EP3616184A1 - Verfahren, computerprogrammprodukt, computer-lesbares medium, steuergerät und fahrzeug umfassen das steuergerät zum bestimmen eines kollektiven manövers von wenigstens zwei fahrzeugen - Google Patents

Verfahren, computerprogrammprodukt, computer-lesbares medium, steuergerät und fahrzeug umfassen das steuergerät zum bestimmen eines kollektiven manövers von wenigstens zwei fahrzeugen

Info

Publication number
EP3616184A1
EP3616184A1 EP18710403.9A EP18710403A EP3616184A1 EP 3616184 A1 EP3616184 A1 EP 3616184A1 EP 18710403 A EP18710403 A EP 18710403A EP 3616184 A1 EP3616184 A1 EP 3616184A1
Authority
EP
European Patent Office
Prior art keywords
vehicle
formation
collective
maneuver
maneuvers
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Withdrawn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
EP18710403.9A
Other languages
English (en)
French (fr)
Inventor
Jens Schulz
Kira GOEHL
Julian LÖCHNER
Moritz Werling
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.)
Bayerische Motoren Werke AG
Original Assignee
Bayerische Motoren Werke AG
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 Bayerische Motoren Werke AG filed Critical Bayerische Motoren Werke AG
Publication of EP3616184A1 publication Critical patent/EP3616184A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights

Definitions

  • the method, computer program product, computer-readable medium, controller and vehicle include the controller for determining a collective maneuver of at least two vehicles
  • the invention relates to a method for determining a collective maneuver of at least two vehicles.
  • the invention further relates to a computer program product, a computer readable medium, a control unit, and a vehicle comprising the control unit for
  • Autonomous vehicles can use a movement prediction to estimate movements of other vehicles and other road users. For example, an currently executed or a future maneuver of a vehicle can be estimated. The amount of possible maneuvers of a vehicle is often determined manually by a manufacturer of the vehicle and provided to the vehicle.
  • the invention is characterized by a method for
  • the method may relate two or more vehicles to each other and determine a collective maneuver for those vehicles.
  • a vehicle may be, for example, an ego vehicle or a vehicle detectable by a sensor system of the ego vehicle.
  • the method may determine one or more collective maneuvers for combinations of vehicles in which the ego vehicle is part of the collective maneuver or the ego vehicle is not part of the collective maneuver, eg if the ego vehicle is a collective maneuver for at least two vehicles determined in an environment of the ego vehicle.
  • the ego vehicle is preferably an autonomously driving vehicle, in particular an autonomously driving vehicle
  • the collective maneuver may include a driving maneuver of the ego vehicle.
  • the method includes receiving a state of a first vehicle, e.g. one
  • the Ego vehicle or other vehicle and a state of at least one other vehicle in an environment of the ego vehicle.
  • the environment may include a road section of the ego vehicle that is detectable by a sensor system of the ego vehicle.
  • the state may include, for example, a position and / or a speed.
  • the state of the first vehicle and / or of the at least one further vehicle can be received by one or more sensors of the ego vehicle, referred to below as sensors of the ego vehicle, and / or control devices of the ego vehicle connected to the sensor system.
  • the method further comprises determining a current formation for the first vehicle and the at least one further vehicle based on the received state of the first vehicle and the received state of the at least one other vehicle in the environment of the ego vehicle, the current formation having a relative order of first vehicle and the at least one further vehicle with respect to a road, in particular one or more lanes of a roadway comprises. Furthermore, the method comprises determining a set of collective maneuvers, in particular a set of possible collective maneuvers based on the current formation, wherein a collective maneuver of the set of collective maneuvers comprises a sequence of formations from the current formation to a final formation.
  • the method further comprises calculating at least one trajectory for the first one
  • Vehicle and at least one trajectory for the at least one further vehicle for a collective maneuver from the set of collective maneuvers are preferably calculated so that the collective maneuver is possible by means of the calculated trajectories, i. can be driven by the vehicles of the collective maneuver.
  • the method includes determining the collective maneuver based on the calculated trajectories for the collective maneuver from the set of collective maneuvers and a movement of the first vehicle and the at least one other vehicle detected by a sensor of the ego vehicle.
  • determining a set of possible collective maneuvers for at least two vehicles it can dynamically respond to a traffic scenario in which For example, one or more, additional vehicles and / or one or more obstacle objects, such as a stationary or parked vehicle, must be considered in the environment of the ego vehicle in the maneuver.
  • the ego vehicle can thus flexibly adapt to new traffic scenarios without having these new traffic scenarios on the market
  • Ego Vietnamese deposited in advance must be deposited in advance. Further, by determining a sequence of formations for each maneuver, efficient maneuver calculation can be ensured. For example, if the method is executed in one-second increments, the ego vehicle may, at each time step, select from the set of collective maneuvers a collective maneuver determined in response to sensed movement of other vehicles. Thus, the ego vehicle can always be an optimal, collective
  • Execute maneuvers for example, to achieve a predetermined goal.
  • the first vehicle may be the ego vehicle, and / or the state of the first vehicle and / or the state of the at least one vehicle may include a preferably track-accurate position of the respective vehicle. This can efficiently determine a collective maneuver for the ego vehicle. Furthermore, a more precise detection of a current traffic situation and thus a more precise detection of a current formation can take place.
  • the method can continue
  • Egohuss include. Further, determining the current formation based on the state of the first vehicle, e.g. of the ego vehicle, the state of the at least one other vehicle, and / or the state of the obstacle objects, and the current formation has a relative order of the first vehicle, e.g. of the ego vehicle, the at least one other vehicle, and the obstacle objects with respect to a roadway.
  • Obstacle objects can be determined efficiently.
  • the sequence of formations from the current formation to the final formation may include a predetermined amount of pairwise, lateral relationships between the first vehicle and the at least one or more further vehicles and / or a predetermined pass order of the first vehicle and the at least one specify one or more other vehicles, and / or may include collective maneuvers from the set of collective maneuvers include a trajectory of the first vehicle and a trajectory of the at least one or more further vehicles, and / or the trajectory of the first vehicle and the trajectory of the at least one or more further vehicles with respect to the current formation and a same end formation be homotopic.
  • Homotop means that the trajectories of all vehicles involved in a maneuver with the current formation as start formation and the same end formation allow a continuous transformation without collision with an obstacle object and / or collision of two vehicles. This can efficiently calculate a collective maneuver.
  • the relative order of the current formation may be accurate in track, and / or the current formation and the end formation may comprise at least one area that is free of vehicles and / or an obstacle object.
  • the maneuver can be precisely recorded by the ego vehicle and calculated efficiently.
  • determining a set of collective maneuvers may comprise generating a tree data structure for formations, wherein the current formation is a root element of the tree data structure. Further, determining a set of collective maneuvers may include calculating a further formation by changing the relative order of the first vehicle, e.g. of the ego vehicle, and / or the at least one or more other vehicles of the starting formation using a predetermined set of discrete motion actions, adding the others
  • Endformation is, include. If the further formation is a final formation, the sequence of formations from the current formation to the final formation can be added as a collective maneuver to the set of collective maneuvers and thus collectively
  • a collective maneuver can be efficiently calculated or determined taking into account the at least one further vehicle and / or one or more obstacle objects.
  • Results of checking whether the further formation is a final formation wherein the determination of the amount of maneuvers is continued until the further formations are completely calculated with respect to the predetermined amount of discrete movements.
  • the trajectory for a maneuver from the set of maneuvers with respect to at least one vehicle-specific parameter and / or with respect to at least one maneuver-specific parameter can be cost-optimal. With this an efficient trajectory can be calculated for every possible maneuver of the ego vehicle.
  • the invention is characterized by a
  • a computer program product for determining a maneuver of an ego vehicle comprising instructions that cause the computer program product to be executed by a computer or controller, the computer, or the controller to perform the method described above.
  • the invention features a computer-readable medium comprising instructions that, when executed on a computer or controller, perform the method described above.
  • the invention is characterized by a control device for determining a maneuver of an ego vehicle, wherein the control device comprises means for carrying out the method described above.
  • the invention is characterized by a vehicle comprising the above-described control unit for determining a maneuver of an ego vehicle.
  • the invention is based on the following considerations:
  • Predicting a movement of vehicles in an environment of an autonomously driving vehicle is a prerequisite for the safe, anticipatory and cooperative driving of autonomous vehicles.
  • intentional movements can not be measured directly. Consequently, it is necessary to make an estimate of movements and / or maneuvers of vehicles by an autonomous vehicle in traffic scenarios in which one or more dependencies between the autonomous vehicle and other, different road users, e.g. Vehicles and / or obstacle objects present.
  • an autonomously driving vehicle can align its own motion planning.
  • the movements of road users are independent of each other. This may mean that the prediction of the movement of the road users and the planning of the movement of the autonomously driving vehicle can not be considered and solved separately. Rather, the prediction of the movement and the planning of the movement are to be solved coherently.
  • maneuvers based on formations are defined, which describe a relative movement of several vehicles in a traffic scenario. For example, linking decisions for or against a maneuver can be made by establishing conditions that are to avoid a collision in a traffic scenario.
  • trajectories for a given maneuver can be scheduled to map human behavior in the traffic scenario.
  • a comparison of the maneuver with observations of a current movement can be carried out and, in the event of a deviation of the planned trajectories from the current movement, a change of the maneuver can be carried out.
  • Bayesian statistics a probability distribution can be derived from possible maneuvers.
  • probability distribution can be used to select and drive a particular maneuver through the ego vehicle.
  • FIG. 2 shows an exemplary traffic scenario and one derived from the traffic scenario.
  • FIG. 3 shows an iteratively expanded tree data structure for identifying maneuvers of the
  • FIG. 5 shows a lateral optimization of the traffic scenario from FIG. 2, FIG.
  • Fig. 6 cost-optimal trajectories for the traffic scenario of Fig. 2, and
  • FIG. 7 shows probabilities for possible maneuvers of the ego vehicle in the traffic scenario of FIG. 2.
  • the maneuver of the ego vehicle is collision-free, ie a collision with one or more further vehicles and / or obstacle objects is avoided.
  • the maneuver may include, for example, overtaking and / or avoiding an obstacle object and / or another vehicle.
  • the maneuver may be passing through an intersection, driving through a roundabout, and / or entering a priority road.
  • the at least one further vehicle may, for example, be Be a vehicle that is manually controlled by a driver or be an autonomous driving vehicle. Communication between the ego vehicle and the other vehicle or vehicles is not necessary.
  • the at least one further vehicle may be, for example, a vehicle that travels on a lane in the opposite direction to the lane of the ego vehicle and / or drives on a lane of a priority road to which the
  • the at least one further vehicle is a vehicle in an environment of the ego vehicle whose movements have an influence on the maneuver of the ego vehicle.
  • the method 100 may first determine a state of the ego vehicle and a state of the at least one other vehicle in the environment, preferably in the immediate vicinity, of the ego vehicle 102.
  • the state of the ego vehicle may determine a position of the ego vehicle
  • the state of the at least one other vehicle may include a position of the at least one vehicle and / or a speed of the at least one vehicle.
  • the position of the ego vehicle and of the at least one further vehicle preferably comprises a longitudinal position and a lateral position of the respective vehicle along a road course or a road section.
  • the speed of a vehicle e.g. The ego vehicle and / or the at least one other vehicle may include a longitudinal speed and a lateral speed.
  • the position e.g. a longitudinal position and / or a lateral position can be determined with respect to a Frenet coordinate system. Furthermore, the position of the
  • the determination 102 of the state may include receiving track-specific map data, for example from a server or from a local data memory integrated in the ego vehicle.
  • a box surrounding the vehicle with a predetermined length and a predetermined width can be determined.
  • the predetermined length of the box and the predetermined width of the box can be determined, for example, depending on the length and width of a vehicle.
  • the box can be mapped to the track accurate map using the position of the vehicle to determine the to-track position of the vehicle.
  • the box surrounding the vehicle is relative to a line, eg to a center line, or a other object of the roadway. This can be a tracking image of the vehicle can be simplified.
  • the method 100 may be a state of one or more
  • the obstacle object may be located in the environment of the ego vehicle and has an influence on the maneuver of the ego vehicle, i. Failure to observe the obstacle object (s) could lead to a collision. Consequently, the or
  • Obstacle objects are considered in the maneuver of the ego vehicle. Analogously to determining the state of his vehicle, a position and optionally a speed of the obstacle object can be determined.
  • the obstacle object is a static object, i. the speed of the obstacle object is zero.
  • a can be
  • Obstacle object surrounding box can be determined and mapped to the exact track map.
  • one or more obstacle objects may be considered in determining a maneuver of the ego vehicle.
  • the maneuver of the ego vehicle can thus be adapted to more complex traffic situations involving one or more obstacle objects.
  • the method 100 may further include a formation for the ego vehicle and the at least one other vehicle based on the determined state of the ego vehicle and the determined state of the at least one other vehicle in the environment of the
  • a formation describes a relative order of objects, e.g. of the ego vehicle and the at least one other vehicle with respect to a road section or a roadway section in a traffic scenario.
  • An object may be a vehicle, e.g. the ego vehicle and / or the at least one more
  • Each formation may include information about a two-dimensional relative position of the objects of the traffic situation. Exact distances and / or lengths between objects can be used in a formation
  • the ego vehicle In order to determine a formation, for a road section, preferably for a road section without intersections, in the environment of the ego vehicle a local, the
  • Road section comprehensive Frenet coordinate system can be defined.
  • the two-dimensional position of one or two a plurality of vehicles, eg, the ego vehicle and the at least one other vehicle, and the two-dimensional position of one or more obstacle objects, if any, on that road section are determined and a projection of the determined positions into the longitudinal dimension is performed.
  • the vehicle (s) and obstacle (s) can be sorted.
  • the vehicle or vehicles and the obstacle or objects are in
  • the sorted order of vehicles and / or obstacle objects can be stored for further calculation.
  • the sorted order can also be extended by a second dimension, in which a track is assigned to each vehicle or obstacle object.
  • the assignment of the track can by means of the track accurate map and the
  • the traffic scenario 200 includes an ego vehicle 202, vehicle A in FIG. 2, a stationary vehicle 204 as an obstacle object, vehicle B in FIG. 2, and another vehicle 206 , Vehicle C in FIG. 2, which accommodates the ego vehicle 202.
  • the ego vehicle may also be the vehicle B or the vehicle C.
  • the vehicle A in FIG. 2 is the ego vehicle 202.
  • the road or the road includes two lanes.
  • the second vehicle 206 and the stationary vehicle 204 are located on a first track.
  • the further vehicle 206 is located on a second track.
  • Also shown in FIG. 2 are the boxes 208, 210, 212 surrounding the vehicles 202, 204, and 206 with which the vehicles 202, 204, 206 are mapped onto the exact map.
  • the longitudinal position of the ego vehicle 202 is s A , the
  • the formation 214 thus comprises a track-accurate position of the vehicles relative to one another.
  • the formation 214 may be represented as a collection of multiple cells. Each cell of the formation 214 is occupied by a maximum of one vehicle or obstacle object. Two vehicles or obstacle objects can not be on the be arranged in the same longitudinal column, ie laterally adjacent cells from an occupied cell are always free. If in the considered road section of the
  • a local Frenet coordinate system comprising the road section and the intersection may also be defined.
  • various road sections of the intersection can be extracted and linkage of the road sections to the intersection derived.
  • first a formation for a first road section and a formation for a second road section crossing the first road section can be determined independently of one another. If a cell of the first formation is also present in the second formation, then that cell is marked as an intersection cell. This is continued until all junction cells are marked.
  • An intersection cell can not be occupied by a vehicle or obstacle object. For example, if an intersection cell is occupied at the time of determining a formation by a vehicle, the vehicle occupying the cell may be set to the next, subsequent, normal cell. It is assumed that it is known which intersection exit a vehicle takes.
  • the method 100 may determine a set of collective maneuvers, based on the determined current formation, also referred to below as start formation 106.
  • the current formation comprises at least one position of the ego vehicle and a position of another vehicle.
  • the set of collective maneuvers may be recalculated in each time step in which the method 100 is executed.
  • a time step may be a fraction of a second, 1, 0 seconds, 1, 1 seconds, 1, 2 seconds, 2 seconds, 3 seconds, and so on.
  • the time step is to be selected as small as possible depending on the computing time and / or information gain, eg one second.
  • the set of collective maneuvers includes possible collective maneuvers, preferably all possible collective maneuvers, in one time step.
  • a collective maneuver from the set of collective maneuvers can be defined as a sequence of continuous formations from the start formation to a final formation.
  • Each formation of a collective maneuver fulfills a given set of conditions, pairwise, lateral relationships and / or one Passing sequences specify one or more critical areas of the traffic scenario.
  • a critical area may be an area of a road section that may not be traveled during a collective maneuver of a vehicle at any particular time or at all.
  • a collective maneuver from the set of collective maneuvers may include the ego vehicle and one or more other vehicles and / or obstacle objects, and define movement of the ego vehicle relative to at least one other vehicle and / or obstacle object and relative to other vehicles.
  • the set of collective maneuvers may be accomplished by iteratively extending a tree data structure, where each node of the tree data structure corresponds to a formation. Through the iterative extension of the tree data structure possible maneuvers can be searched starting from the current formation. Further, by iteratively extending the tree data structure, a possible maneuver for the ego vehicle can be quickly found, even if the tree data structure has not been fully expanded.
  • the current formation can be used as the root element of the tree data structure.
  • the iterative extension of the tree data structure can be used to determine end formations and intermediate formations between the current formation as the start formation and the end formation (s).
  • An end formation may be an intermediate formation of another path from the current formation to another end formation. This can be used to find maneuvers that are part maneuvers of another maneuver and increase the number of maneuvers in the set of maneuvers from which the ego vehicle can select or determine a maneuver to move.
  • a new formation can be generated as a function of a movement, in particular a relative movement, of one or more vehicles, eg a movement of the ego vehicle and / or a movement of the at least one further vehicle.
  • the predetermined amount of discrete actions may limit a search space in which to search for a possible maneuver.
  • An action on the set of actions describes a change in a relative order of objects, eg, a relative order of vehicles and / or obstacles, of a formation.
  • a vehicle action pair (V, e) e V x A can transform a formation, eg the current formation, into a new formation.
  • the object which is the next object in the traveling direction with respect to the longitudinal order is referred to as the preceding object in the following regardless of the lane.
  • the lateral actions a e ft and a r i 9 ht represent a lane change from the right lane to the left lane or from the left lane to the right lane.
  • the longitudinal action aig ong may represent two different actions: first, passing the preceding object, the passing resulting in a change of position with respect to the longitudinal order of a formation or, second, passing an intersection and placing the vehicle in a lane linked to the intersection.
  • Tree data structure has been fully extended with all possible actions, all possible formations are based on the current formation.
  • clipping conditions may be defined that discard one or more paths of the tree data structure, and / or limit a depth of one or more paths of the tree data structure.
  • the cut-off conditions for example, loops in the generation of new formations can be prevented.
  • Clipping conditions may additionally take into account vehicle dynamics parameters.
  • the following clipping conditions can be defined:
  • Obstacle object on the same track - Inappropriate lane change: Change to the lane of the vehicle ahead when moving to another vehicle; Performing a lane change to a non-existent lane.
  • conditions can be defined that have to fulfill a final formation. For example, it can be determined as a condition for a final formation that all vehicles with different directions of travel must have passed each other, and / or that all vehicles are on a lane and have their correct direction of travel.
  • An end formation may be an intermediate formation for another end formation. This means that extending a path of the
  • Tree data structure can be continued in a final formation until at least one of the cut conditions and / or all final conditions are met.
  • a path from the current formation to a final formation is a maneuver as defined above. Similar
  • Maneuvers i. Maneuvers that have similar paths, but whose result is similar in terms of the respective final formation, can be removed from the set of maneuvers to further reduce the number of maneuvers and thus the complexity of the calculation.
  • FIG. 3 shows an iteratively expanded tree data structure and by the extension of FIG
  • the path from the starting formation F 0 to the final formation FTI specifies a first collective maneuver Mi
  • the path from the starting formation F 0 to the final formation F 2 specifies a second collective maneuver M 2 specifying the path from the starting formation F 0 to the final formation FT3 a third collective maneuver M 3 .
  • the vehicle A follows the vehicle B.
  • the vehicle A overtakes the vehicle B before the vehicle C passes the vehicle B.
  • the vehicle A overtakes the vehicle B after the vehicle C has passed the vehicle B.
  • the method 100 may, after determining 106 the set of collective maneuvers, calculate at least one trajectory per collective maneuver on the set of collective maneuvers 108.
  • Trajectories of a collective maneuver are preferably homotopic, ie one trajectory of the collective maneuver may be in another trajectory of the collective maneuver
  • Maneuvers are continuously transformed in compliance with the given, structural
  • each collective maneuver is calculated from the set of collective maneuvers.
  • the calculated trajectories of a collective maneuver make it possible to compare the collective maneuver with another collective maneuver and with observations of actual trajectories.
  • the calculated trajectories represent a collective maneuver.
  • an optimization problem can be formulated which minimizes a cost function under given conditions.
  • the calculated trajectories are preferably minimum cost trajectories for the collective maneuver.
  • the predetermined conditions may include maneuver-dependent and / or maneuver-independent conditions.
  • Maneuver-independent conditions may include one or more driving dynamics parameters, for example, depending on the or
  • Vehicles can be specified.
  • Maneuver dependent parameters may be spatial parameters, e.g. on which side two vehicles pass the respective other vehicle and / or which safety distance is to be observed with respect to one or more vehicles and / or obstacle objects, and / or time-based parameters, e.g. in which order two or more vehicles pass a critical area.
  • spatial parameters e.g. on which side two vehicles pass the respective other vehicle and / or which safety distance is to be observed with respect to one or more vehicles and / or obstacle objects
  • time-based parameters e.g. in which order two or more vehicles pass a critical area.
  • the conditions are to be determined so as to avoid a collision of two or more vehicles and / or a collision of a vehicle with an obstacle object.
  • the optimization problem can be split into at least two subproblems: an optimization problem for an optimization of a longitudinal control of the ego vehicle and an optimization problem for an optimization of a lateral control of the ego vehicle.
  • the optimization problem for the optimization of the longitudinal control is one
  • the longitudinal optimization is first performed and the results of the longitudinal optimization used as an input for the lateral optimization. This has the advantage that the lateral optimization of the longitudinal positions of the vehicles and / or obstacle objects are known.
  • a quadratic cost function can be chosen.
  • an acceleration, a deviation from a desired speed, and / or a deviation from a lateral position can be included in the calculation of the trajectory (s).
  • Cost function costs of all vehicles and / or obstacles are taken into account.
  • FIG. 4 shows a longitudinal optimization of the traffic scenario from FIG. 2 and the determined collective maneuvers Mi, M 2 , and M 3 from FIG. 3
  • FIG. 5 shows a lateral optimization of the traffic scenario from FIG. 2 and the determined, collective ones Maneuver Mi, M 2 , and M 3 from FIG. 3.
  • FIG. 6 shows the cost-optimal or cost-minimal trajectories for the determined collective maneuvers Mi, M 2 , and M 3 .
  • 402 shows the longitudinal trajectory of the ego vehicle 202, 404 the longitudinal trajectory of the stationary vehicle 204, and 406 the longitudinal trajectory of the further vehicle 206.
  • Regions that are not allowed to cross the longitudinal trajectory 402 of the ego vehicle are indicated 408.
  • Areas that the longitudinal trajectory 406 of the further vehicle 206 is not allowed to cross are marked 410.
  • the regions 408 and / or 410 may be dynamically adjusted between the time steps to accommodate movements of the vehicles, e.g. of the ego vehicle 202 and the further vehicle 206.
  • the lateral trajectory of the ego vehicle 202 with 510, the lateral trajectory of the stationary vehicle 204 with 512, and the lateral trajectory of the further vehicle 206 with 504 marked. Areas that the lateral trajectory of the ego vehicle 202 and the further vehicle 206 may not intersect are 502, areas that are not allowed to cross the lateral trajectory of the ego vehicle are 508, and areas that do not cross the lateral trajectory of the other vehicle may, marked with 506.
  • Trajectories for the ego vehicle 202, the stationary vehicle 204 and the other vehicle 206 for the respective collective maneuvers Mi, M 2 , and M 3 are derived.
  • the trajectories shown in FIG. 6 can be driven directly by the ego vehicle 202.
  • the method 100 may further determine the maneuver of the ego vehicle based on the calculated trajectory (s) for the collective maneuvers from the set of collective maneuvers and a movement of the at least one other vehicle sensed by a sensor of the ego vehicle 1 1 0. Es exactly one collective maneuver is determined from the set of collective maneuvers in one time step. In a subsequent time step, another collective maneuver can be determined. Changing the collective maneuver between two time steps enables the mapping of a behavior of a human driver who continuously assesses a traffic scenario and flexibly changes an intended maneuver, e.g. a change in the traffic scenario occurs or a re-evaluation of the traffic scenario leads to another maneuver.
  • the movement of the ego vehicle can be modeled as a stochastic process comprising all collective maneuvers from the set of collective maneuvers, in a time step only a collective maneuver out of the crowd of collective maneuvers can be active.
  • a maneuver change probability can be defined.
  • the maneuvering likelihood between two time steps for all collective maneuvers from the set of collective maneuvers is 10%.
  • the collective maneuver can be estimated.
  • a Kalman filter e.g. an interactive, multiple model, IMM for short, Kaiman filters can be used to estimate the collective maneuver or states of the collective maneuver.
  • Bayesian Bayesian
  • Fig. 7 shows the calculated probabilities for the collective maneuvers Mi, M 2 , and M 3 .
  • the collective maneuver M 3 has the highest probability. The ego vehicle thus becomes the collective maneuver M 3 in the
  • Obstacle objects are efficiently considered in determining a collective maneuver of vehicles. Finding possible collective maneuvers can be efficiently automated through the use of formations. An ego vehicle can thus more accurately estimate traffic situations if the collective maneuver does not include the ego vehicle. And, the calculated trajectory for the particular collective maneuver can be driven directly by the ego vehicle if the ego vehicle is a vehicle of collective maneuver. The collective maneuver of the ego vehicle can thus be re-determined efficiently with regard to the required computing resources for each time step. In addition, possible, collective maneuvers of the ego vehicle depending on a current
  • the ego vehicle 202 may thus respond efficiently and flexibly to different and rapidly changing traffic scenarios similar to a human driver, in which the ego vehicle 202 makes a new assessment of the traffic scenario at each time step in which the method is performed. In doing so, the ego vehicle can efficiently take into account relative movements between moving vehicles and relative movements to static obstacle objects and quickly determine a collective maneuver to be driven. LIST OF REFERENCE NUMBERS

