DE102022202734A1

DE102022202734A1 - Bewegungserkennung durch Lidarsysteme

Info

Publication number: DE102022202734A1
Application number: DE102022202734.5A
Authority: DE
Inventors: Chengxuan Fu; Niklas Stralau
Original assignee: Robert Bosch GmbH
Current assignee: Robert Bosch GmbH
Priority date: 2022-03-21
Filing date: 2022-03-21
Publication date: 2023-09-21

Abstract

Die vorliegende Erfindung betrifft ein Verfahren zum Klassifizieren von Objekten einer Umgebung anhand von Messdaten eines Lidarsystems, wobei das Lidarsystem ausgebildet ist, wiederholt Messungen (S1) durch Aussenden von Laserpulsen und Empfangen von Reflexionen der Laserpulse aus der Umgebung durchzuführen, wobei jedem Laserpuls oder einer Gruppe von Laserpulsen jeder Messung ein vordefinierter Identifier zugeordnet ist, das Verfahren aufweisend die Schritte: Bereitstellen (S2) eines Netzes aus Voxeln, wobei jedes Voxel einen Bereich der Umgebung des Lidarsystems repräsentiert, Zuordnen (S4) jeder Reflexionen jeder Messung zu dem zugehörigen Voxel, indem der Identifier in dem Voxel gespeichert wird, Klassifizieren (S5) jeder Reflexion dahingehend, ob ein Objekt dynamisch ist oder nicht, wobei die Eigenschaft dynamisch dann angenommen wird, wenn in dem der Reflexion zugehörigen Voxel ein Identifier einer aktuellen Messung aber kein Identifier einer unmittelbar vorhergehenden Messung gespeichert ist, und Ausgeben (S7) der Klassifizierung für jede Reflexion.

Description

Stand der Technik
Die vorliegende Erfindung betrifft ein Verfahren zum Klassifizieren des Bewegungszustands von Objekten. Das Verfahren ermöglicht eine Klassifikation in dynamisch und statisch. Außerdem betrifft die Erfindung ein Lidarsystem, das ein solches Verfahren durchführen kann.
Aus dem Stand der Technik sind Lidarsysteme bekannt. Solche Systeme werden insbesondere in Kraftfahrzeugen verwendet, um eine Umgebung zu erfassen. Für automatisiert fahrende Fahrzeuge ist eine genaue Kenntnis über die Umgebung relevant, was sich durch Lidarsysteme vorteilhaft erreichen lässt.
Eine Herausforderung bleibt, aus Lidardaten dynamische und statische Echos zu erkennen. Wird als Sendeverfahren ein frequency modulated continuous wave-Lidar verwendet, d.h. eine Frequenz des ausgesandten Signals wird über die Aussendedauer verändert, so kann anhand des Dopplereffekts erkannt werden, ob sich ein Objekt, an dem das Lidarsignal reflektiert wurde bewegt oder ob dieses statisch ist. Wird hingegen ein Lidarsystem verwendet, bei dem lediglich die Zeit zwischen Aussenden um Empfangen gemessen wird, um aus der Zeitdifferenz auf die Distanz um reflektierenden Objekt zu schließen, so ist aus den Lidarsignalen selbst keine Unterscheidung zwischen statischen und dynamischen Echos ermöglicht.
Offenbarung der Erfindung
Das erfindungsgemäße Verfahren ermöglicht ein zuverlässiges Klassifizieren von statischen und dynamischen Reflexionen der Umgebung. Damit ist das Verfahren insbesondere vorteilhaft für automatisiert fahrende Fahrzeuge verwendbar. Das Verfahren verwendet Messungen eines Lidarsystems, wobei die genaue Ausgestaltung des Lidarsystems nicht relevant ist.
Außerdem muss für die Durchführung des Verfahrens nur eine geringe Anzahl an Daten gespeichert werden, sodass das Verfahren sehr performant und ressourcenarm ist. Insbesondere kann das Verfahren in Echtzeit während einer Messung eines Lidarsystems durchgeführt werden.
Das Verfahren ist vorgesehen zum Klassifizieren von Objekten einer Umgebung anhand von Messdaten eines Lidarsystems. Das Lidarsystem ist ausgebildet, wiederholt Messungen durch Aussenden von Laserpulsen und Empfangen von Reflexionen der Laserpulse aus der Umgebung durchzuführen. Jedem Laserpuls oder einer Gruppe von Laserpulsen jeder Messung ist bevorzugt ein vordefinierten Identifier zugeordnet. Bei dem Identifier kann es sich beispielsweise um einen Zeitstempel des Aussendens des Laserpulses handeln. Besonders bevorzugt wird von dem Lidarsystem eine Punktwolke bereitgestellt, die alle erkannten Reflexionen anzeigen, wobei besonders vorteilhaft für jede Reflexion entsprechende, insbesondere dreidimensionale, Koordinaten bereitgestellt sind.
Das Verfahren weist die folgenden Schritte auf: Zunächst erfolgt ein Bereitstellen eines Netzes aus Voxeln, wobei jedes Voxel einen Bereich der Umgebung des Lidarsystems repräsentiert. Dieser Schritt wird bevorzugt initial durchgeführt und nicht wiederholt, wobei die anderen nachfolgend beschriebenen Schritte des Verfahrens bevorzugt wiederholt ausgeführt werden können.
Weiterhin erfolgt ein Zuordnen jeder Reflexion jeder Messung zu dem zugehörigen Voxel, indem der Identifier in dem Voxel gespeichert wird. Bevorzugt ist durch das Lidarsystem eine Koordinatenangabe der Reflexion bekannt, um diese in der Umgebung zuordnen zu können. Somit ist ermöglicht, das passende Voxel aufzufinden, das denjenigen Bereich der Umgebung repräsentiert, in dem die Reflexion vorhanden ist.
Es erfolgt außerdem ein Klassifizieren jeder Reflexion dahingehend, ob ein Objekt dynamisch ist oder nicht. Ist ein Objekt nicht dynamisch, so ist es statisch. Ein dynamisches Objekt bewegt sich in der Umgebung relativ zum Lidarsystem, während ein statisches Objekt relativ zum Lidarsystem feststehend ist. Eine Eigenbewegung des Lidarsystems bleibt dabei unberücksichtigt. Die Eigenschaft, dass das Objekt dynamisch ist wird insbesondere dann angenommen, wenn in dem der Reflexion zugehörigen Voxel ein Identifier einer aktuellen Messung aber kein Identifier einer unmittelbar vorhergehenden Messung gespeichert ist. Wie zuvor beschrieben ist vorgesehen, dass die Messungen wiederholt durchgeführt werden. Somit sind insbesondere mehrere Messungen hintereinander vorhanden, die anhand des Identifiers unterschieden werden können. Sollte ein Voxel einen Identifier einer aktuellen Messung, nicht aber einer vorhergehenden Messung aufweisen, so muss an der Stelle, die durch das Voxel repräsentiert wird, ein neues Objekt vorhanden sein. Dies deutet auf ein dynamisches Objekt hin, da sich das Objekt zu der durch das Voxel repräsentierten Stelle der Umgebung bewegt haben muss. Damit ist auf einfache Art und Weise eine Klassifizierung der Reflexion ermöglicht.
