EP4295324A1 - Verfahren zur unterstützenden oder automatisierten fahrzeugführung - Google Patents

Verfahren zur unterstützenden oder automatisierten fahrzeugführung

Info

Publication number
EP4295324A1
EP4295324A1 EP21827596.4A EP21827596A EP4295324A1 EP 4295324 A1 EP4295324 A1 EP 4295324A1 EP 21827596 A EP21827596 A EP 21827596A EP 4295324 A1 EP4295324 A1 EP 4295324A1
Authority
EP
European Patent Office
Prior art keywords
objects
boids
vehicle
ego vehicle
sensor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP21827596.4A
Other languages
English (en)
French (fr)
Inventor
Christopher Knievel
Lars KRÜGER
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.)
Aumovio Autonomous Mobility Germany GmbH
Original Assignee
Continental Autonomous Mobility Germany GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Continental Autonomous Mobility Germany GmbH filed Critical Continental Autonomous Mobility Germany GmbH
Publication of EP4295324A1 publication Critical patent/EP4295324A1/de
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/20—Static objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4049—Relationship among other objects, e.g. converging dynamic objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/10—Historical data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2754/00—Output or target parameters relating to objects
    • B60W2754/10—Spatial relation or speed relative to objects
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models

Definitions

  • the present invention relates to a method, in particular a computer-implemented method, for supporting or automated vehicle guidance of an ego vehicle and a driver assistance system for an ego vehicle for supporting or automated vehicle guidance of the ego vehicle.
  • Generic vehicles such. As passenger vehicles (cars), trucks (trucks) or motorcycles are increasingly equipped with driver assistance systems, which detect the environment or the environment using sensor systems, detect traffic situations and can support the driver, z. B. by braking or steering intervention or by issuing a visual, haptic or acoustic warning.
  • Radar sensors, lidar sensors, camera sensors, ultrasonic sensors or the like are regularly used as sensor systems for detecting the surroundings. From the sensor data determined by the sensors, conclusions can then be drawn about the environment, e.g. B. also a so-called environment model can be generated. Based on this, instructions for driver warnings/information or for controlled steering, braking and acceleration can then be issued.
  • the assistance functions that process sensor and environment data can e.g.
  • EBA Emergency Brake Assist
  • AEB Automatic Emergency Brake
  • ACC Adaptive cruise control assistants
  • the sensors can be used to detect static targets or objects, which z. B. the distance to a vehicle driving ahead or the course of the road can be estimated.
  • the detection or recognition of objects and in particular their plausibility check is of particular importance in order to recognize, for example, whether a vehicle driving ahead is relevant for the respective assistance function or regulation.
  • a criterion here is that z. B. as a target vehicle (target) recognized object in the same lane as the own vehicle (ego vehicle) drives.
  • Known driver assistance systems try z. B. using the sensors to estimate a lane course in order to determine whether a target vehicle is in one's own lane.
  • a suitable algorithm e.g. curve-fitting algorithm
  • a deviation of the other road users from this path can be used to decide in which lane the respective road user is driving.
  • the object is usually detected via a radar sensor, which has a sufficient sensor range and detection reliability. Nevertheless, the quality of the geometric or kinematic estimates at the beginning of the measurement is often still too poor or too few measurements were carried out or measuring points were generated. The variations in the filters used are often too great, so that e.g. B. no sufficiently reliable lane assignment of radar objects, for example at a distance of 200 meters, can be made.
  • DE 102015205 135 A1 discloses a method in which the relevant objects in a scene (e.g. crash barriers, lane center lines, road users) are represented as objects in a swarm: the objects are recognized using external sensors and in object constellations shown, with an object constellation comprising two or more objects, ie measurements/objects are combined in order to save computing time and increase the accuracy of the estimation. Accordingly, the combinations of different measurements of the same object do not represent technically necessary constellations to achieve a saving in computing time, however, since they relate to different measurements of the same object and not different objects.
  • the data from the external sensor system can, for example, be raw sensor data or pre-processed sensor data and/or sensor data selected according to predetermined criteria. For example, this can be image data, laser scanner data or object lists, object contours or so-called point clouds (which, for example, represent an arrangement of specific object parts or object edges).
  • Object of the present invention can, for example, be raw sensor data or pre-processed sensor data and/or sensor data selected according
  • the object of the present invention is to provide a method by which the accuracy of the estimation can be increased with advantageous computing time.
  • the ego vehicle comprises a control device and at least one sensor, preferably a plurality of sensors, for detecting the surroundings, the sensors detecting objects in the surroundings of the ego vehicle. Furthermore, a trajectory is planned based on the detected environment, with the vehicle being guided by the ego vehicle based on the trajectory planning, for which the objects in the environment are used for trajectory planning. Boids are then generated for the objects, which are defined using attraction and repulsion rules. The trajectory is then planned using the boids. This results in the advantage that the accuracy of the estimate can be increased and the computing time required can be reduced to a particular extent.
  • trajectory planning within the meaning of the present invention expressly includes not only planning in space and time (trajectory planning) but also purely spatial planning (path planning). Accordingly, the boids can only be used in part of the system, e.g. B. to adapt the speed or for the selection of a specific object (“object-of-interest selection”).
  • object-of-interest selection Preferably, the attraction and repulsion rules are determined by designating objects that are close and parallel to each other as attractive boids and objects that are parallel and further apart from each other as repulsive boids.
  • repelling boids can be defined for static objects and attractive boids for moving objects.
  • moving objects can be observed (tracked) over time, so that a movement history is created, and attractive boids can be determined on the basis of the movement history.
  • the detected objects and/or the boids can be stored in an object list, in which all detected objects with all detected data (position, speed, signal strength, classification, elevation and the like) are stored.
  • a feature space can expediently be defined on the basis of the position and direction of movement of the ego vehicle, it being possible for the attraction rules for all boids to be converged on one point in the feature space. As a result, the measurement accuracy can be further improved.
  • the feature space is preferably defined using the clothoid parameters of the trajectory planning.
  • the feature space can also be extended to other road users.
  • the measurement accuracy can be increased to a particular extent as a result, and the recognition of the surroundings is also improved to a particular extent.
