-
Die Erfindung betrifft ein Verfahren und eine entsprechende Vorrichtung zur Erkennung eines Problems bei der Ermittlung eines Fahrpfades, insbesondere zur Erkennung eines fehlerhaft ermittelten Fahrpfades.
-
Die von ein oder mehreren Fahrzeugen erfassten Sensordaten in Bezug auf das Umfeld und/oder die Fahrtrajektorie des jeweiligen Fahrzeugs bei einer Fahrt auf einem Fahrbahnabschnitt können dazu verwendet werden, einen Fahrpfad, z.B. eine Fahrspur, auf dem Fahrbahnabschnitt zu ermitteln. Der ermittelte Fahrpfad kann dann in Kartendaten für den Fahrbahnabschnitt aufgenommen werden. So können in effizienter Weise präzise Kartendaten ermittelt werden, die z.B. einzelne Fahrspuren für einen Fahrbahnabschnitt anzeigen. Zur Ermittlung eines Fahrpfades auf Basis der Sensordaten von ein oder mehreren Fahrzeugen kann eine SLAM (Simultaneous Localization and Mapping), insbesondere eine Graph-SLAM, Methode verwendet werden.
-
Die von den ein oder mehreren Fahrzeugen bereitgestellten Sensordaten können ggf. verfälscht sein. Dies kann insbesondere bei GNSS-Messwerten eines satellitenbasierten Navigationssystems (etwa bei GPS Messwerten) der Fall sein, z.B. wenn der Fahrbahnabschnitt durch einen Tunnel verläuft. Verfälschte Sensordaten können zu fehlerhaft ermittelten Fahrpfaden und somit zu einer Beeinträchtigung der Kartendaten führen.
-
Das vorliegende Dokument befasst sich mit der technischen Aufgabe, ein Problem bei der Ermittlung eines Fahrpfades, insbesondere einen fehlerhaft ermittelten Fahrpfad, in effizienter und zuverlässiger Weise zu erkennen, insbesondere um die Güte von Kartendaten und die Güte von darauf basierenden automatisierten Fahrfunktionen zu erhöhen.
-
Die Aufgabe wird durch jeden der unabhängigen Ansprüche gelöst. Vorteilhafte Ausführungsformen werden u.a. in den abhängigen Ansprüchen beschrieben. Es wird darauf hingewiesen, dass zusätzliche Merkmale eines von einem unabhängigen Patentanspruch abhängigen Patentanspruchs ohne die Merkmale des unabhängigen Patentanspruchs oder nur in Kombination mit einer Teilmenge der Merkmale des unabhängigen Patentanspruchs eine eigene und von der Kombination sämtlicher Merkmale des unabhängigen Patentanspruchs unabhängige Erfindung bilden können, die zum Gegenstand eines unabhängigen Anspruchs, einer Teilungsanmeldung oder einer Nachanmeldung gemacht werden kann. Dies gilt in gleicher Weise für in der Beschreibung beschriebene technische Lehren, die eine von den Merkmalen der unabhängigen Patentansprüche unabhängige Erfindung bilden können.
-
Gemäß einem Aspekt wird eine Vorrichtung zur Erkennung eines Problems bei der Ermittlung eines Fahrpfads eines Fahrzeugs auf einem Fahrbahnabschnitt beschrieben. Der Fahrpfad kann z.B. einer Fahrspur des Fahrbahnabschnitts entsprechen. Die Vorrichtung kann in dem Fahrzeug angeordnet sein. Alternativ kann die Vorrichtung Teil einer Fahrzeug-externen Einheit (z.B. eines Servers) sein.
-
Der Fahrpfad kann durch Ausführung einer Optimierungsmethode zur Optimierung einer Fehlerfunktion ermittelt worden sein. Dabei kann die Fehlerfunktion von Sensordaten von ein oder mehreren Sensoren (z.B. von einer Kamera, von einem GNSS-basierten Positionssensor, von einem Geschwindigkeitssensor, von einem Lenksensor, von einem Drehzahlsensor, etc.) des Fahrzeugs abhängen, die bei einer Fahrt des Fahrzeugs auf dem Fahrbahnabschnitt erfasst wurden.
-
Die Sensordaten für die Fahrt des Fahrzeugs können z.B. Positions-Messwerte (z.B. GNSS-Messwerte) in Bezug auf die Position des Fahrzeugs umfassen. Die Position des Fahrzeugs kann dabei innerhalb eines bestimmten Koordinatensystems (z.B. innerhalb eines Welt-Koordinatensystems) angegeben werden. Die durch die Positions-Messwerte angezeigten Positionen können entlang der von dem Fahrzeug gefahrenen Trajektorie auf dem Fahrbahnabschnitt angeordnet sein. Ergänzend können die Sensordaten für die Fahrt des Fahrzeugs Odometrie-Messwerte in Bezug auf die Bewegung (z.B. die Fahrgeschwindigkeit (in einer, zwei oder drei Dimensionen) und/oder die Bewegungsrichtung und/oder die Drehraten (um ein, zwei oder drei unterschiedliche (aufeinander senkrecht stehende) Achsen) des Fahrzeugs bei der Fahrt entlang der Trajektorie auf dem Fahrbahnabschnitt umfassen. Die Optimierungsmethode kann eine Simultaneous Localization and Mapping (SLAM), insbesondere eine Graph SLAM, Methode umfassen.
