KR102146175B1 - 센서, 제어 장치, 운전자 보조 시스템, 및 자동차를 사용하는 간접 측정에 의해 자동차 주위에서 하나 이상의 물체의 검출을 향상시키는 방법 - Google Patents

센서, 제어 장치, 운전자 보조 시스템, 및 자동차를 사용하는 간접 측정에 의해 자동차 주위에서 하나 이상의 물체의 검출을 향상시키는 방법 Download PDF

Info

Publication number
KR102146175B1
KR102146175B1 KR1020187026830A KR20187026830A KR102146175B1 KR 102146175 B1 KR102146175 B1 KR 102146175B1 KR 1020187026830 A KR1020187026830 A KR 1020187026830A KR 20187026830 A KR20187026830 A KR 20187026830A KR 102146175 B1 KR102146175 B1 KR 102146175B1
Authority
KR
South Korea
Prior art keywords
feature
sensor
determined
ellipse
fuzzy
Prior art date
Application number
KR1020187026830A
Other languages
English (en)
Other versions
KR20180114158A (ko
Inventor
티노 밀쉐비스키
쟝-프랑소와 바리앙트
Original Assignee
발레오 샬터 운트 센소렌 게엠베아
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
Priority claimed from DE102016105022.9A external-priority patent/DE102016105022A1/de
Priority claimed from DE102016105023.7A external-priority patent/DE102016105023B4/de
Application filed by 발레오 샬터 운트 센소렌 게엠베아 filed Critical 발레오 샬터 운트 센소렌 게엠베아
Publication of KR20180114158A publication Critical patent/KR20180114158A/ko
Application granted granted Critical
Publication of KR102146175B1 publication Critical patent/KR102146175B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
    • G01S15/06—Systems determining the position data of a target
    • G01S15/46—Indirect determination of position data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/86—Combinations of sonar systems with lidar systems; Combinations of sonar systems with systems not using wave reflection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/87—Combinations of sonar systems
    • G01S15/876—Combination of several spaced transmitters or receivers of known location for determining the position of a transponder or a reflector
    • G01S15/878—Combination of several spaced transmitters or receivers of known location for determining the position of a transponder or a reflector wherein transceivers are operated, either sequentially or simultaneously, both in bi-static and in mono-static mode, e.g. cross-echo mode
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
    • G01S15/06—Systems determining the position data of a target
    • G01S15/46—Indirect determination of position data
    • G01S2015/465—Indirect determination of position data by Trilateration, i.e. two transducers determine separately the distance to a target, whereby with the knowledge of the baseline length, i.e. the distance between the transducers, the position data of the target is determined
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2015/937—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles sensor installation details
    • G01S2015/938—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles sensor installation details in the bumper area

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Traffic Control Systems (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

본 발명은 자동차(1)의 주위(4)에서 하나 이상의 물체(3)를 검출하는 방법으로서, 제 1 센서(6)는 센서 신호를 방출하도록 제어되고, 하나 이상의 물체(3)에 의해 반사되는 센서 신호를 기술하는 센서 데이터가 제 2 센서(6)에 의해 수신되며, 하나 이상의 물체(3)를 기술하기 위한 물체 특징(xP, xL, xU)으로서 퍼지 특징(xU)이 상기 센서 데이터로부터 결정되고, 상기 퍼지 특징(xU)은 하나 이상의 물체(3)와 제 1 센서(6) 사이의 거리 및 하나 이상의 물체와 제 2 센서(6) 사이의 거리를 기술하며, 상기 퍼지 특징(xU)은 타원(xE)으로서 기술되고, 하나 이상의 물체(3)를 기술하는 추가 물체 특징(xP, xL)은 제 1 및/또는 제 2 센서(6)에 의한 하나 이상의 추가 측정으로부터의 센서 데이터에 기초하여 결정되며, 추가 물체 특징(xP, xL) 및 퍼지 특징(xU)은 혁신 함수(h)를 사용하여 공통 상태 공간으로 변환되고, 상기 혁신 함수(h)는 퍼지 특징(xU)과 추가 물체 특징(xP, xL) 사이의 유사성을 기술하며, 병합된 물체 특징은 혁신 함수(h)에 기초하여 추가 물체 특징(xP, xL)으로부터 결정되는 방법에 관한 것이다.

