DE102022212709A1 - Corridor-based vehicle control - Google Patents
Corridor-based vehicle control Download PDFInfo
- Publication number
- DE102022212709A1 DE102022212709A1 DE102022212709.9A DE102022212709A DE102022212709A1 DE 102022212709 A1 DE102022212709 A1 DE 102022212709A1 DE 102022212709 A DE102022212709 A DE 102022212709A DE 102022212709 A1 DE102022212709 A1 DE 102022212709A1
- Authority
- DE
- Germany
- Prior art keywords
- driving
- corridor
- vehicle
- trajectory
- training data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 108
- 238000012549 training Methods 0.000 claims description 68
- 238000012360 testing method Methods 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 21
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 230000004913 activation Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Transportation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
Die Erfindung betrifft ein Verfahren zum Planen einer Trajektorie eines Fahrzeugs, wobei ein Steuergerät des Fahrzeugs eingerichtet ist, die folgenden Schritte auszuführen:- Einlesen eines Kamerabildes;- Erstellen eines Fahrkorridors für das Fahrzeug anhand des Kamerabildes, wobei der Fahrkorridor eine vom Fahrzeug befahrbare Fläche umfasst;- Planen einer Fahrtrajektorie derart, dass mit der Fahrtrajektorie das Fahrzeug innerhalb des Fahrkorridors bewegt werden kann;- Ausgeben der Fahrtrajektorie an ein System zum automatisierten Ausführen zumindest einer Fahrfunktion des Fahrzeugs.The invention relates to a method for planning a trajectory of a vehicle, wherein a control unit of the vehicle is set up to carry out the following steps:- reading in a camera image;- creating a driving corridor for the vehicle based on the camera image, wherein the driving corridor comprises an area that can be driven on by the vehicle;- planning a driving trajectory such that the vehicle can be moved within the driving corridor using the driving trajectory;- outputting the driving trajectory to a system for automatically executing at least one driving function of the vehicle.
Description
Die Erfindung betrifft ein Verfahren zum Erzeugen von Trainingsdaten für eine Korridorerkennung für ein Fahrzeug, ein Verfahren zum Trainieren einer Korridorerkennung für ein Fahrzeug, ein Verfahren zum Planen einer Trajektorie eines Fahrzeugs, ein Steuergerät sowie ein Fahrzeug.The invention relates to a method for generating training data for a corridor recognition for a vehicle, a method for training a corridor recognition for a vehicle, a method for planning a trajectory of a vehicle, a control device and a vehicle.
Stand der TechnikState of the art
Bekannte Systeme für Fahrzeuge zum automatisierten Ausführen von Fahrfunktionen setzen sehr stark auf sogenannte high-definition (HD) Karten auf. HD-Karten beinhalten die Position der Spuren und Spurbegrenzungen sowie eine Semantik wie zum Beispiel Vorfahrtsregeln, Wechselmöglichkeiten und/oder Wechselbeschränkungen zwischen Spuren. Dieser Ansatz funktioniert gut für Autobahnen und Landstraßen, da sich auf diesen Straßen auf Basis der Karte ein spurbezogenes (lane-based) automatisiertes Ausführen von Fahrfunktionen realisieren lässt. Das bedeutet, dass das System zum automatisierten Ausführen von Fahrfunktionen an vielen zentralen Stellen auf Basis der Spur Entscheidungen trifft. So werden Spuren aus der Karte genutzt, um eine Zuordnung von Ego-Fahrzeug sowie Objekten auf Spuren zu realisieren. Die zugeordneten Spur-IDs werden genutzt, um zu entscheiden, ob ein Objekt auf der gleichen Spur wie das Ego-Fahrzeug fährt. Wenn ja, wird das Objekt zum Zielobjekt und das System zum automatisierten Ausführen von Fahrfunktionen richtet die Längsregelung auf dieses Fahrzeug aus. Für die Querführung werden die Spurbegrenzungen aus der HD-Karte genutzt, sollte die kamerabasierte Messung der Markierungen versagen. Dieser Ansatz kann auch auf der Autobahn genutzt werden. Dies funktioniert insbesondere auch bei Stau und damit ohne Sichtbarkeit von Markierungen. Known systems for vehicles for the automated execution of driving functions rely heavily on so-called high-definition (HD) maps. HD maps contain the position of the lanes and lane boundaries as well as semantics such as right-of-way rules, changing options and/or restrictions between lanes. This approach works well for motorways and country roads, as lane-based automated execution of driving functions can be implemented on these roads based on the map. This means that the system for the automated execution of driving functions makes decisions based on the lane at many central points. For example, lanes from the map are used to assign ego vehicles and objects to lanes. The assigned lane IDs are used to decide whether an object is driving in the same lane as the ego vehicle. If so, the object becomes the target object and the system for the automated execution of driving functions directs the longitudinal control to this vehicle. The lane boundaries from the HD map are used for lateral guidance if the camera-based measurement of the markings fails. This approach can also be used on the motorway. This works especially well in traffic jams and therefore without any visible markings.