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

Die Erfindung betrifft Verfahren (100) zum Bestimmen eines kollektiven Manövers von wenigstens zwei Fahrzeugen, das Verfahren umfassend: Empfangen (102) eines Zustands eines ersten Fahrzeugs und eines Zustands wenigstens eines weiteren Fahrzeugs in einem Umfeld eines Egofahrzeugs; Ermitteln (104) einer aktuellen Formation für das erste Fahrzeug und das wenigstens eine weitere Fahrzeug basierend auf dem empfangenen Zustand des ersten Fahrzeugs und dem empfangenen Zustand des wenigstens einen weiteren Fahrzeugs in dem Umfeld des Egofahrzeugs, wobei die aktuelle Formation eine relative Ordnung des ersten Fahrzeugs und des wenigstens einen weiteren Fahrzeugs bezüglich einer Fahrbahn umfasst; Ermitteln (106) einer Menge von kollektiven Manövern basierend auf der aktuellen Formation, wobei ein kollektives Manöver der Menge von kollektiven Manövern eine Folge von Formationen von der aktuellen Formation zu einer Endformation umfasst; Berechnen (108) einer Trajektorie für das erste Fahrzeug und einer Trajektorie für das wenigstens eine weitere Fahrzeug für ein kollektives Manöver aus der Menge von kollektiven Manövern; und Bestimmen (1 10) des kollektiven Manövers aus der Menge von kollektiven Manövern basierend auf den berechneten Trajektorien des kollektiven Manövers aus der Menge von kollektiven Manövern und einer durch eine Sensorik des Egofahrzeugs erfassten Bewegung des ersten Fahrzeugs und des wenigstens einen weiteren Fahrzeugs.