Description

센서, 제어 장치, 운전자 보조 시스템, 및 자동차를 사용하는 간접 측정에 의해 자동차 주위에서 하나 이상의 물체의 검출을 향상시키는 방법
본 발명은 자동차의 주위에서 하나 이상의 물체를 검출하기 위한 방법에 관한 것이며, 제 1 센서는 센서 신호를 방출하도록 작동되고, 하나 이상의 물체로부터 반사되는 센서 신호를 기술하는 센서 데이터가 제 2 센서로부터 수신되며, 하나 이상의 물체를 기술하기 위한 물체 특징으로서 퍼지 특징(fuzzy feature)이 상기 센서 데이터로부터 결정되고, 상기 퍼지 특징은 하나 이상의 물체와 제 1 센서 사이의 거리 및 하나 이상의 물체와 제 2 센서 사이의 거리를 기술한다. 더욱이, 본 발명은 자동차용 제어기 및 운전자 보조 시스템에 관한 것이다. 마지막으로, 본 발명은 자동차에 관한 것이다.
자동차 주위에서 물체를 검출할 수 있는 다양한 방법이 종래 기술에 공지되어 있다. 예를 들어, 물체는 대응 센서, 예를 들어 초음파 센서, 레이더 센서, 레이저 센서 또는 카메라의 도움으로 인지될 수 있다. 또한, 센서의 센서 신호에 기초하여 자동차와 물체 사이의 거리 및/또는 자동차와 물체 사이의 상대 위치를 결정하는 것은 공지되어 있다.
특히 초음파 센서와 관련하여, 간접 측정의 도움으로 물체가 결정될 수 있는 것이 알려져 있다. 이를 위해서, 제 1 초음파 센서가 초음파 신호를 방출한다. 이 초음파 신호는 물체로부터 반사되고 제 2 초음파 센서에 의해 수신된다. 제 1 센서 및 제 2 센서까지의 물체의 거리는 제 1 센서에 의한 초음파 신호의 방출과 제 2 센서에 의한 물체로부터 반사된 초음파 신호의 수신 사이의 런타임에 기초하여 결정될 수 있다. 예를 들어, 간략화를 위해, 물체는 원에 위치하는 것으로 가정될 수 있으며, 원의 중심점은 두 개의 센서 사이 또는 두 개의 센서의 위치 사이의 중간에 배치된다. 그러나, 물체에 대한 각도 정보 항목은 이러한 간접 측정으로부터 유도될 수 없다.
또한, 물체를 보다 신뢰성있게 검출할 수 있도록 다수의 또는 다양한 센서의 결과를 융합하는 것이 종래 기술에 공지되어 있다. 이를 위해서, 예를 들어, 물체를 기술하는 물체 특징이 각각의 경우에 각각의 센서에 의해 제공되는 센서 데이터로부터 결정되는 것이 제공될 수 있다. 이러한 물체 특징은, 예를 들어, 물체 또는 그 일부를 기술하는 점 특징 또는 선 특징일 수 있다. 물체 특징에 대해서 공간적 불확실성 또는 불명확성 또한 결정될 수 있다. 물체 특징은 또한 자동차의 주위를 기술하는 디지털 주위 맵에 입력될 수 있다. 물체 특징은 다양한 센서의 측정을 융합하기 위해 병합될 수 있다.
본 발명의 목적은 자동차의 센서에 의한 간접 측정의 경우에 자동차 주위에서의 물체 검출이 어떻게 개선될 수 있는지에 대한 해결책을 개시하는 것이다.
본 발명에 따르면 상기 목적은 각각의 독립항에 따른 특징을 갖는 방법, 제어기, 운전자 보조 시스템 및 자동차에 의해 달성된다. 본 발명의 유리한 개선사항은 종속항의 요지이다.
자동차의 주위에서 하나 이상의 물체를 검출하는 방법의 일 실시예에서, 바람직하게 제 1 센서는 센서 신호를 방출하도록 작동된다. 또한, 하나 이상의 물체로부터 반사되는 센서 신호를 기술하는 센서 데이터가 특히 제 2 센서로부터 수신된다. 또한, 하나 이상의 물체를 기술하기 위한 물체 특징으로서 퍼지 특징이 상기 센서 데이터로부터 결정되는 것이 바람직하게 제공되며, 상기 퍼지 특징은 하나 이상의 물체와 제 1 센서 사이의 거리 및 하나 이상의 물체와 제 2 센서 사이의 거리를 기술한다. 특히, 퍼지 특징은 타원으로서 기술된다. 더욱이, 특히 제 1 및/또는 제 2 센서의 하나 이상의 추가 측정의 센서 데이터에 기초하여, 하나 이상의 물체를 기술하는 추가 물체 특징이 결정된다. 추가 물체 특징 및 퍼지 특징은 특히 혁신 함수를 사용하여 공통 상태 공간으로 변환되며, 여기에서 혁신 함수는 퍼지 특징과 추가 물체 특징 사이의 유사성을 기술한다. 또한, 병합된 물체 특징은 바람직하게 혁신 함수에 기초하여 추가 물체 특징으로부터 결정된다.
본 발명에 따른 방법은 자동차의 주위에서 하나 이상의 물체를 검출하는 역할을 한다. 이 방법에서, 제 1 센서는 센서 신호를 방출하도록 작동된다. 또한, 하나 이상의 물체로부터 반사되는 센서 신호를 기술하는 센서 데이터가 제 2 센서로부터 수신된다. 하나 이상의 물체를 기술하기 위한 물체 특징으로서 퍼지 특징이 상기 센서 데이터로부터 결정되며, 상기 퍼지 특징은 하나 이상의 물체와 제 1 센서 사이의 거리 및 하나 이상의 물체와 제 2 센서 사이의 거리를 기술한다. 이 경우에, 퍼지 특징은 타원으로서 기술된다. 더욱이, 제 1 및/또는 제 2 센서의 하나 이상의 추가 측정의 센서 데이터에 기초하여, 하나 이상의 물체를 기술하는 추가 물체 특징이 결정된다. 추가 물체 특징 및 퍼지 특징은 혁신 함수를 사용하여 공통 상태 공간으로 변환되며, 여기에서 혁신 함수는 퍼지 특징과 추가 물체 특징 사이의 유사성을 기술한다. 마지막으로, 병합된 물체 특징은 혁신 함수에 기초하여 추가 물체 특징으로부터 결정된다.
자동차의 주위에 있는 하나 이상의 물체는 상기 방법의 도움으로 검출 및/또는 인지되게 된다. 상기 방법은 예를 들어 자동차의 제어기 또는 전자 제어 유닛을 사용하여 실행될 수 있다. 제어기를 사용하여, 자동차의 제 1 센서는 이 제 1 센서가 작동의 결과로서 센서 신호를 방출하도록 작동될 수 있다. 이 방출된 센서 신호는 이후 하나 이상의 물체에 입사되고 그로부터 반사된다. 반사된 센서 신호 또는 센서 신호의 에코(echo)는 이후 제 2 센서에 의해 수신된다. 제 1 및 제 2 센서는 초음파 센서일 수 있다. 제 2 센서가 반사된 초음파 신호를 수신했을 때, 제 2 센서는 제어기에 송신되는 센서 데이터를 제공한다. 이들 센서 데이터는 예를 들어, 반사된 센서 신호를 기술하는 다수의 센서 값 및/또는 측정된 값을 포함할 수 있다. 제 1 센서에 의한 센서 신호의 방출과 제 2 센서에 의한 반사된 센서 신호의 수신 사이의 런타임에 기초하여 제어기의 도움으로 런타임이 결정될 수 있다. 물체가 제 1 센서 및 제 2 센서에서 얼마나 떨어져 있는지는 이 런타임에 기초하여 확인할 수 있다. 또한, 물체를 기술하는 역할을 하는 퍼지 특징 또는 퍼지 물체 특징이 제어기의 도움으로 결정되는 것이 제공된다.
이러한 퍼지 특징은 물체를 기술하기 위한 물체 특징을 나타낸다. 퍼지 특징은, 예를 들어, 센서 신호의 런타임 또는 센서 데이터에 기초하여 물체에 대한 거리 정보의 항목만 유도될 수 있다는 결과를 초래한다. 퍼지 특징은 제 1 센서와 물체 사이의 거리 및 제 2 센서와 물체 사이의 거리를 기술한다. 물체에 대한 각도 정보의 항목은 센서 데이터로부터 유도될 수 없다. 따라서 센서와 물체 사이의 상대 위치는 정확하게 결정될 수 없다. 퍼지 특징은 예를 들어 자동차의 주위를 기술하는 디지털 주위 맵에 입력될 수 있다. 이 경우에, 퍼지 특징은 또한 공간적 불확실성 또는 불명확성을 갖고 주위 맵에 입력될 수 있다. 추가 물체 특징도 이 주위 맵에 입력될 수 있다. 이들 물체 특징은 예를 들어 자동차의 다른 센서에 의한 측정으로부터 결정될 수 있다. 추가 물체 특징은 제 1 및/또는 제 2 센서에 의해 이미 결정되었다는 것도 제공될 수 있다.
본 발명에 따르면 퍼지 특징이 타원으로서 기술되는 것이 제공된다. 또한, 하나 이상의 물체를 기술하는 추가 물체 특징은 제 1 및/또는 제 2 센서의 하나 이상의 추가 측정의 센서 데이터에 기초하여 결정되며, 퍼지 특징은 물체 특징과 병합된다. 이러한 물체 특징은 예를 들어 공간 내의 물체 또는 그 일부의 위치를 기술하는 점 또는 점 특징일 수 있다. 물체 특징은 또한 물체 또는 그 일부의 경계를 기술하는 선 또는 선 특징일 수 있다. 이러한 물체 특징은 주위 내의 물체를 보다 자세히 특징지을 수 있도록 퍼지 특징 또는 타원과 병합되어야 한다. 또한, 추가 물체 특징 및 퍼지 특징은 혁신 함수를 사용하여 공통 상태 공간으로 변환되며, 여기에서 혁신 함수는 물체 특징과 퍼지 특징 사이의 유사성을 기술하며, 병합된 물체 특징은 혁신 함수에 기초하여 물체 특징으로부터 결정된다. 추가 물체 특징 및 퍼지 특징은 공통 상태 공간으로 변환 및/또는 변형될 수 있다. 이 상태 공간은 예를 들어 추가 물체 특징 및 퍼지 특징에 대한 공통 좌표계를 나타낼 수 있다. 특히, 상태 공간은 주위 맵과 다를 수 있다. 상태 공간에는 추가 물체 특징의 상태 및 퍼지 특징의 상태가 기술될 수 있다. 추가 물체 특징과 퍼지 특징 사이의 유사성을 결정하기 위한 유사 정도를 나타낼 수 있는 혁신 함수 또한 이 상태 공간에서 결정된다. 특히, 혁신 함수는 추가 물체 특징의 상태가 퍼지 특징의 상태와 얼마나 유사한지를 기술할 수 있다. 혁신 함수의 도움으로, 추가 물체 특징 및 퍼지 특징의 각각의 상태는 유사성의 결정을 위한 관심 대상이기도 한 상태 및/또는 치수만 고려되도록 표시될 수 있다. 예를 들어, 혁신 함수는 추가 물체 특징과 퍼지 특징 사이의 거리 또는 추가 물체 특징 및 퍼지 특징의 배향에 대한 차이를 기술할 수 있다. 퍼지 특징이 추가 물체 특징과 연관될 수 있는지는 먼저 혁신 함수에 기초하여 결정될 수 있다. 연관이 발생하면, 혁신 함수는 또한 추가 물체 특징으로부터 병합된 물체 특징을 유도하기 위해 사용될 수 있다. 따라서, 물체는 한편으로 제 1 및/또는 제 2 센서에 의해 수행되는 하나 이상의 직접 측정에 의해 검출될 수 있고, 다른 한편으로 제 1 및 제 2 센서에 의해 수행되는 간접 측정에 의해 검출될 수 있다. 예를 들어, 물체는 먼저 다수의 직접 및/또는 간접 측정에 기초하여 결정될 수 있으며 디지털 주위 맵에 입력될 수 있다. 이러한 물체는 이후 간접 측정과 융합되어 개선될 수 있다. 측정 결과는 혁신 함수에 의해 통합될 수 있으며 따라서 물체의 인지가 향상될 수 있다.
