WO2014094767A1 - Reibwertschätzung aus kamera- und raddrehzahldaten - Google Patents

Reibwertschätzung aus kamera- und raddrehzahldaten Download PDF

Info

Publication number
WO2014094767A1
WO2014094767A1 PCT/DE2013/200340 DE2013200340W WO2014094767A1 WO 2014094767 A1 WO2014094767 A1 WO 2014094767A1 DE 2013200340 W DE2013200340 W DE 2013200340W WO 2014094767 A1 WO2014094767 A1 WO 2014094767A1
Authority
WO
WIPO (PCT)
Prior art keywords
friction
coefficient
camera
wheel
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/DE2013/200340
Other languages
English (en)
French (fr)
Inventor
Daniel Fischer
Stefan STÖLZL
Andreas Köbe
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Continental Teves AG and Co OHG
Original Assignee
Continental Teves AG and 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 Continental Teves AG and Co OHG filed Critical Continental Teves AG and Co OHG
Priority to DE112013006110.4T priority Critical patent/DE112013006110B4/de
Priority to US14/431,208 priority patent/US9643617B2/en
Publication of WO2014094767A1 publication Critical patent/WO2014094767A1/de
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

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
    • B60W40/02—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 ambient conditions
    • B60W40/06—Road conditions
    • B60W40/068—Road friction coefficient
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
    • B60T8/17—Using electrical or electronic regulation means to control braking
    • B60T8/171—Detecting parameters used in the regulation; Measuring values used in the regulation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
    • B60T8/17—Using electrical or electronic regulation means to control braking
    • B60T8/172—Determining control parameters used in the regulation, e.g. by calculations involving measured or detected parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
    • B60T8/17—Using electrical or electronic regulation means to control braking
    • B60T8/172—Determining control parameters used in the regulation, e.g. by calculations involving measured or detected parameters
    • B60T8/1725—Using tyre sensors, e.g. Sidewall Torsion sensors [SWT]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • 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
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/28—Wheel speed

Definitions

  • the invention relates to a method and a device for friction coefficient estimation in a moving vehicle
  • the detection or determination of the coefficient of friction between the tire and the road surface or the detection of the road condition (eg dry, wet, snow-covered and icy), from which the friction coefficient group can be derived, is an important prerequisite for the driver in his driving task to assist and thus avoid serious accidents.
  • the assessment of the road conditions is up to the driver, who directs his driving style on it.
  • Vehicle Rule - Systems such as ESC (Electronic Stability Control) / TCS
  • ABS Traffic Control System
  • ABS Anti-lock Braking System
  • EP 792 228 B1 shows a system for driving stability control for ESP (Electronic Stability Program) / ESC controls, with which a friction coefficient can be determined in special situations. If at least one wheel takes advantage of the coefficient of friction, z. B. when driving on a smooth surface, the vehicle brake control can determine the coefficient of friction from the rotational behavior of the wheels and the ESP / ESC acceleration sensors.
  • ESP Electronic Stability Program
  • DE 102 56 726 A1 shows a method for generating a signal as a function of the road condition using a reflection signal sensor such as e.g. a radar or an optical sensor.
  • a reflection signal sensor such as e.g. a radar or an optical sensor.
  • DE 10 2004 018 088 A1 shows a tramway recognition system with a temperature sensor, an ultrasound sensor and a camera.
  • the road data obtained from the sensors are filtered, compared with reference data to determine the trafficability of the roadway, the road surface (eg concrete, asphalt, dirt, grass, sand or gravel) and their condition (eg dry, icy, snowy, wet ) can be classified.
  • the road surface eg concrete, asphalt, dirt, grass, sand or gravel
  • their condition eg dry, icy, snowy, wet
  • DE 10 2004 047 914 A1 shows a method for estimating the road condition, in which data from a plurality of different sensors, eg camera, infrared sensor, rain sensor or microphone are fused in order to arrive at a classification of the road condition to which a friction value can be assigned.
  • the coefficient of friction information is not only output as driver information, but also provided to further vehicle or driver assistance systems, so that they can adapt the operating state accordingly. For example, at a low friction value, higher distances may be provided in the ACC or a curve alert function may be adjusted accordingly.
  • Tire slippage and tire vibration can be analyzed on the basis of the wheel speed signal and a classification of the coefficient of friction can be made from this.
  • the advantage here is that this solution in an electronic braking system (ESP) as a pure Sof wareown and thus can be implemented inexpensively.