  • At least one camera and/or a lidar sensor and/or a radar sensor and/or an ultrasonic sensor and/or another sensor known from the prior art for detecting the surroundings can expediently be provided as the sensor for detecting the surroundings.
  • the invention also includes a driver assistance system for an ego vehicle for supporting or automated vehicle guidance of the ego vehicle, in which the ego vehicle comprises a control device and at least one sensor, preferably a plurality of sensors, for detecting the environment, the sensors detecting objects in the environment of the ego -Detect vehicle.
  • the control device carries out a trajectory planning based on the detected environment, with the vehicle guidance of the ego vehicle taking place based on the trajectory planning.
  • the sensor for environment and object detection can be z.
  • B. be a radar, lidar, camera or ultrasonic sensor.
  • the objects are used for trajectory planning, with boids being generated for the objects, which are defined using attraction and repulsion rules, so that the trajectory planning can then be carried out taking the boids into account.
  • the driver assistance system can be a system which, in addition to a sensor for detecting the surroundings, includes a computer, processor, controller, computer or the like in order to carry out the method according to the invention.
  • a computer program with program code for carrying out the method according to the invention can be provided so that when the computer program is executed on a computer or another programmable computer known from the prior art.
  • the method can also be carried out or retrofitted in existing systems as a computer-implemented method.
  • the term "computer-implemented method" within the meaning of the invention describes the process planning or procedure that is implemented or carried out using the computer.
  • the computer can process the data using programmable calculation rules. With regard to the process, essential properties e.g. B.
  • the computer can be designed as a control device or as part of the control device (eg as an IC (integrated circuit) module, microcontroller or system-on-chip (SoC)).
  • IC integrated circuit
  • SoC system-on-chip
  • FIG. 1 shows a highly simplified schematic representation of an ego vehicle with an assistance system according to the invention
  • FIG. 2 shows a simplified representation of a traffic scene in which an ego vehicle drives through a curve that has already been driven through by a number of other vehicles
  • FIG. 3 shows a simplified depiction of the traffic scene from FIG. 2, in which the measuring principle according to the invention is shown using various measuring points.
  • Reference number 1 in Fig. 1 designates an ego vehicle, which has a control device 2 (ECU, Electronic Control Unit or ADCU, Assisted and Automated Driving Control Unit), various actuators (steering 3, motor 4, brake 5) and sensors for detecting the surroundings (camera 6, lidar sensor 7, radar sensor 8 and ultrasonic sensors 9a-9d).
  • the ego vehicle 1 can be controlled (partially) automatically in that the control device 2 can access the actuators and the sensors or their sensor data.
  • the sensor data can be used to recognize the environment and objects, so that various assistance functions, such as e.g. Adaptive Cruise Control (ACC), Electronic Brake Assist (EBA), Lane Keeping Control or a lane keeping assistant (LKA, Lane Keep Assist), parking assistant or the like, can be implemented via the control device 2 or the algorithm stored there.
  • ACC Adaptive Cruise Control
  • EBA Electronic Brake Assist
  • LKA Lane Keep Assist
  • parking assistant or the like
  • the ego vehicle 1 shows a typical traffic scene in which the ego vehicle 1 enters a curve that was previously traveled through by a number of vehicles 10a, 10b, 10c, 10d driving in front.
  • the ego vehicle 1 can hereby detect the surrounding objects (vehicles 10a-10d driving ahead, lane markings, roadside structures and the like) using the sensors for detecting the surroundings and create its own path or the trajectory to be traveled using this information.
  • movements of other road users can be predicted and used for trajectory planning.
  • the trajectory created using the detection points and movement prediction of vehicle 11d (represented by a black arrow) is suboptimal or faulty, since it does not follow the course of the lane due to the movement prediction of vehicle 10d, but would result in an undesirable lane change in the curve area.
  • the relevant objects in a scene are now represented as objects in a swarm (ie as a type of association or association of objects).
  • the detected objects are not only combined, but remain as individuals and influence each other, ie they interact with each other.
  • the behavior of these objects is defined with simple rules on the basis of the sensor data and the relationships to one another, ie the interaction of objects similar to so-called boids (interacting objects to simulate swarm behavior).
  • boids interacting objects to simulate swarm behavior.
  • a boid corresponds to a measured object and not to a combined constellation of objects, ie the boids semantically represent individual objects and not simple constellations.
  • the complexity of the model results from the Interaction of the individual objects or boids that follow simple rules, such as e.g. B. Separation (a movement or directional choice that counteracts an accumulation of boids), alignment (a movement or directional choice that corresponds to the mean direction of the neighboring boids), or cohesion (a movement or directional choice that corresponds to the mean position of the neighboring boids).
  • B. Separation a movement or directional choice that counteracts an accumulation of boids
  • alignment a movement or directional choice that corresponds to the mean direction of the neighboring boids
  • cohesion a movement or directional choice that corresponds to the mean position of the neighboring boids.
  • the measuring principle with boids 11, 12, 13 of road markings and vehicles or their driving paths is shown using the example of the street scene from FIG.
  • a new measurement of a road marking e.g. modeled as a sectional straight line
  • the rules of attraction and repulsion are calculated (e.g. objects that are close and parallel attract each other; objects that are parallel but further apart repel each other).
  • repelling boids 11 for the edges of the roadway and repelling boids 12 for the middle of the roadway can be generated (e.g. using road markings, crash barriers and roadside development detections).
  • the vehicles 10a-10d can also be represented in a similar way.
  • a vehicle detected by the sensors e.g. B. shown as a short movement history.
  • the attracting boids 13 represent the vehicle 10c or its movement path, in that the boids 13 were generated using the movement history of the vehicle 10c.
  • This measurement or the determined boids are inserted in a similar way into the list of previous measurements (object list) and corrected in their position using the established rules.
  • the space of the clothoid parameters of the trajectory can also be selected as the feature space.
  • the individual boids would be individual measurements over time.
  • the Boids could e.g. B. be longitudinally stationary and move only in the lateral direction and in their curvatures due to the rules.
  • the boids can be deleted in this case as soon as the ego vehicle 1 has driven past them. In this way, storage and computing time in particular can be saved.
  • boids that represent the same object in the real world e.g., when the boids form a compact cluster with a given spread
  • Boid (road marking, edge of lane) 12 Boid (road marking, middle of lane) 13 Boid (movement of vehicle 10c)

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

Verfahren zur unterstützenden oder automatisierten Fahrzeugführung eines Ego-Fahrzeuges (1), bei dem das Ego-Fahrzeug (1) eine Steuereinrichtung (2) und mindestens einen Sensor zur Umfeld- und Objekterfassung umfasst, wobei zur Fahrzeugführung des Ego-Fahrzeuges (1) eine Trajektorienplanung anhand des erfassten Umfeldes und der erfassten Objekte erfolgt, für die Objekte Boids (10, 11, 12) erzeugt werden, die anhand von Anziehungs- und Abstoßungsregeln festgelegt werden, und die Trajektorienplanung anhand der Boids (10, 11, 12) durchgeführt wird.

Description

Beschreibung
Verfahren zur unterstützenden oder automatisierten Fahrzeugführung
Die vorliegende Erfindung betrifft ein Verfahren, insbesondere computerimplementiertes Verfahren, zur unterstützenden oder automatisierten Fahrzeugführung eines Ego-Fahrzeuges sowie ein Fahrerassistenzsystem für ein Ego-Fahrzeug zur unterstützenden oder automatisierten Fahrzeugführung des Ego-Fahrzeuges.
Technologischer Hintergrund
Gattungsgemäße Fahrzeuge, wie z. B. Personenkraftfahrzeuge (PKW), Lastkraftwagen (LKW) oder Motorräder, werden zunehmend mit Fahrerassistenzsystemen ausgerüstet, welche mit Hilfe von Sensorsystemen die Umgebung bzw. das Umfeld erfassen, Verkehrssituationen erkennen und den Fahrer unterstützen können, z. B. durch einen Brems- oder Lenkeingriff oder durch die Ausgabe einer optischen, haptischen oder akustischen Warnung. Als Sensorsysteme zur Umfelderfassung werden regelmäßig Radarsensoren, Lidarsensoren, Kamerasensoren, Ultraschallsensoren oder dergleichen eingesetzt. Aus den durch die Sensoren ermittelten Sensordaten können anschließend Rückschlüsse auf die Umgebung gezogen werden, womit z. B. auch ein sogenanntes Umfeldmodell erzeugt werden kann. Darauf basierend können anschließend Anweisungen zur Fahrerwarnung/-lnformation oder zum geregelten Lenken, Bremsen und Beschleunigen ausgegeben werden. Durch die Sensor- und Umfelddaten verarbeitenden Assistenzfunktionen können z. B. Unfälle mit anderen Verkehrsteilnehmern vermieden oder komplizierte Fahrmanöver erleichtert werden, indem die Fahraufgabe bzw. die Fahrzeugführung unterstützt oder sogar komplett übernommen wird (teil- oder vollautomatisiert). Beispielsweise kann das Fahrzeug z. B. mittels einem Notbremsassistenten (EBA, Emergency Brake Assist) eine autonome Notbremsung (AEB, Automatic Emergency Brake) oder einem Abstandsregeltempomaten bzw. Adaptive Cruise Control-Assistenten (ACC) eine Geschwindigkeits- und Folgefahrtregelung durchführen.
Ferner kann dabei die zu fahrende Trajektorie bzw. der Bewegungsweg des Fahrzeuges bestimmt werden. Anhand der Sensorik können dabei statische Ziele bzw. Objekte detektiert werden, wodurch z. B. der Abstand zu einem vorausfahrenden Fahrzeug oder der Straßenverlauf geschätzt werden kann. Dabei ist die Detektion bzw. Erkennung von Objekten und insbesondere deren Plausibilisierung von besonderer Bedeutung, um beispielsweise zu erkennen, ob ein vorausfahrendes Fahrzeug relevant für die jeweilige Assistenzfunktion bzw. Regelung ist. Ein Kriterium hierbei ist, dass z. B. ein als Zielfahrzeug (Target) erkanntes Objekt in derselben Spur wie das eigene Fahrzeug (Ego-Fahrzeug) fährt. Bekannte Fahrerassistenzsysteme versuchen z. B. mit Hilfe der Sensorik einen Spurverlauf zu schätzen, um zu ermitteln, ob sich ein Zielfahrzeug in der eigenen Spur befindet. Dazu werden sowohl Informationen über die Spurmarkierungen, Randbebauung als auch den gefahrenen Pfad anderer Fahrzeuge genutzt. Ferner wird ein geeigneter Algorithmus (z. B. Curve-fitting Algorithmus) angewandt, um den zukünftigen Pfad bzw. die Trajektorie des Ego-Fahrzeuges zu prädizieren. Weiterhin kann eine Abweichung der anderen Verkehrsteilnehmer zu diesem Pfad genutzt werden, um zu entscheiden, in welcher Spur der jeweilige Verkehrsteilnehmer fährt.
Bekannte Systeme nutzen entweder keine Zuverlässigkeitsinformationen oder nehmen ideale Zuverlässigkeitsinformationen, z. B. die Standardabweichung einer Messgröße. Allerdings sind diese Fehlermodelle für Sensoren nicht ausreichend präzise, um die Zuverlässigkeitsinformationen z. B. direkt als Gewichtungsfaktor zu nutzen. Dabei sind vor allem zwei Fehlerquellen entscheidend: eine fehlerhafte Prädiktion des eigenen Spurverlaufs und eine fehlerhafte/unzuverlässige Messung der Position des beobachteten Verkehrsteilnehmers bzw. der anderen Verkehrsteilnehmer, was zu einer zu hohen Abweichung vom prädizierten Pfad führen kann. Beide Fehlerquellen lassen sich nur unter Kenntnis korrekter Zuverlässigkeitsinformationen korrigieren. Daraus resultieren ein hoher Rechenaufwand und eine schlechte Skalierbarkeit, sowohl auf mehrere Objekte als auch auf neue Objekt-Typen. In Fahrerassistenzfunktionen, wie insbesondere ACC, müssen relevante Objekte jedoch meist schon auf große Entfernungen ausgewählt werden. Die Objekterfassung erfolgt hierzu in der Regel über einen Radarsensor, der eine ausreichende Sensorreichweite und Detektionssicherheit aufweist. Dennoch ist die Qualität der geometrischen oder kinematischen Schätzungen am Beginn der Messung oftmals noch zu schlecht oder es wurden zu wenige Messungen durchgeführt bzw. Messpunkte erzeugt. Die Variationen in den angewendeten Filtern sind dabei oftmals zu groß, so dass z. B. keine ausreichend zuverlässige Spurzuordnung von Radarobjekten, beispielsweise mit einer Entfernung von 200 Metern, gemacht werden kann.
Druckschriftlicher Stand der Technik
Die DE 102015205 135 A1 offenbart ein Verfahren, bei dem die relevanten Objekte einer Szene (z. B. Leitplanken, Spur-Mittel-Linien, Verkehrsteilnehmer) als Objekte in einem Schwarm dargestellt werden: Die Objekte werden mittels Außen-Sensorik erkannt und in Objektkonstellationen dargestellt, wobei eine Objektkonstellation zwei oder mehrere Objekte umfasst, d. h. Messungen/Objekte zusammengefasst werden, um die Rechenzeit zu sparen und die Genauigkeit der Schätzung zu erhöhen. Dementsprechend stellen die Zusammenfassungen verschiedener Messungen des gleichen Objekts technisch notwendige Konstellationen zur Erzielung einer Rechenzeitersparnis jedoch keine semantische Konstellationen dar, da sie verschiedene Messungen des gleichen Objekts betreffen und nicht verschiedenen Objekte. Bei den Daten der Außen-Sensorik kann es sich beispielsweise um Sensor-Rohdaten oder vorverarbeitete und/oder nach vorausbestimmten Kriterien ausgewählte Sensor-Daten handeln. Beispielsweise können dies Bilddaten, Laserscanner-Daten oder Objektlisten, Objektkontouren oder sogenannte Punktewolken (die z. B. eine Anordnung bestimmter Objektteile oder Objektkanten repräsentieren) sein. Aufgabe der vorliegenden Erfindung
Ausgehend vom Stand der Technik liegt die Aufgabe der vorliegenden Erfindung darin, ein Verfahren zur Verfügung zu stellen, durch das die Genauigkeit der Schätzung bei vorteilhafter Rechenzeit erhöht werden kann.
Lösung der Aufgabe
Die vorstehende Aufgabe wird durch die gesamte Lehre des Anspruchs 1 sowie des nebengeordneten Anspruchs gelöst. Zweckmäßige Ausgestaltungen der Erfindung sind in den Unteransprüchen beansprucht.
Bei dem erfindungsgemäßen Verfahren zur unterstützenden oder automatisierten Fahrzeugführung eines Ego-Fahrzeuges umfasst das Ego-Fahrzeug eine Steuereinrichtung und mindestens einen Sensor, vorzugsweise mehrere Sensoren zur Umfelderfassung, wobei die Sensoren Objekte im Umfeld des Ego-Fahrzeuges erfassen. Ferner erfolgt eine Trajektorienplanung anhand des erfassten Umfeldes, wobei die Fahrzeugführung des Ego-Fahrzeuges anhand der Trajektorienplanung erfolgt, zu der die Objekte im Umfeld zur Trajektorienplanung herangezogen werden. Für die Objekte werden dann Boids erzeugt, die anhand von Anziehungs und Abstoßungsregeln festgelegt werden. Die Trajektorienplanung erfolgt dann anhand der Boids. Daraus resultiert der Vorteil, dass die Genauigkeit der Schätzung erhöht und die benötigte Rechenzeit im besonderen Maße verringert werden kann.
Der Begriff Trajektorienplanung im Sinne der vorliegenden Erfindung umfasst ausdrücklich neben der Planung in Raum und Zeit (Trajektorienplanung) auch eine rein räumliche Planung (Pfadplanung). Dementsprechend können die Boids auch nur in einem Teil des Systems z. B. zur Adaption der Geschwindigkeit oder für die Auswahl eines bestimmten Objekts („Object-of-lnterest Selection“) verwendet werden. Vorzugsweise werden die Anziehungs- und Abstoßungsregeln festgelegt, indem Objekte, die nahe zueinander und parallel angeordnet sind, als anziehende Boids und Objekte, die parallel mit größerem Abstand zueinander angeordnet sind, als abstoßende Boids festgelegt.
Zweckmäßigerweise können für statische Objekte abstoßende Boids und für bewegliche Objekte anziehende Boids festgelegt werden.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung können bewegliche Objekte über eine Zeit beobachtet (getrackt) werden, so dass eine Bewegungshistorie erstellt wird, und anziehende Boids anhand der Bewegungshistorie festgelegt werden.
Ferner können die erfassten Objekte und/oder die Boids in einer Objektliste hinterlegt werden, in der alle erfassten Objekte mit allen erfassten Daten (Position, Geschwindigkeit, Signalstärke, Klassifizierung, Elevation und dergleichen hinterlegt werden).
Zweckmäßigerweise kann anhand von Position und Bewegungsrichtung des Ego-Fahrzeuges ein Merkmalsraum festgelegt werden, wobei die Anziehungsregeln für alle Boids auf einen Punkt im Merkmalsraum konvergiert werden kann. Dadurch kann die Messgenauigkeit noch zusätzlich verbessert werden.
Vorzugsweise wird der Merkmalsraum anhand der Klothoiden-Parameter der Trajektorienplanung festgelegt.
In vorteilhafter Weise kann der Merkmalsraum auch auf andere Verkehrsteilnehmer erweitert werden. Die Messgenauigkeit kann dadurch in besonderem Maße gesteigert werden, zudem wird die Umfelderkennung in besonderem Maße verbessert. Zweckmäßigerweise kann als Sensor zur Umfelderfassung mindestens eine Kamera und/oder ein Lidarsensor und/oder ein Radarsensor und/oder ein Ultraschallsensor und/oder ein anderer aus dem Stand der Technik bekannter Sensor zur Umfelderfassung vorgesehen sein.