타원의 초점은 바람직하게 제 1 센서 및 제 2 센서의 위치에 기초하여 결정되고, 타원의 반-장축(semi-major axis)의 길이는 센서 신호의 런타임에 기초하여 결정되며, 타원의 반-단축(semi-minor axis)의 길이는 초점 및 반-장축의 길이에 기초하여 결정된다. 제 1 센서 및 제 2 센서의 위치 또는 설치 위치는 알려져 있다. 이것들은 예를 들어 제어기의 메모리에 저장할 수 있다. 타원은 제 1 센서 및 제 2 센서의 각각의 위치가 타원의 두 개의 초점과 연관되도록 결정된다. 또한, 타원의 반-장축의 길이는 센서 신호의 런타임에 기초하여 결정된다. 이 목적을 위해 센서 신호를 반사시키는 물체가 타원 상에 위치하는 것으로 가정된다. 센서 신호의 런타임은 제 1 초점으로부터 물체를 기술하는 타원 상의 지점까지의 경로, 플러스 이 지점에서 제 2 초점까지의 경로를 기술한다. 런타임과 연관될 수 있는 루트는 따라서 타원의 반-장축의 두 배 또는 장축의 길이에 대응한다. 반-단축의 길이는 초점의 위치와 반-장축의 길이로부터 유도될 수 있다. 따라서 타원은 센서 신호로부터 결정되는 런타임 및 센서의 공지된 위치에 기초하여 간단하게 확인될 수 있다. 퍼지 특징은 센서를 사용하는 간접 측정의 경우에 원으로서가 아니라 타원으로서 기술되기 때문에, 물체의 위치에 대한 정보의 더 정확한 항목이 제공될 수 있다. 이 전체는 하나 이상의 물체의 보다 정확하고 보다 신뢰성있는 검출을 가능하게 한다.
타원의 이심률(eccentricity)은 바람직하게 초점 거리에 기초하여 결정되며 반-단축의 길이는 반-장축의 길이 및 이심률로부터 결정된다. 두 개의 센서의 각각의 위치 또는 설치 위치가 알려져 있기 때문에, 제 1 센서와 제 2 센서 사이의 거리도 결정될 수 있다. 이 거리의 절반은 타원의 이심률로 지칭될 수도 있다. 타원의 반-단축의 길이는 이 이심률과 타원의 반-장축의 길이로부터 결정될 수 있다. 타원의 반-단축의 길이는 반-장축 길이 2승의 제곱근 마이너스 이심률 2승으로부터 초래된다. 퍼지 특징을 기술하는 타원의 반-단축의 길이는 따라서 짧은 계산 시간 내에 간단하게 결정될 수 있다.
추가 실시예에서는, 추가 물체 특징이 결정되어 자동차의 주위를 기술하는 디지털 주위 맵에 입력되며, 이후 퍼지 특징이 결정되어 디지털 주위 맵에 입력된다. 이것은 물체 특징이 이미 주위 맵에 입력된 경우일 수 있다. 그 후에, 퍼지 특징이 결정될 수 있다. 먼저 물체 특징과 퍼지 특징이 주위의 동일한 물체를 기술하는지가 체크될 수 있다. 따라서, 퍼지 특징과 물체 특징이 서로 융합될 수 있는지가 체크될 수 있다. 이 경우에, 먼저 퍼지 특징을 추가 물체 특징과 융합 또는 병합하는 것이 합리적인지를 체크하기 위해 사용되는 연관이 발생할 수 있다. 이 병합 중에, 병합되거나 업데이트된 물체 특징이 물체 특징에서 비롯되어 결정될 수 있다. 이 병합된 물체 특징은 퍼지 물체 특징에 기초하여 결정된다. 따라서 물체는 보다 신뢰성있게 검출될 수 있다.
일 실시예에서는, 추가 물체 특징으로부터 병합된 물체 특징을 결정하기 위해 혁신 함수 및 혁신 함수에 대한 증폭률을 포함하는 선형 매핑 룰이 결정되며, 여기에서 증폭률은 추가 물체 특징의 공간적 불확실성 및 퍼지 특징의 공간적 불확실성에 종속된다. 병합된 물체 특징을 결정하기 위해, 선형 매핑 룰이 확인된다. 이 매핑 룰은 필터로 지칭될 수도 있다. 원칙적으로, 매핑 룰은 칼만(Kalman) 필터처럼 정의될 수 있다. 매핑 룰은 혁신 함수 및 혁신 함수에 곱해지는 증폭률을 포함할 수 있다. 이 증폭률은 칼만 증폭으로 지칭될 수도 있다. 증폭률은 추가 물체 특징 및 퍼지 특징의 각각의 공간적 불확실성의 함수로서 결정될 수 있다. 공간적 불확실성은 각각의 상태 또는 특징의 공분산 또는 공분산 행렬의 도움으로 결정될 수 있다. 병합된 물체 특징은 따라서 공간적 불확실성을 고려하여 결정될 수 있다.
또한, 병합된 물체 특징의 공간적 불확실성이 최소이도록 증폭률이 결정되면 유리하다. 병합된 물체 특징을 가능한 한 신뢰성있게 결정할 수 있으려면, 증폭률은 병합된 물체 특징의 공간적 불확실성이 가능한 한 작도록 결정될 수 있다. 따라서 증폭률은 병합된 물체 특징의 공분산 행렬이 최소이도록 결정될 수 있다. 공분산 행렬은 예를 들어 공분산 행렬의 고유값이 최소화된다는 점에서 최소화될 수 있다. 이 경우에, 공분산 행렬은 임의의 단일성 벡터를 사용하여 변형될 수 있으며, 이후 이 스칼라 사영이 최소화될 수 있다. 따라서 증폭률이 신뢰성있게 결정될 수 있다.
혁신 함수에 기초하여 한계가 결정되고 혁신 함수가 한계를 초과하면 퍼지 특징은 병합된 물체 특징의 결정에 있어서 고려되지 않는 것도 제공될 수 있다. 혁신 함수는 퍼지 특징과 물체 특징이 병합되어야 할지를 결정하기 위해 사용될 수 있다. 특히, 혁신 함수의 기대값 및/또는 혁신 함수의 공분산이 결정될 수 있다. 마할라노비스(Mahalanobis) 거리로 지칭되기도 하는 한계가 그로부터 유도될 수 있다. 혁신의 마할라노비스 거리가 이 한계 미만이면, 병합된 물체 특징이 결정될 수 있다. 혁신은 이 경우에 혁신 함수의 출력을 기술한다. 혁신이 이 한계보다 큰 경우에, 퍼지 특징은 고려될 수 없다.
추가 물체 특징으로서 점 특징 또는 선 특징이 바람직하게 결정된다. 이러한 점 특징은 예를 들어 물체가 다수의 시간순으로 연속적인 시점에서 또는 다수의 시간순으로 연속적인 측정에서 제 1 센서 및/또는 제 2 센서에 의해 검출되기 때문에 결정될 수 있다. 물체에 대한 제 1 및/또는 제 2 센서 사이의 상대 위치는 예를 들어 삼각 측량의 도움으로 결정될 수 있다. 추가 물체 특징은 물체 또는 그 일부의 경계를 기술하는 선 또는 선 특징일 수도 있다. 이러한 선 특징은 예를 들어 자동차가 물체를 지나서 이동하고 그에 따라 측정이 지속적으로 이루어질 때 얻어진다. 물체까지의 거리를 기술하는 각각의 측정된 값 또는 센서 데이터는 이후 선 특징을 형성하도록 조합될 수 있다. 복수의 측정값이 결정되고 선 특징을 얻기 위해 측정값을 통해서 선이 놓이는 것도 제공될 수 있다.
또한, 혁신 함수를 결정하기 위해 퍼지 특징과 점 특징 사이의 거리 또는 퍼지 특징과 선 특징 사이의 거리를 기술하는 측정 모델이 결정되면 유리하다. 측정 모델은 특히 측정 공간을 매핑할 수 있다. 추가 물체 특징이 점 특징이면, 측정 모델을 결정하기 위해 특히 생성된 타원은 점 특징이 생성된 타원 상에 놓이도록 결정된다. 따라서 측정 모델을 결정하기 위해 측정 타원으로 지칭될 수도 있는 생성된 타원이 결정된다. 이 생성된 타원은 퍼지 특징 및/또는 측정을 기술하는 타원에 기초하여 결정된다. 이 경우에, 생성된 타원 및 타원은 바람직하게 동일한 초점을 갖는다. 이 생성된 타원은 점 특징이 생성된 타원 상에 놓이도록 결정된다. 따라서 이 타원을 사용하여 점 특징이 물체로서 측정되면 퍼지 특징이 어떻게 타원 형태로 나타나야 하는지가 체크된다. 타원과 생성된 타원이 동일한 초점을 갖기 때문에, 혁신은 반-장축의 길이 사이의 차이를 기술한다. 측정 모델은 제 1 센서의 위치로부터 점 특징을 거쳐서 제 2 센서의 위치까지의 경로의 절반을 기술한다. 이 경로의 절반은 반-장축에 해당한다. 이는 물체 특징이 점 특징인 경우에 측정 모델의 간단한 결정을 가능하게 한다.
추가 물체 특징이 선 특징이라면, 특히 생성된 타원은 선 특징이 생성된 타원에 대해 접선 방향으로 연장되도록 측정 모델을 결정하기 위해 결정된다. 원칙적으로, 생성된 타원은 선 특징과 교차하도록 측정 모델을 결정하기 위해 결정될 수 있다. 그러나, 그로부터 두 개의 교차점이 초래되므로 고유한 해결책이 결정될 수 없다. 따라서, 생성된 타원은 선 특징과 단일의 교차점만 갖도록 결정된다. 이것은 선 특징이 생성된 타원에 대해 접선 방향으로 연장되는 경우이다. 측정 모델은 따라서 물체 특징이 선 특징인 경우에 간단한 방식으로 결정될 수도 있다.
혁신 함수의 출력을 기술하는 혁신은 타원의 반-장축의 길이와 측정 모델 사이의 차이에 기초하여 결정되는 것이 바람직하다. 이미 설명했듯이, 측정 모델은 생성된 타원의 반-장축의 길이를 기술한다. 이것은 퍼지 특징으로서 결정된 타원의 반-장축의 길이와 비교될 수 있다. 따라서 퍼지 특징 또는 측정 타원으로서의 타원이 생성된 타원과 어떻게 다른지가 결정될 수 있다. 따라서 퍼지 특징 또는 타원과 물체 특징, 점 특징 또는 선 특징 사이의 유사성은 간단한 방식으로 결정될 수 있다.
자동차의 운전자 보조 시스템을 위한 본 발명에 따른 제어기는 본 발명에 따른 방법을 수행하도록 설계된다. 제어기는 컴퓨터, 마이크로프로세서, 디지털 신호 처리기 등을 포함할 수 있다. 제어기는 자동차의 전자 제어 유닛에 의해 형성되는 것이 바람직하다.
자동차를 위한 본 발명에 따른 운전자 보조 시스템은 본 발명에 따른 제어기를 포함하고 제 1 센서 및 제 2 센서도 포함하며, 이들 센서는 특히 초음파 센서이다. 제어기는 데이터 전송을 위해 제 1 및 제 2 센서에 연결된다. 제 1 센서는 이 경우에 센서 신호를 방출하기 위한 송신기로서 작용한다. 제 2 센서는 하나 이상의 물체로부터 반사된 센서 신호를 수신하기 위한 수신기로서 작용한다. 운전자 보조 시스템이 초음파 센서, 카메라, 레이더 센서, 라이더(lidar) 센서, 레이저 스캐너 등일 수 있는 추가 센서를 갖는 것도 제공될 수 있다.