Außerdem erfolgt ein Ausgeben der Klassifizierung für jede Reflexion. Somit können die Messergebnisse des Lidarsystems, insbesondere die beschriebene Punktwolke, für andere Anwendungszwecke verwendet werden. Dabei ist durch die oben beschriebenen Verfahrensschritte eine schnelle und zuverlässige Klassifizierung vorhanden, sodass die so erweiterten Lidardaten zuverlässig für verschiedene Anwendungsfälle wie z.B. automatisiertes Fahren eines Fahrzeugs, verwendet werden können.
Das Verfahren ist sehr vielseitig und flexibel einsetzbar. So können einerseits die Größe des Netzes aus Voxeln und andererseits die Größe der Voxel selbst beliebig angepasst werden. Damit lässt sich je nach gewünschter Gewichtung eine Genauigkeit erhöhen oder ein Rechenaufwand verringern. Außerdem sind für die Klassifizierung nur minimale Eingangsdaten notwendig, nämlich die Identifier, die Koordinaten der Reflexionen und Parameter für das Netz aus Voxeln. Damit ist das Verfahren einfach und aufwandsarm anwendbar. Außerdem basiert das Verfahren auf den tatsächlichen Reflexionen, weswegen keine Kompensationen von Ungenauigkeiten aufgrund von Schätzungen in den Eingangswerten notwendig sind.
Die Unteransprüche zeigen bevorzugte Weiterbildungen der Erfindung.
Bevorzugt ist vorgesehen, dass der Schritt des Klassifizierens einer Reflexion unmittelbar nach dem Schritt des Zuordnens der Reflexion zu einem Voxel erfolgt. Dies ermöglicht bevorzugt ein rasches und zuverlässiges Klassifizieren der Reflexion.
Vorteilhafterweise wird mittels Bewegungssensoren eine Bewegung des Lidarsystems erkannt. Liegt eine solche Eigenbewegung vor, so wird diese bei der Klassifizierung berücksichtigt, um Fehler bei der Klassifizierung zu vermeiden. Dabei ist insbesondere vorgesehen, dass anhand der Bewegung des Lidarsystems eine Verlagerung der Voxel in dem Netz berechnet wird, um in dem Netz die Bewegung des Lidarsystems zu kompensieren. Damit ist die Kompensation einfach und aufwandsarm ermöglicht. Insbesondere müssen die Ergebnisse der Messungen des Lidarsystems selbst nicht verändert werden.
In einer bevorzugten Ausführungsform ist vorgesehen, dass das Netz aus Voxeln ein zweidimensionales Netz. Dies bedeutet, alle Voxel haben lediglich in zwei Dimensionen benachbarte Voxel. Dadurch erfolgt insbesondere eine Reduktion der dreidimensionalen Ergebnisse des Lidarsystems, insbesondere der dreidimensionalen Punktwolke jeder Messung, auf eine zweidimensionale Ebene. Insbesondere wird in diesem Fall auf eine Höhenrichtung parallel zur Erdgravitation verzichtet.
Dabei werden im Schritt des Zuordnens alle Reflexionen einer Messung, die sich lediglich in einer solchen Koordinate unterscheiden, die einer Raumrichtung entspricht, die durch eine Richtung senkrecht zu dem zweidimensionalen Netz aus Voxeln repräsentiert wird, demselben Voxel zugeordnet. Insbesondere sind jedem Voxel somit alle Reflexionen in demjenigen Bereich der Umgebung, der durch das Voxel repräsentiert wird, und zusätzlich alle Reflexionen aus dem Bereich der Umgebung darüber und/oder darunter zugeordnet. Um eine Kompensation der fehlenden Koordinate vorzunehmen ist vorgesehen, dass für jeden Voxel ein Wertebereich der Werte der besagten Koordinate der Reflexionen einer Messung mit einem im Voxel gespeicherten Bereich, der auf den vorausgegangenen Messungen basiert, verglichen wird. Im Schritt des Klassifizierens wird eine Reflexion nur dann als dynamisch klassifiziert, wenn der im Voxel gespeicherte Bereich geringere Randwerte aufweist als der Wertebereich. Mit anderen Worten wird ein dynamisches Objekt nur dann als solches erkannt und klassifiziert, wenn es bezüglich der fehlenden Koordinate größer ist als zuvor bekannte Objekte an dieser Stelle (d.h. ohne die fehlende Koordinate). Auf diese Weise werden insbesondere Falsch-Positive Klassifizierungen vermieden, d.h. es wird vermieden, dass ein statisches Objekt als dynamisch klassifiziert wird. Zusätzlich wird der gespeicherte Bereich des Voxels um den Wertebereich erweitert, wenn der gespeicherte Bereich geringere Randwerte aufweist als der Wertebereich. Somit können auch nachfolgende Messungen zuverlässig klassifiziert werden. Der beschriebene gespeicherte Bereich des Voxels wird auf diese Weise iterativ erstellt.
Besonders vorteilhaft ist vorgesehen, dass der gespeicherte Bereich basierend auf dem Wertebereich angepasst wird, wenn der gespeicherte Bereich zumindest einen größeren Randbereich als der Wertebereich aufweist. Auf diese Weise werden insbesondere Falsch-Negative Klassifikationen vermieden, d.h. es wird vermieden, dass ein dynamisches Objekt als statisch klassifiziert wird. Wenn sich ein Objekt, das für eine Vergrößerung des gespeicherten Bereichs eines Voxels verantwortlich war, aus dem Voxel herausbewegt (d.h. aus dem von dem Voxel repräsentierten Bereich der Umgebung herausbewegt), so muss der gespeicherte Bereich seine Größe nicht mehr beibehalten werden. Daher ist vorgesehen, dass dieser angepasst wird, beispielsweise auf den Wertebereich der aktuellen Messung gesetzt wird. Alternativ kann der gespeicherte Bereich auch um ein vordefiniertes Maß verringert werden.