Ein spurbasiertes Fahren funktioniert in der Innenstadt nicht. Hier werden sehr oft nicht für das automatisierte Fahren relevante Objekte als Zielobjekt ausgewählt. In markierten Bereichen passiert das beispielsweise bei parkenden Fahrzeugen am Straßenrand, die leicht in die Fahrspur hineinragen. Problematisch können auch Bereiche ohne Fahrbahnmarkierung sein. Hier haben Spuren keine feste geometrische Bedeutung mehr. Ohne Markierungen interpretieren menschliche Fahrer dynamisch abhängig von den Platzverhältnissen / Hindernissen am Rand, wo die Spur verläuft. Eine HD-Karte in einem spurbasierten System zum automatisierten Ausführen von Fahrfunktionen klassifiziert dann fälschlicher Weise oft entgegenkommende Verkehrsteilnehmer als Zielobjekte oder verliert Vorausfahrer als Zielobjekt, da diese etwa beim Umfahren eines parkenden Fahrzeugs gemäß der internen HD-Karte die Spur verlassen.Lane-based driving does not work in the city center. Very often, objects that are not relevant for automated driving are selected as target objects. In marked areas, this happens, for example, with parked vehicles on the side of the road that protrude slightly into the lane. Areas without lane markings can also be problematic. Here, lanes no longer have a fixed geometric meaning. Without markings, human drivers dynamically interpret where the lane runs depending on the space available/obstacles at the edge. An HD map in a lane-based system for the automated execution of driving functions then often incorrectly classifies oncoming road users as target objects or loses drivers ahead as target objects because, for example, they leave the lane when driving around a parked vehicle according to the internal HD map.
Offenbarung der ErfindungDisclosure of the invention
Eine Aufgabe der Erfindung ist es, ein verbessertes Verfahren zum Planen einer Trajektorie eines Fahrzeugs bereitzustellen. Weitere Aufgaben der Erfindung in Verbindung mit diesem verbesserten Verfahren zum Planen einer Trajektorie eines Fahrzeugs sind die Bereitstellung eines verbesserten Verfahrens zum Erzeugen von Trainingsdaten für eine Korridorerkennung für ein Fahrzeug, ein verbessertes Verfahren zum Trainieren einer Korridorerkennung für ein Fahrzeug, ein verbessertes Steuergerät sowie ein verbessertes Fahrzeug bereitzustellen. Diese Aufgaben werden mit den Gegenständen der unabhängigen Patentansprüche gelöst. Vorteilhafte Weiterbildungen sind in den abhängigen Patentansprüchen angegeben.One object of the invention is to provide an improved method for planning a trajectory of a vehicle. Further objects of the invention in connection with this improved method for planning a trajectory of a vehicle are to provide an improved method for generating training data for corridor recognition for a vehicle, an improved method for training corridor recognition for a vehicle, an improved control device and an improved vehicle. These objects are solved with the subject matter of the independent patent claims. Advantageous further developments are specified in the dependent patent claims.
Nach einem ersten Aspekt umfasst die Erfindung ein Verfahren zum Erzeugen von Trainingsdaten für eine Korridorerkennung für ein Fahrzeug. Die Trainingsdaten hinsichtlich eines Fahrkorridors für das Fahrzeug werden basierend auf während einer Testfahrt aufgenommenen Bildern einer Kamera erstellt. In den Trainingsdaten wird an Objekten, mit denen kollidiert werden könnte, der Fahrkorridor mittels linearer Grenze abgeschnitten. Die Objekte stellen also Hindernisse dar, mit denen das Fahrzeug kollidieren könnte. Ein Modell der Kamera, die bei den Testfahrten zum Einsatz kommt, kann dabei einem Modell, dass in einem Fahrzeug mit einem System zum automatisierten Ausführen einer Fahrfunktion zum Einsatz kommen kann entsprechen. Ferner kann vorgesehen sein, dass während der Testfahrt Aufnahmen mit mehreren unterschiedlichen Kameramodellen erstellt werden und Trainingsdaten spezifisch für das jeweilige Kameramodell erzeugt werden. Dadurch, dass der Fahrkorridor mit der linearen Grenze abgeschnitten wird, ist das Verfahren zum Erstellen der Trainingsdaten einfach umsetzbar.According to a first aspect, the invention comprises a method for generating training data for corridor recognition for a vehicle. The training data relating to a driving corridor for the vehicle is created based on images taken by a camera during a test drive. In the training data, the driving corridor is cut off using a linear boundary at objects with which it could collide. The objects therefore represent obstacles with which the vehicle could collide. A model of the camera used in the test drives can correspond to a model that can be used in a vehicle with a system for automatically executing a driving function. Furthermore, it can be provided that during the test drive recordings are made with several different camera models and training data is generated specifically for the respective camera model. Because the driving corridor is cut off with the linear boundary, the method for creating the training data is easy to implement.
Es kann vorgesehen sein, dass eine Breite des Fahrkorridors anhand einer Breite eines Fahrzeugs und einem vorgegebenen Sicherheitsabstand eingestellt wird. Insbesondere kann beispielsweise eine Breite des Fahrkorridors im Bereich zwischen minimal drei Meter und maximal vier Meter liegen. Ferner kann der Fahrkorridor so gewählt sein, dass er sich an einem rechten befahrbaren Rand einer Fahrbahn bei Rechtsverkehr und einem linken befahrbaren Rand einer Fahrbahn bei Linksverkehr orientiert. Dabei kann es vorgesehen sein, dass explizit mittels Bodenmarkierungen ausgewiesene Fahrspuren ignoriert werden, um beispielsweise im Stadtverkehr parkende Autos oder andere Hindernisse am rechten beziehungsweise linken Straßenrand umfahren zu können.It can be provided that a width of the driving corridor is set based on the width of a vehicle and a specified safety distance. In particular, for example, a width of the driving corridor can be in the range between a minimum of three meters and a maximum of four meters. Furthermore, the driving corridor can be selected so that it is oriented towards a right-hand drivable edge of a roadway in right-hand traffic and a left-hand drivable edge of a roadway in left-hand traffic. It can be provided that lanes explicitly marked by ground markings are ignored in order to be able to avoid parked cars or other obstacles on the right or left side of the road in city traffic, for example.