  • ESP electronic braking system
  • the disadvantage is that the coefficient of friction, not anticipatory, but only after driving over the road surface determine eats.
  • AI shows a corresponding determination of a frictional connection with a few sensors, in which torsional vibrations of a wheel of a vehicle are analyzed and based on this analysis, a coefficient of friction is estimated.
  • DE 10 2009 041 566 A1 shows a method for determining a road friction coefficient ⁇ , in which a first constantly updated coefficient of friction value and a second condition variable only updated friction coefficient are linked to a common Reibschfordwert.
  • WO 2011/007015 A1 shows a laser-based method for friction coefficient classification in motor vehicles. Signals of a lidar or CV sensor, which are directed onto the road surface, are evaluated for this purpose, and then, in particular, a coefficient of friction is assigned on the basis of the amplitude of the measured road surface. For example, it can be estimated whether snow, asphalt or ice form the road surface.
  • WO 2012/110030 A2 shows a method and a device for friction coefficient estimation by means of a 3D camera, for example a stereo camera.
  • the 3D camera captures at least one image of the surroundings of the vehicle. From the picture the 3D camera, a height profile of the road surface is created in the entire vehicle apron. From the height profile, the expected local coefficient of friction of the road surface in the vehicle apron is estimated.
  • a basic idea of the solution according to the invention is a combination or fusion of the two approaches: interpretation of wheel speed signals and interpretation of the surrounding camera image.
  • An inventive method for estimating a coefficient of friction in a moving vehicle provides that image data of a predictive vehicle camera in the vehicle are evaluated so that it can be concluded that the road surface.
  • a coefficient of friction classification takes place from the camera (image) data which supplies a camera actual value Uk.
  • tire slip and tire vibration are analyzed. From this analysis of the vibration behavior of the tire, an excitation spectrum is determined by the roadway, which correlated with the coefficient of friction. From this, finally, a classification of the coefficient of friction is made, which is a wheel friction ⁇ . ⁇ , delivers.
  • a classification of the coefficient of friction is made, which is a wheel friction ⁇ . ⁇ , delivers.
  • Such an analysis can be found, for example, DE 10 2008 047 750 AI.
  • the prospective friction coefficient estimation takes place as a fusion of camera and wheel friction value, wherein the predictive friction coefficient estimation is carried out primarily on the basis of the camera lens value ⁇ ⁇ ⁇ , but the wheel friction coefficient ⁇ ⁇ is used continuously
  • a coefficient of friction estimation can be generated from the camera image of a stationary vehicle.
  • both subsystems continuously deliver their estimated coefficient of friction (base camera) and ⁇ ⁇ , (base wheel speed sensor ) and preferably an associated reliability information to a central evaluation unit (eg a software module in a driver assistance or electronic brake control unit).
  • a central evaluation unit eg a software module in a driver assistance or electronic brake control unit.
  • ⁇ is also used continuously.
  • the camera data can advantageously be evaluated so that moisture is determined on the road.
  • the coefficient of friction also coefficient of friction, final coefficient of adhesion, coefficient of adhesion or coefficient of friction indicates, che force between a road surface and a vehicle tire (eg in the tangential direction) can be transmitted maximum and is thus an essential measure of the road condition.
  • tire properties are required to fully determine the coefficient of friction.
  • camera tire value always refers to an estimated coefficient of friction, which is determined by a classification of the road surface states from the camera data.
  • the wheel speed signals however, also contain information about the tire condition. Typically, however, a classification is also made when determining the wheel friction value that takes into account different road conditions.
  • the vehicle's own speed serves to determine when a preceding roadway section is crossed over, to which a camera actual value U k from a current camera image is already assigned.
  • camera and wheel friction ranges must be made to coincide in some manner that may not coincide at any given time because the camera is looking ahead and can not detect the road surface on which a tire is currently resting.
  • other vehicle sensor information for vehicle movement or odometry and time information is used to ermittein the vehicle movement in relation to the image areas and thus ensure the synchrony.
  • the camera actual value U k and the wheel friction value ⁇ are each assigned an associated reliability information which can be taken into account in the fusion.
  • Preferably can be released as a forward-looking coefficient of friction, ⁇ acardireibwert ⁇ with a high reliability information immediately.
  • a low reliability information of the camera actual value ⁇ ⁇ ⁇ an acknowledgment about the wheel friction value ⁇ ; Wait If confirmed, the confirmed camera can be released by friction or in the event of a deviation, an averaged value can be output.
