WO2010127650A1 - Verfahren zur auswertung von sensordaten für ein kraftfahrzeug - Google Patents

Verfahren zur auswertung von sensordaten für ein kraftfahrzeug Download PDF

Info

Publication number
WO2010127650A1
WO2010127650A1 PCT/DE2010/000035 DE2010000035W WO2010127650A1 WO 2010127650 A1 WO2010127650 A1 WO 2010127650A1 DE 2010000035 W DE2010000035 W DE 2010000035W WO 2010127650 A1 WO2010127650 A1 WO 2010127650A1
Authority
WO
WIPO (PCT)
Prior art keywords
sensor
grid
sensor data
detection
vehicle
Prior art date
Application number
PCT/DE2010/000035
Other languages
English (en)
French (fr)
Inventor
Michael Darms
Matthias Komar
Matthias Strauss
Stefan Lueke
Original Assignee
Conti Temic Microelectronic Gmbh
Continental Teves Ag & Co. Ohg
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 Conti Temic Microelectronic Gmbh, Continental Teves Ag & Co. Ohg filed Critical Conti Temic Microelectronic Gmbh
Priority to DE112010000146T priority Critical patent/DE112010000146A5/de
Publication of WO2010127650A1 publication Critical patent/WO2010127650A1/de

Links

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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9329—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles cooperating with reflectors or transponders
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking

Definitions

  • a method for evaluating sensor data of an environment detection system for a motor vehicle in which detection points are entered independently of the type of sensor an occupancy grid.
  • the result is a general occupancy grid, which can be used without sensor-specific knowledge of other suitable algorithms for object evaluation.
  • Typical sensors for environment detection are radar, lidar, camera and ultrasonic sensors.
  • the occupancy grid substantially corresponds to the environment of the motor vehicle, in particular, the environment around the vehicle in stationary cells z.
  • PImIz 1 PImIz 1 , ..., z n ).
  • a sensor system without resolution in the elevation direction can not be directly concluded whether a cell is traversable.
  • Such a sensor system does not measure the elevation of objects so that detection may also be from a traversable object (e.g., metal plate).
  • the surroundings detection system comprises at least two similar sensors, for example a stereo camera.
  • the surroundings detection system comprises at least two different types of sensor systems whose detection areas preferably at least partially overlap.
  • At least one sensor system is designed as a radar, LIDAR or ultrasound system for environmental detection.
  • detection points of at least two different types of sensor systems are combined in a common allocation grid.
  • Objects are extracted from the allocation grid.
  • the objects are recognized and / or classified with suitable algorithms.
  • an object class for example, "drive-over object", "non-drive-over object” or road boundary can be provided.
  • the occupancy grid representation is evaluated for structural elements containing physical objects such as e.g. Guardrails can comply. This can be done as part of an object detection. In this way, those selected from the set of detections are searched for, e.g. extracted non-drivable objects. Which objects are searched can be specified.
  • the allocation grid is interpreted by e.g. Longitudinal structures that can correspond to their shape and position according to crash barriers, are sought.
  • sensor-specific information acquired is obtained when sensor data are combined in a common allocation grid.
  • Specific information is, for example, the fact that detection points (grid cells) belong together. Togetherness is determined with a radar sensor, eg based on the relative velocity or the RCS (Radar Cross Section) value.
  • the color of a detection point can be taken from the sensor data of a color camera as specific information about its affiliation. This information remains with the Merging the data obtained from multiple sensors in a common occupancy grid.
  • the representation of the sensor-specific information is sensor-independent, ie an equivalent information obtained with other types of sensors are displayed in the same manner in the allocation grid, so that the algorithm for further data processing (eg, summary of grid cells to an object, object recognition or categorization, etc.) sensor-independent can be designed.
  • a proper movement of the motor vehicle, shape and position in the allocation grid is taken into account for the recognition of an object.
  • the direction of travel is important because bridges i. d. R. are arranged transversely to the direction of travel, whereas lane boundaries are arranged substantially longitudinally to the direction of travel and have a straight or a slightly curved shape.
  • the presented method is used for the detection of lane boundary boundaries.
  • Roadside boundaries such as e.g. Lane markings or crash barriers or beacons are identified in the common occupancy grid on the basis of their location and shape in the occupancy grid and a proper movement of the vehicle and.
  • extended, contiguous or periodic structures are interpreted as the roadway boundary in the longitudinal direction of the current direction of travel.
  • Figure 1 Baust ⁇ llenszenat ⁇ o for the validation of the roadside estimation, dashed search windows and measuring points are shown.
  • Figure 2 Merging the detection points of different sensors in a common assignment grid. The shape and position of objects are determined in the common allocation grid.
  • Embodiments of the method according to the invention are given below, which is used to estimate the roadside on the basis of the occupancy grid.
  • a sensor e.g. a radar sensor system is provided, which can not measure the height of objects, since no elevation resolution is provided.
  • the roadside As a roadside, extended, contiguous or periodic structures are interpreted longitudinally to the current direction of travel. The aim of the evaluation of the sensor data is therefore to find these structures in the calculated occupancy grid representation.
  • a Kalman filter used for estimating the roadside.
  • the roadside is preferably modeled as clothoid in a vehicle-fixed coordinate system.
  • the (random) structure to be found is characterized by one or more contiguous occupied lattice cells with high
  • Occupancy probability and a sharp demarcation by a significant change in the occupancy probability to the environment Transitions can be disturbed by measurement noise or by real existing objects such as metallic objects that do not belong to the road boundary. These disturbances can be filtered out or interpolated eg by the clothoid estimation with the Kalman filter.
  • Another method for suppressing disturbances is to use heuristics in the context of the data association, which prevent corresponding misallocations.