In einer Ausführungsform des Verfahrens zum Erzeugen von Trainingsdaten für eine Korridorerkennung für ein Fahrzeug wird eine Grenze des Fahrkorridors anhand einer hochauflösenden Karte extrahiert. Dadurch ergibt sich ein akkurater und zuverlässiger Fahrkorridor mit praktisch unbegrenzter Reichweite.In one embodiment of the method for generating training data for corridor detection for a vehicle, a boundary of the driving corridor is extracted from a high-resolution map. This results in an accurate and reliable driving corridor with a virtually unlimited range.
In einer Ausführungsform des Verfahrens zum Erzeugen von Trainingsdaten für eine Korridorerkennung für ein Fahrzeug wird die lineare Grenze des Fahrkorridors anhand eines mittels einer Objekterkennung in den Bildern der Kamera erkannten Objekts ermittelt. Dabei kann insbesondere eine Unterscheidung eines vorausfahrenden Objekts und eines querenden Objekts unternommen werden. Die Objekterkennung kann dabei die in einem System zum automatisierten Ausführen einer Fahrfunktion typischerweise verwendete Objekterkennung sein.In one embodiment of the method for generating training data for corridor recognition for a vehicle, the linear boundary of the driving corridor is determined using an object recognized in the camera images by means of object recognition. In particular, a distinction can be made between an object driving ahead and an object crossing. The object recognition can be the object recognition typically used in a system for the automated execution of a driving function.
In einer Ausführungsform des Verfahrens zum Erzeugen von Trainingsdaten für eine Korridorerkennung für ein Fahrzeug wird während der Testfahrt zumindest ein weiterer Sensor verwendet, um den Fahrkorridor in den Trainingsdaten anzupassen. Dies ermöglicht, genauere Daten über den Fahrkorridor zu erhalten. Insbesondere können die weiteren Sensoren zwar bei der Testfahrt vorhanden sein, in regulären Fahrzeugen jedoch nicht. Durch das Verfeinern der Trainingsdaten mit dem weiteren Sensor kann bei der späteren Anwendung einer mit den Trainingsdaten trainierten Korridorerkennung der weitere Sensor weggelassen werden. Somit sind nur bei den Testfahrten Fahrzeuge mit umfassender Sensorik notwendig.In one embodiment of the method for generating training data for corridor recognition for a vehicle, at least one additional sensor is used during the test drive to adapt the driving corridor in the training data. This makes it possible to obtain more precise data about the driving corridor. In particular, the additional sensors may be present during the test drive, but not in regular vehicles. By refining the training data with the additional sensor, the additional sensor can be omitted when a corridor recognition trained with the training data is later applied. This means that vehicles with comprehensive sensor technology are only necessary for the test drives.
In einer Ausführungsform des Verfahrens zum Erzeugen von Trainingsdaten für eine Korridorerkennung für ein Fahrzeug wird der Fahrkorridor so beschnitten, dass nur Bereiche in einer direkten Sichtlinie ausgehend von der Kamera im Fahrkorridor verbleiben, wobei Objekte, die eine Sicht versperren könnten, mittels des weiteren Sensors erkannt werden. Der weitere Sensor kann dazu einen Lidar-Sensor oder einen Radarsensor umfassen und zum bestimmen von sichtversperrenden Objekten oder einer sichtversperrenden Topographie verwendet werden.In one embodiment of the method for generating training data for corridor detection for a vehicle, the driving corridor is trimmed so that only areas in a direct line of sight from the camera remain in the driving corridor, with objects that could block a view being detected by means of the additional sensor. The additional sensor can comprise a lidar sensor or a radar sensor and can be used to determine objects that block a view or a topography that blocks a view.
In einer Ausführungsform des Verfahrens zum Erzeugen von Trainingsdaten für eine Korridorerkennung für ein Fahrzeug wird der Fahrkorridor anhand von Höhendaten angepasst. Die Höhendaten können dabei mittels des weiteren Sensors bestimmt werden. Der weitere Sensor kann dabei insbesondere Daten für ein Trägheitsnavigationssystem bereitstellen. Aus den Daten des Trägheitsnavigationssystems, insbesondere aus Koppelnavigationsdaten, kann eine Höhe des Fahrzeugs während der Testfahrt bestimmt werden. Dies ist insbesondere dann sinnvoll, wenn die Testfahrt in einem Bereich mit unterschiedlichen Höhen beziehungsweise Straßen mit Steigungen durchgeführt wird.In one embodiment of the method for generating training data for corridor recognition for a vehicle, the driving corridor is adapted based on altitude data. The altitude data can be determined using the additional sensor. The additional sensor can in particular provide data for an inertial navigation system. The altitude of the vehicle during the test drive can be determined from the data of the inertial navigation system, in particular from dead reckoning data. This is particularly useful if the test drive is carried out in an area with different altitudes or on roads with gradients.
