Bestimmung einer Beschaffenheit einer Fahrbahnoberfläche Determining a condition of a road surface
mittels einer 3D-Kamera using a 3D camera
Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur Erkennung der Beschaffenheit einer Fahrbahnoberfläche mit¬ tels einer (räumlich auflösenden) 3D-Kamera. The invention relates to a method and a device for detecting the condition of a road surface with ¬ means of a (spatially resolving) 3D camera.
Die DE 102009033219 AI zeigt ein Verfahren und eine Vor¬ richtung zur Ermittlung eines einem Fahrzeug vorausliegen- den Straßenprofils einer Fahrspur. Mittels einer Bilderfas¬ sungsvorrichtung bzw. aus Fahrzeugeigenbewegungsdaten wird ein Straßenhöhenprofil der dem Fahrzeug vorausliegenden Fahrspur ermittelt. Die Bilderfassungsvorrichtung kann hierbei eine Kamera sein, die im Frontbereich des Fahrzeugs fest angeordnet ist und zwei Bildaufnahmeeinheiten umfasst. In Abhängigkeit des ermittelten Straßenhöhenprofils kann eine aktive Fahrwerksregelung oder Verstelldämpfung geregelt werden. Die Unfallvermeidung gewinnt bei Fahrerassistenzsystemen zunehmend an Bedeutung. Insbesondere Notbremssysteme leis¬ ten hierzu einen wichtigen Beitrag. Ihre Wirkung hängt je¬ doch entscheidend vom Reibwert bzw. Reibungskoeffizienten des Untergrundes in Bezug zum Reifen des Fahrzeugs ab. Ins- besondere Nässe erniedrigt den Reibwert gegenüber dem auf einer trockenen Fahrbahn erheblich. DE 102009033219 Al discloses a method and an on ¬ device for determining a vehicle vorausliegen- a road profile of a lane. By means of a Bilderfas ¬ sungsvorrichtung or from the vehicle's own motion data a street height profile of the lane ahead the vehicle is determined. The image capture device may in this case be a camera which is fixedly arranged in the front region of the vehicle and comprises two image acquisition units. Depending on the determined road height profile, an active suspension control or adjustment damping can be regulated. Accident prevention is becoming increasingly important in driver assistance systems. In particular, emergency braking systems slightest ¬ th this an important contribution. Their effect depends ever ¬ but crucially on the coefficient of friction and friction coefficient of the surface with respect to the tires of the vehicle from. In particular, wetness considerably reduces the coefficient of friction compared with that on a dry road.
WO 2011/007015 AI zeigt ein laserbasiertes Verfahren zur Reibwertklassifikation in Kraftfahrzeugen. Signale eines Lidar- bzw. CV-Sensors, die auf die Fahrbahnoberfläche ge-
richtet sind, werden hierzu ausgewertet und anschließend wird insbesondere anhand der Amplitude der vermessenen Fahrbahnoberfläche ein Reibwert zugeordnet. Es kann bei¬ spielsweise geschätzt werden, ob Schnee, Asphalt oder Eis die Fahrbahnoberfläche bilden. WO 2011/007015 A1 shows a laser-based method for friction coefficient classification in motor vehicles. Signals from a lidar or CV sensor that are placed on the road surface. are judged are evaluated for this purpose and then a friction coefficient is assigned in particular on the basis of the amplitude of the measured road surface. It can be estimated at ¬ play as whether snow, asphalt or ice form the road surface.
Es zeigt sich, dass Verfahren zur Erkennung der Beschaffenheit einer Fahrbahnoberfläche nach dem Stand der Technik Nachteile mit sich bringen, da entweder die Bilderfassung und -auswertung ausschließlich zur Fahrwerksregelung eingesetzt wird oder Lidarsensoren erforderlich sind, die teuer sind und gezielt auf die Fahrbahn gerichtet werden müssen, so dass die Beschaffenheit der Fahrbahnoberfläche unter Um¬ ständen nicht ausreichend weit im Voraus eigeschätzt wer- den kann. It is found that methods for detecting the condition of a road surface according to the prior art have disadvantages, since either the image acquisition and evaluation is used exclusively for chassis control or Lidarsensoren are required, which are expensive and must be targeted to the roadway so that the condition of the road surface under order ¬ stands not far enough in advance eigeschätzt advertising can to.