-
Die Fehlerfunktion kann von einem Graphen mit einer Vielzahl von Knotenpunkten zur Beschreibung des Fahrpfads abhängen. Dabei können die unterschiedlichen Knotenpunkte unterschiedlichen Punkten auf dem ermittelten Fahrpfad entsprechen. Knotenpunkte aus der Vielzahl von Knotenpunkten können paarweise über jeweils eine Kante miteinander verbunden sein. Auf Basis der Sensordaten (insbesondere auf Basis der Positions-Messwerte) können Knotenpunkt-Bedingungen für die einzelnen Knotenpunkte ermittelt werden (die z.B. jeweils eine Soll-Position des jeweiligen Knotenpunktes anzeigen). Ferner können auf Basis der Sensordaten (insbesondere auf Basis der Odometrie-Messwerte) Kanten-Bedingungen für die einzelnen Kanten ermittelt werden (die z.B. jeweils eine Relativ-Orientierung und/oder Relativ-Ausrichtung und/oder eine Richtung und/oder eine Länge der jeweiligen Kante anzeigen).
-
Ein Knotenpunkt kann die Pose des Fahrzeugs an einem bestimmten Zeitpunkt bei einer Fahrt anzeigen. Die Pose kann die (drei dimensionale) Position des Fahrzeugs und/oder die (drei dimensionale) Orientierung des Fahrzeugs umfassen. Eine Knotenpunkt-Bedingung kann eine Bedingung in Bezug auf die Pose des Fahrzeugs umfassen.
-
Eine Kante zwischen zwei Knotenpunkten kann beschreiben, wie die Pose an dem ersten Knotenpunkt in die Pose an dem nachfolgenden zweiten Knotenpunkt überführt wird. Die Kante kann somit eine Relativ- und/oder Delta-Position anzeigen (durch die die Position an dem ersten Knotenpunkt in die Position an dem zweiten Knotenpunkt überführt wird). Ferner kann die Kante eine Relativ- und/oder Delta-Orientierung anzeigen (durch die die Orientierung an dem ersten Knotenpunkt in die Orientierung an dem zweiten Knotenpunkt überführt wird). Eine Kanten-Bedingung kann somit eine Bedingung in Bezug auf die Delta-Orientierung (d.h. in Bezug auf die Veränderung der Orientierung) und/oder in Bezug auf die Delta-Position (d.h. in Bezug auf die Veränderung der Position) umfassen.
-
Die Fehlerfunktion kann einen Kanten-Fehlerterm umfassen, der von den Odometrie-Messwerten in den Sensordaten und/oder der von den Kanten-Bedingungen abhängt. Alternativ oder ergänzend kann die Fehlerfunktion einen Knotenpunkte-Fehlerterm umfassen, der von den Positions-Messwerten in den Sensordaten und/oder der von den Knotenpunkt-Bedingungen abhängt. Dabei kann der Kanten-Fehlerterm eine Vielzahl von Kanten-Fehlern für die entsprechende Vielzahl von Kanten aufweisen. Ferner kann der Knotenpunkt-Fehlerterm eine Vielzahl von Knotenpunkt-Fehlern für die entsprechende Vielzahl von Knotenpunkten aufweisen. Die Optimierungsmethode kann darauf ausgelegt sein, die Vielzahl von Knotenpunkten derart zu ermitteln (insbesondere derart zu positionieren), dass die Fehlerfunktion reduziert, insbesondere minimiert, wird. Die ermittelten Knotenpunkte nach Erreichen des Konvergenzkriteriums der Optimierungsmethode können dann den ermittelten Fahrpfad beschreiben.
-
Die Vorrichtung ist eingerichtet, einen Parameterwert zumindest eines Parameters in Bezug auf die Ausführung der Optimierungsmethode zu ermitteln. Der zumindest eine Parameter kann dabei die Ausführung der Optimierungsmethode und/oder die Fehlerfunktion der Optimierungsmethode, insbesondere die Entwicklung der Fehlerfunktion während der Ausführung der Optimierungsmethode, beschreiben.
-
Der Parameter in Bezug auf die Ausführung der Optimierungsmethode kann z.B. den Wert der Fehlerfunktion (der z.B. ein mittlerer quadratischer Fehler ist) nach Ausführung der Optimierungsmethode umfassen. Alternativ oder ergänzend kann der Parameter in Bezug auf die Ausführung der Optimierungsmethode die Anzahl von Iterationen bei der Ausführung der Optimierungsmethode bis Erreichen des Konvergenzkriteriums umfassen.
-
Alternativ oder ergänzend kann der Parameter in Bezug auf die Ausführung der Optimierungsmethode von dem Kanten-Fehlerterm der Fehlerfunktion abhängen. Der Kanten-Fehlerterm kann jeweils einen Kantenfehler, insbesondere einen quadratischen Kantenfehler, für die Vielzahl von Kanten des Graphen umfassen. Der Parameter in Bezug auf die Ausführung der Optimierungsmethode kann den Maximalwert der Kantenfehler für die Vielzahl von Kanten nach Ausführung der Optimierungsmethode umfassen.