추가 실시예는 자동차의 주위에서 하나 이상의 물체를 검출하는 방법에 관한 것이다. 이 경우에, 제 1 센서는 센서 신호를 방출하도록 작동되는 것이 바람직하다. 또한, 특히 하나 이상의 물체로부터 반사된 센서 신호를 기술하는 센서 데이터는 제 2 센서에 의해 수신된다. 또한, 하나 이상의 물체를 기술하기 위한 물체 특징으로서 퍼지 특징이 센서 데이터로부터 결정되는 것이 바람직하게 제공되며, 여기에서 퍼지 특징은 하나 이상의 물체와 제 1 센서의 위치 및/또는 제 2 센서의 위치 사이의 거리를 기술한다. 특히, 퍼지 특징은 타원으로서 기술되며, 여기에서 타원의 초점은 제 1 센서 및 제 2 센서의 위치에 기초하여 결정된다. 또한, 타원의 장축은 센서 신호의 런타임에 기초하여 결정되는 것이 바람직하고, 타원의 반-단축의 길이는 특히 반-장축의 초점과 길이에 기초하여 결정된다.
본 발명에 따른 자동차는 본 발명에 따른 운전자 보조 시스템을 포함한다. 자동차는 특히 승용차로서 설계된다.
본 발명에 따른 방법 및 그 장점을 참조하여 제시된 바람직한 실시예는 따라서 본 발명에 따른 제어기, 본 발명에 따른 운전자 보조 시스템, 및 본 발명에 따른 자동차에 적용된다.
본 발명의 추가 특징은 청구범위, 도면 및 도면의 설명으로부터 비롯된다. 명세서에서 전술한 특징 및 여러 특징의 조합과, 또한 도면의 설명에서 후술되거나 및/또는 도면에만 도시되는 특징 및 여러 특징의 조합은 본 발명의 범위 내에서 각각 특정한 조합으로 뿐만 아니라 다른 조합으로 또는 단독으로 사용될 수 있다. 따라서, 도면에 명시적으로 도시되고 설명되지 않지만 설명된 실시예로부터의 특징들의 개별 조합에 의해 생성될 수 있고 비롯되는 본 발명의 실시예들 또한 포함되고 개시되는 것으로 간주되어야 한다. 따라서 최초에 수립된 독립항의 모든 특징을 갖지 않는 실시예 및 특징들의 조합도 개시되는 것으로 간주되어야 한다. 또한, 특히 전술한 실시예에 의하면 청구범위를 참조하여 제시되는 특징들의 조합을 벗어나거나 이탈하는 특징들의 실시예 및 조합이 개시되는 것으로 간주되어야 한다.
본 발명은 이제 바람직한 예시적 실시예에 기초하여 또한 첨부 도면을 참조하여 보다 상세히 설명될 것이다.
도 1은 물체를 검출하기 위한 복수의 센서를 갖는 운전자 보조 시스템을 포함하는, 본 발명의 일 실시예에 따른 자동차의 도시도이다.
도 2는 센서의 직접 측정의 경우에 물체의 위치를 기술하기 위해 사용되는 원의 도시도이다.
도 3은 센서의 간접 측정의 경우에 물체의 위치를 기술하기 위해 사용되는 타원의 도시도이다.
도 4는 추가 실시예에서의 도 3의 타원을 도시한다.
도 5는 병합되어야 하는 타원 및 점 특징의 개략도이다.
도 6은 병합되어야 하는 타원 및 선 특징의 개략도이다.
여러 도면에서, 동일하고 기능적으로 동일한 요소에는 동일한 참조 부호가 제공된다.
도 1은 본 발명의 일 실시예에 따른 자동차(1)의 평면도이다. 이 경우에 자동차(1)는 승용차로서 설계된다. 자동차(1)는 운전자 보조 시스템(2)을 포함하며, 이를 사용하여 자동차(1) 주위(4)에서의 하나 이상의 물체(3)가 검출될 수 있다.
운전자 보조 시스템(2)은, 예를 들어 자동차(1)의 전자 제어 유닛(ECU)에 의해 형성될 수 있는 제어기(5)를 포함한다. 또한, 운전자 보조 시스템(2)은 복수의 센서(6, 7)를 포함한다. 센서(6, 7)는 예를 들어 초음파 센서, 카메라, 레이더 센서, 라이더 센서, 레이저 스캐너 등일 수 있다. 본 예시적 실시예에서, 운전자 보조 시스템(2)은 12개의 초음파 센서(6)를 포함하며, 그 중 여섯 개는 자동차(1)의 전방 영역(8)에 배치되고 그 중 여섯 개는 자동차(1)의 후방 영역(9)에 배치된다. 초음파 센서(6)는 예를 들어 자동차(1)의 범퍼에 배치될 수 있다. 각각의 초음파 센서(6)에 의해 초음파 신호가 방출될 수 있고, 물체(3)로부터 반사된 초음파 신호가 수신될 수 있다. 초음파 센서(6) 중 하나가 초음파 신호를 방출하고 물체(3)로부터 반사된 초음파 신호를 인접한 초음파 센서(6)가 수신하는 간접 측정이 실시될 수도 있다.
또한, 운전자 보조 시스템(2)은 카메라(7)를 포함하며, 이 카메라(7)에 의해 물체(3)가 검출될 수 있다. 카메라(7)의 이미지를 분석할 수 있는 분석 유닛이 카메라(7)의 하류에 연결될 수 있다. 물체(3)는 예를 들어 대응하는 물체 인지 알고리즘을 사용하여 인지될 수 있다. 초음파 센서(6) 및 카메라(7)는 각각 데이터 전송을 위해 제어기(5)에 연결된다. 대응하는 데이터 라인은 본 경우에 이해를 위해 도시되지 않았다. 측정은 센서(6, 7) 각각에 의해 수행될 수 있으며, 이 측정에서 센서 데이터가 생성된다. 이들 센서 데이터는 이후 각각의 센서(6, 7)에 의해 제어기(5)에 송신될 수 있다.
제어기(5)는 센서(6, 7) 중 하나로부터 수신한 센서 데이터에 기초하여, 물체(3)를 기술하는 물체 특징(xP, xL, xU)을 결정할 수 있다. 센서(6, 7)가 물체 특징 자체를 결정하고 이후 이들 물체 특징을 제어기(5)에 전송하는 것도 제공될 수 있다. 물체 특징(xP, xL, xU)의 결정은 소위 특징 추출 레벨에서 이루어질 수 있다. 이를 위해, 유사한 센서의 센서 데이터의 측정값이 조합되거나 병합될 수 있다. 물체 특징(xP, xL, xU)은 예를 들어 자동차(1)의 주위(4)를 기술하는 디지털 주위 맵에 입력될 수 있다. 다양한 센서로부터 비롯되는 추출된 물체 특징(xP, xL, xU)은 먼저 주위 맵 또는 특징 추출 레벨에서 융합될 수 있다. 물체 특징(xP, xL, xU)은 점 특징(xP), 선 특징(xL) 또는 퍼지 특징(xU)일 수 있다.
이들 물체 특징(xP, xL, xU)은 주위 맵에서 업데이트될 수 있다. 이를 위해, 새로운 물체 특징(xP, xL, xU)이 결정될 수 있다. 물체 특징(xP, xL, xU)이 주위 맵에 이미 존재하고 새로운 물체 특징(xP, xL, xU)이 결정되면, 새로운 물체 특징(xP, xL, xU)이 주위 맵에 존재하는 물체 특징(xP, xL, xU)과 연관될 수 있는지가 먼저 체크될 수 있다. 물체 특징(xP, xL, xU)이 서로 연관되면, 물체 특징(xP, xL, xU)은 병합될 수 있다. 연관이 전혀 일어나지 않으면, 새로운 물체 특징(xP, xL, xU)이 주위 맵에 수용될 수 있다.
물체 특징(xP, xL, xU)은 초음파 센서(6)의 센서 데이터로부터 결정될 수 있다. 물체(3)까지의 거리는 초음파 센서(6)의 센서 데이터에 기초하여 결정될 수 있다. 이를 위해, 초음파 센서(6)는 초음파 신호를 방출하고, 물체(3)로부터 반사된 초음파 신호를 수신한다. 거리는 이후 초음파 신호의 방출과 물체(3)로부터 반사된 초음파 신호의 수신 사이의 런타임에 기초하여 결정될 수 있다. 운전자 보조 시스템(2)이 도 1의 예에 도시된 바와 같이 다수의 초음파 센서(6)를 가지면, 초음파 센서(6)를 사용하여 직접 측정 및 간접 측정이 수행될 수 있다.
초음파 센서(6)의 직접 측정이 도 2에 개략적으로 도시되어 있다. 직접 측정의 경우에, 초음파 센서(6)는 초음파 신호 또는 센서 신호를 방출하고, 또한 물체(3)로부터 반사된 초음파 신호 또는 초음파 신호의 에코를 수신한다. 이후 물체(3)가 초음파 센서(6) 주위의 원(xK) 또는 반원 상에 놓여 있음이 초음파 신호의 런타임으로부터 결정될 수 있다. 원(xK)의 반경은 초음파 신호의 런타임의 절반에서 비롯된다. 화살표 10은 이 경우에 센서 신호 또는 초음파 신호의 신호 경로를 나타낸다.
초음파 센서(6)의 간접 측정이 도 3에 개략적으로 도시되어 있다. 이 경우에, 제 1 초음파 센서(6)는 송신기로서 작동된다. 이 초음파 센서(6)는 위치(xs1)에 위치하고 초음파 신호를 방출한다. 위치(xs2)에 위치하는 제 2 또는 인접한 초음파 센서(6)는 수신기로서 작동되며, 제 1 초음파 센서(6)에 의해 방출되고 물체(3)로부터 반사된 초음파 신호를 수신한다. 이 경우에, 물체(3)는 타원(xE) 또는 반-타원 상에 놓이며, 여기에서 초음파 센서(6)의 위치(xs1, xs2)는 타원(xE)의 각각의 초점(xF1, xF2)과 연관된다.
이미 설명했듯이, 점 특징(xP) 또는 선 특징(xL)은 초음파 센서(6)에 의해 다중 측정에서 생성된 센서 데이터의 조합에 의해 물체 특징(xP, xL, xU)으로서 결정될 수 있다. 그러나, 일부 경우에는, 명시적인 공간 위치를 갖는 물체 특징(xP, xL, xU)을 결정할 수 없다. 이것은 예를 들어 충분한 센서 데이터를 이용할 수 없는 경우이다. 이 경우에, 퍼지 특징(xU)이 물체 특징(xP, xL, xU)으로서 제공된다. 직접 측정의 경우에, 이것은 센서 위치로부터 측정된 거리를 갖는 지점이 센서 축 상에 위치하는 것으로 기술된다. 간접 측정의 경우에, 타원은 그 중심점(xC)이 두 개의 센서 위치(xs1, xs2)의 평균 값인 원에 의해 근사된다. 이 중심점(xC)은 가상 센서 위치로 지칭되기도 한다. 원의 반경은 타원의 반-단축(b)의 길이에 해당한다. 이것은 다음과 같이 기술할 수 있다:
Figure 112018092111816-pct00001
유사한 방식으로, 퍼지 특징(xU)은 계산된 반경을 사용하여 가상 센서의 축 상에 생성된다. 센서 데이터에 기초하여 점 특징(xP) 또는 선 특징(xL)을 결정할 수 없어도, 점 특징(xP) 또는 선 특징(xL)이 퍼지 특징(xU)과 병합되는 것이 제공될 수 있다.
점 특징(xP), 선 특징(xL) 및 퍼지 특징(xU)은 기대값
Figure 112018092111816-pct00002
및 공분산 행렬
Figure 112018092111816-pct00003