  • the reliability information can be added as weighting. to be pulled. In the event of a failure of the camera value, only the wheel friction coefficient ⁇ » is used.
  • the camera may be a monocamera, a stereo camera or a camera of a panoramic camera system, depending on the main purpose of the camera system.
  • information of the method according to the invention for friction coefficient estimation is made available to further driver assistance systems or driving dynamics control systems and can serve there in a known manner to suitably adapt the operating state (eg ACC distance).
  • the operating state eg ACC distance
  • information here are the predictive coefficient of friction, the camera actual value ⁇ ⁇ , the wheel friction value ⁇ ⁇ ; and / or the associated reliability information.
  • the invention further relates to a device for estimating a coefficient of friction in a moving vehicle with a predictive camera, at least one wheel speed sensor and evaluation means.
  • the evaluation means are designed to evaluate image data of the camera in such a way that the road surface can be closed and to carry out a friction coefficient classification.
  • the coefficient of friction classification provides a camera value u k .
  • the wheel speed sensor transmits wheel speed signals to the evaluation means.
  • the evaluation means are further configured to analyze a tire slip and a tire vibration on the basis of a wheel speed signal and to use this to carry out a classification of the coefficient of friction which has a wheel friction value ⁇ , ⁇ . supplies.
  • the prospective friction coefficient estimation is carried out as a fusion of camera actual value p k and wheel friction value ⁇ ", the prospective friction value estimation taking place primarily on the basis of the camera read value U k , whereby the wheel friction value y w is taken into account continuously for plausibility of the camera read value.
  • the evaluation means can be distributed modularly to a plurality of evaluation units.
  • the image evaluation preferably takes place in a control unit of the camera system, which can output the camera actual value U k to a bus system.
  • the wheel speed analysis takes place in an EBS control unit, which can output the wheel friction coefficient ⁇ - "to the bus system.
  • the fusion takes place taking into account the synchronicity of the coefficient of friction data, eg in a third Control unit, which can receive the coefficients of friction ⁇ and ⁇ ⁇ ⁇ , from the bus system.
  • the production of the synchronicity of friction coefficient data and subsequent fusion can be carried out in the control unit of the camera system or in the EBS control unit, which can receive the other friction coefficient .mu. Or .sup.i from the bus system.
  • a central evaluation unit comprises all evaluation means and performs the entire evaluation steps.
  • FIG. 1 shows, by way of example, a camera image of a vehicle environment ahead, as recorded by a front camera of a moving vehicle.
  • camera-based driver assistance functions can be realized, e.g. Lane Departure Arning (LD), Lane Keeping Assistance / System (LKA), Traffic Sign Recognition (TSR), Intelligent Headlamp Control (IHC), Collision Warning (FC, Forward Collision Warning), a cascade detection, an automatic cruise control (ACC, Adaptive Cruise Control), a parking assistance, automatic emergency brake assisted steering systems (EBA, Emergency Brake Assist or ESA, Emergency Steering Assist).
  • LD Lane Departure Arning
  • LKA Lane Keeping Assistance / System
  • TSR Traffic Sign Recognition
  • IHC Intelligent Headlamp Control
  • FC Collision Warning
  • ACC automatic cruise control
  • ACC Adaptive Cruise Control
  • EBA automatic emergency brake assisted steering systems
  • EBA Emergency Brake Assist or ESA, Emergency Steering Assist
  • the reflection on the road surface can have different causes: a rain-soaked road surface reflects, but also a dry new road surface can lead to reflections, a roadway section, which has reflections - in a camera image a different coefficient of friction u k is assigned as a roadway section, which does not reflect ,
  • actual coefficients of friction for rainy road surfaces differ significantly from friction coefficients for dry road surfaces with a new road surface.

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)

Abstract

Die Erfindung betrifft ein Verfahren bzw. eine Vorrichtung zur Schätzung eines Reibwerts in einem fahrenden Fahrzeug. Dazu ist vorgesehen, dass Bilddaten einer vorausschauenden Fahrzeugkamera im Fahrzeug dahingehend ausgewertet werden, dass auf die Fahrbahnoberfläche geschlossen werden kann. Es erfolgt eine Reibwertklassifizierung aus den Kamerabilddaten, die einen Kamerareibwert μk liefert. Auf Basis eines Raddrehzahlsignals werden ein Reifenschlupf und eine Reifenschwingung analysiert und daraus wird eine Klassifizierung des Reibwerts vorgenommen, die einen Radreibwert μw liefert. Die vorausschauende Reibwertschätzung erfolgt als eine Fusion von Kamera- und Radreibwert, wobei die vorausschauende Reibwertschätzung primär auf Basis des Kamerareibwerts μk erfolgt, der Radreibwert μw jedoch kontinuierlich zur Plausibilisierung des Kamerareibwerts μk berücksichtigt wird.

