkenbeobachtungen anhand ihrer Objektklasse und ihrer Landmarkenparameter durchgeführt, wobei Abstandswerte für die Landmarkenbeobachtungen bestimmt werden. Dabei werden bestimmten Landmarken anhand der Abstandswerte die Landmarkenbeobachtungen zugeordnet. Den Umfeld Modelldaten werden Wahrscheinlichkeiten zugeordnet und die zugeordneten Wahrscheinlichkeiten werden anhand der Landmarkenbeobachtungen verändert. Die Umfeld Modell Daten werden anhand der den Landmarkenbeobachtungen zugeordneten Wahrscheinlichkeiten aktualisiert.
Die Aufgabe der Erfindung ist es, ein Verfahren und eine Vorrichtung anzugeben, die ein robustes und hochgenaues Ermitteln von Positions- und Orientierungskoordinaten von an einem Fahrzeug fest angeordneten Sensoren, insbesondere LiDAR-Sensoren, ermöglicht.
Die Erfindung ergibt sich aus den Merkmalen der unabhängigen Ansprüche. Vorteilhafte Weiterbildungen und Ausgestaltungen sind Gegenstand der abhängigen Ansprüche. Weitere Merkmale, Anwendungsmöglichkeiten und Vorteile der Erfindung ergeben sich aus der nachfolgenden Beschreibung, sowie der Erläuterung von Ausführungsbeispielen der Erfindung, die in den Figuren dargestellt sind.
Ein erster Aspekt der Erfindung betrifft ein Verfahren zum Ermitteln von Positions- und Orientierungs-Koordinaten q_SENn einer Anzahl N an einem Fahrzeug F fest angeordneter Sensoren SEN_n, wobei die Sensoren SEN_n jeweils dazu eingerichtet und ausgeführt sind, in einer Umgebung des Fahrzeugs F Oberflächenelemente O_i stationärer Objekte zu erfassen und im jeweiligen Koordinatensystem K_n des jeweiligen Sensors SEN_n Positionen POS_On,i der Oberflächenelemente O_i zu ermitteln, mit n = 1, 2, ..., N und N ≥ 1 und i = 1, 2, ..., I und I ≥ 1. Das erfindungsgemäße Verfahren umfasst folgende Schritte.
In einem ersten Schritt erfolgt mit dem Fahrzeug Fein Abfahren einer Trajektorie T, dabei erfolgt: ein fortlaufendes Erfassen von aktuellen Positions- und Orientierungs-Koordinaten q_F(t) des Fahrzeugs F in einem Koordinatensystem K_F, je Sensor SEN_n ein fortlaufendes Erfassen von Oberflächenelementen O_i stationärer Objekte in der aktuellen Umgebung des Fahrzeugs F jeweils aus einer Vielzahl von verschiedenen Perspektiven zu den Objekten, und ein Ermitteln von Positionen POS_On,i(t) der erfassten Oberflächenelemente O_i im jeweiligen Koordinatensystem K_n des jeweiligen Sensors SEN_n, wobei die Position des Sensor SEN_n vorteilhaft mit dem Ursprung des jeweiligen Koordinatensystems K_n übereinstimmt. Ein Messergebnis eines Sensor SEN_n ist somit eine Position POS_On,i(t).
In einem zweiten Schritt erfolgt für die während des Abfahrens der Trajektorie T ermittelten Positionen POS_On,i(t) im jeweiligen Koordinatensystem K_n ein Zuweisen einer Wahrscheinlichkeitsverteilung PX_ζn,i zu jeder ermittelten Position POS_On,i(t), wobei die Wahrscheinlichkeitsverteilung PX_ζn,i jeder Position ζ_n im Koordinatensystem K_n eine Wahrscheinlichkeit dafür zuweist, dass an der Position ζ_n ein Oberflächenelement eines stationären Objektes angeordnet ist oder nicht, wobei der Schwerpunkt der jeweiligen Wahrscheinlichkeitsverteilung PX_ζn,i an der jeweils zugeordneten Position: ζ_n,i:= POS_On,i(t) liegt.
In einem dritten Schritt erfolgt je Koordinatensystem K_n ein Ermitteln einer aggregierten Wahrscheinlichkeitsverteilung P[Y_ζn]_Kn die eine Wahrscheinlichkeit angibt, dass an einer beliebigen Position ζ_n im Koordinatensystem K_n des Sensors SEN_n ein Oberflächenelement eines stationären Objektes angeordnet ist, mit

Xζn,i:: Boolesche Zufallsvariable im Koordinatensystem K_n des n-ten Sensors SEN_n,
Yζn:: $Y_{ς_{n}} = V_{i = l}^{l} X_{ζ_{n, i}}$
von X_ζn,i abhängige Boolesche Zufallsvariable, die angibt, ob an der Position ζ_n ein Oberflächenelement eines stationären Objektes angeordnet ist (= wahr = 1) oder nicht (= unwahr = 0)
ζn:: beliebige Position im Koordinatensystem K_n.

In einem vierten Schritt erfolgt ein Ermitteln einer optimierten Transformation T_OPT der N aggregierten Wahrscheinlichkeitsverteilungen P[Y_ζn]_Kn aus den Koordinatensystemen K_n in das Koordinatensystem K_F: P[Y_ζn]_Kn → P[Y_ξ]_KF wobei der Beitrag der Wahrscheinlichkeitsverteilung P[Y_ζn]_Kn an einem beliebigen Ort ξ im Koordinatensystem K_F P[Y_n,ξ]_KF ist, und wobei die Transformation T_OPT derart optimiert wird, dass für alle Orte ξ im Koordinatensystem K_F die Varianz von P[Y_ξ]_KF minimiert ist.
In einem fünften Schritt erfolgt auf Basis der ermittelten optimierten Transformation T_OPT ein Ermitteln der Positions- und Orientierungs-Koordinaten q_SENn im Koordinatensystem K_F über den Zusammenhang: q_SENn = q_F - Δq_SENn, mit

ΔqSENn:: Relativkoordinaten zwischen dem Ursprung des Koordinatensystems K_F und den Ursprüngen der in K_F transformierten Koordinatensysteme K_n.

In einem sechsten Schritt erfolgt ein Ausgeben der ermittelten Positions- und Orientierungs-Koordinaten q_SENn und/oder der Positions- und Orientierungs-Koordinaten q_F und/oder der Relativkoordinaten Δq_SENn.
Das vorgeschlagene Verfahren ermöglicht ein robustes und hochgenaues Ermitteln von Positions- und Orientierungskoordinaten q_SENn und/oder Relativkoordinaten Δq_SENn von an einem Fahrzeug fest angeordneten Sensoren, insbesondere LiDAR-Sensoren, in 2D oder 3D.
Die Positions- und Orientierungs-Koordinaten q_SENn der N Sensoren SEN_n können beispielsweise im Dreidimensionalen durch kartesische Koordinaten und Eulerwinkel q_SENn = (x_n, y_n, z_n, φ_n, θ_n, ψ_n, t) im jeweiligen Koordinatensystem K_n angegeben werden. Die Positions- und Orientierungs-Koordinaten q_F(t) des Fahrzeugs F in dem Koordinatensystem K_F können beispielsweise ebenfalls im Dreidimensionalen durch kartesische Koordinaten und Eulerwinkel angegeben werden:

q_F(t) = (x_F, y_F, z_F, φ_F, θ_F, ψ_F, t). Vorteilhaft ist das Koordinatensystem K_F ein globales Koordinatensystem, vorzugsweise identisch mit einem Koordinatensystem eines Satellitennavigationssystems, das zur Ermittlung der Fahrzeugposition genutzt wird.