-
Die Vorrichtung ist ferner eingerichtet, auf Basis des ermittelten Parameterwertes zu bestimmen, ob ein Problem bei der Ermittlung des Fahrpfads vorliegt oder nicht. Es kann insbesondere auf Basis des ermittelten Parameterwertes bestimmt werden, ob der Fahrpfad korrekt oder fehlerhaft ist, insbesondere ob der Fahrpfad der von dem Fahrzeug auf dem Fahrbahnabschnitt gefahrenen Trajektorie entspricht oder nicht.
-
Es wird somit eine Vorrichtung beschrieben, die ausgebildet ist, durch Analyse der ausgeführten Optimierungsmethode in effizienter und zuverlässiger Weise einen fehlerhaft ermittelten Fahrpfad zu detektieren. Der Fahrpfad kann dann ggf. neu ermittelt werden. Alternativ oder ergänzend kann bewirkt werden, dass der fehlerhaft ermittelte Fahrpfad nicht in Kartendaten für den Fahrbahnabschnitt aufgenommen wird. So kann die Güte der Kartendaten erhöht werden.
-
Die Vorrichtung kann eingerichtet sein, den ermittelten Parameter mit einem Schwellenwert für den Parameter zu vergleichen. Dabei kann der Schwellenwert im Vorfeld experimentell anhand einer Vielzahl von Referenz-Ausführungen der Optimierungsmethode zur Ermittlung einer entsprechenden Vielzahl von Referenz-Fahrpfaden ermittelt worden sein. Es kann dann in besonders zuverlässiger Weise basierend auf dem Vergleich bestimmt werden, ob ein Problem bei der Ermittlung des Fahrpfads vorliegt oder nicht.
-
Die Vorrichtung kann eingerichtet sein, wenn bestimmt wird, dass ein Problem bei der Ermittlung des Fahrpfads vorliegt, eine erneute Ermittlung des Fahrpfades durchzuführen. Für die erneute Ermittlung des Fahrpfads kann die Fehlerfunktion angepasst werden, es kann die Optimierungsmethode angepasst werden, es kann die Initialisierung der Optimierungsmethode angepasst werden und/oder es kann zumindest ein Teil der Sensordaten ausgeschlossen werden. So kann die Güte des ermittelten Fahrpfads erhöht werden.
-
Die Vorrichtung kann z.B. eingerichtet sein, den Knotenpunkt des Graphen mit dem Maximalwert des Knotenpunkt-Fehlers zu identifizieren (relativ zu den anderen Knotenpunkt-Fehlern). Es können dann die ein oder mehreren Positions-Messwerte für den identifizierten Knotenpunkt bei der erneuten Ermittlung des Fahrpfades ausgeschlossen werden, um die Güte des erneut ermittelten Fahrpfades zu erhöhen. Alternativ oder ergänzend können alle Knotenpunkte identifiziert werden, für die der entsprechende Knotenpunkt-Fehler gleich wie oder größer als ein bestimmter Fehler-Schwellenwert ist. Es können dann die ein oder mehreren Positions-Messwerte für die ein oder mehreren identifizierten Knotenpunkte bei der erneuten Ermittlung des Fahrpfades ausgeschlossen werden, um die Güte des erneut ermittelten Fahrpfades zu erhöhen.
-
Die Vorrichtung kann eingerichtet sein, Parameterwerte für mehrere, unterschiedliche Parameter in Bezug auf die Ausführung der Optimierungsmethode zu ermitteln. Es kann dann in besonders zuverlässiger und präziser Weise auf Basis der ermittelten Parameterwerte der Typ des Problems bei der Ermittlung des Fahrpfads aus einer Menge von unterschiedlichen Problem-Typen ermittelt werden. Dabei kann die Menge von unterschiedlichen Problem-Typen umfassen: das Vorliegen von fehlerhaften Messwerten in den Sensordaten; und/oder das Vorliegen einer fehlerhaften Assoziation zwischen Messwerten aus den Sensordaten (die sich auf eine Landmarke in einem Umfeld des Fahrzeugs beziehen) und Knotenpunkten und/oder Kanten des Optimierungsgraphen zur Ermittlung des Fahrpfades; und/oder das Vorliegen einer fehlerhaften und/oder ungeeigneten und/oder schlechten Initialisierung der Optimierungsmethode.