  • measurements for the Kalman filters in an advantageous embodiment of the invention, analogous to the line detection in image processing, places with a strong jump in the occupancy probability are used. Measuring points are extracted from the allocation grid, in particular within two relevant measuring ranges (search window). The areas each extend to the right and left of the vehicle in the longitudinal direction with predefined length and width. The search areas are adapted as soon as a roadside is tracked (tracked) with the help of the estimated state variables of the clothoids in position and extent.
  • edge filters from image processing. These are applied one-dimensionally transversely to the vehicle on the left and right relevant measurement areas of the occupancy grid. Of interest for the estimation of the roadside is the edge closest to the direction of travel. An edge must exceed a predefined threshold value so that it is accepted as a prominent measuring point and taken over into the measurement vector for the Kalman filter.
  • the measurement points are checked for ambiguity.
  • the area to the center of the vehicle is checked for the occupancy of the cells. Only if these are not significantly occupied, it is ensured that a measuring point belongs to the sought inner edge of the structure.
  • the measuring points associated with the roadside it is possible to determine a start and an end point of the clothoid.
  • a statement about the quality of the estimate can be made about the distribution of the measuring points.
  • Figure 1 shows a site scenario in which the roadside estimation is performed.
  • the left roadside is through Given plastic elements, which are shown in the image section a).
  • Figure 1b shows a top view of the scene with occupancy probabilities.
  • the estimated roadside serves as an input for a situation interpretation, which in case of an impending overrunning of the roadside - in this case a collision with the boundary elements - engages by an additional steering torque.
  • the system can now also apply to structuring, elevated elements of the road course, such as Guardrails or beacons, react.
  • the z. B also includes the information of the road marking, ambiguities can finally be recognized and treated.
  • the merging of the detection points of different types of sensors is displayed in a common allocation grid. It is shown in Figure 2 that an allocation grid is first created for each sensor type. Both grids are then joined together to form a two-dimensional shared grating. Alternatively, the allocation data can be entered immediately into a common grid. The shape and position of objects are determined in the common allocation grid. After the merger, coherent detection points are combined and recognized as objects. In Figure 2, this process is shown in the occupancy grid at the bottom right. The interconnected structures are marked with two thick lines. In this embodiment, the contiguous structures in shape and location correspond to roadway boundaries such as crash barriers or beacons.
  • the presented method is preferably used in driver assistance systems for track estimation, which can be used eg in an ACC or LDW system.
  • An advantageous system for acquiring sensor data is a monocular camera mounted in or on the vehicle. Based on a sequence of images, a three-dimensional recognition of objects, in particular static objects is performed. For this purpose, flow vectors of pixels are calculated according to the optical flow method in order to reconstruct these three-dimensionally.
  • the camera is rigidly connected to the vehicle and is moved with this.
  • the movement of pixels is caused by the relative movement between the vehicle and the static vehicle environment.
  • the positions of the pixels can then be reconstructed three-dimensionally.
  • the calculation of the optical flow is made from two consecutive images of the same scene. It is of interest where the pixels of the first recorded image in the following image have moved.
  • Various methods can be used to calculate the optical flux or the displacement vectors.
  • a differential or a matching method is used.
  • the flow vectors are calculated for all pixels of the image.
  • the matching method prominent pixels in the camera image are identified in a first step. A prominent pixel is characterized in particular by a high gradient in the x and y direction of the image. Only for these prominent points are the flow vectors calculated.
  • Striking pixels are to be found in particular on structuring, raised elements of the road course, such as crash barriers or beacons, especially in a construction site area.
  • the proper motion of the camera is needed. This means that translational and rotational movements of the camera between the respective times of the two shots of the successive images are determined.
  • the rotation angle and translation direction can preferably be estimated directly from the displacement vectors by the estimation of the so-called epipolar geometry.
  • Epipolar geometry is a mathematical model that describes the geometric relationships between different camera images of the same scene.
  • the translational motion of the vehicle is determined from the data of the vehicle inertial sensor. Alternatively, it is intended to estimate the total camera movement from the inertial sensor data.
  • the estimate from the epipolar geometry can be supplemented or completely replaced.
  • the three-dimensional position of the flow vectors can then preferably be determined by linear or non-linear triangulation.
  • the method presented here requires a static vehicle environment. That is, flow vectors may only have been caused by the relative motion between the moving camera and the non-moving vehicle environment. Flow vectors caused by moving objects (eg vehicles) must be excluded. Typical standing objects are reflectors for limiting the roadway or lane markings or a peripheral development of the road. These can be recognized by a suitable image processing algorithm based on characteristic features in the image. Alternatively, in particular a beam sensor (eg radar sensor) may be used to detect stationary objects.
  • a beam sensor eg radar sensor
  • the positions of moving objects determined therewith can preferably be projected into the camera image. At these points in the image no flow vectors are calculated. Thus, it is possible, even from a monocular camera, depth information and thus 3D information any static objects in the vehicle environment win. Thus, not only the location of the lane markings but also the peripheral building of a road, in particular structural, raised elements of the road course, such as crash barriers or beacons, can be supported for a lane keeping system, in particular in a construction site area.