Das fortlaufende Erfassen der aktuellen Positions- und Orientierungs-Koordinaten q_F(t) des Fahrzeugs F in dem Koordinatensystem K_F erfolgt vorteilhaft, beispielsweise mittels eines Satellitennavigationssystems (GNSS:= Global Navigation Satellite System) bspw. eines Doppler-GPS. Hochgenaue Orientierungsdaten des Fahrzeugs können vorteilhaft beispielsweise mittels Beschleunigungssensoren („IRS“:= Inertial Reference System) ermittelt werden.
Die Sensoren SEN_n sind vorteilhaft LiDAR- oder Radar- oder Ultraschall- oder Mikrowellensensoren oder 3D-Kamera-Sensoren oder eine Mischung daraus. Die Sensoren SEN_n sind jeweils dazu ausgeführt, in der aktuellen Umgebung des Fahrzeugs F angeordnete stationäre Objekte von instationären Objekten zu unterscheiden, von den stationären Objekten Oberflächenelemente O_i zu erfassen und Positionen POS_On,i(t) (=
Messwerte) der erfassten Oberflächenelemente O_i im jeweiligen Koordinatensystem K_n des jeweiligen Sensors SEN_n zu ermitteln. Die Sensoren SEN_n verfügen vorteilhaft über den eigentlichen Sensor zur Erfassung von Rohdaten sowie über eine Rohdatenaufbereitungs-Einheit zur Ermittlung der Positionen POS_On,i(t) im Koordinatensystem des jeweiligen Sensors.
Stationäre Objekte sind beispielsweise Objekte, die ihre Form, Position und Orientierung im Aufnahmezeitraum, d.h. im Zeitraum während des Abfahrens der Trajektorie T nicht verändern. Stationäre Objekte sind beispielsweise Häuser, parkende Autos, Laternenpfähle, Ampeln, Absperrungen, etc.
Vorteilhaft überschneiden sich die Messbereiche der Sensoren SEN_n, so dass ein stationäres Objekt in der Fahrzeugumgebung gleichzeitig von zwei oder mehr Sensoren SEN_n und somit gleichzeitig aus zwei oder mehr verschiedenen Perspektiven erfasst wird. Ein stationäres Objekt soll natürlich vorteilhaft weiterhin auch aufgrund der Bewegung des Fahrzeugs F entlang der Trajektorie T auch von nur einem Sensor SEN_n aus mehreren Perspektiven erfasst werden.
Für jedes von einem Sensor erfasste Oberflächenelement O_i eines stationären Objekts wird somit eine Position POS_On,i(t) ermittelt. Da die Erfassung der Oberflächenelemente O_i mit einer vorgegebenen Messfrequenz erfolgt, sind die Positionen POS_On,i(t) diskret und abzählbar. Je nach Aufgabenstellung, d.h. ob die Positions- und Orientierungskoordinaten q_SENn und/oder Relativkoordinaten Δq_SENn zweidimensional oder dreidimensional angegeben werden sollen, sind die Positionen POS_On,i(t) sind 2D-Positionen oder 3D-Positionen. Nach Abfahren der Trajektorie T durch das Fahrzeug F ergibt sich somit für jeden der Sensoren SEN_n eine Punktwolke mit einer Vielzahl von Positionen POS_On,i(t) im jeweiligen Koordinatensystem des Sensors.
Die Trajektorie T definiert dabei den Bewegungspfad des Fahrzeugs F, je nach Anwendung des Verfahren (2D oder 3D) als 2D-Bahnkurve oder 3D-Bahnkurve. Die Trajektorie T hat einen Startpunkt und einen Endpunkt. Beim Abfahren der Trajektorie T passiert das Fahrzeug F den Startpunkt zu einer Zeit t_START und den Endpunkt zu einer Zeit t_END. Positionen P_T des Fahrzeugs F entlang der Trajektorie T ergeben sich daher als Position P_T(t) mit t ∈ [t_START, t_END].
Vorteilhaft definiert die Trajektorie T einen Bewegungspfad des Fahrzeugs F, der ein slalomartiges oder zig-zack-artiges Umfahren von stationären Objekten in der Umgebung des Fahrzeugs F ergibt/definiert. Weiterhin vorteilhaft wird die Trajektorie T vom Fahrzeug F autonom ausgewählt und abgefahren.
Am Beispiel von LiDAR-Sensoren ergeben sich die Positionen POS_On,i(t) der erfassten Oberflächenelemente O_i stationärer Objekte als diejenigen Raumpunkte im Koordinatensystem des jeweiligen LiDAR-Sensors SEN_n an dem eine Reflexion des Laserstrahls an der Oberfläche eines stationären Objekts in der Umgebung des Fahrzeugs F erfolgt.
Im zweiten Schritt werden allen Punkten (= Positionen POS_On,i(t)) der genannten Punktwolken in den Koordinatensystemen K_n jeweils eine Wahrscheinlichkeitsverteilung PX_ζn,i zugewiesen, wobei jeder Punkt (= POS_On,i(t)) als Zentrum der jeweiligen Wahrscheinlichkeitsverteilung PX_ζn,i betrachtet wird. Somit werden die Punktwolken in den N Sensorkoordinatensystemen K_n in Wahrscheinlichkeitsfunktionen überführt, die jeweils eine Wahrscheinlichkeit dafür angeben, dass an einer beliebigen Position ζ_n im Koordinatensystem K_n des jeweiligen Sensors SEN_n ein Oberflächenelement eines stationären Objektes angeordnet ist.
Vorteilhaft ist die Wahrscheinlichkeitsverteilung PX_ζn,i eine Normalverteilung (Gaußverteilung). Vorteilhaft ist die Varianz der Wahrscheinlichkeitsverteilung PX_ζn,i jeweils proportional zur Entfernung des Punktes ζ_n,i vom jeweiligen Sensor SEN_n bzw. vom Ursprung des jeweiligen Koordinatensystem K_n gewählt: $P X_{ς_{n, i}} = N_{ς_{n, i}}, ρ {‖ ς_{n, i} ‖}_{2},$
mit

N:: Normalverteilung
ρ:: Konstante zum Fine-Tunen der Verteilungen
||ζn,i||2:: Distanz zwischen Sensor SEN_n und dem Punkt ζ_n,i, der die Position POS_On,i (t) des Oberflächenelements O, im Koordinatensystem K_n angibt.

Mit anderen Worten, die Wahrscheinlichkeit PX_ζn,i, dass für die Boolesche Variable X_ζn,i gilt: X_ζn,i = 1 steigt mit zunehmender Nähe der Position POS_On,i(t) zu einem Punkt ζ_n,i.
In dem dritten Schritt wird die aggregierte Wahrscheinlichkeitsverteilung P[Y_ζn]_Kn ermittelt, die die Wahrscheinlichkeit angibt, dass an einer beliebigen Position ζ_n im Koordinatensystem K_n des Sensors SEN_n ein Oberflächenelement eines stationären Objektes angeordnet ist. Die Wahrscheinlichkeitsverteilung P[Y_ζn]_Kn basiert dabei auf den „oder“-Verknüpfungen: $Y_{ς_{n}} = V_{i = 1}^{l} X_{ς_{n, i}}$
der Zufallsvariablen X_ζn,i. Bei der Punktwolke POS_On,i(t) im Koordinatensystem K_n gilt vorteilhaft jeder Punkt PO_On,i(t) als eine neue Messung. So hat man in jedem Koordinatensystem K_n eine Anzahl von I Zufallsvariablen an jeder beliebigen Position ζ_n und damit eine komplexe Wahrscheinlichkeitsverteilung für das Vorhandensein von Oberflächenelementen eines stationären Objektes an jeder beliebigen Position ζ_n.
Neben der Information über die Wahrscheinlichkeit P[Y_ζn]_Kn für das Vorhandensein eines Oberflächenelementes eines stationären Objektes an jeder beliebigen Position ζ_n im Koordinatensystem K_n des Sensors SEN_n, können noch weitere Informationen genutzt werden.
Wenn beispielsweise an einer Position ζ_n aus Sicht des Sensors n ein Oberflächenelement eines stationären Objekts vorhanden ist (Wahrscheinlichkeit P[Y_ζn]_Kn = 1), dann ist offensichtlich kein für den jeweiligen Sensor sichtbares Objekt zwischen der Position ζ_n und dem Sensor, d.h. zwischen der Position ζ_n und dem Koordinatenursprung des Koordinatensystems K_n vorhanden. Für diese Bereiche (Linie zwischen Koordinatenursprung des Koordinatensystems K_n und Position ζ_n) einfach eine Wahrscheinlichkeit von Null anzunehmen ist nicht ausreichend, denn dieselbe Information gilt für Positionen, welche der jeweilige Sensor überhaupt nicht erkennen kann.
Eine vorteilhafte Weiterbildung des vorgeschlagenen Verfahrens zeichnet sich dadurch aus, dass eine Gewichtung W_ζn,i der aggregierten Wahrscheinlichkeit P[Y_ζn] an jeder Position ζ_n durch Integrieren von P[Y_ζn∗] entlang einer Linie, die vom Ursprung des Koordinatensystems K_n über den Punkt ζ_n,i verläuft, beginnend bei dem Punkt ζ_n,i bis ins Unendliche, angewandt wird. Die Gewichtung W_ζn,i der aggregierten Wahrscheinlichkeitsverteilungen P[Y_ζn]_Kn am Punkt ζ_n,i ist vorteilhaft definiert durch:

$W_{ς_{n, i}} = \int_{ς_{n, i}}^{\infty} P [Y_{ς_{n}}_{*}] d ς_{n} *,$
wobei P[Y_ζn∗] entlang einer Linie, die vom Ursprung des Koordinatensystems K_n über den Punkt ζ_n,i verläuft beginnend bei dem Punkt ζ_n,1 bis ins Unendliche integriert wird.