-
Der Graph zur Beschreibung des Fahrpfades kann ein oder mehrere Knotenpunkte für entsprechende ein oder mehrere Landmarken im Umfeld des Fahrzeugs umfassen. Beispielhafte Landmarken sind Verkehrsschilder, Fahrspurmarkierungen, Ampeln, etc. Diese Knotenpunkte können z.B. als Landmarken-Knotenpunkte bezeichnet werden, um sie von den Kontenpunkten für die Fahrzeug-Pose abzugrenzen, die als Fahrzeug-Knotenpunkte bezeichnet werden können. Der Graph kann Kanten zwischen jeweils einem Fahrzeug-Knotenpunkt und ein oder mehrere Landmarken-Knotenpunkten aufweisen. Auf Basis der Sensordaten, insbesondere auf Basis von Bilddaten einer Kamera, können Messwerte in Bezug auf die Relativpositionierung einer Landmarke zu der Pose des Fahrzeugs ermittelt werden. Basierend auf einem Messwert kann eine Kanten-Bedingung für eine Kante zwischen einem Fahrzeug-Knotenpunkt und einem Landmarken-Knotenpunkt aufgestellt werden. Dabei ist eine auf Basis der Sensordaten erkannte Landmarke mit einem bestimmten Landmarken-Knotenpunkt (für eine bestimmten Landmarke) und somit mit einer bestimmten Kante des Graphen zu assoziieren. Diese Assoziation kann ggf. fehlerhaft sein. Durch die in diesem Dokument beschriebenen Maßnahmen kann eine derartige fehlerhafte Assoziation in effizienter und zuverlässiger Weise erkannt werden.
-
Wenn die (Absolut-) Position einer Landmarke bekannt ist (z.B. aus Kartendaten) kann auf Basis der Sensordaten, z.B. auf Basis von Bilddaten, in Bezug auf die Landmarke eine Knotenpunkt-Bedingung für einen Fahrzeug-Knotenpunkt des Graphen erstellt werden. Insbesondere kann auf Basis der Sensordaten ein Messwert in Bezug auf die Relativpositionierung der Landmarke zu dem Fahrzeug und somit in Bezug auf die Pose des Fahrzeugs ermittelt werden (da die Position der Landmarke bekannt ist). Dabei erfolgt eine Assoziation zwischen einer auf Basis der Sensordaten erkannten Landmarke und einer (aus den Kartendaten bekannten) Landmarke, für die die Position bekannt ist. Diese Assoziation kann ggf. fehlerhaft sein. Durch die in diesem Dokument beschriebenen Maßnahmen kann eine derartige fehlerhafte Assoziation in effizienter und zuverlässiger Weise erkannt werden.
-
Die Vorrichtung kann eingerichtet sein, für eine Sequenz von aufeinanderfolgenden Ausführungen der Optimierungsmethode jeweils zu bestimmen, ob ein Problem bei der Ermittlung des jeweiligen Fahrpfads vorliegt oder nicht. Dabei kann eine zeitliche Entwicklung des Parameterwertes der ein oder mehreren Parameter für die unterschiedlichen Ausführungen analysiert werden. Basierend darauf kann dann die Güte der jeweils verwendeten Sensordaten und/oder der jeweils verwendeten Optimierungsmethode überwacht werden. So kann die Qualität der ermittelten Kartendaten weiter erhöht werden.
-
Gemäß einem weiteren Aspekt wird ein (Straßen-)Kraftfahrzeug (insbesondere ein Personenkraftwagen oder ein Lastkraftwagen oder ein Bus oder ein Motorrad) beschrieben, das die in diesem Dokument beschriebene Vorrichtung umfasst.
-
Gemäß einem weiteren Aspekt wird eine Fahrzeug-externe Einheit, insbesondere ein Server, beschrieben, die die in diesem Dokument beschriebene Vorrichtung umfasst.
-
Gemäß einem weiteren Aspekt wird ein Verfahren zur Erkennung eines Problems bei der Ermittlung eines Fahrpfads eines Fahrzeugs auf einem Fahrbahnabschnitt beschrieben. Der Fahrpfad wurde durch Ausführung einer Optimierungsmethode zur Optimierung einer Fehlerfunktion ermittelt, wobei die Fehlerfunktion von Sensordaten von ein oder mehreren Sensoren des Fahrzeugs abhängt, die bei einer Fahrt des Fahrzeugs auf dem Fahrbahnabschnitt erfasst wurden. Das Verfahren umfasst das Ermitteln eines Parameterwerts zumindest eines Parameters in Bezug auf die Ausführung der Optimierungsmethode, sowie das Bestimmen, auf Basis des ermittelten Parameterwertes, ob ein Problem bei der Ermittlung des Fahrpfads vorliegt oder nicht.
-
Gemäß einem weiteren Aspekt wird ein Software (SW) Programm beschrieben. Das SW Programm kann eingerichtet werden, um auf einem Prozessor ausgeführt zu werden, und um dadurch das in diesem Dokument beschriebene Verfahren auszuführen.
-
Gemäß einem weiteren Aspekt wird ein Speichermedium beschrieben. Das Speichermedium kann ein SW Programm umfassen, welches eingerichtet ist, um auf einem Prozessor ausgeführt zu werden, und um dadurch das in diesem Dokument beschriebene Verfahren auszuführen.
-
Es ist zu beachten, dass die in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systeme sowohl alleine, als auch in Kombination mit anderen in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systemen verwendet werden können. Des Weiteren können jegliche Aspekte der in diesem Dokument beschriebenen Verfahren, Vorrichtungen und Systemen in vielfältiger Weise miteinander kombiniert werden. Insbesondere können die Merkmale der Ansprüche in vielfältiger Weise miteinander kombiniert werden. Ferner sind in Klammern aufgeführte Merkmale als optionale Merkmale zu verstehen.