Description

Reib ertsehätsung aus Kamera- und Raddrehiahldaten
Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur Reibwertschätzung in einem fahrenden Fahrzeug,
Die Erfassung oder Bestimmung des zwischen Reifen und Fahrbahn v/irkenden Reibwerts bzw. die Erfassung des Fahrbahnzustands (z.B. trocken, nass, schneebedeckt und vereist) , aus dem sich die Reibwertgruppe ableiten lässt, ist eine 'wichtige Voraussetzung, um den Fahrer in seiner Fahraufgabe zu unterstützen und so schwere Unfälle zu vermeiden. Allgemein obliegt die Einschätzung der Straßenverhältnisse dem Fahrer, der seine Fahrweise darauf ausrichtet. Fahrzeugregel - Systeme wie ESC (Electronic Stability Control) / TCS
(Traction Control System) oder ABS (Antiblockiersystem) helfen ihm, das Fahrzeug im Grenzbereich zu stabilisieren, um so seiner Fahraufgabe in Extremsituationen leichter entsprechen zu können .
Die Unfallvermeidung gewinnt bei Fahrerassistenzsystemen zunehmend an Bedeutung. Notbrems- oder seit neuestem auch Notausweichsysteme leisten einen wichtigen Beitrag. Ihre Wirkung hängt jedoch entscheidend vom Reibwert des Untergrundes ab. Nässe, Schnee und Eis erniedrigen den zur Verfügung stehenden Reibwert zwischen Reifen und Fahrbahn gegenüber dem auf einer trockenen Fahrbahn zur Verfügung stehenden erheblich.
EP 792 228 Bl zeigt ein System zur Fahrstabilitätsregelung für ESP- (Electronic Stability Program) / ESC-Regelungen, mit dem in speziellen Situationen ein Reibwert ermittelt werden kann. Wenn mindestens ein Rad den Reibwert ausnutzt, z. B. beim Fahren auf einem glatten Untergrund, kann die Fahrzeugbremsenregelung den Reibwert aus dem Drehverhalten der Räder und den ESP/ESC-Beschleunigungssensoren bestimmen .
DE 102 56 726 AI zeigt ein Verfahren zur Generierung eines Signals in Abhängigkeit von der Fahrbahnbeschaffenheit unter Verwendung eines Reflexionssignalsensors wie z.B. eines Radar- oder eines optischen Sensor. Dadurch wird eine vorausschauende Erfassung des Fahrbahnzustands in einem Kraftfahrzeug ermöglicht.
DE 10 2004 018 088 AI zeigt ein Fahrbahnerkennungssystem mit einem Temperatursensor, einem Ultraschallsensor und einer Kamera. Die aus den Sensoren erhaltenen Fahrbahndaten werden gefiltert, mit Referenzdaten verglichen, um die Befahrbarkeit der Fahrbahn zu ermitteln, wobei die Fahrbahnoberfläche (z.B. Beton, Asphalt, Schmutz, Gras, Sand oder Kies) und deren Zustand (z.B. trocken, vereist, verschneit, nass) klassifiziert werden kann.
DE 10 2004 047 914 AI zeigt eine Methode zur Einschätzung des Fahrbahnzustands, bei der Daten aus mehreren unterschiedlichen Sensoren, z.B. Kamera, Infrarotsensor, Regensensor bzw. Mikrofon fusioniert werden, um zu einer Klassifikation des Fahrbahnzustands zu gelangen, der ein Reibungswert zugeordnet werden kann. Darüber hinaus ist bekannt, dass die ReibwertInformation nicht nur als Fahrerinformation ausgegeben wird, sondern auch an weitere Fahrzeug- oder Fahrerassistenzsysteme bereitgestellt wird, so dass diese den Betriebszustand entsprechend anpassen können. Beispielsweise können bei einem Niedrigreibwert höhere Abstände im ACC vorgesehen werden oder eine Kurvenwarnfunktion kann entsprechend angepasst werden .
Auf Basis des Raddrehzahlsignals können Reifenschlupf und Reifenschwingung analysiert und daraus eine Klassifizierung des Reibwerts vorgenommen werden. Der Vorteil liegt hierbei darin, dass diese Lösung in einem elektronischen Bremssystem (ESP) als reine Sof warelösung und damit kostengünstig umgesetzt werden kann. Nachteilig ist, dass sich der Reibwert, nicht vorausschauend, sondern erst nach Überfahren der Fahrbahnoberfläche ermitteln iässt.