In einer Ausführungsform des Verfahrens zum Erzeugen von Trainingsdaten für eine Korridorerkennung für ein Fahrzeug der Fahrkorridor anhand einer mittels des weiteren Sensors ermittelten dynamische Kamerabewegung angepasst. Dies kann ebenfalls mittels des weiteren Sensors ermittelt werden. Ein Einfluss von während der Testfahrt auftretenden Gier-, Nick- und Rollbewegungen auf die Trainingsdaten kann so minimiert werden.In one embodiment of the method for generating training data for corridor detection for a vehicle, the driving corridor is adjusted based on a dynamic camera movement determined using the additional sensor. This can also be determined using the additional sensor. The influence of yaw, pitch and roll movements occurring during the test drive on the training data can thus be minimized.
In einer Ausführungsform des Verfahrens zum Erzeugen von Trainingsdaten für eine Korridorerkennung für ein Fahrzeug erfolgt das Abschneiden des Fahrkorridors mittels Rotoskopie. Dies kann insbesondere durch einen menschlichen Bediener erfolgen.In one embodiment of the method for generating training data for corridor recognition for a vehicle, the driving corridor is cut off using rotoscoping. This can be done in particular by a human operator.
Es kann vorgesehen sein, dass der mit dem erfindungsgemäßen Verfahren zum Erzeugen von Trainingsdaten für eine Korridorerkennung für ein Fahrzeug der Fahrkorridor von einem menschlichen Bediener stichprobenartig überprüft wird. Eine Freigabe zur Verwendung der Trainingsdaten kann dann nach der Überprüfung erfolgen. Insbesondere kann vorgesehen sein, dass ein Testfahrer, der die Testfahrt durchführt, mittels einer Eingabeschnittstelle relevante Positionen markieren kann und die Überprüfung ferner auch an den relevanten Positionen erfolgt. Dabei wird die Aufnahme der Kamera mit dem ermittelten Fahrkorridor verglichen.It can be provided that the driving corridor is randomly checked by a human operator using the method according to the invention for generating training data for corridor recognition for a vehicle. Approval for the use of the training data can then be given after the check. In particular, it can be provided that a test driver who carries out the test drive can mark relevant positions using an input interface and that the check is also carried out at the relevant positions. The camera recording is compared with the determined driving corridor.
Nach einem zweiten Aspekt umfasst die Erfindung ein Verfahren zum Trainieren einer Korridorerkennung für ein Fahrzeug, wobei die Korridorerkennung mittels künstlicher Intelligenz erfolgt. Dabei werden Trainingsdaten mit dem erfindungsgemäßen Verfahren zum Erzeugen von Trainingsdaten für eine Korridorerkennung für ein Fahrzeug erzeugt und dann ein Encoder-Decoder-Netzwerk mit den Trainingsdaten trainiert, wobei beim Trainieren überprüft wird, ob die in den Trainingsdaten beinhalteten Fahrkorridore erkannt werden. Dies kann beispielsweise mittels einer stichprobenartigen Überprüfung, ob die Fahrkorridore erkannt werden, erfolgen.According to a second aspect, the invention comprises a method for training corridor recognition for a vehicle, wherein the corridor recognition is carried out using artificial intelligence. Training data is generated using the method according to the invention for generating training data for corridor recognition for a vehicle and then an encoder-decoder network is trained using the training data, wherein during training it is checked whether the driving corridors contained in the training data are recognized. This can be done, for example, by means of a random check to see whether the driving corridors are recognized.
Nach einem dritten Aspekt umfasst die Erfindung ein Verfahren zum Planen einer Trajektorie eines Fahrzeugs, wobei ein Steuergerät des Fahrzeugs eingerichtet ist, die im Folgenden erläuterten Schritte auszuführen. Zunächst wird ein Kamerabild eingelesen, beispielsweise erzeugt durch einen Kamerasensor, der das Kamerabild an das Steuergerät weitergibt. Anschließend wird ein Fahrkorridor für das Fahrzeug anhand des Kamerabildes erstellt, wobei der Fahrkorridor eine vom Fahrzeug befahrbare Fläche umfasst. Anschließend wird eine Fahrtrajektorie derart geplant, dass mit der Fahrtrajektorie das Fahrzeug innerhalb des Fahrkorridors bewegt werden kann. Ferner wird die Fahrtrajektorie an ein System zum automatisierten Ausführen zumindest einer Fahrfunktion des Fahrzeugs ausgegeben. Das System zum automatisierten Ausführen zumindest einer Fahrfunktion des Fahrzeugs kann dabei zumindest eine Lenkbewegung und/oder eine Bremsung und/oder eine Beschleunigung und/oder ein Einstellen einer Geschwindigkeit des Fahrzeugs steuern.According to a third aspect, the invention comprises a method for planning a trajectory of a vehicle, wherein a control unit of the vehicle is set up to carry out the steps explained below. First, a camera image is read in, for example generated by a camera sensor, which forwards the camera image to the control unit. A driving corridor for the vehicle is then created based on the camera image, wherein the driving corridor comprises an area that the vehicle can drive on. A journey is then rajectory is planned in such a way that the vehicle can be moved within the driving corridor using the driving trajectory. Furthermore, the driving trajectory is output to a system for automatically executing at least one driving function of the vehicle. The system for automatically executing at least one driving function of the vehicle can control at least a steering movement and/or braking and/or acceleration and/or setting a speed of the vehicle.
In einer Ausführungsform des Verfahrens zum Planen einer Trajektorie eines Fahrzeugs umfasst das Steuergerät ein Encoder-Decoder-Netzwerk. Das Encoder-Decoder-Netzwerk wurde mit dem erfindungsgemäßen Verfahren zum Trainieren einer Korridorerkennung für ein Fahrzeug trainiert. Das Encoder-Decoder-Netzwerk wird zum Erstellen des Fahrkorridors verwendet.In one embodiment of the method for planning a trajectory of a vehicle, the control unit comprises an encoder-decoder network. The encoder-decoder network was trained using the method according to the invention for training a corridor recognition for a vehicle. The encoder-decoder network is used to create the driving corridor.
In einer Ausführungsform des Verfahrens zum Planen einer Trajektorie eines Fahrzeugs wird ferner eine Objekterkennung durchgeführt, wobei die Objekterkennung beinhaltet, Objekte anhand von definierten Objektklassen zu erkennen und ferner Objekte anhand von Begrenzungen des Fahrkorridors zu erkennen, und wobei die Fahrtrajektorie unter Berücksichtigung der erkannten Objekte geplant wird.In one embodiment of the method for planning a trajectory of a vehicle, object detection is further carried out, wherein the object detection includes detecting objects based on defined object classes and further detecting objects based on boundaries of the driving corridor, and wherein the driving trajectory is planned taking into account the detected objects.
In einer Ausführungsform des Verfahrens zum Planen einer Trajektorie eines Fahrzeugs wird bei der Objekterkennung ferner überprüft, ob die Objekte innerhalb des Fahrkorridors oder außerhalb des Fahrkorridors angeordnet sind.In one embodiment of the method for planning a trajectory of a vehicle, the object detection further checks whether the objects are located within the driving corridor or outside the driving corridor.
In einer Ausführungsform des Verfahrens zum Planen einer Trajektorie eines Fahrzeugs wird eine Objektgeschwindigkeit ermittelt und anhand der Objektgeschwindigkeit bei der Trajektorienplanung entschieden, ob ein Objekt umfahren werden soll oder nicht.In one embodiment of the method for planning a trajectory of a vehicle, an object speed is determined and, based on the object speed, a decision is made during trajectory planning as to whether an object should be avoided or not.
In einer Ausführungsform des Verfahrens zum Planen einer Trajektorie eines Fahrzeugs wird zumindest ein Fahrzeugzustand eingelesen und das eingelesene Kamerabild anhand des Fahrzeugzustands verändert.In one embodiment of the method for planning a trajectory of a vehicle, at least one vehicle state is read in and the read-in camera image is changed based on the vehicle state.
Nach einem vierten Aspekt umfasst die Erfindung ein Steuergerät, das eingerichtet ist, ein Kamerabild einzulesen und eine Fahrzeugtrajektorie auszugeben. Das Steuergerät umfasst ferner eine Recheneinheit und ist eingerichtet, mittels der Recheneinheit das Verfahren zum Planen einer Trajektorie eines Fahrzeugs auszuführen.According to a fourth aspect, the invention comprises a control device that is configured to read in a camera image and output a vehicle trajectory. The control device further comprises a computing unit and is configured to carry out the method for planning a trajectory of a vehicle by means of the computing unit.
Nach einem fünften Aspekt umfasst die Erfindung ein Fahrzeug mit einem erfindungsgemäßen Steuergerät und einem System zum automatisierten Ausführen zumindest einer Fahrfunktion. Das System zum automatisierten Ausführen zumindest einer Fahrfunktion ist eingerichtet, die Fahrtrajektorie zu empfangen und die Fahrfunktion anhand der Fahrtrajektorie zu steuern.According to a fifth aspect, the invention comprises a vehicle with a control device according to the invention and a system for the automated execution of at least one driving function. The system for the automated execution of at least one driving function is set up to receive the driving trajectory and to control the driving function based on the driving trajectory.
Ausführungsbeispiele der Erfindung werden anhand der folgenden Zeichnungen erläutert. In der schematischen Zeichnung zeigen:
-
1 ein Fahrzeug für eine Testfahrt zur Gewinnung von Kameraaufnahmen für ein Verfahren zum Erzeugen von Trainingsdaten für eine Korridorerkennung für ein Fahrzeug; -
2 ein Ablaufdiagramm eines Verfahrens zum Erzeugen von Trainingsdaten für eine Korridorerkennung für ein Fahrzeug; -
3 ein erstes Ausführungsbeispiel für das Erstellen eines Fahrkorridors; -
4 ein zweites Ausführungsbeispiel für das Erstellen eines Fahrkorridors; -
5 ein drittes Ausführungsbeispiel für das Erstellen eines Fahrkorridors; -
6 ein viertes Ausführungsbeispiel für das Erstellen eines Fahrkorridors; -
7 ein fünftes Ausführungsbeispiel für das Erstellen eines Fahrkorridors; -
8 ein Ausführungsbeispiel für eine Architektur für ein Verfahren zum Trainieren einer Korridorerkennung für ein Fahrzeug; -
9 ein Fahrzeug, eingerichtet, ein Verfahren zum Planen einer Trajektorie durchzuführen; -
10 ein Ablaufdiagramm eines Verfahrens zum Planen einer Trajektorie eines Fahrzeugs; und -
11 ein Ausführungsbeispiel für eine Architektur für ein Verfahren zum Planen einer Trajektorie eines Fahrzeugs.