-
Im Weiteren wird die Erfindung anhand von Ausführungsbeispielen näher beschrieben. Dabei zeigen
- 1a ein beispielhaftes Fahrzeug;
- 1b einen beispielhaften Fahrbahnabschnitt;
- 1c einen beispielhaften Graphen zur Lokalisierung und Kartierung;
- 2a eine beispielhafte Verteilung der maximal auftretenden Kantenfehler;
- 2b eine beispielhafte Verteilung der Anzahl von Iterationen; und
- 3 ein Ablaufdiagramm eines beispielhaften Verfahrens zur Erkennung eines fehlerhaften Fahrpfades.
-
Wie eingangs dargelegt, befasst sich das vorliegende Dokument damit, einen fehlerhaft ermittelten Fahrpfad in effizienter und zuverlässiger Weise zu erkennen. In diesem Zusammenhang zeigt 1a ein beispielhaftes Fahrzeug 100, das ein oder mehrere Umfeldsensoren 102 umfasst. Beispielhafte Umfeldsensoren 102 sind eine Kamera, ein Radarsensor, ein Lidarsensor, ein Ultraschallsensor, etc. Die ein oder mehreren Umfeldsensoren 102 sind eingerichtet, Umfelddaten (d.h. Sensordaten) in Bezug auf das Umfeld des Fahrzeugs 100 zu erfassen.
-
Das Fahrzeug 100 umfasst ferner einen Positionssensor 104, der eingerichtet ist anhand eines Globalen satellitenbasierten Navigationssystems (GNSS), wie z.B. anhand GPS, Positionsdaten (d.h. Sensordaten) in Bezug auf die Position des Fahrzeugs 100 in einem Welt-Koordinatensystem zu ermitteln.
-
Des Weiteren umfasst das Fahrzeug 100 ein oder mehrere Fahrzeugsensoren 103, die eingerichtet sind, Sensordaten zu ermitteln, wie z.B. die Fahrgeschwindigkeit (in Längsrichtung, in Querrichtung und/oder in Höhenrichtung), den Lenkwinkel und/oder die Drehrate (um die Längsachse, um die Querachse und/oder um die Höhenachse), die eine Odometrie-basierte Ermittlung der Relativbewegung des Fahrzeugs 100 über der Zeit (insbesondere zwischen zwei aufeinanderfolgenden Zeitpunkten) ermöglichen.
-
Außerdem kann das Fahrzeug 100 einen Beschleunigungssensor 105 umfassen, der eingerichtet ist, Messwerte in Bezug auf einen (drei-dimensionalen) Beschleunigungsvektor des Fahrzeugs 100 zu ermitteln. Der Beschleunigungssensor 105 kann z.B. eine Inertial Measurement Unit (IMU) umfassen.
-
Es können somit von einem Fahrzeug 100 bei einer Fahrt entlang eines Fahrbahnabschnitts Sensordaten erfasst werden, wobei die Sensordaten z.B. umfassen,
- • Positions-Messwerte eines GNSS-Sensors 104;
- • Odometrie-Messwerte in Bezug auf die Bewegung des Fahrzeugs 100; und/oder
- • Kamerabilder zur Erkennung von Landmarken im Umfeld des Fahrzeugs 100.
-
Die Sensordaten können für eine Sequenz von Messpunkten entlang des Fahrbahnabschnitts erfasst werden. Die Sensordaten können z.B. einer Fahrzeug-externen Einheit (z.B. einem Server) bereitgestellt werden. Die Fahrzeug-externe Einheit kann eingerichtet sein, auf Basis der Sensordaten für ein oder mehrere Fahrten entlang des Fahrbahnabschnitts einen Fahrpfad für Fahrzeuge 100 auf dem Fahrbahnabschnitt zu ermitteln. Der Fahrpfad kann z.B. einer Fahrspur auf dem Fahrbahnabschnitt entsprechen. Zur Ermittlung des Fahrpfads kann ein SLAM Algorithmus verwendet werden.
-
1b zeigt einen beispielhaften Fahrbahnabschnitt 110 und ein Fahrzeug 100, das entlang einer Fahrtrajektorie 120 auf einer Fahrspur des Fahrbahnabschnitts 110 fährt. Entlang der Fahrtrajektorie 120 können für eine Sequenz von Messpunkten 121 Sensordaten erfasst und zur Ermittlung eines Fahrpfades 122 bereitgestellt werden. Wie in 1b dargestellt, kann der Fahrbahnabschnitt 110 z.B. einen Tunnel 111 aufweisen, der dazu führt, dass die Positions-Messwerte des GNSS-Sensors 104 zumindest für einen Teil der Fahrtrajektorie 120 fehlerhaft sein können. Die fehlerhaften Positions-Messwerte können dazu führen, dass auf Basis der Positions-Messwerte (z.B. unter Verwendung des SLAM Algorithmus) ein Fahrpfad 122 mit einem fehlerhaften Verlauf ermittelt wird (der von dem Verlauf der Fahrtrajektorie 120 abweicht), wodurch die Güte der ermittelten Kartendaten beeinträchtigt wird.