DE 10 20Q8 047 750 AI zeigt eine entsprechende Bestimmung eines Kraftschlusses mit wenigen Sensoren, bei der Drehschwingungen eines Rads eines Fahrzeugs analysiert werden und auf Basis dieser Analyse ein Reibbeiwert abgeschätzt wird .
DE 10 2009 041 566 AI zeigt ein Verfahren zur Ermittlung eines Fahrbahnreibwerts μ, bei dem eine erste ständig aktualisierte Reibwertkenngröße und eine zweite lediglich situationsbedingt aktualisierte Reibwertgröße zu einem gemeinsamen Reibschätzwert verknüpft werden. WO 2011/007015 AI zeigt ein laserbasiertes Verfahren zur Reibwertklassifikation in Kraftfahrzeugen. Signale eines Lidar- bzw. CV-Sensors, die auf die Fahrbahnoberfläche gerichtet sind, werden hierzu ausgewertet und anschließend wird insbesondere anhand der Amplitude der vermessenen Fahrbahnoberfläche ein Reibwert zugeordnet. Es kann beispielsweise geschätzt 'werden, ob Schnee, Asphalt oder Eis die Fahrbahnoberfläche bilden.
Weiterhin ist bekannt, dass auf Basis einer oder mehrerer in einem Fahrzeug verfügbaren Kamera (s) eine Interpretation der bereitgestellten Bilder in einer Weise vorgenommen werden kann, dass auf die Fahrbahnoberfläche geschlossen werden kann (z.B. abhängig von Spiegelungen, Helligkeiten) und auch hiermit eine Reibwertklassifizierung erfolgen kann. Da Umfeldkameras in Fahrerassistenzsystemen immer mehr Verbreitung finden (z.B. zur Erkennung Verlassen der Fahrspur, Erkennung von Verkehrszeichen und Objekten), kann auch diese Lösung kostengünstig als zusätzliche Software bereitgestellt, werden. Der Vorteil liegt darin, dass auch vorausschauend der Reibwert geschätzt werden kann. Machteilig ist, dass eine präzise Interpretation nicht durchgängig möglich ist, da Störungen (z.B. andere Fahrzeuge, Lichtquellen, etc.) die Interpretation erschweren können und damit möglicherweise eine Fehlinterpretation erfolgen könnte.
WO 2012/110030 A2 zeigt ein Verfahren und eine Vorrichtung zur Reibwertschätzung mittels einer 3D-Kamera, z.B. einer Stereokamera. Mit der 3D-Kamera wird mindestens ein Bild von der Umgebung des Fahrzeugs aufgenommen. Aus den Bildda- ten der 3D-Kamera wird im gesamten Fahrzeugvorfeld ein Höhenprofil der Straßenoberfläche erstellt. Aus dem Höhenprofil wird der zu erwartenden lokale Reibwert der Straßenoberfläche im Fahrzeugvorfeld geschätzt.
Die beschriebenen Ansätze auf Basis von Kamera- oder Reifendrehzahlsignalauswertungen weisen die dort beschriebenen Machteile auf.
Insbesondere eine mögliche Fehlinterpretation der Kamerabilder soll durch die vorliegende Erfindung gelöst werden.
Eine Grundidee der erfindungsgemäßen Lösung ist eine Kombination bzw. Fusion der beiden Ansätze: Interpretation Rad- drehzahlsignale und Interpretation des Umfeldkamera ildes. Durch geeigneten Austausch und kombinierte Bewertung der Informationen beider Teilsysteme kann sowohl eine vorausschauende Reibwertbewertung erfolgen, als auch dabei die Gefahr von Fehlinterpretationen minimiert werden.
