JP2023534817A - 光センサアレイの汚れを検出する方法 - Google Patents

Abstract

本発明は、光センサ装置の信号経路内の汚れを検出する方法に関する。センサ装置の複数の光検出素子によって物体（Ｏ１～Ｏｎ）を検出するために、本発明は、物体（Ｏ１～Ｏｎ）で反射された光信号を検出し、それぞれの物体（Ｏ１～Ｏｎ）をその種類に従って分類し、分類中に特定の反射率を有する物体クラスに物体（Ｏ１～Ｏｎ）を割り当て、物体（Ｏ１～Ｏｎ）までの距離を測定し、検出された光信号の複数の光検出素子でのクロストークを特定し、分類中に特定された特定の反射率、距離及びクロストークの程度に基づいて、汚れの程度を特定する。

Description

本発明は、光センサアレイの信号経路内の汚れを検出する方法に関する。

特許文献１は、車両のライダセンサを含むセンサアレイの汚れを特定する方法であって、センサアレイによってカバーされる領域を異なるサブ領域に分割し、特定の周辺領域からサブ領域に送信されるセンサ信号を、センサアレイの操作性を特定するために評価する方法を開示している。これには、様々なサブ領域を通り過ぎて特定の周辺領域まで運転している間にそれらのサブ領域に対して順次検出されるセンサ信号を評価することが含まれる。このためのサブ領域は、それらの検出範囲がそれぞれ１つのサブ領域を表す複数の個々のセンサが検査されるように指定される。

独国特許出願公開第１０２００５００３９７０号明細書

本発明は、先行技術を改善する、光センサアレイの信号経路内の汚れを検出する方法を提供することを目的としている。

本発明は、請求項１に示された特徴を有する方法によってこの目的を達成する。

本発明の有利な実施形態は、従属請求項の対象である。

本発明による、物体を検出するためにライダセンサ又はカメラなどの光学センサアレイの信号経路内の汚れを検出する方法では、物体に反射された光信号をセンサアレイ内の複数の光検出素子によって検出する。各物体をその種類に基づいて分類し、分類する際に所定の反射率を有する物体クラスに物体を割り当てる。次に、物体までの距離を測定し、検出された光信号の複数の光検出素子へのクロストークを特定し、分類中に特定された所定の反射率、距離、及びクロストークの大きさに基づいて汚れの程度を特定する。

センサアレイの光路が汚れていること又はセンサアレイの光路の汚れにより、センサアレイの検出性能が低下し、その結果、センサアレイによって検出されたデータを使用するシステム、特に運転者支援システム又は車両及び／又はロボットの自動運転、特に完全自動運転又は自律動作のためのシステムの可用性と信頼性が低下する。センサアレイ内に汚れがある場合、これは容易には修復できない潜在的な欠陥である。しかしながら、センサアレイのカバーの汚れは、適切なクリーニングシステムによって除去することができる。したがって、汚れの検出は、このようなクリーニングシステムの動作のため及び安全関連の本質的な制限を監視するために不可欠である。

この方法により、センサアレイの光路内のごみ又は汚れを非常に簡単かつ信頼性の高い方法で検出することができるため、センサアレイによって検出されたデータを使用するシステムのシステム制限を正確に認識し、センサアレイをクリーニングすることができる。これにより、センサの可用性、ひいてはシステムの可用性が向上する。さらに、性能限界を確実に検出することで、システムの安全性が向上する。

方法の１つの可能な実施形態では、少なくとも１つのルックアップテーブルを用いて汚れの程度を特定する。これは、格別な容易さと信頼性で行うことができる。

方法の別の可能な実施形態では、センサアレイによって得られた少なくとも１つの基準測定値に基づいて少なくとも１つのルックアップテーブルを生成する。これにより、最適な参照が可能になる。

方法の１つの可能な実施形態では、典型的なクロストーク構造についてセンサアレイによって検出された画像をテストすることによってクロストークを特定する。これにより、クロストークの容易で信頼性の高い特定が可能になる。

方法の１つの可能な実施形態では、構造として直線構造を使用し、直線構造がぼやけている場合にクロストークがあると特定する。このような実施形態は、いわゆるラインスキャナ、特にライダとして構成されたセンサアレイに特によく適しており、クロストークの容易で非常に信頼性の高い特定を可能にする。詳細には、ぼやけの程度が増大するにつれて、より高い程度のクロストークが特定される。

方法の１つの可能な実施形態では、検出された物体の寸法をそのような物体の予想寸法と比較することによってクロストークを特定し、検出された物体の寸法の予想寸法からの正の偏差が増加することでクロストークの程度の増加を特定する。この実施形態は、簡単で信頼できるクロストークの特定も可能にする。

方法の１つの可能な実施形態では、センサアレイによって得られた少なくとも１つの基準測定値に基づいて物体に対応する物体クラスに対して特定された寸法から予想寸法を特定する。

方法の１つの可能な実施形態では、物体に対応する物体クラスから予想寸法が導き出され、物体クラスに属する物体は標準化された寸法を有する。交通標識は、このような物体の例である。このような物体の標準化された寸法により、それらを検出された物体の寸法と比較した結果は非常に正確で信頼性が高い。

図面を参照して本発明の実施例を以下でより詳細に説明する。

レーザ光の送信中のライダの第１の実施形態の例とその検出範囲の概略斜視図である。 反射されたレーザ光の受信中の図１によるライダとその検出範囲の概略斜視図である。 複数の物体を含むシーンの概略図である。 ライダによって検出された図３のシーンの画像の概略図である。

すべての図において同じ物には同じ符号が付けられている。

図１は、レーザ光として構成された光信号Ｌ１の送信中のライダとして構成された光センサアレイ１の第１の実施形態とその検出領域Ｅの斜視図を示す。図２は、レーザ光として構成された反射光信号Ｌ２の受信中の図１と同様のセンサアレイ１と検出領域Ｅの斜視図を示す。

センサアレイ１は、例えば、図示されていない車両及び／又はロボットの構成要素であり、車両及び／又はロボットの周囲でセンサアレイ１によって検出されたデータは、車両及び／又はロボットの自動運転、特に完全自動運転又は自律動作を制御するために使用される。

ライダとして構成されたセンサアレイ１は、光信号Ｌ１、詳細にはレーザパルスを送信し、これらの光信号Ｌ１は、検出領域Ｅで図３に示されている近くの物体Ｏ１～Ｏｎによって反射され、ライダによって反射光信号Ｌ２として検出される。

この場合、センサアレイ１は、詳細には示されていない複数の受信素子を含み、これらの受信素子は、検出領域Ｅの様々な立体角に結像される。詳細には、受信素子は光検出素子である。

図示の実施形態の例では、ライダとして構成されたセンサアレイ１は、その全視野又は検出領域Ｅの線Ｙを照らし、同時にいわゆるイメージャ又はダイオードフィールドに様々な立体角を結像する、いわゆるラインスキャナである。これは垂直検出領域Ｅ全体を照らし、同時に複数の個々の受信機、詳細には光検出素子によって垂直解像度を得る。次に、この線Ｙは、例えばセンサアレイ１内の送信機と受信機を回転させることによって、検出領域Ｅを通して水平方向に偏向される。

センサアレイ１の信号経路内に汚れ、特にしみ（スミアリング）又はごみがある場合、送信した光信号Ｌ１及び受信した光信号Ｌ２は汚れによって少なくとも部分的に散乱されるため、センサアレイ１内の複数の個々の受信機で検出される。このような反射されて検出された光信号Ｌ２の複数の光検出素子への散乱はクロストークとして知られている。

したがって、センサアレイ１の信号経路内の汚れを検出するために、物体Ｏ１～Ｏｎをセンサアレイ１によって検出した後、物体Ｏ１～Ｏｎをその種類に基づいて分類し、物体Ｏ１～Ｏｎを分類する際に所定の反射率を有する物体クラスに物体を割り当てる。次に、物体Ｏ１～Ｏｎまでの距離を測定し、検出された光信号Ｌ２におけるクロストークを複数の光検出素子で特定し、分類中に特定された所定の反射率、距離、クロストークの大きさに基づいて汚れの程度を特定する。

図３は、複数の物体Ｏ１～Ｏｎがあるシーンを示しており、１つの物体Ｏ１は交通標識、他の物体Ｏ２～Ｏｎは反射率の高い路面標識である。

このシーンをライダラインスキャナとして構成されたセンサアレイ１によって測定又はスキャンすると、図４に示す画像Ｂが得られる。

これは、物体Ｏ１～Ｏｎがセンサアレイ１によって実際よりも大きく検出されることを明確に示している。これはクロストークによるものであり、クロストークの程度は対応する物体Ｏ１～Ｏｎの反射率、センサアレイ１から対応する物体Ｏ１～Ｏｎまでの距離、センサアレイ１の信号経路の汚れによる光散乱によって決まる。

物体Ｏ１～Ｏｎからセンサアレイ１までの距離は、ランタイム測定によって直接ライダによって特定されるため、既知である。個々の物体Ｏ１～Ｏｎの反射率は、例えば、それらの種類による物体Ｏ１～Ｏｎの分類に基づいて、例えば交通標識として特定され、その後、デジタル道路地図からのデータを用いて精緻化される。このために、特定された反射率は、例えば、いわゆるマッピング車両及び／又はフリートデータによってデジタル地図に入力され、それによって厳密に最新かつ極めて正確に保たれる。このようにして、信号経路内の汚れは、クロストークの程度から直接導き出すことができる。また、散乱は受信した光信号Ｌ２との重なりがある場合にのみ現れるため、クロストークに基づいて、どの立体角に汚れが存在するかを特定することができる。したがって、例えば、ライダラインスキャナとして構成されたセンサアレイ１の検出領域の左側に汚れがある場合、その領域のクロストークは、光学的開口が汚れと重なっている間は非常に強くなる。重なりが少なくなるほど、影響は小さくなる。

例えば、汚れの程度は、センサアレイ１によって、又は他の車両及び／又はロボットのセンサアレイ１などの他の同様のセンサアレイ１によって得られた少なくとも１つの基準測定値に基づいて生成された、少なくとも１つのルックアップテーブルに基づいて特定される。