Die Motivation für diese Gewichtung ist die Folgende. Sofern man eine Monte Carlo Simulation zur Verteilung von Oberflächenelementen von stationären Objekten im Raum gemäß der Wahrscheinlichkeit P[Y_ζn] annimmt, und dabei an oder hinter einer Position ζ_n (Sichtlinie, gesehen vom jeweiligen Koordinatenursprung aus) ein Oberflächenelement vorhanden ist, kann man schließen, dass kein von einem Sensor erkennbares Objekt vor der Position ζ_n angeordnet ist. Die relative Häufigkeit dieser Situationen ergibt sich zu W_ζn,i.
In dem vierten Schritt erfolgt ein Ermitteln optimierter Transformationen T_OPT der N aggregierten Wahrscheinlichkeitsverteilungen P[Y_ζn]_Kn aus den Koordinatensystemen K_n in das Koordinatensystem K_F: P[Y_ζn]_Kn → P[Y_ξ]_KF, wobei der Beitrag der Wahrscheinlichkeitsverteilung P[Y_ζn]_Kn an einem beliebigen Ort ξ im Koordinatensystem K_F P[Y_n,ξ]_KF ist, und wobei die Transformation T_OPT derart optimiert wird, dass für alle Orte ξ die Varianz von P[Y_ξ]_KF minimiert ist. Vorteilhaft wird zum Ermitteln der optimierten Transformation T_OPT ein Gradientenverfahren (engl. „gradient descent based optimizer“) verwendet.
Alternativ zur Minimierung der Varianz kann auch wie nachfolgend dargestellt die Log-Likelihood maximiert werden. Für die Wahrscheinlichkeitsverteilung P[Y_ξ]_KF gilt, dass an der Position ξ im Koordinatensystem K_F entweder ein Oberflächenelement eines stationären Objektes angeordnet ist oder nicht. Ist an der Position ξ ein Oberflächenelement eines stationären Objektes angeordnet, dann ist die Wahrscheinlichkeit, dass alle von den Sensoren SEN_n erfassten Messwerte übereinstimmen: $P {[Y_{1, ξ} \land \dots \land Y_{I, ξ}]}_{K_{F}} = {\prod_{i = 1}^{I} P [Y_{i, ξ}]}_{K_{F}}$
Ist andererseits an der Position ξ kein Oberflächenelement eines stationären Objektes angeordnet, dann ist die Wahrscheinlichkeit, dass alle von den Sensoren erfassten Messwerte übereinstimmen: $P {[\neg Y_{1, ξ} \land \dots \land \neg Y_{I, ξ}]}_{K_{F}} = \prod_{i = 1}^{I} (1 - P {[Y_{i, ξ}]}_{K_{F}})$
Damit ist die Gesamt-Wahrscheinlichkeit, dass alle Sensormesswerte (POS_On,i(t)) im Koordinatensystem K_F übereinstimmen: $P [Z_{ξ}] = {\prod_{i = 1}^{l} P [Y_{i, ξ}]}_{K_{F}} + \prod_{i = 1}^{I} (1 - P {[Y_{i, ξ}]}_{K_{F}})$
Wenn man zusätzlich noch die begrenzte Sichtbarkeit der Umgebung durch Abschattung durch Objekte berücksichtigt, muss noch die vorstehend beschriebene transformierte Gewichtung W_i,ξ jeder Messung berücksichtigt werden. Ein einfacher Ansatz hierzu ist die Gewichtung W_i,ξ als einfachen linearen Interpolationsfaktor in dem Produkt zu verwenden. D.h., wenn gilt: W_i,ξ = 0, ändert die betroffene Messung gar nichts (bspw. multipliziert man dann mit 1) und wenn gilt: W_i,ξ = 1, trägt dies zur Änderung der Gesamtwahrscheinlichkeit aller Sensoren bei, übereinzustimmen. Dies ändert Gleichung (1) wie folgt: $P [Z_{ξ}] = \prod_{i = 1}^{I} (W_{i, ξ} \cdot P {[Y_{i, ξ}]}_{K_{F}} + (1 - W_{i, ξ}) \cdot 1) + \prod_{i = 1}^{I} (W_{i, ξ} \cdot (1 - P {[Y_{i, ξ}]}_{K_{F}}) + (1 - W_{i, ξ}) \cdot 1)$
$P [Z_{ξ}] = \prod_{i = 1}^{I} (W_{i, ξ} \cdot P {[Y_{i, ξ}]}_{K_{F}} + 1 - W_{i, ξ}) + \prod_{i = 1}^{I} (1 - W_{i, ξ} \cdot P {[Y_{i, ξ}]}_{K_{F}})$
Wenn keine Messung für eine Position ξ vorliegt, dann gilt: P[Z_ξ] = 1. Die Wahrscheinlichkeit, dass die Messergebnisse aller Sensoren an jeder Position ξ im Koordinatensystem K_F übereinstimmen ist gegeben durch: $L = \prod_{ξ} P [Z_{ξ}]$
Zur Optimierung wird die Ableitung benötigt, was eine aufwendige Rechenprozedur für dieses Produkt darstellt, so dass vorteilhaft vorgeschlagen wird eine log-Likelihood-Methode zu verwenden: $log L = l o g \prod_{ξ} P [Z_{ξ}] = \sum_{ξ} l o g P [Z_{ξ}]$
Die Werte P[Z_ξ] sind stets positiv, so dass der Logarithmus wohl definiert ist. P[Z_ξ] enthält zudem ein Produkt P[¬Y_i,ξ], die alle Positiv sind, da kein Sensor 100% genaue Messungen liefert, d.h. alle P[Y_i,ξ] sind kleiner als 1.
In einer Weiterbildung des vorgeschlagenen Verfahrens werden die aggregierten Wahrscheinlichkeitsverteilungen P[Y_ζn] vor dem Ermitteln der optimierten Transformation T_OPT jeweils auf eine horizontale Ebene projiziert werden, so dass Wahrscheinlichkeitsverteilungen P[Y_ζn] jeweils zweidimensionale Wahrscheinlichkeitsverteilungen sind.
In einem fünften Schritt kann auf Basis der ermittelten optimierten Transformation T_OPT ein Ermitteln der Positions- und Orientierungs-Koordinaten q_SENn im Koordinatensystem K_F über den Zusammenhang: q_SENn = q_F - Δq_SENn erfolgen. So ergeben sich die bspw. die Relativkoordinaten Δq_SENn als die Relativkoordinaten zwischen dem Ursprung des Koordinatensystems K_F und den Ursprüngen der in K_F transformierten Koordinatensysteme K_n.
Eine vorteilhafte Weiterbildung des vorgeschlagenen Verfahrens zeichnet sich dadurch aus, dass die Sensoren SEN_n die Oberflächenelemente O_i stationärer Objekte mit einer Taktfrequenz im Bereich von 5 Hz bis 200 Hz, insbesondere von 10 Hz bis 100 Hz erfassen.
Eine vorteilhafte Weiterbildung des vorgeschlagenen Verfahrens zeichnet sich dadurch aus, dass die aktuellen Positions- und Orientierungs-Koordinaten q_F(t) des Fahrzeugs F in dem Koordinatensystem K_F von einem Positions- und Lageerfassungssystem des Fahrzeugs F erfasst und bereitgestellt werden.
Vorteilhaft umfasst das Positions- und Lageerfassungssystem des Fahrzeugs Fein GNSS-System, bspw. einen GPS-, Galileo- oder einen GLONASS-Empfänger sowie ein Inertial-Referenz-System (IRS).
Eine vorteilhafte Weiterbildung des vorgeschlagenen Verfahrens zeichnet sich dadurch aus, dass das vorstehend beschriebene Verfahren vom Fahrzeug F nach Ablauf einer vorgegebenen Zeitspanne oder nach Feststellen von vorgegebenen Fehlern der Sensoren SEN_n oder nach Beschleunigungen des Fahrzeugs, die zumindest einen vorgegebenen Grenzwert überschreiten einem Fahrer automatisiert vorgeschlagen oder automatisiert ausgeführt wird.
Eine vorteilhafte Weiterbildung des vorgeschlagenen Verfahrens zeichnet sich dadurch aus, dass die ermittelten Positions- und Orientierungs-Koordinaten q_SENn und/oder die Positions- und Orientierungs-Koordinaten q_F und/oder die Relativkoordinaten Δq_SENn an ein Fahrzeugsteuerungssystem des Fahrzeugs F übermittelt werden, wobei das Fahrzeugsteuerungssystem derart eingerichtet und ausgeführt ist, dass es ein vollautonomes oder teilautonomes Fahren des Fahrzeugs F ermöglicht.
Der Aufwand für die Durchführung des vorgeschlagenen Verfahrens ist gering, da es während einer Fahrt durchgeführt werden kann, wie beispielsweise bei einer Parkplatzsuche, die in gewissen Abständen ohnehin durchgeführt wird. Das Verfahren kann vollständig automatisiert durchgeführt werden. Das Verfahren ermöglicht eine sehr hohe Genauigkeit bei der Bestimmung der Positions- und Orientierungs-Koordinaten q_SENn und bei der Bestimmung der Relativkoordinaten Δq_SENn.
Ein zweiter Aspekt der Erfindung betrifft ein System zum Ermitteln von Positions- und Orientierungs-Koordinaten q_SENn, einer Anzahl N an einem Fahrzeug F fest angeordneter Sensoren SEN_n, wobei die Sensoren SEN_n jeweils dazu eingerichtet und ausgeführt sind, in einer Umgebung des Fahrzeugs F Oberflächenelemente O_i stationärer Objekte zu erfassen und im jeweiligen Koordinatensystem K_n als Messergebnisse des jeweiligen Sensors SEN_n Positionen POS_On,i der Oberflächenelemente O_i zu ermitteln, mit n = 1, 2, ..., N und N≥1 und i = 1, 2, ..., I und I≥1.
