WO2006072555A1 - Verfahren zur bestimmung der eigenbewegung eines fahrzeugs - Google Patents

Verfahren zur bestimmung der eigenbewegung eines fahrzeugs Download PDF

Info

Publication number
WO2006072555A1
WO2006072555A1 PCT/EP2005/057161 EP2005057161W WO2006072555A1 WO 2006072555 A1 WO2006072555 A1 WO 2006072555A1 EP 2005057161 W EP2005057161 W EP 2005057161W WO 2006072555 A1 WO2006072555 A1 WO 2006072555A1
Authority
WO
WIPO (PCT)
Prior art keywords
reference points
determining
vehicle
optical
determined
Prior art date
Application number
PCT/EP2005/057161
Other languages
English (en)
French (fr)
Inventor
Alexander Wuerz-Wessel
Fridtjof Stein
Original Assignee
Robert Bosch 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 Robert Bosch Gmbh filed Critical Robert Bosch Gmbh
Priority to US11/792,208 priority Critical patent/US8135176B2/en
Priority to DE502005007163T priority patent/DE502005007163D1/de
Priority to AT05823954T priority patent/ATE429688T1/de
Priority to EP05823954A priority patent/EP1836681B1/de
Publication of WO2006072555A1 publication Critical patent/WO2006072555A1/de

Links

Classifications

    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
    • G01P3/36—Devices characterised by the use of optical means, e.g. using infrared, visible, or ultraviolet light
    • 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
    • G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
    • G01S11/12—Systems for determining distance or velocity not using reflection or reradiation using electromagnetic waves other than radio waves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera

Definitions

  • the invention relates to a method for determining the intrinsic motion of a vehicle in an environment according to the preamble of claim 1 and to an apparatus for carrying out a method for determining the intrinsic motion of a vehicle in an environment according to the preamble of claim 14.
  • Objects evaluated and provided the driver of the vehicle with additional data for example, with respect to an occurrence of obstacles or approach of other vehicles.
  • a point or a region of a snapshot generated by means of an imaging device is regularly determined, to which the vehicle seems to be heading. This point or area is called the focus of expansion (FOE). It is the projection of the direction of movement of the camera on the image plane. Because the If the snapshot shows only part of the environment, the center of propagation does not necessarily have to lie within the snapshot image.
  • the center of propagation at infinity is in the corresponding direction of rotation.
  • the optical flow of selected (or all) pixels of the snapshots is determined between two temporally spaced snapshots taken. In simple terms, this means that it is determined in which direction and by what amount pixels move over time.
  • the optical flow of a pixel can thus be understood in terms of a motion vector.
  • stationary points that is, points or structures (image features) that do not move in successive snapshots. The optical flux of such points is zero, near zero, or below a defined threshold.
  • Stationary points can arise because the observed structures are so far away from the imaging device that the relative movement is negligible (background structures). Furthermore, stationary points can result from the fact that an observed object does not move relative to the camera, as is the case, for example, with parts of the own vehicle or with a vehicle driving ahead with the same direction of travel and speed. In particular, in road traffic, it is seldom that these stationary points over a longer period of time are actually given as stationary, for example, the vehicle turns, accelerates or slows down the previously constantly advanced vehicle or concealed a remotely located stationary point by a collapsing vehicle becomes. Method according to the prior art can be here
  • the state of the art is further developed such that new reference points (stationary points) are added dynamically to the observation set by means of a first algorithm, and reference points which are dynamically removed from the observation set based on a second algorithm are removed.
  • pixels are examined as to whether they fulfill the criteria of a stationary point, that is, whether they should be included as a reference point in the observed quantity.
  • a second algorithm determines whether certain reference points no longer meet the criteria of a stationary point and should be removed from the observation set. This is a dynamic method, that is, the inspection of pixels and reference points and the adjustment of the observation set can take place continuously, so that even in a rapidly changing environment, an observation set with current reference points is always available.
  • the first algorithm includes steps for determining
  • Pixels whose optical flux is zero or nearly zero are whose optical flux is zero or nearly zero.
  • the check of the optical flow can extend to all points or only to selected pixels. If a pixel is detected with an optical flux that is zero or near zero, then it can be assumed that this is a stationary point. The pixel is then used as a reference point in the
  • a threshold is preferably used, so that not only those pixels are detected whose optical flux is exactly zero, but also pixels whose optical flux is approximately zero.
  • a suitable threshold for the respective application is easily findable for the skilled person by means of experiments.
  • the first algorithm includes steps for determining pixels whose optical flux corresponds to the optical flux which was determined at a plurality of reference points. It was recognized that there is an indication of a stationary point, even if a
  • Pixel has an optical flux corresponding to the flow at a plurality of reference points, ie already determined stationary points. This makes it possible to determine new reference points in difficult situations in which no pixels with an optical flux of zero arise.
  • the plurality of reference points whose optical flux is compared with that of the pixel leaves - A -
  • the invention proposes, in particular, to consider the largest set of spatially contiguously positioned reference points, to describe the number of required reference points as a percentage of the totality of the reference points, or to use significant reference points by means of mathematical, in particular statistical methods
  • the first algorithm includes steps for performing filtering of the pixels by means of a Kalman filter.
  • the operation and the realization of a Kalman filter is well known from the prior art and will therefore not be explained in detail.
  • the boundary conditions that are introduced into the Kalman filter are preferably a maximum optical flux and, if several snapshots are evaluated, a minimum or maximum acceleration of pixels. Pixels that do not fulfill the given conditions, that is, that probably do not properly represent the environment for a variety of reasons, are attenuated or suppressed by the Kalman filter. This improves the result regarding the inclusion of new reference points in the observation set.
  • the first algorithm preferably includes steps for determining at least one object group from spatially contiguously positioned reference points.
  • the evaluations that incorporate reference points can be improved and facilitated.
  • the creation of object groups eliminates the need to compare many individual points, but instead uses a shape comparison, as described, for example, in Iterative Closest Point Algorithm, PJ Besl and ND McKay (A method for registration of 3-D shapes, PAMI). 14 (2): 239-256, February 1992).
  • known methods for comparing quantities such as RANSAC (MA Fischler, RC Bolles, Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography. Comm. of the ACM, VoI 24, pp 381-395, 1981) can be used.
  • the second algorithm includes steps for determining permanently existing reference points that are unchanged in their position. Reference points that are the same for a long time or even always have little or no
  • Imaging device acts. If image areas are known in advance, which can lead to reference points without information content, then these areas can be excluded from the image analysis in principle.
  • the second algorithm includes steps for determining a first optical flow of a majority of reference points against at least a second optical flow of a minority of reference points.
  • the majority and minority are not to be understood in numerical terms. On the contrary, it is also possible that, based on a higher weighting of pixels in certain areas or of reference points which belong to a group of objects, it is also conceivable that a numerically smaller number of reference points should be understood in the sense of a majority. The proposed evaluation is particularly advantageous.
  • the second algorithm includes steps for carrying out a filtering of the reference points by means of a Kalman filter.
  • boundary conditions for the extent of actually expected movements of reference points can be predefined for the Kalman filter. For example, if the movement of a reference point exceeds a predetermined threshold only once or only briefly, this can be taken into account by means of the Kalman filter and a premature removal of the reference point from the observed amount can be prevented.
  • At least part of the reference points of the observation set is stored at different times, and a course of the reference points is determined from the stored data.
  • This can be used, for example, to check whether a certain point, depending on its classification, has developed in an expected framework with regard to the magnitude and direction of the optical flow.
  • the evaluation of the stored data can also be used to terminate a
  • Point for example, a self-moving object
  • Point for example, a self-moving object
  • an angular self-movement of the imaging device or of the vehicle is calculated. Find a collective movement of one
  • a determined angular self-movement is forwarded to control functions of the vehicle and is taken into account by the latter in the determination and / or execution of control interventions.
  • control is understood to mean both control without feedback and feedback control
  • the braking functions of the vehicle include, in particular, brake functions such as anti-lock braking system or brake assistance, as well as stabilization functions such as electronic stability control Taking into account the data determined for the self-motion of the vehicle, the control and / or regulating interventions relating to the driving behavior of the vehicle can be used more accurately, in which case it is particularly advantageous if the angular self-movement is forwarded to the control functions.
  • the invention further relates to a device for carrying out a method for determining the intrinsic motion of a vehicle in an environment, with an imaging means for capturing the environment by means of snapshots, with a determination device for determining the optical flow on the basis of the snapshots, with a memory device for storing an observation set of reference points which seem to be stationary from the viewpoint of the imaging device, with a first logic circuit implementing a first algorithm for determining the amount of observation to be added Reference points and with a second algorithm implementing second logic circuit for determining from the observation set to be removed reference points.
  • Figure 1 shows a method for determining the intrinsic motion of a vehicle
  • FIG. 2 shows a device for carrying out a method for determining the intrinsic motion of a vehicle.
  • FIG. 1 shows a method for determining the proper motion of a vehicle, in particular the angular movement of the vehicle.
  • the method is started at point S, for example during the startup of the vehicle.
  • the Environment data done includes in particular the first calculation of an optical flow, the first creation of reference points of an observation set and the first determination of the collective flow of the reference points.
  • the term collective flow is to be understood as meaning averaged observation of the individual optical flows, with which a general, common optical flow of all or at least a plurality of reference points is described.
  • various methods such as mean, median, geometric mean, statistical and / or stochastic evaluations, can be used.
  • the initialization step 10 is not absolutely necessary, since in particular the recording and the removal of reference points is a dynamic method which can be carried out solely by means of the method steps described below.
  • step 12 an optical flow is calculated from two snapshots. Methods for determining the optical flux are known in many variants and described in detail in the prior art.
  • the optical flow data obtained in step 12 can now preferably be evaluated in two different ways. In this case, the first processing method with the steps 14, 16 and 20 as well as with the
  • a check is initially carried out in the control step 14 with respect to the reference points (stationary points). That is, pixels that have been detected as stationary points are included as a reference point in the observation set; Reference points that no longer meet the criteria of a stationary point are removed from the observation set. In this step, the determination of locally contiguous positioned
  • Reference points are performed. After the control step 14, in step 16 the collective flow of the reference points is determined. The result of the collective flow is compared in comparison step 18 with a previously determined collective flow. If there is no data for a previously determined collective flow, the newly determined collective flow is compared against a standard value, in particular zero. If no change in the collective flow is detected, the process continues via branch N and then returns to the known step 12. If a change in the collective flow has been detected, ie the camera and thus the vehicle has made an angular movement, then the method branches off via the branch J to the calculation step 20, where a new angle inherent motion is calculated by means of a direct calculation or a Kalman filter , Thereafter, the process continues with step 12.
  • the optical flows obtained from step 12 are processed in step 22 by means of a Kalman filter.
  • a Kalman filter In the cayman
  • Filters are data entered that models the real environment from which the readings are taken. This is explained by way of example for the pitching movement of a vehicle. For example, for certain vehicles in certain environments, it may be assumed that the pitching motion does not exceed a value of ⁇ 2 ° and the pitching speed does not regularly exceed a value of ⁇ 1 "/ second Information is input to the Kalman filter, so that, if more than that, the data of the corresponding points is attenuated and / or eliminated, especially if it is significantly exceeded.
  • the control of the reference points already known from the first processing method is now carried out in the second processing method in step 24 on the basis of the data from the Kalman filtering according to step 22.
  • step 26 the new angle inherent motion is then calculated in step 26, which is equal to zero in the absence of angular movement of the vehicle.
  • the determined new angular inherent motions of the first and / or second processing method are forwarded to control units which are arranged in the vehicle or assigned to the vehicle.
  • FIG. 2 shows a device 30 for carrying out a method for determining the intrinsic movement of a vehicle 32.
  • the device has an imaging device 34 which captures at least a part of the surroundings of the vehicle 32 by means of snapshots.
  • the movement of the vehicle 32 is based on
  • the image data are forwarded via a data line 36 to a determination device 38 in which the optical flows of at least selected pixels are determined from the image data of the snapshots.
  • a memory device 40 data can be stored. This will usually be a temporary storage, which may refer to snapshots, individual image sections, pixels, reference points, point groups, optical flows or other measurement data or processed data.
  • the determination device 38 and the memory device 40 are associated with a first logic circuit 42 and a second logic circuit 44.
  • the first logic circuit 42 the image data is evaluated to locate in the image data of the snapshots of stationary points.
  • the second logic circuit is primarily used to examine the amount of observation in terms of possibly to be removed reference points.
  • the downstream evaluation device 46 the data obtained are evaluated with regard to a proper movement, in particular an angular self-movement.
  • the data determined by the evaluation device 46 are supplied in this example to a control device 48 of the vehicle 32, for example an electronic stability control, and are taken into account by the latter in the calculation of control interventions.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Multimedia (AREA)
  • Transportation (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Remote Sensing (AREA)
  • Power Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Navigation (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zur Bestimmung der Eigenbewegung eines Fahrzeugs in einer Umgebung, wobei mittels einer am Fahrzeug fixierten Bildgebungsvorrichtung zumindest ein Teil der Umgebung mittels Momentaufnahmen erfasst wird, mindestens zwei Momentaufnahmen zur Bestimmung der optischen Flüsse von Bildpunkten ausgewertet werden, aus den optischen Flüssen Referenzpunkte ermittelt werden, die aus Sicht der Bildgebungsvorrichtung stationär scheinen, und die Referenzpunkte in einer Beobachtungsmenge gesammelt werden, wobei anhand eines ersten Algorithmus neue Referenzpunkte der Beobachtungsmenge dynamisch hinzugefügt werden und anhand eines zweiten Algorithmus bestehende Referenzpunkte aus der Beobachtungsmenge dynamisch entfernt werden. Ferner betrifft die Erfindung eine Vorrichtung (30) zur Durchführung eines entsprechenden Verfahrens.