Ein erfindungsgemäßes Verfahren zur Schätzung eines Reibwerts in einem fahrenden Fahrzeug sieht vor, dass Bilddaten einer vorausschauenden Fahrzeugkamera im Fahrzeug dahingehend ausgewertet werden, dass auf die Fahrbahnoberfläche geschlossen werden kann. Es erfolgt eine Reibwertklassifizierung aus den Kamera (bild- ) daten, die einen Kamerareibwert Uk liefert. Auf Basis eines Raddrehzahlsignals werden ein Reifenschlupf und eine Reifenschwingung analysiert. Aus dieser Analyse des Schwingungsverhaltens des Reifens wird ein Anregungsspektrum durch die Fahrbahn ermittelt, welches mit dem Reibwert korreliert. Daraus wird schließlich eine Klassifizierung des Reibwerts vorgenommen, die einen Radreibwert μ.Α, liefert. Eine derartige Analyse kann beispielsweise DE 10 2008 047 750 AI entnommen werden. Die vorausschauende Reibwertschätzung erfolgt als eine Fusion von Kamera- und Radreibwert, wobei die vorausschauende Reibwertschätzung primär auf Basis des Kamerareibwerts μ·κ erfolgt, der Radreibwert μνί jedoch kontinuierlich zur
Plausibilisierung des Kamerareibwerts uk berücksichtigt wird .
Eine Reibwertschätzung kann hierbei durchaus aus dem Kamerabild eines stehenden Fahrzeugs erzeugt werden. Eine
Plausibilisierung dieser Reibwertschätzung ist aber nur während einer Fahrt des Fahrzeugs möglich.
Mit anderen Worten liefern beide Teilsysteme kontinuierlich ihren geschätzten Reibwert (Basis Kamera) und μΐΛ, (Basis Raddrehzahlsensor) und bevorzugt eine dazugehörige Zuverlässigkeitsinformation an eine zentrale Auswerteeinheit (z.B. ein Software-Modul in einem Fahrerassistenz- oder elektronischem-Bremsen-Steuergerät ) . Dort erfolgt die vorausschauende Reibwertschätzung im Wesentlichen auf Basis des Kamerasignals μ = \ik. Zur Erhöhung der Robustheit wird kontinuierlich auch μ„ herangezogen.
Die Kameradaten können vorteilhaft dahingehend ausgewertet werden, dass Nässe auf der Fahrbahn ermittelt wird.
Der Reibwert, auch Reibbeiwert, Kraf schlussbeiwert , (Haft-) Reibungszahl oder Reibungskoeffizient gibt an, wel- che Kraft zwischen einer Fahrbahnoberfläche und einem Fahrzeugreifen (z.B. in Tangentialrichtung) maximal übertragen werden kann und ist somit ein wesentliches Maß für den Fahrbahnzustand. Neben dem Fahrbahnzustand sind Eigenschaften des Reifens zu einer vollständigen Bestimmung des Reibwerts erforderlich. Für eine Schätzung des Reibwerts z.B. aus Kamerabilddaten werden typischerweise nur Fahrbahnzu- standsinformationen berücksichtigt, da im Allgemeinen aus Kamerabilddaten keine Reifeneigenschaften ermittelt werden können. Der Begriff Kamerareibwert bezeichnet insofern immer einen geschätzten Reibwert, der durch eine Klassifizierung der Fahrbahnzus ände aus den Kameradaten ermittelt wird. Die Raddrehzahlsignale enthalten dagegen auch Informationen über den Reifenzustand. Typischerweise wird aber auch bei der Ermittlung des Radreibwerts eine Klassifikation vorgenommen, die unterschiedliche Fahrbahnzustände berücksichtigt .
Der Vorteil dieser Fusion liegt einerseits in der kostengünstigen Umsetzung. Andererseits ergänzen sich die Systeme vorteilhaft, da auf Basis der Raddrehzahlsignale sehr präzise schon kleine Unterschiede der Fahrbahnoberfläche (bei Überfahren) erkannt werden können, auch wenn diese möglicherweise im Bild nicht erkennbar waren. Umgekehrt können Störungen im Bild schnell als solche bestätigt werden, wenn nach Überfahren erkannt wird, dass sich der Fahrbahnbelag gar nicht geändert hatte.
In einer bevorzugten Ausführungsform wird eine Synchronität des Kamerareibwerts uk und Radreibwerts μν; unter Berück- sichtigung der Fahrgeschwindigkeit des Fahrzeugs sichergestellt. Die Fahrzeugeigengeschwindigkeit dient hierbei daz zu ermitteln, wann ein vorausliegender Fahrbahnabschnitt überfahren wird, dem bereits ein Kamerareibwert Uk aus einem aktuellen Kamerabild zugeordnet ist. Zur Fusionierung müssen ja Kamera- und Radreibwertsbereiche in irgendeiner Weise zur Deckung gebracht, werden, die zu einem gegebenen Zeitpunkt nicht übereinstimmen können, v/eil die Kamera vorausschaut und die Fahrbahnoberfläche, auf der ein Reifen aktuell ruht nicht erfassen kann. Vorteilhaft werden auch andere Fahrzeugsensorinformationen zur Fahrzeugbewegung bzw. Odometrie- und Zeitinformationen herangezogen, um die Fahrzeugbewegung im Verhältnis zu den Bildbereichen zu ermittein und somit die Synchronität sicherzustellen.
Vorteilhaft wird dem Kamerareibwert Uk und dem Radreibwert μ„ jeweils eine dazugehörige Zuverlässigkeitsinformation zugeordnet, die bei der Fusionierung berücksichtigt werden Kan .
Bevorzugt kann als vorausschauender Reibwert, μ ein Kamerareibwert μΐς mit einer hohen Zuverlässigkeitsinformation sofort freigegeben werden. Bei einer niedrigen Zuverlässigkeitsinformation des Kamerareibwerts μ·κ wird dagegen zunächst eine Bestätigung über den Radreibwert μ; abgewartet Sofern die Bestätigung erfolgt, kann der bestätigte Kamera reibwert freigegeben werden oder bei einer Abweichung kann ein gemittelter Wert ausgegeben werden. Bei der Mittelung kann die Zuverlässigkeitsinformation als Gewichtung hinzu- gezogen werden. Bei einem Ausfall des Kamerareibwerts wird ausschließlich auf den Radreibwert μ» zurückgegriffen.
In einer vorteilhaften Ausführungsform besteht durch geeignete Fusion bzw. Auswertung der beiden Informationen bzw. Reibwertschätzwerte und μ« die Möglichkeit, das Verfahren durch „Lernen" (z.B. der typischen Störungen im Bild) während des Betriebs an die charakteristischen Einsatzbedingungen des Fahrzeugs bzw. des Fahrers anzupassen und damit die Verfügbarkeit und Robustheit zu erhöhen. Das Identifizieren und anschließende Lernen von typischen Störungen im Bild erfolgt insbesondere anhand der Plausibilisierung des Kamerareibwert mittels des Radreibwerts μΜ) wenn dabei eine Abweichung festgestellt wird. Nach perfektem Anlernen des Systems ist damit die Präzision der Reibwertschätzung wie sie die Raddrehzahlanalyse liefern kann auch vorausschauend erreichbar.
Die Kamera kann eine Monokamera, eine Stereokamera oder eine Kamera eines Rundumsichtkamerasystems sein, je nach Hauptverwendungszweck des Kamerasystems.
Gemäß einer bevorzugten Ausführungsform werden Informationen des erfindungsmäßen Verfahrens zur Reibwertschätzung weiteren Fahrerassistenzsystemen bzw. FahrdynamikregelSystemen zur Verfügung gestellt und können dort in bekannter Weise dazu dienen, den Betriebszustand geeignet anzupassen (z.B. ACC Abstand) . Als Informationen sind hierbei der vorausschauende Reibwert, der Kamerareibwert μ^, der Radreib- wert μν; und/oder die zugeordneten Zuverlässigkeitsinformationen geeigne .
Die Erfindung betrifft weiterhin eine Vorrichtung zur Schätzung eines Reibwerts in einen fahrenden Fahrzeug mit einer vorausschauenden Kamera, mindestens einem Raddrehzahlsensor und Auswertungsmittel.
Die Auswertungsmittel sind dazu ausgebildet, Bilddaten der Kamera dahingehend auszuwerten, dass auf die Fahrbahnoberfläche geschlossen werden kann, und eine Reibwertklassifizierung vorzunehmen. Die Reibwertklassifizierung liefert einen Kamerareibwert uk. Der Raddrehzahlsensor übermittelt, Raddrehzahlsignale an die Auswertungsmittel. Die Auswertungsmittel sind ferner dazu ausgebildet, auf Basis eines Raddrehzahlsignals einen Reifenschlupf und eine Reifenschwingung zu analysieren und daraus eine Klassifizierung des Reibwerts vorzunehmen, die einen Radreibwert μ,Λ. liefert. Die vorausschauende Reibwertschätzung erfolgt als eine Fusion von Kamerareibwert pk und Radreibwert μ„, wobei die vorausschauende Reibwertschätzung primär auf Basis des Kamerareibwerts Uk erfolgt, 'wobei der Radreibwert yw kontinuierlich zur Plausibilisierung des Kamerareibwerts berücksichtigt wird. Die Auswertungsmittel können modular auf mehrere Auswertungseinheiten verteilt sein. Bevorzugt erfolgt die Bildauswertung in einem Steuergerät des Kamerasystems, welches den Kamerareibwert Uk an ein Bus-System ausgeben kann. Die Raddrehzahlanalyse erfolgt in einem EBS- Steuergerät, welches den Radreibwert μ-„, an das Bus-System ausgeben kann. Die Fusion erfolgt unter Berücksichtigung der Svnchronität der Reibwertdaten z.B. in einem dritten Steuergerät, welches die Reibwerte μ und μ·Α, vom Bus-System empfangen kann. In einer v/eiteren bevorzugten Ausführungsform kann die Herstellung der Synchronität von Reibwertdaten und anschließende Fusion im Steuergerät des Kamerasystems oder im EBS-Steuergerät durchgeführt werden, weiches dazu den anderen Reibwert μ« oder \i vom Bus-System empfangen kann. Es ist aber auch vorstellbar, dass eine zentrale Auswertungseinheit sämtliche Auswertungsmittel umfasst und die gesamten Auswertungsschritte durchführt.