In einer alternativen bevorzugten Ausgestaltung ist das Netz aus Voxeln ein dreidimensionales Netz. Dies bedeutet, alle Voxel haben in drei Dimensionen benachbarte Voxel. Das Netz sorgt somit für eine Repräsentation der Umgebung in allen Raumrichtungen. Da aus dem Lidarsystem insbesondere die dreidimensionalen Koordinaten der Reflexionen bekannt sind, ist eine einfache und zuverlässige Zuordnung der Reflexionen zu den Voxeln möglich.
In diesem Fall wird im Schritt des Klassifizierens eine Reflexion einer Messung bevorzugt nur dann als dynamisch klassifiziert, wenn das zugehörige Voxel den Identifier der der Messung unmittelbar vorangegangenen Messung nicht aufweist. Ist besagter Identifier hingegen vorhanden, so wurde an der vom Voxel repräsentierten Stelle der Umgebung in der unmittelbar vorausgegangenen Messung bereits das Objekt erkannt, was für ein statisches Objekt spricht. Um Falsch-Positive Klassifizierungen, d.h. das Klassifizieren eines statischen Objekts als dynamisch, zu vermeiden, ist insbesondere vorgesehen, dass ein Voxel als Schattenvoxel angesehen wird, wenn in der Messung eine Reflexion, in einer unmittelbar darauffolgenden Messung aber keine Reflexion mehr festgestellt wird. Die den Schattenvoxeln zugehörige Reflexionen werden als nicht dynamisch klassifiziert.
Besonders bevorzugt werden anhand eines Voxel-Traversal-Algorithmus Schattenvoxeln von solchen Voxeln unterschieden werden, die ein sich bewegendes Objekt der Umgebung repräsentieren. Auf diese Weise werden insbesondere Falsch-Negative Klassifikationen vermieden, d.h. es wird vermieden, dass ein dynamisches Objekt als statisch klassifiziert wird. Sollte durch Maßnahmen wie zuvor beschrieben eine Voxel fälschlicherweise als Schattenvoxel angesehen worden sein, so lässt sich dies anhand des Voxel-Traversal-Algorithmus erkennen und korrigieren. Dem liegt der Gedanke zugrunde, dass ein Voxel auch dann als Schattenvoxel angesehen wird, wenn an dessen repräsentiertem Bereich zunächst ein dynamisches Objekt vorhanden war, das sich aber wegbewegt hat (und somit in einer unmittelbar folgenden Messung keine Reflexion mehr vorhanden ist). Voxel-Traversal-Algorithmen sind aus dem Stand der Technik bekannt, beispielsweise kann der Algorithmus aus folgender Veröffentlichung verwendet werden: John Amanatides, J.; Woo, A.: „A Fast Voxel Traversal Algorithm forRay Tracing“; 1987.
Die Erfindung betrifft weiterhin ein Lidarsystem. Das Lidarsystem weist eine Sendeeinheit und eine Empfangseinheit sowie eine Auswerteeinheit auf. Die Auswerteeinheit ist ausgebildet zum wiederholten Durchführen von Messungen durch Aussenden von Laserpulsen mittels der Sendeeinheit und Empfangen von an Objekten erfolgten Reflexionen der Laserpulse aus der Umgebung mittels der Empfangseinheit. Jedem Laserpuls oder einer Gruppe von Laserpulsen jeder Messung ist bevorzugt ein vordefinierter Identifier zugeordnet. Bei dem Identifier kann es sich beispielsweise um einen Zeitstempel des Aussendens des Laserpulses handeln. Besonders bevorzugt wird von dem Lidarsystem eine Punktwolke bereitgestellt, die alle erkannten Reflexionen anzeigen, wobei besonders vorteilhaft für jede Reflexion entsprechende, insbesondere dreidimensionale, Koordinaten bereitgestellt sind.
Die Auswerteeinheit ist weiter ausgebildet zum Bereitstellen eines Netzes aus Voxeln, wobei jedes Voxel einen Bereich der Umgebung des Lidarsystems repräsentiert. Dies wird von der Auswerteeinheit bevorzugt initial durchgeführt und nicht wiederholt, wobei die Auswerteeinheit bevorzugt ausgebildet ist, die anderen nachfolgend beschriebenen Schritte wiederholt auszuführen.
Weiterhin ist die Auswerteeinheit ausgebildet, jeder Reflexion jeder Messung zu dem zugehörigen Voxel zuzuordnen, indem der Identifier in dem Voxel gespeichert wird. Bevorzugt ist durch das Lidarsystem eine Koordinatenangabe der Reflexion bekannt, um diese in der Umgebung zuordnen zu können. Somit ist ermöglicht, das passende Voxel aufzufinden, das denjenigen Bereich der Umgebung repräsentiert, in dem die Reflexion vorhanden ist.
Weiterhin ist die Auswerteeinheit ausgebildet, ein Klassifizieren jeder Reflexion dahingehend vorzunehmen, ob ein Objekt dynamisch ist oder nicht. Ist ein Objekt nicht dynamisch, so ist es statisch. Ein dynamisches Objekt bewegt sich in der Umgebung relativ zum Lidarsystem, während ein statisches Objekt relativ zum Lidarsystem feststehend ist. Eine Eigenbewegung des Lidarsystems bleibt dabei unberücksichtigt. Die Auswerteeinheit ist insbesondere ausgebildet die Eigenschaft, dass das Objekt dynamisch ist dann anzunehmen, wenn in dem der Reflexion zugehörigen Voxel ein Identifier einer aktuellen Messung aber kein Identifier einer unmittelbar vorhergehenden Messung gespeichert ist. Wie zuvor beschrieben ist vorgesehen, dass die Messungen wiederholt durchgeführt werden. Somit sind insbesondere mehrere Messungen hintereinander vorhanden, die anhand des Identifiers unterschieden werden können. Sollte ein Voxel einen Identifier einer aktuellen Messung, nicht aber einer vorhergehenden Messung aufweisen, so muss an der Stelle, die durch das Voxel repräsentiert wird, ein neues Objekt vorhanden sein. Dies deutet auf ein dynamisches Objekt hin, da sich das Objekt zu der durch das Voxel repräsentierten Stelle der Umgebung bewegt haben muss. Damit ist der Auswerteeinheit auf einfache Art und Weise eine Klassifizierung der Reflexion ermöglicht.
Außerdem ist die Auswerteeinheit ausgebildet zum Ausgeben der Klassifizierung für jede Reflexion. Somit können die Messergebnisse des Lidarsystems, insbesondere die beschriebene Punktwolke, für andere Anwendungszwecke verwendet werden. Dabei ist durch die oben beschriebenen Eigenschaften der Auswerteeinheit eine schnelle und zuverlässige Klassifizierung vorhanden, sodass die so erweiterten Lidardaten zuverlässig für verschiedene Anwendungsfälle wie z.B. automatisiertes Fahren eines Fahrzeugs, verwendet werden können.