Description

Verfahren zur Bestimmung der Eigenbewegung eines Fahrzeugs
Die Erfindung betrifft ein Verfahren zur Bestimmung der Eigenbewegung eines Fahrzeugs in einer Umgebung gemäß dem Oberbegriff des Anspruchs 1 sowie eine Vorrichtung zur Durchführung eines Verfahrens zur Bestimmung der Eigenbewegung eines Fahrzeugs in einer Umgebung gemäß dem Oberbegriff des Anspruchs 14.
Stand der Technik
Verfahren zur Bestimmung der Eigenbewegung eines Fahrzeugs sind bekannt. Verfahren dieser Art sind dem Themengebiet des „sehenden Autos" zuzuordnen, wenngleich diese Verfahren prinzipiell bei den verschiedensten Fahrzeugtypen eingesetzt werden können. Grundlage dieser Verfahren ist es, die Umgebung, in der sich das Fahrzeug bewegt, mittels bildgebender Verfahren aufzunehmen und rechnerisch zu verarbeiten. Anhand der Auswertung der Bilddaten wird die Umgebung einschließlich der darin befindlichen
Objekte ausgewertet und der Fahrer des Fahrzeugs mit zusätzlichen Daten versorgt, zum Beispiel bezüglich eines Auftretens von Hindernissen oder einer Annäherung von anderen Fahrzeugen. Um die Bilddaten hinsichtlich solcher Informationen auswerten zu können, die für den Fahrer und sein Fahrverhalten wichtig sind, ist es unter Anderem von Bedeutung die Bilddaten bezüglich einer momentanen Fahrtrichtung des Fahrzeugs auszuwerten. Dabei wird regelmäßig ein Punkt oder ein Bereich einer mittels einer Bildgebungsvorrichtung erzeugten Momentaufnahme ermittelt, auf den das Fahrzeug zuzusteuern scheint. Dieser Punkt beziehungsweise Bereich wird als Zentrum der Ausbreitung (Focus of Expansion, FOE) bezeichnet. Es handelt sich dabei um die Projektion der Bewegungsrichtung der Kamera auf die Bildebene. Da die Momentaufiiahme nur einen Teil der Umgebung zeigt, muss das Zentrum der Ausbreitung nicht notwendigerweise innerhalb des Bildausschnitts der Momentaufnahme liegen. So liegt zum Beispiel bei einer rotatorischen Bewegung das Zentrum der Ausbreitung im Unendlichen in der entsprechenden Bewegungsrichtung der Rotation. Um das Zentrum der Ausbreitung zu ermitteln, wird unter anderem der optische Fluss von ausgewählten (oder allen) Bildpunkten der Momentaufnahmen zwischen zwei zeitlich voneinander beabstandet aufgenommenen Momentaufnahmen bestimmt. Vereinfacht gesagt bedeutet dies, dass ermittelt wird, in welche Richtung und um welchen Betrag sich Bildpunkte im Laufe der Zeit bewegen. Der optische Fluss eines Bildpunktes kann also im Sinne eines Bewegungsvektors verstanden werden. Bedeutsam für die Bestimmung des Zentrums der Ausbreitung sind dabei sogenannte stationäre Punkte, das heißt Punkte oder Strukturen (Bildmerkmale), die sich in aufeinanderfolgenden Momentaufnahmen nicht bewegen. Der optische Fluss solcher Punkte ist null, nahezu null oder liegt unterhalb eines definierten Schwellenwerts. Stationäre Punkte können dadurch entstehen, dass die beobachteten Strukturen so weit von der Bildgebungseinrichtung entfernt sind, dass die relative Bewegung vernachlässigbar ist (Hintergrundstrukturen). Ferner können sich stationäre Punkte dadurch ergeben, dass sich ein beobachtetes Objekt relativ zur Kamera nicht bewegt, wie dies beispielsweise bei Teilen des eigenen Fahrzeugs oder einem mit gleicher Fahrtrichtung und Geschwindigkeit vorausfahrendem Fahrzeug der Fall ist. Insbesondere im Straßenverkehr ist es selten gegeben, dass diese stationären Punkte über einen längeren Zeitraum auch tatsächlich als stationär gegeben sind, da beispielsweise das Fahrzeug abbiegt, das bislang konstant vorausgefahrene Fahrzeug beschleunigt oder bremst oder ein in der Ferne lokalisierter stationärer Punkt durch ein einscherendes Fahrzeug verdeckt wird. Verfahren gemäß dem Stand der Technik lassen hier den
Wunsch offen, insbesondere in sich schnell verändernden Umgebungen, zuverlässig und schnell die Eigenbewegung des Fahrzeugs zu ermitteln.
Vorteile der Erfindung
Erfindungsgemäß wird der Stand der Technik dahingehend weitergebildet, dass anhand eines ersten Algorithmus neue Referenzpunkte (stationäre Punkte) der Beobachtungsmenge dynamisch hinzugefügt werden und anhand eines zweiten Algorithmus bestehende Referenzpunkte aus der Beobachtungsmenge dynamisch entfernt werden. Dies bedeutet, dass die Beobachtungsmenge hinsichtlich der enthaltenen Referenzpunkte ständig an die sich ändernden Umgebungsbedingungen angepasst wird. Anhand eines ersten Algorithmus werden Bildpunkte dahingehend untersucht, ob sie die Kriterien eines stationären Punktes erfüllen, das heißt ob sie als Referenzpunkt in die Beobachtungsmenge aufgenommen werden sollen. Anhand eines zweiten Algorithmus wird festgestellt, ob bestimmte Referenzpunkte die Kriterien eines stationären Punktes nicht mehr erfüllen und aus der Beobachtungsmenge entfernt werden sollen. Dabei handelt es sich um ein dynamisches Verfahren, das heißt die Überprüfung von Bildpunkten und Referenzpunkten sowie die Anpassung der Beobachtungsmenge kann kontinuierlich stattfinden, sodass auch in einer sich schnell ändernden Umgebung stets eine Beobachtungsmenge mit aktuellen Referenzpunkten zur Verfügung steht. In
Hinblick auf die genannten Kriterien sei bereits an dieser Stelle darauf hingewiesen, dass eine Überprüfung der Kriterien regelmäßig unter Berücksichtigung statistischer Aspekte und/oder unter Einbeziehung von Schwellenwerten stattfinden wird.
Vorteilhafterweise schließt der erste Algorithmus Schritte ein zur Ermittlung von
Bildpunkten deren optischer Fluss null oder nahezu null ist. Dabei kann sich die Überprüfung des optischen Flusses auf alle Punkte oder lediglich auf ausgewählte Bildpunkte erstrecken. Wird ein Bildpunkt mit einem optischen Fluss ermittelt, der null oder nahezu null ist, so kann angenommen werden, dass es sich dabei um einen stationären Punkt handelt. Der Bildpunkt wird dann als Referenzpunkt in die
Beobachtungsmenge aufgenommen. Bei der Bestimmung, ob ein Bildpunkt stationär ist oder nicht, wird bevorzugt ein Schwellenwert eingesetzt, damit nicht nur solche Bildpunkte erkannt werden, deren optischer Fluss exakt null ist, sondern auch Bildpunkte deren optischer Fluss in etwa null ist. Ein für die jeweilige Applikation geeigneter Schwellenwert ist für den Fachmann anhand von Versuchen leicht auffindbar.