Das vorgeschlagene System umfasst ein erstes Erfassungssystem, das dazu ausgeführt und eingerichtet ist, zumindest während eines Abfahrens einer Trajektorie Tmit dem Fahrzeug F fortlaufend aktuelle Positions- und Orientierungs-Koordinaten q_F(t) des Fahrzeugs F in einem Koordinatensystem K_F, zu erfassen; ein zweites Erfassungssystem, das dazu ausgeführt und eingerichtet ist, während des Abfahrens der Trajektorie T mit dem Fahrzeug Fje Sensor SEN_n fortlaufend Oberflächenelemente O_i stationärer Objekte in der aktuellen Umgebung des Fahrzeugs F jeweils aus einer Vielzahl von verschiedenen Perspektiven zu erfassen und Positionen PO_On,i(t) der erfassten ortsfesten Oberflächenelemente O_i im jeweiligen Koordinatensystem K_n des jeweiligen Sensors SEN_n zu ermitteln, wobei die Position des Sensor SEN_n mit dem Ursprung des jeweiligen Koordinatensystems K_n übereinstimmt; ein Auswertesystem, das dazu ausgeführt und eingerichtet ist, für die während des Abfahrens der Trajektorie T ermittelten Positionen POS_On,i(t) im jeweiligen Koordinatensystem K_n eine Wahrscheinlichkeitsverteilung PX_ζn,i zu jeder ermittelten Position POS_On,i(t) zuzuweisen, wobei die
Wahrscheinlichkeitsverteilung PX_ζn,i jeder Position ζ_n im Koordinatensystem K_n eine Wahrscheinlichkeit dafür zuweist, dass an der Position ζ_n ein Oberflächenelement eines stationären Objektes angeordnet ist oder nicht und wobei der Schwerpunkt der jeweiligen Wahrscheinlichkeitsverteilung PX_ζn,i an der jeweils zugeordneten Position: ζ_n,i:= POS_On,i(t) liegt, und das weiterhin dazu ausgeführt und eingerichtet ist, je Koordinatensystem K_n eine aggregierte Wahrscheinlichkeitsverteilung P[Y_ζn] zu ermitteln, die eine Wahrscheinlichkeit angibt, dass an einer beliebigen Position ζ_n im Koordinatensystem K_n des Sensors SEN_n ein Oberflächenelement eines stationären Objektes angeordnet ist oder nicht, mit X_ζn,i: Boolesche Zufallsvariable an der Position ζ_n,i im Koordinatensystem K_n des n-ten Sensors SEN_n, $Y_{ς_{n}} : Y_{ς_{n}} = V_{i = l}^{l} X_{ς_{n, i}}$
von X_ζn,i abhängige Boolesche Zufallsvariable ζ_n: beliebige Position im Koordinatensystem K_n; einen Optimierer, der dazu ausgeführt und eingerichtet ist, eine optimierte Transformation T_OPT der N aggregierten Wahrscheinlichkeitsverteilungen P[Y_ζn]_Kn aus den Koordinatensystemen K_n in das Koordinatensystem K_F: P[Y_ζn]_Kn → P[Y_ξ]_KF zu ermitteln, wobei der Beitrag der Wahrscheinlichkeitsverteilung P[Y_ζn]_Kn an einem beliebigen Ort ξ im Koordinatensystem K_F P[Y_n,ξ]_KF ist, und wobei die Transformation T_OPT derart optimiert ist, dass für alle Orte ξ die Varianz von P[Y_ξ]_KF minimiert ist, und der weiterhin dazu ausgeführt und eingerichtet ist, auf Basis der ermittelten optimierten Transformation T_OPT die Positions- und Orientierungs-Koordinaten q_SENn im Koordinatensystem K_F über den Zusammenhang: q_SENn = q_F - Δq_SENn zu ermitteln, mit Δq_SENn: Relativkoordinaten zwischen dem Ursprung des Koordinatensystems K_F und den Ursprüngen der in K_F transformierten Koordinatensysteme K_n; sowie eine Ausgabeschnittstelle, die zur Ausgabe oder Anzeige oder Bereitstellung der ermittelten Positions- und Orientierungs-Koordinaten q_SENn und/oder der Positions- und Orientierungs-Koordinaten q_F und/oder der Relativkoordinaten Δq_SENn ausgeführt und eingerichtet ist.
Eine vorteilhafte Weiterbildung des vorgeschlagenen Systems zeichnet sich dadurch aus, dass die Sensoren SEN_n LIDAR- oder Radar- oder Ultraschall- oder Mikrowellensensoren oder 3D-Kamera-Sensoren oder eine Mischung daraus sind.
Eine vorteilhafte Weiterbildung des vorgeschlagenen Systems zeichnet sich dadurch aus, dass das Auswertesystem derart eingerichtet ist, dass die Varianz der Wahrscheinlichkeitsverteilungen PX_ζn,i jeweils proportional zur Entfernung des Punktes ζ_n,1 von jeweiligen Sensor SEN_n bzw. vom Ursprung des jeweiligen Koordinatensystem K_n gewählt ist: $P X_{ς_{n, i}} = N_{ς_{n, i}, ρ {‖ ς_{n, i} ‖}_{2}},$
mit N: Normalverteilung, ρ: Konstante, und ||ζ_n,i||₂: Distanz zwischen Sensor SEN_n und dem Punkt ζ_n,i, der die Position POS_On,i(t) des Objekts O_i im Koordinatensystem K_n angibt.
Eine vorteilhafte Weiterbildung des vorgeschlagenen Systems zeichnet sich dadurch aus, dass das Auswertesystem derart eingerichtet ist, dass die aggregierten Wahrscheinlichkeitsverteilungen P[Y_ζn]_Kn am Punkt ζ_n,i mit $W_{ς_{n, i}} = \int_{ς_{n, i}}^{\infty} P [Y_{ς_{n} *}] d ς_{n} *$
gewichtet werden, wobei P[Y_ζn*] entlang einer Linie, die vom Ursprung des Koordinatensystems K_n über den Punkt ζ_n,i verläuft beginnend bei dem Punkt ζ_n,i bis ins Unendliche integriert wird.
Eine vorteilhafte Weiterbildung des vorgeschlagenen Systems zeichnet sich dadurch aus, dass das Auswertesystem derart eingerichtet ist, dass die aggregierten Wahrscheinlichkeitsverteilungen P[Y_ζn] vor dem Ermitteln der optimierten Transformation T_OPT jeweils auf eine horizontale Ebene projiziert werden, so dass Wahrscheinlichkeitsverteilungen P[Y_ζn] jeweils zweidimensionale Wahrscheinlichkeitsverteilungen sind.
Eine vorteilhafte Weiterbildung des vorgeschlagenen Systems zeichnet sich dadurch aus, dass die Sensoren SEN_n derart eingerichtet und ausgeführt sind, dass sie die Oberflächenelemente O_i stationärer Objekte mit einer Taktfrequenz im Bereich von 5 Hz bis 200 Hz, insbesondere von 10 Hz bis 100 Hz erfassen.
Eine vorteilhafte Weiterbildung des vorgeschlagenen Systems zeichnet sich dadurch aus, dass das erste Erfassungssystem ein Positions- und Lageerfassungssystem im Fahrzeugs F ist.
Eine vorteilhafte Weiterbildung des vorgeschlagenen Systems zeichnet sich dadurch aus, dass das Erfassungssystem ein GNSS-System, bspw. einen GPS-, Galileo- oder einen GLONASS-Empfänger sowie ein Inertial-Referenz-System (INS) umfasst.
Eine vorteilhafte Weiterbildung des vorgeschlagenen Systems zeichnet sich dadurch aus, dass das System weiterhin umfasst: ein zweites System zur automatischen Längs- und Quersteuerung des Fahrzeugs F, das derart ausgeführt und eingerichtet ist, dass aufgrund erkannter stationärer Objekte in der Umgebung des Fahrzeugs Feine Trajektorie F ermittelt wird, die ein Erfassen von Oberflächenelementen O_i der Objekte je Sensor SEN_n aus unterschiedlichen Perspektiven ermöglicht, insbesondere eine Trajektorie T ermittelt wird, die ein slalomartiges oder zig-zack-artiges Umfahren der stationären Objekte definiert und das ein autonomes Abfahren der ermittelten Trajektorie T ermöglicht.
Eine vorteilhafte Weiterbildung des vorgeschlagenen Systems zeichnet sich dadurch aus, dass ein drittes System vorhanden ist, das derart ausgeführt und eingerichtet ist, dass es nach Ablauf einer vorgegebenen Zeitspanne und/oder nach Feststellen von Fehlern der Sensoren SEN_n und/oder nach erfassten Beschleunigungen des Fahrzeugs F, die zumindest einen vorgegebenen Grenzwert überschreiten, zumindest einen Hinweis an einen Fahrer des Fahrzeugs F ausgibt, dass eine Kalibrierung der Positions- und Orientierungs-Koordinaten q_SENn der Sensoren SEN_n erforderlich ist oder ein Verfahren wie vorstehend beschrieben ausgeführt, insbesondere automatisiert ausgeführt wird.
Vorteile und vorteilhafte Weiterbildungen des vorgeschlagenen Systems ergeben sich zudem durch sinngemäße Übertragung der im Zusammenhang mit dem vorgeschlagenen Verfahren gemachten Ausführungen, auf die hierzu verwiesen wird.
Ein dritter Aspekt der Erfindung betrifft ein Fahrzeug, insbesondere ein Kraftfahrzeug, ein Elektrofahrzeug, ein Motorrad, mit einem System, wie vorstehend beschrieben.
Weitere Vorteile, Merkmale und Einzelheiten ergeben sich aus der nachfolgenden Beschreibung, in der - gegebenenfalls unter Bezug auf die Zeichnung - zumindest ein Ausführungsbeispiel im Einzelnen beschrieben ist. Gleiche, ähnliche und/oder funktionsgleiche Teile sind mit gleichen Bezugszeichen versehen.
Es zeigen:

1 einen schematisierten Ablaufplan eines erfindungsgemäßen Verfahrens
2 einen schematisierten Aufbauplan eines erfindungsgemäßen Systems
3 eine Aufsicht auf ein schematisierten Fahrzeug F, wobei die Positionen X die horizontale Anordnung von sechs Sensoren SEN_n am Fahrzeug kennzeichnen und die schraffierten Bereiche die den Sensoren zugeordneten Messbereiche angeben
4 eine schematisiertee Darstellung einer meanderförmigen Trajektorie 7, wobei die dargestellten Kreise Positionen von Laternenpfählen markieren

1 zeigt einen schematisierten Ablaufplan eines erfindungsgemäßen Verfahrens zum Ermitteln von Positions- und Orientierungs-Koordinaten q_SENn einer Anzahl N an einem Fahrzeug F fest angeordneter Sensoren SEN_n, wobei die Sensoren SEN_n jeweils dazu eingerichtet und ausgeführt sind, in einer Umgebung des Fahrzeugs F Oberflächenelemente O_i stationärer Objekte zu erfassen und im jeweiligen Koordinatensystem K_n des jeweiligen Sensors SEN_n Positionen POS_On,i der Oberflächenelemente O_i zu ermitteln, mit n = 1, 2, ..., N und N≥1 und i = 1, 2, ..., I und I≥ 1.
Das Verfahren umfasst folgende Schritte.
In einem ersten Schritt 101 erfolgt mit dem Fahrzeug Fein Abfahren einer Trajektorie T. Dabei erfolgt in Schritt 102a ein fortlaufendes Erfassen von aktuellen Positions- und Orientierungs-Koordinaten q_F(t) des Fahrzeugs F in einem Koordinatensystem K_F und in Schritt 102b je Sensor SEN_n ein fortlaufendes Erfassen von Oberflächenelementen O_i stationärer Objekte in der aktuellen Umgebung des Fahrzeugs F jeweils aus einer Vielzahl von verschiedenen Perspektiven zu den Objekten.
In Schritt 103 erfolgt ein Ermitteln von Positionen POS_On,i(t) der erfassten Oberflächenelemente O_i im jeweiligen Koordinatensystem K_n des jeweiligen Sensors SEN_n, wobei die Position des Sensor SEN_n mit dem Ursprung des jeweiligen Koordinatensystems K_n übereinstimmt.
In Schritt 104 erfolgt für die während des Abfahrens der Trajektorie T ermittelten Positionen POS_On,i(t) im jeweiligen Koordinatensystem K_n ein Zuweisen einer Wahrscheinlichkeitsverteilung PX_ζn,i zu jeder ermittelten Position POS_On,i(t), wobei die Wahrscheinlichkeitsverteilung PX_ζn,i jeder Position ζ_n im Koordinatensystem K_n eine Wahrscheinlichkeit dafür zuweist, dass an der Position ζ_n ein Oberflächenelement eines stationären Objektes angeordnet ist oder nicht und wobei der Schwerpunkt der jeweiligen Wahrscheinlichkeitsverteilung PX_ζn,i an der jeweils zugeordneten Position: ζ_n,i:= POS_On,i(t) liegt.
In Schritt 105 erfolgt je Koordinatensystem K_n ein Ermitteln einer aggregierten Wahrscheinlichkeitsverteilung P[Y_ζn]_Kn die eine Wahrscheinlichkeit angibt, dass an einer beliebigen Position ζ_n im Koordinatensystem K_n des Sensors SEN_n ein Oberflächenelement eines stationären Objektes angeordnet ist oder nicht, mit

Xζn,i:: Boolesche Zufallsvariable im Koordinatensystem K_n des n-ten Sensors SEN_n,
Yζn:: $Y_{ς_{n}} = V_{i = 1}^{l} X_{ς_{n, i}}$
von X_ζn,i abhängige Boolesche Zufallsvariable
ζn:: beliebige Position im Koordinatensystem K_n, sowie eine Projektion der ermittelten aggregierten Wahrscheinlichkeitsverteilung P[Y_ζn]_Kn auf eine gemeinsame horizontale Ebene, so dass Wahrscheinlichkeitsverteilungen P[Y_ζn] jeweils zweidimensionale Wahrscheinlichkeitsverteilungen sind. In diesem Ausführungsbeispiel werden somit nur zweidimensionale Positions- und Orientierungs-Koordinaten q_SENn oder Relativkoordinaten Δq_SENn ermittelt.