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)

Abstract

Es wird ein Verfahren zur Auswertung von Sensordaten eines Umfelderfassungssystems für ein Kraftfahrzeug vorgestellt. Es werden Detektionspunkte in ein zweidimensionales Belegungsgitter eingetragen, wobei der Zustand einer Gitterzelle belegt und damit „potentiell nicht überfahrbar" ist, und sonst unbelegt und damit „überfahrbar" ist und das Belegungsgitter im Wesentlichen ein Fahrzeugumfeld repräsentiert.

Description

Verfahren zur Auswertung von Sensordaten für ein Kraftfahrzeug
Fahrerassistenz- und Sicherheitssysteme zur Vermeidung von Unfällen gewinnen immer größere Bedeutung. Die Akzeptanz solcher Systeme hängt von der zuverlässigen Funktionsweise und der sicheren Erkennung komplexer Verkehrssituationen ab. Dazu müssen Sensordaten schnell und zuverlässig ausgewertet werde.
Es ist deshalb die Aufgabe der hier vorliegenden Erfindung, ein verbessertes Verfahren zur Auswertung von Sensordaten zur Verfügung zu stellen.
Die Aufgabe wird gelöst durch die Merkmale der unabhängigen Ansprüche.
Es wird ein Verfahren zur Auswertung von Sensordaten eines Umfelderfassungssystems für ein Kraftfahrzeug beansprucht, bei dem Detektionspunkte unabhängig von der Art des Sensors ein Belegungsgitter eingetragen werden. Das Ergebnis ist ein allgemeingültiges Belegungsgitter, welches ohne sensorspezifisches Wissen von weiteren geeigneten Algorithmen zur Objektauswertung genutzt werden kann. Typischen Sensoren zur Umfelderfassung sind Radar-, Lidar-, Kamera- und Ultraschallsensoren. Das Belegungsgitter entspricht im Wesentlichen der Umgebung des Kraftfahrzeugs, insbesondere wird die Umgebung um das Fahrzeug herum in ortsfeste Zellen z. B. konstanter Breite und Länge aufgeteilt. Die entsprechen vorzugsweise einer Ebene auf Straßenniveau. Da häufig die Höhe eines Objekts nicht ermittelt werden kann bzw. in einem zweidimensionalen Belegungsgitter nicht aufgetragen wird, ist eine mit einem detektierten Objekt belegte Gitterzelle potentiell nicht überfahrbar, nicht belegte Gitterzellen sind potentiell überfahrbar.
Jede Zelle kann entweder belegt m = 1 oder unbelegt sein m = O. Bei einer Mehrzahl von Messungen ist es vorteilhaft den Belegungszustand der Zellen im Belegungsgitter zu schätzen: p(mx,y = 1). Zur Berechnung kann angenommen werden, dass die Belegungszustände einzelner Zellen unabhängig voneinander sind. Die Messungen des Sensorssystems Z1 sind vom Belegυngszustand der Zellen abhängig: p(zlm). Über die Bayessche Formel lässt sich nun die 'Wahrscheinlichkeit PImIz1 ,... ,zn) berechnen.
Aus den Messungen eines Sensorsystems ohne Auflösung in Elevationsrichtung kann nicht direkt geschlossen werden, ob eine Zelle überfahrbar ist. Ein solches Sensorsystem misst die Elevation von Objekten nicht, so dass eine Detektion auch von einem überfahrbaren Objekt stammen kann (z.B. Metallplatte).
Umgekehrt resultieren von nicht überfahrbaren Objekten wie z.B. Leitplanken Detektionen mit einer hohen Wahrscheinlichkeit, so dass diese in der Belegungsgitterdarstellung mit hoher Wahrscheinlichkeit vorhanden sind. Der Belegungszustand des Gitters spiegelt daher in diesem Fall nicht die Überfahrbarkeit einer Zelle wider. Die Belegtheit einer Zelle bedeutet, dass die Zelle nicht überfahrbar sein kann. Insbesondere wird bei der Berechnung des Belegungsgitters angenommen, dass die Position des Fahrzeugs im ortsfesten Koordinatensystem bekannt ist. Hierzu wird die Position des Fahrzeugs mithilfe eines Kaimanfilter basierten Odometrieverfahrens auf Basis der Fahrzustandssensoren geschätzt. Die hierdurch eingebrachte Ungenauigkeit wird in einer vorteilhaften Ausführungsform durch einen Vergessensfaktor in die Schätzung des Gitters eingebracht. In einer besonderen Ausgestaltung der Erfindung umfasst das Umfelderfassungssystem zumindest zwei gleichartige Sensoren, z.B. eine Stereokamera.
In einer weiteren Ausgestaltung umfasst das Umfelderfassungssystem zumindest zwei verschiedenartige Sensorsysteme, deren Erfassungsbereiche vorzugsweise zumindest teilweise überlappen. Zumindest ein Sensorsystem ist als Radar-, LIDAR- oder Ultraschallsystem zur Umgebungserfassung ausgebildet.
Insbesondere werden Detektionspunkte von zumindest zwei verschiedenartigen Sensorsystemen in einem gemeinsamen Belegungsgitter zusammengefasst. Aus dem Belegungsgitter werden Objekte extrahiert. Insbesondere werden die Objekte mit geeigneten Algorithmen erkannt und/oder klassifiziert werden. Als Objektklasse kann beipielsweise „überfahrbares Objekt", „nicht überfahrbares Objekt" oder Fahrbahnbegrenzung vorgesehen sein. Insbesondere wird die Belegungsgitter-Darstellung nach Strukturelementen ausgewertet, die physikalischen Gegenständen, wie z.B. Leitplanken entsprechen können. Dies kann im Rahmen einer Objekterkennung erfolgen. Auf diese Weise werden die aus der Menge der Detektionen die gesuchten z.B. nicht überfahrbare Objekte extrahiert. Welche Objekte gesucht werden ist vorgebbar. Das Belegungsgitter wird interpretiert indem z.B. Längsstrukturen, die ihrer Form und Lage gemäß Leitplanken entsprechen können, gesucht werden.
Vorzugsweise werden beim Zusammenfassen von Sensordaten in einem gemeinsamen Belegungsgitter sensorspezifische erfasste Informationen erhalten. Eine spezifische Information ist z.B. die Zusammengehörigkeit von Detektionspunkten (Gitterzellen). Die Zusammengehörigkeit wird mit einem Radarsensor z.B. anhand der Relativgeschwindigkeit oder der RCS (Radar Cross Section) -Wertbestimmt. Den Sensordaten einer Farbkamera kann z.B. die Farbe eines Detektionspunkts als spezifische Information zur Zusammengehörigkeit entnommen werden. Diese Information bleibt also beim Zusammenführen der Daten mehrerer Sensoren in einem gemeinsamen Belegungsgitter erhalten. Insbesondere ist die Darstellung der sensorspezifischen Information sensorunabhängig, d.h. eine mit anderen Sensorarten erhaltene äquivalente Informationen werden in der gleichen Weise im Belegungsgitter dargestellt, so dass der Algorithmus zur weiteren Datenverarbeitung (z.B. Zusammenfassung von Gitterzellen zu einem Objekt, Objekterkennung oder -kategorisierung etc.) sensorunabhängig gestaltet werden kann.