Bei einer vorteilhaften Ausgestaltung der Erfindung schließt der erste Algorithmus Schritte ein zur Ermittlung von Bildpunkten deren optischer Fluss dem optischen Fluss entspricht, der bei einer Mehrzahl von Referenzpunkten ermittelt wurde. Es wurde erkannt, dass ein Indiz für einen stationären Punkt auch dann vorliegt, wenn ein
Bildpunkt einen optischen Fluss aufweist, der dem Fluss bei einer Mehrzahl von Referenzpunkten, also bereits ermittelten stationären Punkten, entspricht. Damit wird es auch möglich in schwierigen Situationen, in denen sich keine Bildpunkte mit einem optischen Fluss von null ergeben, neue Referenzpunkte zu ermitteln. Die Mehrzahl von Referenzpunkten, deren optischer Fluss mit dem des Bildpunktes verglichen wird, lässt - A -
sich auf verschiedene Arten realisieren. So wird erfindungsgemäß insbesondere vorgeschlagen, die größte Menge von örtlich zusammenhängend positionierten Referenzpunkten zu betrachten, die Anzahl der benötigten Referenzpunkte als Prozentsatz der Gesamtheit der Referenzpunkte zu beschreiben oder mittels mathematischer, insbesondere statistischer Verfahren signifikante Referenzpunkte oder
Mengen von Referenzpunkten zu bestimmen. Auch hier ist es nicht erforderlich, dass der optische Fluss des betrachteten Bildpunktes mit dem optischen Fluss der gewählten Referenzpunkte exakt übereinstimmt. Vielmehr kann bereits eine statistisch signifikante Übereinstimmung oder ein Einfinden innerhalb vorgegebener Toleranzen ausreichend sein. Wiederum wird der Fachmann in Abhängigkeit von der geforderten Charakteristik den Bereich, in dem eine Übereinstimmung der optischen Flüsse bejaht wird, enger oder weiter festlegen.
Mit Vorteil schließt der erste Algorithmus Schritte ein zur Durchführung einer Filterung der Bildpunkte mittels eines Kaiman-Filters. Die Funktionsweise und die Realisierung eines Kaiman-Filters ist aus dem Stand der Technik hinlänglich bekannt und soll daher nicht näher erläutert werden. Die Randbedingungen, die in den Kaiman-Filter eingebracht werden, sind vorzugsweise ein maximaler optischer Fluss und, sofern mehrere Momentaufnahmen ausgewertet werden, eine minimale beziehungsweise maximale Beschleunigung von Bildpunkten. Bildpunkte, die die vorgegebenen Bedingungen nicht erfüllen, also wahrscheinlich die Umgebung - aus den unterschiedlichsten Gründen - nicht zutreffend repräsentieren, werden vom Kaiman-Filter gedämpft oder unterdrückt. Dies verbessert das Ergebnis bezüglich der Aufnahme neuer Referenzpunkte in die Beobachtungsmenge.
Bevorzugt schließt der erste Algorithmus Schritte ein zur Ermittlung mindestens einer Objektgruppe aus örtlich zusammenhängend positionierten Referenzpunkten. Dadurch lassen sich die Auswertungen, die Referenzpunkte einbeziehen, verbessern und erleichtern. Durch die Erzeugung von Objektgruppen ist es beispielsweise nicht mehr notwendig, viele einzelne Punkte zu vergleichen, sondern einen Formvergleich anzuwenden, wie er beispielsweise in Iterative Closest Point Algorithm, P. J. Besl and N. D. McKay (A method for registration of 3-D shapes. PAMI, 14(2):239-256, February 1992) beschrieben ist. Auch bekannte Verfahren zum Vergleich von Mengen, wie zum Beispiel RANSAC (M. A. Fischler, R. C. Bolles. Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography. Comm. of the ACM, VoI 24, pp 381-395, 1981) lassen sich einsetzen.
Mit Vorteil schließt der zweite Algorithmus Schritte ein zur Ermittlung permanent vorhandener, in ihrer Position unveränderter Referenzpunkte. Referenzpunkte, die über eine lange Zeit oder sogar immer gleich sind, haben nur eine geringe oder gar keine
Aussagekraft, da es sich dabei regelmäßig um Teile des eigenen Fahrzeugs im Blickfeld der Bildgebungsvorrichtung oder aber um eine Verschmutzung im Bereich der Optik der
Bildgebungsvorrichtung handelt. Sind bereits im Vorfeld Bildbereiche bekannt, die zu Referenzpunkten ohne Informationsgehalt führen können, so können diese Bereiche von der Bildauswertung grundsätzlich ausgenommen werden.
Vorteilhafter Weise schließt der zweite Algorithmus Schritte ein zur Ermittlung eines ersten optischen Flusses einer Mehrheit von Referenzpunkten gegenüber mindestens einem zweiten optischen Fluss einer Minderheit von Referenzpunkten. Die Begriffe der
Mehrheit und Minderheit sind dabei nicht allein in zahlenmäßiger Hinsicht zu verstehen. So ist es vielmehr auch möglich, dass anhand einer höheren Gewichtung von Bildpunkten in bestimmten Bereichen oder von Referenzpunkten, die einer Objektgruppe angehören, auch denkbar, dass eine zahlenmäßig geringere Anzahl von Referenzpunkten im Sinne einer Mehrheit zu verstehen ist. Die vorgeschlagene Auswertung ist besonders vorteilhaft.
Stellt sich nämlich während der Auswertung der Momentaufnahme heraus, dass eine große Anzahl von Referenzpunkten (beziehungsweise eine Anzahl hoch gewichteter Referenzpunkte) sich gegenüber einem anderen Teil der Referenzpunkte unterschiedlich bewegt, beispielsweise wenn der erste optische Fluss in etwa null ist und der zweite optische Fluss deutlich größer null, so ist anzunehmen, dass die Referenzpunkte, die den zweiten optischen Fluss aufweisen, zu einem bisher relativ zur Bilderfassungseinrichtung unbewegten Objekt gehören und nicht tatsächlich stationär sind. Diese als eigenbewegt erkannten Referenzpunkte werden aus der Beobachtungsmenge entfernt, und nur die weiterhin stationären Referenzpunkte werden weiter verfolgt.
Bei einer Weiterbildung der Erfindung schließt der zweite Algorithmus Schritte ein zur Durchführung einer Filterung der Referenzpunkte mittels einen Kaiman-Filters. Hier können dem Kaiman-Filter beispielsweise Randbedingungen zum Ausmaß tatsächlich zu erwartender Bewegungen von Referenzpunkten vorgegeben werden. Überschreitet beispielsweise die Bewegung eines Referenzpunktes einen vorgegebenen Schwellenwert nur einmalig oder lediglich kurzzeitig, so kann dies mittels des Kaiman-Filters berücksichtigt und eine vorschnelle Entfernung des Referenzpunktes aus der Beobachtungsmenge verhindert werden.