Description

Verfahren, Computerprogrammprodukt, Computer-lesbares Medium, Steuergerät und Fahrzeug umfassen das Steuergerät zum Bestimmen eines kollektiven Manövers von wenigstens zwei Fahrzeugen
Die Erfindung betrifft ein Verfahren zum Bestimmen eines kollektiven Manövers von wenigstens zwei Fahrzeugen. Die Erfindung betrifft ferner ein Computerprogrammprodukt, ein Computerlesbares Medium, ein Steuergerät, und ein Fahrzeug umfassend das Steuergerät zum
Bestimmen eines kollektiven Manövers von wenigstens zwei Fahrzeugen.
Autonom fahrende Fahrzeuge können eine Bewegungsvorhersage nutzen, um Bewegungen von anderen Fahrzeugen und weiterer Verkehrsteilnehmer abzuschätzen. Beispielsweise kann ein aktuell ausgeführtes oder ein zukünftiges Manöver eines Fahrzeugs abgeschätzt werden. Die Menge der möglichen Manöver eines Fahrzeugs wird häufig manuell durch einen Hersteller des Fahrzeugs ermittelt und dem Fahrzeug bereitgestellt.
Es ist daher eine Aufgabe der Erfindung, ein Bestimmen eines kollektiven Manövers von Fahrzeugen effizient zu verbessern Insbesondere ist es eine Aufgabe der Erfindung ein kollektives Manöver eines ersten Fahrzeugs relativ zu wenigstens einem weiteren Fahrzeug effizient zu ermitteln.
Gelöst wird diese Aufgabe durch die Merkmale der unabhängigen Ansprüche. Vorteilhafte Ausgestaltungen und Weiterbildungen der Erfindung ergeben sich aus den abhängigen Ansprüchen.
Gemäß einem ersten Aspekt zeichnet sich die Erfindung aus durch ein Verfahren zum
Bestimmen eines kollektiven Manövers von wenigstens zwei Fahrzeugen. Das kollektive Manöver umfasst vorzugsweise gemeinsame Manöver von wenigstens zwei Fahrzeugen. Allgemein kann das Verfahren zwei oder mehr Fahrzeuge zueinander in Relation setzen und ein kollektives Manöver für diese Fahrzeuge bestimmen. Ein Fahrzeug kann beispielsweise ein Egofahrzeug oder ein von einer Sensorik des Egofahrzeugs erfassbares Fahrzeug sein. Das Verfahren kann ein oder mehrere kollektive Manöver für Kombinationen von Fahrzeugen bestimmen, bei denen das Egofahrzeug Teil des kollektiven Manövers ist oder das Egofahrzeug kein Teil des kollektiven Manövers ist, z.B. wenn das Egofahrzeug ein kollektives Manöver für wenigstens zwei Fahrzeuge im einem Umfeld des Egofahrzeugs bestimmt. Das Egofahrzeug ist vorzugsweise ein autonom fahrendes Fahrzeug, insbesondere ein autonom fahrendes
Kraftfahrzeug. Das kollektive Manöver kann ein Fahrmanöver des Egofahrzeugs umfassen. Das Verfahren umfasst ein Empfangen eines Zustands eines ersten Fahrzeugs, z.B. eines
Egofahrzeugs oder eines anderen Fahrzeugs, und eines Zustands wenigstens eines weiteren Fahrzeugs in einem Umfeld des Egofahrzeugs. Das Umfeld kann einen Straßenabschnitt des Egofahrzeugs umfassen, der von einer Sensorik des Egofahrzeugs erfassbar ist. Der Zustand kann beispielswiese eine Position und/oder eine Geschwindigkeit umfassen. Der Zustand des ersten Fahrzeug und/oder des wenigstens einen weiteren Fahrzeugs kann von einem oder mehreren Sensoren des Egofahrzeugs, im Folgenden aus Sensorik des Egofahrzeugs genannt, und/oder mit der Sensorik verbundenen Steuergeräten des Egofahrzeugs empfangen werden. Das Verfahren umfasst ferner ein Ermitteln einer aktuellen Formation für das erste Fahrzeug und das wenigstens eine weitere Fahrzeug basierend auf dem empfangenen Zustand des ersten Fahrzeugs und dem empfangenen Zustand des wenigstens einen weiteren Fahrzeugs in dem Umfeld des Egofahrzeugs, wobei die aktuelle Formation eine relative Ordnung des ersten Fahrzeugs und des wenigstens einen weiteren Fahrzeugs bezüglich einer Fahrbahn, insbesondere einer oder mehrerer Fahrspuren einer Fahrbahn, umfasst. Weiterhin umfasst das Verfahren ein Ermitteln einer Menge von kollektiven Manövern, insbesondere eine Menge von möglichen, kollektiven Manövern, basierend auf der aktuellen Formation, wobei ein kollektives Manöver der Menge von kollektiven Manövern eine Folge von Formationen von der aktuellen Formation zu einer Endformation umfasst.
Das Verfahren umfasst ferner ein Berechnen mindestens einer Trajektorie für das erste
Fahrzeug und mindestens einer Trajektorie für das wenigstens eine weitere Fahrzeug für ein kollektives Manöver aus der Menge von kollektiven Manövern. Die Trajektorien werden vorzugsweise so berechnet, dass das kollektive Manöver mittels der berechneten Trajektorien möglich ist, d.h. durch die Fahrzeuge des kollektiven Manövers gefahren werden können.
Schließlich umfasst das Verfahren ein Bestimmen des kollektiven Manövers basierend auf den berechneten Trajektorien für das kollektive Manöver aus der Menge von kollektiven Manövern und einer durch eine Sensorik des Egofahrzeugs erfassten Bewegung des ersten Fahrzeugs und des wenigstens einen weiteren Fahrzeugs.
Vorteilhafterweise kann durch das Ermitteln einer Menge von möglichen kollektiven Manövern für wenigstens zwei Fahrzeuge dynamisch auf ein Verkehrsszenario reagieren werden, bei der beispielsweise ein oder mehrere, weitere Fahrzeuge und/oder ein oder mehrere Hindernisobjekte, z.B. ein stehendes oder parkendes Fahrzeug, im Umfeld des Egofahrzeugs bei dem Manöver berücksichtigt werden müssen. Das Egofahrzeug kann sich somit flexibel an neue Verkehrsszenarien anpassen, ohne dass diese neuen Verkehrsszenarien auf dem
Egofahrzeug vorab hinterlegt sein müssen. Ferner kann durch das Ermitteln von einer Folge von Formationen für jedes Manöver ein effizientes Berechnen des Manövers sichergestellt werden. Wird das Verfahren beispielsweise in einer Schrittweite von einer Sekunde ausgeführt, kann das Egofahrzeug in jedem Zeitschritt aus der Menge der kollektiven Manöver ein kollektives Manöver auswählen, das in Abhängigkeit einer erfassten Bewegung weiterer Fahrzeuge, bestimmt wird. Somit kann das Egofahrzeug stets ein optimales, kollektives
Manöver ausführen, um beispielweise ein vorgegebenes Ziel zu erreichen.
Gemäß einer vorteilhaften Ausgestaltung kann das erste Fahrzeug das Egofahrzeug sein, und/oder der Zustand der ersten Fahrzeugs und/oder der Zustand des wenigstens einen Fahrzeugs eine vorzugsweise spurgenaue Position des jeweiligen Fahrzeugs umfassen. Hiermit kann ein kollektives Manöver für das Egofahrzeug effizient bestimmt werden. Ferner können ein präziseres Erfassen einer aktuellen Verkehrssituation und damit ein präziseres Erfassen einer aktuellen Formation erfolgen.
Gemäß einer weiteren, vorteilhaften Ausgestaltung kann das Verfahren weiterhin ein
Bestimmen eines Zustands eines oder mehrerer Hindernisobjekte in dem Umfeld des
Egofahrzeugs umfassen. Ferner kann das Ermitteln der aktuellen Formation basierend auf dem Zustand des ersten Fahrzeugs, z.B. des Egofahrzeugs, dem Zustand des wenigstens einen weiteren Fahrzeugs und/oder dem Zustand der Hindernisobjekteerfolgen, und die aktuelle Formation eine relative Ordnung des ersten Fahrzeugs, z.B. des Egofahrzeugs, des wenigstens einen weiteren Fahrzeugs, und der Hindernisobjekte bezüglich einer Fahrbahn umfassen.
Hiermit kann eine Formation, die eine Verkehrssituation mit einem oder mehreren
Hindernisobjekten umfasst, effizient ermittelt werden.
Gemäß einer weiteren, vorteilhaften Ausgestaltung kann die Folge von Formationen von der aktuellen Formation zu der Endformation eine vorgegebene Menge an paarweisen, lateralen Beziehungen zwischen dem ersten Fahrzeug und dem wenigstens einen oder mehrerer weiterer Fahrzeuge und/oder eine vorgegebene Passierreihenfolge des ersten Fahrzeugs und des wenigstens einen oder mehrerer weiterer Fahrzeuge spezifizieren, und/oder kann ein kollektives Manöver aus der Menge von kollektiven Manövern eine Trajektorie des ersten Fahrzeugs und eine Trajektorie des wenigstens einen oder mehrerer weiterer Fahrzeuge umfassen, und/oder kann die Trajektorie des ersten Fahrzeugs und die Trajektorie des wenigstens einen oder mehrerer weiterer Fahrzeuge bezüglich der aktuellen Formation und einer gleichen Endformation homotop sein. Homotop bedeutet dabei, dass die Trajektorien aller, bei einem Manöver beteiligten Fahrzeuge mit der aktuellen Formation als Startformation und der gleichen Endformation eine kontinuierliche Transformation erlauben, ohne dass es zu einer Kollision mit einem Hindernisobjekt und/oder zu einer Kollision zweier Fahrzeuge kommt. Hiermit kann ein kollektives Manöver effizient berechnet werden.
Gemäß einer weiteren, vorteilhaften Ausgestaltung kann die relative Ordnung der aktuellen Formation spurgenau sein, und/oder kann die aktuelle Formation und die Endformation wenigstens einen Bereich umfassen, der frei von Fahrzeugen und/oder einem Hindernisobjekt ist. Hiermit kann das Manöver durch das Egofahrzeug präzise erfasst und effizient berechnet werden.
Gemäß einer weiteren, vorteilhaften Ausgestaltung kann das Ermitteln einer Menge von kollektiven Manövern ein Erzeugen einer Baumdatenstruktur für Formationen umfassen, wobei die aktuelle Formation ein Wurzelelement der Baumdatenstruktur ist. Ferner kann das Ermitteln einer Menge von kollektiven Manövern ein Berechnen einer weiteren Formation durch ein Verändern der relativen Ordnung des ersten Fahrzeugs, z.B. des Egofahrzeugs, und/oder des wenigstens einen oder mehrerer weiterer Fahrzeuge der Startformation unter Verwendung einer vorgegebenen Menge von diskreten Bewegungsaktionen, ein Hinzufügen der weiteren
Formation zu der Baumdatenstruktur, und ein Prüfen ob die weitere Formation eine
Endformation ist, umfassen. Falls die weitere Formation eine Endformation ist, kann die Folge von Formationen von der aktuellen Formation bis zu der Endformation als ein kollektives Manöver zu der Menge von kollektiven Manövern hinzugefügt und damit ein kollektives
Manöver für die Menge von kollektiven Manövern ermittelt werden. Hiermit kann ein kollektives Manöver unter Berücksichtigung des wenigstens einen weiteren Fahrzeugs und/oder eines oder mehrerer Hindernisobjekte effizient berechnet bzw. ermittelt werden.
Gemäß einer weiteren, vorteilhaften Ausgestaltung kann das Ermitteln einer Menge von Manövern weiterhin, falls die weitere Formation keine Endformation ist, ein Berechnen einer weiteren Formation durch ein Verändern der relativen Ordnung des Egofahrzeugs und/oder des wenigstens einen weiteren Fahrzeugs der aktuellen Formation oder der hinzugefügten, weiteren Formation unter Verwendung einer vorgegebenen Menge von diskreten Bewegungsaktionen umfassen. Das Ermitteln einer Menge von Manövern kann ferner ein Hinzufügen der weiteren Formation zu der Baumdatenstruktur, ein Prüfen ob die weitere Formation eine Endformation ist, und ein Fortführen des Ermitteins einer Menge von Manövern in Abhängigkeit eines
Ergebnisses des Prüfens, ob die weitere Formation eine Endformation ist, umfassen, wobei das Ermitteln der Menge von Manöver solange fortgeführt wird, bis die weiteren Formationen vollständig bezüglich der vorgegebenen Menge von diskreten Bewegungen berechnet sind. Hiermit kann eine vollständige Menge von möglichen Manövern des Egofahrzeugs effizient berechnet bzw. ermittelt werden.
Gemäß einer weiteren, vorteilhaften Ausgestaltung kann die Trajektorie für ein Manöver aus der Menge von Manövern bezüglich wenigstens eines fahrzeugspezifischen Parameters und/oder bezüglich wenigstens eines manöverspezifischen Parameters kostenoptimal sein. Hiermit kann eine effiziente Trajektorie für jedes mögliche Manöver des Egofahrzeugs berechnet werden.
Gemäß einem weiteren Aspekt zeichnet sich die Erfindung aus durch ein
Computerprogrammprodukt zum Bestimmen eines Manövers eines Egofahrzeugs umfassend Instruktionen, die bei der Ausführung des Computerprogrammprodukts durch einen Computer oder ein Steuergerät, den Computer oder das Steuergerät dazu veranlassen, das oben beschriebene Verfahren auszuführen.