을 갖는 가우스 확률 변수로서 기술된다. 따라서, 점 특징
Figure 112018092111816-pct00004
은 공간 내의 그 2차원 좌표로 표현된다. 선 특징
Figure 112018092111816-pct00005
은 2차원 공간 내의 기준점 또는 피벗 점과 선의 각도(
Figure 112018092111816-pct00006
)에 의해 기술된다. 이 경우에, 선의 길이는 확률적으로 모델링되지 않는다. 마지막으로, 퍼지 특징(xU)은 스칼라 확률 변수
Figure 112018092111816-pct00007
에 의해 기술되며, 여기에서
Figure 112018092111816-pct00008
는 실제 또는 가상 센서 위치
Figure 112018092111816-pct00009
로부터의 그 유클리드 거리이다.
물체 특징(xP, xL, xU)을 병합하기 위해, 일반적인, 선형 추정량 형태의 매핑 함수가 사용된다:
Figure 112018092111816-pct00010
.
이 경우에,
Figure 112018092111816-pct00011
및
Figure 112018092111816-pct00012
는 전술한 물체 특징(xP, xL, xU), 즉 점 특징(xP), 선 특징(xL) 또는 퍼지 특징(xU)으로 대체될 수 있다. 이를 위해서, 특히 점 특징(xP)과 퍼지 특징(xU)의 병합 또는 선 특징(xL)과 퍼지 특징(xU)의 병합이 후술된다. 이미 존재하는 물체 특징(xP, xL, xU)에 대한 정보의 추가 항목을 얻기 위해 두 개의 물체 특징(xP, xL, xU)이 매핑 룰에 의해 조합된다. 매핑 룰의 도움으로, 병합된 물체 특징 또는 병합된 상태(
Figure 112018092111816-pct00013
)가 제 1 상태(
Figure 112018092111816-pct00014
) 또는 제 1 물체 특징(xP, xL, xU)으로부터 결정될 수 있다. 이를 위해 확률적 혁신 함수
Figure 112018092111816-pct00015
가 사용된다.
혁신 함수(h)는 물체 특징(xP, xL, xU) 및/또는 그 상태 사이의 유사성을 기술한다. 매핑 룰 또는 혁신 함수(h)는 비선형일 수도 있다. 이 경우에, 혁신 함수(h)는 이후 선형화될 수 있다. 이것은 1차 테일러 시리즈의 도움으로 이루어질 수 있다:
Figure 112018092111816-pct00016
Figure 112018092111816-pct00017
이 경우에, 인자(H1, H2)는 야코비 행렬이다. 또한, 매핑 룰은 증폭률(K) 또는 증폭 행렬을 포함한다. 증폭률(K)은 사영(
Figure 112018092111816-pct00018
)이 최소화되는 것에서 결정되며, 여기에서 e는 임의의 단일 벡터일 수 있다. 증폭률(K)은 다음과 같이 기술될 수 있다:
Figure 112018092111816-pct00019
이 경우에
Figure 112018092111816-pct00020
과
Figure 112018092111816-pct00021
는 상관되지 않는 것이 고려된다. 따라서,
Figure 112018092111816-pct00022
이 초래된다. 병합된 결과와 업데이트된 공분산 행렬은 따라서 다음과 같은 결과로 나타난다:
Figure 112018092111816-pct00023
Figure 112018092111816-pct00024
물체 특징(xP, xL, xU) 및/또는 상태가 서로 연관되어야 하는지를 체크하기 위해, 소위 마할라노비스 거리가 정의된다:
Figure 112018092111816-pct00025
.
마할라노비스 거리에 의해 한계가 정해진다. 이 한계를 밑도는 경우에는, 상태 또는 물체 특징(xP, xL, xU)의 연관이 타당하다. 또한, 타당성을 체크하기 위해 추가 기하학적 연구가 사용될 수 있다.
물체 특징(xP, xL, xU)이 상호 연관되고 병합되어야 하는지를 체크하기 위해, 물체 특징(xP, xL, xU)에 대해 적절한 혁신 함수(h)가 결정되어야 한다. 점 특징(xP)과 퍼지 특징(xU)의 병합 및 선 특징(xL)과 퍼지 특징(xU)의 병합을 위한 모델이 후술된다. 양 모델은 측정 모델(aP, aL)과 퍼지 특징(x)의 측정된 물체 거리(du) 사이의 차이로서 결정된다. 측정 모델(aP, aL)은 이미 알려진 물체 특징(xP, xL)을 측정 공간으로 전송할 수 있다. 이 측정 공간에서 물체 특징(xP, xL, xU)은 이후 현재 측정과 비교될 수 있다.
점 특징(xP)이 퍼지 특징(xU)과 병합되어야 한다면, 측정 모델(aP)은 점 특징(xP)과 센서 위치(xS) 사이의 유클리드 거리(dP)이다. 혁신 함수(h)는 다음과 같이 나타난다:
Figure 112018092111816-pct00026
Figure 112018092111816-pct00027
Figure 112018092111816-pct00028
선 특징(xL)이 퍼지 특징(xU)과 병합되어야 한다면, 측정 모델(aL)은 선 특징(xL)과 센서 위치(xS) 사이의 최단 거리(dL)의 절대 값이다. 혁신 함수(h)는 다음과 같이 나타난다:
Figure 112018092111816-pct00029
Figure 112018092111816-pct00030
Figure 112018092111816-pct00031
두 개의 혁신 함수(h)에 대한 그래픽 기술은 이하에서 더 자세히 설명될 것이다.
전술한 바와 같이, 퍼지 특징(xU)은 센서 위치
Figure 112018092111816-pct00032
로부터 거리(
Figure 112018092111816-pct00033
)를 갖는 원형 거리 측정으로서 기술된다. 이 모델은 퍼지 특징을 생성하는 측정의 형태와 무관하게 사용된다. 초음파 센서(6)에 의한 직접 측정의 경우에, 이 모델은 신호 경로와 관련하여 존재하는 정보 항목을 기술한다. 초음파 센서(6)에 의한 간접 측정의 경우에, 이러한 모델은 근사치만을 나타내며, 그 정확성은 타원이 얼마나 원과 유사한지에 종속된다. 이 제한을 해제하기 위해, 먼저 퍼지 특징(xU)의 설명은 간접 측정으로부터의 정보 항목을 저장할 수 있도록 확장된다. 또한, 혁신 함수(h)는 점 특징(xP) 및 선 특징(xL)을 타원형 거리 측정 형태로 퍼지 특징(xU)과 조합할 수 있도록 결정된다.
도 4는 퍼지 특징(xU)으로서 타원(xE)의 개략도이다. 타원(xE)은 수학적으로 다양한 방식으로 설명될 수 있다. 통상적인 설명은 타원(xE)을 점들의 집합으로 간주하는 것이며, 이들 점의 전체는 주 장축(
Figure 112018092111816-pct00034
)의 길이의 두 초점
Figure 112018092111816-pct00035
및
Figure 112018092111816-pct00036
까지의 유클리드 거리에 해당된다:
Figure 112018092111816-pct00037
이 설명의 장점은 이것이 어떤 직교 좌표계와도 무관하다는 것이다. 또한, 타원(xE)은 반-장축(a) 및 반-단축(b)을 사용하는 암시적(implicit) 타원 방정식으로 설명될 수 있다:
Figure 112018092111816-pct00038
이 방정식은 x축이 반-장축(a) 상에 배향되고 y축이 반-단축(b) 상에 배향되는 타원(xE)의 좌표계에서 설명된다. 이 경우에 타원(xE)은 각도(α)로 경사진다. 타원(xE)의 추가 특성은 소위 선형 이심률(e)이다:
Figure 112018092111816-pct00039
선형 이심률(e)은 타원(xE)의 각 초점(xF1, xF2)과 중심점
Figure 112018092111816-pct00040
사이의 거리를 나타낸다. 선형 이심률(e)은
Figure 112018092111816-pct00041
로 획정된다. 이심률이 0인(
Figure 112018092111816-pct00042
) 경우에, 타원(xE)은 원이 될 것이다.
Figure 112018092111816-pct00043
이면 타원(xE)은 선으로 퇴화할 것이다.
퍼지 특징(xU)의 확장된 설명을 얻기 위해서는, 초음파 센서(6)의 간접 측정에 대한 정보의 모든 이용 가능한 항목이 특징 추출 층으로부터 디지털 주위 맵으로 전달되어야 한다. 예를 들어, 두 개의 초음파 센서(6)의 위치(xS) 및 초음파 센서의 런타임에 대한 정보 항목이 알려져야 한다. 반-장축(a)의 길이는 이후 런타임으로부터 결정될 수 있다: a = 런타임 거리/2. 이심률(e)은 초음파 센서(6)의 거리로부터 결정될 수 있다: e = 센서 거리/2. 이후 반-단축(b)의 길이는 그로부터 결정될 수 있으며:
Figure 112018092111816-pct00044
, 여기에서 반-단축(b)의 길이는 융합 중에 요구되지 않는다.
이 경우에 초음파 센서(6) 사이의 거리 또는 센서 거리는 완전히 알려져 있는 것으로 추정된다. 이것은 예를 들어 제어기(5)의 메모리에 저장될 수 있다. 측정의 불확실성은 반-장축(a)의 길이 및 반-단축(b)의 길이에 반영된다. 두 개의 반-축(a, b)의 길이가 서로 다르고 선형 이심률(e)에 종속되기 때문에, 타원(xE)의 불확실성은 반-축에 대한 단일 스칼라 확률 변수(a 또는 b)의 고려에 의해 완전히 반영된다. 초음파 센서(
Figure 112018092111816-pct00045
)는 직접 측정하기 위해 사용되기 때문에, 퍼지 특징(xU)은 반-장축(a)의 길이에 의해 확률적으로 결정된다. 이로부터,
Figure 112018092111816-pct00046
결과가 얻어지며, 여기에서
Figure 112018092111816-pct00047
는 가우스 곡선으로서 모델링된다. 또한, 퍼지 특징을 고유하게 특정하기 위해서는 초점(xF1, xF2)에 의해 기술되는 양 센서 위치(xS) 또는 타원의 중심점(