Insbesondere wird für die Erkennung eines Objekts eine Eigenbewegung des Kraftfahrzeugs, Form und Lage im Belegungsgitter berücksichtigt. Insbesondere ist hier die Fahrtrichtung von Bedeutung, da Brücken i. d. R. quer zur Fahrtrichtung angeordnet sind, wohingegen Fahrbahnbegrenzungen im Wesentlichen längs zur Fahrtrichtung angeordnet sind und einen geraden bzw. eine leicht gekrümmte Form aufweisen.
In einer vorteilhaften Ausführungsform wird das vorgestellte Verfahren zur Erkennung von Fahrbahnrandbegrenzungen eingesetzt.
Fahrbahnrandbegrenzungen wie z.B. Fahrspurmarkierungen oder Leitplanken oder Baken werden im gemeinsamen Belegungsgitter anhand ihrer Lage und Form im Belegungsgitter und einer Eigenbewegung des Fahrzeugs und identifiziert. Insbesondere werden in Längsrichtung zur aktuellen Fahrtrichtung ausgedehnte, zusammenhängende oder periodische Strukturen als Fahrbahnrandbegrenzung interpretiert werden.
Ausführungsbeispiele
Die Erfindung wird anhand von Ausführungsbeispielen und Abbildungen näher beschrieben. Abbildung 1 : Baustθllenszenatϊo zur Validierung der Straßenrandschätzung, gestrichelt sind Suchfenster und Messpunkte dargestellt.
Abbildung 2: Zusammenführen der Detektionspunkte verschiedenartiger Sensoren in einem gemeinsamen Belegungsgitter. Form und Lage von Objekten werden im gemeinsamen Belegungsgitter bestimmt.
Nachfolgend werden Ausführungsbeispiele des erfindungsgemäßen Verfahrens angegeben, das zur Schätzung des Straßenrandes anhand des Belegungsgitters eingesetzt wird. Als Sensor ist z.B. eine Radarsensorsystem vorgesehen, das die Höhe von Objekten nicht messen kann, da keine Elevationsauflösung vorgesehen ist.
Als Straßenrand werden in Längsrichtung zur aktuellen Fahrtrichtung ausgedehnte, zusammenhängende oder periodische Strukturen interpretiert. Ziel der Auswertung der Sensordaten ist es daher, diese Strukturen in der berechneten Belegungsgitter-Darstellung zu finden. Zur Schätzung des Straßenrandes wird z.B. ein Kaimanfilter eingesetzt. Der Straßenrand wird vorzugsweise als Klothoide in einem fahrzeugfesten Koordinatensystem modelliert.
Die (beliebige) zu findende Struktur ist charakterisiert durch einen oder mehrere zusammenhängende belegte Gitterzellen mit hoher
Belegungswahrscheinlichkeit sowie einer scharfen Abgrenzung durch eine signifikante Änderung in der Belegungswahrscheinlichkeit zur Umgebung. Übergänge können durch Messrauschen oder durch real vorhandene Objekte z.B. metallische Gegenstände, die nicht zur Straßenberandung gehören, gestört werden. Diese Störungen können z.B. durch die Klothoidenschätzung mit dem Kaimanfilter herausgefiltert bzw. interpoliert werden. Eine weitere Methode zur Unterdrückung von Störungen besteht darin, im Rahmen der Datenassoziation Heuristiken einzusetzen, die entsprechende Fehl-Zuordnungen unterbinden. Als Messungen für den Kaimanfilter werden in einer vorteilhaften Ausgestaltung der Erfindung analog zur Liniendetektion in der Bildverarbeitung Stellen mit einem starken Sprung in der Belegungswahrscheinlichkeit verwendet. Messpunkte werden insbesondere innerhalb zweier relevanter Messbereiche (Suchfenster) aus dem Belegungsgitter extrahiert. Die Bereiche erstrecken sich jeweils rechts und links vom Fahrzeug in Längsrichtung mit vordefinierter Länge und Breite. Die Suchbereiche werden sobald ein Straßenrand verfolgt (getrackt) wird, mithilfe der geschätzten Zustandsgrößen der Klothoide in Position und Ausdehnung adaptiert.
Zur Extraktion der Messpunkte werden bevorzugt klassische Kantenfilter aus der Bildverarbeitung eingesetzt. Diese werden eindimensional in Querrichtung zum Fahrzeug auf den linken und rechten relevanten Messbereichen des Belegungsgitters angewendet. Von Interesse ist für die Schätzung des Straßenrandes dabei die jeweils am nächsten zur Fahrtrichtung liegende Kante. Eine Kante muss einen vordefinierten Schwellwert überschreiten, damit sie als markanter Messpunkt akzeptiert wird und in den Messvektor für den Kaimanfilter übernommen wird.
Zur Vermeidung von Fehlinterpretationen, werden die Messpunkte auf Mehrdeutigkeiten geprüft. Um sicher zu stellen, dass der Messpunkt zur inneren Kante der markanten Struktur gehört wird der Bereich zum Mittelpunkt des Fahrzeuges auf die Belegung der Zellen geprüft. Nur wenn diese nicht signifikant belegt sind, ist sichergestellt, dass ein Messpunkt zur gesuchten inneren Kante der Struktur gehört.
Über die zum Straßenrand assoziierten Messpunkte ist es möglich, einen Start- und einen Endpunkt der Klothoide zu bestimmen. Außerdem kann über die Verteilung der Messpunkte eine Aussage über die Güte der Schätzung getroffen werden.
In Abbildung 1 ist ein Baustellenszenario angegeben, in dem die Straßenrandschätzung durchgeführt wird. Der linke Straßenrand wird durch Plastikelemente vorgegeben, die in dem Bildausschnitt a) dargestellt sind. Abbildung 1b gebt eine Draufsicht der Szene mit Belegungswahrscheinlichkeiten an. Der geschätzte Straßenrand dient als Eingang für eine Situationsinterpretation, welche im Falle eines drohenden Überfahrens des Straßenrands - hier also einer Kollision mit den Begrenzungselementen - durch ein zusätzliches Lenkmoment eingreift. Durch den verwendeten