-
1c zeigt einen beispielhaften Graphen 150, der eine Vielzahl von Knotenpunkten 151 umfasst, die teilweise durch Kanten 152 miteinander verbunden sind. Dabei kann jeder Knotenpunkt 151 jeweils die Pose, insbesondere die Position, eines Fahrzeugs 100 auf dem zu ermittelnden Fahrpfad 122 anzeigen. Insbesondere können die Knotenpunkte 151 jeweils einem Abtastpunkt des zu ermittelnden Fahrpfades 122 entsprechen. Die Kanten 152 können ein oder mehrere Kanten-Bedingungen 155 in Bezug auf den Übergang zwischen zwei Knotenpunkten 151 beschreiben. Die ein oder mehreren Kanten-Bedingungen 155 können auf Basis der für die ein oder mehreren Fahrten bereitgestellten Sensordaten (insbesondere auf Basis der Odometrie-Messwerte) ermittelt werden.
-
In dem Graphen 150 können alternativ oder ergänzend jeweils ein oder mehrere Knotenpunkt-Bedingungen 153 für die einzelnen Knotenpunkte 151 berücksichtigt werden. Mit anderen Worten, die einzelnen Knotenpunkte 151 des Graphen 150 können jeweils ein oder mehrere Knotenpunkt-Bedingungen 153 aufweisen, die sich (allein) auf den jeweiligen Knotenpunkt 151 (insbesondere auf die Pose eines Fahrzeugs 100 in dem jeweiligen Knotenpunkt 151) beziehen. Die ein oder mehreren Knotenpunkt-Bedingungen 153 können insbesondere auf Basis der für die ein oder mehreren Fahrten bereitgestellten Sensordaten (insbesondere auf Basis der Positions-Messwerte) ermittelt werden.
-
Die Knotenpunkte 151 bzw. die damit assoziierten Posen, insbesondere Positionen, eines Fahrzeugs 100 können derart anhand einer Optimierungsmethode ermittelt werden, dass die Bedingungen 153, 155 gemäß einer bestimmten Fehlerfunktion (z.B. gemäß einer Least-Squares-Fehlerfunktion) möglichst gut erfüllt werden. In diesem Zusammenhang kann z.B. für die einzelnen Knotenpunkte 151 bzw. für die einzelnen Knotenpunkt-Bedingungen 153 jeweils ein (quadratischer) Knotenpunktfehler 154 zwischen der ermittelten Pose des Knotenpunktes 151 und der entsprechenden Knotenpunkt-Bedingungen 153 berücksichtigt werden. Alternativ oder ergänzend kann für die einzelnen Kanten 152 jeweils ein (quadratischer) Kantenfehler 156 zwischen der ermittelten Kante 152 und der Kanten-Bedingung 155 berücksichtigt werden.
-
Die Fehlerfunktion kann somit von einer Vielzahl von (insbesondere von der Summe von) Knotenpunktfehlern 154 (für die entsprechende Vielzahl von Knotenpunkten 151) und/oder von einer Vielzahl von (insbesondere von der Summe von) Kantenfehlern 156 (für die entsprechende Vielzahl von Kanten 152) abhängen. Es kann eine (iterative) Optimierungsmethode, z.B. eine Gradient-Descent-Methode, verwendet werden, um die Knotenpunkte 151 derart auszurichten, insbesondere zu positionieren, dass die Fehlerfunktion reduziert, insbesondere minimiert, wird. Die ermittelte Sequenz von Knotenpunkten 151 beschreibt dann den Fahrpfad 122 des Fahrbahnabschnitts 110.
-
Die konkrete Ausführung der Optimierungsmethode zur Ermittlung des Fahrpfades 122 kann durch ein oder mehrere Parameter beschrieben werden. Beispielhafte Parameter sind,
- • die Anzahl von Iterationen bis Erreichen eines Konvergenzkriteriums der Optimierungsmethode;
- • der Wert der Fehlerfunktion bei Erreichen des Konvergenzkriteriums;
- • der Wert des Anteils der Fehlerfunktion, der auf der Vielzahl von Knotenpunktfehlern 154 basiert; und/oder
- • der Wert des Anteils der Fehlerfunktion, der auf der Vielzahl von Kantenfehlern 156 basiert.
-
Die Parameterwerte der Parameter, durch die die konkrete Ausführung der Optimierungsmethode beschrieben wird, können dazu verwendet werden, die Güte des durch die konkrete Ausführung der Optimierungsmethode ermittelten Fahrpfades 122 zu ermitteln. Insbesondere kann auf Basis der Parameterwerte der Parameter ein fehlerhafter Fahrpfad 122 detektiert werden.