Das Lidarsystem ist sehr vielseitig und flexibel konfigurierbar. So können einerseits die Größe des Netzes aus Voxeln und andererseits die Größe der Voxel selbst beliebig angepasst werden. Damit lässt sich je nach gewünschter Gewichtung eine Genauigkeit erhöhen oder ein Rechenaufwand verringern. Außerdem sind für die Klassifizierung nur minimale Eingangsdaten notwendig, nämlich die Identifier, die Koordinaten der Reflexionen und das Netz aus Voxeln. Damit lässt sich die Auswerteeinheit einfach und kostengünstig ausgestalten. Außerdem verwendet die Auswerteeinheit die tatsächlichen Reflexionen, weswegen keine Kompensationen von Ungenauigkeiten aufgrund von Schätzungen in den Eingangswerten notwendig sind.
Bevorzugt ist die Auswerteeinheit ausgebildet, das Klassifizieren einer Reflexion unmittelbar nach dem Zuordnen der Reflexion zu einem Voxel auszuführen. Dies ermöglicht bevorzugt ein rasches und zuverlässiges Klassifizieren der Reflexion.
Vorteilhafterweise ist die Auswerteeinheit ausgebildet, mittels Bewegungssensoren eine Bewegung des Lidarsystems zu erkennen. Die Auswerteeinheit ist außerdem ausgebildet, eine Eigenbewegung bei der Klassifizierung zu berücksichtigen, um Fehler bei der Klassifizierung zu vermeiden, wenn eine solche Eigenbewegung vorliegt. Dabei ist insbesondere vorgesehen, dass die Auswerteeinheit anhand der Bewegung des Lidarsystems eine Verlagerung der Voxel in dem Netz berechnet, um in dem Netz die Bewegung des Lidarsystems zu kompensieren. Damit ist die Kompensation einfach und aufwandsarm ermöglicht. Insbesondere müssen die Ergebnisse der Messungen des Lidarsystems selbst nicht verändert werden.
In einer bevorzugten Ausführungsform ist vorgesehen, dass das Netz aus Voxeln ein zweidimensionales Netz. Dies bedeutet, alle Voxel haben lediglich in zwei Dimensionen benachbarte Voxel. Dadurch erfolgt insbesondere eine Reduktion der dreidimensionalen Ergebnisse des Lidarsystems, insbesondere der dreidimensionalen Punktwolke jeder Messung, auf eine zweidimensionale Ebene. Insbesondere wird in diesem Fall auf eine Höhenrichtung parallel zur Erdgravitation verzichtet.
Dabei ist die Auswerteeinheit bevorzugt ausgebildet, bei dem Zuordnen der Reflexionen zu den Voxeln alle Reflexionen einer Messung, die sich lediglich in einer solchen Koordinate unterscheiden, die einer Raumrichtung entspricht, die durch eine Richtung senkrecht zu dem zweidimensionalen Netz aus Voxeln repräsentiert wird, demselben Voxel zugeordnet. Insbesondere ist die Auswerteeinheit ausgebildet jedem Voxel somit alle Reflexionen in demjenigen Bereich der Umgebung, der durch das Voxel repräsentiert wird, und zusätzlich alle Reflexionen aus dem Bereich der Umgebung darüber und/oder darunter zuzuordnen. Um eine Kompensation der fehlenden Koordinate vorzunehmen ist die Auswerteeinheit ausgebildet, für jeden Voxel ein Wertebereich der Werte der besagten Koordinate der Reflexionen einer Messung mit einem im Voxel gespeicherten Bereich, der auf den vorausgegangenen Messungen basiert, zu vergleichen. Die Auswerteeinheit ist ausgebildet, bei dem Klassifizieren eine Reflexion nur dann als dynamisch zu klassifizieren, wenn der im Voxel gespeicherte Bereich geringere Randwerte aufweist als der Wertebereich. Mit anderen Worten wird ein dynamisches Objekt von der Auswerteeinheit nur dann als solches erkannt und klassifiziert, wenn es bezüglich der fehlenden Koordinate größer ist als zuvor bekannte Objekte an dieser Stelle (d.h. ohne die fehlende Koordinate). Auf diese Weise werden insbesondere Falsch-Positive Klassifizierungen vermieden, d.h. es wird vermieden, dass ein statisches Objekt als dynamisch klassifiziert wird. Zusätzlich ist die Auswerteeinheit ausgebildet, den gespeicherten Bereich des Voxels um den Wertebereich zu erweitern, wenn der gespeicherte Bereich geringere Randwerte aufweist als der Wertebereich. Somit können auch nachfolgende Messungen durch die Auswerteeinheit zuverlässig klassifiziert werden. Der beschriebene gespeicherte Bereich des Voxels wird auf diese Weise iterativ erstellt.
Besonders vorteilhaft ist vorgesehen, dass die Auswerteeinheit ausgebildet ist, den gespeicherten Bereich basierend auf dem Wertebereich anzupassen, wenn der gespeicherte Bereich zumindest einen größeren Randbereich als der Wertebereich aufweist. Auf diese Weise werden insbesondere Falsch-Negative Klassifikationen vermieden, d.h. es wird vermieden, dass ein dynamisches Objekt als statisch klassifiziert wird. Wenn sich ein Objekt, das für eine Vergrößerung des gespeicherten Bereichs eines Voxels verantwortlich war, aus dem Voxel herausbewegt (d.h. aus dem von dem Voxel repräsentierten Bereich der Umgebung herausbewegt), so muss der gespeicherte Bereich seine Größe nicht mehr beibehalten werden. Daher ist vorgesehen, dass die Auswerteeinheit diesen anpasst, beispielsweise auf den Wertebereich der aktuellen Messung setzt. Alternativ kann der gespeicherte Bereich durch die Auswerteeinheit auch um ein vordefiniertes Maß verringert werden.
In einer alternativen bevorzugten Ausgestaltung ist das Netz aus Voxeln ein dreidimensionales Netz. Dies bedeutet, alle Voxel haben in drei Dimensionen benachbarte Voxel. Das Netz sorgt somit für eine Repräsentation der Umgebung in allen Raumrichtungen. Da aus dem Lidarsystem insbesondere die dreidimensionalen Koordinaten der Reflexionen bekannt sind, ist eine einfache und zuverlässige Zuordnung der Reflexionen zu den Voxeln möglich.