Figure 112018092111816-pct00048
), 선형 이심률(e), 및 타원(xE)의 방위(α)의 병합이 요구된다.
연관 및 병합을 결정하기 위해서는, 두 개의 혁신 함수
Figure 112018092111816-pct00049
및
Figure 112018092111816-pct00050
가 결정되어야 하며, 이들 혁신 함수를 사용하여 점 특징(xP) 및 선 특징(xL)이 퍼지 특징(xU)과 병합될 수 있다. 혁신 함수(h)는 측정 모델
Figure 112018092111816-pct00051
과 측정된 타원(xE)의 반-장축(a) 사이의 차이를 고려하도록 결정된다:
Figure 112018092111816-pct00052
이 경우에, 상태
Figure 112018092111816-pct00053
는 점 특징(xP)의 상태 또는 선 특징(xL)의 상태로 대체될 수 있다. 측정 모델
Figure 112018092111816-pct00054
은 초음파 센서(6) 또는 다중 초음파 센서(6)를 사용하여 측정되는 경우에 점 특징(xP)이 그 위에 놓일 생성된 타원(x'E)의 반-장축(a)의 길이를 결정할 수 있다. 선 특징(xL)이 퍼지 특징(xU)과 병합되어야 하면, 측정 모델
Figure 112018092111816-pct00055
은 선 특징(xL)이 그것에 대해 접선 방향으로 연장되는 생성된 타원(xE)의 반-장축(a)의 길이를 결정한다. 이 경우에 선 특징(xL)은 동일한 초음파 센서(6)를 사용하는 측정으로부터 결정되었으며 그 측정으로부터 퍼지 특징(xU)도 결정되었음이 고려될 수 있다.
점 특징(xP) 및 선 특징(xL)에 대한 측정 모델의 결정은 후술될 것이다. 점 특징(xP)과 타원(xE)의 병합을 위한 측정 모델(aP)의 결정은 점 특징(xP) 및 타원(xE)의 개략도인 도 5에 기초하여 설명될 것이다. 점 특징(xP)의 경우에, 측정 모델은 하기 정의로부터 유도된다:
Figure 112018092111816-pct00056
.
측정 모델(aP)을 결정하기 위해, 이 경우에 생성된 타원(x'E)이 결정된다. 이 생성된 타원(x'E)은 생성된 타원(x'E) 상에 점 특징(xP)이 놓이도록 결정된다. 생성된 타원(x'E)의 반-장축(a)의 길이는 그로부터 결정될 수 있다:
Figure 112018092111816-pct00057
이것은
Figure 112018092111816-pct00058
인 경우에 적용된다. 조건
Figure 112018092111816-pct00059
가 충족되면, 점 특징(xP)은 초점(xF1, xF2)을 서로 연결하는 선 상에 놓인다. 이 경우에, 점 특징(xP)으로부터 유효한 측정이 유도될 수 없다. 유효한 타원이 다른 점 특징(xP) 모두에 대해 결정될 수 있다. 측정 모델(aP)은 제 1 초점(xF1)으로부터 점 특징(xP)을 거쳐서 제 2 초점(xF2)으로 연장되는 경로의 절반으로부터 비롯된다.
이 모델은 혁신 함수(h)에 대해 사용된다:
Figure 112018092111816-pct00060
Figure 112018092111816-pct00061
혁신 함수(h)의 선형화 후에, 야코비 행렬
Figure 112018092111816-pct00062
및d
Figure 112018092111816-pct00063
가 결정될 수 있다:
Figure 112018092111816-pct00064
Figure 112018092111816-pct00065
야코비 행렬
Figure 112018092111816-pct00066
는
Figure 112018092111816-pct00067
또는
Figure 112018092111816-pct00068
를 제외한 모든 점에 대해 정의된다. 그러나, 이것은
Figure 112018092111816-pct00069
이면 발생할 수 없다.
선 특징(xL)을 타원(xE)과 병합하기 위한 측정 모델(aL)의 결정은 선 특징(xL) 및 타원(xE)의 개략도인 도 6에 기초하여 설명될 것이다. 선 특징(xL)에 대한 측정 모델(aL)은 선 특징(xL)을 생성된 타원(x'E)과 교차시킴으로써 결정될 수 있다. 선 형태의 실제 물체의 초음파 센서에 의한 간접 측정은 선에 대해 접선 방향으로 연장되는 타원형 측정을 초래할 것이다. 이것은 선 또는 선 특징(xL)이 생성된 타원(x'E)에 대해 접선 방향으로 연장되어야 함을 의미한다. 제 1 단계에서는, 생성된 타원(x'E)의 로컬 좌표계에 존재하는 선 특징(xL)으로부터 솔루션이 유도된다. 측정 모델(aL)은 이후 선 특징(xL)이 모든 직교 좌표계에서 사용될 수 있도록 확장될 수 있다.
교차점을 결정하기 위해서, 선 또는 선 특징(xL)은 명시적 파라미터 형태로 기술된다:
Figure 112018092111816-pct00070
.
이것은 암시적 타원 방정식에 삽입된다:
Figure 112018092111816-pct00071
Figure 112018092111816-pct00072
방정식으로부터 교차점이 유도될 수 있기 때문에, 방정식은 파라미터(t)에 대해 해결된다. 이 방정식은 2차 방정식이기 때문에, 일반 2차 방정식의 형태가 된다. 이는 이후 해결된다:
Figure 112018092111816-pct00073
Figure 112018092111816-pct00074
고유 솔루션을 얻기 위해서, 판별식은 0이 되어야 한다:
Figure 112018092111816-pct00075
이 사양은
Figure 112018092111816-pct00076
및
Figure 112018092111816-pct00077
를 삽입하고
Figure 112018092111816-pct00078
를 이하로 대체함으로써 a에 대해 해결될 수 있다:
Figure 112018092111816-pct00079
Figure 112018092111816-pct00080
반-장축(a)의 길이를 계산하기 위한 이 솔루션은 타원(xE)의 로컬 좌표계에 형성되는 선 특징(xL)에 대해 적용된다. 따라서, 일반적으로 선 특징(xL)은 타원(xE)의 로컬 좌표계로 변환되어야 한다:
Figure 112018092111816-pct00081
Figure 112018092111816-pct00082
상기 변환을 솔루션에 삽입하면 다음과 같은 결과가 나타난다:
Figure 112018092111816-pct00083
마지막으로, 시리즈 벡터는 다음과 같이 재작성되고
Figure 112018092111816-pct00084
Figure 112018092111816-pct00085
또한 삽입된다. 그 결과 다음과 같이 된다:
Figure 112018092111816-pct00086
Figure 112018092111816-pct00087
제 1 항에서의 선 특징(xL)의 경사 위치의 회전은 완전히 사라지고, 제 2 항에서는 각도 변환만 요구되는 것을 알아야 한다. 제 1 표현이 선 특징(xL)과 타원(xE)의 중심점(xC) 사이의 최단 거리의 제곱이며 이는 불변이므로, 점 특징(xP)의 회전은 필요하지 않다. 얻어진 솔루션은
Figure 112018092111816-pct00088
인 경우에만 유효하다. 이 조건이 적용되지 않으면, 선 특징(xL)은 두 개의 초점(xF1, xF2) 사이의 선분과 교차한다. 이 경우, 선 특징(xL)으로부터 정확한 타원(xE)이 유도될 수 없다.
기하학적 용어로, 측정 모델(aL)은 초점(xF1, xF2) 중 하나를 선 특징(xL) 상에 투사하고 타원(xE)의 중심점(xC)까지의 그 유클리드 거리(d)를 계산함으로써 결정된다. 선 특징(xL)이 하나의 또는 양자의 초점(xF1, xF2) 상에 놓여 있으면 조건(
Figure 112018092111816-pct00089
)이 유지되는 것이 이 방법에 의해 쉽게 나타날 수 있다.
전술한 솔루션은 다음과 같이 기술되는 혁신 함수(h)에 대해 사용된다:
Figure 112018092111816-pct00090
Figure 112018092111816-pct00091
또한, 야코비 행렬이 결정된다:
Figure 112018092111816-pct00092
Figure 112018092111816-pct00093
야코비 행렬(
Figure 112018092111816-pct00094
)은
Figure 112018092111816-pct00095
을 제외한 모든 경우에 대해 정의된다. 이 경우에, 선 특징(xL)은 타원(xE)의 장축에 대해 수직하고 타원(xE)의 중심점(xC)을 통해서 연장된다. 이 경우는 사양
Figure 112018092111816-pct00096
에 의해 이미 배제되었다.
마지막으로, 타원(xE)에 대해 결정된 혁신 함수(h)는 기존의 원 모델의 일반화인 것으로 나타났다.
Figure 112018092111816-pct00097
또는
Figure 112018092111816-pct00098
인 원의 특수한 경우에, 전술한 측정 모델은 수학적으로 동일하다:
Figure 112018092111816-pct00099
Figure 112018092111816-pct00100
Figure 112018092111816-pct00101
Figure 112018092111816-pct00102
Figure 112018092111816-pct00103
선에 대한 기존 측정 모델의 법선은 반대 방향으로 향하는 것을 알아야 한다.
이 경우, 초음파 센서(6)에 기초한 간접 측정이 설명되었다. 자동차(1)의 추가 센서의 센서 데이터가 사용되는 것도 제공될 수 있다. 예를 들어, 물체 특징은 카메라(7)의 측정으로부터 생성되어 주위 맵에 입력될 수 있다. 물체(3)는 이런 식으로 확실하게 검출될 수 있다.