Es ist Aufgabe der vorliegenden Erfindung diese Nachteile zu überwinden und eine günstigere, zuverlässigere und vo¬ rausschauende Erkennung der Beschaffenheit einer Fahrbahn- Oberfläche zu ermöglichen. The object of the present invention to overcome these drawbacks and to provide a more favorable, more reliable and vo ¬ out looking recognition of the nature of a roadway surface.
Die Aufgabe wird gelöst, indem mit einer 3D-Kamera mindes¬ tens ein Bild von der Umgebung des Fahrzeugs aufgenommen wird. Aus den Bilddaten der 3D-Kamera werden entlang einer Mehrzahl von Linien Höhenverläufe der Fahrbahnoberfläche quer zur Fahrtrichtung des Fahrzeugs ermittelt. Diese Li¬ nien werden auch als Scanlines bezeichnet. Entlang jeder Linie wird der somit Höhenverlauf „gescannt". Aus den er¬ mittelten Höhenverläufen wird die Beschaffenheit der Fahr- bahnoberfläche erkannt. Als Beschaffenheit wird hierbei
insbesondere das Material, das die Fahrbahnoberfläche bil¬ det (Teer, Sand, Eis, Schnee) , die Form der Oberfläche (eben, rau, buckelig) sowie lokale Änderungen des Materials oder der Ebenheit der Fahrbahnoberfläche (Ölspur, Pfütze, Schlagloch, Spurrillen usw.) verstanden. The object is achieved by Minim ¬ least a picture of the surroundings of the vehicle is recorded with a 3D camera. From the image data of the 3D camera, height profiles of the road surface transversely to the direction of travel of the vehicle are determined along a plurality of lines. This Li ¬ nien also referred to as scan lines. Along each line of thus height profile is "scanned". The condition of the vehicle is detected ground surface from which he ¬ mediated level courses. As a condition here in particular, the material which the road surface bil ¬ det (tar, sand, ice, snow), the shape of the surface (flat, rough, bumpy) (as well as local changes in the material or the flatness of the road surface oil track, puddle, pothole, ruts, etc. .) Understood.
Bevorzugt wird die Beschaffenheit der Fahrbahnoberfläche aus einem Vergleich der ermittelten Höhenverläufe mit gespeicherten Höhenverläufen bekannter Beschaffenheit er- kannt . Dazu kann ein Beschaffenheitsklassifikator vortrai¬ niert werden, der dadurch lernt, welche detektierten Höhenverläufe welchen Beschaffenheiten von Fahrbahnoberflächen entsprechen . Alternativ oder kumulativ kann eine quantitative Auswertung der ermittelten Höhenverläufe durchgeführt werden, z.B. ei¬ ne Frequenzanalyse (bzw. Breite und/oder Ausdehnung in Fahrtrichtung einzelner Vertiefungen oder Erhebungen der Fahrbahnoberfläche) , Amplitudenbestimmung, Gradientenbildung oder ähnliches. Aus dieser quantitativen Auswertung können typische Beschaffenheiten aufgrund charakteristischer Größen erkannt werden, z.B. starkes Rauschen der Höhenverläufe bei einem Kiesweg. Wasser oder eine Eisschicht auf der Fahrbahn führen dagegen zu einer glatten Fahrbahnoberfläche. Eis tritt häufig zusammen mit Schnee neben der Fahrbahn auf. Preferably, the condition of the road surface is detected from a comparison of the ascertained height courses with stored height courses of known nature. For this, a Beschaffenheitsklassifikator can be vortrai ¬ ned which thereby learns which detected height profiles correspond to which textures of road surfaces. Alternatively or cumulatively, a quantitative evaluation of the level curves determined can be performed, for example, egg ¬ ne frequency analysis (or width and / or expansion in the direction of travel of individual recesses or projections of the road surface), amplitude determination, gradient or the like. From this quantitative analysis, typical textures can be identified on the basis of characteristic quantities, eg strong noise of the height gradients in a gravel path. On the other hand, water or a layer of ice on the road leads to a smooth road surface. Ice often occurs along with snow along with the roadway.
In einer bevorzugten Ausführungsform können zusätzlich zu den ermittelten Höhenverläufen 2D-Bilddaten mindestens ei- ner monokularen Kamera der 3D-Kamera ausgewertet werden und
in die Erkennung der Beschaffenheit der Fahrbahnoberfläche einfließen. Die Auswertung der 2D-Bilddaten muss hierbei nicht auf den Bereich der Fahrbahnoberfläche begrenzt sein, sondern kann insbesondere Bereiche neben der Fahrbahn um- fassen. In a preferred embodiment, in addition to the ascertained height profiles, 2D image data, at least one monocular camera of the 3D camera can be evaluated and into the recognition of the condition of the road surface. The evaluation of the 2D image data in this case need not be limited to the area of the road surface, but may in particular include areas next to the roadway.
Gemäß einer vorteilhaften Weiterbildung der Erfindung können die 2D-Bilddaten mittels einer Textur- bzw. Musteranalyse ausgewertet werden. Die Textur- und/oder Musteranalyse kann insbesondere eine Klassifikation anhand trainierter Texturen und/oder Muster sein, z.B. mittels eines neuronalen Netzwerks. Beispielsweise kann ein KopfSteinpflaster aufgrund der charakteristischen Texturen bzw. Muster gut im 2D-Bild erkannt werden. According to an advantageous development of the invention, the 2D image data can be evaluated by means of a texture or pattern analysis. The texture and / or pattern analysis may in particular be a classification based on trained textures and / or patterns, e.g. using a neural network. For example, due to the characteristic textures or patterns, a head-stone patch can be well recognized in the 2D image.
Bevorzugt werden die 2D-Bilddaten mittels einer Kanten- und/oder Farbanalyse ausgewertet. Zur Kantendetektion können an sich bekannte Algorithmen zur Kantenerkennung verwendet werden. Die Lage der Kanten ermöglicht oder unter- stützt insbesondere die Erkennung von Beschaffenheiten der Fahrbahnoberfläche, deren Kantenprofil bekannt ist. Mittels einer Grauwert- oder Farbanalyse kann beispielsweise Schnee aus weißen Bereichen auf oder neben der Fahrbahn erkannt werden . Preferably, the 2D image data are evaluated by means of an edge and / or color analysis. For edge detection, algorithms known per se for edge detection can be used. The position of the edges in particular enables or supports the recognition of textures of the road surface whose edge profile is known. By means of a gray scale or color analysis, for example, snow can be detected from white areas on or next to the roadway.
Vorteilhaft wird aus der erkannten Beschaffenheit der Fahr¬ bahnoberfläche ein (lokal aufgelöster) Reibwert zwischen vorausliegender Fahrbahnoberfläche und Fahrzeugreifen abgeschätzt .
Für vorausliegende Fahrbahnoberflächenbereiche unterschied¬ licher Beschaffenheit kann dadurch jeweils ein lokaler Reibwert abgeschätzt werden. A (locally resolved) coefficient of friction between the road surface lying ahead of the vehicle tire and is advantageously estimated from the detected nature of the driving ¬ web surface. For lying ahead road surface areas ¬ Licher texture difference may be estimated by a respective local coefficient of friction.
In einer bevorzugten Ausführungsform wird der mindestens eine abgeschätzte Reibwert zu einer Vorsteuerung von Lenk- und/oder Bremseingriffen (ABS, ESP, ACC, Notbremsassistent, Spurhalte-, Ausweich- und/oder Notlenkassistent) genutzt. In a preferred embodiment, the at least one estimated coefficient of friction is used for a precontrol of steering and / or braking interventions (ABS, ESP, ACC, emergency brake assistant, lane keeping, backup and / or emergency steering assistant).
Die 3D-Kamera ist bevorzugt eine Stereokamera oder eine Photomischdetektor-Kamera bzw. PMD-Sensor (englisch: Photonic Mixing Device) . The 3D camera is preferably a stereo camera or a photonic mixer camera or PMD sensor (English: Photonic Mixing Device).
Die Erfindung umfasst ferner eine Vorrichtung zur Erkennung der Beschaffenheit einer Fahrbahnoberfläche. Hierzu sind eine 3D-Kamera, Auswertemittel und Erkennungsmittel vorge¬ sehen. Die 3D-Kamera ermöglicht die Aufnahme mindestens ei¬ nes Bildes der vor dem Fahrzeug liegenden Umgebung inklusive der vorausliegenden Fahrbahn. Die Auswertemittel dienen zum Ermitteln von Höhenverläufen der Fahrbahnoberfläche entlang einer Mehrzahl von Linien quer zur Fahrtrichtung des Fahrzeugs aus den Bilddaten der 3D-Kamera. Die Erken¬ nungsmittel dienen zum Erkennen der Beschaffenheit der Fahrbahnoberfläche aus den ermittelten Höhenverläufen. The invention further comprises a device for detecting the condition of a road surface. For this purpose, a 3D camera, evaluation and detection means are pre ¬ see. The 3D camera allows the recording of at least ei ¬ Nes image of the lying in front of the vehicle environment including the road ahead. The evaluation means serve to determine height profiles of the road surface along a plurality of lines transversely to the direction of travel of the vehicle from the image data of the 3D camera. The Erken ¬ voltage medium used for detecting the condition of the road surface from the determined height gradients.