In Schritt 106 erfolgt ein Ermitteln einer optimierten Transformation T_OPT der N aggregierten Wahrscheinlichkeitsverteilungen P[Y_ζn]_Kn aus den Koordinatensystemen K_n in das Koordinatensystem K_F: P[Y_ζn]_Kn → P[Y_ξ]_KF, wobei der Beitrag der Wahrscheinlichkeitsverteilung P[Y_ζn]_Kn an einem beliebigen Ort ξ im Koordinatensystem K_F: P[Y_n,ξ]_KF ist, und wobei die Transformation T_OPT derart optimiert wird, dass für alle Orte ξ die Varianz von P[Y_ξ]_KF minimiert ist.
In Schritt 107 erfolgt auf Basis der ermittelten optimierten Transformation T_OPT ein Ermitteln der Positions- und Orientierungs-Koordinaten q_SENn, oder von Relativkoordinaten Δq_SENn im Koordinatensystem K_F über den Zusammenhang: q_SENn = q_F - Δq_SENn, mit Δq_SENn: Relativkoordinaten zwischen dem Ursprung des Koordinatensystems K_F und den Ursprüngen der in K_F transformierten Koordinatensysteme K_n.
In Schritt 108 erfolgt schließlich ein Ausgeben/Anzeigen der ermittelten Positions- und Orientierungs-Koordinaten q_SENn und/oder der Positions- und Orientierungs-Koordinaten q_F und/oder der Relativkoordinaten Δq_SENn.
2 zeigt einen schematisierten Aufbauplan eines erfindungsgemäßen Systems zum Ermitteln von Positions- und Orientierungs-Koordinaten q_SENn einer Anzahl N an einem Fahrzeug F fest angeordneter Sensoren SEN_n 201, wobei die Sensoren SEN_n 201 jeweils dazu eingerichtet und ausgeführt sind, in einer Umgebung des Fahrzeugs F Oberflächenelemente O_i stationärer Objekte zu erfassen und im jeweiligen Koordinatensystem K_n des jeweiligen Sensors SEN_n (201) Positionen PO_On,i der Oberflächenelemente O_i zu ermitteln, mit n = 1, 2, ..., N und N ≥1 und i = 1, 2, ..., I und I≥ 1.
Das System umfasst ein erstes Erfassungssystem 202, das dazu ausgeführt und eingerichtet ist, zumindest während eines Abfahrens einer Trajektorie Tmit dem Fahrzeug F fortlaufend aktuelle Positions- und Orientierungs-Koordinaten q_F(t) des Fahrzeugs F in einem Koordinatensystem K_F, zu erfassen und ein zweites Erfassungssystem 203, das dazu ausgeführt und eingerichtet ist, während des Abfahrens der Trajektorie T mit dem Fahrzeug F je Sensor SEN_n 201 fortlaufend Oberflächenelemente O_i stationärer Objekte in der aktuellen Umgebung des Fahrzeugs F jeweils aus einer Vielzahl von verschiedenen Perspektiven zu erfassen und Positionen POS_On,i(t) der erfassten ortsfesten Oberflächenelemente O_i im jeweiligen Koordinatensystem K_n des jeweiligen Sensors SEN_n 201 zu ermitteln, wobei die Position des Sensor SEN_n 201 mit dem Ursprung des jeweiligen Koordinatensystems K_n übereinstimmt.
Das System umfasst weiterhin ein Auswertesystem 204, das dazu ausgeführt und eingerichtet ist, für die während des Abfahrens der Trajektorie T ermittelten Positionen POS_On,i(t) im jeweiligen Koordinatensystem K_n eine Wahrscheinlichkeitsverteilung PX_ζn,i zu jeder ermittelten Position POS_On,i(t) zuzuweisen, wobei die Wahrscheinlichkeitsverteilung PX_ζn,i jeder Position ζ_n im Koordinatensystem K_n eine Wahrscheinlichkeit dafür zuweist, dass an der Position ζ_n ein Oberflächenelement eines stationären Objektes angeordnet ist oder nicht und wobei der Schwerpunkt der jeweiligen Wahrscheinlichkeitsverteilung PX_ζn,i an der jeweils zugeordneten Position: ζ_n,i:= POS_On,i(t) liegt, und das weiterhin dazu ausgeführt und eingerichtet ist, je Koordinatensystem K_n eine aggregierte Wahrscheinlichkeitsverteilung P[Y_ζn] zu ermitteln, die eine Wahrscheinlichkeit angibt, dass an einer beliebigen Position ζ_n im Koordinatensystem K_n des Sensors SEN_n 201 ein Oberflächenelement eines stationären Objektes angeordnet ist, mit

Xζn,i:: Boolesche Zufallsvariable im Koordinatensystem K_n des n-ten Sensors SEN_n 201,
Yζn:: $Y_{ς_{n}} = V_{i = 1}^{l} X_{ς_{n, i}}$
von X_ζn,i abhängige Boolesche Zufallsvariable
ζn:: beliebige Position im Koordinatensystem K_n.

Das System umfasst weiterhin einen Optimierer 205, der dazu ausgeführt und eingerichtet ist, eine optimierte Transformation T_OPT der N aggregierten Wahrscheinlichkeitsverteilungen P[Y_ζn]_Kn aus den Koordinatensystemen K_n in das Koordinatensystem K_F: P[Y_ζn]_Kn → P[Y_ξ]_KF zu ermitteln, wobei der Beitrag der Wahrscheinlichkeitsverteilung P[Y_ζn]_Kn an einem beliebigen Ort ξ im Koordinatensystem K_F P[Y_n,ξ]_KF ist, und wobei die Transformation T_OPT derart optimiert ist, dass für alle Orte ξ die Varianz von P[Y_n,ξ]_KF minimiert ist, und der weiterhin dazu ausgeführt und eingerichtet ist, auf Basis der ermittelten optimierten Transformation T_OPT die Positions- und Orientierungs-Koordinaten q_SENn im Koordinatensystem K_F über den Zusammenhang: q_SENn = q_F - Δq_SENn zu ermitteln, mit