Claims (15)

  1. 자동차(1)의 주위(4)에서 하나 이상의 물체(3)를 검출하는 방법으로서,
    제 1 센서(6)는 센서 신호를 방출하도록 작동되고, 하나 이상의 물체(3)로부터 반사되는 센서 신호를 기술하는 센서 데이터가 제 2 센서(6)로부터 수신되며, 하나 이상의 물체(3)를 기술하기 위한 물체 특징(xP, xL, xU)으로서 퍼지 특징(xU)이 상기 센서 데이터로부터 결정되고, 상기 퍼지 특징(xU)은 하나 이상의 물체(3)와 제 1 센서(6) 사이의 거리 및 하나 이상의 물체(3)와 제 2 센서(6) 사이의 거리를 기술하는, 방법에 있어서,
    상기 퍼지 특징(xU)은 타원(xE)으로서 기술되고, 하나 이상의 물체(3)를 기술하는 추가 물체 특징(xP, xL)은 제 1 및/또는 제 2 센서(6)의 하나 이상의 추가 측정의 센서 데이터에 기초하여 결정되며, 추가 물체 특징(xP, xL) 및 퍼지 특징(xU)은 혁신 함수(h)를 사용하여 공통 상태 공간으로 변환되고, 상기 혁신 함수(h)는 퍼지 특징(xU)과 추가 물체 특징(xP, xL) 사이의 유사성을 기술하며, 병합된 물체 특징은 혁신 함수(h)에 기초하여 추가 물체 특징(xP, xL)으로부터 결정되는 것을 특징으로 하는
    방법.
  2. 제 1 항에 있어서,
    타원(xE)의 초점(xF1, xF2)은 제 1 센서(6)의 위치(xS1) 및 제 2 센서(6)의 위치(xS2)에 기초하여 결정되고, 타원(xE)의 반-장축(a)의 길이는 센서 신호의 런타임에 기초하여 결정되며, 타원(xE)의 반-단축(b)의 길이는 초점(xF1, xF2) 및 반-장축(a)의 길이에 기초하여 결정되는 것을 특징으로 하는
    방법.
  3. 제 2 항에 있어서,
    상기 타원(xE)의 이심률(e)이 초점(xF1, xF2)의 거리에 기초하여 결정되고, 상기 반-단축(b)의 길이는 반-장축(a)의 길이 및 이심률(e)로부터 결정되는 것을 특징으로 하는
    방법.
  4. 제 1 항에 있어서,
    추가 물체 특징(xP, xL)이 결정되어 자동차의 주위를 기술하는 디지털 주위 맵에 입력되고, 이어서 퍼지 특징(xU)이 결정되어 주위 맵에 입력되는 것을 특징으로 하는
    방법.
  5. 제 1 항에 있어서,
    추가 물체 특징(xP, xL)으로부터 병합된 물체 특징을 결정하기 위해, 혁신 함수(h) 및 상기 혁신 함수(h)에 대한 증폭률(K)을 포함하는 선형 매핑 룰이 결정되며, 상기 증폭률(K)은 추가 물체 특징(xP, xL)의 공간적 불확실성 및 퍼지 특징(xU)의 공간적 불확실성에 종속되는 것을 특징으로 하는
    방법.
  6. 제 5 항에 있어서,
    상기 증폭률(K)은 병합된 물체 특징의 공간적 불확실성이 최소이도록 결정되는 것을 특징으로 하는
    방법.
  7. 제 1 항에 있어서,
    상기 추가 물체 특징(xP, xL)으로서 점 특징(xP) 또는 선 특징(xL)이 결정되는 것을 특징으로 하는
    방법.
  8. 제 1 항에 있어서,
    혁신 함수(h)를 결정하기 위해, 퍼지 특징(xU)과 점 특징(xP) 사이의 거리(d) 또는 퍼지 특징(xU)과 선 특징(xL) 사이의 거리를 기술하는 측정 모델(aP, aL)이 결정되는 것을 특징으로 하는
    방법.
  9. 제 8 항에 있어서,
    추가 물체 특징(xP, xL)이 점 특징(xP)이면, 측정 모델(aP)을 결정하기 위해, 생성된 타원(x'E)은 점 특징(xP)이 생성된 타원(x'E) 상에 놓이도록 결정되는 것을 특징으로 하는
    방법.
  10. 제 8 항에 있어서,
    추가 물체 특징(xP, xL)이 선 특징(xL)이면, 측정 모델을 결정하기 위해, 생성된 타원(x'E)은 선 특징(xL)이 생성된 타원(x'E)에 대해 접선 방향으로 연장되도록 결정되는 것을 특징으로 하는
    방법.
  11. 제 8 항에 있어서,
    혁신 함수(h)의 출력을 기술하는 혁신은 타원(xE)의 반-장축(a)의 길이와 측정 모델(aP, aL) 사이의 차이에 기초하여 결정되는 것을 특징으로 하는
    방법.
  12. 제 1 항 내지 제 11 항 중 어느 한 항에 따른 방법을 수행하도록 설계되는, 자동차(1)의 운전자 보조 시스템(2)용 제어기(5).
  13. 제 12 항에 따른 제어기(5)를 포함하고 제 1 센서(6) 및 제 2 센서(6)를 포함하는 운전자 보조 시스템(2).
  14. 제 13 항에 있어서,
    상기 제 1 센서(6) 및 상기 제 2 센서(6)는 초음파 센서인 것을 특징으로 하는
    운전자 보조 시스템.
  15. 제 13 항에 따른 운전자 보조 시스템(2)을 포함하는 자동차(1).
KR1020187026830A 2016-03-18 2016-08-05 센서, 제어 장치, 운전자 보조 시스템, 및 자동차를 사용하는 간접 측정에 의해 자동차 주위에서 하나 이상의 물체의 검출을 향상시키는 방법 KR102146175B1 (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
DE102016105023.7 2016-03-18
DE102016105022.9 2016-03-18
DE102016105022.9A DE102016105022A1 (de) 2016-03-18 2016-03-18 Verfahren zum Erfassen zumindest eines Objekts in einer Umgebung eines Kraftfahrzeugs durch eine indirekte Messung mit Sensoren, Steuereinrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug
DE102016105023.7A DE102016105023B4 (de) 2016-03-18 2016-03-18 Verfahren zum Erfassen zumindest eines Objekts in einer Umgebung eines Kraftfahrzeugs durch Zusammenlegen von Objektmerkmalen, Steuereinrichtung, Fahrerassistenzsystem
PCT/EP2016/068797 WO2017157483A1 (de) 2016-03-18 2016-08-05 Verfahren zur verbesserung einer erfassung zumindest eines objekts in einer umgebung eines kraftfahrzeugs durch eine indirekte messung mit sensoren, steuereinrichtung, fahrerassistenzsystem sowie kraftfahrzeug