Nebengeordnet umfasst die Erfindung zudem ein Fahrerassistenzsystem für ein Ego-Fahrzeug zur unterstützenden oder automatisierten Fahrzeugführung des Ego-Fahrzeuges, bei dem das Ego-Fahrzeug eine Steuereinrichtung und mindestens einen Sensor, vorzugsweise mehrere Sensoren zur Umfelderfassung umfasst, wobei die Sensoren Objekte im Umfeld des Ego-Fahrzeuges erfassen. Die Steuereinrichtung führt eine Trajektorienplanung anhand des erfassten Umfeldes durch, wobei die Fahrzeugführung des Ego-Fahrzeuges anhand der Trajektorienplanung erfolgt. Bei dem Sensor zur Umfeld- und Objekterfassung kann es sich z. B. um einen Radar-, Lidar-, Kamera- oder Ultraschallsensor handeln. Die Objekte werden zur Trajektorienplanung herangezogen, wobei für die Objekte Boids erzeugt werden, die anhand von Anziehungs- und Abstoßungsregeln festgelegt werden, sodass die Trajektorienplanung dann unter Berücksichtigung der Boids durchgeführt werden kann.
Ferner kann es sich bei dem Fahrerassistenzsystem um ein System handeln, welches neben einem Sensor zur Umfelderfassung einen Computer, Prozessor, Controller, Rechner oder dergleichen umfasst, um das erfindungsgemäße Verfahren durchzuführen. Dabei kann ein Computerprogramm mit Programmcode zur Durchführung des erfindungsgemäßen Verfahrens vorgesehen sein, dass wenn das Computerprogramm auf einem Computer oder einem sonstigen aus dem Stand der Technik bekannten programmierbaren Rechner ausgeführt wird. Dementsprechend kann das Verfahren auch in bestehenden Systemen als computerimplementiertes Verfahren ausgeführt bzw. nachgerüstet werden. Der Begriff „computerimplementiertes Verfahren“ im Sinne der Erfindung beschreibt dabei die Ablaufplanung oder Vorgehensweise, welche anhand des Computers verwirklicht bzw. durchgeführt wird. Der Computer kann dabei mittels programmierbarer Rechenvorschriften die Daten verarbeiten. In Bezug auf das Verfahren können somit auch wesentliche Eigenschaften z. B. durch ein neues Programm, neue Programme, einen Algorithmus oder dergleichen nachträglich implementiert werden. Der Computer kann dabei als Steuereinrichtung oder als Teil der Steuereinrichtung (z. B. als IC (Integrated Circuit)-Baustein, Mikrocontroller oder System-on-Chip (SoC)) ausgestaltet sein.
Beschreibung der Erfindung anhand von Ausführungsbeispielen
Im Folgenden wird die Erfindung anhand von zweckmäßigen Ausführungsbeispielen näher erläutert. Es zeigen:
Fig. 1 eine stark vereinfachte schematische Darstellung eines Ego-Fahrzeuges mit erfindungsgemäßem Assistenzsystem;
Fig. 2 eine vereinfachte Darstellung einer Verkehrsszene, bei der ein Ego-Fahrzeug eine Kurve durchfährt, die bereits von mehreren anderen Fahrzeugen durchfahren wurde, sowie
Fig. 3 eine vereinfachte Darstellung der Verkehrsszene aus Fig. 2, bei der das erfindungsgemäße das Messprinzip anhand verschiedener Messpunkte dargestellt ist.
Bezugsziffer 1 in Fig. 1 bezeichnet ein Ego-Fahrzeug, welches eine Steuereinrichtung 2 (ECU, Electronic Control Unit oder ADCU, Assisted and Automated Driving Control Unit) verschiedene Aktoren (Lenkung 3, Motor 4, Bremse 5) sowie Sensoren zur Umfelderfassung (Kamera 6, Lidarsensor 7, Radarsensor 8 sowie Ultraschallsensoren 9a-9d) aufweist. Das Ego-Fahrzeug 1 kann dabei (teil-) automatisiert gesteuert werden, indem die Steuereinrichtung 2 auf die Aktoren und die Sensoren bzw. deren Sensordaten zugreifen kann. Im Bereich des assistierten bzw. (teil-) automatisierten Fahrens können die Sensordaten zur Umfeld- und Objekterkennung genutzt werden, sodass verschiedene Assistenzfunktionen, wie z. B. Abstandsfolgeregelung (ACC, Adaptive Cruise Control), Notbremsassistent (EBA, Electronic Brake Assist), Spurhalteregelung bzw. ein Spurhalteassistent (LKA, Lane Keep Assist), Parkassistent oder dergleichen, über die Steuereinrichtung 2 bzw. dem dort hinterlegten Algorithmus realisierbar sind.
In Fig. 2 ist eine typische Verkehrsszene dargestellt, in der das Ego-Fahrzeug 1 in eine Kurve einfährt, die zuvor von mehreren vorausfahrenden Fahrzeugen 10a, 10b, 10c, 10d durchfahren wurde. Das Ego-Fahrzeug 1 kann hierbei die umgebenden Objekte (vorausfahrenden Fahrzeuge 10a-10d, Fahrbahnmarkierungen, Straßenrandbebauung und dergleichen) anhand der Sensoren zur Umfelderfassung detektieren und den eigenen Pfad bzw. die zu fahrende Trajektorie anhand dieser Informationen erstellen. Ferner können Bewegungen von anderen Verkehrsteilnehmern prädiziert und zur Trajektorienplanung herangezogen werden. Beispielsweise ist die anhand der Detektionspunkte und Bewegungsprädiktion des Fahrzeuges 11 d erstellte Trajektorie (anhand eines schwarzen Pfeils dargestellt) jedoch suboptimal bzw. fehlerhaft, da diese aufgrund der Bewegungsprädiktion von Fahrzeug 10d nicht dem Spurverlauf folgt, sondern im Kurvenbereich einen unerwünschten Spurwechsel zur Folge hätte.
Beim erfindungsgemäßen Verfahren werden nunmehr die relevanten Objekte einer Szene (Leitplanken, Spur-Mittel-Linien, Verkehrsteilnehmer und dergleichen) als Objekte in einem Schwarm (d. h. als eine Art Verband oder Zusammenschluss von Objekten) dargestellt. Im Gegensatz zu einer bekannten einfachen Zusammenfassung von Objekten (einfaches Cluster) werden die erfassten Objekte dabei nicht nur zusammengefasst, sondern bleiben als Individuen erhalten und beeinflussen sich gegenseitig, d. h. sie interagieren miteinander. Das Verhalten dieser Objekte wird dabei auf Basis der Sensordaten und der Beziehungen zueinander, d. h. der Interaktion von Objekten ähnlich zu sogenannten Boids (interagierende Objekte zur Simulation eines Schwarmverhaltens), mit einfachen Regeln definiert. Hierbei entspricht ein Boid einem gemessenen Objekt und nicht einer zusammengefassten Konstellation von Objekten, d. h. die Boids repräsentieren semantisch einzelne Objekte und keine einfachen Konstellationen. Bei Boid-basierenden Modellen ergibt sich die Komplexität des Modells aus der Interaktion der einzelnen Objekte bzw. Boids, die einfachen Regeln folgen, wie z. B. Separation (eine Bewegungs- bzw. Richtungswahl, die einer Ansammlung von Boids entgegenwirkt), Angleichung (eine Bewegungs- bzw. Richtungswahl, die der mittleren Richtung der benachbarten Boids entspricht) oder Zusammenhalt (eine Bewegungs- bzw. Richtungswahl, die der mittleren Position der benachbarten Boids entspricht).
In Fig. 3 ist am Beispiel der Straßenszene aus Fig. 2 das Messprinzip mit Boids 11 , 12, 13 von Straßenmarkierungen und Fahrzeugen bzw. deren Fahrpfaden dargestellt. Beispielsweise wird in jedem Zyklus eine neue Messung einer Straßenmarkierung (z. B. modelliert als abschnittsweise Gerade) zu der vorhandenen Liste von Straßenmarkierungs-Objekten hinzugefügt. Danach werden die Anziehungs- und Abstoßungsregeln berechnet (z. B. Objekte, die nahe und parallel sind, ziehen sich an; Objekte, die parallel sind, aber einen größeren Abstand haben, stoßen sich ab). Somit können abstoßende Boids 11 für die Fahrbahnränder und abstoßende Boids 12 für die Fahrbahnmitte erzeugt werden (z. B. anhand von Straßenmarkierungs-, Leitplanken- und Straßenrandbebauungsdetektionen). In ähnlicher Weise können auch die Fahrzeuge 10a-10d repräsentiert werden. Hierbei wird ein von den Sensoren erkanntes Fahrzeug z. B. als kurze Bewegungshistorie dargestellt. Beispielsweise repräsentieren die anziehenden Boids 13 das Fahrzeug 10c bzw. dessen Bewegungspfad, indem die Boids 13 anhand der Bewegungshistorie des Fahrzeuges 10c erzeugt wurden. Diese Messung bzw. die ermittelten Boids werden in ähnlicher Weise in die Liste der bisherigen Messungen (Objektliste) eingefügt und mittels der aufgestellten Regeln in ihrer Position korrigiert.
Zweckmäßigerweise können nun z. B. Fehler bei der Spurverlaufsschätzung durch die Beobachtung des gefahrenen Pfades von anderen Fahrzeugen 10a-10d kompensiert werden, indem das Ego-Fahrzeug 1 bzw. die Fahrzeuge ihre Trajektorienplanung unter Berücksichtigung vorgegebener Regeln durchführen. Beispielsweise können als Regeln vorgesehen sein: „Leitplanken sind parallel zu Spuren“, „die Spuren weisen eine zumindest annährend gleichbleibende Breite auf“, „die Fahrzeuge fahren parallel zu den Spuren“, “die Leitplanken verlaufen im Mittel durch die Messpunkte“, „die Leitplanken weisen keine Knicke oder Abzweigungen auf“ oder dergleichen. Dadurch ergeben sich automatisch Pfade („emergent behaviour“) bzw. Trajektorien, deren Verlauf parallel zu den Leitplanken ist. Ferner können die Messwerte auch festlegbar gewichtet werden, ähnlich wie z. B. bei aß-Filtern.
Eine Erhöhung der Messgenauigkeit wird insbesondere dadurch erreicht, dass die Anziehungsregeln alle Messungen (die je einem Boid entsprechen) auf den gleichen Punkt im Merkmalsraum konvergieren lassen. Der Merkmalsraum besteht dabei aus Position und Richtung des Ego-Fahrzeuges 1. Dieses Prinzip lässt sich in überraschender Weise auch auf andere Verkehrsteilnehmer bzw. Fahrzeuge erweitern, indem z. B. „Fahrzeuge parallel zu den Spuren fahren“ (d. h. die gleiche Regel wie bei statischen Objekten, nur werden jetzt die modellierten Positionen der Fahrzeuge verändert), „Fahrzeuge kollidieren nicht miteinander“, „Fahrzeuge in der gleichen Spur richten sich einander aus“ („Kolonnenfahrt“), „Fahrzeuge kollidieren nicht mit der Leitplanke“ und dergleichen.
Alternativ kann als Merkmalsraum auch der Raum der Klothoiden-Parameter der Trajektorie gewählt werden. In dem Fall wären die einzelnen Boids einzelne Messungen über die Zeit. Die Boids könnten hier z. B. longitudinal ortsfest sein und sich nur in lateraler Richtung und bezüglich ihrer Krümmungen aufgrund der Regeln bewegen. In praktischer Weise können die Boids in diesem Fall gelöscht werden, sobald das Ego-Fahrzeug 1 an ihnen vorbeigefahren ist. Dadurch kann insbesondere Speicher- und Rechenzeit eingespart werden. Darüber hinaus könnten Boids, die das gleiche Objekt in der realen Welt repräsentieren (z. B. wenn die Boids ein kompaktes Cluster mit einer vorgegebenen Streuung bilden), zusammengefasst werden, um Speicher- und Rechenzeit zu sparen. Bezugszeichenliste
1 Ego-Fahrzeug
2 Steuereinrichtung 3 Lenkung
4 Motor
5 Bremse
6 Kamera 7 Lidarsensor 8 Radarsensor
9a-9d Ultraschallsensoren 10a Fahrzeug 10b Fahrzeug 10c Fahrzeug 10d Fahrzeug
11 Boid (Straßenmarkierung Fahrbahnrand) 12 Boid (Straßenmarkierung Fahrspurmitte) 13 Boid (Bewegung des Fahrzeuges 10c)

Claims

Patentansprüche
1. Verfahren zur unterstützenden oder automatisierten Fahrzeugführung eines Ego-Fahrzeuges (1), bei dem das Ego-Fahrzeug (1) eine Steuereinrichtung (2) und mindestens einen Sensor zur Umfeld- und Objekterfassung umfasst, wobei zur Fahrzeugführung des Ego-Fahrzeuges (1) eine Trajektorienplanung anhand der erfassten Objekte erfolgt, für die Objekte Boids (10, 11, 12) erzeugt werden, die anhand von
Anziehungs- und Abstoßungsregeln festgelegt werden, und die Trajektorienplanung anhand der Boids (10, 11, 12) durchgeführt wird.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Anziehungs- und Abstoßungsregeln festgelegt werden, indem Objekte, die nahe zueinander und parallel angeordnet sind, als anziehende Boids und Objekte, die parallel mit größerem Abstand zueinander angeordnet sind, als abstoßende Boids festgelegt werden.
3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass für statische Objekte abstoßende Boids (11, 12) und für bewegliche Objekte anziehende Boids (13) festgelegt werden.
4. Verfahren nach Anspruch 2 oder 3, dadurch gekennzeichnet, dass bewegliche Objekte über eine Zeit beobachtet werden, so dass eine Bewegungshistorie erstellt wird, und anziehende Boids (13) anhand der Bewegungshistorie festgelegt werden.
5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die erfassten Objekte und/oder die Boids in einer Objektliste hinterlegt werden.
6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass aus Position und Richtung des Ego-Fahrzeuges (1) ein Merkmalsraum festgelegt wird, wobei die Anziehungsregeln für alle Boids (13) auf einen Punkt im Merkmalsraum konvergiert werden.
7. Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass der Merkmalsraum anhand der Klothoiden-Parameter der Trajektorienplanung festgelegt wird.
8. Verfahren nach Anspruch 6 oder 7, dadurch gekennzeichnet, dass der Merkmalsraum auf andere Verkehrsteilnehmer erweitert wird.
9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als Sensoren zur Umfelderfassung mindestens eine Kamera (6) und/oder ein Lidarsensor (7), ein Radarsensor (8) oder ein Ultraschallsensor (9a-9d) vorgesehen ist.
10. Fahrerassistenzsystem für ein Ego-Fahrzeug (1 ) zur unterstützenden oder automatisierten Fahrzeugführung des Ego-Fahrzeuges (1), bei dem das Ego-Fahrzeug (1) eine Steuereinrichtung (2) und mindestens einen Sensor zur Umfeld- und Objekterfassung umfasst, wobei die Steuereinrichtung (2) eine Trajektorienplanung anhand der erfassten Objekte durchführt und die Fahrzeugführung des Ego-Fahrzeuges (1) anhand der Trajektorienplanung erfolgt, wobei die Objekte zur Trajektorienplanung herangezogen werden, indem für die Objekte Boids (10, 11, 12) erzeugt werden, die anhand von Anziehungs und Abstoßungsregeln festgelegt werden, und die Trajektorienplanung anhand der Boids (10, 11, 12) durchgeführt wird.
EP21827596.4A 2021-02-17 2021-12-09 Verfahren zur unterstützenden oder automatisierten fahrzeugführung Pending EP4295324A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102021201521.2A DE102021201521A1 (de) 2021-02-17 2021-02-17 Verfahren zur unterstützenden oder automatisierten Fahrzeugführung
PCT/DE2021/200255 WO2022174853A1 (de) 2021-02-17 2021-12-09 Verfahren zur unterstützenden oder automatisierten fahrzeugführung

Publications (1)

Publication Number Publication Date
EP4295324A1 true EP4295324A1 (de) 2023-12-27

Family

ID=78957501

Family Applications (1)

Application Number Title Priority Date Filing Date
EP21827596.4A Pending EP4295324A1 (de) 2021-02-17 2021-12-09 Verfahren zur unterstützenden oder automatisierten fahrzeugführung

Country Status (6)

Country Link
US (1) US20240227851A9 (de)
EP (1) EP4295324A1 (de)
JP (1) JP2024505833A (de)
CN (1) CN116830163A (de)
DE (1) DE102021201521A1 (de)
WO (1) WO2022174853A1 (de)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021204239A1 (de) * 2021-04-09 2022-10-13 Continental Autonomous Mobility Germany GmbH Verfahren zum Betrieb eines Assistenzsystems sowie Assistenzsystem

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015205135A1 (de) 2015-03-20 2016-09-22 Bayerische Motoren Werke Ag Verfahren zum Ermitteln eines für eine zumindest teilweise automatisierte Bewegung des Fahrzeugs nutzbaren Automatisierungsgrads
JP5982034B1 (ja) * 2015-03-30 2016-08-31 富士重工業株式会社 車両の運転支援システム
US9711050B2 (en) 2015-06-05 2017-07-18 Bao Tran Smart vehicle
KR102218532B1 (ko) * 2015-07-23 2021-02-22 현대자동차주식회사 차량 및 그 제어방법
JP6394931B2 (ja) * 2017-11-14 2018-09-26 本田技研工業株式会社 車両制御システム、車両制御方法、および車両制御プログラム
JP6525416B1 (ja) * 2017-12-28 2019-06-05 マツダ株式会社 車両制御装置
DE102019001956A1 (de) * 2019-03-20 2020-02-20 Daimler Ag Verfahren zum Betrieb eines Fahrzeugs
US20200342766A1 (en) * 2019-04-24 2020-10-29 Cisco Technology, Inc. Dynamic platoon management
CN110356405B (zh) 2019-07-23 2021-02-02 桂林电子科技大学 车辆辅助行驶方法、装置、计算机设备及可读存储介质
KR20210097440A (ko) * 2020-01-30 2021-08-09 현대자동차주식회사 이동체가 군집 주행을 수행하는 방법 및 장치
CN111882577B (zh) * 2020-07-31 2022-09-09 中国人民解放军国防科技大学 基于视场感知的群体避障与一致性行进方法和装置

Also Published As

Publication number Publication date
US20240227851A9 (en) 2024-07-11
US20240132100A1 (en) 2024-04-25
WO2022174853A1 (de) 2022-08-25
DE102021201521A1 (de) 2022-08-18
CN116830163A (zh) 2023-09-29
JP2024505833A (ja) 2024-02-08

Similar Documents

Publication Publication Date Title
DE112010001354B4 (de) Bewegungsstrajektoriengenerator
DE102015114464A9 (de) Einheitlicher Bewegungsplaner für ein autonom fahrendes Fahrzeug beim Ausweichen vor einem bewegten Hindernis
DE102015114465A1 (de) Verfahren zur Wegplanung für ein Ausweichlenkmanöver
DE102016007899B4 (de) Verfahren zum Betreiben einer Einrichtung zur Verkehrssituationsanalyse, Kraftfahrzeug und Datenverarbeitungseinrichtung
WO2010121583A1 (de) Verfahren zur klassifizierung eines objekts als hindernis
DE102017118651A1 (de) Verfahren und System zur Kollisionsvermeidung eines Fahrzeugs
DE102017204983B4 (de) Verfahren zum Vorgeben einer Fahrbewegung in einer auf maschinellem Lernen basierten Autopiloteinrichtung eines Kraftfahrzeugs sowie Steuervorrichtung, Kraftfahrzeug und Trainingsvorrichtung für eine Autopiloteinrichtung
DE102016220583A1 (de) Verfahren zur Überprüfung einer Überholmöglichkeitsbedingung
WO2015185175A1 (de) Verfahren zum betrieb eines fahrerassistenzsystems zur automatisierten führung eines kraftfahrzeugs sowie zugeordnetes kraftfahrzeug
DE102012210608A1 (de) Verfahren und Vorrichtung zum Erzeugen eines Steuerparameters für ein Abstandsassistenzsystem eines Fahrzeugs
EP3094531A1 (de) Verfahren zum betreiben eines fahrzeugs
EP4027245A1 (de) Computerimplementiertes verfahren zur bestimmung von ähnlichkeitswerten von verkehrsszenarien
DE102015005364A1 (de) Vorrichtung und Verfahren zum Verzögern eines Fahrzeugs
WO2015062781A1 (de) Situationsanalyse für ein fahrerassistenzsystem
DE102020215771A1 (de) Verfahren zum Bestimmen einer Trajektorie eines Fahrzeugs
DE102014008413A1 (de) Verfahren für ein Fahrerassistenzsystem eines Fahrzeugs
WO2020051618A1 (de) Analyse dynamisscher räumlicher szenarien
DE102019101040A1 (de) Verfahren zum Trainieren einer Trajektorie für ein Fahrzeug, sowie elektronisches Fahrzeugführungssystem
DE102022119571A1 (de) Benachrichtigungssteuerungsvorrichtung für ein Fahrzeug
DE102020004341A1 (de) Verfahren zum automatischen Queren eines Kreuzungsbereichs mit einem Fahrzeug
WO2020069812A1 (de) Verfahren zum zumindest teilautomatisierten führen eines kraftfahrzeugs auf einer fahrbahn
EP4433883A1 (de) Verfahren zur unterstützenden oder automatisierten fahrzeugführung
EP4412882B1 (de) Verfahren zur planung einer trajektorie eines fahrmanövers eines kraftfahrzeugs, computerprogrammprodukt, computerlesbares speichermedium sowie fahrzeug
DE102007015227A1 (de) Verfahren und Anordnung zur näherungsweisen Bestimmung einer von einem Fahrzeug aktuell befahrenen Fahrspur
WO2022174853A1 (de) Verfahren zur unterstützenden oder automatisierten fahrzeugführung

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: 20230918

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

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
RAP3 Party data changed (applicant data changed or rights of an application transferred)

Owner name: AUMOVIO AUTONOMOUS MOBILITY GERMANY GMBH