Mit Vorteil wird zumindest ein Teil der Referenzpunkte der Beobachtungsmenge zu verschiedenen Zeitpunkten gespeichert und wird aus den gespeicherten Daten ein Verlauf der Referenzpunkte bestimmt. Damit kann beispielsweise überprüft werden, ob sich ein bestimmter Punkt je nach seiner Klassifikation in einem zu erwartenden Rahmen hinsichtlich Betrag und Richtung des optischen Flusses entwickelt hat. Die Auswertung der gespeicherten Daten kann ebenfalls dazu verwendet werden, das Ausscheiden eines
Punktes (zum Beispiel eines eigenbewegten Objekts) aus der Beobachtungsmenge auszulösen. Dabei ist es auch möglich die gesamten Bildpunkte oder eine Auswahl in einem Kaiman-Filter zu geben und dann mit dem Ergebnis des Filters die bisherige Punktmenge zu korrigieren. Nachfolgend können dann alle konsistenten Bildpunkte, also die Bildpunkte, deren Fluss erwartete Werte innerhalb der gesetzten Rahmenbedingungen aufweist, weiterverarbeitet werden.
Vorteilhafter Weise wird aus einem gleichen optischen Fluss einer Mehrheit der Referenzpunkte eine Winkeleigenbewegung der Bildgebungsvorrichtung beziehungsweise des Fahrzeugs errechnet. Findet eine kollektive Bewegung einer
Mehrheit der Referenzpunkte in der Beobachtungsmenge statt, so lässt dies auf eine Winkeleigenbewegung der Bildgebungsvorrichtung beziehungsweise des Fahrzeugs schließen. Durch die Auswertung der kollektiven Bewegung können die Winkelanteile, Nick-, Gier- und Rollwinkel, ermittelt werden. Auch hier bieten sich die zuvor vorgeschlagenen Verfahren an, um eine Aussage treffen zu können, wann eine Mehrheit der Referenzpunkte sich gegenüber den anderen Referenzpunkten bewegt und den Schluss auf eine Winkeleigenbewegung zuzulassen. Prinzipbedingt sollte bei einer Winkeleigenbewegung der Bildgebungsvorrichtung eine gleichförmige Bewegung aller Referenzpunkte erfolgen, doch stellt sich dies aufgrund der hochdynamischen Rahmenbedingungen in der Praxis regelmäßig nicht ein. Es ist daher zweckmäßig und ausreichend für die jeweilige Applikation den geeigneten Schwellenwert und das geeignete Verfahren zur Ermittlung der Mehrheit zu bestimmen.
Es ist vorteilhaft, wenn eine Winkelbewegung der Bildgebungsvorrichtung beziehungsweise des Fahrzeugs anhand eines mathematischen Gleichungssystems beschrieben wird und eine Filterung der ermittelten Beobachtungsmengen im Zeitbereich Koeffizienten zur Berechnung der Winkeleigenbewegung ermittelt werden. Dadurch kann auf eine Auswertung und/oder Gewichtung einzelner Punkte verzichtet werden. Eine derartige Bestimmung der Winkeleigenbewegung lässt sich insbesondere mittels einen Kaiman-Filters unterstützen.
Gemäß einer bevorzugten Ausgestaltung der Erfindung wird eine ermittelte Winkeleigenbewegung an Steuerfunktionen des Fahrzeugs weitergeleitet und wird von diesen bei der Bestimmung und/oder Durchführung von Steuereingriffen berücksichtigt. Unter dem Begriff „Steuern" ist dabei sowohl das Steuern ohne Rückkopplung als auch das Regeln mit Rückkopplung zu verstehen. Zu den Steuerfunktionen des Fahrzeugs gehören insbesondere Bremsfunktionen, wie Anti-Blockier-System oder Bremsunterstützung, sowie Stabilisationsfunktionen, wie eine elektronische Stabilitätskontrolle. Durch eine Berücksichtigung der zur Eigenbewegung des Fahrzeugs ermittelten Daten lassen sich die das Fahrverhalten des Fahrzeugs betreffenden Steuer- und/oder Regeleingriffe zielgenauer einsetzen. Dabei ist es insbesondere vorteilhaft, wenn die Winkeleigenbewegung an die Steuerfunktionen weitergeleitet wird.
Es ist vorteilhaft, wenn eine ermittelte Winkeleigenbewegung bei der Auswertung der optischen Flüsse dahingehend berücksichtigt wird, dass die optischen Flüsse um die auf der Winkeleigenbewegung beruhende Komponente bereinigt werden, um so im Wesentlichen rein translatorisch bedingte optische Flüsse zu erhalten. Abweichungen von diesen translatorischen Feld lassen auf eigenbewegte Objekte schließen. Zudem lassen sich anhand von Längenvergleichen im translatorischen Feld Tiefenstafflungen und/oder Objekte mit gleicher Bewegungsrichtung aber relativer Geschwindigkeit, wie dies beispielsweise bei einem überholenden Fahrzeug gegeben ist, ermitteln.
Die Erfindung betrifft ferner eine Vorrichtung zur Durchführung eines Verfahrens zur Bestimmung der Eigenbewegung eines Fahrzeugs in einer Umgebung, mit einer der Erfassung der Umgebung mittels Momentaufnahmen dienenden Bildgebungseinrichtung, mit einer Ermittlungseinrichtung zur Bestimmung des optischen Flusses anhand der Momentaufnahmen, mit einer Speichereinrichtung zur Speicherung einer Beobachtungsmenge von Referenzpunkten, die aus Sicht der Bildgebungsvorrichtung stationär scheinen, mit einer einen ersten Algorithmus realisierenden ersten Logikschaltung zur Bestimmung von der Beobachtungsmenge hinzuzufügenden Referenzpunkten und mit einer einen zweiten Algorithmus realisierenden zweiten Logikschaltung zur Bestimmung von aus der Beobachtungsmenge zu entfernenden Referenzpunkten.
Zeichnungen
Die Erfindung wird nun anhand von Ausführungsbeispielen näher erläutert. Dabei zeigen
Figur 1 ein Verfahren zur Bestimmung der Eigenbewegung eines Fahrzeugs und
Figur 2 eine Vorrichtung zur Durchführung eines Verfahrens zur Bestimmung der Eigenbewegung eines Fahrzeugs.
Beschreibung der Ausführungsbeispiele
Figur 1 zeigt ein Verfahren zur Bestimmung der Eigenbewegung eines Fahrzeugs, insbesondere der Winkeleigenbewegung des Fahrzeugs. Das Verfahren wird, beispielsweise bei der Inbetriebnahme des Fahrzeugs, am Punkt S gestartet. Zunächst kann in einem optionalen Initialisierungsschritt 10 eine initiale Aufnahme der
Umgebungsdaten erfolgen. Dazu zählt insbesondere die erste Berechnung eines optischen Flusses, das erste Erstellen von Referenzpunkten einer Beobachtungsmenge und die erste Bestimmung des kollektiven Flusses der Referenzpunkte. Unter dem Begriff des kollektiven Flusses ist eine gemittelte Betrachtung der einzelnen optischen Flüsse zu verstehen, mit der ein allgemeiner, gemeinsamer optischer Fluss von allen beziehungsweise zumindest einer Mehrzahl von Referenzpunkten beschrieben wird. In Abhängigkeit von der gewünschten Applikation, können verschieden Verfahren, wie zum Beispiel Mittelwert, Median, geometrisches Mittel, statistische und/oder stochastische Auswertungen, eingesetzt werden. Maßgeblich ist es dabei insbesondere, Aussagen ableiten zu können, welche Bildpunkte beziehungsweise Referenzpunkte tatsächlich stationär sind und welchen optischen Fluss diese stationären Punkte aufweisen. Der Initialisierungsschritt 10 ist nicht zwingend erforderlich, da insbesondere das Aufnehmen und das Entfernen von Referenzpunkten ein dynamisches Verfahren ist, welches alleine mittels der nachfolgend beschriebenen Verfahrensschritte durchgeführt werden kann. Im Schritt 12 wird aus zwei Momentaufnahmen ein optischer Fluss berechnet. Verfahren zur Bestimmung des optischen Flusses sind in vielen Varianten bekannt und im Stand der Technik detailliert beschrieben. Die im Schritt 12 gewonnenen optischen Flussdaten können nun bevorzugt auf zwei verschiedene Weisen ausgewertet werden. Dabei können das erste Verarbeitungsverfahren mit den Schritten 14, 16 und 20 sowie mit dem
Vergleichsschritt 18 und das zweite Verarbeitungsverfahren mit den Schritten 22, 24 und 26 sowohl einzeln als auch alternativ und bei entsprechenden Vorkehrungen auch kombiniert betrieben werden.
Im ersten Verarbeitungsverfahren wird im Kontrollschritt 14 zunächst eine Kontrolle bezüglich der Referenzpunkte (stationäre Punkte) durchgeführt. Das heißt, Bildpunkte, die als stationäre Punkte erkannt wurden, werden als Referenzpunkt in die Beobachtungsmenge aufgenommen; Referenzpunkte, die die Kriterien eines stationären Punktes nicht mehr erfüllen, werden aus der Beobachtungsmenge herausgenommen. In diesem Schritt kann auch die Ermittlung von örtlich zusammenhängend positionierten
Referenzpunkten durchgeführt werden. Nach dem Kontrollschritt 14 wird im Schritt 16 der kollektive Fluss der Referenzpunkte ermittelt. Das Ergebnis des kollektiven Flusses wird im Vergleichsschritt 18 mit einem vorher ermittelten kollektiven Fluss verglichen. Falls noch keine Daten zu einem zuvor ermittelten kollektiven Fluss vorliegen, wird der neu ermittelte kollektive Fluss gegen einen Standardwert, insbesondere mit null, verglichen. Wird keine Änderung des kollektiven Flusses festgestellt, so wird das Verfahren über den Abzweig N fortgesetzt und führt dann zum bekannten Schritt 12 zurück. Wurde eine Änderung des kollektiven Flusses festgestellt, das heißt die Kamera und damit das Fahrzeug hat eine Winkeleigenbewegung durchgeführt, so zweigt das Verfahren über den Abzweig J zum Berechnungsschritt 20 ab, in dem mittels einer direkten Rechnung oder eine Kaiman-Filters eine neue Winkeleigenbewegung errechnet wird. Danach wird das Verfahren mit dem Schritt 12 fortgesetzt.
Gemäß dem zweiten Verarbeitungsverfahren werden die aus dem Schritt 12 gewonnenen optischen Flüsse im Schritt 22 mittels eines Kaiman-Filters verarbeitet. In den Kaiman-
Filter sind dabei Daten eingegeben, die die reale Umgebung, aus der die Messwerte stammen, modellieren. Dies sei beispielhaft für die Nickbewegung eines Fahrzeugs erläutert. Für bestimmte Fahrzeuge in bestimmten Umgebungen kann beispielsweise angenommen werden, dass die Nickbewegung einen Wert von ± 2° und die Nickgeschwindigkeit einen Wert von ± 1 "/Sekunde regelmäßig nicht überschreiten. Diese Information wird in den Kaiman-Filter eingegeben, sodass bei darüber hinausgehenden Messwerten, insbesondere bei einer deutlichen Überschreitung, die Daten der entsprechenden Punkte gedämpft und/oder eliminiert werden. Die bereits aus dem ersten Verarbeitungsverfahren bekannte Kontrolle der Referenzpunkte wird im zweiten Verarbeitungsverfahren im Schritt 24 nun aufgrund der Daten aus der Kaiman-Filterung gemäß Schritt 22 durchgeführt. Aus den Daten des Schrittes 22 wird dann im Schritt 26 die neue Winkeleigenbewegung errechnet, die bei fehlender Winkeleigenbewegung des Fahrzeugs gleich null ist. Die ermittelten neuen Winkeleigenbewegungen des ersten und/oder zweiten Verarbeitungsverfahrens werden an Steuereinheiten weitergeleitet, die im Fahrzeug angeordnet oder dem Fahrzeug zugeordnet sind.
Figur 2 zeigt eine Vorrichtung 30 zur Durchführung eines Verfahrens zur Bestimmung der Eigenbewegung eines Fahrzeugs 32. Die Vorrichtung weist eine Bildgebungseinrichtung 34 auf, die mittels Momentaufnahmen zumindest einen Teil der Umgebung des Fahrzeugs 32 erfasst. Die Bewegung des Fahrzeugs 32 ist anhand der
Pfeile angedeutet. Die Bilddaten werden über eine Datenleitung 36 an eine Ermittlungseinrichtung 38 weitergeleitet, in der aus den Bilddaten der Momentaufnahmen die optischen Flüsse zumindest von ausgewählten Bildpunkten ermittelt werden. In einer Speichereinrichtung 40 können Daten gespeichert werden. Dabei wird es sich üblicherweise um eine temporäre Speicherung handeln, die sich auf Momentaufnahmen, einzelne Bildausschnitte, Bildpunkte, Referenzpunkte, Punktsgruppen, optische Flüsse oder auf sonstige Messdaten oder verarbeitete Daten beziehen kann. Der Ermittlungseinrichtung 38 und der Speichereinrichtung 40 sind eine erste Logikschaltung 42 und eine zweite Logikschaltung 44 zugeordnet. Mittels der ersten Logikschaltung 42 werden die Bilddaten dahingehend ausgewertet, in den Bilddaten der Momentaufnahmen stationärer Punkte ausfindig zu machen. Die zweite Logikschaltung dient in erster Linie dazu die Beobachtungsmenge hinsichtlich möglicherweise zu entfernender Referenzpunkte zu untersuchen. In der nachgelagerten Auswertevorrichtung 46 werden die gewonnenen Daten hinsichtlich einer Eigenbewegung, insbesondere einer Winkeleigenbewegung, ausgewertet. Bezüglich der Auswertung der Daten wird auf die vorstehenden Ausführungen verwiesen. Die von der Auswerteeinrichtung 46 ermittelten Daten werden in diesem Beispiel einer Steuereinrichtung 48 des Fahrzeugs 32, beispielsweise einer elektronischen Stabilitätskontrolle, zugeführt und von dieser bei der Berechnung von Regeleingriffen berücksichtigt.

Claims

Patentansprüche
1. Verfahren zur Bestimmung der Eigenbewegung eines Fahrzeugs in einer Umgebung, wobei mittels einer am Fahrzeug fixierten Bildgebungsvorrichtung zumindest ein Teil der Umgebung mittels Momentaufnahmen erfasst wird, mindestens zwei Momentaufnahmen zur Bestimmung der optischen Flüsse von Bildpunkten ausgewertet werden, aus den optischen Flüssen Referenzpunkte ermittelt werden, die aus Sicht der Bildgebungsvorrichtung stationär scheinen, und die Referenzpunkte in einer Beobachtungsmenge gesammelt werden, dadurch gekennzeichnet, dass anhand eines ersten Algorithmus neue Referenzpunkte der Beobachtungsmenge dynamisch hinzugefügt werden und anhand eines zweiten Algorithmus bestehende Referenzpunkte aus der Beobachtungsmenge dynamisch entfernt werden.
2. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der erste Algorithmus Schritte einschließt zur Ermittlung von Bildpunkten deren optischer Fluss null oder nahezu null ist.
3. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der erste Algorithmus Schritte einschließt zur Ermittlung von Bildpunkten deren optischer Fluss dem optischen Fluss entspricht, der bei einer Mehrzahl von
Referenzpunkten ermittelt wurde.
4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der erste Algorithmus Schritte einschließt zur Durchführung einer Filterung der Bildpunkte mittels eines Kaiman-Filters.
5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der erste Algorithmus Schritte einschließt zur Ermittlung mindestens einer Objektgruppe aus örtlich zusammenhängend positionierten Referenzpunkten.
6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der zweite Algorithmus Schritte einschließt zur Ermittlung permanent vorhandener, in ihrer Position unveränderter Referenzpunkte.
7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der zweite Algorithmus Schritte einschließt zur Ermittlung eines ersten optischen Flusses einer Mehrheit von Referenzpunkten gegenüber mindestens einem zweiten optischen Fluss einer Minderheit von Referenzpunkten.
8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der zweite Algorithmus Schritte einschließt zur Durchführung einer Filterung der Referenzpunkte mittels eines Kaiman-Filters.
9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass zumindest ein Teil der Referenzpunkte der Beobachtungsmenge zu verschiedenen
Zeitpunkten gespeichert wird und aus den gespeicherten Daten ein Verlauf der Referenzpunkte bestimmt wird.
10. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass aus einem gleichen optischen Fluss einer Mehrheit der Referenzpunkte eine
Winkeleigenbewegung der Bildgebungsvorrichtung beziehungsweise des Fahrzeugs errechnet wird.
11. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass eine Winkeleigenbewegung der Bildgebungsvorrichtung beziehungsweise des
Fahrzeugs anhand eines mathematischen Gleichungssystems beschrieben wird und durch eine Filterung der ermittelten Beobachtungsmengen im Zeitbereich Koeffizienten zur Berechnung der Winkeleigenbewegung ermittelt werden.
12. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass eine ermittelte Eigenbewegung an Steuerfunktionen des Fahrzeugs weitergeleitet wird und von diesen bei der Bestimmung und/oder Durchführung von Steuereingriffen berücksichtigt wird.
13. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass eine ermittelte Winkeleigenbewegung bei der Auswertung der optischen Flüsse dahingehend berücksichtigt wird, dass die optischen Flüsse um die auf der Winkeleigenbewegung beruhende Komponente bereinigt werden, um so im Wesentlichen rein translatorisch bedingte optische Flüsse zu erhalten.
14. Vorrichtung (30) zur Durchführung eines Verfahrens zur Bestimmung der Eigenbewegung eines Fahrzeugs (32) in einer Umgebung, insbesondere nach einem der vorhergehenden Ansprüche, mit einer der Erfassung der Umgebung mittels Momentaufnahmen dienenden Bildgebungseinrichtung (34), mit einer
Ermittlungseinrichtung (38) zur Bestimmung des optischen Flusses anhand der Momentaufnahmen und mit einer Speichereinrichtung (40) zur Speicherung einer Beobachtungsmenge von Referenzpunkten, die aus Sicht der Bildgebungsvorrichtung stationär scheinen, gekennzeichnet durch eine einen ersten Algorithmus realisierende erste Logikschaltung (42) zur Bestimmung von der Beobachtungsmenge hinzuzufügenden Referenzpunkten und eine einen zweiten Algorithmus realisierende zweite Logikschaltung (44) zur Bestimmung von aus der Beobachtungsmenge zu entfernenden Referenzpunkten.
PCT/EP2005/057161 2005-01-04 2005-12-23 Verfahren zur bestimmung der eigenbewegung eines fahrzeugs WO2006072555A1 (de)

Priority Applications (4)

Application Number Priority Date Filing Date Title
US11/792,208 US8135176B2 (en) 2005-01-04 2005-12-23 Method for determining the self-motion of a vehicle
DE502005007163T DE502005007163D1 (de) 2005-01-04 2005-12-23 Verfahren zur bestimmung der eigenbewegung eines fahrzeugs
AT05823954T ATE429688T1 (de) 2005-01-04 2005-12-23 Verfahren zur bestimmung der eigenbewegung eines fahrzeugs
EP05823954A EP1836681B1 (de) 2005-01-04 2005-12-23 Verfahren zur bestimmung der eigenbewegung eines fahrzeugs

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102005000651A DE102005000651A1 (de) 2005-01-04 2005-01-04 Verfahren zur Bestimmung der Eigenbewegung eines Fahrzeugs
DE102005000651.5 2005-01-04

Publications (1)

Publication Number Publication Date
WO2006072555A1 true WO2006072555A1 (de) 2006-07-13

Family

ID=35953921

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2005/057161 WO2006072555A1 (de) 2005-01-04 2005-12-23 Verfahren zur bestimmung der eigenbewegung eines fahrzeugs

Country Status (6)

Country Link
US (1) US8135176B2 (de)
EP (1) EP1836681B1 (de)
CN (1) CN100557636C (de)
AT (1) ATE429688T1 (de)
DE (2) DE102005000651A1 (de)
WO (1) WO2006072555A1 (de)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8041483B2 (en) 1994-05-23 2011-10-18 Automotive Technologies International, Inc. Exterior airbag deployment techniques
DE102007049706A1 (de) * 2007-10-17 2009-04-23 Robert Bosch Gmbh Verfahren zur Schätzung der Relativbewegung von Video-Objekten und Fahrerassistenzsystem für Kraftfahrzeuge
DE102007058779B4 (de) 2007-12-06 2021-01-14 Robert Bosch Gmbh Einrichtung eines Kraftfahrzeugs zur Erzeugung eines für eine Bildanalyse geeigneten Bildes
US8686326B1 (en) * 2008-03-26 2014-04-01 Arete Associates Optical-flow techniques for improved terminal homing and control
DE102009003061A1 (de) * 2009-05-13 2010-11-18 Robert Bosch Gmbh Verfahren und Vorrichtung zur Bahnregelung, insbesondere von mobilen Fahrzeugen
DK2312536T3 (da) * 2009-10-15 2013-10-14 Kapsch Trafficcom Ag Køretøjsapparat til et vejafgiftssystem
DE102010038905A1 (de) * 2010-08-04 2012-02-09 Robert Bosch Gmbh Verfahren und Vorrichtung zum Bestimmen von Rad- und Karosseriebewegungen eines Fahrzeuges
FR2964774B1 (fr) * 2010-09-14 2012-09-28 Astrium Sas Procede d'estimation du mouvement d'un porteur par rapport a un environnement et dispositif de calcul pour systeme de navigation
DE102010063133A1 (de) 2010-12-15 2012-06-21 Robert Bosch Gmbh Verfahren und System zur Bestimmung einer Eigenbewegung eines Fahrzeugs
DE102012217701A1 (de) 2012-09-28 2014-04-03 Robert Bosch Gmbh Erfassung einer Eigenbewegung eines Fahrzeugs mittels Kamera nach Abschalten des Motors
DE102013222268A1 (de) * 2013-10-31 2015-04-30 Continental Automotive Gmbh Automatische Korrektur der Gierausrichtung eines Kamerasystems für ein Fahrzeug
DE102014207897A1 (de) * 2014-04-28 2015-10-29 Robert Bosch Gmbh Verfahren zum Erzeugen eines Anzeigebildes
WO2015183889A1 (en) * 2014-05-27 2015-12-03 Robert Bosch Gmbh Detection, identification, and mitigation of lens contamination for vehicle mounted camera systems
DE102015202230A1 (de) 2015-02-09 2016-08-11 Conti Temic Microelectronic Gmbh Fusionierte Eigenbewegungsberechnung für ein Fahrzeug
CN111882616B (zh) * 2020-09-28 2021-06-18 李斯特技术中心（上海）有限公司 校正目标检测结果的方法及装置、系统、电子设备、存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7477758B2 (en) * 1992-05-05 2009-01-13 Automotive Technologies International, Inc. System and method for detecting objects in vehicular compartments
US8041483B2 (en) * 1994-05-23 2011-10-18 Automotive Technologies International, Inc. Exterior airbag deployment techniques
US7330784B2 (en) * 1998-11-17 2008-02-12 Automotive Technologies International, Inc. Weight measuring systems and methods for vehicles
US7786864B1 (en) * 2000-09-08 2010-08-31 Automotive Technologies International, Inc. Vehicular RFID and sensor assemblies
US7983802B2 (en) * 1997-10-22 2011-07-19 Intelligent Technologies International, Inc. Vehicular environment scanning techniques
US8035508B2 (en) * 2002-06-11 2011-10-11 Intelligent Technologies International, Inc. Monitoring using cellular phones
US7089099B2 (en) * 2004-07-30 2006-08-08 Automotive Technologies International, Inc. Sensor assemblies

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
GEHRIG S K ET AL: "Dead reckoning and cartography using stereo vision for an autonomous car", INTELLIGENT ROBOTS AND SYSTEMS, 1999. IROS '99. PROCEEDINGS. 1999 IEEE/RSJ INTERNATIONAL CONFERENCE ON KYONGJU, SOUTH KOREA 17-21 OCT. 1999, PISCATAWAY, NJ, USA,IEEE, US, vol. 3, 17 October 1999 (1999-10-17), pages 1507 - 1512, XP010362318, ISBN: 0-7803-5184-3 *
GIACHETTI A ET AL: "THE USE OF OPTICAL FLOW FOR ROAD NAVIGATION", IEEE TRANSACTIONS ON ROBOTICS AND AUTOMATION, IEEE INC, NEW YORK, US, vol. 14, no. 1, 1 February 1998 (1998-02-01), pages 34 - 48, XP000739010, ISSN: 1042-296X *
SHI J ET AL: "GOOD FEATURES TO TRACK", PROCEEDINGS OF THE COMPUTER SOCIETY CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION. SEATTLE, JUNE 21 - 23, 1994, LOS ALAMITOS, IEEE COMP. SOC. PRESS, US, 21 June 1994 (1994-06-21), pages 593 - 600, XP000515898, ISBN: 0-8186-5827-4 *
SMITH S M: "ASSET-2: REAL-TIME MOTION SEGMENTATION AND OBJECT TRACKING", REAL-TIME IMAGING, ACADEMIC PRESS LIMITED, GB, vol. 4, no. 1, February 1998 (1998-02-01), pages 21 - 40, XP000740706, ISSN: 1077-2014 *

Also Published As

Publication number Publication date
CN100557636C (zh) 2009-11-04
DE502005007163D1 (de) 2009-06-04
DE102005000651A1 (de) 2006-07-13
US8135176B2 (en) 2012-03-13
EP1836681A1 (de) 2007-09-26
US20090214077A1 (en) 2009-08-27
CN101095163A (zh) 2007-12-26
EP1836681B1 (de) 2009-04-22
ATE429688T1 (de) 2009-05-15

Similar Documents

Publication Publication Date Title
EP1836681B1 (de) Verfahren zur bestimmung der eigenbewegung eines fahrzeugs
AT521607B1 (de) Verfahren und Vorrichtung zum Testen eines Fahrerassistenzsystem
DE102013205882A1 (de) Verfahren und Vorrichtung zum Führen eines Fahrzeugs im Umfeld eines Objekts
DE102006060893A1 (de) Vorrichtung und Verfahren zum Bestimmen eines Freiraums vor einem Fahrzeug
DE102004009924A1 (de) Verfahren und Warnvorrichtung zum grafischen Aufbereiten eines Bildes einer Kamera
AT521647A1 (de) Verfahren und System zur Datenaufbereitung, zum Trainieren eines künstlichen neuronalen Netzes und zum Analysieren von Sensordaten
DE102014114221A1 (de) Verfahren zum Detektieren von einem Objekt in einem Umgebungsbereich eines Kraftfahrzeugs, Fahrerassistenzsystem und Kraftfahrzeug
DE102017123228A1 (de) Verfahren zum Klassifizieren eines Objektpunkts als statisch oder dynamisch, Fahrerassistenzsystem und Kraftfahrzeug
DE102012015282B4 (de) Verfahren zur Detektion eines verdeckten Zustands einer Bilderfassungseinrichtung eines Kraftfahrzeugs, Kamerasystem und Kraftfahrzeug
DE102013012778A1 (de) Verfahren zum Detektieren eines sich bewegenden Fußgängers anhand von charakteristischen Merkmalen und optischen Flussvektoren eines Bilds, Kamerasystem und Kraftfahrzeug
DE102009007412B4 (de) Verfahren zur Verfolgung wenigstens eines Objekts
DE102010021221A1 (de) Verfahren zur Bestimmung einer Ausrichtung einer an einem Fahrzeug angeordneten Kamera
DE102006007550A1 (de) Vorrichtung und Verfahren zur Erkennung einer Fahrbahnmarkierung für ein Kraftfahrzeug
DE102015119871A1 (de) Verfahren zum Betreiben eines Kamerasystems mit einer Vielzahl von Bildsensorelementen und Kraftfahrzeug
WO2012019931A1 (de) Verfahren zum anzeigen von bildern auf einer anzeigeeinrichtung in einem kraftfahrzeug, fahrerassistenzsystem und kraftfahrzeug
DE102022212343A1 (de) Autonom-fahrsystem
DE102014209863A1 (de) Verfahren und Vorrichtung zum Betreiben einer Stereokamera für ein Fahrzeug sowie Stereokamera für ein Fahrzeug
DE102018208481A1 (de) Abschätzen eines Verlaufs eines Schienenpfads
DE102020109789A1 (de) Verfahren zum Durchführen einer Selbstlokalisierung eines Fahrzeugs auf der Grundlage einer reduzierten digitalen Umgebungskarte, Computerprogrammprodukt sowie ein Selbstlokalisierungssystem
DE102017100669A1 (de) Verfahren zum Erfassen eines Umgebungsbereichs eines Kraftfahrzeugs mit Anpassung einer Region von Interesse in Abhängigkeit von einem Anhänger, Recheneinrichtung, Kamerasystem sowie Kraftfahrzeug
DE102017104957A1 (de) Verfahren zum Bestimmen einer Bewegung von zueinander korrespondierenden Bildpunkten in einer Bildsequenz aus einem Umgebungsbereich eines Kraftfahrzeugs, Auswerteeinrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug
DE102015112389A1 (de) Verfahren zum Erfassen zumindest eines Objekts auf einer Straße in einem Umgebungsbereich eines Kraftfahrzeugs, Kamerasystem sowie Kraftfahrzeug
DE102018122092A1 (de) Verfahren zum Bestimmen zumindest eines Positionsparameters eines Objekts in einer Umgebung eines Kraftfahrzeugs, Computerprogrammprodukt, Fahrerassistenzsystem und Kraftfahrzeug
DE102005002636A1 (de) Verfahren und System zur Verarbeitung von Videodaten eines Kamerasystems
DE102014117708A1 (de) Verfahren zum Klassifizieren eines Flussvektors, Fahrerassistenzsystem und Kraftfahrzeug

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 2005823954

Country of ref document: EP

121 Ep: the epo has been informed by wipo that ep was designated in this application
WWE Wipo information: entry into national phase

Ref document number: 200580045875.2

Country of ref document: CN

WWP Wipo information: published in national office

Ref document number: 2005823954

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 11792208

Country of ref document: US