Publications (2)

Publication Number Publication Date
KR20180114158A KR20180114158A (ko) 2018-10-17
KR102146175B1 true KR102146175B1 (ko) 2020-08-19

Family

ID=56571331

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187026830A KR102146175B1 (ko) 2016-03-18 2016-08-05 센서, 제어 장치, 운전자 보조 시스템, 및 자동차를 사용하는 간접 측정에 의해 자동차 주위에서 하나 이상의 물체의 검출을 향상시키는 방법

Country Status (6)

Country Link
US (1) US10564282B2 (ko)
EP (1) EP3430423B1 (ko)
JP (1) JP6862465B2 (ko)
KR (1) KR102146175B1 (ko)
CN (1) CN108780149B (ko)
WO (1) WO2017157483A1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210080568A1 (en) * 2018-04-25 2021-03-18 Waymo Llc Underbody Radar Units
DE102018209432A1 (de) * 2018-06-13 2019-12-19 Robert Bosch Gmbh Verfahren und Vorrichtung zum Bestimmen einer Position eines mobilen Objekts
DE102019002662A1 (de) * 2019-04-10 2020-10-15 Friedrich-Alexander-Universität Erlangen-Nürnberg Verfahren zur Auswertung von Radarsystemen
EP3792656A1 (en) * 2019-09-12 2021-03-17 Continental Automotive GmbH Method for elevation angle estimation based on an ultrasound sensor
CN114274954A (zh) * 2021-12-16 2022-04-05 上汽大众汽车有限公司 一种车内外感知结合的车辆主动接管系统及方法
DE102022117277A1 (de) * 2022-07-12 2024-01-18 Valeo Schalter Und Sensoren Gmbh Verfahren zum trainieren eines neuronalen netzes

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090292468A1 (en) * 2008-03-25 2009-11-26 Shunguang Wu Collision avoidance method and system using stereo vision and radar sensor fusion
JP5710000B2 (ja) * 2011-08-16 2015-04-30 三菱電機株式会社 物体検知装置

Family Cites Families (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4278142A (en) * 1978-05-08 1981-07-14 Agency Of Industrial Science And Technology Automatic guidance system for vehicles
JPS5866080A (ja) * 1981-10-16 1983-04-20 Nissan Motor Co Ltd 車両周辺サ−チアイ装置
JPH03201110A (ja) * 1989-12-28 1991-09-03 Toyota Central Res & Dev Lab Inc 自律走行車の位置方位検出装置
US5281947A (en) * 1991-09-20 1994-01-25 C.A.R.E., Inc. Vehicular safety sensor and warning system
US5493269A (en) * 1991-09-20 1996-02-20 C.A.R.E., Inc. Vehicular safety sensor and warning system
CA2089017C (en) * 1992-02-13 1999-01-19 Yasurou Yamanaka Method of mounting wheel to vehicle
US9102220B2 (en) * 1992-05-05 2015-08-11 American Vehicular Sciences Llc Vehicular crash notification system
JP2783079B2 (ja) * 1992-08-28 1998-08-06 トヨタ自動車株式会社 ヘッドランプの配光制御装置
US5638116A (en) * 1993-09-08 1997-06-10 Sumitomo Electric Industries, Ltd. Object recognition apparatus and method
JPH08318765A (ja) * 1995-05-25 1996-12-03 Hitachi Ltd 情報化自動車制御装置及び方法
JPH09244003A (ja) * 1996-03-13 1997-09-19 Toyota Motor Corp 車両用画面制御装置
KR100243317B1 (ko) * 1997-04-18 2000-03-02 윤종용 차종 판별 장치
DE19738608C1 (de) * 1997-09-04 1998-07-16 Bosch Gmbh Robert Fahrwerkregelung
DE19842250A1 (de) * 1998-09-15 2000-03-16 Mannesmann Vdo Ag Verfahren zur Bestimmung des Abstandes zwischen einem Objekt und einer sich örtlich verändernden Einrichtung, insbesondere einem Kraftfahrzeug
JP4287532B2 (ja) * 1999-03-01 2009-07-01 矢崎総業株式会社 車両用後側方監視装置
DE10136981A1 (de) * 2001-07-30 2003-02-27 Daimler Chrysler Ag Verfahren und Vorrichtung zur Ermittlung eines stationären und/oder bewegten Objektes
JP2003194938A (ja) * 2001-12-25 2003-07-09 Denso Corp 障害物検知装置
EP1504276B1 (en) * 2002-05-03 2012-08-08 Donnelly Corporation Object detection system for vehicle
EP1646240B1 (en) * 2003-07-11 2009-09-16 Hitachi, Ltd. Image processing camera system and image processing camera control method
US7653486B2 (en) * 2004-02-20 2010-01-26 Sharp Kabushiki Kaisha Surroundings exhibiting system and surroundings exhibiting method
US7432800B2 (en) * 2004-07-07 2008-10-07 Delphi Technologies, Inc. Adaptive lighting display for vehicle collision warning
US8924078B2 (en) * 2004-11-18 2014-12-30 Gentex Corporation Image acquisition and processing system for vehicle equipment control
DE102005026386A1 (de) * 2005-06-02 2006-12-07 Volkswagen Ag Verfahren und Vorrichtung zum Bestimmen von Freiflächen in der Umgebung eines Fahrzeugs
JP2008039497A (ja) * 2006-08-03 2008-02-21 Matsushita Electric Works Ltd 障害物検出装置
US20080211652A1 (en) * 2007-03-02 2008-09-04 Nanolumens Acquisition, Inc. Dynamic Vehicle Display System
US20080300755A1 (en) * 2007-05-30 2008-12-04 Dinu Petre Madau Side collision avoidance system
FR2923933B1 (fr) * 2007-11-16 2010-03-26 Valeo Vision Procede de detection d'un phenomene perturbateur de visibilite pour un vehicule
US8694195B2 (en) * 2007-12-04 2014-04-08 Volkswagen Ag Motor vehicle having a wheel-view camera and method for controlling a wheel-view camera system
JP5120139B2 (ja) * 2008-08-08 2013-01-16 トヨタ自動車株式会社 物体検出装置
US8120476B2 (en) * 2009-07-22 2012-02-21 International Truck Intellectual Property Company, Llc Digital camera rear-view system
US8482430B2 (en) * 2009-10-13 2013-07-09 GM Global Technology Operations LLC Method and apparatus for communicatively changing interior illumination color in a vehicle
DE102010023162A1 (de) * 2010-06-09 2011-12-15 Valeo Schalter Und Sensoren Gmbh Verfahren zum Unterstützen eines Fahrers eines Kraftfahrzeugs beim Einparken in eine Parklücke, Fahrerassistenzeinrichtung und Kraftfahrzeug
DE102010045657A1 (de) 2010-09-17 2012-03-22 Wabco Gmbh Umfeld-Überwachungssystem für ein Fahrzeug
US8589058B2 (en) * 2010-11-10 2013-11-19 Honda Motor Co., Ltd. Method of retrieving information for a motor vehicle
US20140031980A1 (en) * 2011-11-11 2014-01-30 Jens-Steffen Gutmann Systems and methods for extending slam to multiple regions
US9381916B1 (en) * 2012-02-06 2016-07-05 Google Inc. System and method for predicting behaviors of detected objects through environment representation
DE102012004396A1 (de) * 2012-03-03 2013-09-05 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zum Erfassen von Objekten in einer Umgebung eines Fahrzeugs
DE102013221263A1 (de) * 2013-10-21 2015-04-23 Schaeffler Technologies Gmbh & Co. Kg Autonom fahrendes Golfcaddy mit Ultraschallsensorik
EP2892020A1 (en) * 2014-01-06 2015-07-08 Harman International Industries, Incorporated Continuous identity monitoring for classifying driving data for driving performance analysis
DE102015220360A1 (de) * 2015-10-20 2017-04-20 Robert Bosch Gmbh Verfahren zur Auswahl einer optimierten Trajektorie

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090292468A1 (en) * 2008-03-25 2009-11-26 Shunguang Wu Collision avoidance method and system using stereo vision and radar sensor fusion
JP5710000B2 (ja) * 2011-08-16 2015-04-30 三菱電機株式会社 物体検知装置

Also Published As

Publication number Publication date
JP2019512699A (ja) 2019-05-16
EP3430423B1 (de) 2022-03-30
US20190079188A1 (en) 2019-03-14
US10564282B2 (en) 2020-02-18
WO2017157483A1 (de) 2017-09-21
JP6862465B2 (ja) 2021-04-21
CN108780149A (zh) 2018-11-09
KR20180114158A (ko) 2018-10-17
CN108780149B (zh) 2022-12-09
EP3430423A1 (de) 2019-01-23

Similar Documents

Publication Publication Date Title
KR102146175B1 (ko) 센서, 제어 장치, 운전자 보조 시스템, 및 자동차를 사용하는 간접 측정에 의해 자동차 주위에서 하나 이상의 물체의 검출을 향상시키는 방법
JP6747269B2 (ja) 物体認識装置
JP2019512699A5 (ko)
US11572064B2 (en) Method for monitoring a surrounding area of a motor vehicle, sensor control unit, driver assistance system and motor vehicle
US20200233061A1 (en) Method and system for creating an inverse sensor model and method for detecting obstacles
CN110969059A (zh) 车道线识别方法及系统
EP3712556A1 (en) Sensor verification
JP3564897B2 (ja) 障害物認識装置
US11458966B2 (en) Method and device of determining kinematics of a target
US11409302B2 (en) Method for autonomous parking of a vehicle, and an autonomous vehicle thereof
CN112771591B (zh) 用于评价运输工具的环境中的对象对运输工具的行驶机动动作的影响的方法
US11403494B2 (en) Obstacle recognition assistance device, obstacle recognition assistance method, and storage medium
US20200001877A1 (en) Determining Visibility Distances Based on a Dynamic Field of View of a Vehicle
CN110929475B (zh) 对象的雷达简档的注释
JP2017215214A (ja) 移動物体検出装置、プログラムおよび記録媒体
CN113330448A (zh) 用于车辆的传感器数据融合的方法和装置
US11846726B2 (en) Method and device for identifying objects detected by a LiDAR device
JP7401273B2 (ja) 移動体の制御装置及び方法
JP7056379B2 (ja) 車両用走行制御装置
JP2021099280A (ja) 位置推定装置、及び位置推定方法
JP7378591B2 (ja) 走行経路生成装置
US20220227386A1 (en) Vehicle control system
US20230146935A1 (en) Content capture of an environment of a vehicle using a priori confidence levels
JP7452374B2 (ja) 物体検知装置および物体検知プログラム
US20240078749A1 (en) Method and apparatus for modeling object, storage medium, and vehicle control method

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant