EP1412773A1 - Verfahren und vorrichtung zum austausch und zur verarbeitung von daten - Google Patents

Verfahren und vorrichtung zum austausch und zur verarbeitung von daten

Info

Publication number
EP1412773A1
EP1412773A1 EP02735078A EP02735078A EP1412773A1 EP 1412773 A1 EP1412773 A1 EP 1412773A1 EP 02735078 A EP02735078 A EP 02735078A EP 02735078 A EP02735078 A EP 02735078A EP 1412773 A1 EP1412773 A1 EP 1412773A1
Authority
EP
European Patent Office
Prior art keywords
sensor
fusion
data
objects
sensors
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.)
Withdrawn
Application number
EP02735078A
Other languages
English (en)
French (fr)
Inventor
Albrecht Klotz
Werner Uhler
Martin Staempfle
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Robert Bosch GmbH filed Critical Robert Bosch GmbH
Publication of EP1412773A1 publication Critical patent/EP1412773A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • 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
    • B60W30/14—Adaptive cruise control
    • B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/003—Transmission of data between radar, sonar or lidar systems and remote stations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/932—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles using own vehicle data, e.g. ground speed, steering wheel direction
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems

Definitions

  • ACC Adaptive Cruise Control
  • the method according to the invention and the device according to the invention with the features of the independent claims has the advantage that the detection performance, i.e. the quality of the sensor signals, the detection rate and the response, of individual sensors or of sensor clusters is improved, the false alarm rate is reduced and the cases of sensor failure or sensor blindness can be diagnosed more easily and reliably.
  • a central processing unit for example an information platform IP or a Sensor data fusion unit SDF object information processed and prepared by the individual sensors and distributed to the individual sensors.
  • information is specifically distributed from the central processing unit back to the individual sensors or to the sensor clusters.
  • This includes, for example, the temporal assignment of the data of the fusion objects to the sensor objects and, conversely, the identification of the same objects in the processing unit and in the individual sensors as well as a prediction of the object movements.
  • the information flowing back to the individual sensors for example the information that an object threatens to enter the detection range of another sensor, is used by the sensors for preconditioning - for example for lowering detection thresholds and / or for initializing filter parameters - a total of one achieved higher detection performance and detection security as well as an improved response of the object detection.
  • the detection areas of different sensors overlap, use can be made of the different quality of individual, compatible sensor signals, for example by using the generally more accurate resolution of the lateral deposit when object detection of a video sensor to support the angular position of the same object detected by a 77 GHz radar becomes.
  • the higher level of networked data exchange can be used to reduce the false alarm rate of individual sensors and to help diagnose and interpret sensor failures or sensor blindness.
  • the processed and condensed information about objects in the vehicle environment can include driving functions, such as
  • Vehicle guidance systems or vehicle safety systems are made available.
  • an algorithmic method which allows current objects, such as sensor objects, to be assigned to historical objects, for example fusion objects or so-called “tracks", ie histories of measured values.
  • this assignment is referred to as a data association.
  • Further processing steps of the algorithmic method according to the invention include the steps of merging fusion objects, which is also referred to below as merging, and of generating new fusion objects, in particular to take object hypotheses into account. These tasks are carried out with high efficiency using the described method.
  • a computational effort is necessary which is proportional to the product n * m, where n denotes the number of fusion objects and where m denotes the number of sensor objects.
  • the computing effort for the merging step is proportional to n * n. Furthermore, it is advantageous according to the invention that the method according to the invention is carried out with a delayed decision logic, which allows the In the event of a conflict, the decision as to which measurement object, ie sensor object, to which object hypothesis is assigned can only be finally decided in subsequent measurement cycles.
  • the processing steps of the method according to the invention make it possible to achieve the above-mentioned goals of more comprehensive, more reliable, faster and on average higher quality object information and the tracking and identification of objects through the different detection areas of the sensors. '
  • FIG. 1 shows a system for processing sensor data
  • FIG. 2 shows a partial aspect of object representation in a system according to the invention
  • FIG. 3 shows a flow chart for the data exchange between a processing unit according to the invention and sensors according to the invention
  • Figure 4 is a structogram of the invention
  • FIG. 5 shows a first example of a measurement situation
  • Figure 6 shows the representation of the data association for the first
  • FIG. 7 shows the fusion for the first example
  • FIG. 8 shows the representation of merging for the first example
  • FIG. 9 shows a second example of a measurement situation
  • SUBSTITUTE SHEET Figure 10 shows the data association for the second
  • FIG. 11 shows the representation of the fusion for the second example
  • Figure 12 shows the merging for the second
  • Figure 13 shows the representation of bridging a
  • FIG. 14 shows the system for processing sensor data in a modified representation
  • Figure 15 is a processing diagram for determining a
  • Figure 16 shows a sub-algorithm for determining a
  • Figure 17 is a diagram of a plausibility management.
  • the system generally comprises a plurality of sensors, for example a first sensor 100 shown in FIG. 1, a second sensor 200 and a third sensor 300.
  • Each of the sensors 100, 200, 300 is connected to a bus system which is identified by the reference symbol B is marked.
  • the bus system B is also connected to a processing unit 400.
  • the bus system B is intended to ensure that the exchange of data between each of the sensors 100, 200, 300 and the processing unit 400 is ensured or can be carried out simply and quickly and that a certain bandwidth is available bidirectionally for data exchange.
  • the bus system B is provided according to the invention in particular as a CA bus (controller area network bus). According to the invention, however, it is also possible to use any other bus architecture.
  • CA bus controller area network bus
  • processing unit 400 is referred to in particular as sensor data fusion unit 400 or as information platform 400.
  • the sensors 100, 200, 300 are, in particular, individual sensors or also entire sensor clusters.
  • FIG. 2 shows a system according to the invention with, for example, two sensors, namely the first sensor 100 and the second sensor 200, as well as with the processing unit 400 and the bus B connecting these units.
  • FIG. 2 shows a first object 10 and a second object 20 in the outer environment of the motor vehicle (not shown), in which the first sensor 100 and the second sensor 200, as well as the processing unit 400 and the bus system B, are installed.
  • video sensors radar sensors - for example 77 GHz long-range sensors, 77 GHz medium-range sensors, 24 GHz short-range sensors -, lidar sensors, laser sensors or ultrasonic sensors Find use.
  • the interaction is, for example, that such a video sensor records the optical image of the vehicle surroundings and analyzes it in such a way that objects 10, 20 in the Environment of the motor vehicle are recognizable.
  • radar sensors it is according to the invention, for example, that the radar sensor emits a radar wave and senses the reflection wave reflected by the environment and objects 10, 20 can be recognized therefrom.
  • ultrasonic sensors for example, as sensors 100, 200.
  • the various connections of the sensors 100, 200 to the environment of the vehicle are shown in FIG. 2 with the arrows provided with the reference numerals 30 and 31, respectively, the arrows provided with the reference number 30 from the first sensor 100 to the first object 10 and to the second object 20 or reject and the arrows 31 also point back and forth from the second sensor 200 to the first object 10 and the second object 20.
  • a certain preprocessing of the data stream is already carried out in the sensors 100, 200, which corresponds to the continuous or pulsed measurement or sensing of the vehicle surroundings. This is usually technically necessary because it enables data to be reduced and thus transmission bandwidth on bus system B can be saved.
  • the preprocessing in the sensors 100, 200 according to the invention consists in particular in that, based on the objects 10, 20, so-called data objects are generated by the sensors 100, 200 in the real physical environment of the vehicle equipped with the system according to the invention.
  • a curly bracket is shown to the left of the box representing the first sensor 100, which includes the reference numerals 110 and 120.
  • the reference numerals 110, 120 stand for such data objects generated by the first sensor 100, which were generated based on the objects, for example the first object 10 and the second object 20 in the real environment of the vehicle.
  • data objects which are generated by one of the sensors 100, 200, can be understood as a set of information that represent a real object located in the environment of the vehicle - or even just one that the sensor incorrectly recognized but did not exist Object - belong. Since the sensors 100, 200 generate such data objects and forward them to the processing unit 400, the data objects generated by the sensors 100, 200, 300 are also called sensor objects for simplicity. In the following, sensor objects are also called sensor data in general terms. In FIG.
  • a first sensor object 110 and a second sensor object 120 are shown with a double-sided arrow next to the first sensor 100 in the curly bracket already mentioned.
  • a third sensor object 210 and a fourth sensor object 220 are shown within a further curly bracket in addition to the second sensor 200.
  • the first and second sensor objects 110, 120 were generated in the example by the first sensor 100 and the third and fourth sensor objects 210, 220 were generated in the example by the second sensor 200.
  • the sensor objects 110, 120, 210, 220 can also include parts of real objects (for example in the case of video sensors, edges or parts of object outlines).
  • the information about the sensor objects 110, 120, 210, 220 is passed on to the processing unit 400 as a result of the processing of the data measured by the sensors 100, 200 via the bus system B.
  • the processing unit 400 carries out a further data reduction and generates in a manner similar to the sensors 100, 200 likewise so-called data objects, which, however, are called fusion objects or also generalizing fusion data to differentiate them from the sensor objects.
  • a curly bracket with a first fusion object 410 and a second fusion object 420 is shown in FIG. 2 in addition to the processing unit 400.
  • FIG. 2 also shows a controller 500 which is connected to the processing unit 400. According to the invention, it makes no difference whether the controller 500 is connected directly to the processing unit 400 or whether the controller 500 is connected to the processing unit 400 via the bus system B.
  • the first of these two alternatives is shown by way of example in FIG.
  • fusion object is derived in particular from the synonymous name of the processing unit 400 as the sensor data fusion unit SDF 400. This is because the sensor objects supplied by the sensors 100, 200 are "fused" in the processing unit 400.
  • FIG. 3 shows a flow diagram for the data exchange between the sensor data fusion or the processing unit 400 and a sensor system shown as an example, consisting of a first sensor 100 as FMCW radar and a second sensor 200 as video sensor.
  • the flowchart in FIG. 3 represents a repetitive sequence of the environment detection by the sensors 100, 200. The state is shown after a possibly provided initialization, ie the "steady state" is shown. The explanation of the Figure 3 therefore begins arbitrarily at one point in the control loop.
  • the first sensor 100 is provided as a radar sensor and supplies the processing unit 400 with a first sensor object 110 and a second sensor object 120. This is shown in FIG. 3 in such a way that an arrow pointing from the first sensor 100 to the processing unit 400 contains a box (including) the captions 110 and 120 includes. Furthermore, the first sensor 100 transmits to the processing unit 400 a first time information, which is provided with the reference symbol 99. Since the first time information 99 is also transmitted to the processing unit 400, there is also the reference number 99 in the box which is enclosed by the arrow between the first sensor 100 and the processing unit 400. In a corresponding manner, the second sensor 200, which is designed as a video sensor in the example, sends a third sensor object 210 and a fourth sensor object 220 together with second time information 199 to the sensor
  • Processing unit 400 This is represented analogously to the arrow between the first sensor 100 and the processing unit 400 by an arrow between the second sensor 200 and the processing unit 400, which comprises a box which is labeled with the reference numerals 210, 220 and 199.
  • the first time information 99 and the second time information 199 are provided in particular as time stamps which are generated by the sensors 100, 200 and are transmitted to the processing unit 400. It is provided according to the invention for a first variant of the invention that such time stamps are either generated by the sensors 100, 200 in an "absolute manner" so that they do not relate to a reference point. However, it is According to the invention for a second variant of the invention, it is also provided that the processing unit 400 sends a "central time information" to the sensors 100, 200 at regular or irregular time intervals, so that the first and the second time information 99, 199 as "relative time value" in relation to the central time information of the processing unit 400. The central time information from the processing unit 400 to the sensors 100, 200 is shown in FIG. 3 as a box with the reference number 399.
  • the fusion objects are generated in the processing unit 400.
  • a first fusion object 410, a second fusion object 420 and a third fusion object 430 are shown in FIG. 3 by way of example.
  • the processing unit 400 has resources for managing a plurality of fusion objects 410, 420, 430.
  • An essential aspect of a fusion object 410, 420, 430 is a list, or a set, which is the list or the set of sensor objects that are in the merger object is included or assigned to the merger object.
  • the sensors 100, 200, 300 that detect the first object 10 would each send a sensor object to the processing unit 400 that belongs to the first object 10 or represents it.
  • this information ie sensor objects, supplied by various sensors, would now be related to the first object 10 addressed list of sensor objects summarized in a fusion object z.
  • the first fusion object 410 includes the first sensor object 110 and the fourth sensor object 220, i.e. Due to its coordinates and its speed, the first sensor object 110 detected by the radar sensor 100 corresponds to the fourth sensor object 220 detected by the video sensor and is therefore combined in the processing unit 400 to form the first fusion object 410.
  • the second fusion object 420 only comprises the second sensor object 120 and the third fusion object 430 in the example comprises the third sensor object 210.
  • the fusion objects 410, 420, 430 include so-called attributes, the attributes of the fusion objects 410, 420, 430 including, among other things, the physical properties and associated quality measures of the merged object data and a time stamp which assigns the data or attributes to a fusion cycle.
  • a fusion cycle corresponds to the time cycle which is provided in the processing unit 400 to keep the data consistent and to update it.
  • Another group of attributes of the fusion objects 410, 420, 430 describes the assignment of the sensor objects to the fusion objects, for example via a sensor object identification (for example a number or a name) and a relative time stamp that indicates the time of the Contains original measurement relative to the central time stamp or the central time information 399 from the processing unit 400.
  • the time information 99, 199 and the central time information 399 are exchanged in each measurement or fusion cycle or also fusion cycle, regardless of whether object data, ie information, is also included with the time information 99, 199 or the central time information 399 that relate to a sensor object or a fusion object.
  • object data ie information
  • the central time information 399 that relate to a sensor object or a fusion object.
  • the basis for this is provided on the one hand by the a priori knowledge, for example about the quality of the respective sensor data and the detection ranges of the sensors, on the other hand the current quality information, which relates to a measurement in a sensor 100, 200 and from the sensor with the data record of the sensor object the
  • Processing unit 400 is transmitted. Furthermore, the history of the fusion object data is a basis for deciding which information and data flow back to which sensor 100, 200, 300. Taking the signal quality into account requires the compatibility of the data and the transformation to a uniform coordinate system.
  • the processing unit 400 carries out a quality check.
  • This is illustrated in FIG. 3 by the boxes labeled with the reference symbols 402 and 403, to which arrows point in each case starting from the box labeled with the reference symbol 410.
  • the quality check with the reference symbol 402 it is determined, for example, that the y coordinate of the real object in the vehicle surroundings, which is represented by the first fusion object 410, is measured better by the second sensor, ie a video sensor, than by the first sensor, ie the radar sensor.
  • the value for the y-coordinate of the first fusion object 410 measured by the second sensor 200 is forwarded to the first sensor 100 in order to enable the first sensor 100 to measure the y-coordinate of the first fusion object 410 more precisely, or generally further assigned first sensor object 110 to move.
  • the processing unit additionally identifies the relevant sensor object in addition to the value of the y component Example considered case of the first sensor object 110 transmitted.
  • the quality check or quality check represented by reference numeral 403 the speed component in the x direction is transmitted to the second sensor 200, ie the video sensor, because the value for the
  • Speed component in the x direction which is supplied by the radar sensor, ie the first sensor 100, is usually (a priori knowledge) better than the value for the x component of the speed, which is provided by the second sensor 200, ie the video sensor is measured.
  • the transmission of the x component of the speed to the second sensor 200 is in turn carried out together with the transmission of an identification for the corresponding sensor object, ie for the fourth sensor object 220 in the case considered in the example.
  • the reference symbol 111 stands for the identification of the first sensor object 110
  • the reference symbol 221 for the identification of the fourth sensor object 220
  • the arrow starting from the quality check 402 via the box with the reference symbol 111 to the box with the reference symbol 406 is used for the illustration the transmission of the identification 111 of the first sensor object 110 to the first sensor 100.
  • the arrow also serves, starting from the
  • the second fusion object 420 only comprises the second sensor object 120. Therefore, the identification 121 of the second sensor object 120 is returned to the first sensor 100, which is represented by an arrow from the box labeled with the reference number 420 to the box labeled with the reference number 406, which a box with the reference number 121 for the Identification of the second sensor object 120 includes.
  • a method step which is represented by a box provided with the reference symbol 404, whether the second fusion object 420 penetrates or threatens to enter the detection range of the second sensor 200 or Not.
  • FIG. 3 has a first output, which is symbolized by an arrow, which ends with a dash to symbolize that the processing can terminate at this point.
  • the processing stops when it is determined that the second fusion object 420 does not penetrate into the detection range of the second sensor 200. If this is otherwise the case (ie the second fusion object 420 penetrates or threatens to enter the detection range of the second sensor 200), an identification for a further sensor object to be generated is sent to the second sensor 200. This identification for a further sensor object, which is not yet contained in the sensor object list that is sent from the second sensor 200 to the processing unit, is shown in FIG. 3 with the reference symbol 231.
  • the coordinate data belonging to the second fusion object 420 are sent to the second sensor 200.
  • This coordinate data includes, in particular, the x and y components of the distance and the x and y components of the speed of the second fusion object 420.
  • the identification 211 for the third sensor object 210 becomes sent to the second sensor 200 and in a function block 405 the decision is made as to whether the third sensor object 210 or the third fusion object 430 will penetrate into the detection range of the first sensor 100 or not.
  • an identification 131 for a (not shown) sixth sensor object is therefore sent to the first sensor 100 together with the coordinate data of the sixth sensor object in the event of intrusion into the detection range of the first sensor 100.
  • the data exchange between the sensors 100, 200, 300 and the processing unit 400 basically takes place from the following points of view:
  • Objects are found in the sensor, which is done by exchanging identifications 111, 221, 121, 211 of sensor objects - these identifications are also called tracking numbers - if there is no overlap of sensor areas.
  • an improvement in the response behavior of sensors is further brought about in that object information is then sent to a sensor, for example the first sensor 100 - which has not yet detected an object - for example the first object 10 - is forwarded when the first object 10 has been detected by another sensor - for example the second sensor 200 - and the predicted movement of the first object 10 suggests that the first object 10 already exists or is soon to penetrate into the detection range of the first sensor 100.
  • the first sensor 100 can then recognize the first object 10 entering its detection area more quickly and can initialize internal parameters, such as the filter settings, in a targeted manner. This is referred to as preconditioning of the first sensor 100. This is illustrated in FIG. 3 for the second and third fusion objects 420, 430 by the decision-making process in the boxes identified by reference numerals 404 and 405, respectively.
  • an increase in the detection power is further brought about by the fact that objects which are in the common detection range of several sensors and which are not detected by all sensors are reported to sensors which do not detect these objects. This is done with the aim of specifically influencing and controlling the sensor attention of such a sensor that does not detect the object (attention control), for example by lowering threshold values, by refining the discretization, etc.
  • the detection performance of the individual sensors can thus be increased.
  • the information to be transmitted from the control center 400 to the sensors can in particular be given a prioritization, so that if the bandwidth which can be transmitted via the bus system B is limited, the data volume is reduced in such a way that only the most highly prioritized, information to be transmitted from the processing unit 400 to the sensors 100, 200, 300 is transmitted via the bus system B. It is therefore provided in FIG. 3 to provide the information flowing to the sensors 100, 200 with a prioritization unit, which is provided with the reference symbol 406 with regard to the information to be transmitted to the first sensor 100 and with respect to the information to the second sensor 200 transmitting information is provided with the reference numeral 407.
  • FIG. 4 shows a structure diagram of the evaluation algorithm of sensor objects.
  • the algorithm is carried out in particular in the processing unit 400.
  • the invention also provides for various processing steps of the evaluation algorithm to be carried out in distributed systems.
  • the sensors 100, 200, 300 are also shown in FIG.
  • the sensors 100, 200, 300 deliver first data, which are represented in FIG. 4 by an arrow with the reference symbol 409, to the processing unit 400.
  • the first data 409 are in the first processing step 408 synchronized.
  • synchronization of the first data 409 to a base clock of the processing unit 400 is carried out.
  • the details of this synchronization step are shown in particular in the simultaneously filed German patent application by the same applicant, which bears the title "Method for synchronization and device".
  • the first processing step 408, ie the synchronization, supplies, based on the first data 409, in particular as sensor objects 110, 120, 210, 220, time-synchronized second data 411. This is based on an arrow with the reference symbol 411, starting from the first processing step 408 shown.
  • data from various environment sensors 100, 200, 300 - in particular in the processing unit - are first transformed in the first processing step 408 to a uniform coordinate system (data alignment) and synchronized in time.
  • a current sensor object list with measurement objects is created for each sensor.
  • the second data 411 are sent to a second processing step 419 or made available to it.
  • the second processing step 419 is also referred to below as association step 419.
  • the so-called data association is carried out, ie an attempt is made to assign the measurement objects to one or more existing fusion objects. If no assignment is made, a new fusion object is generated.
  • the result of the assignment or association can be recorded, for example, in an association matrix 422 (described further below) in which all possible object hypotheses (assignment of measured objects to existing objects or object hypotheses) are registered.
  • association matrix 422 described further below
  • the third processing step 429 is also referred to below as the fusion step 429.
  • the third data 421 comprise in particular the so-called association matrix 422.
  • fourth data 431 and fifth data 432 are generated.
  • the association matrix is processed line by line and new fusion objects or fusion data are formed by forming weighted average values of the relevant object attributes. Objects or object hypotheses that are no longer measured by a sensor for a certain period of time are rejected.
  • the fourth data 431 include, in particular, a so-called fusion object list 431 and are made available to the second processing step 419.
  • the fifth data 432 which in particular comprises so-called tracking data 432 and is produced by the third processing step 429, ie the data fusion 429, are made available both to the second processing step 419 and to a fifth processing step 450.
  • the fourth data 431, ie the fusion object list 431 is also made available to a fourth processing step 440, a so-called merging processing step 440, which is also referred to below as merging step 440.
  • the newly calculated fusion objects which lie within a capture range (only shown in FIG. 5) are fused into one object.
  • the basis for this - similar to the association - is a gating process.
  • the fourth processing step 440 produces sixth data 441, which is available to the fifth processing step 450 are set, with the fifth processing step 450 performing temporal filtering of the object data, for example using low-pass or Cayman filters, with smoothing being carried out in the time dimension. Furthermore, in the fifth processing step 450, a prediction is made for a further time step.
  • the sixth data 441 include in particular a so-called compressed fusion object list.
  • seventh data 451 are generated which are made available to a sixth processing step 460.
  • the sixth processing step 460 is also referred to below as evaluation step 460.
  • the seventh data 451 include in particular a filtered and predicted fusion object list.
  • a plausibility check of the objects and an object selection are carried out.
  • the plausibility check is provided according to the invention in particular in a function-specific manner.
  • eighth data 461 are generated or selected for forwarding to the sensors 100, 200, 300.
  • the eighth data 461 are also referred to below as feedback data 461.
  • in the sixth processing step 460 there is an optional data exchange with at least one downstream information, comfort or security function 500 which uses the environmental information as input variables.
  • This downstream function corresponds to controller 500 or is localized in controller 500.
  • it is provided in particular to carry out a prioritization of the fusion objects in the sixth processing step 460, as is described below.
  • FIG. 5 shows a first example of a measurement situation.
  • a coordinate system with an x-axis and a y-axis is shown, which represents a coordinate system of the vehicle environment common to several sensors.
  • the x coordinate and the y coordinate represent, for example, location coordinates or angle coordinates or speed coordinates.
  • the first sensor 100 "sees" an object - for example the first object 10 - at a first time step (not shown) at a first position, which is identified by the reference symbol 101.
  • the object recognized by the first sensor 100 at 101 in the first time step is expected in a subsequent second time step (likewise not shown) at a position designated by the reference symbol 102 (prediction).
  • an object is recognized by the second sensor 200 in the first time step at the position 201 designated by the reference number 201 and expected in the second time step at the position designated by the reference number 202.
  • the third sensor 300 recognizes two objects: an object is recognized at the first point in time at the position designated by the reference number 301 and expected at the second point in time at the position designated by the reference number 302, and another object is recognized at the first point in time at the number 303 identified position and expected at the second time at the position designated by reference numeral 304.
  • FIG. 5 shows a first association gate with the reference symbol 423 and a second association gate with the reference symbol 424.
  • FIG. 6 shows the association matrix for the first example
  • FIG. 7 shows the representation of the matrix after the fusion for the first example
  • FIG. 8 shows the representation of the matrix after merging for the first example.
  • FIG. 6 which represents the association matrix 422 for the first example, a line is provided for the fusion object, which is assumed at the position denoted by the reference symbol 476 in the second time step.
  • the one with the reference symbol is assumed at the position denoted by the reference symbol 476 in the second time step.
  • the association matrix 422 establishes a connection between a fusion object and one or more sensor objects. In FIG. 6, only the reference numerals are given to represent this connection, which correspond to the positions of the corresponding objects.
  • association matrix 422 a global, statistical distance measure, for example the Mahalanobis standard, or also signal-specific distance measures d between each sensor object and each fusion object is calculated, for example by means of the Euclidean distance.
  • the distance dimensions are generally defined in the phase space, ie they can also contain speed data in addition to the position data.
  • FIG. 5 and FIG. 9 only include position data.
  • a possible assignment (ie an object hypothesis) between the sensor object and the fusion object is assumed if the distance d is less than a threshold value (gate or association gate 423, 424) or can be assigned to the object with a confidence by means of a statistical test or all distances d are smaller than the threshold values.
  • a quality measure for the quality of the association can be assigned, which, for example, indicates how much smaller the distance d is than the threshold value.
  • the threshold values can be different for each signal or for each object.
  • the thresholds may vary depending on sizes like that Measurement errors of the individual measurement and the fusion object, the distance of the objects from your own vehicle, the relative speed of the objects, the assignment to the driving tube of your own vehicle, etc.
  • an entry is made in the association matrix.
  • the rows in the association matrix correspond, for example, to the index of the fusion object in the fusion object list and the columns correspond, for example, to sensors 100, 200, 300 and the sensor type.
  • An entry in the association matrix consists, for example, of the distance d, a value for the quality of the association, the object number of the sensor object, a cross reference to the point at which the sensor object can be found in the sensor-specific object list, and a "occupied" -Brand. If a position in the association matrix is already occupied, the sensor object is appended to the fusion object list and the counter is incremented for the number of current fusion objects.
  • the described method deliberately includes a multiple assignment of sensor objects to existing fusion objects (multi-hypotheses).
  • sorted fusion object lists or sensor object lists can be used, the processing of which can be interrupted (a kind of "gating") if a threshold is exceeded (for example with regard to the distance), after which no more assignment will certainly take place.
  • interrupted a kind of "gating"
  • FO n includes SO
  • F0 n includes SOk
  • FIG. 5 shows a merging gate 442, which is also referred to below as catch area 442.
  • the fusion module ie the third processing step 429, new fusion object attributes are calculated for the objects in the fusion list. This is done by line by line processing Association matrix 422, in which all the necessary attributes are present, which ensure the weighting of the new fusion objects and access to the original measurement data. If several sensors contribute to a fusion object, a weighting of the individual signals of the sensors is used. The weights are determined from the quality of the association and the sensor data quality.
  • Another fusion object attribute, the object plausibility is determined in the fusion module, ie the third processing step.
  • the object plausibility is incremented, for example, as soon as a fusion object has been confirmed by at least one sensor object. The increment depends on the number of associated sensor objects and the ratio of the cycle time of the sensor fusion to the cycle time of a sensor cycle (ie the topicality of the sensor object data). If a fusion object is not confirmed in the current fusion cycle, the object plausibility is decremented. The increment and decrement of the object plausibility can also depend on the current value of the object plausibility.
  • the fusion object list is processed again in order to find and merge objects that lie within a capture range.
  • assignments of sensor objects of the same sensor type to a fusion object are implicitly taken into account, and object hypotheses that differ only slightly due to the merged data are combined to form a fusion object.
  • the procedure is similar to that of the association described.
  • the merging gates 442 are generally smaller than the association gates 423, 424 and each two objects that lie within a capture area 442 are immediately fused (merged or "merged") into a new object. When objects are merged, the respective signal quality can be used to weight the individual signals.
  • association matrix 422 (reduced by the sensor objects), which is shown in FIG. 7 and FIG. 8, comprises the same number of objects, namely two, because the recognized objects do not come close enough at the positions designated by the reference numerals 476 and 473 to fit within a capture area 442.
  • a summary of the objects in the fourth processing step 440 therefore did not take place in the first example.
  • FIG. 9 shows a second example of a measurement situation.
  • a coordinate system with an x-axis and a y-axis is shown again.
  • the x coordinate and the y coordinate in turn represent, for example, location coordinates or angle coordinates or speed coordinates.
  • the first sensor 100 "sees" an object - for example the first object 10 - at a first (not shown) time step at a first position, which is identified by the reference symbol 111.
  • the object recognized by the first sensor 100 at 101 in the first time step is expected in a subsequent second time step (likewise not shown) at a position designated by the reference symbol 112 (prediction).
  • an object from the second sensor 200 becomes the first Time step recognized at the position designated by reference number 211 and expected at the second time step at the position designated by reference number 212.
  • the third sensor 300 in turn detects two objects: an object is recognized at the first point in time at the position designated by the reference symbol 311 and expected at the second point in time at the position designated by the reference symbol 312, and another object is recognized at the first point in time at the position with the reference symbol 313 identified position and expected at the second time at the position designated by reference numeral 314.
  • the first association gate is again designated with the reference symbol 423 and a second association gate with the reference symbol 424.
  • FIG. 10 shows the association matrix 422 for the second example
  • FIG. 11 shows the representation of the matrix after the fusion for the second example
  • FIG. 12 shows the representation of the matrix after merging for the second example. Since the expected positions provided with the reference numerals 112, 212 and 314 for the second time step lie within the first association gate 423, their evaluation leads to the hypothesis that only a single object (due to measurement errors) at (slightly) different positions from different sensors was recognized. Therefore, the positions provided with the reference numerals 112, 212, 314 or the corresponding sensor objects are assigned to a fusion object which was measured at the first time step at the position designated with the reference number 484, and for the second time step with the reference number
  • Position 485 is expected (prediction) and for which in the second time step the one with the reference symbol
  • FIG. 10 represents the association matrix 422 for the second example, there is one row for the Fusion object is provided, which is assumed in the second time step at the position designated by the reference symbol 485.
  • the position provided with the reference symbol 312 or the corresponding sensor object is assigned to a fusion object which was measured in the first time step at the position designated with the reference symbol 481, for which the position with the reference symbol 482 is expected in the second time step (prediction) and for which in the second time step the position denoted by reference numeral 483 is "measured” or calculated.
  • a line is therefore provided in FIG. 10 for the fusion object, which is assumed in the second time step at the position denoted by reference numeral 482.
  • association matrix 422 also contains further information.
  • additional lines second and third lines of the association matrix shown in FIG. 10 were inserted in association step 419, because it could not be clearly determined whether the ones identified by the reference numerals 112 and 312 designated positions represented objects is a single object, or two. This made it necessary to insert a line which is given the reference symbol 489 in FIG. 10 and thus to generate a "hypothetical" fusion object to represent the additional object hypothesis "two separate objects".
  • FIGS. 11 and 12 show the association matrices (again reduced) after the fusion step and after the merging step.
  • the merging step leads to a summary of the three fusion objects still present after the fusion step, because all positions of the objects relate to the second time step (positions that are identified by reference numerals 486 and 483 are within the merging gate 442 also shown in FIG. These fusion objects are thus combined to form the only fusion object which is suspected at the second point in time at the position denoted by reference numeral 487.
  • FIG. 13 shows a typical situation that occurs when several environment sensors or sensors have different detection areas.
  • reference number 1 denotes the device which has various sensors, for example the first sensor 100 (not shown in FIG. 13) and the second sensor 200 (also not shown in FIG. 13).
  • the device 1 is provided in particular as a motor vehicle 1 which has the sensors 100, 200.
  • a first detection area 150 of a sensor for example first sensor 100
  • a second detection area 250 of a sensor for example second sensor 200
  • a first object 10 and a second object 20 are shown in FIG the objects are in particular other motor vehicles.
  • FIG. 13 shows the situation that the first object 10 is in the first detection area 150 and is about to leave it, while the second object 20 is in the second detection area 250 and is also about to leave it.
  • FIG. 13 therefore shows a first exit area 152 and a second exit area 252, the first exit area 152 being the location or represents the area where the first object 10 emerges from the first detection area 150 and the second exit area 252 represents the location or area at which the second object 20 exits the second detection area 252 exits.
  • objects 10, 20 are represented in processing unit 400 as fusion objects, for example as first and second fusion objects 410, 420. It is thus possible according to the invention to "bridge" the detection gap 160 in such a way that the movements of the objects 10, 20 relative to the detection areas 150, 250 are estimated (predicted) and can therefore also be estimated whether and if so when and where one of the Objects 10, 20 which just leave a detection area 150, 250 reenter another (detection area) 150, 250. Therefore, in FIG. 13 are a first entry area 251, which indicates the estimated location where the first object 10 enters the second detection area 250, and a second entry area 151, which indicates the estimated location where the second object 20 enters the first detection area 150 occurs.
  • Processing unit 400 processes the sensor objects from different sensors together and manages them as fusion objects.
  • a data record of a tracked fusion object or an object hypothesis consists among other things of the position, the speed, the acceleration and an object plausibility.
  • the fusion object has already been tracked over a number of detection cycles and the history of the fusion object, ie its "tracking data", in parametric, model-based form, for example using the Cayman filter coefficients, is present.
  • the detection areas 150, 250 of the individual sensors are known and are described in mathematical form. The edges of the detection areas 150, 250 need not be sharply delimited, but can be described by tolerance bands.
  • the plausibility is a measure of the reliability of the object hypothesis, for example a number between zero and one indicates the plausibility and where the value zero for the plausibility corresponds to an improbable (and to be rejected) object hypothesis and where the value one for the plausibility of a very probable Corresponds to the object hypothesis.
  • the plausibility of an object hypothesis ie a fusion object, is recalculated by incrementing or decrementing each cycle of the algorithm.
  • the size of the increment or decrement is variable and essentially determines the life cycle of an object hypothesis. The fact that, for example, the first object 10 leaves the first detection area 150 in FIG.
  • 13 is represented in the fusion object representation within the processing unit 400 in such a way that, for example, the object movement of the first fusion object 410 from its history, ie its tracking data, to is predicted to the next or a later expected measured value and it is determined that the limit of the first detection range 150 has been exceeded. If the predetermined position lies outside the area limits of the first detection area 150, the object 10 or its data representation in the form of the first fusion object 410 will leave the first detection area 150. The possible re-entry into the adjacent second detection area 250 is determined in that, starting from the calculated first exit area 152, the expected trajectory is predicted into the future until an entry into the second detection area 250 is expected is.
  • the first object 10 "de-plausible" with a standard decrement, ie the value of its plausibility is reduced in a predetermined manner. This case is not shown in Figure 13.
  • the maximum period of time is determined that is likely to elapse before a possible entry into the second detection area, which is done, for example, by dividing the longest possible distance in the detection gap 160 by the relative speed.
  • the plausibility decrement can be reduced in such a way that the object or the object hypothesis is not rejected, as long as it is likely to be in the detection gap 160.
  • the calculation of the expected entry area and the plausibility decrement is performed anew each time the algorithm is repeated, taking into account the speed and yaw movement of the vehicle 1. Will that If the first object 10 is not detected at the predetermined location and at the predetermined time in the second detection area 250, the object hypothesis is rejected.
  • the first object 10 is detected at the predetermined location and at a predetermined time in the second detection area 250, it is identified with the old object. Particularly for sensors that do not measure the speed and acceleration of objects directly, this enables improved and faster signal dynamics of the fusion object when it re-enters the second detection area 250, since it is not necessary to make inaccurate estimates for filter initialization, but rather to use better, predicted estimates can. This is because the signal qualities of fusion objects (which also include information about the history of the object) are generally greater than the signal qualities of sensor objects.
  • the downstream driving function which is usually located in the controller 500, can use the improved signal quality of the fusion object when it re-enters the second detection area 250 by reacting faster and more reliably.
  • an exchange of object information is provided between the processing unit 400 and the sensors 100, 200, 300 such that such object information is sent to the sensors 100, 200 , 300 are sent.
  • this sensor can detect the first object faster, more reliably and more precisely.
  • the described bridging algorithm of detection gaps 160 can also be extended with small modifications to problems of object tracking in the case of temporary occlusions.
  • FIG. 14 shows the system for processing sensor data in a modified representation.
  • the system again comprises the first sensor 100, the second sensor 200 and the third sensor 300.
  • Each of the sensors 100, 200, 300 is connected to the bus system B, which is also connected to the processing unit 400.
  • FIG. 14 also shows the first object 10 and the second object 20 in the outer environment of the motor vehicle 1 (not shown in FIG. 14), in which the first sensor 100, the second sensor 200, the third sensor 300, the processing unit 400 and the bus system B are installed.
  • One aspect of the present invention is to determine the object size of objects 10, 20.
  • FIG. 14 shows the length with the reference symbol "L” as examples of object sizes for the first object 10 and the width with the reference symbol "W" for the second object 20.
  • the objects 10, 20 - and thus also their extent - are detected by the sensors 100, 200, 300, as described in principle in FIG. 2.
  • the arrows provided with the reference numerals 30, 31 have been omitted in FIG. 14 for the sake of simplicity.
  • the sensor objects 110, 120, 210, 220 and fusion objects 410, 420 shown in FIG. 2 are omitted in FIG. 14 for the sake of simplicity.
  • the system according to FIG. 14 also works in an analogous manner to the system according to FIG. 2.
  • the processing unit 400 processes the various information provided by the sensors 100, 200, 300, wherein Object hypotheses are generated as fusion objects.
  • Object hypotheses are generated as fusion objects.
  • the goal is the spatial and temporal accumulation of potential size information. Determined object sizes can be used to evaluate and interpret the driving environment.
  • the object size is a reliable attribute of a fusion object, the object size being used in a classification of detected objects.
  • the object size can be forwarded to vehicle guidance systems or driver assistance systems and significantly increases the level of detail of a driving environment detected by sensors.
  • FIG. 15 shows an overall method according to the invention for determining the object size.
  • the calculation of the width of an object is shown as an example.
  • the following situation is shown by way of example in FIG. 15: the first sensor 100 supplies the first sensor object 110 and the second sensor 200 supplies the third sensor object 210 and the fourth sensor object 220.
  • This is represented in FIG. 15 by arrows, an arrow from with the reference symbol 100 designated boxes to the box designated by reference numeral 110 and an arrow from the box designated by reference numeral 200 to the box designated by reference numerals 210 and 220 are shown.
  • the first sensor object 110 ie the box provided with the reference symbol 110, three reference symbols 116, 117, 118 are shown in FIG. 15, each of which represents measured values of the first sensor object 110.
  • reference numeral 116 represents both the transverse offset of the object represented by the first sensor object 110, ie its extent in the y direction, and the quality of the determination of the transverse offset of the object represented by the first sensor object 110.
  • the reference symbol 117 represents both the measured width of the object represented by the first sensor object 110 and the quality of the determination of the width of the object represented by the first sensor object 110, while the reference symbol 118 stands for further measured values and attributes supplied by the first sensor 100 with respect to the first sensor object 110.
  • the third sensor object 210 ie the box provided with the reference symbol 210
  • three reference symbols 216, 217, 218 are shown in FIG. 15, each of which represents measured values of the third sensor object 210.
  • reference numeral 216 represents both the transverse offset of the object represented by the third sensor object 210, ie its extension in the y direction, and the quality of the determination of the transverse offset of the object represented by the third sensor object 210
  • Example shows both the measured width of the object represented by the third sensor object 210 and the quality of the determination of the width of the object represented by the third sensor object 210, while the reference symbol 218 for further measured values and attributes provided by the second sensor 200 with respect to the third sensor object 210 stands.
  • the fourth sensor object 220 ie the box provided with the reference symbol 220, three reference symbols 226, 227, 228 are shown in FIG. 15, each of which represents measured values of the fourth sensor object 220.
  • reference numeral 226 represents both the transverse offset of the object represented by fourth sensor object 220, ie its extension in the y direction, and the quality of the determination of the transverse offset of the object represented by fourth sensor object 220.
  • Reference numeral 227 represents in Example both the measured width of that measured by the fourth sensor object 220 represents the object represented as well as the quality of the determination of the width of the object represented by the fourth sensor object 220, while the reference symbol 228 stands for further measured values and attributes relating to the fourth sensor object 220 supplied by the second sensor 200.
  • an arrow points from the data represented by the reference symbols 116 and 117 to a box provided with the reference symbol 610.
  • an arrow points from the data represented by the reference symbols 216 and 217 to a box provided with the reference symbol 620.
  • an arrow points from the data represented by reference numerals 226 and 227 to a box provided by reference numeral 630.
  • the reference numerals 610, 620 and 630 each stand in an identical manner for a first evaluation algorithm, which evaluates the corresponding data of the first, third and fourth sensor objects 110, 210, 220.
  • the first evaluation algorithm is shown in FIG.
  • the first input 601 in the "copy" of the first evaluation algorithm designated by reference number 610 600 is represented by the arrow between the data 116 and the box 610 and the second input 602 in the "copy” of the first evaluation algorithm 600, designated by the reference number 610, is represented by the arrow between the Data 117 and box 610 are shown.
  • 216 corresponds to the first input of 620 and 217 to the second input of 620 and 226 to the first input of 630 and 227 to the second input of 630.
  • Another arrow further connects the reference numerals 116, 216 and 226 collectively with a second evaluation algorithm, the is provided with the reference number 640.
  • the outputs of the first evaluation algorithms 610, 620, 630 and the second evaluation algorithm 640 are connected to the input of a so-called coordinator provided with the reference number 660.
  • the fusion object 445 which represents a fusion object - for example the first fusion object 410 - at a first time step.
  • the fusion object 445 for the first time step comprises three reference symbols 446, 447, 448, each of which represents measured values of the fusion object 445 for the first time step.
  • reference numeral 446 represents both the lateral offset of the object represented by the fusion object 445 for the first time step, ie its extension in the y direction, and the quality of the determination of the lateral offset of the object represented by the fusion object 445 for the first time step
  • reference numeral 447 represents both the measured width of the object represented by the fusion object 445 for the first time step and the quality of the determination of the width of the object represented by the fusion object 445 for the first time step, while the reference numeral 448 for further measured values and attributes relating to the Fusion object 445 stands for the first time step.
  • the fusion object 455 for the second time step comprises three reference numerals 456, 457, 458, which each represent measured values of the fusion object 455 for the second time step.
  • reference numeral 456 represents both the lateral offset of the object represented by the fusion object 455 for the second time step, ie its extension in the y direction, and the quality of the determination of the lateral offset of the object represented by the fusion object 455 for the second time step
  • reference symbol 457 represents both the measured width of the object represented by the fusion object 455 for the second time step and the quality of the determination of the width of the object represented by the fusion object 455 for the second time step, while the reference symbol 458 for further measured values and attributes relating to the Fusion object 455 stands for the second time step. It is assumed in the example shown in FIG.
  • the processing unit - for example in an association matrix - and represent an object 10, 20.
  • the aim of the evaluation shown is, for example, to determine the width of this object. Alternatively, a different extension could of course also be determined.
  • the output of the coordinator 660 is connected in FIG. 15 with an arrow with the reference symbol 457, which is intended to express that the processing value in the first evaluation algorithms 610, 620, 630, the second evaluation genealogy algorithm 640 and the coordinator 660 is the measured value or the estimated value the width of the object represented by the fusion objects 445 and 455 from the first Time step (fusion object 445) for the second time step (fusion object 455) was updated or improved.
  • the first evaluation algorithm 600 as shown in FIG. 16, is described in more detail below.
  • the first evaluation algorithm 600 has a value for the transverse deposit and a quality value for the transverse deposit.
  • the first evaluation algorithm 600 has - at least potentially - a value for the width and a quality value for the width.
  • a query is made as to whether width information is available at the second input 602. If this is the case, a branch is made to a method step provided with the reference symbol 605, which forwards the width available at the second input 602 and its quality information as output variables of the first evaluation algorithm 600 to the output 607 of the first evaluation algorithm 600.
  • step 603 a branch is made in step 603 to a method step provided with the reference symbol 609, in which the history of the measurement data for transverse storage (that at the first input 601 starting from the corresponding sensor object or starting from the central memory of the processing unit) 400, in which the tracking data of the individual sensor objects are available) an average value of the lateral offset is calculated.
  • the information about the mean value is then forwarded to a method step provided with the reference symbol 604, in which a decision is made as to whether the transverse deposit fluctuates around its mean value.
  • a branch is made to a further method step, provided with the reference symbol 606, in which an estimate for the width of the object in question is generated from the fluctuations in the transverse deposit, which is then connected to the output 607 of the first Evaluation algorithm 600 is passed on. If the lateral storage does not fluctuate around its mean value in step 604, the first evaluation algorithm 600 is either terminated by a further method step shown in FIG. 16 and provided with the reference number 608, or the value (not shown in FIG. 16) is sent to the output 607 "zero" as the estimated or calculated width of the object in question or the absence of a width is coded in the associated quality value.
  • the second evaluation algorithm 640 generates an estimated value for the total width of the data from the information available to it based on the values and grades for cross-filing provided with the reference numerals 116, 216, 226 by means of a "min-max evaluation" Sensor objects 110, 210, 220 represented object.
  • the coordinator 660 generates from the latitude information and the quality information for the latitude information, which are supplied by the first and second evaluation algorithms 610, 620, 630, 640, latitude information which, as shown in FIG. 15, is fed to the fusion object 455 at the second time step ,
  • the method for determining the object size of objects tries to provide an estimate for the extent by searching the sensor objects arriving from the sensors or the object lists for direct and indirect information about the extent of detected objects.
  • One advantage of determining the size at the level of the fusion objects is the redundancy of the incoming data, which is often present. From multiple measurements of the same object over several Size information can be obtained from measuring cycles. Another advantage is the ability to process inhomogeneous size information.
  • the combination of different methods makes it possible to merge both measured object extents and sizes obtained from position measurements, ie to process them on the level of fusion objects.
  • To determine the size of the object several object attributes are taken into account, for example the longitudinal distance, the lateral transverse offset, possibly the object width, object height and object length.
  • Object size build-up from a time-based reflex observation The reflex migration of a radar sensor can be exploited. This requires stable detection of an object over a longer period of time.
  • Object plausibility is used to assess the stability and duration. Above a defined threshold of object plausibility, an object is sufficiently plausible to provide information about the latitude and longitude. At least the standard deviations of the measurement errors are subtracted from the measured minimum and maximum values of the distance and the lateral offset in order to generate a statistically secured expansion.
  • Suitable reflex hikes occur, among other things, in wide curves or during entry and exit procedures, for example on motorways. In order to prevent two separate real objects from being incorrectly used to generate the width, there are jumps in the Data not allowed. This sub-procedure is only used for sufficiently smooth measurement data.
  • Object size build-up from a spatial reflex observation The point-like reflex centers of several individual sensors can be processed. If a single real object is detected by several sensors at different reflection points, an expansion can be built up after just a few measuring cycles. The object width and object length are determined from the minimum and maximum values. The sensor measurements are assigned to one and the same real object 10, 20 in the association step in the processing unit 400.
  • Object size build-up from a spatial fusion of sizes If several individual sensors are used that provide width and / or height and / or length information, extended object widths, heights and lengths can be determined during the processing step of merging, i.e. when the individual objects are merged. The individual dimensions are combined. The resulting sizes are therefore always larger than the individual dimensions.
  • Object size build-up using combined methods If a point measurement (e.g. using radar sensors) is assigned to an existing, tracked fusion object with size information (e.g. using video sensors), the size can be expanded if there is sufficient plausibility, for example by plausible measurements on the edge and outside of the previous object edge.
  • a point measurement e.g. using radar sensors
  • size information e.g. using video sensors
  • One of the aspects of the present invention relates to strategies for weighting object data when creating or updating fusion objects.
  • the Weighting of individual sensor data within the fusion objects is to be carried out intelligently according to the invention.
  • the data supplied by various sensors and assigned to the same fusion object by an association step (which in their entirety represent a real object 10, 20) are merged or associated to form a single data record of the fusion object.
  • the aim is to achieve the greatest possible accuracy in the data of the fusion objects. Due to different physical measurement principles, the individual sensors have different detection properties. In addition, there may also be sample variances.
  • the method according to the invention uses additional information about the quality of the data supplied by the method.
  • the main advantage of intelligent weighting of different sensor data is the best possible use of the information about the accuracy of the individual data.
  • the input data can consist of sensor measurement data or of existing and tracked fusion objects or a mixture of both. Another advantage of the method according to the invention is the possibility of fusing fusion objects and individual sensor objects in any desired composition.
  • a quality measure exists for each object date. This measure of quality can be fixed statically or can be supplied dynamically with each measurement.
  • One of the main steps in processing sensor data is Data association in which the available data are assigned to the existing fusion objects. The weighting is done using the quality measure of the individual sensors. The worse the quality of a date, the less weight it has. If there is a number n of data a. 1,. , , , a n before the merger, this is calculated
  • W j ⁇ is greater than or equal to zero for all i and the sum over all W j _ is equal to one.
  • All attributes with continuous values such as distance, speed, acceleration, width, height, length, are object data and can be merged in this way.
  • attributes with discrete values for example the number of tracking cycles, the plausibility
  • Measurement errors of measurands typically have statistical distributions. The variances of such distributions can be used as precision measures, for example. Alternatively, other scalar quality measures are also possible. With regard to a single object attribute, however, a uniform definition of the quality measure must be used.
  • the weights w. j _ are used in a standardized form according to the reciprocal values of the individual quality measurements.
  • a. unc ⁇ a 2 with the variances ⁇ - ⁇ ⁇ - and ⁇ 2 * ⁇ 2 are the weights:
  • the weights w. j _ of the individual sensors are chosen so that the variance of the fusion date is minimal. For this, a multi-dimensional, quadratic optimization problem is solved.
  • the weights depend on the number and values of the individual variances. They can be specified in a closed formula. In the case of two individual data a x and a 2 with the variances ⁇ 1 * ⁇ 1 and ⁇ 1 * ⁇ 1, the weights are:
  • the plausibility describes how safely and reliably an object is detected. It accompanies a fusion object throughout its life.
  • object plausibility plays an important role.
  • the plausibility can be passed on to vehicle guidance systems or driver assistance systems as an essential object attribute, in particular a fusion object. This increases the level of detail of a driving environment detected by sensors. Classification and interpretation benefit in particular a recorded driving environment based on the quality of the plausibility.
  • the plausibility is created as an attribute of an object, that is to say in particular a fusion object.
  • the plausibility contains the object history and specifies how reliably an object is detected.
  • the incrementing and decrementing of the plausibility depends on various influencing factors.
  • the plausibility can be defined as a scalar measure. If a new fusion object is created, the plausibility is set to zero or to a value that corresponds to the number of detecting sensors. If the fusion object continues to be detected, the plausibility is continuously increased. An object is considered plausible above a threshold. If measurement misfires occur, the plausibility is reduced accordingly. If the object is not detected over several cycles because it no longer exists or has moved out of the detection range of all the individual sensors used, the plausibility is successively reduced. If it falls below a defined threshold, the fusion object is no longer considered plausible. If the plausibility is sufficiently low, a fusion object is deleted.
  • the plausibility can be normalized to the interval [0.1]. In this case, a compact range of values is defined. Appropriate discretization allows the required storage space to be determined regardless of the time. Will a change in a plausibility value calculated, which would result in leaving the interval [0.1], the changed value is limited by a limiter downwards by zero and upwards by one. If an increment or decrement results in arithmetical values between the discretization levels, you can round to the nearest discretization value.
  • the basic increment denotes the smallest unit of a plausibility change. This increment can be constant or variable. Different variants are possible:
  • a constant value, around 0.1, can be used as the basic increment.
  • An exponential value can be selected as the basic increment. If the plausibility lies approximately in the interval [0.1], only small changes take place near 0 and 1. The changes are greatest at 0.5. The values 0 and 1 are only reached asymptotically.
  • the increments and decrements of the plausibility measure are determined depending on the number and quality of the objects of the individual sensors.
  • the increment can e.g. proportional to the number of individual objects.
  • the plausibility is recalculated in time with the sensor data fusion.
  • the cycles of the sensor data fusion can be of the same or of a different cycle length.
  • the plausibility of the individual sensors can be weighted equally.
  • the sensors are treated equally based on the age of the data supplied by the sensors and the characteristic sensor cycle time. If within a clock of sensor data fusion, i.e. Decrementing takes place within the time period in which the processing algorithm is repeated, an object could be measured based on the sensor cycle time, but is actually not measured, otherwise not.
  • a fusion object is considered plausible for applications if its plausibility measure is above a specified threshold.
  • a hysteresis can be built into this threshold. If the plausibility lies in the interval [0.1], e.g. 0.3 such a threshold. With hysteresis, this value can be set to 0.4 with increasing plausibility and to 0.2 with decreasing plausibility.
  • FIG. 17 shows a scheme for plausibility management.
  • a fusion object 445 at a first time step Such a fusion object comprises, as an attribute, a plausibility measure, which is identified in FIG. 17 for the fusion object 445 for the first time step with the reference symbol 449.
  • a plausibility measure which is identified in FIG. 17 for the fusion object 445 for the first time step with the reference symbol 449.
  • sensor objects that are supplied by sensors 100, 200, 300 were assigned to fusion object 445 in the first time step.
  • the plausibility measure for the fusion object 445 for the first time step is now to be updated for the second time step.
  • This update represents the fusion object 455 also shown in FIG. 17 for the second time step, which also includes a plausibility measure, which is identified by the reference symbol 459.
  • a method step denoted by reference numeral 672 is carried out, at which, starting from the fusion object 445 at the first point in time and starting from the plausibility measure 449, an arrow points in each case and which calculates the base increment based on the plausibility measure 449. Then, starting from the method step identified by reference number 672, a further method step designated by reference number 673 is carried out. To this end, an arrow points from reference number 672 to reference number 673.
  • the plausibility is incremented or decremented, specifically as a function of information which, in direct or indirect manner, in method step identified by reference number 673, also starting from those in FIG shown sensors 100, 200, 300 are present.
  • the value for the plausibility checked in the method step provided with the reference symbol 674 is then made available to the fusion object 455 in the second time step, which is identified by arrows from the reference symbol 674 in each case to the fusion object 455 for the second time step and also its plausibility attribute 459 in FIG. 17.
  • the sensors 100, 200, 300 each deliver sensor objects which are associated with the fusion objects 445, 455 for the first and for the second time step.
  • the sensors 100, 200, 300 provide information which is processed in a method step which is carried out separately for all sensors but in a uniform manner and is provided with the reference number 670, which is shown in FIG. 17 with an arrow from each of the sensors 100, 200, 300 is shown with reference numerals 670 present in a corresponding plurality.
  • the processing in the method step denoted by reference number 670 includes in particular the determination of the sensor quality and the determination of the data age.
  • the information supplied by the sensors 100, 200, 300 and processed and processed in the method steps provided with the reference number 670 is made available to a method step identified with the reference number 671, which is indicated by an arrow pointing to the reference number 671, starting from the reference number 670 in FIG 17 is shown.
  • the one designated by reference number 671 In the method step, the sensor data originating from the individual sensors 100, 200, 300 are weighted and the result is made available to the method step identified by reference number 673, as has already been described above and is shown in FIG. 17 by an arrow from reference number 671 to reference number 673 ,
  • One of the aspects of the present invention relates to a method for prioritizing fusion objects.
  • the task is to carry out an optimized selection of relevant fusion objects.
  • a fixed and limited memory area is usually provided for the fusion object list.
  • the forwarding of the information from the fusion objects via the bus system B means additional effort, which must also be within the limits of the available resources. If several individual sensors are used and all objects of the individual sensors are taken into account, the list of fusion objects can be significantly longer than the lists of individual sensors. If the number of fusion objects is limited, a selection must be made.
  • Such prioritization of fusion objects is application-specific. It is particularly advantageous in the method according to the invention that a method or a device for prioritizing fusion objects is used, in which or in which there is a concentration on the sensor information relevant to a defined application. If only relevant information is processed and forwarded, this saves resources and increases the speed of information processing. This is advantageous in highly dynamic situations or Dangerous situations (e.g. when an automatic emergency braking function is active) in which the cycle rate of the sensor data fusion can then be increased. In such situations, a reduced data fusion can only take place on the data of the essential - ie prioritized - objects. A selection is made from all potential merger objects. The selection is made in such a way that the fusion object list always contains the most relevant objects.
  • the prioritization is based on an internal ranking, i.e. the creation of a list of priorities.
  • the ranking is based on a priority measure.
  • Fusion objects are sorted and managed according to their relevance. The highest priority merged objects are the most relevant and remain in the list of merged objects. If new fusion objects arise, their priority measures are compared with those of the already existing fusion objects. If there are more potential fusion objects than list positions, the least relevant objects are removed from the fusion object list or not added at all.
  • a scalar measure can be used to describe the priority.
  • a fine discretization of the priority measure should be used if possible. Standardization, for example to the interval [0.1], is possible. However, it must then be ensured that the saturation of the priority to the value 1 is practically not achieved. Otherwise, no clear ranking can be drawn up.
  • Application-dependent selection of influences on the priority Function-dependent information is used to calculate the priority measure. This information is provided by the application. Possible data are the lane and the driving tube of your own vehicle or the distance and the relative speed to a vehicle in front in your own or an adjacent lane. Depending on the application, the vehicle's own speed can also influence the relevance of objects. Further information relevant to prioritization is, for example, the steering angle, the yaw rate or the wheel speed.
  • the priority is recalculated in time with the sensor data fusion. Information from the application is evaluated to determine the priority. It is possible to use fixed priority constants for events. For a priority measure standardized to the interval [0,1], such constants can be in the percentage or alcohol range. For each event that occurs, the associated constant is added to the priority measure. The level of the constant defines its importance. Multiple events can be overlaid. Events of an object are e.g. the presence of the object in its own lane, a high deceleration value of a vehicle cutting in, or the use of the object as a target object by a controller (e.g. ACC controller).
  • a controller e.g. ACC controller

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

Es wird ein Verfahren und eine Vorrichtung zum Austausch und zur gemeinsamen Verarbeitung von Objektdaten zwischen Sensoren (100, 200, 300) und einer Verarbeitungseinheit (400) vorgeschlagen, wobei Positionsinformationen und/oder Geschwindigkeitsinformationen und/oder weitere Objektattribute (Grösse, Identifikation, Marken) von Sensorobjekten (110, 120, 210, 220) und Fusionsobjekten (410, 420, 430) übertragen und verarbeitet werden.

Description

Verfahren und Vorrichtung zum Austausch und zur Verarbeitung von Daten
Stand der Technik
Gegenwärtige Fahrzeugführungsfunktionen, wie beispielsweise ACC (Adaptive Cruise Control) basieren auf der Aufbereitung und Verarbeitung der Informationen von nur einem Umfeldsensor, beispielsweise eines 77 GHz-FMC -Radars . Ein Austausch von Informationen zwischen verschiedenen Umfeldsensoren sowie eine gemeinsame Verarbeitung von h Sensordaten unterschiedlichen Ursprungs ist nicht möglich. Der bidirektionale Austausch von Informationen zwischen verschiedenen Umfeldsensoren und einer zentralen Einheit ist bislang nicht bekannt.
Vorteile der Erfindung
Das erfindungsgemäße Verfahren und die erfindungsgemäße Vorrichtung mit den Merkmalen der nebengeordneten Ansprüche hat demgegenüber den Vorteil, daß die Detektionsleistung, d.h. die Qualität der Sensorsignale, die Detektionsrate und das Ansprechverhalten, von Einzelsensoren bzw. von Sensorclustern verbessert wird, die Falschalarmrate reduziert wird und die Fälle von Sensorausfall bzw. von Sensorblindheit einfacher und verlässlicher diagnostizierbar sind. Dazu werden gezielt aus einer zentralen Verarbeitungseinheit, beispielsweise einer Informationsplattform IP bzw. einer Sensordatenfusionseinheit SDF Objektinformationen von den Einzelsensoren verarbeitet und aufbereitet und an die Einzelsensoren verteilt.
Es ist erfindungsgemäß insbesondere von Vorteil, daß Informationen gezielt aus der zentralen Verarbeitungseinheit zurück an die Einzelsensoren bzw. an die Sensorcluster verteilt wird. Dies beinhaltet beispielsweise die zeitliche Zuordnung der Daten der Fusionsobjekte zu den Sensorobjekten und umgekehrt die Identifikation gleicher Objekte in der Verarbeitungseinheit und in den Einzelsensoren sowie eine Prädiktion der Objektbewegungen. Wird die an die Einzelsensoren zurück geflossene Information, beispielsweise die Information darüber, daß ein Objekt in den Erfassungsbereich eines anderen Sensors einzudringen droht, von den Sensoren zur Präkonditionierung - beispielsweise zur Absenkung von Detektionsschwellen und/oder zur Initialisierung von Filterparametern - verwendet, wird insgesamt eine höhere Detektionsleistung und Dektektionssicherheit sowie ein verbessertes Ansprechverhalten der Obj ektdetektion erreicht. Bei der Überlappung der Detektionsbereiche verschiedener Sensoren kann von der unterschiedlichen Güte einzelner, kompatibler Sensorsignale Gebrauch gemacht werden, in dem beispielsweise die im allgemeinen genauere Auflösung der Querablage bei der Obj ektdetektion eines Videosensors zur Stützung der Winkellage desselben, von einem 77GHz-Radar detektierten Objekts verwendet wird. Darüberhinaus kann der höhere Grad des vernetzten Datenaustausches dazu genutzt werden, die Falschalarmrate von Einzelsensoren zu vermindern und zu helfen, Sensorausfälle oder Sensorblindheit zu diagnostizieren und zu interpretieren.
Weiterhin ist es erfindungsgemäß vorteilhaft möglich, dass Informationen von verschiedenen Umfeldsensoren, wie zum Beispiel Radar, Lidar und Video, gemeinsam verarbeitet werden und verdichtet werden. Hierdurch wird eine umfassendere, zuverlässigere, schnellere und im zeitlichen Mittel qualitativ hochwertigere Objektinformation möglich, ausgehend von den von den Sensoren gelieferten Meßdaten, als dies mit einem einzelnen Sensor möglich wäre.
Darüberhinaus ist die Verfolgung und Identifizierung von Objekten durch die unterschiedlichen Erfassungsbereiche der Sensoren durchgängig möglich. Die aufbereiteten und verdichteten Informationen über Objekte des Fahrzeugumfeldes können Fahrfunktionen, wie zum Beispiel
Fahrzeugführungssystemen oder Fahrzeugsicherheitssystemen, zur Verfügung gestellt werden.
Vorteilhaft ist insbesondere die Verwendung eines algorithmischen Verfahrens, welches es erlaubt, aktuelle Objekte, wie zum Beispiel Sensorobjekte, historischen Objekten, beispielsweise Fusionsobjekte oder sogenannte "Tracks", d.h. Historien von Meßwerten, zuzuordnen. Diese Zuordnung wird erfindungsgemäß als Datenassoziation bezeichnet. Weitere Verarbeitungsschritte des erfindungsgemäßen algorithmischen Verfahrens umfassen die Schritte, Fusionsobjekte zu verschmelzen, was im folgenden auch als Merging bezeichnet wird, und neue Fusionsobjekte, insbesondere zur Berücksichtigung von Objekthypothesen, zu generieren. Diese Aufgaben werden mit dem beschriebenen Verfahren mit hoher Effizienz durchgeführt. Für die Assoziation ist beispielsweise ein Rechenaufwand notwendig, der proportional zu dem Produkt n*m ist, wobei n die Anzahl der Fusionsobjekte bezeichnet und wobei m die Anzahl von Sensorobjekten bezeichnet. Der Rechenaufwand für den Merging-Schritt ist erfindungsgemäß proportional zu n*n. Weiterhin ist es erfindungsgemäß vorteilhaft, dass das erfindungsgemäße Verfahren mit einer verzögerten Entscheidungslogik durchgeführt wird, welche es erlaubt, im Konfliktfall die Entscheidung, welches Meßobjekt, d.h. Sensorobjekt, welcher Objekthypothese zugeordnet wird, erst in nachfolgenden Meßzyklen endgültig zu entscheiden. Durch die Verarbeitungsschritte des erfindungsgemäßen Verfahrens werden die oben genannten Ziele einer umfassenderen, zuverlässigeren, schnelleren und im zeitlichen Mittel qualitativ hochwertigeren Objektinformation und die Verfolgung und Identifizierung von Objekten durch die unterschiedlichen Erfassungsbereiche der Sensoren hinweg möglich. '
Durch die in den Unteransprüchen aufgeführten Maßnahmen sind vorteilhafte Weiterbildungen und Verbesserungen des in den nebengeordneten Ansprüchen angegebenen Verfahrens bzw. der Vorrichtung möglich.
Zeichnung
Ein Ausführungsbeispiel der Erfindung ist in der Zeichnung dargestellt und in der nachfolgenden Beschreibung näher erläutert. Es zeigen:
Figur 1 ein System zur Verarbeitung von Sensordaten,
Figur 2 einen Teilaspekt der Objektrepräsentierung in einem erfindungsgemäßen System,
Figur 3 ein Ablaufdiagramm für den Datenaustausch zwischen einer erfindungsgemäßen Verarbeitungseinheit und erfindungsgemäßen Sensoren,
Figur 4 ein Struktogramm des erfindungsgemäßen
Verarbeitungsalgorithmus ,
Figur 5 ein erstes Beispiel einer Meßsituation,
Figur 6 die Darstellung der Datenassoziation für das erste
Beispiel,
Figur 7 die Darstellung der Fusion für das erste Beispiel,
Figur 8 die Darstellung des Merging für das erste Beispiel,
Figur 9 ein zweites Beispiel einer Meßsituation,
ERSATZBLATT Figur 10 die Darstellung der Datenassoziation für das zweite
Beispiel,
Figur 11 die Darstellung der Fusion für das zweite Beispiel,
Figur 12 die Darstellung des Merging für das zweite
Beispiel ,
Figur 13 die Darstellung der Überbrückung einer
Detektionslücke zwischen zwei Detektionsbereichen,
Figur 14 das System zur Verarbeitung von Sensordaten in einer abgewandelten Darstellung,
Figur 15 ein Verarbeitungsdiagramm zur Bestimmung einer
Obj ektgröße ,
Figur 16 einen Teilalgorithmus zur Bestimmung einer
Objektgröße und
Figur 17 ein Schema zu einer Plausibilitätsverwaltung.
Beschreibung des Ausführungsbeispiels
In Figur 1 ist ein System zur Verarbeitung von Sensorinformationen dargestellt. Das System umfaßt in der Regel eine Mehrzahl von Sensoren, beispielsweise einen in der Figur 1 dargestellten ersten Sensor 100, einen zweiten Sensor 200 und einen dritten Sensor 300. Jeder der Sensoren 100, 200, 300 ist mit einem Bussystem verbunden, welches mit dem Bezugszeichen B gekennzeichnet ist. Das Bussystem B ist weiterhin an einer Verarbeitungseinheit 400 angeschlossen. Das Bussystem B soll sicherstellen, daß der Austausch von Daten zwischen jedem der Sensoren 100, 200, 300 und der Verarbeitungseinheit 400 sichergestellt ist bzw. einfach und schnell durchführbar ist und daß eine gewisse Bandbreite zum Datenaustausch bidirektional zur Verfügung steht.
Das Bussystem B ist erfindungsgemäß insbesondere als CA -Bus (Controller area network-Bus) vorgesehen. Erfindungsgemäß ist es jedoch auch möglich, eine beliebige andere Busarchitektur zu verwenden.
ERSATZBLATT Die Verarbeitungseinheit 400 wird erfindungsgemäß insbesondere als Sensordatenfusionseinheit 400 bzw. als Informationsplattform 400 bezeichnet. Bei den Sensoren 100, 200 , 300 handelt es sich erfindungsgemäß insbesondere um Einzelsensoren oder auch um ganze Sensorcluster .
In Figur 2 ist ein erfindungsgemäßes System mit beispielshaf zwei Sensoren, nämlich dem ersten Sensor 100 und dem zweiten Sensor 200 sowie mit der Verarbeitungseinheit 400 und dem diese Einheiten verbindenden Bus B dargestellt .
Das erfindungsgemäße System bzw. die erfindungsgemäße Vorrichtung zur Durchführung des erfindungsgemäßen Verfahrens dient insbesondere dazu, in ein Kraftfahrzeug eingebaut zu werden, um das Fahrzeugumfeld des Kraftfahrzeugs möglichst gut zu beschreiben, so daß automatisierte Fahrf nktionen bzw. Sicherheitsfunktionen ausführbar sind. Hierzu ist in Figur 2 ein erstes Objekt 10 und ein zweites Objekt 20 im Außenumfeld des (nicht dargestellten) Kraftfahrzeugs dargestellt, in welches der erste Sensor 100 und der zweite Sensor 200, wie auch die Verarbeitungseinheit 400 und das Bussystem B eingebaut ist.
Erfindungsgemäß ist es insbesondere vorgesehen, dass als Sensoren Videosensoren, Radarsensoren - beispielsweise 77- GHz-Long-Range-Sensoren, 77-GHz-Medium-Range-Sensoren, 24- GHz-Short-Range-Sensoren - , Lidarsensoren, Lasersensoren oder Ultraschallsensoren Verwendung finden. In jedem Fall gibt es eine Wechselwirkung zwischen den Sensoren 100, 200, 300 und den Objekten 10, 20. Bei Videosensoren besteht die Wechselwirkung beispielsweise darin, daß ein solcher Videosensor das optische Bild des Fahrzeugsumfelds aufzeichnet und derart analysiert, daß Objekte 10, 20 im Umfeld des Kraftfahrzeugs erkennbar sind. Bei Radarsensoren ist es erfindungsgemäß beispielsweise so, daß der Radarsensor eine Radarwelle aussendet und die von der Umwelt zurückgeworfene Reflexionswelle sensiert und daraus die Objekte 10, 20 erkennbar sind. Weiterhin ist es erfindungsgemäß vorgesehen, als Sensoren 100, 200 beispielsweise Ultraschallsensoren zu verwenden. Die verschiedenen Ankopplungen der Sensoren 100, 200 an die Umwelt des Fahrzeugs sind in Figur 2 mit den mit den Bezugszeichen 30 bzw. 31 versehenen Pfeilen dargestellt, wobei die mit dem Bezugszeichen 30 versehenen Pfeile vom ersten Sensor 100 zum ersten Objekt 10 und zum zweiten Objekt 20 hin bzw. zurückweisen und wobei die Pfeile 31 vom zweiten Sensor 200 ebenfalls zum ersten Objekt 10 und zum zweiten Objekt 20 hin und zurückweisen. Hierdurch soll beispielsweise veranschaulicht werden, dass sich das erste und das zweite Objekt 10, 20 im Erfassungsbereich jeweils des ersten Sensors 100 und des zweiten Sensors 200 befindet.
Erfindungsgemäß ist es vorgesehen, daß in den Sensoren 100, 200 bereits eine gewisse Vorverarbeitung des Datenstroms durchgeführt wird, welcher der kontinuierlichen bzw. gepulsten Messung oder Sensierung des Fahrzeugumfelds entspricht. Dies ist in der Regel technisch notwendig, weil dadurch eine Datenreduktion möglich ist und somit Übertragungsbandbreite auf dem Bussystem B eingespart werden kann. Die Vorverarbeitung in den Sensoren 100, 200 besteht erfindungsgemäß insbesondere darin, daß ausgehend von den Objekten 10, 20 in der realen physikalischen Umwelt des mit dem erfindungsgemäßen System ausgestatteten Fahrzeugs sogenannte Datenobjekte von den Sensoren 100, 200 erzeugt werden. In Figur 2 ist beispielhaft links neben dem den ersten Sensor 100 darstellenden Kasten eine geschweifte Klammer dargestellt, die die Bezugszeichen 110 und 120 umfaßt. Die Bezugszeichen 110, 120 stehen dabei für solche von dem ersten Sensor 100 generierten Datenobjekte, die ausgehend von den Objekten, beispielsweise dem ersten Objekt 10 und dem zweiten Objekt 20 in der realen Umwelt des Fahrzeugs, erzeugt wurden. Solche Datenobjekte, die von einem der Sensoren 100, 200 erzeugt werden, sind als ein Satz von Informationen auffassbar, die zu der Repräsenta ion eines realen, in der Umwelt des Fahrzeugs befindlichen Objekts - oder auch lediglich eines vom Sensor fälschlicherweise erkannten, aber nicht vorhandenen Objekts - gehören. Da die Sensoren 100, 200 solche Datenobjekte generieren und an die Verarbeitungseinheit 400 weiterleiten, werden die von den Sensoren 100, 200, 300 erzeugten Datenobjekte auch vereinfachend Sensorobjekte genannt. Im folgenden werden Sensorobjekte auch verallgemeinernd Sensordaten genannt. In der Figur 2 ist daher mit einem zweiseitigen Pfeil neben dem ersten Sensor 100 in der bereits angesprochenen geschweiften Klammer ein erstes Sensorobjekt 110 und ein zweites Sensorobjekt 120 dargestellt. Ebenso ist innerhalb einer weiteren geschweiften Klammer neben dem zweiten Sensor 200 ein drittes Sensorobjekt 210 und ein viertes Sensorobjekt 220 dargestellt. Das erste und zweite Sensorobjekt 110, 120 wurde im Beispiel von dem ersten Sensor 100 erzeugt und das dritte und vierte Sensorobjekt 210, 220 wurde im Beispiel von dem zweiten Sensor 200 erzeugt. Die Sensorobjekte 110, 120, 210, 220 können auch Teile von realen Objekten umfassen (z.B. beim Videosensor Kanten, oder Teile von Objektumrissen) .
Die Informationen über die Sensorobjekte 110, 120, 210, 220 werden in der Folge der Verarbeitung der von den Sensoren 100, 200 gemessenen Daten über das Bussystem B zu der Verarbeitungseinheit 400 weitergeleitet. Die Verarbeitungseinheit 400 nimmt eine weitere Datenreduktion vor und generiert in ähnlicher Weise wie die Sensoren 100, 200 ebenfalls sogenannte Datenobjekte, welche jedoch zur Differenzierung von den Sensorobjekten nachfolgend Fusionsobjekte oder auch verallgemeinernd Fusiondaten genannt werden. In ähnlicher Weise wie bei den Sensoren 100, 200 ist in Figur 2 neben der Verarbeitungseinheit 400 eine geschweifte Klammer mit einem ersten Fusionsobjekt 410 und einem zweiten Fusionsobjekt 420 dargestellt.
In Figur 2 ist weiterhin ein Regler 500 dargestellt, welcher mit der Verarbeitungseinheit 400 verbunden ist. Erfindungsgemäß macht es keinen Unterschied, ob der Regler 500 direkt mit der Verarbeitungseinheit 400 verbunden ist oder ob der Regler 500 über das Bussystem B mit der Verarbeitungseinheit 400 verbunden ist. In Figur 3 ist beispielhaft die erste dieser beiden Alternativen dargestellt .
Die Begriffsbildung für den Begriff "Fusionsobjekt" leitet sich insbesondere aus der synonymen Bezeichnung der Verarbeitungseinheit 400 als Sensordatenfusionseinheit SDF 400 ab. Dies rührt daher, daß die von den Sensoren 100, 200 gelieferten Sensorobjekte in der Verarbeitungseinheit 400 "fusioniert" werden.
In Figur 3 ist ein Ablaufdiagramm für den Datenaustausch zwischen der Sensordatenfusion bzw. der Verarbeitungseinheit 400 und einem beispielhaft dargestellten Sensorsystem, bestehend aus einem ersten Sensor 100 als FMCW-Radar und einem zweiten Sensor 200 als Videosensor, dargestellt. Das Ablaufdiagramm in Figur 3 stellt einen sich wiederholenden Ablauf der Umfelderkennung durch die Sensoren 100, 200 dar. Dargestellt ist der Zustand nach einer möglicherweise vorgesehenen Initialisierung, d.h. es ist der "eingeschwungene" Zustand dargestellt. Die Erläuterung der Figur 3 beginnt daher willkürlich an einer Stelle der Regelschleife.
Der erste Sensor 100 ist im Beispiel als Radarsensor vorgesehen und liefert an die Verarbeitungseinheit 400 ein erstes Sensorobjekt 110 und ein zweites Sensorobjekt 120. Dies ist in Figur 3 derart dargestellt, daß ein von dem ersten Sensor 100 zu der Verarbeitungseinheit 400 weisender Pfeil ein Kästchen mit (unter anderem) der Beschriftung 110 und 120 umfaßt. Weiterhin überträgt der erste Sensor 100 an die Verarbeitungseinheit 400 eine erste Zeitinfor ation, welche mit dem Bezugszeichen 99 versehen ist. Da die erste Zeitinformation 99 ebenfalls an die Verarbeitungseinheit 400 übertragen wird, befindet sich auch das Bezugszeichen 99 in dem Kästchen welches von dem Pfeil zwischen dem ersten Sensor 100 und der Verarbeitungseinheit 400 umfaßt ist. In entsprechender Weise sendet der zweite Sensor 200, welcher im Beispiel als ein Videosensor ausgeführt ist, ein drittes Sensorobjekt 210 und ein viertes Sensorobjekt 220 zusammen mit einer zweiten Zeitinformation 199 an die
Verarbeitungseinheit 400. Dies ist analog zum Pfeil zwischen dem ersten Sensor 100 und der Verarbeitungseinheit 400 durch einen Pfeil zwischen dem zweiten Sensor 200 und der Verarbeitungseinheit 400 dargestellt, welcher ein Kästchen umfaßt, das mit den Bezugszeichen 210, 220 und 199 beschriftet ist.
Die erste Zeitinformation 99 und die zweite Zeitinformation 199 sind erfindungsgemäß insbesondere als Zeitstempel vorgesehen, die von den Sensoren 100, 200 erzeugt werden, und an die Verarbeitungseinheit 400 übertragen werden. Es ist erfindungsgemäß für eine erste Variante der Erfindung vorgesehen, daß solche Zeitstempel entweder von den Sensoren 100, 200 in "absoluter Weise" generiert werden, so daß sie sich nicht auf einen Bezugspunkt beziehen. Es ist jedoch erfindungsgemäß für eine zweite Variante der Erfindung ebenfalls vorgesehen, daß die Verarbeitungseinheit 400 in regelmäßigen oder in unregelmäßigen zeitlichen Abständen eine "zentrale Zeitinformatiσn" an die Sensoren 100, 200 sendet, so daß die erste und die zweite Zeitinformation 99, 199 als "relativer Zeitwert" in Bezug auf die zentrale Zeitinformation der Verarbeitungseinheit 400 zu verstehen sind. Die zentralen ZeitInformationen von der Verarbeitungseinheit 400 an die Sensoren 100, 200 sind in Figur 3 als Kästchen mit dem Bezugszeichen 399 dargestellt.
Ausgehend von den Sensorobjekten 110, 120, 210, 220 werden in der Verarbeitungseinheit 400 die Fusionsobjekte erzeugt. Hierzu sind in der Figur 3 beispielhaft ein erstes Fusionsobjekt 410, ein zweites Fusionsobjekt 420 und ein drittes Fusionsobjekt 430 dargestellt. Die Verarbeitungseinheit 400 verfügt über Ressourcen zur Verwaltung einer Mehrzahl von Fusionsobjekten 410, 420, 430. Ein wesentlicher Aspekt eines FusionsObjektes 410, 420, 430 ist eine Liste, bzw. eine Menge, die die Liste bzw. die Menge der Sensorobjekte ist, die in dem Fusionsobjekt enthalten sind bzw. die dem Fusionsob ekt zugeordnet sind. Dies ist so zu verstehen, daß ein und dasselbe im Fahrzeugumfeld befindliche Objekt 10, 20 - beispielsweise das erste Objekt 10 - erfindungsgemäß beispielsweise von mehreren Sensoren 100, 200, 300 erfaßt wird. Die das erste Objekt 10 erfassenden Sensoren 100, 200, 300 würden erfindungsgemäß jeweils ein Sensorobjekt an die Verarbeitungseinheit 400 senden, welches zu dem ersten Objekt 10 gehört bzw. dieses repräsentiert. In der Verarbeitungseinheit 400 würde nun zur Bildung eines Fusionsobjektes zum ersten Objekt 10 diese, von verschiedenen Sensoren gelieferten Informationen, d.h. Sensorobjekten, bezüglich des ersten Objektes 10 zu der eben angesprochenen Liste der in einem Fusionsobjekt z sammengefassten Sensorobjekte zusammengefaßt.
So umfaßt das erste Fusionsobjekt 410 beispielsweise das erste Sensorobjekt 110 und das vierte Sensorobjekt 220, d.h. das vom Radarsensor 100 erfaßte erste Sensorobjekt 110 entspricht aufgrund seiner Koordinaten und seiner Geschwindigkeit dem vom Videosensor erfaßten vierten Sensorobjekt 220 und wird daher in der Verarbeitungseinheit 400 zum ersten Fusionsobjekt 410 zusammengefaßt.
Im Beispiel umfaßt das zweite Fusionsobjekt 420 lediglich das zweite Sensorobjekt 120 und das dritte Fusionsobjekt 430 umfaßt im Beispiel das dritte Sensorobjekt 210.
Ausgehend von dieser Konstellation werden nun die verschiedenen erfindungsgemäßen Merkmale des Austausche von Daten zwischen den Sensoren 100, 200, 300 und der Verarbeitungseinheit 400 anhand des in Figur 3 dargestellten Beispiels näher erläutert.
Die Fusionsobjekte 410, 420, 430 umfassen sogenannte Attribute, wobei die Attribute der FusionsObjekte 410, 420, 430 unter anderem die physikalischen Eigenschaften und zugehörigen Qualitätsmaße der fusionierten Objektdaten sowie einen Zeitstempel umfassen, der die Daten bzw. Attribute einem Fusionstakt zuordnet. Einem Fusionstakt entspricht in diesem Zusammenhang der Zeittakt, der in der Verarbeitungseinheit 400 vorgesehen ist, die Daten konsistent zu halten und zu aktualisieren. Eine weitere Gruppe von Attributen der Fusionsobjekte 410, 420, 430 beschreibt die Zuordnung der Sensorobjekte zu den Fusionsobjekten, beispielsweise über eine Sensorobjekt- Identifikation (beispielsweise eine Nummer bzw. ein Name) und einem relativen Zeitstempel, der den Zeitpunkt der Originalmessung relativ zum zentralen Zei Stempel bzw. der zentralen Zeitinformation 399 aus der Verarbeitungseinheit 400 beinhaltet. Erfindungsgemäß ist es insbesondere vorgesehen, daß die Zeitinformationen 99, 199 und die zentrale Zeitinformation 399 in jedem Meß- bzw. Fusionszyklus oder auch Fusionstakt unabhängig davon ausgetauscht werden, ob mit den Zeitinformationen 99, 199 bzw. der zentralen Zeitinformation 399 auch Objektdaten, d.h. Informationen, die sich auf ein Sensorobjekt bzw. ein Fusionsobjekt beziehen, verbunden sind. Auf diese Weise ist eine bestmögliche Synchronisation zwischen der Verarbeitungseinheit 400 und den Einzelsensoren 100, 200, 300 auf den Sensordatenfusionstakt gewährleistet. Die Ungenauigkeiten liegen im Bereich der Übertragungszeiten des Bussystems B und der Wartezeiten bei der Bearbeitung der Daten.
In der Verarbeitungseinheit 400 wird nun ausgehend von den Inhalten der Fusionsobjekte 410, 420, 430 entschieden, welche Informationen und Daten zu welchem Sensor 100, 200, 300 zurückfließen. Die Basis hierfür bietet einerseits das a priori Wissen, beispielsweise über die Güte der jeweiligen Sensordaten und die Erfassungsbereiche der Sensoren, andererseits die aktuelle Güteinformation, die sich auf eine Messung in einem Sensor 100, 200 bezieht und von dem Sensor mit dem Datensatz des Sensorobjekts an die
Verarbeitungseinheit 400 übertragen wird. Weiterhin ist die Historie der Fusionsobjektdaten eine Entscheidungsgrundlage dafür, welche Informationen und Daten zu welchem Sensor 100, 200, 300 zurückfließen. Die Berücksichtigung der Signalgüten setzt die Kompatibilität der Daten und die Transformation auf ein einheitliches Koordinatensystem voraus.
Im Beispiel der Figur 3 ist es nun erfindungsgemäß so, daß im ersten Fusionsobjekt 410 die Informationen des ersten Sensorobjektes 110 und die Informationen des vierten Sensorobjektes 220 vorliegen. Daher ist es erfindungsgemäß in einer solchen Situation vorgesehen, daß von der Verarbeitungseinheit 400 eine Qualitätsüberprüfung durchgeführt wird. Dies wird in der Figur 3 durch die mit den Bezugszeichen 402 und 403 bezeichneten Kästchen dargestellt, zu denen jeweils ausgehend vom mit dem Bezugszeichen 410 bezeichneten Kästchen Pfeile weisen. In der Qualitätsüberprüfung mit dem Bezugszeichen 402 wird beispielsweise festgestellt, daß die y-Koordinate des realen, in der Fahrzeugumgebung befindlichen Objekts, welche durch das erste Fusionsobjekt 410 repräsentiert wird, durch den zweiten Sensor, d.h. ein Videosensor, besser gemessen wird, als durch den ersten Sensor, d.h. den Radarsensor. Von daher wird der von dem zweiten Sensor 200 gemessene Wert für die y-Koordinate des ersten Fusionsobjekts 410 an den ersten Sensor 100 weitergeleitet, um den ersten Sensor 100 zu einer genaueren bzw. allgemein einer weiteren Messung der y- Koordinate seines dem ersten Fusionsobjekt 410 zugeordneten ersten Sensorobjekts 110 zu bewegen. Damit der erste Sensor 100 erkennen kann, auf welches Sensorobjekt sich die von der Verarbeitungseinheit 400 gesendete Information über die y- Komponente bezieht, wird von der Verarbeitungseinheit erfindungsgemäß zusätzlich zu dem Wert der y-Komponente noch die Identifikation des betreffenden Sensorobjektes, d.h. in dem im Beispiel betrachteten Fall des ersten Sensorobjektes 110 übermittelt. In ähnlicher Weise wird nach dem durch das Bezugszeichen 403 repräsentierten Qualitätscheck bzw. der Qualitätsüberprüfung die Geschwindigkeitskomponente in x- Richtung an den zweiten Sensor 200, d.h. den Videosensor übermittelt, weil der Wert für die
Geschwindigkeitskomponente in x-Richtung, der von dem Radar- Sensor, d.h. dem ersten Sensor 100 geliefert wird, in der Regel (a priori Wissen) besser ist, als der Wert für die x- Komponente der Geschwindigkeit, die vom zweiten Sensor 200, d.h. dem Videosensor, gemessen wird. Die Übermittlung der x- Komponente der Geschwindigkeit an den zweiten Sensor 200 wird wiederum zusammen mit der Übermittlung einer Identifikation für das entsprechende Sensorobjekt, d.h. in dem im Beispiel betrachteten Fall für das vierte Sensorobjekt 220 durchgeführt. In der Figur 3 steht das Bezugszeichen 111 für die Identifikation des ersten Sensorobjekts 110, das Bezugszeichen 221 für die Identifikation des vierten Sensorobjekts 220 und der Pfeil ausgehend von der Qualitätsüberprüfung 402 über das Kästchen mit dem Bezugszeichen 111 zum Kästchen mit dem Bezugszeichen 406 dient der Darstellung der Übertragung der Identifikation 111 des ersten Sensorobjekts 110 an den ersten Sensor 100. Ebenso dient der Pfeil, ausgehend von der
Qualitätsüberprüfung im Kästchen mit dem Bezugszeichen 403 zum Kästchen mit dem Bezugszeichen 407, welcher das Kästchen mit dem Bezugzeichen 221, d.h. die Identifikation für das vierte Sensorobjekt 220 trägt, der Darstellung der Übertragung der Identifikation 221 für das vierte Sensorobjekt 220 an den zweiten Sensor 200. Die Übertragung des Wertes der zuvor diskutierten y-Koordinate an den ersten Sensor 100 wurde in Figur 3 nicht gesondert dargestellt, sondern ist als Übertragung zusammen mit der Identifikation 111 des ersten Sensorobjekts 111 zu verstehen. Ensprechend ist die Übertragung der x-Komponente der Geschwindigkeit zusammen mit der Übertragung der Identifikation 221 des vierten Sensorobjekts 220 zu verstehen.
Das zweite Fusionsobjekt 420 umfaßt lediglich das zweite Sensorobjekt 120. Daher wird die Identifikation 121 des zweiten Sensorobjekts 120 an den ersten Sensor 100 zurückgegeben, welches durch einen Pfeil von dem mit dem Bezugszeichen 420 versehenen Kästchen zum mit dem Bezugszeichen 406 versehenen Kästchen dargestellt ist, welcher ein Kästchen mit dem Bezugszeichen 121 für die Identifikation des zweiten Sensorobjektes 120 umfaßt. Ausgehend von der Zuordnung des zweiten Sensorobjekts 120 zum zweiten Fusionsobjekt 420 wird weiterhin in einem Verfahrensschritt, welcher durch ein mit dem Bezugszeichen 404 versehenen Kästchen dargestellt ist, festgestellt, ob das zweite Fusionsobjekt 420 in den Erfassungsbereich des zweiten Sensors 200 eindringt bzw. einzudringen droht oder nicht. Für diese beiden Alternativen hat das Kästchen mit dem Bezugszeichen 404 in der Figur 3 einen ersten Ausgang, welcher durch einen Pfeil symbolisiert ist, der mit einem Querstrich endet, um zu symbolisieren, daß die Verarbeitung an dieser Stelle abbrechen kann. Die Verarbeitung bricht dann ab, wenn festgestellt wird, daß das zweite Fusionsobjekt 420 nicht in den Erfassungsbereich des zweiten Sensors 200 eindringt. Wenn dies andernfalls jedoch der Fall ist (d.h. das zweite Fusionsobjekt 420 dringt in den Erfassungsbereich des zweiten Sensors 200 ein bzw. droht einzudringen) , wird an den zweiten Sensor 200 eine Identifikation für ein weiteres zu erzeugendes Sensorobjekt gesendet. Diese Identifikation für ein weiteres Sensorobjekt, welches in der Sensorobjektliste, die vom zweiten Sensors 200 an die Verarbeitungseinheit gesendet wird, noch nicht enthalten ist, ist in der Figur 3 mit dem Bezugszeichen 231 dargestellt. Zusammen mit der Identifikation 231 für ein weiteres Sensorobjekt, welches im folgenden auch als (nicht dargestelltes) fünftes Sensorobjekt bezeichnet wird, werden die zum zweiten Fusionsobjekt 420 gehörenden Koordinatendaten an den zweiten Sensor 200 gesendet. Diese Koordinatendaten umfassen insbesondere die x- und die y-Komponente der Distanz und die x- und die y-Komponente der Geschwindigkeit des zweiten Fusionsobjekts 420.
In gleicher Weise wird ausgehend vom dritten Fusionsobjekt 430 die Identifikation 211 für das dritte Sensorobjekt 210 an den zweiten Sensor 200 gesendet und in einem Funktionsblock 405 die Entscheidung getroffen, ob das dritte Sensorobjekt 210 bzw. das dritte Fusionsobjekt 430 in den Erfassungsbereich des ersten Sensors 100 eindringen wird oder nicht. Analog zum zweiten Fusionsobjekt 420 wird daher im Falle des Eindringens in den Erfassungsbereich des ersten Sensors 100 eine Identifikation 131 für ein (nicht dargestelltes) sechstes Sensorobjekt zusammen mit den Koordinatendaten des sechsten Sensorobjektes an den ersten Sensor 100 gesendet.
Der Datenaustausch zwischen den Sensoren 100, 200, 300 und der Verarbeitungseinheit 400 findet grundsätzlich unter folgenden Gesichtspunkten statt:
Es wird eine Wiederfindung von Objekten im Sensor durchgeführt, was durch den Austausch von Identifikationen 111, 221, 121, 211 von Sensorobjekten - diese Identifikationen werden auch tracking-Nummern genannt - geschieht, wenn keine Überlappung von Sensorbereichen stattfindet .
Es wird eine Verbesserung der Genauigkeit der Erfassung der Fahrzeugumwelt dadurch herbeigeführt, daß Einzelsignale, die als zu einem Objekt zugehörig identifiziert wurden und eine höhere Qualität als die Ursprungsdaten aufweisen, zur sensorinternen Verwertung gezielt an den Sensor zurückgeschickt werden, der dieses Objekt ebenfalls identifiziert hat. Dazu wird ein Qualitätscheck bzw. eine Qualitätsüberprüfung durchgeführt, vgl. die Beschreibung zu den mit den Bezugszeichen 402 und 403 versehenen Kästchen in Figur 3.
Erfindungsgemäß wird weiterhin eine Verbesserung des Ansprechverhaltens von Sensoren dadurch herbeigeführt, daß dann ObjektInformationen an einen Sensor - beispielsweise der erste Sensor 100 -, der ein Objekt - beispielsweise das erste Objekt 10 - noch nicht detektiert, weitergeleitet werden, wenn das erste Objekt 10 von einem anderen Sensor - beispielsweise der zweite Sensor 200 - detektiert wurde und die prädizierte Bewegung des ersten Objekts 10 auf ein bereits vorliegendes oder aber ein baldiges Eindringen des ersten Objekts 10 in den Erfassungsbereich des ersten Sensors 100 nahelegt. Der erste Sensor 100 kann dann das in seinen Erfassungsbereich eindringende erste Objekt 10 schneller erkennen und interne Parameter, wie z.B. die Filtereinstellungen, zielgerichtet initialisieren. Dies bezeichnet man als Präkonditionierung des ersten Sensors 100. Dies ist in Figur 3 für das zweite und dritte Fusionsobjekt 420, 430 durch die Entscheidungsfindung in den mit den Bezugszeichen 404 bzw. 405 bezeichneten Kästchen dargestellt .
Erfindungsgemäß wird weiterhin eine Erhöhung der Detektionsleistung dadurch bewirkt, daß Objekte, die im gemeinsamen Erfassungsbereich von mehreren Sensoren liegen und nicht von allen Sensoren detektiert werden, an solche Sensoren gemeldet werden, die diese Objekte nicht detektieren. Dies wird mit dem Ziel getan, die Sensoraufmerksamkeit eines solchen, das Objekt nicht detektierenden Sensors gezielt zu beinflussen und zu steuern (Aufmerksamkeitssteuerung) , beispielsweise durch Absenkung von Schwellenwerten, durch die Verfeinerung der Diskretisierung usw. Damit kann die Detektionsleistung der Einzelsensoren erhöht werden.
Weiterhin ist erfindungsgemäß vorgesehen, das erfindungsgemäße Verfahren zum Austausch von Daten zwischen Sensoren 100, 200, 300 und der Verarbeitungseinheit 400 zur Erkennung von Falschalarmen, von Sensorausfällen und/oder von Abschattungen heranzuziehen. Objekte, die im gemeinsamen Erfassungsbereich von mehreren Sensoren liegen und nicht von allen Sensoren detektiert wurden, werden an die Sensoren gemeldet, die sie nicht detektieren. Kann von einem Sensor das Objekt dennoch nicht detektiert werden, ist diese Information auf die Möglichkeiten einer Fehldetektion der anderen Sensoren (Falschalarm) , eines Sensorausf lls oder einer Abschattung des Sensors gezielt zu untersuchen.
Die von der Zentrale 400 zu den Sensoren zu übertragenden Informationen können erfindungsgemäß insbesondere mit einer Priorisierung versehen werden, so daß bei einer Begrenzung der Bandbreite, die über das Bussystem B übertragen werden kann, der Datenumfang derart reduziert wird, daß lediglich die am höchsten priorisierten, von der Verarbeitungseinheit 400 zu den Sensoren 100, 200, 300 zu übertragenden Informationen über das Bussystem B übertragen werden. Daher ist in der Figur 3 vorgesehen, die an die Sensoren 100, 200 fließenden Informationen mit einer Priorisierungseinheit zu versehen, die bezüglich der an den ersten Sensor 100 zu übertragenden Informationen mit den Bezugszeichen 406 versehen ist und die hinsichtlich der an den zweiten Sensor 200 zu übertragenden Informationen mit dem Bezugszeichen 407 versehen ist.
In Figur 4 ist ein Struktogramm des Auswertungsalgorithmus von Sensorobjekten dargestellt. Der Algorithmus wird erfindungsgemäß insbesondere in der Verarbeitungseinheit 400 durchgeführt. Es ist jedoch erfindungsgemäß auch vorgesehen, verschiedene Verarbeitungsschritte des Auswertealgorithmus in verteilten Systemen durchzuführen. In Figur 4 sind weiterhin die Sensoren 100, 200, 300 dargestellt. Die Sensoren 100, 200, 300 liefern erste Daten, die in Figur 4 durch einen Pfeil mit dem Bezugszeichen 409 dargestellt sind, an die Verarbeitungseinheit 400. Die ersten Daten 409 werden in dem ersten Verarbeitungsschritt 408 synchronisiert. Beim ersten Verarbeitungsschritt 408 wird eine Synchronisierung der ersten Daten 409 auf einen Basistakt der Verarbeitungseinheit 400 durchgeführt. Die Details dieses Synchronisierungsschrittes sind insbesondere in der gleichzeitig eingereichten deutschen Patentanmeldung der gleichen Anmelderin , die den Titel "Verfahren zur Synchronisation und Vorrichtung" trägt, dargestellt. Der erste Verarbeitungsschritt 408, d.h. die Synchronisierung, liefert, ausgehend von den insbesondere als Sensorobjekten 110, 120, 210, 220 vorliegenden ersten Daten 409, zeitlich synchronisierte zweite Daten 411. Dies ist durch einen mit dem Bezugszeichen 411 versehenen Pfeil ausgehend von dem ersten Verarbeitungsschritt 408 dargestellt. Erfindungsgemäß werden Daten verschiedener Umfeldsesoren 100, 200, 300 - insbesondere in der Verarbeitungseinheit - im ersten Verarbeitungsschritt 408 zunächst auf ein einheitliches Koordinatensystem transformiert (Data-Alignment) und zeitlich synchronisiert. Für jeden Sensor wird eine aktuelle Sensorobjektliste mit Messobjekten erstellt.
Die zweiten Daten 411 werden zu einem zweiten Verarbeitungsschritt 419 gesendet bzw. diesem zur Verfügung gestellt. Der zweite Verarbeitungsschritt 419 wird im folgenden auch als Assoziationsschritt 419 bezeichnet. Beim zweiten Verarbeitungsschritt 419 wird die sogenannte Datenassoziation durchgeführt, d.h. es wird versucht, die Messobjekte einem oder mehreren bestehenden Fusionsobjekten zuzuordnen. Erfolgt keine Zuordnung, wird ein neues Fusionsobjekt generiert. Das Ergebnis der Zuordnung oder Assoziation kann beispielsweise in einer (weiter unten beschriebenen) Assoziationsmatrix 422 festgehalten werden, in der alle möglichen Objekthypothesen (Zuordnung von gemessenen zu vorhandenen Objekten bzw. Objekthypothesen) registriert sind. Für jeden Sensortyp bzw. für jeden Sensor existiert eine Spalte in der Assoziationsmatrix 422. Beim zweiten Verarbeitungsschritt 419 werden dritte Daten 421 produziert, die einem dritten Verarbeitungsschritt 429 zur Verfügung gestellt werden. Der dritte Verarbeitungsschritt 429 wird im folgenden auch als Fusionsschritt 429 bezeichnet. Die dritten Daten 421 umfassen insbesondere die sogenannte Assoziationsmatrix 422. Beim dritten Verarbeitungsschritt 429, bei dem die sogenannte Fusion durchgeführt wird, werden vierte Daten 431 und fünfte Daten 432 erzeugt. Bei der Fusion, d.h. dem dritten Verarbeitungsschritt 429 wird die Assoziationsmatrix zeilenweise abgearbeitet und neue Fusionsobjekte bzw. Fusiondaten durch Bildung von gewichteten Mittelwerten der relevanten Objektattribute gebildet. Objekte bzw. Objekthypothesen, die über einen bestimmten Zeitraum von keinem Sensor mehr gemessen werden, werden verworfen. Die vierten Daten 431 umfassen insbesondere eine sogenannte Fusionsobjektliste 431 und werden dem zweiten Verarbeitungsschritt 419 zur Verfügung gestellt. Die weiterhin vom dritten Verarbeitungsschritt 429, d.h. der Datenfusion 429, produzierten fünften Daten 432, welche insbesondere sogenannte Trackingdaten 432 umfassen, werden sowohl dem zweiten Verarbeitungsschritt 419 als auch einem fünften Verarbeitungsschritt 450 zur Verfügung gestellt. Die vierten Daten 431, d.h. die Fusionsobjektliste 431 wird, ausgehend vom dritten Verarbeitungsschritt 429 auch einem vierten Verarbeitungsschritt 440, einem sogenannten Merging- Verarbeitungsschritt 440, der im folgenden auch als Mergingschritt 440 bezeichnet wird, zur Verfügung gestellt. Beim vierten Verarbeitungsschritt 440 werden die neu berechneten Fusionsobjekte, die innerhalb eines (erst bei Figur 5 dargestellten) Fangbereichs liegen, zu einem Objekt verschmolzen. Basis dafür ist - ähnlich wie bei der Assoziation - ein Gating-Verfahren. Der vierte Verarbeitungsschritt 440 produziert sechste Daten 441, welche dem fünften Verarbeitungsschritt 450 zur Verfügung gestellt werden, wobei der fünfte Verarbeitungsschritt 450 eine zeitliche Filterung der Objektdaten durchführt, beispielsweise mit Tiefpass- oder Kaiman-Filtern, wobei eine Glättung in der Zeitdimension durchgeführt wird. Weiterhin wird beim fünften Verarbeitungsschritt 450 eine Pradizierung auf einen weiteren Zeitschritt vorgenommen. Die sechsten Daten 441 umfassen insbesondere eine sogenannte verdichtete Fusionsobjektliste. Beim fünften Verarbeitungsschritt 450, d.h. der Filterung 450, werden siebte Daten 451 erzeugt, die einem sechsten Verarbeitungsschritt 460 zur Verfügung gestellt werden. Der sechste Verarbeitungsschritt 460 wird im folgenden auch als Bewertungsschritt 460 bezeichnet. Die siebten Daten 451 umfassen insbesondere eine gefilterte und prädizierte Fusionsobjektliste. Beim sechsten Verarbeitungsschritt 460 wird eine Plausibilisierung der Objekte und eine Objektauswahl durchgeführt. Die Plausibilisierung ist erfindungsgemäß insbesondere funktionsspezifisch vorgesehen. Weiterhin werden beim sechsten Verarbeitungsschritt 460 achte Daten 461 zur Weiterleitung an die Sensoren 100, 200, 300 generiert bzw. ausgewählt. Die achten Daten 461 werden im folgenden auch als Rückmeldedaten 461 bezeichnet. Weiterhin findet erfindungsgemäß beim sechsten Verarbeitungsschritt 460 ein optionaler Datenaustausch mit wenigstens einer nachgeschalteteten Infor ations- , Komfort- oder Sicherheitsfunktion 500 statt, die die Umfeldinformationen als Eingangsgrößen nutzt. Diese nachgeschaltete Funktion entspricht dem Regler 500 bzw. ist im Regler 500 lokalisiert. Erfindungsgemäß ist es bei einer besonders vorteilhaften Ausführungsform insbesondere vorgesehen, beim sechsten Verarbeitungsschritt 460 eine Priorisierung der Fusionsobjekte durchzuführen, wie sie nachfolgend beschrieben wird. In Figur 5 ist ein erstes Beispiel einer Meßsituation dargestellt. Es ist ein Koordinatensystem mit einer x-Achse und einer y-Achse dargestellt, welches ein für mehrere Sensoren gemeinsames Koordinatensystem des Fahrzeugumfeldes darstellt. Hierbei stellen die x-Koordinate und die y- Koordinate beispielsweise Ortskoordinaten oder Winkelkoordinaten oder Geschwindigkeitskoordinaten dar.
Der erste Sensor 100 "sieht" ein Objekt - beispielsweise das erste Objekt 10 - zu einem ersten (nicht dargestellten) Zeitschritt an einer ersten Position, die mit dem Bezugszeichen 101 bezeichnet ist. Das beim ersten Zeitschritt vom ersten Sensor 100 bei 101 erkannte Objekt wird in einem darauffolgenden zweiten (ebenfalls nicht dargestellten) Zeitschritt an einer mit dem Bezugszeichen 102 bezeichneten Position erwartet (Prädiktion) . In gleicher Weise wird ein Objekt vom zweiten Sensor 200 beim ersten Zeitschritt an der mit dem Bezugszeichen 201 bezeichneten Position 201 erkannt und beim zweiten Zeitschritt an der mit dem Bezugszeichen 202 bezeichneten Position erwartet. Der dritte Sensor 300 erkennt zwei Objekte: ein Objekt wird zum ersten Zeitpunkt an der mit dem Bezugszeichen 301 bezeichneten Position erkannt und zum zweiten Zeitpunkt an der mit dem Bezugszeichen 302 bezeichneten Position erwartet und ein weiteres Objekt wird zum ersten Zeitpunkt an der mit dem Bezugszeichen 303 bezeichneten Position erkannt und zum zweiten Zeitpunkt an der mit dem Bezugszeichen 304 bezeichneten Position erwartet .
Ausgehend von den - mittels Sensorobjekten 110, 120, 210, 220 - von den Sensoren 100, 200, 300 an die Verarbeitungseinheit 400 übertragenen Daten, werden die Fusionsobjekte durch Assoziation von Sensorobjekten ausgehend von den präzidierten Daten für die Positionen (102, 202, 302, 304) der gemessenen Objekte der einzelnen Sensoren definiert . Hierbei finden sogenannte Assoziationsgates Verwendung. In Figur 5 ist ein erstes Assoziationsgate mit dem Bezugszeichen 423 und ein zweites Assoziationεgate mit dem Bezugszeichen 424 dargestellt.
In Figur 6 ist die Assoziationsmatrix für das erste Beispiel dargestellt, in Figur 7 die Darstellung der Matrix nach der Fusion für das erste Beispiel dargestellt und in Figur 8 die Darstellung der Matrix nach dem Merging für das erste Beispiel dargestellt. Da die mit den Bezugzeichen 102, 202 und 304 versehenen erwarteten Positionen für den zweiten Zeitschritt innerhalb des ersten Assoziationsgates 423 liegen, führt deren Auswertung zu der Hypothese, dass nur ein einziges Objekt (aufgrund von Meßfehlern) an (geringfügig) unterschiedlichen Positionen von unterschiedlichen Sensoren erkannt wurde. Daher werden die mit den Bezugszeichen 102, 202, 304 versehenen Positionen bzw. die entsprechenden Sensorobjekte einem Fusionsobjekt zugeordnet, welches zum ersten Zeitschritt an der mit dem Bezugszeichen 474 bezeichneten Position gemessen wurde, für welches zum zweiten Zeitschritt die mit dem Bezugszeichen
475 bezeichnete Position erwartet wird (Prädiktion) und für welches zum zweiten Zeitschritt die mit dem Bezugszeichen
476 bezeichnete Position "gemessen" bzw. berechnet wird. Daher ist in der Figur 6, die die Assoziationsmatrix 422 für das erste Beispiel darstellt, eine Zeile für das Fusionsobjekt vorgesehen, welches beim zweiten Zeitschritt an der mit dem Bezugszeichen 476 bezeichneten Position vermutet wird. Entsprechend wird die mit dem Bezugszeichen
302 versehene Position bzw. das entsprechende Sensorobjekt einem Fusionsobjekt zugeordnet, welches zum ersten Zeitschritt an der mit dem Bezugszeichen 471 bezeichneten Position gemessen wurde, für welches zum zweiten Zeitschritt die mit dem Bezugszeichen 472 bezeichnete Position erwartet wird (Prädiktion) und für welches zum zweiten Zeitschritt die mit dem Bezugszeichen 473 bezeichnete Position "gemessen" bzw. berechnet wird. Daher ist in- der Figur 6, eine Zeile für das Fusionsobjekt vorgesehen, welches beim zweiten Zeitschritt an der mit dem Bezugszeichen 473 bezeichneten Position vermutet wird. Die Assoziationsmatrix 422 stellt erfindungsgemäß eine Verbindung zwischen einem Fusionsobjekt und einem oder mehreren Sensorobjekten her. In der Figur 6 sind zur Darstellung dieser Verbindung lediglich die Bezugszeichen angegeben, die den Positionen der entsprechenden Objekten entsprechen. In der Praxis ist erfindungsgemäß insbesondere vorgesehen, dass zur Herstellung der durch die Assoziationsmatrix repräsentierten Verbindungen zwischen Sensorobjekten und Fusionsobjekten deren Identifikationen herangezogen werden. Zur Erstellung der Assoziationsmatrix 422 wird ein globales, statistisches Abstandsmaß, beispielsweise die Mahalanobis-Norm, oder auch signalspezifische Abstandsmaße d zwischen jedem Sensorobjekt und jedem Fusionsobjekt berechnet, beispielsweise mittels des Euklidischen Abstands . Die Abstandsmaße sind in der Regel im Phasenraum definiert, d.h. sie können neben den Positionsdaten auch Geschwindigkeitsdaten beinhalten. Die in der Figur 5 und der (weiter unten beschriebenen) Figur 9 dargestellten Beispiele umfassen der Einfachheit halber nur Positionsdaten. Eine mögliche Zuordnung (d.h. eine Objekthypothese) zwischen dem Sensorobjekt und dem Fusionsobjekt wird angenommen, sofern der Abstand d kleiner als ein Schwellwert (Gate oder Assoziationsgate 423, 424) ist bzw. durch einen statistischen Test dem Objekt mit einer Konfidenz zugeordnet werden kann bzw. alle Abstände d kleiner als die Schwellenwerte sind. Zusätzlich kann ein Qualitätsmaß für die Güte der Assoziation vergeben werden, das beispielsweise angibt, wieviel kleiner der Abstand d als der Schwellwert ist. Die Schwellwerte können für jedes Signal bzw. für jedes Objekt verschieden sein. Darüber hinaus können die Schwellenwerte abhängig von Größen wie dem Meßfehler der Einzelmessung und des Fusionsobjekts, der Entfernung der Objekte vom eigenen Fahrzeug, der Relativgeschwindigkeit der Objekte, der Zuordnung zum Fahrschlauch des eigenen Fahrzeugs etc. sein. Wird eine Zuordnung gefunden, erfolgt ein Eintrag in die Assoziationsmatrix. Die Zeilen in der Assoziationsmatrix entsprechen beispielsweise dem Index des Fusionsobjektes in der Fusionsobjektliste und die Spalten entsprechen beispielsweise den Sensoren 100, 200, 300 bzw. dem Sensortyp. Ein Eintrag in der Assoziationsmatrix besteht zum Beispiel aus dem Abstand d, aus einem Wert für die Güte der Assoziation, der Objektnummer des Sensorobjektes, einer Querreferenz auf die Stelle, an der das Sensorobjekt in der sensorspezifischen Objektliste zu finden ist, und einer "belegt" -Marke . Ist eine Position in der Aεsoziationsmatrix bereits belegt, wird das Sensorobjekt an die Fusionsobjektliste angehängt und der -Zähler für die Anzahl aktueller Fusionsobjekte inkrementiert . Das beschriebene Verfahren schließt bewußt eine Mehrfachzuordnung von Sensorobjekten zu bestehenden Fusionsobjekten ein (Multihypothesen) . Zur Effizienzsteigerung können (beispielsweise nach Abstand) sortierte Fusionsobjektlisten bzw. Sensorobjektlisten verwendet werden, deren Bearbeitung bei Überschreitung einer Schwelle (z.B. bzgl . des Abstands), nach der sicher keine Zuordnung mehr stattfinden wird, abgebrochen werden kann (eine Art "Gating") . Dasselbe gilt auch für die nachfolgend beschriebene Verschmelzung (Merging) von Fusionsobjekten.
Bsp. für eine Ausprägung des Datenassoziationsalgorithmus:
Für alle Sensorobjekte (SOk) eines Sensors ( S± ) : Für alle Fusionsobjekte (F0n) :
Berechne Abstandsmaße zwischen SOk und F0n
Wenn alle Abstandsmaße kleiner als eine Schwelle sind (wobei die Schwelle von der Sensorqualität, dem Abstand, dem Querversatz, der Geschwindigkeit, dem Fahrschlauch abhängt) : Match : = TRUE
Bestimme Qualität der Assoziation
Wenn Zelle (n,i) der Assoziationsmatrix unbesetzt ist :
Fülle diese Zelle mit dem Abstand, den Sensorobjektdaten und markiere diese Zelle als "besetzt" sonst : n := n+1
FOn umfaßt SO
Vergebe neue Identifikation für F0n
Fülle die Zelle (n,i) der Assoziationsmatrix mit dem Abstand, den Sensorobjektdaten und markiere diese Zelle als "besetzt" sonst :
Nächstes Fusionsobjekt
Ende (Fusionsobjekte)
Wenn Match = FALSE (d.h. neues Objekt, weil außerhalb des Assoziationsgates) : n := n+1
F0n umfaßt SOk
Vergebe neue Identifikation für FOn
Fülle die Zelle (n,i) der Assoziationsmatrix mit dem Abstand, den Sensorobjektdaten und markiere diese Zelle als "besetzt"
Ende (Sensorobjekte)
In Figur 5 ist außer den Assoziationsgates 423, 424 ein Merging-Gate 442 dargestellt, welches im folgenden auch als Fangbereich 442 bezeichnet wird. In dem Fusionsmodul, d.h. dem dritten Verarbeitungsschritt 429, werden neue Fusionsobjektattribute für die Objekte in der Fusionsliste berechnet. Dies geschieht durch zeilenweise Abarbeitung der Assoziationsmatrix 422, in der alle nötigen Attribute vorhanden sind, die die Gewichtung der neuen Fusionsobjekte und den Zugriff auf die Originalmessdaten gewährleisten. Tragen mehrere Sensoren zu einem Fusionsobjekt bei, wird eine Gewichtung der Einzelsignale der Sensoren herangezogen. Die Gewichte werden aus der Güte der Assoziation und der Sensordatenqualität bestimmt. Trägt nur ein Sensor zum Fusionsobjekt bei, erfolgt keine explizite Gewichtung, eine indirekte Gewichtung findet im anschließenden Verschmelzungsschritt (d.h. der vierte Verarbeitungsschritt 440) bzw. im Filterungsschritt (d.h. der fünfte Verarbeitungsschritt 450) statt. Im Fusionsmodul, d.h. dem dritten Verarbeitungsschritt wird ein weiteres Fusionsobjekt-Attribut , die Objektplausibilität , bestimmt. Die Objektplausibilität wird zum Beispiel inkrementiert, sobald ein Fusionsobjekt durch mindestens ein Sensorobjekt bestätigt wurde. Das Inkrement hängt dabei von der Anzahl assoziierter Sensorobjekte sowie vom Verhältnis der Zykluszeit der Sensorfusion zu der Zykluszeit eines Sensortaktes (d.h. der Aktualität der Sensorobjekt-Daten) ab. Wird ein Fusionsobjekt im aktuellen Fusionszyklus nicht bestätigt, wird die Objektplausibilität dekrementiert . Das Inkrement und Dekrement der Objektplausibilität kann darüberhinaus auch vom aktuellen Wert der Objektplausibilität abhängen.
Nach dem dritten Verarbeitungsschritt 429, d.h. der Fusion, wird die Fusionsobjektliste nochmals abgearbeitet, um Objekte zu finden und zu fusionieren, die innerhalb eines Fangbereichs liegen. Damit werden implizit Zuordnungen von Sensorobjekten des gleichen Sensortyps zu einem Fusionsobjekt berücksichtigt, sowie Objekthypothesen, die sich aufgrund der fusionierten Daten nur noch wenig unterscheiden, zu einem Fusionsobjekt zusammengefaßt. Die Vorgehensweise ist ähnlich wie die bei der Assoziation beschrieben. Allerdings sind die Merging-Gates 442 im allgemeinen kleiner als die Assoziationsgates 423, 424 und jeweils zwei Objekte, die innerhalb eines Fangbereichs 442 liegen, werden sofort zu einem neuen Objekt verschmolzen (fusioniert bzw. "gemergt"). Bei Verschmelzung der Objekte kann die jeweilige Signalgüte zur Gewichtung der Einzelsignale herangezogen werden.
Entsprechend umfaßt die (um die Sensorobjekte verkleinerte) Assoziationsmatrix 422, die in Figur 7 und Figur 8 dargestellt ist, die gleiche Anzahl von Objekten, nämlich zwei, weil die erkannten Objekte an den mit den Bezugszeichehn 476 und 473 bezeichneten Positionen sich nicht nahe genug kommen, um in einen Fangbereich 442 hineinzupassen. Eine Zusammenfassung der Objekte im vierten Verarbeitungsschritt 440 fand daher im ersten Beispiel nicht statt .
Anders sieht die Situation im in den Figuren 9 bis 12 dargestellten zweiten Beispiel aus. In Figur 9 ist ein zweites Beispiel einer Meßsituation dargestellt. Es ist wieder ein Koordinatensystem mit einer x-Achse und einer y- Achse dargestellt. Die x-Koordinate und die y-Koordinate stellen wiederum beispielsweise Ortskoordinaten oder Winkelkoordinaten oder Geschwindigkeitskoordinaten dar.
Der erste Sensor 100 "sieht" ein Objekt - beispielsweise das erste Objekt 10 - zu einem ersten (nicht dargestellten) Zeitschritt an einer ersten Position, die mit dem Bezugszeichen 111 bezeichnet ist. Das beim ersten Zeitschritt vom ersten Sensor 100 bei 101 erkannte Objekt wird in einem darauffolgenden zweiten (ebenfalls nicht dargestellten) Zeitschritt an einer mit dem Bezugszeichen 112 bezeichneten Position erwartet (Prädiktion) . In gleicher Weise wird ein Objekt vom zweiten Sensor 200 beim ersten Zeitschritt an der mit dem Bezugszeichen 211 bezeichneten Position erkannt und beim zweiten Zeitschritt an der mit dem Bezugszeichen 212 bezeichneten Position erwartet. Der dritte Sensor 300 erkennt wiederum zwei Objekte: ein Objekt wird zum ersten Zeitpunkt an der mit dem Bezugszeichen 311 bezeichneten Position erkannt und zum zweiten Zeitpunkt an der mit dem Bezugszeichen 312 bezeichneten Position erwartet und ein weiteres Objekt wird zum ersten Zeitpunkt an der mit dem Bezugszeichen 313 bezeichneten Position erkannt und zum zweiten Zeitpunkt an der mit dem Bezugszeichen 314 bezeichneten Position erwartet. Das erste Assoziationsgate ist wiederum mit dem Bezugszeichen 423 und ein zweites Assoziationsgate mit dem Bezugszeichen 424 bezeichnet.
In Figur 10 ist die Assoziationsmatrix 422 für das zweite Beispiel dargestellt, in Figur 11 die Darstellung der Matrix nach der Fusion für das zweite Beispiel dargestellt und in Figur 12 die Darstellung der Matrix nach dem Merging für das zweite Beispiel dargestellt. Da die mit den Bezugzeichen 112, 212 und 314 versehenen erwarteten Positionen für den zweiten Zeitschritt innerhalb des ersten Assoziationsgates 423 liegen, führt deren Auswertung zu der Hypothese, dass nur ein einziges Objekt (aufgrund von Meßfehlern) an (geringfügig) unterschiedlichen Positionen von unterschiedlichen Sensoren erkannt wurde. Daher werden die mit den Bezugszeichen 112, 212, 314 versehenen Positionen bzw. die entsprechenden Sensorobjekte einem Fusionsobjekt zugeordnet, welches zum ersten Zeitschritt an der mit dem Bezugszeichen 484 bezeichneten Position gemessen wurde, für welches zum zweiten Zeitschritt die mit dem Bezugszeichen
485 bezeichnete Position erwartet wird (Prädiktion) und für welches zum zweiten Zeitschritt die mit dem Bezugszeichen
486 bezeichnete Position "gemessen" bzw. berechnet wird. Daher ist in der Figur 10, die die Assoziationsmatrix 422 für das zweite Beispiel darstellt, eine Zeile für das Fusionsobjekt vorgesehen, welches beim zweiten Zeitschritt an der mit dem Bezugszeichen 485 bezeichneten Position vermutet wird. Entsprechend wird die mit dem Bezugszeichen 312 versehene Position bzw. das entsprechende Sensorobjekt einem Fusionsobjekt zugeordnet, welches zum ersten Zeitschritt an der mit dem Bezugszeichen 481 bezeichneten Position gemessen wurde, für welches zum zweiten Zeitschritt die mit dem Bezugszeichen 482 bezeichnete Position erwartet wird (Prädiktion) und für welches zum zweiten Zeitschritt die mit dem Bezugszeichen 483 bezeichnete Position "gemessen" bzw. berechnet wird. Daher ist in der Figur 10, eine Zeile für das Fusionsobjekt vorgesehen, welches beim zweiten Zeitschritt an der mit dem Bezugszeichen 482 bezeichneten Position vermutet wird. In der Figur 10 sind wiederum lediglich die Bezugszeichen angegeben, die den Positionen der entsprechenden Objekten entsprechen, obwohl die Assoziationsmatrix 422 noch weitere Informationen umfaßt. Im zweiten Beispiel ist es nun so, dass bei dem Assoziationsschritt 419 weitere Zeilen (zweite und dritte Zeile der in Figur 10 abgebildeten Assoziationsmatrix) eingefügt wurden, weil nicht klar entschieden werden konnte, ob es sich bei den durch die mit den Bezugszeichen 112 und 312 bezeichneten Positionen repräsentierten Objekte um ein einziges Objekt handelt, oder um zwei. Hierdurch wurde es notwendig, eine Zeile, die in Figur 10 mit dem Bezugszeichen 489 versehen ist, einzufügen und so eine "hypothetisches" Fusionsobjekt zur Repräsentation der zusätzlichen Objekthypothese "zwei getrennte Objekte" zu generieren. In Figur 11 und 12 sind die (wiederum verkleinerten) Assoziationsmatrizen nach dem Fusionsschritt bzw. nach dem Merging-Schritt dargestellt. Erkennbar ist, dass der Merging-Schritt zu einer Zusammenfassung der drei noch nach dem Fusionsschritt vorhandenen Fusionsobjekte führt, weil alle Positionen der Objekte zum zweiten Zeitschritt (Positionen, die mit den Bezugszeichen 486 und 483 bezeichnet sind) innerhalb des auch in Figur 10 dargestellten Merging-Gates 442 liegen. Damit werden diese Fusionsobjekte zum einzigen Fusionsobjekt zusammengefaßt, welches zum zweiten Zeitpunkt an der mit dem Bezugszeichen 487 bezeichneten Position vermutet wird.
In Figur 13 ist eine typische Situation dargestellt, die auftritt, wenn mehrere Umfeldsensoren bzw. Sensoren unterschiedliche Erfassungsbereiche aufweisen. In Figur 13 ist mit dem Bezugszeichen 1 das Gerät bezeichnet, welches verschiedene Sensoren, beispielsweise den ersten (in Figur 13 nicht dargestellten) Sensor 100 und den zweiten (in Figur 13 ebenfalls nicht dargestellten) Sensor 200, aufweist. Das Gerät 1 ist erfindungsgemäß insbesondere als ein Kraftfahrzeug 1 vorgesehen, welches die Sensoren 100, 200 aufweist. Dargestellt ist ausgehend vom Fahrzeug 1 ein erster Erfassungsbereich 150 eines Sensors, beispielsweise des ersten Sensors 100, und ein zweiter Erfassungsbereich 250 eines Sensors, beispielsweise des zweiten Sensors 200. Weiterhin ist in Figur 13 ein erstes Objekt 10 und ein zweites Objekt 20 dargestellt, wobei es sich bei den Objekten insbesondere um weitere Kraftfahrzeuge handelt. Zwischen den Erfassungsbereichen 150, 250, die im folgenden auch Detektionsbereiche 150, 250 genannt werden, ist (beidseitig) eine Detektionslücke 160 dargestellt, d.h. ein Bereich für den keiner der Sensoren 100, 200 ein Signal liefern würde, falls sich in der Detektionslücke 160 ein Objekt 10, 20 befinden würde. In Figur 13 ist die Situation dargestellt, dass sich das erste Objekt 10 im ersten Erfassungsbereich 150 befindet und dabei ist, diesen zu verlassen, währenddem das zweite Objekt 20 sich im zweiten Erfassungsbereich 250 befindet und ebenfalls dabei ist, diesen zu verlassen. In Figur 13 ist daher ein erster Austrittsbereich 152 und ein zweiter Austrittsbereich 252 dargestellt, wobei der erste Austrittsbereich 152 die Stelle bzw. den Bereich darstellt, an der bzw. an dem das erste Objekt 10 aus dem ersten Detektionsbereich 150 austritt und wobei der zweite Austrittsbereich 252 die Stelle bzw. den Bereich darstellt, an der bzw. an dem das zweite Objekt 20 aus dem zweiten Detektionsbereich 252 austritt. Erfindungsgemäß sind die Objekte 10, 20 in der Verarbeitungseinheit 400 als Fusionsobjekte, beispielsweise als das erste und das zweite Fusionsobjekt 410, 420 repräsentiert. Es ist damit erfindungsgemäß möglich, die Detektionslücke 160 derart zu "überbrücken", dass die Bewegungen der Objekte 10, 20 relativ zu den Erfassungsbereichen 150, 250 geschätzt (prädiziert) werden und somit auch abschätzbar ist, ob und wenn ja wann und wo eines der Objekte 10, 20, welches einen Erfassungsbereich 150, 250 gerade verläßt wieder in einen (anderen) Erfassungsbereich 150, 250 eintritt. Daher sind in der Figur 13 ein erster Eintrittsbereich 251, der die geschätzte Stelle angibt, wo das erste Objekt 10 in den zweiten Detektionsbereich 250 eintritt, und ein zweiter Eintrittsbereich 151, der die geschätzte Stelle angibt, wo das zweite Objekt 20 in den ersten Detektionsbereich 150 eintritt, dargestellt.
Erfindungsgemäß werden in den verschiedenen Verarbeitungsschritten 408 bis 460 in der
Verarbeitungseinheit 400 die Sensorobjekte von verschiedenen Sensoren gemeinsam verarbeitet und als Fusionsobjekte verwaltet. Ein Datensatz eines getrackten Fusionsobjekts bzw. einer Objekthypothese besteht unter anderem aus der Position, der Geschwindigkeit, der Beschleunigung sowie einer Objektplausibilität. Darüber hinaus wird angenommen, dass das Fusionsobjekt schon über etliche Detektionszyklen verfolgt wurde und die Historie des Fusionsobjekts, d.h. seine "Tracking-Daten" , in parametrischer, modellgestützter Form, zum Beispiel über Kaiman-Filter-Koeffizienten, vorliegt. Außerdem wird vorausgesetzt, dass die Detektionsbereiche 150, 250 der Einzelsensoren bekannt sind und in mathematischer Form beschrieben sind. Die Ränder der Detektionsbereiche 150, 250 müssen dabei nicht scharf begrenzt sein, sondern können durch Toleranzbänder beschrieben sein. Die Plausibilität ist ein Maß für die Zuverlässigkeit der Objekthypothese, wobei beispielsweise eine Zahl zwischen null und eins die Plausibilität angibt und wobei der Wert null für die Plausibilität einer unwahrscheinlichen (und zu verwerfenden) Objekthypothese entspricht und wobei der Wert eins für die Plausibilität einer sehr wahrscheinlichen Objekthypothese entspricht. Die Plausibilität einer Objekthypothese, d.h. eines Fusionsobjekts, wird durch Inkrementieren bzw. Dekrementieren in jedem Zyklus des Algorithmus neu berechnet. Die Größe des Inkrements bzw. des Dekrements ist variabel und bestimmt wesentlich den Lebenszyklus einer Objekthypothese. Die Tatsache, dass beispielsweise das erste Objekt 10 in Figur 13 den ersten Detektionsbereich 150 verläßt, ist in der Fusionsobjekt-Repräsentation innerhalb der Verarbeitungseinheit 400 derart repräsentiert, dass beispielsweise die Objektbewegung des ersten Fusionsobjekts 410 aus seiner Historie, d.h. seinen Tracking-Daten, bis zum nächsten oder einem späteren erwarteten Meßwert prädiziert wird und ein Überschreiten der Begrenzung des ersten Detektionsbereichs 150 festgestellt wird. Liegt die vorausbestimmte Position außerhalb der Bereichsgrenzen des ersten Detektionsbereichs 150, wird das Objekt 10 bzw. dessen Datenrepräsentation in Form des ersten Fusionsobjekts 410 den ersten Detektionsbereich 150 verlassen. Das mögliche Wiedereintreten in den benachbarten zweiten Detektionsbereich 250 wird dadurch bestimmt, dass ausgehend vom berechneten ersten Austrittsbereich 152 die erwartete Trajektorie soweit in die Zukunft prädiziert wird, bis ein Eintritt in den zweiten Detektionsbereich 250 zu erwarten ist. Dies ist beispielsweise durch den Schnittbereich der erwarteten Trajektorie mit der Bereichsgrenze des zweiten Detektionsbereichs 250 definiert. Durch die Unsicherheit der Prädiktion un der zugrundeliegenden Fusionsobjekt-Daten sowie durch eventuell vorliegende Informationen über die Objektdimensionen wird stets ein Bereich und nicht ein genau definierter Punkt berechnet, in dem der Austritt aus dem ersten Detektionsbereichs 150 (erster Austrittsbereich 152) bzw. der Eintritt in den zweiten Detektionsbereich 250 (erster Eintrittsbereich 251) stattfindet bzw. erwartet wird. Gibt es keinen solchen Schnittbereich, d.h. solche Eintrittsbereiche 251, 151 bzw. Austrittsbereiche 152, 252, oder liegt der erwartete Wiedereintrittszeitpunkt außerhalb vorbestimmter zeitlicher Grenzen (was bedeutet, dass ein Wiedereintritt in einen anderen Detektionsbereich nicht zu erwarten ist) , wird das erste Objekt 10 mit einem Standarddekrement "deplausibilisiert " , d.h. der Wert seiner Plausibilität wird auf vorbestimmte Weise verringert. Dieser Fall ist in Figur 13 nicht dargestellt. Im anderen (in Figur 13 dargestellten) Fall wird die maximale Zeitdauer bestimmt, die bis zu einem möglichen Eintritt in den zweiten Detektionsbereich voraussichtlich verstreichen wird, was beispielsweise durch Division der längsten möglichen Strecke in der Detektionslücke 160 durch die Relativgeschwindigkeit geschieht. Ausgehend vom Wert der aktuellen Plausibilität, der bekannten Sensorzykluszeit, d.h. die Taktzeit mit der die beteiligten Sensoren arbeiten, und der maximalen Zeitdauer des Objekts 10 in der Detektionslücke 160 kann das Plausibilitätsdekrement dergestalt verringert werden, dass das Objekt bzw. die Objekthypothese nicht verworfen wird, solange es sich voraussichtlich in der Detektionslücke 160 befindet. Die Berechnung des erwarteten Eintrittsbereichs und des Plausibilitätsdekrements wird bei jeder Wiederholung des Algorithmus unter Berücksichtigung der Geschwindigkeit und Gierbewegung des Fahrzeugs 1 neu durchgeführt. Wird das erste Objekt 10 nicht an der vorausbestimmten Stelle und zur vorausbestimmten Zeit im zweiten Detektionsbereich 250 detektiert, so wird die Objekthypothese verworfen. Wird das erste Objekt 10 an der vorausbestimmten Stelle und zu vorausbestimmten Zeit im zweiten Detektionsbereich 250 detektiert, so wird es mit dem alten Objekt identifiziert. Insbesondere für Sensoren, die Geschwindigkeit und Beschleunigung von Objekten nicht direkt messen, ist damit eine verbesserte und schnellere Signaldynamik des Fusionsobjekts beim Wiedereintritt in den zweiten Detektionsbereich 250 möglich, da keine ungenauen Schätzungen zur Filterinitialisierung durchgeführt werden müssen, sondern auf bessere, prädizierte Schätzwerte zurückgegriffen werden kann. Dies kommt daher, weil die Signalgüten von Fusionsobjekten (die auch die Information der Historie des Objekts umfassen) in der Regel größer sind als die Signalgüten von Sensorobjekten. Die nachgeschaltete Fahrfunktion, die in der Regel in dem Regler 500 lokalisiert ist, kann die verbesserten Signalgüten des Fusionsobjekts beim Wiedereintritt in den zweiten Detektionsbereich 250 nutzen, indem schneller und zuverlässiger reagiert wird. Dadurch wird die Datenqualität erhöht, was zu einer Verbesserung der Robustheit und Zuverlässigkeit der nachgeschalteten Fahrfunktionen beiträgt. Erfindungsgemäß ist bei einer vorteilhaften Ausführungsform der Erfindung insbesondere (vgl. die Erklärungen zu Figur 3) vorgesehen, dass zwischen der Verarbeitungseinheit 400 und den Sensoren 100, 200, 300 ein Austausch von Objektinformationen derart vorgesehen ist, dass solche Objektinformationen an die Sensoren 100, 200, 300 gesendet werden. Wenn in diesem Zusammenhang dem zweiten Sensor 200 Informationen über den Eintritt des ersten Objekts 10 in den zweiten Detektionsbereich 250 zugeführt werden, so kann dieser Sensor das erste Objekt schneller, sicherer und genauer detektieren. Der beschriebene Algorithmus zur Überbrückung von Detektionslücken 160 kann mit kleinen Modifikationen auch auf Probleme der Objektverfolgung bei temporären Verdeckungen ausgedehnt werden.
In Figur 14 ist das System zur Verarbeitung von Sensordaten in einer abgewandelten Darstellung dargestellt. Das System umfaßt wieder den ersten Sensor 100, den zweiten Sensor 200 und den dritten Sensor 300. Jeder der Sensoren 100, 200, 300 ist mit dem Bussystem B verbunden, welches auch an der Verarbeitungseinheit 400 angeschlossen ist. Ähnlich wie in Figur 2 ist auch in Figur 14 das erste Objekt 10 und das zweite Objekt 20 im Außenumfeld des (in Figur 14 nicht dargestellten) Kraftfahrzeugs 1 dargestellt, in welches der erste Sensor 100, der zweite Sensor 200, der dritte Sensor 300, die Verarbeitungseinheit 400 und das Bussystem B eingebaut sind. Ein Aspekt der vorliegenden Erfindung ist es, die Objektgröße der Objekte 10, 20 zu bestimmen. Hierzu sind in Figur 14 als Beispiele für Objektgrößen beim ersten Objekt 10 die Länge mit dem Bezugszeichen "L" und beim zweiten Objekt 20 die Breite mit dem Bezugszeichen "W" angegeben. Die Objekte 10, 20 - und damit auch ihre Ausdehnung - werden von den Sensoren 100, 200, 300, wie prinzipiell bei Figur 2 beschrieben, erfaßt. Hier sind in Figur 14 die mit den Bezugszeichen 30, 31 versehenen Pfeile der Einfachheit halber weggelassen. Ebenso sind die in Figur 2 aufgeführten Sensorobjekte 110, 120, 210, 220 und FusionsObjekte 410, 420 in Figur 14 der Einfachheit halber weggelassen. Prinzipiell arbeitet jedoch auch das System gemäß Figur 14 in analoger Weise wie das System gemäß Figur 2.
Einer der Aspekte der vorliegenden Erfindung bezieht sich auf die Messung der Objektgröße der Objekten 10, 20. Die Verarbeitungseinheit 400 verarbeitet die verschiedenen, von den Sensoren 100, 200, 300 gelieferten Informationen, wobei Objekthypothesen als Fusionsobjekte generiert werden. -Zur Bestimmung der Objektgröße von Objekten 10, 20 wird erfindungsgemäß die gesamte zur Verfügung stehende Sensorinformation herangezogen werden. Ziel ist die räumliche und zeitliche Akkumulation von potentieller Größeninformation. Ermittelte Objektgrößen können zur Auswertung und Interpretation der Fahrumgebung herangezogen werden. Die Objektgröße ist ein zuverlässiges Attribut eines Fusionsobjekts, wobei die Objektgröße bei einer Klassifikation von detektierten Objekten verwendet wird. Die Objektgröße kann an FahrzeugführungsSysteme oder Fahrerassistenzsysteme weitergeleitet werden und erhöht maßgeblich den Detaillierungsgrad einer durch Sensoren erfassten Fahrumgebung.
In Figur 15 ist ein erfindungsgemäßes Gesamtverfahren zur Bestimmung der Objektgröße dargestellt. Exemplarisch ist die Berechnung der Breite eines Objekts dargestellt. In Figur 15 ist beispielhaft folgende Situation dargestellt: Der erste Sensor 100 liefert das erste Sensorobjekt 110 und der zweite Sensor 200 liefert das dritte Sensorobjekt 210 und das vierte Sensorobjekt 220. Dies ist in Figur 15 durch Pfeile dargestellt, wobei ein Pfeil vom mit dem Bezugszeichen 100 bezeichneten Kästchen zum mit dem Bezugszeichen 110 bezeichneten Kästchen und wobei jeweils ein Pfeil vom mit dem Bezugszeichen 200 bezeichneten Kästchen zum den mit den Bezugszeichen 210 und 220 bezeichneten Kästchen dargestellt sind. Beim ersten Sensorobjekt 110, d.h. dem mit dem Bezugszeichen 110 versehenen Kästchen, sind in Figur 15 drei Bezugszeichen 116, 117, 118 dargestellt, die jeweils Meßwerte des ersten Sensorobjekts 110 darstellen. Hierbei stellt im Beispiel das Bezugszeichen 116 sowohl die Querablage des durch das erste Sensorobjekt 110 repräsentierten Objekts, d.h. seine Ausdehnung in y- Richtung, als auch die Güte der Ermittlung der Querablage des durch das erste Sensorobjekt 110 repräsentierten Objekts dar. Das Bezugszeichen 117 stellt im Beispiel sowohl die gemessene Breite des durch das erste Sensorobjekt 110 repräsentierten Objekts als auch die Güte der Ermittlung der Breite des durch das erste Sensorobjekt 110 repräsentierten Objekts dar, währenddem das Bezugszeichen 118 für weitere vom ersten Sensor 100 gelieferte Meßwerte und Attribute bezüglich des ersten Sensorobjekts 110 steht. Entsprechend sind beim dritten Sensorobjekt 210, d.h. dem mit dem Bezugszeichen 210 versehenen Kästchen, in Figur 15 drei Bezugszeichen 216, 217, 218 dargestellt, die jeweils Meßwerte des dritten Sensorobjekts 210 darstellen. Hierbei stellt im Beispiel das Bezugszeichen 216 sowohl die Querablage des durch das dritte Sensorobjekt 210 repräsentierten Objekts, d.h. seine Ausdehnung in y- Richtung, als auch die Güte der Ermittlung der Querablage des durch das dritte Sensorobjekt 210 repräsentierten Objekts dar. Das Bezugszeichen 217 stellt im Beispiel sowohl die gemessene Breite des durch das dritte Sensorobjekt 210 repräsentierten Objekts als auch die Güte der Ermittlung der Breite des durch das dritte Sensorobjekt 210 repräsentierten Objekts dar, währenddem das Bezugszeichen 218 für weitere vom zweiten Sensor 200 gelieferte Meßwerte und Attribute bezüglich des dritten Sensorobjekts 210 steht. Entsprechend sind beim vierten Sensorobjekt 220, d.h. dem mit dem Bezugszeichen 220 versehenen Kästchen, in Figur 15 drei Bezugszeichen 226, 227, 228 dargestellt, die jeweils Meßwerte des vierten Sensorobjekts 220 darstellen. Hierbei stellt im Beispiel das Bezugszeichen 226 sowohl die Querablage des durch das vierte Sensorobjekt 220 repräsentierten Objekts, d.h. seine Ausdehnung in y- Richtung, als auch die Güte der Ermittlung der Querablage des durch das vierte Sensorobjekt 220 repräsentierten Objekts dar. Das Bezugszeichen 227 stellt im Beispiel sowohl die gemessene Breite des durch das vierte Sensorobjekt 220 repräsentierten Objekts als auch die Güte der Ermittlung der Breite des durch das vierte Sensorobjekt 220 repräsentierten Objekts dar, währenddem das Bezugszeichen 228 für weitere vom zweiten Sensor 200 gelieferte Meßwerte und Attribute bezüglich des vierten Sensorobjekts 220 steht. Es ist bei den in den Sensorobjekten 110, 210, 220 gespeicherten Informationen zu beachten, dass aufgrund der Tatsache, dass bei manchen Sensorarten keine Breiteninformation zur Verfügung steht, bei den diesen Sensoren entsprechenden Sensorobjekten auch keine - oder nur ungenaue - Breiteninformationen an den entsprechenden Stellen der Sensorobjekte vorhanden sind.
In Figur 15 weist jeweils ein Pfeil von den mit den Bezugszeichen 116 und 117 repräsentierten Daten zu einem mit dem Bezugszeichen 610 versehenen Kästchen. Ebenso weist in Figur 15 jeweils ein Pfeil von den mit den Bezugszeichen 216 und 217 repräsentierten Daten zu einem mit dem Bezugszeichen 620 versehenen Kästchen. Ebenso weist in Figur 15 jeweils ein Pfeil von den mit den Bezugszeichen 226 und 227 repräsentierten Daten zu einem mit dem Bezugszeichen 630 versehenen Kästchen. Die Bezugszeichen 610, 620 und 630 stehen jeweils in identischer Weise für einen ersten Auswertealgorithmus, der die entsprechenden Daten des ersten, dritten und vierten Sensorobjektes 110, 210, 220 auswertet. Der erste Auswertealgorithmus ist in Figur 16 als mit dem Bezugszeichen 600 gekennzeichnet dargestellt und umfaßt wenigstens einen ersten Eingang 601 und einen zweiten Eingang 602 sowie wenigstens einen ersten Ausgang 607. Der erste Eingang 601 bei der mit dem Bezugszeichen 610 bezeichneten "Kopie" des ersten Auswertealgorithmus 600 wird durch den Pfeil zwischen den Daten 116 und dem Kästchen 610 dargestellt und der zweite Eingang 602 bei der mit dem Bezugszeichen 610 bezeichneten "Kopie" des ersten Auswertealgorithmus 600 wird durch den Pfeil zwischen den Daten 117 und dem Kästchen 610 dargestellt. Analog entspricht 216 dem ersten Eingang von 620 und 217 dem zweiten Eingang von 620 bzw. 226 dem ersten Eingang von 630 und 227 dem zweiten Eingang von 630. Ein weiterer Pfeil verbindet weiterhin die Bezugszeichen 116, 216 und 226 gesammelt mit einem zweiten Auswertealgorithmus, der mit dem Bezugszeichen 640 versehen ist. Die Ausgänge der ersten Auswertealgorithmen 610, 620, 630 und des zweiten Auswertealgorithmus 640 sind mit dem Eingang eines mit dem Bezugszeichen 660 versehenen sogenannten Koordinators verbunden.
Auf der linken Seite der Figur 15 ist ein mit dem Bezugszeichen 445 versehenes Kästchen dargestellt, welches ein Fusionsobjekt - beispielsweise das erste Fusionsobjekt 410 - zu einem ersten Zeitschritt repräsentiert. Das Fusionobjekt 445 zum ersten Zeitschritt umfaßt, ähnlich wie die Sensorobjekte 110, 210, 220 drei Bezugszeichen 446, 447, 448, die jeweils Meßwerte des Fusionsobjekt 445 zum ersten Zeitschritt darstellen. Hierbei stellt im Beispiel das Bezugszeichen 446 sowohl die Querablage des durch das Fusionsobjekt 445 zum ersten Zeitschritt repräsentierten Objekts, d.h. seine Ausdehnung in y-Richtung, als auch die Güte der Ermittlung der Querablage des durch das Fusionsobjekt 445 zum ersten Zeitschritt repräsentierten Objekts dar. Das Bezugszeichen 447 stellt im Beispiel sowohl die gemessene Breite des durch das Fusionsobjekt 445 zum ersten Zeitschritt repräsentierten Objekts als auch die Güte der Ermittlung der Breite des durch das Fusionsobjekt 445 zum ersten Zeitschritt repräsentierten Objekts dar, währenddem das Bezugszeichen 448 für weitere Meßwerte und Attribute bezüglich des Fusionsobjekts 445 zum ersten Zeitschritt steht . Auf der linken Seite der Figur 15 ist weiterhin ein mit dem Bezugszeichen 455 versehenes Kästchen dargestellt, welches das Fusionsobjekt 445 zu einem zweiten Zeitschritt repräsentiert. Das Fusionobjekt 455 zum zweiten Zeitschritt umfaßt, ähnlich wie das Fusionsobjekt 445 zum ersten Zeitschritt drei Bezugszeichen 456, 457, 458, die jeweils Meßwerte des Fusionsobjekts 455 zum zweiten Zeitschritt darstellen. Hierbei stellt im Beispiel das Bezugszeichen 456 sowohl die Querablage des durch das Fusionsobjekt 455 zum zweiten Zeitschritt repräsentierten Objekts, d.h. seine Ausdehnung in y-Richtung, als auch die Güte der Ermittlung der Querablage des durch das Fusionsobjekt 455 zum zweiten Zeitschritt repräsentierten Objekts dar. Das Bezugszeichen 457 stellt im Beispiel sowohl die gemessene Breite des durch das Fusionsobjekt 455 zum zweiten Zeitschritt repräsentierten Objekts als auch die Güte der Ermittlung der Breite des durch das Fusionsobjekt 455 zum zweiten Zeitschritt repräsentierten Objekts dar, währenddem das Bezugszeichen 458 für weitere Meßwerte und Attribute bezüglich des Fusionsobjekts 455 zum zweiten Zeitschritt steht. Es wird im in der Figur 15 dargestellten Beispiel angenommen, dass die Sensorobjekte 110, 210, 220 durch die Verarbeitungseinheit - beispielsweise in einer Assoziationsmatrix - den Fusionobjekten 445 bzw. 455 zugeordnet sind und ein Objekt 10, 20 repräsentieren. Ziel der dargestellten Auswertung ist es beispielsweise, die Breite dieses Objekts zu ermitteln. Alternativ könnte selbstverständlich auch eine andere Ausdehnung ermittelt werden.
Der Ausgang des Koordinators 660 ist in Figur 15 mit einem Pfeil mit dem Bezugszeichen 457 verbunden, was ausdrücken soll, dass durch die Verarbeitung in den ersten Auswertealgorithmen 610, 620, 630, dem zweiten Auswertealogrithmus 640 und dem Koordinator 660 der Meßwert bzw. der Schätzwert bezüglich der Breite des durch die Fusionsobjekte 445 und 455 dargestellten Objekts vom ersten Zeitschritt (Fusionsobjekt 445) zum zweiten Zeitschritt (Fusionsobjekt 455) aktualisiert bzw. verbessert wurde.
Im folgenden wird der erste Auswertealgorithmus 600, wie er in Figur 16 dargestellt ist, näher beschrieben. Am ersten Eingang 601 steht dem ersten Auswertealgorithmus 600 ein Wert für die Querablage und ein Gütewert für die Querablage zur Verfügung. Am zweiten Eingang steht dem ersten Auswertealgorithmus 600 - zumindest potentiell - ein Wert für die Breite und ein Gütewert für die Breite zur Verfügung. Bei einem mit dem Bezugszeichen 603 versehenen Verfahrensschritt wird abgefragt, ob eine Breiteinformation am zweiten Eingang 602 zur Verfügung steht . Ist dies der Fall wird zu einem mit dem Bezugszeichen 605 versehenen Verfahrensschritt verzweigt, der die am zweiten Eingang 602 zur Verfügung stehende Breite und deren Güteinformation als Ausgabegrößen des ersten Auswertealgorithmus 600 an den Ausgang 607 des ersten Auswertealgorithmus 600 weiterleitet. Steht eine Breiteinformation am zweiten Eingang 602 nicht zur Verfügung wird beim Schritt 603 zu einem mit dem Bezugszeichen 609 versehenen Verfahrensschritt verzweigt, bei dem aus der Historie der Meßdaten zur Querablage (die am ersten Eingang 601 ausgehend vom entsprechenden Sensorbjekt bzw. ausgehend vom Zentralspeicher der Verarbeitungseinheit 400, in welchem die Trackingdaten der einzelnen Sensorobjekte zur Verfügung stehen) ein Mittelwert der Querablage berechnet wird. Die Information über den Mittelwert wird anschließend an einen mit dem Bezugszeichen 604 versehenen Verfahrensschritt weitergeleitet, bei dem entschieden wird, ob die Querablage um ihren Mittelwert schwankt. Ist dies der Fall wird zu einem weiteren und mit dem Bezugszeichen 606 versehenen Verfahrensschritt verzweigt, bei dem aus den Schwankungen der Querablage eine Schätzung für die Breite des betreffenden Objekts erzeugt wird, welche anschließend an den Ausgang 607 des ersten Auswertealgorithmus 600 weitergegeben wird. Schwankt die Querablage beim Schritt 604 nicht um ihren Mittelwert, wird der erste Auswertealgorithmus 600 entweder durch einen in der Figur 16 dargestellten weiteren und mit dem Bezugszeichen 608 versehenen Verfahrensschritt abgebrochen oder aber es wird (in Figur 16 nicht dargestellt) an den Ausgang 607 der Wert "null" als geschätzte bzw. berechnete Breite des betreffenden Objekts weitergeleitet bzw. das Nichtvorhandensein einer Breite im zugehörigen Gütewert codiert .
Der zweite Auswertealgorithmus 640 erzeugt aus den ihm ausgehend von den mit den Bezugszeichen 116, 216, 226 versehenen Werten und Güten für die Querablage zur Verfügung stehenden Informationen durch eine "Min-Max-Auswertung" an seinem Ausgang einen Schätzwert für die Gesamtbreite des durch die Sensorobjekte 110, 210, 220 repräsentierten Objekts.
Der Koordinator 660 erzeugt aus den Breiteninformationen und den Güteinformationen zu den Breiteninformationen, die von den ersten und zweiten Auswertealgorithmen 610, 620, 630, 640 geliefert werden, eine Breiteninformation, die - wie in Figur 15 dargestellt - dem Fusionsobjekt 455 zum zweiten Zeitschritt zugeführt wird.
Zusammenfassend versucht das Verfahren zur Bestimmung der Objektgröße von Objekten durch die Durchsuchung der von den Sensoren eintreffenden Sensorobjekten bzw. der Objektlisten nach direkter und indirekter Information über die Ausdehnung von detektierten Objekten einen Schätzwert für die Ausdehnung zu liefern. Ein Vorteil der Größenbestimmung auf der Ebene der Fusionsobjekte liegt in der oftmals vorhandenen Redundanz der eingehenden Daten. Aus Mehrfachmessungen ein und desselben Objekts über mehrere Meßzyklen kann Größeninformation gewonnen werden. Ein weiterer Vorteil besteht in der Möglichkeit, inhomogene Größeninformationen zu verarbeiten. Durch die Kombination verschiedener Methoden ist es möglich, sowohl gemessene Objektausdehnungen als auch aus Positionsmessungen gewonnene Größen zu fusionieren, d.h. auf der Ebene von Fusionsobjekten zu verarbeiten. Zur Ermittlung der Objektgröße werden mehrere Objektattribute berücksichtigt, beispielsweise die longitudinale Distanz, die laterale Querablage, gegebenenfalls Objektbreite, Objekthöhe, Objektlänge. Zu unterscheiden sind Teilverfahren, die aus Positionsdaten Objektausdehnungen aufbauen, wie beispielsweise der erste Auswertungsalgorithmus 600. Die Resultate aller Teilverfahren werden schließlich in einem Koordinator 660 kombiniert.
Bei dem erfindungsgemäßen Verfahren zur Bestimmung von Objektgrößen werden insbesondere folgende Verfahrensschritte durchgeführt :
Objektgrößenaufbau aus einer zeitlichen Reflexbeobachtung: Die Reflexwanderung eines Radarsensors kann ausgenutzt werden. Dazu ist eine stabile Detektion eines Objekts über einen längeren Zeitraum hinweg notwendig. Zur Bewertung der Stabilität und Dauer wird die Objektplausibilität verwendet. Ab einen festzulegenden Schwellwert der Objektplausibilität ist ein Objekt hinreichend plausibel, um Informationen über die Breite und Länge zu liefern. Von den gemessenen Minimal- und Maximalwerten der Distanz und der Querablage werden mindestens die Standardabweichungen der Messfehler subtrahiert, um eine statistisch gesicherte Ausdehnung zu generieren. Geeignete Reflexwanderungen treten u.a. in weiten Kurven oder bei Ein- und Ausschervorgängen, beispielsweise auf Autobahnen, auf. Um zu verhindern, dass zwei getrennte reale Objekte fälschlicherweise zur Breitenerzeugung herangezogen werden, sind Sprünge in den Daten nicht zugelassen. Nur bei hinreichend glatten Meßdaten wird dieses Teilverfahren angewandt.
Objektgrößenaufbau aus einer räumlichen Reflexbeobachtung: Die punktförmigen Reflexzentren von mehreren Einzelsensoren können verarbeitet werden. Wird ein einzelnes reales Objekt von mehreren Sensoren an verschiedenen Reflexpunkten detektiert, so läßt sich eine Ausdehnung bereits nach wenigen Messzyklen aufbauen. Aus den Minimal- und Maximalwerten werden Objektbreite und Objektlänge bestimmt. Die Zuordnung der Sensormessungen zu ein und demselben realen Objekt 10, 20 erfolgt im Assoziationsschritt in der Verarbeitungseinheit 400.
Objektgrößenaufbau aus einer räumlichen Größenfusion: Werden mehrere Einzelsensoren verwendet, die Breiten- und/oder Höhen- und/oder Längeninformationen liefern, so können beim Verarbeitungsschritt des Merging, also beim Verschmelzen der Einzelobjekte, erweiterte Objektbreiten, - höhen und -längen bestimmt werden. Die Einzelausdehnungen werden vereinigt. Die so entstehenden Größen sind somit stets größer als die Einzelausdehnungen.
Objektgrößenaufbau durch kombinierte Verfahren: Wird eine Punktmessung (z.B. durch Radarsensoren) einem bereits bestehenden, getrackten und mit Größeninformation (z.B. durch Videosensoren) versehenen Fusionsobjekt zugeordnet, so kann bei hinreichender Plausibilität die Größe erweitert werden, etwa dadurch, dass plausible Messungen am Rand und außerhalb des bisherigen Objektrandes erfolgen.
Einer der Aspekte der vorliegenden Erfindung bezieht sich auf Strategien zur Gewichtung von Objektdaten bei der Erzeugung bzw. Aktualisierung von Fusionsobjekten. Die Gewichtung von Einzelsensordaten innerhalb der Fusionsobjekte soll erfindungsgemäß intelligent vorgenommen werden. Die von verschiedenen Sensoren gelieferten und durch einen Assoziationsschritt ein und demselben Fusionsobjekt zugeordneten Daten (welche in ihrer Gesamtheit ein reales Objekt 10, 20 repräsentieren) werden zu einem einzigen Datensatz des Fusionsobjekts fusioniert bzw. assoziiert. Ziel ist dabei das Erreichen einer größtmöglichen Genauigkeit in den Daten der Fusionsbojekte . Bedingt durch unterschiedliche physikalische Messprinzipien besitzen die Einzelsensoren unterschiedliche Detektionseigenschaften. Hinzu kommen gegebenenfalls auch Exemplarstreuungen. Das erfindungsgemäße Verfahren benutzt insbesondere Zusatzinformationen über die Güte der von dem Verfahren gelieferten Daten. Der Hauptvorteil bei der intelligenten Gewichtung von verschiedenen Sensordaten besteht in der bestmöglichen Ausnutzung der Information über die Genauigkeit der einzelnen Daten. Liegen zu einem einzigen realen Objekt mehrere Datensätze vor, so entsteht eine redundante Datenmenge. Durch Ausnutzen dieser Redundanz kann eine im Vergleich zu den Einzelgenauigkeiten höhere Genauigkeit in den Fusionsdaten erzielt werden. Die Eingangsdaten können aus Sensormessdaten oder aus bereits bestehenden und getrackten Fusionsobjekten oder aus einer Mischung aus beiden bestehen. So besteht ein weiterer Vorteil des erfindungsgemäßen Verfahrens in der Möglichkeit, Fusionsobjekte und Einzelsensorobjekte in beliebiger Zusammensetzung zu verschmelzen.
Zur konkreten Implementierung des erfindungsgemäßen Verfahrens zur Gewichtung von Objektdaten wird vorausgesetzt, dass zu jedem Objektdatum ein Gütemaß existiert. Dieses Gütemaß kann statisch festgelegt sein oder dynamisch mit jeder Messung mitgeliefert werden. Ein Hauptschritt bei der Verarbeitung der Sensordaten ist die Datenassoziation, bei der die vorliegenden Daten den bestehenden Fusionsobjekten zugeordnet werden. Die Gewichtung geschieht unter Verwendung des Gütemaßes der Einzelsensoren. Je schlechter die Güte eines Datums ist, desto geringer ist seine Gewichtung. Liegt eine Anzahl n von Daten a.1 , . . . , an zur Fusion vor, so berechnet sich das
Fusionsdatum a durch: a = Summe von w.j_ * a^_ über den Index i von i = 1 bis i = n, wobei w-j_,..., wn die Gewichte sind mit den Eigenschaften:
Wj^ ist größer oder gleich null für alle i und die Summe über alle Wj_ ist gleich eins.
Alle Attribute mit kontinuierlichen Werten, beispielsweise Abstand, Geschwindigkeit, Beschleunigung, Breite, Höhe, Länge, sind Objektdaten und können auf diese Weise verschmolzen werden. Durch Runden auf den nächstliegenden Wert können auch Attribute mit diskreten Werten (beispielsweise die Anzahl der Trackingzyklen, die Plausibilität) gewichtet fusioniert werden. Messfehler von Messgrößen besitzen typischerweise statistische Verteilungen. Die Varianzen solcher Verteilungen können zum Beispiel als Genauigkeitsmaße verwendet werden. Alternativ sind aber auch andere skalare Gütemaße möglich. Bezüglich eines einzelnen Objektattributs muss allerdings eine einheitliche Definition des Gütemaßes verwendet werden.
Bei einer ersten, besonders effizient implementierbaren Variante des erfindungsgemäßen Verfahrens zur Gewichtung von Objektdaten werden die Gewichte w.j_ der Einzelsensoren entsprechend den Kehrwerten der Einzelgütemaße in normierter Form benutzt. Für den Fall von zwei Einzeldaten a. unc^ a 2 mit den Varianzen σ-^σ- und σ2*σ2 lauten die Gewichte:
wι = σ2 / (σι + σ2' und w = O-L / ( σ1 + σ- Bei einer zweiten Variante des erfindungsgemäßen Verfahrens zur Gewichtung von Objektdaten wird angenommen, dass als Gütemaß die Varianz der Verteilungsfunktion der Messfehler verwendet wird. Die Gewichte w.j_ der Einzelsensoren werden so gewählt, dass die Varianz des Fusionsdatums minimal wird. Hierzu wird ein mehrdimensionales, quadratisches Optimierungsproblem gelöst. Die Gewichte hängen von der Anzahl und den Werten der Einzelvarianzen ab. Sie sind in einer geschlossenen Formel angebbar. Für den Fall von zwei Einzeldaten ax und a2 mit den Varianzen σ1*σ1 und σ1*σ1 lauten die Gewichte:
W-L = σ2*σ2 / (02*0! + σ2*σ2) und w2 = σι*σι / <σι*σι + σ2*σ2>
Der Rechenaufwand ist im Vergleich zur ersten Variante nur geringfügig größer. Im Sinne der Varianz des Fusionsdatums ist diese Vorgehensweise gemäß der zweiten Variante bestmöglich.
Einer der Aspekte der vorliegenden Erfindung bezieht sich auf eine optimierte Verwaltung eines Plausibilitätsmaßes für Fusionsobjekte. Die Plausibilität beschreibt, wie sicher und zuverlässig ein Objekt detektiert wird. Sie begleitet ein Fusionsobjekt während seiner gesamten Lebensdauer. Bei der Beurteilung der Relevanz eines Objekts für eine bestimmte Applikation spielt die Objektplausibilität eine wichtige Rolle. Als wesentliches Objektattribut, insbesondere eines Fusionsobjektes, kann die Plausibilität an Fahrzeugführungssysteme oder Fahrerassistenzsysteme weitergeleitet werden. Damit wird der Detaillierungsgrad einer durch Sensoren erfassten Fahrumgebung erhöht. Insbesondere profitieren Klassifikation und Interpretation einer erfassten Fahrumgebung vom Gütemaß der Plausibilität. Bei dem erfindungsgemäßen Verfahren zur optimierten Verwaltung eines Plausibilitätsmaßes für Fusionsobjekte wird insbesondere die Plausibilität als Attribut eines Objekts, d.h. insbesondere eines Fusionsobjekts, angelegt. Sie enthält in gewissem Sinn die Objekthistorie und gibt an, wie sicher ein Objekt detektiert wird. Die Inkrementierung und Dekrementierung der Plausibilität hängt von verschiedenen Einflussgrößen ab.
Die Plausibilität kann als skalares Maß definiert werden. Wird ein Fusionsobjekt neu angelegt, so wird die Plausibilität auf null oder auf einen Wert, der der Anzahl der detektierenden Sensoren entspricht, gesetzt. Wird das Fusionsobjekt weiterhin detektiert, so wird die Plausibilität fortlaufend erhöht. Oberhalb eines Schwellwerts gilt ein Objekt als plausibel. Treten Messaussetzer auf, so wird die Plausibilität entsprechend verringert. Wird das Objekt über mehrere Zyklen nicht detektiert, weil es nicht mehr existiert oder sich aus dem Erfassungsbereich aller eingesetzten Einzelsensoren entfernt hat, wird die Plausibilität sukzessive verringert. Fällt sie unter eine festgelegten Schwellwert, so gilt das Fusionsobjekt als nicht mehr plausibel. Bei hinreichend geringer Plausibilität wird ein Fusionsobjekt gelöscht.
Im folgenden werden einige wesentliche Mechanismen zur Plausibilitätsfindung aufgelistet :
Normierung der Plausibilität
Die Plausibilität kann auf das Intervall [0,1] normiert werden. In diesem Fall wird ein kompakter Wertebereich festgelegt. Über eine geeignete Diskretisierung kann somit der notwendige Speicherplatz zeitunabhängig festgelegt werden. Wird eine Änderung eines Plausibilitätswerts berechnet, die ein Verlassen des Intervalls [0,1] zur Folge hätte, so wird der geänderte Wert durch einen Limiter nach unten durch null und nach oben durch eins begrenzt. Ergeben sich bei einer Inkrementierung bzw. Dekrementierung rechnerisch Werte, die zwischen den Diskretisierungsstufen liegen, so kann zum nächstliegenden Diskretisierungswert gerundet werden.
Festlegung des Basisinkrements
Das Basisinkrement bezeichnet die kleinste Einheit einer Plausibilitätsänderung . Dieses Inkrement kann konstant oder variabel sein. Es sind verschiedene Varianten möglich:
- Als Basisinkrement kann ein konstanter Wert, etwa 0.1, eingesetzt werden.
- Als Basisinkrement kann ein exponentieller Wert gewählt werden. Liegt die Plausibilität etwa im Intervall [0,1], so finden in der Nähe von 0 und 1 nur kleine Änderungen statt. Bei 0.5 sind die Änderungen am stärksten. Die Werte 0 und 1 werden nur asymptotisch erreicht.
Bestimmung der Inkremente und Dekremente
Die Inkremente und Dekremente des Plausibilitätsmaßes werden in Abhängigkeit der Anzahl und Güte der Objekte der Einzelsensoren festgelegt.
- Je mehr Sensoren ein Fusionsobjekt gleichzeitig detektieren, desto größer wird das Inkrement festgelegt. Das Inkrement kann z.B. proportional zur Anzahl der Einzelobjekte gewählt werden.
- Je besser die Sensorgüte ist, desto höher kann das Basisinkrement eines Einzelsensors gewichtet werden. Diese Gewichtung kann vom charakterisierten Sensorexemplar und dessen Detektionsbereich abhängen. Damit fließt ein a - priori Wissen in die Gewichtung ein.
Timing der Plausibilitätsverwaltung Die Plausibilität wird im Takt der Sensordatenfusion neu berechnet. Die Zyklen der Sensordatenfusion können von gleicher oder von unterschiedlicher Taktlänge sein.
- Liefert ein Sensor beispielsweise nur in jedem zweiten Fusionszyklus Daten, so kann dessen Plausibilitätsgewicht verdoppelt werden, um gleichberechtigte
Plausibilitätsanteile zwischen den Sensoren sicherzustellen. Durch eine Berücksichtigung der Plausibilitätsanteile kann erreicht werden, dass verschiedene Einzelsensoren ein Objekt innerhalb derselben Zeitspanne auf denselben Plausibilitätswert bringen.
- Alternativ können die Plausibilitäten der Einzelsensoren gleich gewichtet werden. In diesem Fall erreicht man eine Gleichbehandlung der Sensoren über das Alter der von den Sensoren gelieferten Daten und der charakteristischen Sensorzykluszeit . Wenn innerhalb eines Takts der Sensordatenfusion, d.h. innerhalb der Zeitspanne in der der Verarbeitungsalgorithmus wiederholt wird, aufgrund der Sensorzykluszeit ein Objekt gemessen werden könnte, tatsächlich aber nicht gemessen wird, so erfolgt eine Dekrementierung, ansonsten nicht.
Hysterese der Plausibilität
Für Applikationen gilt ein Fusionsobjekt als plausibel, falls sein Plausibilitätsmaß oberhalb eines festgelegten Schwellwerts liegt. Zur Erhöhung der Stabilität und Dominanz von bestehenden Fusionsobjekten kann in diesen Schwellwert eine Hysterese eingebaut werden. Liegt die Plausibilität im Intervall [0,1], so ist z.B. 0.3 ein solcher Schwellwert. Mit Hysterese kann dieser Wert bei wachsender Plausibilität auf 0.4 und bei fallender Plausibilität auf 0.2 gesetzt werden.
In Figur 17 ist ein Schema zu einer Plausibilitätsverwaltung dargestellt. Es wird wiederum - ähnlich wie in Figur 15 - von einem Fusionsobjekt 445 zu einem ersten Zeitschritt ausgegangen. Ein solches Fusionsobjekt umfaßt als Attribut ein Plausibilitätsmaß, welches in Figur 17 für das Fusionsobjekt 445 zu dem ersten Zeitschritt mit dem Bezugszeichen 449 gekennzeichnet ist. Es wird in dem in Figur 17 dargestellten Beispiel davon ausgegangen, dass bei dem Assoziationεschritt Sensorobjekte, die von den Sensoren 100, 200, 300 geliefert werden, dem Fusionsobjekt 445 beim ersten Zeitschritt zugeordnet wurden. Das Plausibilitätsmaß für das Fusionsobjekt 445 zum ersten Zeitschritt soll nun für den zweiten Zeitschritt aktualisiert werden. Diese Aktualisierung stellt das in Figur 17 ebenfalls dargestellte Fusionsobjekt 455 zum zweiten Zeitschritt dar, welches ebenfalls ein Plausibilitätsmaß umfaßt, welches mit dem Bezugszeichen 459 gekennzeichnet ist. Zur Aktualisierung des Plausibilitätsmaßes werden verschiedene Verfahrensschritte durchgeführt. Zunächst wird ein mit dem Bezugszeichen 672 bezeichneter Verfahrensschritt ausgeführt, zu dem, ausgehend vom Fusionsobjekt 445 zum ersten Zeitpunkt und ausgehend vom Plausibilitätsmaß 449, jeweils ein Pfeil weist und der das Basisinkrement, ausgehend vom Plausibilitätsmaß 449, berechnet. Anschließend wird, ausgehend vom mit dem Bezugszeichen 672 gekennzeichneten Verfahrensschritt ein weiterer und mit dem Bezugszeichen 673 bezeichneter Verfahrensschritt ausgeführt. Hierzu weist ein Pfeil vom Bezugszeichen 672 zum Bezugszeichen 673. Beim mit dem Bezugszeichen 673 bezeichneten Verfahrensschritt wird die Plausibilität inkrementiert oder dekrementiert und zwar in Abhängigkeit von Informationen die im mit dem Bezugszeichen 673 bezeichneten Verfahrensschritt - direkt oder indirekt - ausgehend von den in Figur 17 ebenfalls dargestellten Sensoren 100, 200, 300 vorliegen. Ausgehend vom mit dem Bezugszeichen 673 bezeichneten Verfahrensschritt wird in einem weiteren und mit dem Bezugszeichen 674 bezeichneten Verfahrensschritt in Abhängigekeit von einem vorgegebenen und mit dem Bezugszeichen 675 bezeichneten Plausibilitätsintervall darauf geachtet, dass die Grenzen des Pausibilitätsintervalls durch die vorgeschlagene Inkrementierung bzw. Dekrementierung nicht überschritten werden, was in Figur 17 durch jeweils einen Pfeil vom Bezugszeichen 673 und 675 zum Bezugszeichen 674 gekennzeichnet ist. Der beim mit dem Bezugszeichen 674 versehenen Verfahrensschritt geprüfte Wert für die Plausibilität wird anschließend dem Fusionsobjekt 455 beim zweiten Zeitschritt zur Verfügung gestellt, was durch Pfeile vom Bezugszeichen 674 jeweils zum Fusionsobjekt 455 zum zweiten Zeitschritt als auch dessen Plausibilitätsattribut 459 in Figur 17 gekennzeichnet ist.
In dem in Figur 17 dargestellten Beispiel wird angenommen, dass die Sensoren 100, 200, 300 jeweils Sensorobjekte liefern, die mit den Fusionsobjekten 445, 455 zum ersten und zum zweiten Zeitschritt assoziiert sind. Die Sensoren 100, 200, 300 liefern erfindungsgemäß Informationen, die in einem für alle Sensoren getrennt, aber in einheitlicher Weise durchlaufenen und mit dem Bezugszeichen 670 versehenen Verfahrensschritt verarbeitet werden, was in Figur 17 mit jeweils einem Pfeil von jedem der Sensoren 100, 200, 300 zu den in entsprechender Mehrzahl vorhandenen Bezugszeichen 670 dargestellt ist. Die Verarbeitung beim mit dem Bezugszeichen 670 bezeichneten Verfahrensschritt umfaßt insbesondere die Bestimmung der Sensorgüte und die Bestimmung des Datenalters. Die von den Sensoren 100, 200, 300 gelieferten und im mit den Bezugszeichen 670 versehenen Verfahrensschritten bearbeiteten und aufbereiteten Informationen werden einem mit dem Bezugszeichen 671 gekennzeichneten Verfahrensschritt zur Verfügung gestellt, was durch jeweils einen zum Bezugszeichen 671 weisenden Pfeil ausgehend von den Bezugszeichen 670 in Figur 17 dargestellt ist. Beim mit dem Bezugszeichen 671 bezeichneten Verfahrensschritt werden die von den einzelnen Sensoren 100, 200, 300 stammenden Sensordaten gewichtet und das Ergebnis wird dem mit dem Bezugszeichen 673 gekennzeichneten Verfahrensschritt zur Verfügung gestellt, wie oben bereits beschrieben wurde und in Figur 17 durch einen Pfeil vom Bezugszeichen 671 zum Bezugszeichen 673 dargestellt ist.
Einer der Aspekte der vorliegenden Erfindung bezieht sich auf ein Verfahren zur Priorisierung von Fusionsobjekten. Bei einer Mehrzahl von zu verwaltenden Fusionsobjekten stellt sich die Aufgabe, eine optimierte Auswahl von relevanten Fusionsobjekten durchzuführen. Die Beschränkung der Anzahl der Fusionsobjekte hat im wesentlichen zwei Ursachen: Erstens ist üblicherweise ein fester und begrenzter Speicherbereich für die Fusionsobjektliste vorgesehen. Zweitens bedeutet das Weiterleiten der Information aus den Fusionsobjekten über das Bussystem B, etwa auf einen CAN-Bus des Fahrzeugs, weiteren Aufwand, der ebenfalls innerhalb der Grenzen der verfügbaren Ressourcen liegen muss. Bei der Verwendung von mehreren Einzelsensoren und bei der Berücksichtigung aller Objekte der Einzelsensoren kann die Liste der Fusionsobjekte deutlich länger als die Listen der Einzelsensoren sein. Ist die Anzahl der Fusionsobjekte begrenzt, so muss eine Auswahl getroffen werden. Eine solche Priorisierung von Fusionsobjekten erfolgt applikationsspezifisch. Besonders vorteilhaft bei dem erfindungsgemäßen Verfahren ist es, dass ein Verfahren bzw. eine Einrichtung zur Priorisierung von Fusionsobjekten Verwendung findet, bei der bzw. bei dem eine Konzentration auf die bezüglich einer festgelegten Applikation relevante Sensorinformation stattfindet. Wird ausschließlich relevante Information verarbeitet und weitergeleitet, so schont dies zum einen die Ressourcen und erhöht zum anderen die Geschwindigkeit der Informationsweiterverarbeitung. Vorteilhaft ist dies in hochdynamischen Situationen oder Gefahrensituationen (z.B. bei Aktivität einer automatischen Notbremsfunktion) , in denen dann die Taktrate der Sensordatenfusion erhöht werden kann. In solchen Situationen kann eine reduzierte Datenfusion lediglich auf den Daten der wesentlichen - d.h. priorisierten - Objekte erfolgen. Aus allen potentiellen Fusionsobjekten wird eine Auswahl getroffen. Die Auswahl erfolgt derart, dass die Fusionsobjektliste stets die relevantesten Objekte enthält.
Die Priorisierung wird durch ein internes Ranking, d.h. der Erstellung einer Prioritätenliste, realisiert. Das Ranking erfolgt über ein Prioritätsmaß. Fusionsobjekte werden gemäß ihrer Relevanz sortiert und verwaltet. Die Fusionsobjekte mit der höchsten Priorität sind am relevantesten und verbleiben in der Liste der Fusionsobjekte. Entstehen neue Fusionsobjekte, so werden deren Prioritätsmaße mit denjenigen der bereits bestehenden Fusionsobjekte verglichen. Sind mehr potentielle Fusionsobjekte als Listenplätze vorhanden, werden die am wenigsten relevanten Objekte aus der Fusionsobjektliste entfernt bzw. gar nicht erst aufgenommen.
Maß für die Priorität
Zur Beschreibung der Priorität kann erfindungsgemäß ein skalares Maß verwendet werden. Um eine hinreichend detaillierte Quantifizierung zu erreichen, ist möglichst eine feine Diskretisierung des Prioritätsmaßes zu verwenden. Eine Normierung, etwa auf das Intervall [0,1], ist möglich. Es muss dann allerdings sichergestellt werden, dass eine Sättigung der Priorität auf den Wert 1 praktisch nicht erreicht wird. Andernfalls lässt sich kein eindeutiges Ranking aufstellen.
Applikationsabhängige Auswahl von Einflüssen auf die Priorität Zur Berechnung des Prioritätsmaßes wird funktionsabhängige Information herangezogen. Diese Information wird von der Applikation bereitgestellt. Mögliche Daten sind die Fahrspur und der Fahrschlauch des eigenen Fahrzeugs oder der Abstand und die Relativgeschwindigkeit zu einem vorausfahrenden Fahrzeug in der eigenen oder einer benachbarten Fahrspur. Auch die Fahrzeugeigengeschwindigkeit kann je nach Applikation die Relevanz von Objekten beeinflussen. Weitere priorisierungsrelevante Information ist etwa der Lenkwinkel, die Gierrate oder die Raddrehzahl .
Dynamische Bestimmung des Prioritätsmaßes durch Ereignisauswertung
Die Priorität wird im Takt der Sensordatenfusion neu berechnet. Zur Bestimmung der Priorität wird Information aus der Applikation ausgewertet. Möglich ist die Verwendung von festen Prioritätskonstanten für Ereignisse. Für ein auf das Intervall [0,1] normiertes Prioritätsmaß können solche Konstanten im Prozent- oder Promillebereich liegen. Für jedes eingetretene Ereignis wird die zugehörige Konstante zum Prioritätsmaß hinzuaddiert. Die Höhe der Konstante legt ihre Wichtigkeit fest. Mehrere Ereignisse können überlagert werden. Ereignisse eines Objekts sind z.B. der Aufenthalt des Objekts in der eigenen Fahrspur, ein hoher Verzögerungswert eines einscherenden Fahrzeugs oder die Verwendung des Objekts als Zielobjekt durch einen Regler (z.B. ACC-Regler) .

Claims

Ansprüche
1. Verfahren zur Verarbeitung von Sensordaten (110, 120, 210, 220) zu Fusionsdaten (410, 420, 430), wobei die Sensordaten (110,120,210,220) von Sensoren (100,200,300) generiert werden, wobei die Fusionsdaten (410 , 20 , 430) in einem Assoziationsschritt (419) generiert werden und wobei die Sensordaten (110,120,210,220) entweder mit bestehenden Fusionsdaten (410,420,430) assoziiert oder zu neu generierten Fusionsdaten (410, 420, 430) assoziiert werden.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass in einem Fusionsschritt (429) eine Gewichtung der Sensordaten (110, 120, 210, 220) in Abhängigkeit eines Gütemaßes der Sensordaten (110, 120, 210, 220) vorgenommen wird.
3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass für die Gewichtung der Sensordaten (110, 120, 210, 220) ihre statistische Standardabweichung oder ihre statistische Varianz herangezogen wird.
4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in einem Mergingschritt (440) eine Verschmelzung eines ersten Fusionsobjekts (410) mit einem zweiten Fusionsobjekt (420) durchgeführt wird, wenn deren Unterschiede einen oder mehrere Schwellenwerte (Merging-Gates, 442) unterschreiten.
5. Verfahren nach ' einem der vorhergehenden Ansprüche , dadurch gekennzeichnet, dass in einem Bewertungsschritt (460) einem Fusionsobjekt (410, 420) ein Plausibilitätsmaß zugeordnet wird.
6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in einem Bewertungsschritt (460) einem Fusionsobjekt (410, 420) ein Prioritätsmaß zugeordnet wird.
7. Verfahren nach einem der vorhergehenden Ansprüche , dadurch gekennzeichnet, dass in einem der
Verarbeitungsschritte (408-460) für ein Fusionsobjekt (410) ein Objektgrößen-Attribut berechnet wird.
8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in einem der
Verarbeitungsschritte (408-460) erkannt wird, dass sich ein Objekt (10, 20) aus dem Detektionsbereich (150, 250) eines Sensors (100, 200) hinaus in eine Detektionslücke (160) bewegt und/oder dass sich ein Objekt (10, 20) in einer Detektionslücke (160) eines Sensors (100, 200) befindet und/oder dass sich ein Objekt (10, 20) aus einer Detektionslücke (160) in den Detektionsbereich (150, 250) eines Sensors (100, 200) hineinbewegt.
9. Verfahren zum Austausch von Daten zwischen einem ersten Sensor (100) und einer Verarbeitungseinheit (400) und zwischen einem zweiten Sensor (200) und der Verarbeitungseinheit (400), wobei Sensordaten (110, 120, 210, 220) vom ersten Sensor (100) bzw. vom zweiten Sensor (200) zur Verarbeitungseinheit (400) übertragen werden, wobei Rückmeldedaten (461) von der Verarbeitungseinheit (400) zum ersten Sensor (100) und/oder zum zweiten Sensor (200) übertragen werden, wobei die Sensordaten (110, 120,
210, 220) Positionsinformationen und/oder
Geschwindigkeitsinformationen von Objekten (10, 20) relativ zu den Sensoren (100, 200) umfassen.
10. Verfahren nach Anspruch 9, dadurch gekennzeichnet, daß die Sensordaten (110, 120, 210, 220) Ξensorobjekte (110, 120, 210, 220) und Zeitinformationen (99, 199) umfassen.
11. Verfahren nach einem der Ansprüche 9 oder 10, dadurch gekennzeichnet, daß die Rückmeldedaten (461) Informationsanteile der Sensordaten (110, 120, 210, 220) und/oder Fusionsdaten (410, 420, 430) umfassen.
12. Verfahren nach einem der Ansprüche 9-11, dadurch gekennzeichnet, dass die Rückmeldedaten (461) zur
AufmerksamkeitsSteuerung und/oder Präkonditionierung von Sensoren (100, 200, 300), insbesondere nach einer Verarbeitung nach einem Verfahren gemäß einem der Ansprüche 1-8, verwendet werden.
13. Vorrichtung zur Durchführung eines Verf hrens nach einem der vorhergehenden Ansprüche .
EP02735078A 2001-07-17 2002-06-07 Verfahren und vorrichtung zum austausch und zur verarbeitung von daten Withdrawn EP1412773A1 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE10133945 2001-07-17
DE10133945A DE10133945A1 (de) 2001-07-17 2001-07-17 Verfahren und Vorrichtung zum Austausch und zur Verarbeitung von Daten
PCT/DE2002/001930 WO2003008995A1 (de) 2001-07-17 2002-06-07 Verfahren und vorrichtung zum austausch und zur verarbeitung von daten

Publications (1)

Publication Number Publication Date
EP1412773A1 true EP1412773A1 (de) 2004-04-28

Family

ID=7691567

Family Applications (1)

Application Number Title Priority Date Filing Date
EP02735078A Withdrawn EP1412773A1 (de) 2001-07-17 2002-06-07 Verfahren und vorrichtung zum austausch und zur verarbeitung von daten

Country Status (4)

Country Link
US (1) US7340380B2 (de)
EP (1) EP1412773A1 (de)
DE (1) DE10133945A1 (de)
WO (1) WO2003008995A1 (de)

Families Citing this family (73)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE519803C2 (sv) * 2001-08-06 2003-04-08 Ericsson Telefon Ab L M Metod och anordning för analys av sensorsystems prestanda
JP3918791B2 (ja) * 2003-09-11 2007-05-23 トヨタ自動車株式会社 物体検出装置
JP3941765B2 (ja) 2003-09-11 2007-07-04 トヨタ自動車株式会社 物体検出装置
EP1759253A1 (de) * 2004-06-22 2007-03-07 Rabit Joint Venture Limited Signalverarbeitungsverfahren und vorrichtungen
US20060178857A1 (en) * 2005-02-10 2006-08-10 Barajas Leandro G Quasi-redundant smart sensing topology
JP4557819B2 (ja) * 2005-06-21 2010-10-06 アルパイン株式会社 車両周辺情報提供装置
JP4813141B2 (ja) * 2005-10-05 2011-11-09 川崎重工業株式会社 情報提供装置
US20070096974A1 (en) * 2005-10-14 2007-05-03 Siemens Vdo Automotive Corporation Blending of sensors to produce alternate sensor characteristics
JP4595833B2 (ja) * 2006-02-24 2010-12-08 トヨタ自動車株式会社 物体検出装置
US7610127B2 (en) * 2006-03-08 2009-10-27 Delphi Technologies, Inc. Vehicle stability monitoring system and method and article of manufacture for determining vehicle stability
JP2007241726A (ja) * 2006-03-09 2007-09-20 Denso Corp 運転支援システム、送信装置及び受信装置
DE102006052779A1 (de) * 2006-11-09 2008-05-15 Bayerische Motoren Werke Ag Verfahren zur Erzeugung eines Gesamtbilds der Umgebung eines Kraftfahrzeugs
DE102007002197A1 (de) * 2007-01-16 2008-07-17 Siemens Ag Gemeinsamer Kontroller für verschiedene Fahrerassistenzsysteme
DE102007018470A1 (de) * 2007-04-19 2008-10-23 Robert Bosch Gmbh Fahrerassistenzsystem und Verfahren zur Objektplausibilisierung
US7653513B2 (en) * 2007-06-20 2010-01-26 At&T Intellectual Property Ii, L.P. Sensor registration by global optimization procedures
DE102007042481B4 (de) * 2007-09-06 2022-04-07 Zf Cv Systems Hannover Gmbh Fahrzeugsteuersystem für einen Kraftwagen
FR2929411B1 (fr) * 2008-03-28 2010-06-11 Thales Sa Procede et systeme de pistage et de suivi d'emetteurs.
US20090254260A1 (en) * 2008-04-07 2009-10-08 Axel Nix Full speed range adaptive cruise control system
FR2933221B1 (fr) * 2008-06-26 2013-04-05 Renault Sas Procede de fonctionnement d'un systeme de detection d'obstacles destine a etre embarque sur un vehicule automobile.
US20100134285A1 (en) * 2008-12-02 2010-06-03 Honeywell International Inc. Method of sensor data fusion for physical security systems
US8165769B2 (en) * 2009-03-02 2012-04-24 GM Global Technology Operations LLC Multi-factor speed estimation system and method for use
US20100318257A1 (en) * 2009-06-15 2010-12-16 Deep Kalinadhabhotla Method and system for automatically calibrating a three-axis accelerometer device
DE102010063984A1 (de) * 2010-02-11 2011-08-11 Continental Teves AG & Co. OHG, 60488 Fahrzeug-Sensor-Knoten
US9043078B2 (en) * 2010-08-13 2015-05-26 Deere & Company Method and system for performing diagnostics or software maintenance for a vehicle
US8717422B2 (en) * 2010-12-22 2014-05-06 Texas Instruments Incorporated Multi-sensor video frame synchronization apparatus and methods
EP2604478B2 (de) 2011-12-13 2021-03-31 Aptiv Technologies Limited Verfahren zur erkennung von funktionsfehlern einer multisensoranordnung
DE102012103669A1 (de) 2012-04-26 2013-10-31 Continental Teves Ag & Co. Ohg Verfahren zur Darstellung einer Fahrzeugumgebung
DE102012211391A1 (de) * 2012-07-02 2014-01-02 Continental Teves Ag & Co. Ohg Verfahren und System zur Informationsnutzung
DE102012106932A1 (de) 2012-07-30 2014-05-15 Continental Teves Ag & Co. Ohg Verfahren zur Darstellung einer Fahrzeugumgebung mit Positionspunkten
US9405006B2 (en) * 2012-09-03 2016-08-02 Toyota Jidosha Kabushiki Kaisha Collision determination device and collision determination method
US9218538B2 (en) 2013-01-30 2015-12-22 Xerox Corporation Methods and systems for detecting an object borderline
EP2974233A1 (de) * 2013-03-15 2016-01-20 Dana Limited System und verfahren zur datensammlung und -analyse mit einem mehrebenennetzwerk
US9350800B2 (en) * 2013-06-05 2016-05-24 Microsoft Technology Licensing, Llc Defragmenting clusters with reserved resources
CH708274A1 (de) * 2013-07-04 2015-01-15 Schweizerische Eidgenossenschaft Eidgenössisches Dept Für Verteidigung Bevölkerungsschutz Und Sport Verfahren zur Bestimmung von Trajektorien beweglicher physischer Objekte in einem Raum, auf der Basis von Sensordaten mehrerer Sensoren.
EP2865576B1 (de) 2013-10-22 2018-07-04 Honda Research Institute Europe GmbH Zusammengesetzte Vertrauensschätzung für prädiktive Fahrerunterstützungssysteme
EP2865575B1 (de) * 2013-10-22 2022-08-24 Honda Research Institute Europe GmbH Vertrauensschätzung für prädiktive Fahrerunterstützungssysteme auf Basis von Plausibilitätsregeln
KR101480651B1 (ko) * 2013-12-09 2015-01-09 현대자동차주식회사 오브젝트 처리 방법 및 이를 지원하는 차량
DE102014205180A1 (de) * 2014-03-20 2015-09-24 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines Fahrzeugs
CN110875048B (zh) * 2014-05-01 2023-06-09 日本电信电话株式会社 编码装置、及其方法、记录介质
CN104104397B (zh) * 2014-06-20 2017-01-18 杭州电子科技大学 一种多频段毫米波通信发射机
JP6484000B2 (ja) * 2014-10-22 2019-03-13 株式会社デンソー 物体検知装置
CN105806320B (zh) * 2014-12-29 2020-04-21 同方威视技术股份有限公司 拍摄测量系统以及拍摄测量方法
DE102015001757B4 (de) 2015-02-11 2018-01-04 Audi Ag Verfahren und System zum Betreiben mehrerer Kraftfahrzeuge
KR101714145B1 (ko) * 2015-04-09 2017-03-08 현대자동차주식회사 주변차량 식별 장치 및 그 방법
US10328949B2 (en) * 2016-01-28 2019-06-25 Toyota Motor Engineering & Manufacturing North America, Inc. Sensor blind spot indication for vehicles
EP3232285B1 (de) * 2016-04-14 2019-12-18 Volvo Car Corporation Verfahren und anordnung zur überwachung und anpassung der leistung eines fusionssystems eines autonomen fahrzeuges
SE1650719A1 (en) * 2016-05-25 2017-11-26 Scania Cv Ab Method for decentralized sensor fusion in a vehicle and sensor fusion system
FR3054684B1 (fr) * 2016-07-29 2018-08-24 Institut Vedecom Systeme de pilotage d’un vehicule autonome
DE102016220075A1 (de) * 2016-10-14 2018-04-19 Audi Ag Kraftfahrzeug und Verfahren zur 360°-Umfelderfassung
US10073456B2 (en) * 2016-11-17 2018-09-11 GM Global Technology Operations LLC Automated co-pilot control for autonomous vehicles
DE102017210975A1 (de) 2017-06-28 2019-01-17 Audi Ag Verfahren zur Datenerhebung
US10850732B2 (en) * 2017-09-05 2020-12-01 Aptiv Technologies Limited Automated speed control system
US10971017B2 (en) 2017-10-31 2021-04-06 Cummins Inc. Sensor fusion and information sharing using inter-vehicle communication
DE102018216809A1 (de) * 2018-09-28 2020-04-02 Robert Bosch Gmbh Verfahren, Vorrichtung und Sensorsystem zur Umfelderfassung für ein Fahrzeug
CN110376583B (zh) * 2018-09-30 2021-11-19 毫末智行科技有限公司 用于车辆传感器的数据融合方法及装置
CN110378178B (zh) * 2018-09-30 2022-01-28 毫末智行科技有限公司 目标跟踪方法及装置
US10839263B2 (en) 2018-10-10 2020-11-17 Harman International Industries, Incorporated System and method for evaluating a trained vehicle data set familiarity of a driver assitance system
KR20200040404A (ko) * 2018-10-10 2020-04-20 주식회사 만도 차량용 레이더 장치 및 그 제어 방법
KR102569900B1 (ko) * 2018-12-04 2023-08-23 현대자동차주식회사 전방위 센서퓨전 장치 및 그의 센서퓨전 방법과 그를 포함하는 차량
DE102018133457B4 (de) * 2018-12-21 2020-07-09 Volkswagen Aktiengesellschaft Verfahren und System zum Bereitstellen von Umgebungsdaten
DE102019102769A1 (de) * 2019-02-05 2020-08-06 Bayerische Motoren Werke Aktiengesellschaft Verfahren und eine Vorrichtung zur Sensordatenfusion für ein Fahrzeug
DE102019102920A1 (de) * 2019-02-06 2020-08-06 Bayerische Motoren Werke Aktiengesellschaft Verfahren und eine Vorrichtung zur Sensordatenfusion für ein Fahrzeug
DE102019202949A1 (de) * 2019-03-05 2020-09-10 Zf Friedrichshafen Ag Verteilte Verarbeitung von Radarsignalen
DE102020206659A1 (de) * 2019-05-30 2020-12-03 Robert Bosch Gesellschaft mit beschränkter Haftung Multi-hypothesen-objektverfologung für automatisierte fahrsysteme
US11178363B1 (en) * 2019-06-27 2021-11-16 Objectvideo Labs, Llc Distributed media monitoring
KR20210030524A (ko) * 2019-09-09 2021-03-18 주식회사 만도 차량 제어 장치 및 그 제어 방법
CN110596653A (zh) * 2019-09-24 2019-12-20 江苏集萃智能传感技术研究所有限公司 一种多雷达数据融合方法及装置
DE102019216517B3 (de) * 2019-10-25 2021-03-18 Daimler Ag Verfahren zur Synchronisation zumindest zweier Sensor-Systeme
DE102020107790A1 (de) 2020-03-20 2021-09-23 Audi Aktiengesellschaft Verfahren zur Erfassung von Objekten in einer Umgebung eines Kraftfahrzeugs und Kraftfahrzeug
DE102021205993A1 (de) 2021-06-14 2022-12-15 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Betreiben eines Scheinwerfersystems eines Kraftfahrzeugs
DE102022117706A1 (de) 2022-07-15 2024-01-18 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Assistenzsystem zur radarbasierten Größeneinstufung von Objekten und entsprechend eingerichtetes Kraftfahrzeug
DE102022123303B4 (de) * 2022-09-13 2024-08-22 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Objekttrackingeinrichtung für eine sensorbasierte Objektnachverfolgung und entsprechend eingerichtetes Kraftfahrzeug
CN115662168A (zh) * 2022-10-18 2023-01-31 浙江吉利控股集团有限公司 一种环境感知方法、装置及电子设备

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3546683C3 (de) 1985-02-22 2003-10-09 Bosch Gmbh Robert Verfahren zum Betreiben einer Datenverarbeitungsanlage
US4860216A (en) 1986-11-13 1989-08-22 The United States Of America As Represented By The Secretary Of The Air Force Communication adaptive multi-sensor system
US5005147A (en) * 1988-12-30 1991-04-02 The United States Of America As Represented By The Administrator, The National Aeronautics And Space Administration Method and apparatus for sensor fusion
US5202661A (en) * 1991-04-18 1993-04-13 The United States Of America As Represented By The Secretary Of The Navy Method and system for fusing data from fixed and mobile security sensors
US5317319A (en) * 1992-07-17 1994-05-31 Hughes Aircraft Company Automatic global radar/IR/ESM track association based on ranked candidate pairings and measures of their proximity
US5661666A (en) 1992-11-06 1997-08-26 The United States Of America As Represented By The Secretary Of The Navy Constant false probability data fusion system
FR2709834B1 (fr) * 1993-09-10 1995-11-10 Framatome Sa Procédé et dispositif pour la détection et la localisation d'obstacles dans l'environnement d'un véhicule.
US5808916A (en) * 1994-08-04 1998-09-15 City Of Scottsdale Method for monitoring the environment
JP3468001B2 (ja) * 1996-12-16 2003-11-17 日産自動車株式会社 車両用走行制御装置
DE19734639A1 (de) * 1997-08-11 1999-02-18 Spherics Mess Und Analysetechn Recheneinrichtung zum Verarbeiten einer Eingangsdatenstruktur
US6157894A (en) * 1997-12-23 2000-12-05 Simmonds Precision Products, Inc. Liquid gauging using sensor fusion and data fusion
DE29811174U1 (de) * 1998-06-23 1998-11-26 Brecht, Thomas, 76646 Bruchsal Fahrtgeschwindigkeitsregelsystem mit integrierter, dynamischer Überwachung des Sicherheitsabstands
US6002358A (en) * 1998-08-18 1999-12-14 Northrop Grumman Corporation Method and apparatus for determining whether two radar tracks represent the same physical object
US7015789B1 (en) * 1999-05-13 2006-03-21 Honeywell International Inc. State validation using bi-directional wireless link
JP2003501635A (ja) * 1999-05-26 2003-01-14 ローベルト ボッシュ ゲゼルシャフト ミット ベシュレンクテル ハフツング 対象検出システム
KR100667994B1 (ko) * 1999-06-12 2007-01-15 로베르트 보쉬 게엠베하 무단 변속기의 벨트 장력을 조정하는 장치
DE19928915A1 (de) * 1999-06-24 2001-01-11 Bosch Gmbh Robert Verfahren zur Sichtweitenbestimmung
US6553336B1 (en) * 1999-06-25 2003-04-22 Telemonitor, Inc. Smart remote monitoring system and method
DE19945250B4 (de) * 1999-09-21 2011-06-09 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Vorrichtung zur Zustandserkennung bei einem System zur automatischen Längs- und/oder Querregelung bei einem Kraftfahrzeug
DE19945268A1 (de) * 1999-09-21 2001-03-22 Bosch Gmbh Robert Verfahren und Vorrichtung zur Zustandserkennung bei einem System zur automatischen Längs- und/oder Querregelung bei einem Kraftfahrzeug
DE19950915B4 (de) * 1999-10-21 2004-06-17 Forschungszentrum Jülich GmbH Verfahren zur Bestimmung eines Ortes, an dem ein Detetkionssignal am wahrscheinlichsten erfolgt ist und Auswerteeinheit für ein Detektorsystem
DE10015164A1 (de) * 2000-03-27 2001-10-11 Helmut Klausing Kommunikations-Verfahren mit einem ROSAR-Gerät
EP1320812A2 (de) * 2000-06-14 2003-06-25 Vermeer Manufacturing Company Verfahren und system für die einteilung und verteilung der ortungsdaten von nutzeinrichtungen
US6629033B2 (en) * 2001-04-24 2003-09-30 Medius, Inc. Open communication system for real-time multiprocessor applications
US7283904B2 (en) * 2001-10-17 2007-10-16 Airbiquity, Inc. Multi-sensor fusion

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DANA M P: "REGISTRATION: A PREREQUISITE FOR MULTIPLE SENSOR TRACKING", MULTITARGET-MULTISENSOR TRACKING: ADVANCED APPLICATIONS, XX, XX, 1 January 1990 (1990-01-01), pages 155 - 185, XP009015150 *
HALL L D ET AL: "AN INTRODUCTION TO MULTISENSOR DATA FUSION", PROCEEDINGS OF THE IEEE, IEEE. NEW YORK, US, vol. 85, no. 1, 1 January 1997 (1997-01-01), pages 6 - 23, XP000686448, ISSN: 0018-9219, DOI: DOI:10.1109/5.554205 *
See also references of WO03008995A1 *

Also Published As

Publication number Publication date
US7340380B2 (en) 2008-03-04
US20050021201A1 (en) 2005-01-27
DE10133945A1 (de) 2003-02-06
WO2003008995A1 (de) 2003-01-30

Similar Documents

Publication Publication Date Title
WO2003008995A1 (de) Verfahren und vorrichtung zum austausch und zur verarbeitung von daten
EP1135274B1 (de) Verfahren und vorrichtung zur bestimmung eines zukünftigen kursbereichs eines fahrzeugs
DE102010020047A1 (de) Verfahren zur Anpassung eines für ein Abstandsregelsystem eines Fahrzeugs vorgegebenen Soll-Abstandes an eine momentane Verkehrssituation
WO2005037592A1 (de) Verfahren und vorrichtung zur erkennung von spurwechselvorgängen für ein fahrzeug
EP1577682A1 (de) Objektortungssystem für Kraftfahrzeuge zur Erkennung eines Spurwechsels
DE102019002790B4 (de) Verfahren zur Prädiktion einer Verkehrssituation für ein Fahrzeug
WO2018019454A1 (de) Verfahren und vorrichtung zum ermitteln eines fahrbahnmodells für ein fahrzeugumfeld
EP1808350A1 (de) Verfahren zum Betrieb eines Längsführungssystems in einem Kraftfahrzeug
EP3024709B1 (de) Effizientes bereitstellen von belegungsinformationen für das umfeld eines fahrzeugs
DE102020215780B4 (de) Verfahren zur Auswahl eines automatisierten Fahrvorgangs mittels eines Fahrassistenzsystems
EP1912844A1 (de) Verfahren zum erzeugen von umwelthypothesen für fahrerassistenzfunktionen
EP2964503B1 (de) Schätzung der zukünftigen geschwindigkeit und/oder entfernung eines fahrzeugs von einem referenzpunkt und schätzung der zukünftigen beschleunigung
DE102008063033A1 (de) Vorrichtung und Verfahren zur Erkennung von Kollisionen mit erhöhter funktionaler Sicherheit
EP2527221B1 (de) Verfahren zum Betrieb eines längsführenden Fahrerassistenzsystems eines Kraftfahrzeugs und Kraftfahrzeug
EP1643269A1 (de) Fahrerassistenzsystem mit Fuzzy-Logic
DE102004028591A1 (de) Verfahren zum Bereitstellen von fahrstreckenabhängigen Informationen
EP2353958A2 (de) Verfahren zur Auswertung von die Umgebung eines Kraftfahrzeugs betreffenden Sensordaten wenigstens eines Umfeldsensors und Kraftfahrzeug
DE102019129904A1 (de) Automatische Fahrkompetenzanalyse
DE102019201088A1 (de) Verfahren zum Erkennen von Fahrbahnmarkierungen
EP1590193B1 (de) Fahrzeugführungssystem
DE102019208890A1 (de) Verfahren zum zumindest teilautomatisierten Führen eines Kraftfahrzeugs
DE102019102919A1 (de) Verfahren, Vorrichtung, Computerprogramm und Computerprogrammprodukt zum Betreiben eines Fahrzeuges
EP1405752A1 (de) Einrichtung zur Erzeugung von Stellsignalen in einem Kraftfahrzeug
WO2024074304A1 (de) Verfahren und einrichtung zur effizienten objektnachverfolgung und entsprechend eingerichtetes kraftfahrzeug
DE102022131849A1 (de) Verfahren zum Bereitstellen einer Fahrseiteninformation

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20040217

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AT BE CH CY DE DK ES FI FR GB GR IE IT LI LU MC NL PT SE TR

AX Request for extension of the european patent

Extension state: AL LT LV MK RO SI

17Q First examination report despatched

Effective date: 20040707

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20110721