Im Folgenden wird die Erfindung anhand von Figuren und Ausführungsbeispielen näher erläutert. Es zeigen:
Fig. 1 Linien quer zur Fahrtrichtung, entlang derer der Höhenverlauf der Fahrbahnoberfläche ermittelt wird; In the following the invention will be explained in more detail with reference to figures and exemplary embodiments. Show it: Fig. 1 lines transverse to the direction of travel, along which the height profile of the road surface is determined;
Fig. 2 einen exemplarischen Höhenverlauf der Fahrbahnoberfläche quer zur Fahrtrichtung bei Vorliegen eines Schlag- lochs; FIG. 2 shows an exemplary height profile of the road surface transversely to the direction of travel in the presence of a striking hole; FIG.
Fig. 3 die Ermittlung von Höhenverläufen quer zur Fahrtrichtung bei einem KopfSteinpflaster ; 3 shows the determination of height profiles transverse to the direction of travel in a head stone plaster;
Fig. 4 einen Höhenverlauf bei KopfSteinpflaster ; 4 shows a height profile in the case of KopfSteinpflaster;
Fig. 5 eine Fahrbahnoberfläche mit Spurrillen; 5 shows a road surface with ruts.
Fig. 6 einen exemplarischen Höhenverlauf quer zur Fahrtrichtung bei Spurrillen; 6 shows an exemplary height profile transverse to the direction of travel in track grooves;
Fig. 7 eine 2D-Kameraaufnähme bei nasser Fahrbahn und Fig. 7 is a 2D camera recording in wet conditions and
Fig. 8 eine 2D-Kameraaufnähme bei trockener Fahrbahn. Fig. 8 is a 2D camera recording on dry roads.
In Fig. 1 ist das Scannen des Höhenverlaufs (h) entlang von Linien (5) quer (y) zur Fahrtrichtung (1) des Fahrzeugs schematisch dargestellt. Die Fahrbahnoberfläche wird von rechts nach links, links nach rechts oder in beiden Querrichtungen (y) entlang der Scan-Linien (5) , die eine beliebige vorgegebene Dichte aufweisen, überwacht. Eine erhabene Fahrbahnbegrenzung wie beispielsweise ein Bordstein begrenzt die Fahrbahnoberfläche links (3) und rechts (4) . Die im Wesentlichen ebene Fahrbahnoberfläche ist im linken vor¬ deren Bereich durch ein Schlagloch (2) oder eine vergleichbare Unterbrechung lokal abgesenkt. In Fig. 1, the scanning of the height profile (h) along lines (5) transversely (y) to the direction of travel (1) of the vehicle is shown schematically. The road surface is monitored from right to left, left to right or in both transverse directions (y) along the scan lines (5) having any given density. A raised lane boundary such as a curb limits the road surface left (3) and right (4). The substantially flat road surface is lowered locally in the left front of the region ¬ a pothole (2) or a similar interruption.
Diese Absenkung ist im Höhenverlauf (h) der Fahrbahnoberfläche quer (y) zur Fahrtrichtung (1) wie in Fig. 2 dargestellt deutlich zu erkennen. Hier ist exemplarisch der Höhenverlauf (h) entlang einer Linie (5) in Querrichtung
(y) aufgetragen. Dieser Höhenverlauf (h) weist neben zwei Sprüngen aufgrund der erhabenen Fahrbahnbegrenzungen (3, 4) eine gepunktet dargestellte Absenkung im linken Bereich auf, die dem Schlagloch (2) aus Fig. 1 zugeordnet werden kann . This lowering is clearly visible in the course of the height (h) of the road surface transversely (y) to the direction of travel (1) as shown in FIG. Here is an example of the height profile (h) along a line (5) in the transverse direction (y) applied. This height profile (h) has, in addition to two jumps due to the raised roadway boundaries (3, 4) a dotted lowering in the left area, which can be assigned to the pothole (2) of FIG.