-
1 a vehicle for a test drive to obtain camera images for a method for generating training data for corridor recognition for a vehicle; -
2 a flow chart of a method for generating training data for corridor recognition for a vehicle; -
3 a first embodiment for the creation of a travel corridor; -
4 a second embodiment for creating a travel corridor; -
5 a third embodiment for creating a travel corridor; -
6 a fourth embodiment for creating a travel corridor; -
7 a fifth embodiment for creating a travel corridor; -
8th an embodiment of an architecture for a method for training corridor recognition for a vehicle; -
9 a vehicle configured to perform a method for planning a trajectory; -
10 a flow chart of a method for planning a trajectory of a vehicle; and -
11 an embodiment of an architecture for a method for planning a trajectory of a vehicle.
In einem erfindungsgemäßen Verfahren zum Erzeugen von Trainingsdaten für eine Korridorerkennung für ein Fahrzeug 100 werden die Trainingsdaten hinsichtlich eines Fahrkorridors für das Fahrzeug 100 basierend auf während einer Testfahrt aufgenommenen Bildern einer Kamera 110 erstellt werden. In den Trainingsdaten wird an Objekten, mit denen kollidiert werden könnte, der Fahrkorridor mittels linearer Grenze abgeschnitten. Die Trainingsdaten werden also basierend auf den während einer Testfahrt des Fahrzeugs 100 aufgenommenen Bildern der Kamera 110 erstellt. Innerhalb der Bilder der Kamera wird eine befahrbare Fläche als Fahrkorridor ermittelt. Der Fahrkorridor wird an Objekten, mit denen kollidiert werden könnte, mittels linearer Grenze abgeschnitten. Die Objekte, mit denen kollidiert werden könnte, können dabei beispielsweise anhand derselben Bilder der Kamera 110 ermittelt werden. Durch das Abschneiden mittels linearer Grenze ergibt sich ein einfaches, wenig Rechenintensives Verfahren.In a method according to the invention for generating training data for corridor recognition for a
Das erfindungsgemäße Verfahren kann dabei beispielsweise auf der Recheneinheit 130 durchgeführt werden. Alternativ kann das erfindungsgemäße Verfahren auf der in
Es kann vorgesehen sein, dass das Fahrzeug 100 mehrere Kameras 110 aufweist, die unterschiedlich sind. Dann kann das erfindungsgemäße Verfahren für jede Kamera individuell durchgeführt werden. Ferner kann vorgesehen sein, dass aus den Aufnahmen einer Kamera 110 oder mehrerer Kameras 110 ein Bild für eine nicht im Fahrzeug verbaute Kamera berechnet wird, um auch für diese Kamera beziehungsweise dieses Kameramodell Trainingsdaten bereitzustellen.It can be provided that the
Dies kann insbesondere auch dann erfolgen, wenn das Objekt nicht klassifiziert werden kann, trotzdem aber als Objekt auf der Fahrbahn 210 erkannt wurde.This can be done in particular if the object cannot be classified, but was nevertheless recognized as an object on the
Die Steigungsänderung 206 kann beispielsweise aus einer Karte entnommen werden. Alternativ oder zusätzlich kann die Steigungsänderung 206 auch mittels des weiteren Sensors 120 ermittelt werden. Dazu kann der weitere Sensor 120 ein Höhenmesser sein. Ferner kann der weitere Sensor ein Trägheitsnavigationssensor 122 sein. In diesem Fall kann eine Höhe und damit auch die Steigungsänderung 206 aus den Daten des Trägheitsnavigationssensors 122 bestimmt werden.The
In einem Ausführungsbeispiel erfolgt ferner das Abschneiden des Fahrkorridors mittels Rotoskopie. Dies kann beispielsweise innerhalb einer Bildverarbeitungssoftware geschehen.In one embodiment, the driving corridor is also cut off using rotoscoping. This can be done, for example, within image processing software.