Gemäß einem weiteren Aspekt zeichnet sich die Erfindung aus durch ein Computer-lesbares Medium, welches Instruktion umfasst, die, wenn ausgeführt auf einem Computer oder einem Steuergerät, das oben beschriebene Verfahren ausführen.
Gemäß einem weiteren Aspekt zeichnet sich die Erfindung aus durch ein Steuergerät zum Bestimmen eines Manövers eines Egofahrzeugs, wobei das Steuergerät Mittel zur Ausführung des oben beschriebenen Verfahrens umfasst.
Gemäß einem weiteren Aspekt zeichnet sich die Erfindung aus durch ein Fahrzeug umfassend das oben beschriebene Steuergerät zum Bestimmen eines Manövers eines Egofahrzeugs. Weitere Merkmale der Erfindung ergeben sich aus den Ansprüchen, den Figuren und der Figurenbeschreibung. Alle vorstehend in der Beschreibung genannten Merkmale und
Merkmalkombinationen sowie die nachfolgend in der Figurenbeschreibung genannten und/oder in den Figuren allein gezeigten Merkmale und Merkmalskombinationen sind nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen oder aber in Alleinstellung verwendbar.
Die Erfindung beruht auf den nachfolgend dargelegten Überlegungen:
Ein Vorhersagen einer Bewegung von Fahrzeugen in einem Umfeld eines autonom fahrenden Fahrzeugs, im Folgenden auch Egofahrzeug genannt, ist eine Vorbedingung für ein sicheres, vorausschauendes und kooperatives Fahren von autonom fahrenden Fahrzeugen. Um eine kooperative Fahrstrategie zu bestimmen, kann es nützlich sein, dass ein autonom fahrendes Fahrzeug eine beabsichtigte Bewegung von umgebenden Fahrzeugen in seiner eigenen Bewegungsplanung verwendet. Jedoch können beabsichtigte Bewegungen nicht direkt gemessen werden. Folglich ist es notwendig, eine Abschätzung von Bewegungen und/oder Manövern von Fahrzeugen durch ein autonom fahrendes Fahrzeug in Verkehrsszenarien vorzunehmen, bei denen eine oder mehrere Abhängigkeiten zwischen dem autonom fahrenden Fahrzeug und weiteren, unterschiedlichen Verkehrsteilnehmern, z.B. Fahrzeuge und/oder Hindernisobjekte, vorliegen.
Die Vorhersage bzw. Abschätzung einer Bewegung ist häufig mit einer gewissen Unsicherheit behaftet. Aus diesem Grund kann es schwierig sein, eine einzige, akkurate, und
deterministische Vorhersage zu erhalten, auf Basis dieser ein autonom fahrendes Fahrzeug seine eigene Bewegungsplanung ausrichten kann. Speziell in Verkehrsszenarien, in denen Verkehrsteilnehmer eng miteinander verknüpft sind, kann nicht davon ausgegangen werden, dass Bewegungen der Verkehrsteilnehmer unabhängig voneinander sind. Dies kann dazu führen, dass die Vorhersage der Bewegung der Verkehrsteilnehmer und das Planen der Bewegung des autonom fahrenden Fahrzeugs nicht getrennt betrachtet und gelöst werden können. Vielmehr sind die Vorhersage der Bewegung und das Planen der Bewegung zusammenhängend zu lösen. Im Folgenden werden hierfür Manöver auf Basis von Formationen definiert, die eine relative Bewegung von mehreren Fahrzeugen in einem Verkehrsszenario beschreiben. Ein Verknüpfen von Entscheidungen für oder gegen ein Manöver kann beispielsweise dadurch erfolgen, dass Bedingungen festgelegt werden, die eine Kollision in einem Verkehrsszenarios vermeiden sollen. Unter der Annahme, dass sich Fahrzeuge in einer Verkehrssituation kooperativ verhalten, können Trajektorien für ein gegebenes Manöver geplant werden, um ein menschliches Verhalten in dem Verkehrsszenario abzubilden. Mittels der geplanten Trajektorien kann ein Vergleich des Manövers mit Beobachtungen einer aktuellen Bewegung durchgeführt und, bei einer Abweichung der geplanten Trajektorien von der aktuellen Bewegung, eine Änderung des Manövers ausgeführt werden. Durch Anwendung von Bayesscher Statistik kann eine Wahrscheinlichkeitsverteilung über mögliche Manöver abgeleitet werden. Die
Wahrscheinlichkeitsverteilung kann schließlich dazu verwendet werden, ein bestimmtes Manöver durch das Egofahrzeug auszuwählen und zu fahren.
Im Folgenden wird anhand der beigefügten Zeichnungen ein bevorzugtes Ausführungsbeispiel der Erfindung beschrieben. Daraus ergeben sich weitere Details, bevorzugte Ausgestaltungen und Weiterbildungen der Erfindung. Im Einzelnen zeigen schematisch
Fig. 1 ein Verfahren zum Bestimmen eines Manövers eines Egofahrzeugs,
Fig. 2 ein beispielhaftes Verkehrsszenario und eine aus dem Verkehrsszenario abgeleitete
Formation,
Fig. 3 eine iterativ erweiterte Baumdatenstruktur zum Identifizieren von Manövern des
Verkehrsszenarios aus Fig. 2,
Fig. 4 eine longitudinale Optimierung des Verkehrsszenarios aus Fig. 2,
Fig. 5 eine lateral Optimierung des Verkehrsszenarios aus Fig. 2,
Fig. 6 kostenoptimale Trajektorien für das Verkehrsszenario aus Fig. 2, und
Fig. 7 Wahrscheinlichkeiten für mögliche Manöver des Egofahrzeugs in dem Verkehrsszenario aus Fig. 2.
Im Detail zeigt Fig. 1 ein Verfahren 100 zum Bestimmen eines Manövers eines Egofahrzeugs, insbesondere eines Fahrmanövers des Egofahrzeugs relativ zu einer Bewegung von wenigstens einem weiteren Fahrzeug. Das Manöver des Egofahrzeugs ist dabei kollisionsfrei, d.h. eine Kollision mit einem oder mehreren, weiteren Fahrzeugen und/oder Hindernisobjekten wird vermieden. Das Manöver kann beispielsweise ein Überholen und/oder ein Ausweichen eines Hindernisobjekts und/oder eines anderen Fahrzeugs umfassen. Das Manöver kann ein Durchfahren einer Kreuzung, ein Durchfahren eines Kreisverkehrs, und/oder ein Einfahren in eine Vorfahrtsstraße sein. Das wenigstens eine weitere Fahrzeug kann beispielsweise ein Fahrzeug sein, das manuell von einem Fahrer gesteuert wird oder ein autonom fahrendes Fahrzeug sein. Eine Kommunikation zwischen dem Egofahrzeug und dem bzw. den weiteren Fahrzeugen ist nicht notwendig. Das wenigstens eine weitere Fahrzeug kann beispielsweise ein Fahrzeug sein, das auf einer Fahrspur in entgegengesetzter Richtung zu der Fahrspur des Egofahrzeugs fährt und/oder auf einer Fahrspur einer Vorfahrtstraße fährt, auf die das
Egofahrzeug beabsichtigt einzufahren. Allgemein ist das wenigstens eine weitere Fahrzeug ein Fahrzeug in einem Umfeld des Egofahrzeugs, dessen Bewegungen einen Einfluss auf das Manöver des Egofahrzeugs haben.
Das Verfahren 100 kann zunächst einen Zustand des Egofahrzeugs und einen Zustand des wenigstens einen weiteren Fahrzeugs in dem Umfeld, vorzugsweise in dem nahen Umfeld, des Egofahrzeugs bestimmen 102. Der Zustand des Egofahrzeugs kann eine Position des
Egofahrzeugs und/oder eine Geschwindigkeit des Egofahrzeugs umfassen. Der Zustand des wenigstens einen weiteren Fahrzeugs kann eine Position des wenigstens einen Fahrzeugs und/oder eine Geschwindigkeit des wenigsten einen Fahrzeugs umfassen. Vorzugsweise umfasst die Position des Egofahrzeugs und des wenigstens einen weiteren Fahrzeugs eine longitudinale Position und eine laterale Position des jeweiligen Fahrzeugs entlang eines Straßenverlaufs bzw. eines Straßenabschnitts. Die Geschwindigkeit eines Fahrzeugs, z.B. des Egofahrzeugs und/oder des wenigstens einen weiteren Fahrzeugs, kann eine longitudinale Geschwindigkeit und eine laterale Geschwindigkeit umfassen.
Die Position, z.B. eine longitudinale Position und/oder eine laterale Position, kann bezüglich eines Frenet-Koordinatensystems ermittelt werden. Weiterhin kann die Position des
Egofahrzeugs und des wenigstens einen weiteren Fahrzeugs spurgenau bestimmt werden. Dazu kann das Bestimmen 102 des Zustands ein Empfangen spurgenauer Kartendaten z.B. von einem Server oder von einem in dem Egofahrzeug integrierten, lokalen Datenspeicher umfassen. Um eine Position eines Fahrzeugs, z.B. des Egofahrzeugs und des wenigstens einen, weiteren Fahrzeugs, bezüglich einer Fahrspur zu bestimmen, kann eine, das Fahrzeug umgebende Box mit einer vorgegebenen Länge und einer vorgegebenen Breite bestimmt werden. Die vorgegebene Länge der Box und die vorgegebene Breite der Box können beispielsweise in Abhängigkeit der Länge und der Breite eines Fahrzeugs bestimmt werden. Die Box kann unter Verwendung der Position des Fahrzeugs auf die spurgenaue Karte abgebildet werden, um die spurgenaue Position des Fahrzeugs zu bestimmen. Vorzugsweise wird die das Fahrzeug umgebende Box relativ zu einer Linie, z.B. zu einer Mittellinie, oder eines anderen Objekts der Fahrbahn ausgerichtet. Hiermit kann eine spurgenaue Abbildung des Fahrzeugs vereinfacht werden.
Zusätzlich oder alternativ kann das Verfahren 100 einen Zustand eines oder mehrerer
Hindernisobjekte ermitteln. Das Hindernisobjekt kann sich in dem Umfeld des Egofahrzeugs befinden und hat einen Einfluss auf das Manöver des Egofahrzeugs, d.h. ein Nichtbeachten des bzw. der Hindernisobjekte könnte zu einer Kollision führen. Folglich muss das bzw. die
Hindernisobjekte bei dem Manöver des Egofahrzeugs berücksichtigt werden. Analog zum Bestimmen des Zustand seines Fahrzeug kann eine Position und optional eine Geschwindigkeit des Hindernisobjekts bestimmt werden. Vorzugsweise ist das Hindernisobjekt ein statisches Objekt, d.h. die Geschwindigkeit des Hindernisobjekts ist null. Weiterhin kann eine das
Hindernisobjekt umgebende Box ermittelt werden und spurgenau auf die spurgenaue Karte abgebildet werden. Somit können ein oder mehrere Hindernisobjekte beim Bestimmen eines Manövers des Egofahrzeugs berücksichtigt werden. Das Manöver des Egofahrzeugs kann somit an komplexere Verkehrssituationen, die ein oder mehrere Hindernisobjekte umfassen, angepasst werden.
Das Verfahren 100 kann ferner eine Formation für das Egofahrzeugs und das wenigstens eine weitere Fahrzeug basierend auf dem bestimmten Zustand des Egofahrzeugs und dem bestimmten Zustand des wenigstens einen weiteren Fahrzeugs in dem Umfeld des
Egofahrzeugs ermitteln 104. Eine Formation beschreibt dabei eine relative Ordnung von Objekten, z.B. des Egofahrzeugs und dem wenigstens einen, weiteren Fahrzeug, bezüglich eines Straßenabschnitts bzw. einer Fahrbahnabschnitts in einem Verkehrsszenario. Mittels einer Formation kann ein Manöver für eine Verkehrssituation einfach beschrieben werden. Ein Objekt kann ein Fahrzeug, z.B. das Egofahrzeug und/oder das wenigstens eine weitere
Fahrzeug, und/oder ein Hindernisobjekt sein. Jede Formation kann Informationen über eine zwei-dimensionale, relative Position der Objekte der Verkehrssituation umfassen. Genaue Entfernungen und/oder Längen zwischen den Objekten können bei einer Formation
vernachlässig werden, um ein Ermitteln von Formationen zu vereinfachen.
Um eine Formation zu ermitteln, kann für einen Straßenabschnitt, vorzugsweise für einen Straßenabschnitt ohne Kreuzungen, in dem Umfeld des Egofahrzeugs ein lokales, den
Straßenabschnitt umfassendes Frenet-Koordinatensystem definiert werden. Unter Verwendung des lokalen Frenet-Koordinatensystems kann die zwei-dimensionale Position eines oder mehrerer Fahrzeuge, z.B. des Egofahrzeugs und des wenigstens einen weiteren Fahrzeugs, und die zwei-dimensionale Position eines oder mehrerer Hindernisobjekte, sofern vorhanden, auf diesem Straßenabschnitt bestimmt werden und eine Projektion der bestimmten Positionen in die longitudinale Dimension ausgeführt werden. Hinsichtlich der longitudinalen Dimension können das bzw. die Fahrzeuge und das bzw. die Hindernisobjekte sortiert werden.
Vorzugsweise werden das bzw. die Fahrzeuge und das bzw. die Hindernisobjekte in
aufsteigender Reihenfolge bezüglich der longitudinalen Position auf dem Straßenabschnitt sortiert. Die sortierte Reihenfolge von Fahrzeugen und/oder Hindernisobjekten kann für eine weitere Berechnung gespeichert werden. Die sortierte Reihenfolge kann ferner um eine zweite Dimension erweitert werden, in dem jedem Fahrzeug bzw. Hindernisobjekt eine Spur zugewiesen wird. Das Zuweisen der Spur kann mittels der spurgenauen Karte und der
Abbildung der Fahrzeuge und/oder Hindernisobjekte mittels Boxen auf die spurgenaue Karte, wie oben beschrieben, erfolgen.