Das Auswertesystem 204 sowie der Optimierer 205 nutzen vorteilhaft einen gemeinsamen Prozessor (bspw. einen Bordcomputer des Fahrzeugs F) oder unterschiedliche Prozessoren.
Das System umfasst weiterhin eine Ausgabeschnittstelle 206, die zur Ausgabe oder Anzeige oder Bereitstellung der ermittelten Positions- und Orientierungs-Koordinaten q_SENn und/oder der Positions- und Orientierungs-Koordinaten q_F und/oder der Relativkoordinaten Δq_SENn ausgeführt und eingerichtet ist. Die Ausgabeschnittstelle 206 kann vorteilhaft beispielsweise eine optische Ausgabe (Monitor) und/oder Sprachausgabeeinheit (Lautsprecher) sein.
3 zeigt eine Aufsicht auf ein schematisierten Fahrzeug F, wobei die Positionen X die horizontale Anordnung von sechs LiDAR-Sensoren SEN_n am Fahrzeug F kennzeichnen und die schraffierten Bereiche die den LiDAR-Sensoren SEN_n zugeordneten Messbereiche angeben.
In einem Ausführungsbeispiel sind nach dem Einbau neuer LiDAR-Sensoren in ein Fahrzeug F bspw. dem Bordcomputer nur ungenaue Positions- und Orientierungsinformationen der LiDAR-Sensoren bekannt. Dabei betrage die Positionsgenauigkeit der Position Informationen 1 m und die Genauigkeit der Orientierung Informationen im zweidimensionalen 45°.
Das Fahrzeug F wird nun bei einer Parkplatzsuche über einen Parkplatz in einer mäanderförmigen Trajektorie T gefahren, wobei der Parkplatz überwiegend unbesetzt ist und mit mehreren Laternenpfählen ausgestattet ist (siehe 4).
Der Bordcomputer erkennt die Notwendigkeit der Rekalibrierung der Positions- und Orientierungskoordinaten q_SENn der LiDAR-Sensoren SEN_n bspw. durch den beim Einbau der Sensoren durchgeführten Reset. Daraufhin werden die Messdaten der LiDAR-Sensoren SEN_n und die Positions- und Orientierungsdaten des Fahrzeugs F während des Abfahrens der Trajektorie T (4) aufgezeichnet. Dabei werden die Messdaten vorteilhaft nur dann zu Kalibrierung von q_SENn verwendet, falls die Trajektorie T während des Aufnahmezeitraums der Messdaten einem geeigneten Bewegungspfad entspricht. Geeignete Bewegungspfade werden vorteilhaft vom Hersteller des Fahrzeugs definiert und hängen insbesondere von der Anzahl, Position und Lage der LiDAR-Sensoren SEN_n am Fahrzeug ab. Sobald die erfassten Messdaten vorgegebenen Anforderungen entsprechen, wird das vorstehend beschriebene Auswerteverfahren der Messdaten ausgeführt. Konvergiert dabei das Optimierungsverfahren zur Ermittlung der optimierten Transformation T_OPT, so wird die ermittelte neue Positions- und Orientierungsinformation zu den LiDAR-Sensoren SEN_n im Bordcomputer gespeichert und für eine spätere Sensordatenverarbeitung verwendet.
4 eine schematisierte Darstellung einer mäanderförmigen Trajektorie T, wobei die dargestellten Kreise Positionen von Laternenpfählen markieren.
Obwohl die Erfindung im Detail durch bevorzugte Ausführungsbeispiele näher illustriert und erläutert wurde, so ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen. Es ist daher klar, dass eine Vielzahl von Variationsmöglichkeiten existiert. Es ist ebenfalls klar, dass beispielhaft genannte Ausführungsformen wirklich nur Beispiele darstellen, die nicht in irgendeiner Weise als Begrenzung etwa des Schutzbereichs, der Anwendungsmöglichkeiten oder der Konfiguration der Erfindung aufzufassen sind. Vielmehr versetzen die vorhergehende Beschreibung und die Figurenbeschreibung den Fachmann in die Lage, die beispielhaften Ausführungsformen konkret umzusetzen, wobei der Fachmann in Kenntnis des offenbarten Erfindungsgedankens vielfältige Änderungen beispielsweise hinsichtlich der Funktion oder der Anordnung einzelner, in einer beispielhaften Ausführungsform genannter Elemente vornehmen kann, ohne den Schutzbereich zu verlassen, der durch die Ansprüche und deren rechtliche Entsprechungen, wie etwa einer weitergehenden Erläuterung in der Beschreibung, definiert wird.
Bezugszeichenliste

101 bis 108: Verfahrensschritte
201: Sensoren SEN_n
202: erstes Erfassungssystem
203: zweites Erfassungssystem
204: Auswertesystem
205: Optimierer
206: Ausgabeschnittstelle

Claims

Verfahren zum Ermitteln von Positions- und Orientierungs-Koordinaten q_SENn einer Anzahl N an einem Fahrzeug F fest angeordneter Sensoren SEN_n, wobei die Sensoren SEN_n jeweils dazu eingerichtet und ausgeführt sind, in einer Umgebung des Fahrzeugs F Oberflächenelemente O_i stationärer Objekte zu erfassen und im jeweiligen Koordinatensystem K_n des jeweiligen Sensors SEN_n Positionen POS_On,i der Oberflächenelemente O_i zu ermitteln, mit n = 1, 2, ..., N und N≥1 und i = 1, 2, ..., I und I≥1; mit folgenden Schritten: - mit dem Fahrzeug F Abfahren (101) einer Trajektorie T, dabei fortlaufendes Erfassen (102a) von aktuellen Positions- und Orientierungs-Koordinaten q_F(t) des Fahrzeugs F in einem Koordinatensystem K_F, je Sensor SEN_n fortlaufendes Erfassen (102b) von Oberflächenelementen O_i stationärer Objekte in der aktuellen Umgebung des Fahrzeugs F jeweils aus einer Vielzahl von verschiedenen Perspektiven zu den Objekten, und Ermitteln (103) von Positionen POS_On,i(t) der erfassten Oberflächenelemente O_i im jeweiligen Koordinatensystem K_n des jeweiligen Sensors SEN_n, wobei die Position des Sensor SEN_n mit dem Ursprung des jeweiligen Koordinatensystems K_n übereinstimmt; - für die während des Abfahrens der Trajektorie T ermittelten Positionen POS_On,i(t) im jeweiligen Koordinatensystem K_n Zuweisen (104) einer Wahrscheinlichkeitsverteilung PX_ζn,i zu jeder ermittelten Position POS_On,i(t), wobei die Wahrscheinlichkeitsverteilung PX_ζn,i jeder Position ζ_n im Koordinatensystem K_n eine Wahrscheinlichkeit dafür zuweist, dass an der Position ζ_n ein Oberflächenelement eines stationären Objektes angeordnet ist und wobei der Schwerpunkt der jeweiligen Wahrscheinlichkeitsverteilung PX_ζn,i an der jeweils zugeordneten Position: ζ_n,i:= PO_On,i(t) liegt, - je Koordinatensystem K_n Ermitteln (105) einer aggregierten Wahrscheinlichkeitsverteilung P[Y_ζn]_Kn die eine Wahrscheinlichkeit angibt, dass an einer beliebigen Position ζ_n im Koordinatensystem K_n des Sensors SEN_n ein Oberflächenelement eines stationären Objektes angeordnet ist, mit X_ζn,i: Boolesche Zufallsvariable im Koordinatensystem K_n des n-ten Sensors SEN_n, Y_ζn: $Y_{ς_{n}} = V_{i = 1}^{l} X_{ς_{n, i}}$
von X_ζn,i abhängige Boolesche Zufallsvariable ζ_n: beliebige Position im Koordinatensystem K_n; - Ermitteln (106) einer optimierten Transformation T_OPT der N aggregierten Wahrscheinlichkeitsverteilungen P[Y_ζn]_Kn aus den Koordinatensystemen K_n in das Koordinatensystem K_F: P[Y_ζn]_Kn → P[Y_ξ]_KF, wobei der Beitrag der Wahrscheinlichkeitsverteilung P[Y_ζn]_Kn an einem beliebigen Ort ξ im Koordinatensystem K_F: P[Y_n,ξ]_KF ist, und wobei die Transformation T_OPT derart optimiert wird, dass für alle Orte ξ die Varianz von P[Y_ξ]_KF minimiert ist, - auf Basis der ermittelten optimierten Transformation T_OPT Ermitteln (107) der Positions- und Orientierungs-Koordinaten q_SENn im Koordinatensystem K_F über den Zusammenhang: q_SENn = q_F - Δq_SENn, mit Δq_SENn: Relativkoordinaten zwischen dem Ursprung des Koordinatensystems K_F und den Ursprüngen der in K_F transformierten Koordinatensysteme K_n; und - Ausgeben (108) der ermittelten Positions- und Orientierungs-Koordinaten q_SENn und/oder der Positions- und Orientierungs-Koordinaten q_F und/oder der Relativkoordinaten Δq_SENn.
Verfahren nach Anspruch 1, bei dem die Wahrscheinlichkeitsverteilung PX_ζn,i jeweils eine Normalverteilung (Gaußverteilung) ist.
Verfahren nach einem der Ansprüche 1 bis 2, bei dem die Varianz der Wahrscheinlichkeitsverteilung PX_ζn,i jeweils proportional zur Entfernung des Punktes ζ_n,i von jeweiligen Sensor SEN_n bzw. vom Ursprung des jeweiligen Koordinatensystem K_n gewählt ist: $P X_{ς_{n, i}} = N_{ς_{n, i}, ρ {‖ ς_{n, i} ‖}_{2}},$
mit N: Normalverteilung ρ: Konstante ||ζ_n,i||₂: Distanz zwischen Sensor SEN_n und dem Punkt ζ_n,i, der die Position POS_On,i(t) des Oberflächenelements O_i im Koordinatensystem K_n angibt.
Verfahren nach einem der Ansprüche 1 bis 3, bei dem die aggregierten Wahrscheinlichkeitsverteilungen P[Y_ζn]_Kn am Punkt ζ_n,i $mit W_{ς_{n, i}} = \int_{ς_{n, i}}^{\infty} P [Y_{ς_{n} *}] d ς_{n} *$
gewichtet werden, wobei P[Y_ζn∗] entlang einer Linie, die vom Ursprung des Koordinatensystems K_n über den Punkt ζ_n,i verläuft beginnend bei dem Punkt ζ_n,i bis ins Unendliche integriert wird.
Verfahren nach einem der Ansprüche 1-4, bei dem das Verfahren gemäß einem der der Ansprüche 1 bis 4 vom Fahrzeug F nach Ablauf einer vorgegebenen Zeitspanne oder nach Feststellen von vorgegebenen Fehlern der Sensoren SEN_n oder nach Beschleunigungen des Fahrzeugs, die zumindest einen vorgegebenen Grenzwert überschreiten einem Fahrer automatisiert vorgeschlagen oder automatisiert ausgeführt wird.
System zum Ermitteln von Positions- und Orientierungs-Koordinaten q_SENn einer Anzahl N an einem Fahrzeug F fest angeordneter Sensoren SEN_n (201), wobei die Sensoren SEN_n (201) jeweils dazu eingerichtet und ausgeführt sind, in einer Umgebung des Fahrzeugs F Oberflächenelemente O_i stationärer Objekte zu erfassen und im jeweiligen Koordinatensystem K_n des jeweiligen Sensors SEN_n (201) Positionen POS_On,i der Oberflächenelemente O_i zu ermitteln, mit n = 1, 2, ..., N und N≥1 und i = 1, 2, ..., I und I≥1; umfassend: - ein erstes Erfassungssystem (202), das dazu ausgeführt und eingerichtet ist, zumindest während eines Abfahrens einer Trajektorie T mit dem Fahrzeug F fortlaufend aktuelle Positions- und Orientierungs-Koordinaten q_F(t) des Fahrzeugs F in einem Koordinatensystem K_F, zu erfassen; - ein zweites Erfassungssystem (203), das dazu ausgeführt und eingerichtet ist, während des Abfahrens der Trajektorie T mit dem Fahrzeug F je Sensor SEN_n (201) fortlaufend Oberflächenelemente O_i stationärer Objekte in der aktuellen Umgebung des Fahrzeugs F jeweils aus einer Vielzahl von verschiedenen Perspektiven zu erfassen und Positionen POS_On,i(t) der erfassten ortsfesten Oberflächenelemente O_i im jeweiligen Koordinatensystem K_n des jeweiligen Sensors SEN_n (201) zu ermitteln, wobei die Position des Sensor SEN_n (201) mit dem Ursprung des jeweiligen Koordinatensystems K_n übereinstimmt; - ein Auswertesystem (204), das dazu ausgeführt und eingerichtet ist, für die während des Abfahrens der Trajektorie T ermittelten Positionen POS_On,i(t) im jeweiligen Koordinatensystem K_n eine Wahrscheinlichkeitsverteilung P_ζn,i zu jeder ermittelten Position PO_On,i(t) zuzuweisen, wobei die Wahrscheinlichkeitsverteilung PX_ζn,i jeder Position ζ_n im Koordinatensystem K_n eine Wahrscheinlichkeit dafür zuweist, dass an der Position ζ_n ein Oberflächenelement eines stationären Objektes angeordnet ist oder nicht und wobei der Schwerpunkt der jeweiligen Wahrscheinlichkeitsverteilung PX_ζn,i an der jeweils zugeordneten Position: ζ_n,i:= POS_On,i(t) liegt, und das weiterhin dazu ausgeführt und eingerichtet ist, je Koordinatensystem K_n eine aggregierte Wahrscheinlichkeitsverteilung P[Y_ζn] zu ermitteln, die eine Wahrscheinlichkeit angibt, dass an einer beliebigen Position ζ_n im Koordinatensystem K_n des Sensors SEN_n (201) ein Oberflächenelement eines stationären Objektes angeordnet ist, mit X_ζn,i: Boolesche Zufallsvariable im Koordinatensystem K_n des n-ten Sensors SEN_n, Y_ζn: $Y_{ς_{n}} = V_{i = 1}^{l} X_{ς_{n, i}}$
von X_ζn,i abhängige Boolesche Zufallsvariable ζ_n: beliebige Position im Koordinatensystem K_n; - ein Optimierer (205), der dazu ausgeführt und eingerichtet ist, eine optimierte Transformation T_OPT der N aggregierten Wahrscheinlichkeitsverteilungen P[Y_ζn]_Kn aus den Koordinatensystemen K_n in das Koordinatensystem K_F: P[Y_ζn]_Kn → P[Y_ξ]_KF zu ermitteln, wobei der Beitrag der Wahrscheinlichkeitsverteilung P[Y_ζn]_Kn an einem beliebigen Ort ξ im Koordinatensystem K_F P[Y_n,ξ]_KF ist, und wobei die Transformation T_OPT derart optimiert ist, dass für alle Orte ξ die Varianz von P[Y_ξ]_KF minimiert ist, und der weiterhin dazu ausgeführt und eingerichtet ist, auf Basis der ermittelten optimierten Transformation T_OPT die Positions- und Orientierungs-Koordinaten q_SENn im Koordinatensystem K_F über den Zusammenhang: q_SENn = q_F - Δq_SENn zu ermitteln, mit Δq_SENn: Relativkoordinaten zwischen dem Ursprung des Koordinatensystems K_F und den Ursprüngen der in K_F transformierten Koordinatensysteme K_n; und - eine Ausgabeschnittstelle (206), die zur Ausgabe oder Anzeige oder Bereitstellung der ermittelten Positions- und Orientierungs-Koordinaten q_SENn und/oder der Positions- und Orientierungs-Koordinaten q_F und/oder der Relativkoordinaten Δq_SENn ausgeführt und eingerichtet ist.
System nach Anspruch 6, bei dem das erste Erfassungssystem (202) ein Positions- und Lageerfassungssystem im Fahrzeugs F ist, das ein GNSS-System, bspw. einen GPS-, Galileo- oder einen GLONASS-Empfänger sowie ein Inertial-Referenz-System (INS) umfasst.
System nach einem der Ansprüche 6 oder 7, weiterhin umfassend ein zweites System zur automatischen Längs- und Quersteuerung des Fahrzeugs F, das derart ausgeführt und eingerichtet ist, dass aufgrund erkannter stationärer Objekte in der Umgebung des Fahrzeugs F eine Trajektorie T ermittelt wird, die ein Erfassen von Oberflächenelementen O_i der Objekte je Sensor SEN_n (201) aus unterschiedlichen Perspektiven ermöglicht, insbesondere eine Trajektorie T ermittelt wird, die ein slalomartiges oder zig-zack-artiges Umfahren der stationären Objekte definiert und das ein autonomes Abfahren der ermittelten Trajektorie T ermöglicht.
System nach einem der Ansprüche 6-8, bei dem ein drittes System vorhanden ist, das derart ausgeführt und eingerichtet ist, dass es nach Ablauf einer vorgegebenen Zeitspanne und/oder nach Feststellen von einem Fehler in zumindest einem der Sensoren SEN_n (201) und/oder nach einer erfassten Beschleunigung des Fahrzeugs F, die zumindest einen vorgegebenen Grenzwert überschreitet zumindest einen Hinweis an einen Fahrer des Fahrzeugs F ausgibt, dass eine Kalibrierung der Positions- und Orientierungs-Koordinaten q_SENn bzw. der Relativkoordinaten Δq_SENn der Sensoren SEN_n erforderlich ist oder ein Verfahren gemäß einem der Ansprüche 1 bis 5 automatisch ausgeführt wird.
Fahrzeug mit einem System nach einem der Ansprüche 6-9.