Es kann vorgesehen sein, dass der mit dem erfindungsgemäßen Verfahren zum Erzeugen von Trainingsdaten für eine Korridorerkennung für ein Fahrzeug 100, wie es im Zusammenhang mit der
Die mit dem erfindungsgemäßen Verfahren zum Erzeugen von Trainingsdaten für eine Korridorerkennung für ein Fahrzeug 100 erzeugten Trainingsdaten beinhalten das Kamerabild 200 und den Fahrkorridor 210. Die so erzeugten Trainingsdaten können dann in einem Verfahren zum Trainieren einer Korridorerkennung für ein Fahrzeug zum Einsatz kommen. Die Korridorerkennung erfolgt mittels künstlicher Intelligenz. Zunächst werden also die Trainingsdaten mit einem der beschriebenen Verfahren erzeugt. Anschließend wird ein Encoder-Decoder-Netzwerk mit den Trainingsdaten trainiert, wobei beim Trainieren überprüft wird, ob die in den Trainingsdaten beinhalteten Fahrkorridore 210 erkannt werden. Hierzu kann das Encoder-Decoder-Netzwerk die Kamerabilder 200 als Eingabe erhalten. Die Fahrkorridore 210 müssen dann vom Encoder-Decoder-Netzwerk erkannt werden.The training data generated using the method according to the invention for generating training data for corridor recognition for a
Das Fahrzeug 350 weist ferner optionale weitere Sensoren 390 auf, die als Radarsensor 391 (oder alternativ oder zusätzlich als Lidarsensor) und als Trägheitsnavigationssensor 392 ausgestaltet sind. Es kann auch nur einer der beiden weiteren Sensoren 390 vorgesehen sein. Daten der weiteren Sensoren 390 können beim Verfahren zum Planen einer Trajektorie eines Fahrzeugs verwendet werden.The
In einem Ausführungsbeispiel umfasst das Steuergerät 370 ein Encoder-Decoder-Netzwerk. Das Encoder-Decoder-Netzwerk wurde mit dem beschriebenen Verfahren zum Trainieren einer Korridorerkennung für ein Fahrzeug trainiert. Das Encoder-Decoder-Netzwerk wird dabei zum Erstellen des Fahrkorridors verwendet.In one embodiment, the
In
In einem Ausführungsbeispiel des Verfahrens zum Planen einer Trajektorie eines Fahrzeugs 350 wird der fünfter Verfahrensschritt 185 zwischen dem ersten Verfahrensschritt 181 und dem zweiten Verfahrensschritt 182 eingefügt. Im fünften Verfahrensschritt 185 wird zumindest ein Fahrzeugzustand eingelesen und das eingelesene Kamerabild anhand des Fahrzeugzustands verändert. In einer einfachen Ausprägung kann beispielsweise ein Aktivierungszustand eines Blinkers des Fahrzeugs 350 genutzt werden, um das Kamerabild zu manipulieren. Abhängig von einer Aktivierung des Blinkers kann dann im Kamerabild links oder rechts lokal ein Bildbereich mit einer hohen graphischen Figur überschrieben werden, beispielsweise in Form eines Balkens. Damit kann das Encoder-Decoder-Netzwerk die hinzugefügte Aktivierung am Eingang über die Schichten an die richtige Stelle propagieren und dabei gegebenenfalls Mehrdeutigkeiten im Spurverlauf auflösen. Dabei können eindimensionale Messwerte, in diesem Fall die Aktivierung des Blinkers in ein netzkompatibles Format (Balken im Bild) gebracht werden.In one embodiment of the method for planning a trajectory of a
In einem Ausführungsbeispiel des Verfahrens zum Planen einer Trajektorie eines Fahrzeugs 350 wird der sechste Verfahrensschritt 186 zwischen dem zweiten Verfahrensschritt 182 und dem dritten Verfahrensschritt 183 ausgeführt. Im sechsten Verfahrensschritt 186 wird eine Objekterkennung durchgeführt. Die Objekterkennung beinhaltet, Objekte anhand von definierten Objektklassen zu erkennen und ferner Objekte anhand von Begrenzungen des Fahrkorridors zu erkennen, und wobei die Fahrtrajektorie im dritten Verfahrensschritt 183 unter Berücksichtigung der erkannten Objekte geplant wird. Objekte, denen keine Objektklasse zugeordnet werden kann und die deshalb nur aufgrund einer erkannten Begrenzung des Fahrkorridors erkannt werden, können insbesondere vorteilhaft zur Änderung einer Planung einer Fahrtrajektorie verwendet werden. In diesem Fall kann es relevant sein, zu erkennen, dass sich ein Objekt im Fahrkorridor befindet, ohne genau zu ermitteln welches Objekt dies ist. Beispielsweise kann es so möglich sein, auf Objekte wie beispielsweise auf die Straße laufende Kinder oder auf die Straße fliegende Bälle zu reagieren, selbst wenn solche Objekte in den Trainingsdaten nicht vorhanden waren. Ferner ist dies auch hilfreich, wenn beispielsweise verlorene Ladung auf einer Fahrbahn liegt.In one embodiment of the method for planning a trajectory of a
In einem Ausführungsbeispiel des Verfahrens zum Planen einer Trajektorie eines Fahrzeugs 350 wird bei der Objekterkennung ferner überprüft, ob die Objekte innerhalb des Fahrkorridors oder außerhalb des Fahrkorridors angeordnet sind. Dies ermöglicht beispielsweise, festzustellen, ob auf die erkannten Objekte mittels Anpassung der Fahrtrajektorie reagiert werden sollte.In one embodiment of the method for planning a trajectory of a
In einem Ausführungsbeispiel des Verfahrens zum Planen einer Trajektorie eines Fahrzeugs 350 wird eine Objektgeschwindigkeit ermittelt wird und anhand der Objektgeschwindigkeit bei der Trajektorienplanung entschieden, ob ein Objekt umfahren werden soll oder nicht.In one embodiment of the method for planning a trajectory of a
Obwohl die Erfindung im Detail durch die bevorzugten Ausführungsbeispiele beschrieben wurde, ist die Erfindung nicht auf die offenbarten Beispiele eingeschränkt und andere Variationen hieraus können vom Fachmann abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen.Although the invention has been described in detail by means of the preferred embodiments, the invention is not limited to the disclosed examples and other variations may be derived therefrom by those skilled in the art without departing from the scope of the invention.