-
2a zeigt einen beispielhaften Zusammenhang 200 zwischen dem Wert 201 des (mittleren) Kantenfehlers 156 und dem Anteil 202 der Kantenfehler 156, der gleich wie oder kleiner als ein bestimmter Fehlerwert ist. Basierend auf diesem Zusammenhang 200 kann ein Kantenfehler-Schwellenwert 205 festgelegt werden. Wenn der bei der Ausführung der Optimierungsmethode resultierende Wert 201 des (mittleren oder maximalen) Katenfehlers 156 kleiner als der Kantenfehler-Schwellenwert 205 ist, so kann dies ein Indiz dafür sein, dass der ermittelte Fahrpfad 122 korrekt ist. Wenn andererseits der resultierende Wert 201 des (mittleren oder maximalen) Katenfehlers 156 größer als der Kantenfehler-Schwellenwert 205 ist, so kann dies ein Indiz dafür sein, dass der ermittelte Fahrpfad 122 fehlerhaft ist.
-
2b zeigt einen beispielhaften Zusammenhang 210 zwischen der Anzahl 211 von Iterationen der Optimierungsmethode und dem Anteil 212 der Ausführungen der Optimierungsmethode, die bei gleich viel oder weniger Iterationen konvergiert sind. Basierend auf dem Zusammenhang 210 kann ein Iterations-Schwellenwert 215 festgelegt werden. Wenn die bei einer konkreten Ausführung der Optimierungsmethode erforderliche Anzahl 211 von Iterationen kleiner als der Iterations-Schwellenwert 215 ist, so kann dies ein Indiz dafür sein, dass der ermittelte Fahrpfad 122 korrekt ist. Wenn andererseits die erforderliche Anzahl 211 von Iterationen größer als der Iterations-Schwellenwert 215 ist, so kann dies ein Indiz dafür sein, dass der ermittelte Fahrpfad 122 fehlerhaft ist.
-
Um einen fehlerhaft ermittelten Fahrpfad 122 zu identifizieren und ggf. zu korrigieren, kann somit eine Überwachung der Graphenoptimierung (zur Ermittlung des Fahrpfads 122) durchgeführt werden. Dabei können ein oder mehrere Metriken (bzw. Parameter), wie z.B. der maximale Edge Strain (d.h. der maximale Kanten-Fehlerwert), der mittlere quadratische Fehler, etc., die sich aus dem Optimierungsergebnis berechnen lassen, für die Erkennung von fehlerhaften Eingangsdaten, fehlerhaften Odometrie- oder Landmarkenmessungen, etc. und/oder für die Erkennung von Problemen bei der Optimierung, bei der numerischen Konvergenz oder bei dem Aufbau des Faktorgraphen 150 (z.B. eine fehlerhafte Assoziation im SLAM Frontend) ausgewertet werden. So wird die automatisierte Erkennung und Überwachung von Optimierungsproblemen ermöglicht, wodurch wiederum die Robustheit der Ermittlung von Fahrpfaden 122 erhöht wird.
-
Beispielsweise können fehlerhafte Ergebnisse bei der GPS-Odometrie-Graphenoptimierung für die Lokalisierung eines Fahrzeugs 100 erkannt werden. In diesem Zusammenhang können insbesondere fehlerhafte GPS-Messungen, wie sie beispielsweise am Anfang oder am Ende eines Tunnels 111 auftreten können, dazu führen, dass die Optimierung fehlschlägt und/oder dass das Optimierungsergebnis (und somit der ermittelte Fahrpfad 122) relativ stark verzerrt wird und somit nicht der tatsächlich gefahrenen Trajektorie 120 entspricht. Das Erkennen dieses Fehlerfalls ist z.B. vorteilhaft, um fehlerhafte Fahrpfade 122 komplett von der weiteren Prozessierung auszuschließen.
-
Als Erkennungskriterium und/oder als Indikationsmetrik kann der mittlere quadratischer Fehler im Faktorgraphen 150 nach der Optimierung verwendet werden.
-
Alternativ oder ergänzend kann der maximal auftretenden Edge Strain (z.B. ein quadratischer Fehler) als Metrik verwendet werden. Dies hat den Vorteil, dass die Erkennung unabhängig von der Anzahl von Kanten 152 ist (die näherungsweise proportional zu der Länge der Trajektorie 120 ist). Im Fehlerfall kann der maximal auftretende Edge Strain bei relativ langen Trajektorien 120 nicht durch eine relativ große Anzahl von Kanten 152 mit relativ kleinem Fehler ausgeglichen werden.
-
Alternativ oder ergänzend kann die Anzahl von Iterationen des numerischen Optimierers als Indikator für die numerische Konvergenz verwendet werden. Bei einer relativ hohen Anzahl benötigter Iterationen wird das Konvergenzkriterium nicht oder erst relativ spät erreicht, was auf ein relativ schlecht konditioniertes Optimierungsproblem (z.B. aufgrund von fehlerhaften Messungen und/oder aufgrund von fehlerhaften Zuordnungen) und/oder auf eine relativ schlechte Konvergenz z.B. aufgrund einer relativ schlechten Variableninitialisierung hindeutet.