Ein beispielhaftes Verkehrsszenario 200 und eine aus dem Verkehrsszenario abgeleitete Formation zeigt Fig. 2. Das Verkehrsszenario 200 umfasst ein Egofahrzeug 202, Fahrzeug A in Fig. 2, ein stehendes Fahrzeug 204 als Hindernisobjekt, Fahrzeug B in Fig. 2, und ein weiteres Fahrzeug 206, Fahrzeug C in Fig. 2, das dem Egofahrzeug 202 entgegenkommt. Alternativ kann in dem Verkehrsszenario 200 das Egofahrzeug auch Fahrzeug B oder Fahrzeug C. Im Folgenden wird jedoch davon ausgegangen, dass Fahrzeug A in Fig. 2 das Egofahrzeug 202 ist. Die Fahrbahn bzw. die Straße umfasst zwei Spuren. Auf einer ersten Spur befinden sich das Egofahrzeug 202 und das stehende Fahrzeug 204. Auf einer zweiten Spur befindet sich das weitere Fahrzeug 206. Ebenfalls in Fig. 2 gezeigt sind die, die Fahrzeuge 202, 204, und 206 umgebende Boxen 208, 210, 212, mit denen die Fahrzeuge 202, 204, 206 auf die spurgenaue Karte abgebildet werden. Die longitudinale Position des Egofahrzeugs 202 ist sA, die
longitudinale Position des stehenden Fahrzeugs 204 ist sB, und die longitudinale Position des weiteren Fahrzeugs 206 ist sc. Wie oben beschrieben kann eine sortierte Reihenfolge der Fahrzeuge 202, 204, und 206 bezüglich der jeweiligen longitudinalen Position erstellt und mit Informationen zur jeweiligen Spur verknüpft werden. Die Formation 214 umfasst somit eine spurgenaue Position der Fahrzeuge relativ zueinander.
Wie in Fig. 2 beispielhaft gezeigt, kann die Formation 214 als eine Ansammlung von mehreren Zellen dargestellt werden. Jede Zelle der Formation 214 ist mit maximal einem Fahrzeug oder einem Hindernisobjekt belegt. Zwei Fahrzeuge oder Hindernisobjekte können nicht auf der gleichen, longitudinalen Spalte angeordnet sein, d.h. lateral angrenzende Zellen von einer belegten Zelle sind immer frei. Falls sich in dem betrachteten Straßenabschnitt des
Verkehrsszenarios Fahrzeuge und/oder Hindernisobjekte überlappen, wird diese Information nicht weiter betrachtet. Eine Zuweisung erfolgt eindeutig zu einer Zelle ohne Berücksichtigung einer eventuellen Überlappung.
Um eine Formation zu ermitteln, kann für einen Straßenabschnitt mit einer Kreuzung in dem Umfeld des Egofahrzeugs ebenfalls ein lokales, den Straßenabschnitt und die Kreuzung umfassendes Frenet-Koordinatensystem definiert werden. Unter Verwendung der spurgenauen Karte können verschiedene Straßenabschnitte der Kreuzung extrahiert und eine Verknüpfung der Straßenabschnitte zu der Kreuzung abgeleitet werden. Dazu kann zunächst eine Formation für einen ersten Straßenabschnitt und eine Formation für einen zweiten Straßenabschnitt, der den ersten Straßenabschnitt kreuzt, unabhängig voneinander bestimmt werden. Falls eine Zelle der ersten Formation in der zweiten Formation ebenfalls vorhanden ist, dann wird diese Zelle als eine Kreuzungszelle markiert. Dies wird solange fortgeführt, bis alle Kreuzungszellen markiert sind. Eine Kreuzungszelle kann nicht durch ein Fahrzeug oder ein Hindernisobjekt belegt werden. Ist beispielsweise eine Kreuzungszelle zum Zeitpunkt des Bestimmens einer Formation durch ein Fahrzeug belegt, so kann das Fahrzeug, das die Zelle belegt, auf die nächste, nachfolgende, normale Zelle gesetzt werden. Dabei wird angenommen, dass bekannt ist, welche Kreuzungsausfahrt ein Fahrzeug nimmt.
Das Verfahren 100 kann eine Menge von kollektiven Manövern, ausgehend von der ermittelten, aktuellen Formation, im Folgenden auch Startformation genannt, ermitteln 106. Die aktuelle Formation umfasst mindestens eine Position des Egofahrzeugs und eine Position eines weiteren Fahrzeugs. Die Menge von kollektiven Manövern kann in jedem Zeitschritt, in dem das Verfahren 100 ausgeführt wird, neu berechnet werden. Ein Zeitschritt kann beispielsweise ein Bruchteil einer Sekunde, 1 ,0 Sekunde, 1 ,1 Sekunden, 1 ,2 Sekunden, zwei Sekunden, drei Sekunden, usw. sein. Vorzugsweise ist der Zeitschritt möglichst klein in Abhängigkeit von Rechenzeit und/oder Informationsgewinn zu wählen, z.B. eine Sekunde. Die Menge von kollektiven Manövern umfasst mögliche, kollektive Manöver, vorzugsweise alle möglichen, kollektiven Manöver, in einem Zeitschritt. Ein kollektives Manöver aus der Menge von kollektiven Manövern kann als Folge fortlaufender Formationen von der Startformation zu einer Endformation definiert werden. Jede Formation eines kollektiven Manövers erfüllt eine vorgegebene Menge von Bedingungen, die paarweise, laterale Beziehungen und/oder eine Passierreihenfolgen eines oder mehrere kritischer Bereiche des Verkehrsszenarios spezifizieren. Ein kritischer Bereich kann ein Bereich eines Straßenabschnitts sein, der während eines kollektiven Manövers von einem Fahrzeug nur zu einem bestimmten Zeitpunkt oder überhaupt nicht befahren werden darf. Ein kollektives Manöver aus der Menge von kollektiven Manövern kann beispielsweise das Egofahrzeug und eines oder mehrere, weitereFahrzeuge und/oder Hindernisobjekte umfassen und eine Bewegung des Egofahrzeugs relativ zu wenigstens einem, weiteren Fahrzeug und/oder Hindernisobjekt sowie relativ zu anderen Fahrzeugen untereinander definieren.
Um die Menge von kollektiven Manövern zu ermitteln kann zunächst die aktuelle Formation eines gegebenen Verkehrsszenarios, wie oben in Schritt 104 des Verfahrens 100 beschrieben, ermittelt werden. Die Menge von kollektiven Manövern kann durch ein iteratives Erweitern einer Baumdatenstruktur erfolgen, wobei jeder Knoten der Baumdatenstruktur einer Formation entspricht. Durch das iterative Erweitern der Baumdatenstruktur können mögliche Manöver ausgehend von der aktuellen Formation gesucht werden. Ferner kann durch das iterative Erweitern der Baumdatenstruktur ein mögliches Manöver für das Egofahrzeug schnell gefunden werden, auch wenn die Baumdatenstruktur noch nicht vollständig erweitert wurde.
Als Wurzelelement der Baumdatenstruktur kann die aktuelle Formation verwendet werden. Im Detail können durch das iterative Erweitern der Baumdatenstruktur Endformationen und Zwischenformationen zwischen der aktuellen Formation als Startformation und der bzw. den Endformationen ermittelt werden. Eine Endformation kann eine Zwischenformation eines anderen Pfads von der aktuellen Formation zu einer weiteren Endformation sein. Dadurch können Manöver gefunden werden, die Teilmanöver eines anderen Manövers sind und die Anzahl der Manöver in der Menge von Manövern erhöht werden, aus denen das Egofahrzeug ein zu fahrendes Manöver auswählen bzw. bestimmen kann.
Ausgehend von der aktuellen Formation als Wurzelelement kann eine neue Formation in Abhängigkeit einer Bewegung, insbesondere einer relativen Bewegung, eines oder mehrerer Fahrzeuge, z.B. einer Bewegung des Egofahrzeug und/oder einer Bewegung des wenigstens einen weiteren Fahrzeugs, erzeugt werden. Allgemein kann eine relative Bewegung zwischen Fahrzeugen und/oder Hindernissen des Verkehrsszenarios, das durch die aktuelle Formation repräsentiert wird, durch eine vorgegebene Menge diskreter Aktionen A = {ai0ng,aieft,aright} beschrieben werden, aus dieser eine Aktion ausgewählt wird, um eine neue Formation zu erzeugen. Die vorgegebene Menge an diskreter Aktionen kann einen Suchraum begrenzen, in dem ein mögliches Manöver zu suchen ist. Eine Aktion auf der Menge von Aktionen beschreibt eine Veränderung bezüglich einer relativen Ordnung von Objekten, z.B. einer relativen Ordnung von Fahrzeugen und/oder Hindernissen, einer Formation. Eine Fahrzeug-Aktion-Paar ( V,ä) e V x A kann eine Formation, z.B. die aktuelle Formation, in eine neue Formation transformieren.
Das Objekt, das bezüglich der longitudinalen Ordnung das nächste Objekt in Fahrtrichtung ist, wird unabhängig von der Fahrspur als das vorausliegende bzw. vorausfahrende Objekt im Folgenden bezeichnet. Die lateralen Aktionen aeft und ari9ht repräsentieren einen Spurwechsel von der rechten Spur auf die linke Spur oder von der linken Spur auf die rechte Spur. Die longitudinale Aktion aiong kann zwei unterschiedliche Aktionen repräsentieren: erstens, das Passieren des vorausliegenden bzw. vorausfahrenden Objekts, wobei das Passieren in einem Wechsel der Position bezüglich der longitudinalen Ordnung einer Formation resultiert oder, zweitens, das Passieren einer Kreuzung und das Einordnen des Fahrzeugs in eine mit der Kreuzung verknüpften Spur.
Durch das Erweitern der Baumdatenstruktur können Formationen erzeugt werden, die mögliche Aktionen der Fahrzeuge ausgehend von der aktuellen Formation darstellen. Ist die
Baumdatenstruktur vollständig mit allen möglichen Aktionen erweitert worden, liegen alle möglichen Formationen ausgehend von der aktuellen Formation vor. Um die
Baumdatenstruktur effizienter zu erzeugen, können Abschneidebedingungen definiert werden, die einen oder mehrere Pfade der Baumdatenstruktur verwerfen bzw. nicht weiter betrachten und/oder eine Tiefe eines oder mehrerer Pfade der Baumdatenstruktur begrenzen. Mittels der Abschneidebedingungen können beispielsweise Schleifen bei dem Erzeugen von neuen Formationen verhindert werden. Ferner kann durch die Abschneidebedingungen ein
unmögliches Verhalten und/oder ein unwahrscheinliches Verhalten eines Fahrzeugs ausgeschlossen, ein Einhalten von Verkehrsregeln durchgesetzt, und/oder allgemein gültige Verhaltensweisen eines Fahrers eines Fahrzeugs berücksichtigt werden. Die
Abschneidebedinungen können zusätzlich Fahrdynamikparameter berücksichtigen.
Um Pfade der Baumdatenstruktur zu verwerfen und/oder zu begrenzen können beispielsweise folgende Abschneidebedingungen definiert werden:
Passieren auf der gleichen Spur: Passieren eines vorausliegendes Fahrzeugs oder
Hindernisobjekts auf der gleichen Spur; - Unpassender Spurwechsel: Wechseln auf die Fahrspur des vorausliegenden Fahrzeugs, wenn es auf ein anderes Fahrzeug zufährt; Ausführen eines Spurwechsels auf eine nichtexistierende Fahrspur.
Rückwärtige, laterale Aktion: Wechseln auf eine Fahrspur, auf der früher in diesem Manöver gefahren wurde, ohne ein anderes Fahrzeug überholt zu haben.
Erneutes Überholen: Zwei Fahrzeuge passieren einander, die sich früher in dem
Manöver bereits überholt haben.
- Bereits bestehende, neue Formation: Eine neue Formation, die bereits besteht und die gleiche Elternformation hat.
Um eine neue Formation als Endformation zu bestimmen, können Bedingungen definiert werden, die eine Endformation erfüllen muss. Beispielsweise kann als Bedingung für eine Endformation festgelegt werden, dass alle Fahrzeuge mit unterschiedlichen Fahrtrichtungen einander passiert haben müssen, und/oder dass alle Fahrzeuge auf einer Fahrspur sind und dabei ihre korrekte Fahrtrichtung haben. Eine Endformation kann eine Zwischenformation für eine andere Endformation sein. Dies bedeutet, dass das Erweitern eines Pfades der
Baumdatenstruktur bei einer Endformation weiter fortgeführt werden kann, bis wenigstens eine der Abschneidebedingungen ist und/oder alle Endbedingungen erfüllt sind. Ein Pfad von der aktuellen Formation zu einer Endformation ist ein Manöver, wie oben definiert. Ähnliche
Manöver, d.h. Manöver, die zwar ähnliche Pfade aufweisen, aber deren Ergebnis bezüglich der jeweiligen Endformation ähnlich ist, können aus der Menge von Manövern entfernt werden, um die Anzahl der Manöver und damit die Komplexität der Berechnung weiter zu reduzieren.
Fig. 3 zeigt eine iterativ erweiterte Baumdatenstruktur und durch die Erweiterung der