Ansatz kann das System allerdings nun auch auf strukturgebende, erhabene Elemente des Straßenverlaufs, wie z.B. Leitplanken oder Baken, reagieren. Im Rahmen einer verallgemeinerten Situationsanalyse, die z. B auch die Informationen der Straßenmarkierung mit einbezieht, können schließlich Mehrdeutigkeiten erkannt und behandelt werden.
In einem weiteren Ausführungsbeispiel wird das Zusammenführen der Detektionspunkte verschiedenartiger Sensoren, z.B. einem Kamera und einem Radarsensor, in einem gemeinsamen Belegungsgitter dargestellt. Es wird in Abbildung 2 gezeigt, dass zunächst für jeden Sensortyp je ein Belegungsgitter erstellt wird. Beide Gitter werden dann zu einem zweidimensionale gemeinsamen Belegungsgitter zusammengefügt. Alternativ können die Belegungsdaten gleich in ein gemeinsames Gitter eingetragen werden. Die Form und Lage von Objekten werden im gemeinsamen Belegungsgitter bestimmt. Nach der Fusion werden zusammenhängende Detektionspunkte als Objekte zusammengefasst und erkannt. In Abbildung 2 ist dieser Vorgang im Belegungsgitter unten rechts dargestellt. Die zusammenhängenden Strukturen sind mit zwei dicken Linien gekennzeichnet In diesem Ausführungsbeispiel entsprechen die zusammenhängenden Strukturen in Form und Lage Fahrbahnrandbegrenzungen wie z.B. Leitplanken oder Baken. Das vorgestellt Verfahren wird vorzugsweise in Fahrerassistenzsystemen zur Spurschätzung eingesetzt, das kann z.B. in einem ACC oder LDW System eingesetzt werden.
Eine vorteilhaftes System zur Erfassung von Sensordaten ist eine im oder am Fahrzeug befestigte Monokularkamera. Anhand einer Bilderfolge wird eine dreidimensionale Erkennung von Objekten insbesondere statischen Objekten durchgeführt. Dazu wird nach der Methode des optischen Fluss Flussvektoren von Bildpunkten berechnet, um diese drei dimensional zu rekonstruieren.
Die Kamera ist dabei starr mit dem Fahrzeug verbunden und wird mit diesem mitbewegt. Die Bewegung von Bildpunkten wird dabei durch die Relativbewegung zwischen dem Fahrzeug und dem statischen Fahrzeugumfeld verursacht.
Aus den berechneten Flussvektoren der Bildpunkte und der geschätzten Eigenbewegung der Kamera können dann die Positionen der Bildpunkte dreidimensional rekonstruiert werden. Die Berechnung des optischen Flusses erfolgt aus zwei aufeinanderfolgenden Bildern der gleichen Szene. Dabei ist von Interesse wohin sich die Pixel des zuerst aufgenommenen Bildes im darauf folgenden Bild bewegt haben. Zur Berechnung des optischen Fluss, bzw. der Verschiebungsvektoren, können verschiedene Verfahren eingesetzt werden. Insbesondere wird ein Differentielles- oder ein Matching Verfahren angewendet. Bei dem Differentiellen Verfahren werden die Flussvektoren für alle Pixel des Bildes berechnet. Bei dem Matching Verfahren werden in einem ersten Schritt markante Bildpunkte im Kamerabild identifiziert. Ein markanter Bildpunkt zeichnet sich insbesondere durch einen hohen Gradienten in x- und y-Richtung des Bildes aus. Nur für diese markanten Punkte werden dann die Flussvektoren berechnet. Markanten Bildpunkte sind insbesondere auf strukturgebenden, erhabenen Elementen des Straßenverlaufs zu finden, wie z.B. Leitplanken oder Baken insbesondere in einem Baustellenbereich. Für die anschließende dreidimensionale Rekonstruktion der Fiussvektoren wird die Eigenbewegung der Kamera benötigt. D.h. Translations - und Rotationsbewegungen der Kamera zwischen den jeweiligen Zeitpunkten der beiden Aufnahmen der aufeinanderfolgenden Bilder wird ermittelt. Die Rotationswinkel und Translationsrichtung können vorzugsweise direkt aus den Verschiebungsvektoren durch die Schätzung der sog. Epipolargeometrie mitgeschätzt werden. Die Epipolargeometrie ist ein mathematisches Modell, das die geometrischen Beziehungen zwischen verschiedenen Kamerabildem der gleichen Szene beschreibt. Die Translationsbewegung des Fahrzeugs wird aus den Daten der Fahrzeug lnertialsensorik bestimmt. Alternativ ist vorgesehen die gesamte Kamerabewegung aus den Daten der lnertialsensorik zu schätzen. Damit kann die Schätzung aus der Epipolargeometrie ergänzt oder ganz ersetzt werden. Aus den Flussvektoren, der geschätzten Eigenbewegung der Kamera und den intrinsischen Kameraparametern kann dann vorzugsweise durch lineare oder nichtlineare Triangulation die dreidimensionale Position der Flussvektoren bestimmt werden. Das hier vorgestellte Verfahren setzt allerdings ein statisches Fahrzeugumfeld voraus. D.h. Flussvektoren dürfen nur durch die Relativbewegung zwischen der bewegten Kamera und dem nichtbewegten Fahrzeugumfeld verursachte worden sein. Flussvektoren die von bewegten Objekten (z.B. Fahrzeuge) verursacht werden müssen ausgeschlossen werden. Typische stehende Objekte sind Reflektoren zur Begrenzung der Fahrbahn oder Fahrspurmarkierungen oder eine Randbebauung der Straße. Diese können durch einen geeigneten Bildverarbeitungsalgorithmus anhand charakteristischer Merkmale im Bild erkannt werden. Alternativ kann zur Erkennung von stehenden Objekten insbesondere ein Strahlsensor (z.B. Radarsensor) verwendet werde. Die damit ermittelten Positionen bewegter Objekte können vorzugsweise in das Kamerabild projiziert werden. An diesen Stellen im Bild werden dann keine Flussvektoren mehr berechnet. Damit ist es also möglich, auch aus einer monokularen Kamera, Tiefeninformationen und damit 3D Informationen beliebiger statischer Objekte im Fahrzeugumfeld zu gewinnen. Somit kann für ein Spurhaltesystem sieht nicht nur die Lage der Fahrspurmarkierungen sondern auch auf die Randbebauung einer Straße, insbesondere strukturgebende, erhabene Elemente des Straßenverlaufs, wie z.B. Leitplanken oder Baken insbesondere in einem Baustellenbereich zu stützen.
Bezugszeichenliste / Zeichnungen
1 Fahrzeug
2 Belegungswahrscheinlichkeit > 0.5
3 Belegungswahrscheinlichkeit < 0.5
4 geschätzter Straßenrand
5 Längsstrukturen
6 Suchfenster und Messpunkte