In diesem Fall ist die Auswerteeinheit ausgebildet, bei dem Klassifizieren eine Reflexion einer Messung bevorzugt nur dann als dynamisch zu klassifizieren, wenn das zugehörige Voxel den Identifier der der Messung unmittelbar vorangegangenen Messung nicht aufweist. Ist besagter Identifier hingegen vorhanden, so wurde an der vom Voxel repräsentierten Stelle der Umgebung in der unmittelbar vorausgegangenen Messung bereits das Objekt erkannt, was für ein statisches Objekt spricht. Um Falsch-Positive Klassifizierungen, d.h. das Klassifizieren eines statischen Objekts als dynamisch, zu vermeiden, ist insbesondere vorgesehen, dass die Auswerteeinheit ein Voxel als Schattenvoxel ansieht, wenn die Auswerteeinheit in der Messung eine Reflexion, in einer unmittelbar darauffolgenden Messung aber keine Reflexion mehr festgestellt. Die Auswerteeinheit ist ausgebildet, die den Schattenvoxeln zugehörige Reflexionen als nicht dynamisch zu klassifizieren.
Besonders bevorzugt ist die Auswerteeinheit ausgebildet, anhand eines Voxel-Traversal-Algorithmus Schattenvoxeln von solchen Voxeln zu unterscheiden, die ein sich bewegendes Objekt der Umgebung repräsentieren. Auf diese Weise werden insbesondere Falsch-Negative Klassifikationen vermieden, d.h. es wird vermieden, dass ein dynamisches Objekt als statisch klassifiziert wird. Sollte durch Maßnahmen wie zuvor beschrieben eine Voxel fälschlicherweise als Schattenvoxel angesehen worden sein, so lässt sich dies anhand des Voxel-Traversal-Algorithmus erkennen und korrigieren. Dem liegt der Gedanke zugrunde, dass ein Voxel auch dann als Schattenvoxel angesehen wird, wenn an dessen repräsentiertem Bereich zunächst ein dynamisches Objekt vorhanden war, das sich aber wegbewegt hat (und somit in einer unmittelbar folgenden Messung keine Reflexion mehr vorhanden ist). Voxel-Traversal-Algorithmen sind aus dem Stand der Technik bekannt, beispielsweise kann der Algorithmus aus folgender Veröffentlichung verwendet werden: John Amanatides, J.; Woo, A.: „A Fast Voxel Traversal Algorithm for Ray Tracing“; 1987.
Schließlich betrifft die Erfindung ein Fahrzeug. Das Fahrzeug weist ein Lidarsystem wie zuvor beschrieben auf. Somit kann das Fahrzeug optimal automatisiert betrieben werden, da Ergebnisse der Messungen des Lidarsystems schnell und zuverlässig klassifiziert sind. Dem Fahrzeug ist somit ermöglicht, zuverlässig zwischen statischen und dynamischen Objekten zu unterscheiden.
Kurze Beschreibung der Zeichnungen
Nachfolgend werden Ausführungsbeispiele der Erfindung unter Bezugnahme auf die begleitende Zeichnung im Detail beschrieben. In der Zeichnung ist:

1 eine schematische Ansicht eines Lidarsystems gemäß einem Ausführungsbeispiel der Erfindung,
2 eine schematische Ansicht eines Fahrzeugs gemäß einem Ausführungsbeispiel der Erfindung,
3 eine schematische Ansicht eines zweidimensionalen Netzes mit Voxeln,
4 ein schematischer Ablaufplan eines Verfahrens gemäß einem ersten Ausführungsbeispiel der Erfindung,
5 eine schematische Ansicht eines dreidimensionalen Netzes mit Voxeln, und
6 ein schematischer Ablaufplan eines Verfahrens gemäß einem zweiten Ausführungsbeispiel der Erfindung.

Ausführungsformen der Erfindung
1 zeigt schematisch ein Lidarsystem 1 gemäß einem Ausführungsbeispiel der Erfindung. Das Lidarsystem 1 weist eine Sendeeinheit 2 zum Aussenden von Laserlicht und eine Empfangseinheit 3 zum Detektieren von Laserlicht aus einer Umgebung 5 des Lidarsystems 1 auf. Außerdem weist das Lidarsystem 1 eine Auswerteeinheit 4 auf. Die Auswerteeinheit 4 ist ausgebildet Messungen durchzuführen, indem mittels der Sendeeinheit 2 Laserlicht in Form von zumindest einem Laserpuls ausgesandt wird. Wird dieses Laserlicht von einem Objekt 8 in der Umgebung 5 reflektiert, so kann die Empfangseinheit 3 eine Reflexion erfassen. Besonders vorteilhaft arbeitet das Lidarsystem 1 mit einer Punktwolke, sodass dreidimensional ermittelbar ist, wo Reflexionen auftreten. Anhand der Signallaufzeit des ausgesandten Laserlichts lässt sich außerdem ein Abstand zwischen Lidarsystem 1 und Reflexion ermitteln, was gemeinsam mit den bekannten Aussenderichtungen des Laserlichts ein Bereitstellen von räumlichen Koordinaten jeder Reflexion in der Punktwolke ermöglicht. Jedem Laserpuls oder eine Gruppe von Laserpulsen jeder Messung ist ein vordefinierten Identifier zugeordnet. Bei dem Identifier kann es sich beispielsweise um einen Zeitstempel des Aussendens des Laserpulses handeln. Besonders bevorzugt wird von dem Lidarsystem eine Punktwolke bereitgestellt, die alle erkannten Reflexionen anzeigen, wobei besonders vorteilhaft für jede Reflexion entsprechende, insbesondere dreidimensionale, Koordinaten bereitgestellt sind.
Ein solches Lidarsystem 1 ist insbesondere Teil eines Fahrzeugs 10 wie in 2 gezeigt. Das Fahrzeug 10 ist insbesondere zum automatisierten Fahrbetrieb ausgebildet. Mittels des Lidarsystems 1 kann das Fahrzeug 10 die Umgebung 5 abtasten und als Punktwolke repräsentieren. Es ist vorgesehen, dass zusätzlich eine Klassifizierung der die Reflexionen bewirkenden Objekte 8 vorgenommen wird, was mit Bezug auf 3 bis 6 erläutert wird.
Durch die Auswerteeinheit 4 erfolgt ein Bereitstellen eines Netzes 6 aus Voxeln 7, wobei jedes Voxel 7 einen Bereich der Umgebung 5 des Lidarsystems 1 repräsentiert. Bei dem Netz 6 von Voxeln 7 kann es sich um eine zweidimensionale Struktur handeln, wie in 3 gezeigt. Alternativ kann es sich um eine dreidimensionale Struktur handeln, wie in 5 gezeigt. Die Verwendung von Voxeln 7 ist einfach und aufwandsarm umsetzbar.