Baumdatenstruktur abgeleiteten kollektiven Manöver für das beispielhafte Verkehrsszenario aus Fig. 2. Ausgehend von der Startformation F0 wurden drei mögliche Endformationen FTi , FT2, und FT3 bestimmt. Der Pfad von der Startformation F0 zu der Endformation FTI spezifiziert ein erstes kollektives Manöver Mi , der Pfad von der Startformation F0 zu der Endformation F 2 spezifiziert ein zweites kollektives Manöver M2, der Pfad von der Startformation F0 zu der Endformation FT3 spezifiziert ein drittes kollektives Manöver M3. In dem ersten kollektiven Manöver folgt das Fahrzeug A dem Fahrzeug B. In dem zweiten kollektiven Manöver überholt das Fahrzeug A das Fahrzeug B bevor das Fahrzeug C das Fahrzeug B passiert. In dem dritten kollektiven Manöver überholt das Fahrzeug A das Fahrzeug B, nachdem das Fahrzeug C das Fahrzeug B passiert hat. Das Verfahren 100 kann nach dem Ermitteln 106 der Menge von kollektiven Manövern, mindestens eine Trajektorie pro kollektives Manöver auf der Menge von kollektiven Manövern berechnen 108. Trajektorien eines kollektiven Manövers sind vorzugsweise homotop, d.h. eine Trajektorie des kollektiven Manövers kann in eine andere Trajektorie des kollektiven Manövers kontinuierlich transformiert werden unter Einhaltung der vorgegebenen, strukturellen
Einschränkungen des Verkehrsszenarios. Vorzugsweise wird eine Trajektorie für jedes Objekt, z.B. jedes Fahrzeug und/oder jedes Hindernisobjekt, jedes kollektiven Manövers aus der Menge von kollektiven Manövern berechnet. Die berechneten Trajektorien eines kollektiven Manövers ermöglichen ein Vergleichen des kollektiven Manövers mit einem anderen kollektiven Manöver und mit Beobachtungen über tatsächlich gefahrene Trajektorien. In anderen Worten
repräsentieren die berechneten Trajektorien ein kollektives Manöver. Um die Trajektorien des kollektiven Manövers zu erzeugen, kann ein Optimierungsproblem formuliert werden, welche eine Kostenfunktion unter vorgegebenen Bedingungen minimiert. Die berechneten Trajektorien sind vorzugsweise kostenminimale Trajektorien für das kollektive Manöver.
Die vorgegebenen Bedingungen können manöverabhängige und/oder manöverunabhängige Bedingungen umfassen. Manöverunabhängige Bedingungen können einen oder mehrere fahrdynamische Parameter umfassen, die beispielsweise in Abhängigkeit des bzw. der
Fahrzeuge festgelegt werden können. Manöverabhängige Parameter können raumbezogene Parameter sein, z.B. auf welcher Seite zwei Fahrzeuge das jeweils andere Fahrzeug passieren und/oder welcher Sicherheitsabstand gegenüber einem oder mehreren Fahrzeugen und/oder Hindernisobjekten einzuhalten ist, und/oder zeitbasierte Parameter, z.B. in welcher Ordnung zwei oder mehr Fahrzeuge einen kritischen Bereich passieren. Für beide Arten von Parameter, raumbezogene Parameter und zeitbasierte Parameter, sind die Bedingungen so festzulegen, dass eine Kollision von zwei oder mehr Fahrzeugen und/oder eine Kollision eines Fahrzeugs mit einem Hindernisobjekt vermieden werden.
Aus der Folge von Formationen, die das Manöver definieren kann beispielsweise abgeleitet werden, ob und auf welcher Seite ein Fahrzeug ein Hindernisobjekt und/oder ein Fahrzeug passieren kann. Weiterhin kann aus der Folge von Formationen des Manövers abgeleitet werden, in welcher Reihenfolge das Passieren der Fahrzeuge bzw. in welcher Reihenfolge ein Passieren des Hindernisobjekts durch die Fahrzeuge erfolgt. Um die Rechenkomplexität zu reduzieren, kann das Optimierungsproblem in wenigstens zwei Teilprobleme aufgeteilt werden: ein Optimierungsproblem für eine Optimierung einer longitudinale Steuerung des Egofahrzeugs und ein Optimierungsproblem für eine Optimierung einer laterale Steuerung des Egofahrzeugs. Das Optimierungsproblem für die Optimierung der longitudinalen Steuerung stellt eine
Passierreihenfolge sicher, während das Optimierungsproblem für die Optimierung der lateralen Steuerung stellt eine korrekte, paarweise Beziehung sicherstellt. Vorzugsweise wird zuerst die longitudinale Optimierung ausgeführt und die Ergebnisse der longitudinalen Optimierung als eine Eingabe für die laterale Optimierung verwendet. Dies hat den Vorteil, dass der lateralen Optimierung die longitudinalen Positionen der Fahrzeuge und/oder Hindernisobjekte bekannt sind.
Damit die Trajektorien des Manövers aus der Menge von Manövern ein allgemeines, menschliches Fahrverhalten abbilden, kann eine quadratische Kostenfunktion gewählt werden. Mittels der quadratischen Kostenfunktion können ein Beschleunigen, ein Abweichen von einer gewünschten Geschwindigkeit, und/oder ein Abweichen von einer lateralen Position in das Berechnen der Trajektorie bzw. der Trajektorien einfließen. Ferner können in der
Kostenfunktion Kosten aller Fahrzeuge und/oder Hindernisse berücksichtigt werden.
Fig. 4 zeigt eine longitudinale Optimierung des Verkehrsszenarios aus Fig. 2 und die ermittelten, kollektiven Manöver Mi , M2, und M3 aus Fig. 3, und Fig. 5 eine lateral Optimierung des Verkehrsszenarios aus Fig. 2 und die ermittelten, kollektiven Manöver Mi , M2, und M3 aus Fig. 3. Die kostenoptimalen bzw. die kostenminimalen Trajektorien für die ermittelten, kollektiven Manöver Mi , M2, und M3 zeigt Fig. 6.
In Fig. 4 zeigt 402 die longitudinale Trajektorie des Egofahrzeugs 202, 404 die longitudinale Trajektorie des stehenden Fahrzeugs 204, und 406 die longitudinale Trajektorie des weiteren Fahrzeugs 206. Bereiche, die die longitudinale Trajektorie 402 des Egofahrzeugs nicht durchkreuzen darf, sind mit 408 gekennzeichnet. Bereiche, die die longitudinale Trajektorie 406 des weiteren Fahrzeugs 206 nicht durchkreuzen darf, sind mit 410 gekennzeichnet. Die Bereiche 408 und/oder 410 können dynamisch zwischen den Zeitschritten anpasst werden, um Bewegungen der Fahrzeuge, z.B. des Egofahrzeugs 202 und des weiteren Fahrzeugs 206, zu berücksichtigen.
In Fig. 5 ist die laterale Trajektorie des Egofahrzeugs 202 mit 510, die laterale Trajektorie des stehenden Fahrzeugs 204 mit 512, und die laterale Trajektorie des weiteren Fahrzeugs 206 mit 504 gekennzeichnet. Bereiche, die die laterale Trajektorie des Egofahrzeugs 202 und des weiteren Fahrzeugs 206 nicht durchkreuzen darf, sind mit 502, Bereiche, die die laterale Trajektorie des Egofahrzeugs nicht durchkreuzen darf, sind mit 508, und Bereiche, die die laterale Trajektorie des weiteren Fahrzeugs nicht durchkreuzen darf, mit 506 gekennzeichnet.
Werden die longitudinalen Trajektorien aus Fig. 4 und die lateralen Trajektorien aus Fig. 5 der jeweiligen Fahrzeuge und Manöver zusammengeführt, können die in Fig. 6 gezeigten
Trajektorien für das Egofahrzeug 202, das stehenden Fahrzeug 204 und das weitere Fahrzeug 206 für die jeweiligen kollektiven Manöver Mi , M2, und M3 abgeleitet werden. Die in Fig. 6 gezeigten Trajektorien können direkt von dem Egofahrzeug 202 gefahren werden.
Das Verfahren 1 00 kann ferner das Manöver des Egofahrzeugs basierend auf der berechneten Trajektorie bzw. den berechneten Trajektorien für die kollektiven Manöver aus der Menge von kollektiven Manövern und einer durch eine Sensorik des Egofahrzeugs erfassten Bewegung des wenigstens einen weiteren Fahrzeugs bestimmen 1 1 0. Es wird genau ein kollektives Manöver aus der Menge von kollektiven Manövern in einem Zeitschritt bestimmt. In einem darauffolgenden Zeitschritt kann ein anderes kollektives Manöver bestimmt werden. Ein Wechseln des kollektiven Manövers zwischen zwei Zeitschritten ermöglicht das Abbilden eines Verhaltens eines menschlichen Fahrers, der kontinuierlich ein Verkehrsszenario bewertet und ein beabsichtigtes Manöver flexibel wechselt, wenn z.B. eine Änderung des Verkehrsszenarios eintritt oder eine Neubewertung des Verkehrsszenarios zu einem anderen Manöver führt.
Um das kollektive Manöver des Egofahrzeugs aus der Menge von kollektiven Manövern zu bestimmen, kann die Bewegung des Egofahrzeugs als ein stochastischer Prozess modelliert werden, der alle kollektive Manöver aus der Menge von kollektiven Manövern umfasst, wobei in einem Zeitschritt nur ein kollektives Manöver aus der Menge von kollektiven Manövern aktiv sein kann. Ferner kann eine Manöverwechselwahrscheinlichkeit definiert werden. Vorzugsweise liegt die Manöverwechselwahrscheinlichkeit zwischen zwei Zeitschritten für alle kollektiven Manöver aus der Menge von kollektiven Manövern bei 1 0 %. Durch Anwendung bekannter Schätzverfahren kann das kollektive Manöver geschätzt werden. Beispielsweise kann als Schätzverfahren ein Kaiman-Filter, z.B. ein interaktiver, multipler Modell, kurz IMM, Kaiman- Filter, verwendet werden, um das kollektive Manöver bzw. die Zustände des kollektiven Manövers zu schätzen. Ferner kann durch ein Anwenden bekannter Bayesscher
Statistikverfahren Wahrscheinlichkeiten für jedes kollektive Manöver basierend auf geschätzten Zuständen der kollektiven Manöver, aktuellen Messwerten einer tatsächlichen Bewegung des bzw. der Fahrzeuge des Verkehrsszenarios, und/oder der Manöverwechselwahrscheinlichkeit, eine Wahrscheinlichkeit für jedes kollektive Manöver aus der Menge von kollektiven Manövern bestimmt werden. Das kollektive Manöver mit der höchsten Wahrscheinlichkeit kann von dem Egofahrzeug ausgewählt und die berechnete Trajektorie des ausgewählten, kollektiven
Manövers gefahren werden.
Fig. 7 zeigt die berechneten Wahrscheinlichkeiten für die kollektiven Manöver Mi , M2, und M3. Von den drei kollektiven Manövern Mi , M2, und M3 hat das kollektive Manöver M3 die höchste Wahrscheinlichkeit. Das Egofahrzeug wird somit das kollektive Manöver M3 in dem
Verkehrsszenario von Fig. 2 auswählen und die im dem kollektiven Manöver M3 berechnete Trajektorie des Egofahrzeugs in einem oder mehreren Zeitschritten fahren bis ein anderes kollektives Manöver eine höhere Wahrscheinlichkeit in einem folgenden Zeitschritt erhält.
Vorteilhafterweise kann durch eine formationsbasierte Repräsentation von kollektiven Manövern eine relative Bewegung von Fahrzeugen zueinander oder zwischen Fahrzeugen und
Hindernisobjekten effizient bei dem Bestimmen eines kollektiven Manövers von Fahrzeugen berücksichtigt werden. Ein Auffinden von möglichen kollektiven Manövern kann durch die Verwendung von Formationen effizient automatisiert werden. Ein Egofahrzeug kann dadurch Verkehrssituationen präziser einschätzen, falls das kollektive Manöver das Egofahrzeug nicht umfasst. Und, die berechnete Trajektorie für das bestimmte, kollektive Manöver kann direkt von dem Egofahrzeug gefahren werden, falls das Egofahrzeug ein Fahrzeug des kollektiven Manövers ist. Das kollektive Manöver des Egofahrzeugs kann somit effizient hinsichtlich der benötigten Rechenressourcen für jeden Zeitschritt neu bestimmt werden. Ferner können von dem Egofahrzeug mögliche, kollektive Manöver selbst in Abhängigkeit eines aktuellen
Verkehrsszenarios gefunden werden. Das Egofahrzeug 202 kann somit effizient und flexibel auf unterschiedliche und sich schnell ändernde Verkehrsszenarien ähnlich wie ein menschlicher Fahrer reagieren, in dem das Egofahrzeug 202 bei jedem Zeitschritt, in dem das Verfahren ausgeführt wird, eine neue Bewertung des Verkehrsszenarios vornimmt. Dabei kann das Egofahrzeug relative Bewegungen zwischen fahrenden Fahrzeugen und relative Bewegungen zu statischen Hindernisobjekten effizient berücksichtigen und schnell ein zu fahrendes, kollektives Manöver bestimmen. Bezugszeichenliste
100 Verfahren
102 Empfangen eines Zustands
104 Ermitteln einer aktuellen Formation
106 Ermitteln einer Menge von Manövern
108 Berechnen einer Trajektorie
1 10 Bestimmen des Manövers des Egofahrzeugs
200 Verkehrsszenario
202 Egofahrzeug
204 abgestelltes Fahrzeug
206 weiteres Fahrzeug
208 Box
210 Box
212 Box
214 Formation
300 Baumdatenstruktur möglicher Formationen und Manöver
400 longitudinale Optimierung von Trajektorien
402 Trajektorie des Egofahrzeugs
404 Trajektorie des stehenden Fahrzeugs
406 Trajektorie des weiteren Fahrzeugs
408 Sperrbereich des Egofahrzeugs
410 Sperrbereich des weiteren Fahrzeugs
500 laterale Optimierung von Trajektorien
502 Sperrbereich des Egofahrzeugs und des weiteren Fahrzeugs
504 Trajektorie des weiteren Fahrzeugs
506 Sperrbereich des weiteren Fahrzeugs
508 Sperrbereich des Egofahrzeugs
510 Trajektorie des Egofahrzeugs
512 Trajektorie des stehenden Fahrzeugs
600 kostenoptimale Trajektorien der Manöver
700 Wahrscheinlichkeiten für die Manöver

Claims

Patentansprüche
1 . Verfahren (100) zum Bestimmen eines kollektiven Manövers von wenigstens zwei
Fahrzeugen, das Verfahren umfassend:
Empfangen (102) eines Zustands eines ersten Fahrzeugs und eines Zustands wenigstens eines weiteren Fahrzeugs in einem Umfeld eines Egofahrzeugs;
Ermitteln (104) einer aktuellen Formation für das erste Fahrzeug und das wenigstens eine weitere Fahrzeug basierend auf dem empfangenen Zustand des ersten Fahrzeugs und dem empfangenen Zustand des wenigstens einen weiteren Fahrzeugs in dem Umfeld des Egofahrzeugs,
wobei die aktuelle Formation eine relative Ordnung des ersten Fahrzeugs und des wenigstens einen weiteren Fahrzeugs bezüglich einer Fahrbahn umfasst;
Ermitteln (106) einer Menge von kollektiven Manövern basierend auf der aktuellen Formation,
wobei ein kollektives Manöver der Menge von kollektiven Manövern eine Folge von Formationen von der aktuellen Formation zu einer Endformation umfasst;
Berechnen (108) einer Trajektorie für das erste Fahrzeug und einer Trajektorie für das wenigstens eine weitere Fahrzeug für ein kollektives Manöver aus der Menge von kollektiven
Manövern; und
Bestimmen (1 10) des kollektiven Manövers aus der Menge von kollektiven Manövern basierend auf den berechneten Trajektorien des kollektiven Manövers aus der Menge von kollektiven Manövern und einer durch eine Sensorik des Egofahrzeugs erfassten Bewegung des ersten Fahrzeugs und des wenigstens einen weiteren Fahrzeugs.
2. Verfahren nach Anspruch 1 , wobei das erste Fahrzeug das Egofahrzeug ist; und/oder
wobei der Zustand des ersten Fahrzeugs und/oder der Zustand des wenigstens einen Fahrzeugs eine vorzugsweise spurgenaue Position des jeweiligen Fahrzeugs umfasst.
3. Verfahren nach einem der vorhergehenden Ansprüche, das Verfahren weiterhin umfassend:
Bestimmen eines Zustands eines Hindernisobjekts in dem Umfeld des Egofahrzeugs; wobei das Ermitteln der aktuellen Formation basierend auf dem Zustand des ersten Fahrzeugs, dem Zustand des wenigstens einen weiteren Fahrzeugs und dem Zustand des Hindernisobjekts basiert; und wobei die aktuelle Formation eine relative Ordnung des ersten Fahrzeugs, des wenigstens einen weiteren Fahrzeugs, und des Hindernisobjekts bezüglich einer Fahrbahn umfasst.
4. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Folge von Formationen von der aktuellen Formation zu der Endformation eine vorgegebene Menge an paarweisen, lateralen Beziehungen zwischen dem ersten Fahrzeug und dem wenigstens einen weiteren Fahrzeug und/oder eine vorgegebene Passierreihenfolge des ersten Fahrzeugs und des wenigstens einen weiteren Fahrzeugs spezifiziert; und/oder
wobei ein kollektives Manöver aus der Menge von kollektiven Manövern eine Trajektorie des ersten Fahrzeugs und eine Trajektorie des wenigstens einen weiteren Fahrzeugs umfasst; und/oder
wobei die Trajektorie des Egofahrzeugs und die Trajektorie des wenigstens einen weiteren Fahrzeugs bezüglich der aktuellen Formation und einer gleichen Endformation homotop sind.
5. Verfahren nach einem der vorhergehenden Ansprüche, wobei die relative Ordnung der aktuellen Formation spurgenau ist; und/oder
wobei die aktuelle Formation und die Endformation wenigstens einen Bereich umfasst, der frei von Fahrzeugen und/oder einem Hindernisobjekt ist.
6. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Ermitteln einer Menge von kollektiven Manövern umfasst:
Erzeugen einer Baumdatenstruktur für Formationen, wobei die aktuelle Formation ein Wurzelelement der Baumdatenstruktur ist;
Berechnen einer weiteren Formation durch ein Verändern der relativen Ordnung des ersten Fahrzeugs und/oder des wenigstens einen weiteren Fahrzeugs der Startformation unter Verwendung einer vorgegebenen Menge von diskreten Bewegungsaktionen;
Hinzufügen der weiteren Formation zu der Baumdatenstruktur;
Prüfen ob die weitere Formation eine Endformation ist; und
Falls die weitere Formation eine Endformation ist:
Hinzufügen der Folge von Formationen von der aktuellen Formation bis zu der
Endformation als ein kollektives Manöver zu der Menge von kollektiven Manövern.
7. Verfahren nach Anspruch 6, wobei das Ermitteln einer Menge von kollektiven Manövern weiterhin umfasst:
Falls die weitere Formation keine Endformation ist:
Berechnen einer weiteren Formation durch ein Verändern der relativen Ordnung des ersten Fahrzeugs und/oder des wenigstens einen weiteren Fahrzeugs der aktuellen
Formation oder der hinzugefügten, weiteren Formation unter Verwendung einer vorgegebenen Menge von diskreten Bewegungsaktionen;
Hinzufügen der weiteren Formation zu der Baumdatenstruktur;
Prüfen ob die weitere Formation eine Endformation ist; und
Fortführen des Ermitteins einer Menge von Manövern in Abhängigkeit eines
Ergebnisses des Prüfens ob die weitere Formation eine Endformation ist,
wobei das Ermitteln der Menge von kollektiven Manövern solange fortgeführt wird, bis die weiteren Formationen vollständig bezüglich der vorgegebenen Menge von diskreten Bewegungen berechnet sind.
8. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Trajektorien für ein kollektives Manöver aus der Menge von kollektiven Manövern bezüglich wenigstens eines fahrzeugspezifischen Parameters und/oder bezüglich wenigstens eines manöverspezifischen Parameters kostenoptimal sind.
9. Computerprogrammprodukt zum Bestimmen eines kollektiven Manövers von wenigstens zwei Fahrzeugen umfassend Instruktionen, die bei der Ausführung des
Computerprogrammprodukts durch einen Computer oder ein Steuergerät, den Computer oder das Steuergerät dazu veranlassen, das Verfahren nach einem der Ansprüche 1 bis 8 auszuführen.
10. Computer-lesbares Medium zum Bestimmen eines kollektiven Manövers von wenigstens zwei Fahrzeugen umfassend Instruktion, die, wenn ausgeführt auf einem Computer oder einem Steuergerät, das Verfahren nach einem der Ansprüche 1 bis 8 auszuführen.
1 1 . Steuergerät zum Bestimmen eines kollektiven Manövers von wenigstens zwei Fahrzeugen, wobei das Steuergerät Mittel zur Ausführung des Verfahrens nach einem der Ansprüche 1 bis 8 umfasst.
12. Fahrzeug umfassend das Steuergerät zum Bestimmen eines kollektiven Manövers von wenigstens zwei Fahrzeugen nach Anspruch 1 1 .
EP18710403.9A 2017-04-26 2018-03-06 Verfahren, computerprogrammprodukt, computer-lesbares medium, steuergerät und fahrzeug umfassen das steuergerät zum bestimmen eines kollektiven manövers von wenigstens zwei fahrzeugen Withdrawn EP3616184A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102017206987.2A DE102017206987A1 (de) 2017-04-26 2017-04-26 Verfahren, Computerprogrammprodukt, Computer-lesbares Medium, Steuergerät und Fahrzeug umfassen das Steuergerät zum Bestimmen eines kollektiven Manövers von wenigstens zwei Fahrzeugen
PCT/EP2018/055452 WO2018197083A1 (de) 2017-04-26 2018-03-06 Verfahren, computerprogrammprodukt, computer-lesbares medium, steuergerät und fahrzeug umfassen das steuergerät zum bestimmen eines kollektiven manövers von wenigstens zwei fahrzeugen

Publications (1)

Publication Number Publication Date
EP3616184A1 true EP3616184A1 (de) 2020-03-04

Family

ID=61622557

Family Applications (1)

Application Number Title Priority Date Filing Date
EP18710403.9A Withdrawn EP3616184A1 (de) 2017-04-26 2018-03-06 Verfahren, computerprogrammprodukt, computer-lesbares medium, steuergerät und fahrzeug umfassen das steuergerät zum bestimmen eines kollektiven manövers von wenigstens zwei fahrzeugen

Country Status (5)

Country Link
US (1) US20200050214A1 (de)
EP (1) EP3616184A1 (de)
CN (1) CN110268457B (de)
DE (1) DE102017206987A1 (de)
WO (1) WO2018197083A1 (de)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102019103106A1 (de) 2019-02-08 2020-08-13 Zf Automotive Germany Gmbh Steuerungssystem und Steuerungsverfahren zur interaktionsbasierten Langzeitbestimmung von Trajektorien für Kraftfahrzeuge
US11718300B2 (en) * 2019-02-27 2023-08-08 Zf Automotive Germany Gmbh Method and control unit for a system for controlling a motor vehicle
JP2022539287A (ja) * 2019-04-29 2022-09-08 ボルボトラックコーポレーション 複数の車両の車線変更の方法
JP7194640B2 (ja) * 2019-05-16 2022-12-22 本田技研工業株式会社 車両制御装置、車両制御方法、およびプログラム
CN112286049A (zh) * 2019-07-27 2021-01-29 华为技术有限公司 运动轨迹预测方法和装置
US11537127B2 (en) * 2019-09-12 2022-12-27 Uatc, Llc Systems and methods for vehicle motion planning based on uncertainty
DE102019129879A1 (de) 2019-11-06 2021-05-06 Zf Friedrichshafen Ag Verfahren sowie Steuergerät zum Steuern eines Kraftfahrzeugs
GB2594079A (en) * 2020-04-16 2021-10-20 Daimler Ag A method for tracking at least one object in the surroundings of an autonomous motor vehicle with a Frenet frame, as well as an assistance system
DE102020112036A1 (de) 2020-05-05 2021-11-11 Valeo Schalter Und Sensoren Gmbh Fahrerassistenz für ein kraftfahrzeug
US11577733B2 (en) 2020-09-30 2023-02-14 GM Global Technology Operations LLC Efficient road coordinates transformations library
DE102020214347A1 (de) 2020-11-16 2022-05-19 Volkswagen Aktiengesellschaft Bahnplanung eines Fahrzeugs
CN114506323B (zh) * 2022-04-20 2022-07-12 北京主线科技有限公司 编队车辆控制方法、装置、设备及介质

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080065328A1 (en) * 2006-09-08 2008-03-13 Andreas Eidehall Method and system for collision avoidance
US8352112B2 (en) * 2009-04-06 2013-01-08 GM Global Technology Operations LLC Autonomous vehicle management
JP5206752B2 (ja) * 2010-08-30 2013-06-12 株式会社デンソー 走行環境認識装置
DE102011005844A1 (de) * 2011-03-21 2012-09-27 Bayerische Motoren Werke Aktiengesellschaft Automatische Steuerung eines Fahrzeugs
DE102012005245A1 (de) * 2012-03-14 2012-09-20 Daimler Ag Unterstützen eines Fahrers eines Kraftfahrzeugs bei einem Überholvorgang
CN102915465B (zh) * 2012-10-24 2015-01-21 河海大学常州校区 一种基于移动生物刺激神经网络的多机器人联合编队方法
DE102013009252A1 (de) * 2013-06-03 2014-12-04 Trw Automotive Gmbh Steuergerät und Verfahren für eine Notfall-Lenkunterstützungsfunktion
US9164507B2 (en) * 2013-12-06 2015-10-20 Elwha Llc Systems and methods for modeling driving behavior of vehicles
US9165477B2 (en) * 2013-12-06 2015-10-20 Vehicle Data Science Corporation Systems and methods for building road models, driver models, and vehicle models and making predictions therefrom
DE102014211507A1 (de) * 2014-06-16 2015-12-17 Volkswagen Aktiengesellschaft Verfahren für ein Fahrerassistenzsystem eines Fahrzeugs
CN104567891A (zh) * 2015-01-22 2015-04-29 北京微车一族信息技术发展有限公司 一种车队行车的地图导航方法
US9821801B2 (en) * 2015-06-29 2017-11-21 Mitsubishi Electric Research Laboratories, Inc. System and method for controlling semi-autonomous vehicles
DE102015217891A1 (de) * 2015-09-17 2017-03-23 Volkswagen Aktiengesellschaft Bestimmen einer Soll-Trajektorie für ein Fahrzeug

Also Published As

Publication number Publication date
DE102017206987A1 (de) 2018-10-31
CN110268457A (zh) 2019-09-20
WO2018197083A1 (de) 2018-11-01
CN110268457B (zh) 2022-08-23
US20200050214A1 (en) 2020-02-13

Similar Documents

Publication Publication Date Title
EP3616184A1 (de) Verfahren, computerprogrammprodukt, computer-lesbares medium, steuergerät und fahrzeug umfassen das steuergerät zum bestimmen eines kollektiven manövers von wenigstens zwei fahrzeugen
DE102016107705B4 (de) Verfahren zur adaptiven erzeugung eines geplanten pfads für ein manöver eines autonomen fahrens
DE112017003517T5 (de) Steuergerät und Verfahren zur Steuerung eines Fahrzeugs und nichtflüchtiger computerlesbarer Speicher
EP2981951B1 (de) Automatisches befahren einer strecke
DE102019108477A1 (de) Automatische navigation unter verwendung von deep reinforcement learning
DE102019201124A1 (de) Ein System für ein Fahrzeug
DE112017000787T5 (de) Verfahren zum Steuern der Bewegung eines Fahrzeugs und Fahrzeugsteuersystem
EP3144920A1 (de) Bestimmen einer soll-trajektorie für ein fahrzeug
DE102015208790A1 (de) Bestimmen einer Trajektorie für ein Fahrzeug
DE102019129232A1 (de) Sprachverarbeitung für ein fahrzeug
DE102020211017B3 (de) Zuordnung von Ampeln zu zugehörigen Fahrspuren
DE102019118366A1 (de) Verfahren sowie Steuergerät für ein System zum Steuern eines Kraftfahrzeugs
DE102018216082A1 (de) Verfahren zur kooperativen Manöverabstimmung
DE102014003343A1 (de) Verfahren zum Ermitteln eines Spurwechselbedarfs eines Systemfahrzeugs
DE102016007899A1 (de) Verfahren zum Betreiben einer Einrichtung zur Verkehrssituationsanalyse, Kraftfahrzeug und Datenverarbeitungseinrichtung
DE102018213971A1 (de) Verfahren und Vorrichtung zur Auswahl eines Fahrmanövers
WO2020177958A1 (de) Verfahren und steuereinheit zur erkennung eines ein- bzw. ausscherenden fahrzeugs
WO2020127010A1 (de) Verfahren sowie system zum steuern eines kraftfahrzeugs
DE102015209974A1 (de) Quer-Längs-kombinierte Trajektorienplanung für ein Fahrzeug
DE102018204101A1 (de) Verfahren und Vorrichtung zur Planung einer Trajektorie für die Längs- und/oder Querführung eines Fahrzeugs
DE102020127855A1 (de) Sicherheitssystem, automatisiertes fahrsystem und verfahren dafür
DE102019133970A1 (de) Steuern eines Ego-Fahrzeugs in einer Umgebung einer Vielzahl von Durchfahrten
DE102021105159A1 (de) Erfassung von fahrzeugen und reaktion darauf
DE102019201264A1 (de) Eine steuervorrichtung und ein verfahren zum verwalten von fahrzeugen
DE102017200580A1 (de) Verfahren zur Optimierung einer Manöverplanung für autonom fahrende Fahrzeuge

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

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

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

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

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

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20190603

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

AX Request for extension of the european patent

Extension state: BA ME

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
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: 20211001