Claims

Patentansprüche
1 ) Verfahren zur Auswertung von Sensordaten eines Umfelderfassungssystems für ein Kraftfahrzeug, dadurch gekennzeichnet, dass
Detektionspunkte unabhängig von der Art des Sensors in ein zweidimensionales Belegungsgitter eingetragen werden, wobei der Zustand einer Gitterzelle belegt und damit „potentiell nicht überfahrbar" ist, wenn an diesem Ort ein Objekt detektiert wird, und sonst unbelegt und damit „ potentiell überfahrbar" ist und das Belegungsgitter im Wesentlichen ein Fahrzeugumfeld repräsentiert.
2) Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Umfelderfassungsystem zumindest zwei gleichartige Sensoren umfasst insbesondere eine Stereokamera umfasst.
3) Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass das Umfelderfassungsystem zumindest zwei verschiedenartige Sensorsysteme umfasst, wobei ein Sensorsystem ein Strahlsensor z.B. ein Radar- oder LIDAR- oder Ultraschallsystem und das zweite Sensorsystem ein Kamerasystem ist.
4) Verfahren nach Anspruch 2 oder 3, wobei
Detektionspunkte von zumindest zwei Sensoren oder Sensorsystemen in einem gemeinsamen zweidimensionalen Belegungsgitter zusammengefasst und anhand dieser zusammengefassten Sensordaten Detektionspunkte zu einem Objekt zusammengefasst (geclustert) werden. 5) Verfahren nach Anspruch 3, wobei beim Zusammenfassen von Sensordaten in einem gemeinsamen Belegungsgitter sensorspezifische Eigenschaften berücksichtigt werden und beim Zusammenfassen von Sensordaten in einem gemeinsamen Belegungsgitter sensorspezifisch generierte Informationen erhalten bleiben Und sensorunabhängig repräsentiert werden.
6) Verfahren nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass für die Erkennung eines Objekts eine Eigenbewegung des Kraftfahrzeugs, Form und Lage des Objekts im Belegungsgitter berücksichtigt wird.
7) Verfahren zur Erkennung von Fahrbahnrandbegrenzungen nach einem der vorherigen Ansprüche, wobei Fahrbahnrandbegrenzungen wie z.B. Fahrspurmarkierungen oder Leitplanken oder Baken im gemeinsamen Belegungsgitter anhand ihrer Lage im Belegungsgitter und einer Eigenbewegung des Fahrzeugs, insbesondere einer Fahrtrichtung, erkannt werden.
8) Verfahren nach Anspruch 7, wobei in Längsrichtung zur aktuellen Fahrtrichtung ausgedehnte, zusammenhängende oder periodische Strukturen als Fahrbahnrandbegrenzung interpretiert werden.
9) Verfahren nach einem der vorherigen Ansprüche, wobei die Sensordaten eines Sensorsystems Bilddaten einer Monokularkamera sind, die mit dem Verfahren des optischen Fluss ausgewertet werden. 10) Spurhaltesystem, das ein Verfahren nach einem der vorherigen Ansprüche 2-9 umfasst, wobei zur Spurfindung die Lage der Fahrspurmarkierungen und der Randbebauung einer Straße, insbesondere strukturgebende, erhabene Elemente des Straßenverlaufs, aus den Sensordaten ermittelt wird.
PCT/DE2010/000035 2009-05-06 2010-01-16 Verfahren zur auswertung von sensordaten für ein kraftfahrzeug WO2010127650A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE112010000146T DE112010000146A5 (de) 2009-05-06 2010-01-16 Verfahren zur Auswertung von Sensordaten für ein Kraftfahrzeug

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
DE102009020071.1 2009-05-06
DE102009020073.8 2009-05-06
DE102009020073 2009-05-06
DE102009020071 2009-05-06
DE102009042780.5 2009-09-25
DE102009042780 2009-09-25

Publications (1)

Publication Number Publication Date
WO2010127650A1 true WO2010127650A1 (de) 2010-11-11

Family

ID=42111354

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/DE2010/000035 WO2010127650A1 (de) 2009-05-06 2010-01-16 Verfahren zur auswertung von sensordaten für ein kraftfahrzeug

Country Status (2)

Country Link
DE (1) DE112010000146A5 (de)
WO (1) WO2010127650A1 (de)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011111856A1 (de) 2011-08-27 2013-02-28 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zur Detektion mindestens einer Fahrspur in einem Fahrzeugumfeld
WO2013087067A1 (de) * 2011-12-14 2013-06-20 Continental Teves Ag & Co. Ohg Freirauminformationen in einem belegungsgitter als grundlage für die bestimmung eines manöverraums für ein fahrzeug
CN103176185A (zh) * 2011-12-26 2013-06-26 上海汽车集团股份有限公司 用于检测道路障碍物的方法及系统
DE102012105332A1 (de) * 2012-06-19 2013-12-19 Continental Teves Ag & Co. Ohg Verfahren zur Darstellung einer Fahrzeugumgebung
WO2014044272A1 (de) 2012-09-20 2014-03-27 Conti Temic Microelectronic Gmbh Verfahren zur kalibrierung mehrerer umfeldsensoren in einem fahrzeug
EP2950114A1 (de) * 2014-05-30 2015-12-02 Honda Research Institute Europe GmbH Fahrerassistenzverfahren zum Antreiben eines Fahrzeugs, ein Fahrerassistenzsystem, ein Computersoftwareprogrammprodukt und Fahrzeug
WO2015185048A1 (de) * 2014-06-05 2015-12-10 Conti Temic Microelectronic Gmbh Verfahren und system zur bestimmung einer fahrzeugposition eines fahrzeuges
DE102014111125A1 (de) 2014-08-05 2016-02-11 Valeo Schalter Und Sensoren Gmbh Verfahren zum Erkennen eines Objekts in einem Umgebungsbereich eines Kraftfahrzeugs mittels eines Ultraschallsensors, Fahrerassistenzsystem sowie Kraftfahrzeug
DE102015201747A1 (de) * 2015-02-02 2016-08-04 Continental Teves Ag & Co. Ohg Sensorsystem für ein fahrzeug und verfahren
EP3179270A1 (de) * 2015-12-08 2017-06-14 Delphi Technologies, Inc. Fahrspurerweiterung eines spurhaltesystems durch einen entfernungsmessungssensor für ein automatisches fahrzeug
DE102016200642A1 (de) * 2016-01-19 2017-07-20 Conti Temic Microelectronic Gmbh Verfahren und vorrichtung zum klassifizieren von fahrbahnbegrenzungen und fahrzeug
DE102017209977A1 (de) * 2017-06-13 2018-12-13 Continental Automotive Gmbh Verfahren und Vorrichtung zum Bestimmen eines freien Objektraums und Erzeugen einer definierten Grenze
EP2888604B1 (de) * 2012-08-27 2019-07-24 Continental Teves AG & Co. OHG Verfahren zur bestimmung eines fahrspurverlaufs für ein fahrzeug
FR3077549A1 (fr) * 2018-02-08 2019-08-09 Psa Automobiles Sa Procede de determination de la trajectoire d’un vehicule automobile en absence de marquage au sol.
WO2019211293A1 (de) 2018-05-02 2019-11-07 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum betreiben eines fahrerassistenzsystems eines egofahrzeugs mit wenigstens einem umfeldsensor zum erfassen eines umfelds des egofahrzeugs, computer-lesbares medium, system, und fahrzeug
WO2020001828A1 (de) * 2018-06-30 2020-01-02 Robert Bosch Gmbh Verfahren zur erkennung statischer radarziele mit einem radarsensor für kraftfahrzeuge
WO2020069922A1 (de) * 2018-10-05 2020-04-09 HELLA GmbH & Co. KGaA Verfahren zur bereitstellung von objektinformationen von statischen objekten in einer umgebung eines fahrzeuges

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102004007553A1 (de) * 2004-02-17 2005-09-01 Daimlerchrysler Ag Erfassungsvorrichtung und Sicherheitssystem für ein Kraftfahrzeug
EP1612580A1 (de) * 2004-07-01 2006-01-04 DaimlerChrysler AG Objekterkennungsverfahren für Fahrzeuge
EP1672390A1 (de) * 2004-12-15 2006-06-21 Deere & Company Verfahren und System zur Objekterkennung mittels zusammengesetztem Beweisraster (Evidence-Grid)
DE102006027123A1 (de) * 2006-06-12 2007-12-13 Robert Bosch Gmbh Verfahren für die Erfassung eines Verkehrsraums
EP1927866A1 (de) * 2006-12-01 2008-06-04 Robert Bosch Gmbh Verfahren zum gitterbasierten Verarbeiten von Sensorsignalen
US20080252433A1 (en) * 2005-09-09 2008-10-16 Institut National De La Recherche En Informatique Et En Automatique Vehicle Driving Aid and Method and Improved Related Device

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102004007553A1 (de) * 2004-02-17 2005-09-01 Daimlerchrysler Ag Erfassungsvorrichtung und Sicherheitssystem für ein Kraftfahrzeug
EP1612580A1 (de) * 2004-07-01 2006-01-04 DaimlerChrysler AG Objekterkennungsverfahren für Fahrzeuge
EP1672390A1 (de) * 2004-12-15 2006-06-21 Deere & Company Verfahren und System zur Objekterkennung mittels zusammengesetztem Beweisraster (Evidence-Grid)
US20080252433A1 (en) * 2005-09-09 2008-10-16 Institut National De La Recherche En Informatique Et En Automatique Vehicle Driving Aid and Method and Improved Related Device
DE102006027123A1 (de) * 2006-06-12 2007-12-13 Robert Bosch Gmbh Verfahren für die Erfassung eines Verkehrsraums
EP1927866A1 (de) * 2006-12-01 2008-06-04 Robert Bosch Gmbh Verfahren zum gitterbasierten Verarbeiten von Sensorsignalen

Cited By (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011111856B4 (de) 2011-08-27 2019-01-10 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zur Detektion mindestens einer Fahrspur in einem Fahrzeugumfeld
DE102011111856A1 (de) 2011-08-27 2013-02-28 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zur Detektion mindestens einer Fahrspur in einem Fahrzeugumfeld
WO2013087067A1 (de) * 2011-12-14 2013-06-20 Continental Teves Ag & Co. Ohg Freirauminformationen in einem belegungsgitter als grundlage für die bestimmung eines manöverraums für ein fahrzeug
CN103176185A (zh) * 2011-12-26 2013-06-26 上海汽车集团股份有限公司 用于检测道路障碍物的方法及系统
US9607229B2 (en) 2012-06-19 2017-03-28 Conti Temic Microelectronic Gmbh Method for representing the surroundings of a vehicle
DE102012105332A1 (de) * 2012-06-19 2013-12-19 Continental Teves Ag & Co. Ohg Verfahren zur Darstellung einer Fahrzeugumgebung
EP2888604B1 (de) * 2012-08-27 2019-07-24 Continental Teves AG & Co. OHG Verfahren zur bestimmung eines fahrspurverlaufs für ein fahrzeug
WO2014044272A1 (de) 2012-09-20 2014-03-27 Conti Temic Microelectronic Gmbh Verfahren zur kalibrierung mehrerer umfeldsensoren in einem fahrzeug
DE102012108862A1 (de) 2012-09-20 2014-05-28 Continental Teves Ag & Co. Ohg Verfahren zur Kalibrierung mehrerer Umfeldsensoren in einem Fahrzeug
US9274213B2 (en) 2012-09-20 2016-03-01 Conti Temic Microelectronic Gmbh Method for calibrating a plurality of environment sensors in a vehicle
EP2950114A1 (de) * 2014-05-30 2015-12-02 Honda Research Institute Europe GmbH Fahrerassistenzverfahren zum Antreiben eines Fahrzeugs, ein Fahrerassistenzsystem, ein Computersoftwareprogrammprodukt und Fahrzeug
US9669830B2 (en) 2014-05-30 2017-06-06 Honda Research Institute Europe Gmbh Method for assisting a driver in driving a vehicle, a driver assistance system, a computer software program product and vehicle
DE102014210770A1 (de) * 2014-06-05 2015-12-17 Conti Temic Microelectronic Gmbh Verfahren und system zur bestimmung einer fahrzeugposition eines fahrzeuges
US10955854B2 (en) 2014-06-05 2021-03-23 Conti Temic Microelectronic Gmbh Method and system for determining the position of a vehicle
WO2015185048A1 (de) * 2014-06-05 2015-12-10 Conti Temic Microelectronic Gmbh Verfahren und system zur bestimmung einer fahrzeugposition eines fahrzeuges
DE102014111125A1 (de) 2014-08-05 2016-02-11 Valeo Schalter Und Sensoren Gmbh Verfahren zum Erkennen eines Objekts in einem Umgebungsbereich eines Kraftfahrzeugs mittels eines Ultraschallsensors, Fahrerassistenzsystem sowie Kraftfahrzeug
WO2016124189A1 (de) * 2015-02-02 2016-08-11 Conti Temic Microelectronic Gmbh Sensorsystem für ein fahrzeug und verfahren
DE102015201747A1 (de) * 2015-02-02 2016-08-04 Continental Teves Ag & Co. Ohg Sensorsystem für ein fahrzeug und verfahren
EP3179270A1 (de) * 2015-12-08 2017-06-14 Delphi Technologies, Inc. Fahrspurerweiterung eines spurhaltesystems durch einen entfernungsmessungssensor für ein automatisches fahrzeug
DE102016200642A1 (de) * 2016-01-19 2017-07-20 Conti Temic Microelectronic Gmbh Verfahren und vorrichtung zum klassifizieren von fahrbahnbegrenzungen und fahrzeug
DE102017209977A1 (de) * 2017-06-13 2018-12-13 Continental Automotive Gmbh Verfahren und Vorrichtung zum Bestimmen eines freien Objektraums und Erzeugen einer definierten Grenze
FR3077549A1 (fr) * 2018-02-08 2019-08-09 Psa Automobiles Sa Procede de determination de la trajectoire d’un vehicule automobile en absence de marquage au sol.
WO2019155134A1 (fr) * 2018-02-08 2019-08-15 Psa Automobiles Sa Procede de determination de la trajectoire d'un vehicule automobile en absence de marquage au sol.
WO2019211293A1 (de) 2018-05-02 2019-11-07 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum betreiben eines fahrerassistenzsystems eines egofahrzeugs mit wenigstens einem umfeldsensor zum erfassen eines umfelds des egofahrzeugs, computer-lesbares medium, system, und fahrzeug
DE102018206743A1 (de) * 2018-05-02 2019-11-07 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Betreiben eines Fahrerassistenzsystems eines Egofahrzeugs mit wenigstens einem Umfeldsensor zum Erfassen eines Umfelds des Egofahrzeugs, Computer-lesbares Medium, System, und Fahrzeug
US11554795B2 (en) 2018-05-02 2023-01-17 Bayerische Motoren Werke Aktiengesellschaft Method for operating a driver assistance system of an ego vehicle having at least one surroundings sensor for detecting the surroundings of the ego vehicle, computer readable medium, system and vehicle
CN112368593A (zh) * 2018-06-30 2021-02-12 罗伯特·博世有限公司 借助用于机动车的雷达传感器来识别静态雷达目标的方法
US20210173043A1 (en) * 2018-06-30 2021-06-10 Robert Bosch Gmbh Method for identifying static radar targets using a radar sensor for motor vehicles
JP2021530679A (ja) * 2018-06-30 2021-11-11 ロベルト・ボッシュ・ゲゼルシャフト・ミト・ベシュレンクテル・ハフツングRobert Bosch Gmbh 自動車用レーダセンサによる静的レーダ目標の認識方法
JP7037672B2 (ja) 2018-06-30 2022-03-16 ロベルト・ボッシュ・ゲゼルシャフト・ミト・ベシュレンクテル・ハフツング 自動車用レーダセンサによる静的レーダ目標の認識方法
WO2020001828A1 (de) * 2018-06-30 2020-01-02 Robert Bosch Gmbh Verfahren zur erkennung statischer radarziele mit einem radarsensor für kraftfahrzeuge
US11879992B2 (en) 2018-06-30 2024-01-23 Robert Bosch Gmbh Method for identifying static radar targets using a radar sensor for motor vehicles
CN112368593B (zh) * 2018-06-30 2024-04-02 罗伯特·博世有限公司 借助用于机动车的雷达传感器来识别静态雷达目标的方法
WO2020069922A1 (de) * 2018-10-05 2020-04-09 HELLA GmbH & Co. KGaA Verfahren zur bereitstellung von objektinformationen von statischen objekten in einer umgebung eines fahrzeuges