Außerdem ermöglicht die Verwendung von Voxeln 7 ein einfaches Kompensieren einer Eigenbewegung des Lidarsystems 1. So ist insbesondere bei der Anwendung in einem Fahrzeug 10 eine Eigenbewegung des Lidarsystems 1 vorhanden, die beispielsweise anhand von Bewegungssensoren 9, z.B. Odometriesensoren, ermittelt werden kann. Darauf basierend lässt sich einfach und aufwandsarm eine Verlagerung von Voxeln 7 im Netz 6 ermitteln, um so einfach und kostengünstig die Kompensation der Eigenbewegung des Lidarsystems 1 im Netz 6 vornehmen zu können.
Im Falle des zweidimensionalen Anordnens von Voxeln 7 wie in 3 gezeigt, ist die Auswerteeinheit 4 ausgebildet, ein Verfahren auszuführen, dessen Ablaufplan in 4 schematisch gezeigt ist. Das Verfahren umfasst die folgenden Schritte:

Zunächst wird zumindest eine Messung S1 wie zuvor beschrieben durchgeführt. Beispielsweise steht somit eine Punktwolke mit einer Mehrzahl von Reflexionen zur Verfügung. In einem folgenden Schritt erfolgt ein Bereitstellen S2 eines Netzes 6 aus Voxeln 7, wobei jedes Voxel 7 einen Bereich der Umgebung 5 des Lidarsystems 1 repräsentiert. Dieser Schritt wird nur inital durchgeführt und danach übersprungen. Sollte eine Eigenbewegung des Lidarsystems 1 vorhanden sein, so erfolgt eine Kompensation S3 der Eigenbewegung wie zuvor beschrieben.

Weiterhin erfolgt ein Zuordnen S4 jeder Reflexion jeder Messung S1 zu dem zugehörigen Voxel 7, indem der Identifier in dem Voxel 7 gespeichert wird. Bevorzugt ist durch das Lidarsystem 1 eine Koordinatenangabe der Reflexion bekannt, um diese in der Umgebung zuordnen zu können. Somit ist ermöglicht, das passende Voxel 7 aufzufinden, das denjenigen Bereich der Umgebung 5 repräsentiert, in dem die Reflexion vorhanden ist.
Es erfolgt außerdem ein Klassifizieren S5 jeder Reflexion dahingehend, ob ein Objekt 8 dynamisch ist oder statisch. Ist ein Objekt 8 dynamisch, so bewegt es sich in der Umgebung 5 relativ zum Lidarsystem 1. Ist ein Objekt 8 hingegen statisch, so ist es relativ zum Lidarsystem 1 feststehend. Eine Eigenbewegung des Lidarsystems 1 bleibt dabei unberücksichtigt.
Das Objekt 8 wird als dynamisch angesehen, wenn in dem der Reflexion zugehörigen Voxel 7 ein Identifier einer aktuellen Messung S1 aber kein Identifier einer unmittelbar vorhergehenden Messung S1 gespeichert ist. Wie zuvor beschrieben ist vorgesehen, dass die Messungen S1 wiederholt durchgeführt werden, was auch in 4 an der fortwährenden Schleife der einzelnen Schritte ersichtlich ist. Somit sind insbesondere mehrere Messungen S1 hintereinander vorhanden, die anhand des Identifiers unterschieden werden können. Sollte ein Voxel 7 einen Identifier einer aktuellen Messung, nicht aber einer vorhergehenden Messung aufweisen, so muss an der Stelle, die durch das Voxel 7 repräsentiert wird, ein neues Objekt 8 vorhanden sein. Dies deutet auf ein dynamisches Objekt 8 hin, da sich das Objekt 8 zu der durch das Voxel 7 repräsentierten Stelle der Umgebung 5 bewegt haben muss. Damit ist auf einfache Art und Weise eine Klassifizierung der Reflexion ermöglicht.
Da das Netz 6 aus Voxeln 7 zweidimensional ist, haben alle Voxel 7 lediglich in zwei Dimensionen benachbarte Voxel 7. Dadurch erfolgt insbesondere eine Reduktion der dreidimensionalen Ergebnisse der Messungen S1, insbesondere der dreidimensionalen Punktwolke jeder Messung S1, auf eine zweidimensionale Ebene. Insbesondere wird in diesem Fall auf eine Höhenrichtung parallel zur Erdgravitation verzichtet.
Dabei werden im Schritt des Zuordnens S4 alle Reflexionen einer Messung, die sich lediglich in einer solchen Koordinate unterscheiden, die einer Raumrichtung entspricht, die durch eine Richtung senkrecht zu dem zweidimensionalen Netz aus Voxeln 7 repräsentiert wird, demselben Voxel 7 zugeordnet. Insbesondere sind jedem Voxel 7 somit alle Reflexionen in demjenigen Bereich der Umgebung 5, der durch das Voxel 7 repräsentiert wird, und zusätzlich alle Reflexionen aus dem Bereich der Umgebung 5 darüber und/oder darunter zugeordnet. Die Voxel 7 stellen somit eine Projektion der Punktwolke in eine Ebene dar. Um eine Kompensation der fehlenden Koordinate vorzunehmen ist vorgesehen, dass für jeden Voxel 7 ein Wertebereich der Werte der besagten Koordinate der Reflexionen einer Messung mit einem im Voxel 7 gespeicherten Bereich, der auf den vorausgegangenen Messungen basiert, verglichen wird.
Im Schritt des Klassifizierens S5 wird eine Reflexion nur dann als dynamisch klassifiziert, wenn der im Voxel 7 gespeicherte Bereich geringere Randwerte aufweist als der Wertebereich. Mit anderen Worten wird ein dynamisches Objekt 8 nur dann als solches erkannt und klassifiziert, wenn es bezüglich der fehlenden Koordinate größer ist als zuvor bekannte Objekte 8 an dieser Stelle (d.h. an genau derselben Stelle sowie allen Stellen darüber und darunter da stets eine Projektion auf eine Ebene erfolgt). Auf diese Weise werden insbesondere Falsch-Positive Klassifizierungen vermieden, d.h. es wird vermieden, dass ein statisches Objekt 8 als dynamisch klassifiziert wird. Zusätzlich wird der gespeicherte Bereich des Voxels 7 um den Wertebereich erweitert, wenn der gespeicherte Bereich geringere Randwerte aufweist als der Wertebereich. Somit können auch nachfolgende Messungen zuverlässig klassifiziert werden.