-
Die jeweils ermittelten Fahrpfade 122 können somit in fehlerhaft oder korrekt klassifiziert werden. Anhand einer Kombination von ein oder mehreren Metriken können die einzelnen Fahrpfade 122 in unterschiedliche Fehlerkategorien (d.h. Problem-Typen) klassifiziert werden, um beispielsweise zwischen numerischen Konvergenzproblemen und fehlerhaften Eingangsdaten oder fehlerhaften Landmarkenassoziationen im SLAM-Frontend zu unterscheiden.
-
Die Optimierung eines als fehlerhaft erkannten Fahrpfades 122 kann ggf. wiederholt werden. Dabei kann das Optimierungsproblem vor der erneuten Optimierung modifiziert werden, um die Wahrscheinlichkeit für eine erfolgreiche Optimierung zu erhöhen. Zu diesem Zweck können ein oder mehrere als fehlerhaft erkannte GPS-Messungen entfernt werden, und/oder es können ein oder mehrere (möglicherweise) fehlerhafter Datenassoziationen im SLAM-Frontend entfernt werden, und/oder es kann eine andere Initialisierung der Variablen oder eine Anpassung der Optimierungsparameter (z.B. der Anzahl maximaler Iterationen, des Dämpfungsfaktors bei einer Levenberg-Marquardt Optimierung, etc.) durchgeführt werden.
-
Die Entscheidungs-Grenzwerte bzw. Schwellenwerte 205, 215 für die ein oder mehreren Metriken (d.h. Parameter) können datengetrieben anhand statistischer Verteilungen 200, 210 von tatsächlich durchgeführten Optimierungen ermittelt werden.
-
Alternativ oder ergänzend können die relativen Anteile der Daten mit bestimmten Fehlern kontinuierlich überwacht werden, um Regressionen bei den Daten oder vorangegangenen Algorithmen zu erkennen. Beispielsweise kann ein deutlicher Anstieg bei der Verwendung neuer Daten auf Probleme in den Daten hindeuten. Ein deutlicher Anstieg bei der Verwendung identischer Daten aber bei der Verwendung einer neuen Version des Optimierers kann darauf hindeuten, dass ein Problem des Optimierers vorliegt.
-
3 zeigt ein Ablaufdiagramm eines beispielhaften (ggf. Computerimplementierten) Verfahrens 300 zur Erkennung eines Problems bei der Ermittlung eines Fahrpfads 122 eines Fahrzeugs 100 auf einem Fahrbahnabschnitt 110, wobei der Fahrpfad 122 durch Ausführung einer Optimierungsmethode zur Optimierung einer Fehlerfunktion (insbesondere durch Ausführung einer SLAM Methode) ermittelt wurde. Die Fehlerfunktion ist dabei von Sensordaten von ein oder mehreren Sensoren 102, 103, 104, 105 des Fahrzeugs 100 abhängig, die bei einer Fahrt des Fahrzeugs 100 auf dem Fahrbahnabschnitt 110 erfasst wurden. Das Fahrzeug 100 kann z.B. entlang einer bestimmten Fahrtrajektorie 120 gefahren sein, und das Verfahren 300 kann darauf ausgerichtet sein, zu erkennen, ob durch den ermittelten Fahrpfad 122 die von dem Fahrzeug 100 gefahrene Trajektorie 120 korrekt beschrieben wird oder nicht.
-
Das Verfahren 300 umfasst das Ermitteln 301 eines Parameterwerts zumindest eines Parameters in Bezug auf die Ausführung der Optimierungsmethode. Der Parameter kann ausgebildet sein, die Ausführung der Optimierungsmethode zu beschreiben (ohne dabei den ermittelten Fahrpfad 122 selbst zu beschreiben). Der Parameter kann z.B. von der Anzahl 211 von durchgeführten Iterationen und/oder von dem Wert der Fehlerfunktion abhängen. Durch den Parameter kann beschrieben werden, wie gut und/oder wie schnell die Optimierungsmethode zu dem ermittelten Fahrpfad 122 konvergiert ist.
-
Das Verfahren 300 umfasst ferner das Bestimmen 302, auf Basis des ermittelten Parameterwertes, ob ein Problem bei der Ermittlung des Fahrpfads 122 vorliegt oder nicht. Es kann somit anhand zumindest eines Parameters, der die Ausführung der Optimierungsmethode beschreibt, erkannt werden, ob ein Problem bei der Ermittlung des Fahrpfads 122 vorliegt oder nicht, insbesondere ob der ermittelte Fahrpfad 122 fehlerhaft oder korrekt ist.
-
Durch die in diesem Dokument beschriebenen Maßnahmen können in effizienter und zuverlässiger Weise fehlerhafte Sensordaten, eine fehlerhafte Aufstellung des Optimierungsproblems und/oder ein fehlerhaft ermittelter Fahrpfad 122 erkannt werden. So kann die Güte von Kartendaten und einer darauf basierenden automatisierten Fahrfunktion erhöht werden.
-
Die vorliegende Erfindung ist nicht auf die gezeigten Ausführungsbeispiele beschränkt. Insbesondere ist zu beachten, dass die Beschreibung und die Figuren nur beispielhaft das Prinzip der vorgeschlagenen Verfahren, Vorrichtungen und Systeme veranschaulichen sollen.