したがって、クロストークは、典型的なクロストーク構造についてセンサアレイ１によって検出された画像Ｂをテストすることによって特定される。例えば、ライダラインスキャナとして構成されたセンサアレイ１の場合、構造として直線構造が使用され、直線構造がぼやけている場合にクロストークがあると特定される。したがって、ぼやけの程度が増大するにつれて、より高い程度のクロストークが特定され得る。

クロストークは、代替的に又は追加的に、検出された物体Ｏ１～Ｏｎの寸法をそのような物体Ｏ１～Ｏｎの予想寸法と比較することによって特定することができ、クロストークの程度の増加は、検出された物体Ｏ１～Ｏｎの寸法の予想寸法からの正の偏差が増加することで特定される。したがって、予想寸法は、センサアレイ１によって得られた少なくとも１つの基準測定値に基づいて分類における物体Ｏ１～Ｏｎに対応する物体クラスに対して特定された寸法から特定される。代替的に又は追加的に、予想寸法は、物体Ｏ１～Ｏｎに対応する物体クラスから導き出され、交通標識などの物体クラスに属する物体Ｏ１～Ｏｎは、標準化された寸法を有する。

センサアレイ１の信号経路内の汚れを検出する前述の方法は、センサとして少なくとも１つのカメラを含むセンサアレイ１にも適用することができる。この場合、他の交通参加者及びインフラからの光及び車両又はロボットの光源からの光を使用して物体Ｏ１～Ｏｎを照らし、物体Ｏ１～Ｏｎから反射された光信号Ｌ２をカメラによって検出する。この場合に現れる効果は、フロントガラスのワイパーからの水の筋が車両のフロントガラスに残っている場合に他の車両のライトによって生成される、いわゆるライトセーバーに相当する。このような効果は、例えば画素（ピクセル）光による交通標識の照明の増加により、例えば車両のライトによって、交通標識に生じる可能性がある。結果として生じる効果を強化するために、カメラの露出時間を適宜調整することができ、詳細には長くすることができる。

１ センサアレイ
Ｂ 画像
Ｅ 検出領域
Ｌ１ 光信号
Ｌ２ 光信号
Ｏ１～Ｏｎ 物体
Ｙ 線

Claims (10)

1. 光センサアレイ（１）の信号経路内の汚れを検出する方法であって、
   前記センサアレイ（１）内の複数の光検出素子を使用して物体（Ｏ１～Ｏｎ）に反射された光信号（ＬＳ２）を検出することによって前記物体（Ｏ１～Ｏｎ）を検出することと、
   各物体（Ｏ１～Ｏｎ）をその種類によって分類し、分類する際に所定の反射率を有する物体クラスに前記物体（Ｏ１～Ｏｎ）を割り当てることと、
   前記物体（Ｏ１～Ｏｎ）までの距離を特定することと、
   検出された前記光信号（Ｌ２）における複数の光検出素子へのクロストークを特定することと、
   分類中に特定された前記所定の反射率、前記距離、及び前記クロストークの大きさに基づいて汚れの程度を特定することと
   を特徴とする方法。
2. 少なくとも１つのルックアップテーブルを用いて前記汚れの程度を特定することを特徴とする、請求項１に記載の方法。
3. 前記センサアレイ（１）によって得られた少なくとも１つの基準測定値に基づいて前記少なくとも１つのルックアップテーブルを生成することを特徴とする、請求項２に記載の方法。
4. 典型的なクロストーク構造について前記センサアレイ（１）によって検出された画像（Ｂ）をテストすることによってクロストークを特定することを特徴とする、請求項１から３のいずれか一項に記載の方法。
5. 前記構造として直線構造を使用することと、
   前記直線構造がぼやけている場合にクロストークがあると特定することと
   を特徴とする、請求項４に記載の方法。
6. ぼやけの程度が増大するにつれて、より高い程度のクロストークが特定されることを特徴とする、請求項５に記載の方法。
7. 検出された前記物体（Ｏ１～Ｏｎ）の寸法をそのような物体（Ｏ１～Ｏｎ）の予想寸法と比較し、
   検出された前記物体（Ｏ１～Ｏｎ）の寸法の前記予想寸法からの正の偏差が増加することでクロストークの程度の増加を特定する
   ようにクロストークを特定することを特徴とする、請求項１から６のいずれか一項に記載の方法。
8. 前記センサアレイ（１）によって得られた少なくとも１つの基準測定値に基づいて前記物体（Ｏ１～Ｏｎ）に対応する物体クラスに対して特定された寸法から前記予想寸法を特定することを特徴とする、請求項７に記載の方法。
9. 前記物体（Ｏ１～Ｏｎ）に対応する物体クラスから前記予想寸法が導き出され、前記物体クラスに属する物体（Ｏ１～Ｏｎ）が標準化された寸法を有することを特徴とする、請求項７又は８に記載の方法。
10. 車両及び／又はロボットにおいて自動運転、特に完全自動運転、又は自律動作を行うための請求項１から９のいずれか一項に記載の方法の使用。

Images