Claims (17)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102022212709.9A DE102022212709A1 (en) | 2022-11-28 | 2022-11-28 | Corridor-based vehicle control |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102022212709.9A DE102022212709A1 (en) | 2022-11-28 | 2022-11-28 | Corridor-based vehicle control |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102022212709A1 true DE102022212709A1 (en) | 2024-05-29 |
Family
ID=91026529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102022212709.9A Pending DE102022212709A1 (en) | 2022-11-28 | 2022-11-28 | Corridor-based vehicle control |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102022212709A1 (en) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013201796A1 (en) | 2013-02-05 | 2014-08-07 | Robert Bosch Gmbh | Method for providing a driving corridor for a vehicle and driver assistance system |
EP2883769B1 (en) | 2013-12-12 | 2018-07-25 | Robert Bosch Gmbh | Method and device for the lateral guidance of a motor vehicle, in particular for assisting evasive action |
DE102017223206A1 (en) | 2017-12-19 | 2019-06-19 | Robert Bosch Gmbh | Low-dimensional determination of demarcated areas and movement paths |
DE102020202811A1 (en) | 2020-03-05 | 2021-09-09 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method and device for vehicle control |
DE102020209796A1 (en) | 2020-08-04 | 2022-02-10 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method and arrangement for operating a camera-based sensor device, computer program product and agricultural device |
-
2022
- 2022-11-28 DE DE102022212709.9A patent/DE102022212709A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013201796A1 (en) | 2013-02-05 | 2014-08-07 | Robert Bosch Gmbh | Method for providing a driving corridor for a vehicle and driver assistance system |
EP2883769B1 (en) | 2013-12-12 | 2018-07-25 | Robert Bosch Gmbh | Method and device for the lateral guidance of a motor vehicle, in particular for assisting evasive action |
DE102017223206A1 (en) | 2017-12-19 | 2019-06-19 | Robert Bosch Gmbh | Low-dimensional determination of demarcated areas and movement paths |
DE102020202811A1 (en) | 2020-03-05 | 2021-09-09 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method and device for vehicle control |
DE102020209796A1 (en) | 2020-08-04 | 2022-02-10 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method and arrangement for operating a camera-based sensor device, computer program product and agricultural device |
Non-Patent Citations (2)
Title |
---|
BURGER, P., Naujoks, B., Wuensche, H.-J.: Unstructured road slam using map predictive road tracking. In: 2019 IEEE Intelligent Transportation Systems Conference (ITSC). IEEE, 2019. S. 1276-1282. doi: 10.1109/ITSC.2019.8917129 |
WU, C., et al.: Precise pose graph localization with sparse point and lane features. In: 2017 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2017. S. 4077-4082. doi: 10.1109/IROS.2017.8206264 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3584663B1 (en) | Method for automatic transverse guidance of a follow vehicle in a vehicle platoon | |
DE102015203016B4 (en) | Method and device for optical self-localization of a motor vehicle in an environment | |
DE102017206847B4 (en) | Method for the automatic creation and updating of a data record for an autonomous vehicle | |
DE102017009435B4 (en) | Evaluation of components of automatic driving functions and lane recognition at different processing levels | |
EP3529561B1 (en) | System and method for generating digital road models from aerial or satellite images and from data captured by vehicles | |
EP3160813A2 (en) | Method for producing a model of the surroundings of a vehicle | |
DE3820589A1 (en) | Control system for a self-steered motor vehicle or the like | |
DE10349631A1 (en) | Driver assistance method and apparatus based on lane information | |
DE112007001076T5 (en) | Vehicle position measuring device | |
EP3373268A1 (en) | Method for operating a driver assistance system for a vehicle on a road and driver assistance system | |
DE112014002019T5 (en) | Waveform Modeler, Vehicle Information Processing System, Waveform Modeling Method, and Waveform Modeling Program | |
DE102015209373A1 (en) | DRIVING SUPPORT UNIT | |
DE112016007501T5 (en) | CONTROL / CONTROL DEVICE AND CONTROL / CONTROL PROCEDURE | |
WO2018019454A1 (en) | Method and device for determining a roadway model for the surroundings of a vehicle | |
DE102021103149A1 (en) | METHOD AND DEVICE FOR DETERMINING THE OPTIMAL CROSSING LANE IN AN ASSISTED DRIVING SYSTEM | |
DE102008041679A1 (en) | Method for environment recognition for navigation system in car, involves storing data of object or feature in storage, and classifying object or feature by comparison of data after visual inspection of object or feature | |
WO2015062781A1 (en) | Situation analysis for a driver assistance system | |
DE10359241A1 (en) | Driver assistance system, driver assistance device, and driver assistance method for a vehicle | |
WO2018188846A1 (en) | Driver assistance system for a vehicle | |
DE112020003551T5 (en) | Road curve generation in real-world images as a data augmentation method | |
EP3440432A1 (en) | Method for determining a pose of an at least partially autonomously moving vehicle using specially selected landmarks transmitted from a back end server | |
DE102021207181B3 (en) | Method for automatically recognizing a right-before-left situation and motor vehicle | |
DE102022212709A1 (en) | Corridor-based vehicle control | |
DE102020207455A1 (en) | Method for determining at least one object in an environment of a platform | |
DE102016010414A1 (en) | Device for tracking self-driving motor vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R163 | Identified publications notified |