Weiterhin erfolgt ein Vermeiden S6 von Falsch-Negativ-Klassifikationen durch ein Anpassen 6a des gespeicherten Bereichs basierend auf dem Wertebereich, wenn der gespeicherte Bereich zumindest einen größeren Randbereich als der Wertebereich aufweist. Auf diese Weise werden insbesondere Falsch-Negative Klassifikationen vermieden, d.h. es wird vermieden, dass eine dynamisches Objekt 8 als statisch klassifiziert wird. Wenn sich ein Objekt 8, das für eine Vergrößerung des gespeicherten Bereichs eines Voxels 7 verantwortlich war, aus dem von dem Voxel 7 repräsentierten Bereich der Umgebung 5 herausbewegt, so wird gespeicherte Bereich in seiner Größe angepasst, beispielsweise auf den Wertebereich der aktuellen Messung S1 gesetzt.
Schließlich erfolgt ein Ausgeben S7 der Klassifizierung für jede Reflexion. Somit können die Messergebnisse des Lidarsystems, insbesondere die beschriebene Punktwolke, für andere Anwendungszwecke verwendet werden. Anschließend beginnt das Verfahren erneut mit dem oben genannten Schritt der Messung S1.
Erfolgt hingegen ein dreidimensionales Anordnen der Voxel 7 wie in 5 gezeigt, so ist die Auswerteeinheit 4 ausgebildet ein Verfahren durchzuführen, dessen Ablaufplan in 6 gezeigt ist. Dabei sind insbesondere die Schritte der Messung S1, der Kompensation S3 der Eigenbewegung und des Ausgebens S7 identisch wie zuvor beschrieben. Im Schritt Bereitstellens S2 des Netzes unterscheidet sich das Verfahren von dem zuvor beschriebenen Verfahren nur darin, dass die Voxel 7 eine dreidimensionale Struktur anstatt einer zweidimensionalen Struktur bilden.
Auch der Schritt des Zuordnens S4 der Reflexionen zu den Voxel 7 ist sehr ähnlich wie zuvor beschrieben. Da die Voxel 7 dreidimensional nebeneinander und aufeinander angeordnet sind, können die dreidimensionalen Koordinaten jeder Reflexion direkt den entsprechenden Voxeln 7 zugeordnet werden. Da auf keine Koordinate verzichtet wird, ist eine Kompensation durch Speichern eines Wertebereichs wie zuvor beschrieben nicht notwendig.
Im Schritt des Klassifizierens S5 wird eine Reflexion einer Messung bevorzugt nur dann als dynamisch klassifiziert, wenn das zugehörige Voxel 7 den Identifier der der Messung S1 unmittelbar vorangegangenen Messung S1 nicht aufweist. Ist besagter Identifier hingegen vorhanden, so wurde an der vom Voxel 7 repräsentierten Stelle der Umgebung 5 in der unmittelbar vorausgegangenen Messung bereits das Objekt 8 erkannt. Somit liegt ein statisches Objekt 8 vor. Um Falsch-Positive Klassifizierungen zu vermeiden ist vorgesehen, dass ein Voxel 7 als Schattenvoxel angesehen wird, wenn in der aktuellen Messung S1 eine Reflexion, in einer unmittelbar darauffolgenden Messung S1 aber keine Reflexion mehr festgestellt wird. Die den Schattenvoxeln zugehörige Reflexionen werden als nicht dynamisch klassifiziert.
Wiederum erfolgt ein Vermeiden S6 von Falsch-Negativ-Klassifikationen durch Unterscheiden von Schattenvoxeln und solchen Voxeln, die ein sich bewegendes Objekt der Umgebung repräsentieren. Dies erfolgt insbesondere anhand eines Voxel-Traversal-Algorithmus. Auf diese Weise wird vermieden, dass ein dynamisches Objekt als statisch klassifiziert wird. Sollte durch das Klassifizieren S5 wie zuvor beschrieben eine Voxel fälschlicherweise als Schattenvoxel angesehen worden sein, so lässt sich dies anhand des Voxel-Traversal-Algorithmus erkennen und korrigieren.
In beiden Ausführungsvarianten wie oben beschrieben ist somit ermöglicht, eine zuverlässige Klassifizierung der Reflexionen vorzunehmen. Die dazu verwendeten Daten und der verwendete Rechenaufwand sind minimiert. Besonders bevorzugt wird die Klassifizierung in Echtzeit durchgeführt, um die von dem Lidarsystem ermittelte Punktwolke klassifiziert an weitere Einheiten übergeben zu können, die diese Informationen benötigen, wie beispielsweise ein Steuergerät zum automatisierten Fahren des Fahrzeugs 10.

Claims

Verfahren zum Klassifizieren von Objekten (8) einer Umgebung (5) anhand von Messdaten eines Lidarsystems (1), wobei das Lidarsystem (1) ausgebildet ist, wiederholt Messungen (S1) durch Aussenden von Laserpulsen und Empfangen von Reflexionen der Laserpulse aus der Umgebung (5) durchzuführen, wobei jedem Laserpuls oder einer Gruppe von Laserpulsen jeder Messung ein vordefinierter Identifier zugeordnet ist, das Verfahren aufweisend die Schritte: • Bereitstellen (S2) eines Netzes (6) aus Voxeln (7), wobei jedes Voxel (7) einen Bereich der Umgebung (5) des Lidarsystems (1) repräsentiert, • Zuordnen (S4) jeder Reflexion jeder Messung zu dem zugehörigen Voxel (7), indem der Identifier in dem Voxel (7) gespeichert wird, • Klassifizieren (S5) jeder Reflexion dahingehend, ob ein Objekt (8) dynamisch ist oder nicht, wobei die Eigenschaft dynamisch dann angenommen wird, wenn in dem der Reflexion zugehörigen Voxel (7) ein Identifier einer aktuellen Messung aber kein Identifier einer unmittelbar vorhergehenden Messung gespeichert ist, und • Ausgeben (S7) der Klassifizierung für jede Reflexion.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass der Schritt des Klassifizierens (S5) einer Reflexion unmittelbar nach dem Schritt des Zuordnens (S4) der Reflexion zu einem Voxel (7) erfolgt.
Verfahren nach einem der vorhergehenden Ansprüchen, dadurch gekennzeichnet, dass mittels Bewegungssensoren (9) eine Bewegung des Lidarsystems (1) erkannt wird, wobei anhand der Bewegung des Lidarsystems (1) eine Verlagerung der Voxel (7) in dem Netz (6) berechnet wird, um in dem Netz (6) die Bewegung des Lidarsystems (1) zu kompensieren (S3).