Also Published As

Publication number Publication date
DE112010000146A5 (de) 2012-06-06

Similar Documents

Publication Publication Date Title
WO2010127650A1 (de) Verfahren zur auswertung von sensordaten für ein kraftfahrzeug
DE102016203086B4 (de) Verfahren und Vorrichtung zur Fahrerassistenz
EP2766237B1 (de) Vorrichtung zur unterstützung eines fahrers beim fahren eines fahrzeugs oder zum autonomen fahren eines fahrzeugs
DE102009006113B4 (de) Vorrichtung und Verfahren zur Sensorfusion mit dynamischen Objekten
EP2561419B1 (de) Verfahren zur bestimmung des fahrbahnverlaufes für ein kraftfahrzeug
EP2888604B1 (de) Verfahren zur bestimmung eines fahrspurverlaufs für ein fahrzeug
DE102009005566B4 (de) Verfahren und Vorrichtung zur Erstellung einer Umfeldkarte eines Kraftfahrzeugs
DE102008036009B4 (de) Verfahren zum Kollisionsschutz eines Kraftfahrzeugs und Parkhausassistent
EP3386825B1 (de) Verfahren zum erkennen einer möglichen kollision zwischen einem kraftfahrzeug und einem objekt unter berücksichtigung einer räumlichen unsicherheit, steuereinrichtung, fahrerassistenzsystem sowie kraftfahrzeug
DE102015209467A1 (de) Verfahren zur Schätzung von Fahrstreifen
DE102010006828A1 (de) Verfahren zur automatischen Erstellung eines Modells der Umgebung eines Fahrzeugs sowie Fahrerassistenzsystem und Fahrzeug
EP2982572B1 (de) Verfahren zum unterstützen eines fahrers eines kraftfahrzeugs beim ausparken, fahrerassistenzsystem und kraftfahrzeug
EP2594461B1 (de) Verfahren zum Erkennen einer Parklücke für ein Kraftfahrzeug, Parkhilfesystem und Kraftfahrzeug mit einem Parkhilfesystem
WO2015106913A1 (de) Verfahren und system zum schätzen eines fahrspurverlaufs
WO2020229002A1 (de) Verfahren und vorrichtung zur multi-sensor-datenfusion für automatisierte und autonome fahrzeuge
EP1684142A1 (de) Verfahren zur Kursprädiktion in Fahrerassistenzsystemen für Kraftfahrzeuge
DE102007037610A1 (de) Verfahren zum Bestimmen eines wahrscheinlichen Bewegungs-Aufenthaltsbereichs eines Lebewesens
DE102011010864A1 (de) Verfahren und System zur Vorhersage von Kollisionen
EP2707862B1 (de) Abstandsbestimmung mittels eines kamerasensors
EP3259614B1 (de) Verfahren zur ermittlung einer ortsinformation eines kraftfahrzeugs bezüglich eines fahrkorridors und kraftfahrzeug
DE102013217486A1 (de) Verfahren zur Repräsentation eines Umfelds eines Fahrzeugs in einem Belegungsgitter
WO2013087067A1 (de) Freirauminformationen in einem belegungsgitter als grundlage für die bestimmung eines manöverraums für ein fahrzeug
EP2353958B1 (de) Verfahren zur Auswertung von die Umgebung eines Kraftfahrzeugs betreffenden Sensordaten wenigstens eines Umfeldsensors und Kraftfahrzeug
WO2015010902A1 (de) Effizientes bereitstellen von belegungsinformationen für das umfeld eines fahrzeugs
WO2020160796A1 (de) Verfahren und vorrichtung zur multi-sensor-datenfusion für automatisierte und autonome fahrzeuge

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 10705090

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 112010000146

Country of ref document: DE

Ref document number: 1120100001464

Country of ref document: DE

122 Ep: pct application non-entry in european phase

Ref document number: 10705090

Country of ref document: EP

Kind code of ref document: A1

REG Reference to national code

Ref country code: DE

Ref legal event code: R225

Ref document number: 112010000146

Country of ref document: DE

Effective date: 20120606