In Fig. 3 ist eine Fahrbahn dargestellt, die durch ein KopfSteinpflaster (6) gebildet ist. Bei der Erkennung eines vorausliegenden KopfSteinpflasters könnten Fahrwerkskompo- nenten entsprechend angesteuert werden und/oder Maßnahmen zur Fahrgeräuschverbesserung (Gegenschall bzw. Reifendruckveränderungen) ergriffen werden. In Fig. 3, a roadway is shown, which is formed by a KopfSteinpflaster (6). When detecting a head-mounted plaster in front, chassis components could be controlled accordingly and / or measures to improve the driving noise (counter-noise or tire pressure changes) could be taken.
Ein exemplarischer Höhenverlauf (h) des KopfSteinpflasters (6) in Querrichtung (y) ist in Fig. 4 dargestellt. Weitere Höhenverläufe entlang weiterer Scanlines (5) in Fig. 3 wür¬ den ähnlich aussehen. Die typische Breite und Höhe der Schwankungen im Höhenverlauf (h) erlaubt die Zuordnung derartiger charakteristischer Höhenverläufe zu einem Kopf- Steinpflaster als Beschaffenheit der Fahrbahnoberfläche. Unterstützt werden kann die Erkennung zusätzlich durch eine Textur- bzw. Musteranalyse des 2D-Kamerabilds (vgl. Fig. 3) . Auch durch diese Analyse kann die Fahrbahnoberfläche als KopfSteinpflaster erkannt und somit die Erkennung aus den Höhenverläufen aus den 3D-Kameradaten bestätigt werden. An exemplary height profile (h) of the head plaster (6) in the transverse direction (y) is shown in FIG. 4. More height profiles along other scan lines (5) in Fig. Wür ¬ look similar to Figure 3. The typical width and height of the variations in altitude (h) allows the assignment of such characteristic height gradients to a head-stone pavement as the nature of the road surface. The recognition can be additionally supported by a texture or pattern analysis of the 2D camera image (see Fig. 3). This analysis also allows the road surface to be recognized as a head stone patch, thus confirming the recognition from the height profiles from the 3D camera data.
In Fig. 5 ist eine Fahrbahn mit zwei Spurrillen (7, 8) parallel zur Fahrtrichtung (1) im rechten Teil der Fahrbahnoberfläche zu sehen.
Entsprechend sind im Höhenverlauf (h) in Fig. 6 zwei Absen¬ kungen (gepunktet) im rechten Teil der Fahrbahnoberfläche zu erkennen. In Fig. 7 ist eine nasse Fahrbahnoberfläche in einem 2D- Kamerabild (Grauwertbild einer monokularen Kamera) zu se¬ hen. Spiegelungseffekte auf der nassen Fahrbahnoberfläche können zum einen aus dem 2D-Bild erkannt werden, da Bäume (oder allgemein die Umgebung) auf der Fahrbahnoberfläche gespiegelt erscheinen. Zum anderen führen Spiegelungseffekte zu einem größeren vermeintlichen Abstand im Disparitätsbild der Stereokamera. Dieser vermeintliche Abstand ent¬ spricht dem tatsächlichen Abstand zu den Bäumen, die aus dem Disparitätsbild der Umgebung neben der Fahrbahn ermit- telt werden können. Somit kann erkannt werden, dass eine nasse Fahrbahnoberfläche vorausliegt und der Reibwert kann auf μ=0,4 geschätzt werden. In Fig. 5 is a roadway with two ruts (7, 8) parallel to the direction of travel (1) in the right part of the road surface to see. Correspondingly, in the height curve (h) in FIG. 6, two Absen ¬ kungen (dotted) can be seen in the right part of the road surface. In Fig. 7 a wet road surface is in a 2D camera image (gray scale image of a monocular camera) to se ¬ hen. On the one hand, mirroring effects on the wet road surface can be recognized from the 2D image since trees (or in general the environment) appear mirrored on the road surface. On the other hand, mirroring effects lead to a greater perceived distance in the disparity image of the stereo camera. This supposed distance ent ¬ speaks the actual distance to the trees next to the roadway ermit- from the disparity of the environment can be telt. Thus, it can be seen that a wet road surface is ahead and the coefficient of friction can be estimated to μ = 0.4.
In Fig. 8 ist ein 2D-Kamerabild einer trockenen Fahrbahn- Oberfläche zu sehen. Diese kann unter anderem daraus er¬ kannt werden, dass keine Spiegelungseffekte auftreten und der Reibwert kann auf μ=0,9 geschätzt werden.
FIG. 8 shows a 2D camera image of a dry road surface. This may be it ¬ known among other things from the fact that no mirror effects occur and the friction coefficient can be estimated at μ = 0.9.