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Netz (6) aus Voxeln (7) ein zweidimensionales Netz ist, • wobei im Schritt des Zuordnens (S4) alle Reflexionen einer Messung, die sich lediglich in einer solchen Koordinate unterscheiden, die einer Raumrichtung entspricht, die durch eine Richtung senkrecht zu dem zweidimensionalen Netz (6) aus Voxeln (7) repräsentiert wird, demselben Voxel (7) zugeordnet werden, • wobei für jeden Voxel (7) ein Wertebereich der Werte der besagten Koordinate der Reflexionen einer Messung mit einem im Voxel (7) gespeicherten Bereich, der auf den vorausgegangenen Messungen basiert, verglichen wird und eine Reflexion im Schritt des Klassifizierens (S5) nur dann als dynamisch klassifiziert wird, wenn der im Voxel (7) gespeicherte Bereich geringere Randwerte aufweist als der Wertebereich, und • wobei der gespeicherte Bereich um den Wertebereich erweitert wird, wenn der gespeicherte Bereich geringere Randwerte aufweist als der Wertebereich.
Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass der gespeicherte Bereich basierend auf dem Wertebereich angepasst wird, wenn der gespeicherte Bereich zumindest einen größeren Randbereich als der Wertebereich aufweist.
Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass das Netz (6) aus Voxeln (7) ein dreidimensionales Netz ist, • wobei eine Reflexion einer Messung im Schritt des Klassifizierens (S5) nur dann als dynamisch klassifiziert wird, wenn das zugehörige Voxel (7) den Identifier der der Messung unmittelbar vorangegangenen Messung nicht aufweist, • wobei ein Voxel (7) als Schattenvoxel angesehen wird, wenn in der Messung eine Reflexion, in einer unmittelbar darauffolgenden Messung aber keine Reflexion mehr festgestellt wird, • wobei den Schattenvoxeln zugehörige Reflexionen als nicht dynamisch klassifiziert werden.
Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass anhand eines Voxel-Traversal-Algorithmus Schattenvoxeln von solchen Voxeln (7) unterschieden werden, die ein sich bewegendes Objekt (8) der Umgebung (5) repräsentieren.
Lidarsystem (1) aufweisend eine Sendeeinheit (2) und eine Empfangseinheit (3) sowie eine Auswerteeinheit (4), wobei die Auswerteeinheit (4) ausgebildet ist zum: • wiederholten Durchführen von Messungen durch Aussenden von Laserpulsen mittels der Sendeeinheit (2) und Empfangen von an Objekten (8) erfolgten Reflexionen der Laserpulse aus der Umgebung (5) mittels der Empfangseinheit (3), wobei jedem Laserpuls oder einer Gruppe von Laserpulsen jeder Messung ein vordefinierter Identifier zugeordnet ist, • Bereitstellen eines Netzes (6) aus Voxeln (7), wobei jedes Voxel (7) einen Bereich der Umgebung (4) des Lidarsystems (1) repräsentiert, • Zuordnen jeder Reflexion jeder Messung zu dem zugehörigen Voxel (7), indem der Identifier in dem Voxel (7) gespeichert wird, • Klassifizieren jeder Reflexion dahingehend, ob ein Objekt (8) dynamisch ist oder nicht, wobei die Auswerteeinheit (4) ausgebildet ist dann die Eigenschaft dynamisch anzunehmen, wenn in dem der Reflexion zugehörigen Voxel (7) ein Identifier einer aktuellen Messung aber kein Identifier einer unmittelbar vorhergehenden Messung gespeichert ist, und • Ausgeben der Klassifizierung für jede Reflexion.
Lidarsystem (1) nach Anspruch 8, dadurch gekennzeichnet, dass die Auswerteeinheit (4) ausgebildet ist, den Schritt des Klassifizierens (S5) einer Reflexion unmittelbar nach dem Schritt des Zuordnens (S4) der Reflexion zu einem Voxel (7) auszuführen.
Lidarsystem (1) nach Anspruch 8 oder 9, dadurch gekennzeichnet, dass die Auswerteeinheit (4) ausgebildet ist, anhand von Bewegungssensoren (9) eine Bewegung des Lidarsystems (1) zu erkennen und anhand der Bewegung des Lidarsystems (1) eine Verlagerung der Voxel (7) in dem Netz (6) berechnet wird, um in dem Netz (6) die Bewegung des Lidarsystems (1) zu kompensieren.
Lidarsystem (1) nach einem der Ansprüche 8 bis 10, dadurch gekennzeichnet, dass das Netz (6) aus Voxeln (7) ein zweidimensionales Netz ist, und die Auswerteeinheit (4) ausgebildet ist • bei dem Zuordnen alle Reflexionen einer Messung, die sich lediglich in einer solchen Koordinate unterscheiden, die einer Raumrichtung entspricht, die durch eine Richtung senkrecht zu dem zweidimensionalen Netz (6) aus Voxeln (7) repräsentiert wird, demselben Voxel (7) zuzuordnen, • für jeden Voxel (7) ein Wertebereich der Werte der besagten Koordinate der Reflexionen einer Messung mit einem im Voxel (7) gespeicherten Bereich, der auf den vorausgegangenen Messungen basiert, zu vergleichen und eine Reflexion bei dem Klassifizieren nur dann als dynamisch zu klassifizieren, wenn der im Voxel (7) gespeicherte Bereich geringere Randwerte aufweist als der Wertebereich, und • den gespeicherten Bereich um den Wertebereich zu erweitern, wenn der gespeicherte Bereich geringere Randwerte aufweist als der Wertebereich.
Lidarsystem (1) nach Anspruch 11, dadurch gekennzeichnet, dass die Auswerteeinheit (4) ausgebildet ist, den gespeicherten Bereich basierend auf dem Wertebereich anzupassen, wenn der gespeicherte Bereich zumindest einen größeren Randbereich als der Wertebereich aufweist.
Lidarsystem (1) nach einem der Ansprüche 8 bis 10, dadurch gekennzeichnet, dass das Netz (6) aus Voxeln (7) ein dreidimensionales Netz ist und die Auswerteeinheit (4) eingerichtet ist, • eine Reflexion einer Messung bei dem Klassifizieren nur dann als dynamisch zu klassifizieren, wenn das zugehörige Voxel (7) den Identifier der der Messung unmittelbar vorangegangenen Messung nicht aufweist, • ein Voxel (7) als Schattenvoxel anzusehen, wenn in der Messung eine Reflexion, in einer unmittelbar darauffolgenden Messung aber keine Reflexion mehr feststellbar ist, • den Schattenvoxeln zugehörige Reflexionen als nicht dynamisch zu klassifizieren.
Lidarsystem nach Anspruch 13, dadurch gekennzeichnet, dass die Auswerteeinheit (4) ausgebildet ist, anhand eines Voxel-Traversal-Algorithmus Schattenvoxeln von solchen Voxeln (7) zu unterscheiden, die ein sich bewegendes Objekt (8) der Umgebung (5) repräsentieren.
Fahrzeug (10) aufweisend ein Lidarsystem (1) nach einem der Ansprüche 8 bis 14.