Im Folgenden wird die Erfindung anhand von einer Figur und Ausführungsbeispielen näher erläutert.
Die einzige Fig. 1 zeigt beispielhaft ein Kamerabild einer vorausliegenden Fahrzeugumgebung, wie es von einer Frontkamera eines fahrenden Fahrzeugs aufgenommen worden ist. Aus demselben Bild können kamerabasierte Fahrerassistenzfunktionen realisiert werden, z.B. eine Spurverlassenswarnung (LD , Lane Departure arning) , eine Spurhalteunterstützung (LKA/LKS, Lane Keeping Assistance/System) , eine Verkehrszeichenerkennung (TSR, Traffic Sign Recognition) , eine automatische Fernlichtsteuerung (IHC, Intelligent Headlamp Control) , eine Kollisionswarnung (FC , Forward Collision Warning) , eine Miederschlagserkennung, eine automatische Längsregelung (ACC, Adaptive Cruise Control) , eine Einparkunterstützung, automatische Notbrems- Gder Kotlenksysteme (EBA, Emergency Brake Assist oder ESA, Emergency Steering Assist) .
Auf dem Kamerabild (Grauwertbild einer monokularen Kamera) ist eine spiegelnde Fahrbahnoberfläche zu erkennen. Spiege- lungseffekte auf der Fahrbahnoberfläche können aus dem Kamerabild erkannt werden, da Bäume {oder allgemein die Umgebung) auf der Fahrbahnoberfläche gespiegelt erscheinen.
Die Spiegelung an der Fahrbahnoberfläche kann unterschiedliche Ursachen haben: eine regennasse Fahrbahnoberfläche spiegelt, aber auch ein trockener neuer Fahrbahnbelag kann zu Spiegelungen führen, Einem Fahrbahnabschnitt, der Spiegelungen aufweist -wird in einem Kamerabild ein anderer Reibwert uk zugeordnet als einem Fahrbahnabschnitt, der nicht spiegelt. Jedoch unterscheiden sich tatsächliche Reibwerte für regennasse Fahrbahnoberflächen deutlich von Reibwerten für trockene Fahrbahnoberflächen mit einem neuen Fahrbahnbelag .
Im Problemfall der spiegelnden Neufahrbahn würde also zunächst der aus dem Kamerabild abgeschätzte Reibwert als unsicher eingestuft -werden müssen. Nach einem Überfahren und Auswerten des aus einem Raddrehzahlsignal gewonnenen Reibwerts μ„ für einen solchen Fahrbahnabschnitt würde diese „Störung" vom System gelernt und in der Folge körinte μ* entsprechend korrekt und zuverlässig ermittelt -werden. Dieses Nachlernen durch Plausibilisierung ist ein wesentlicher Vorteil der Erfindung.

Claims

Patentansprüche
1. Verfahren zur Schätzung eines Reibwerts in einem fahrenden Fahrzeug, wobei Bilddaten einer vorausschauenden Kamera im Fahrzeug dahingehend ausgewertet werden, dass auf die Fahrbahnoberfläche geschlossen werden kann und eine Reibwertklassifizierung erfolgt, die einen Kamerareibwert μκ liefert,
dadurch gekennzeichnet, dass
auf Basis eines Raddrehzahlsignals ein Reifenschlupf und eine Reifenschwingung analysiert werden und daraus eine Klassifizierung des Reibwerts vorgenommen wird, die einen Radreibwert pw liefert, wobei die vorausschauende Reibwertschätzung eine Fusion von Kamera- und Radreibwert darstellt, wobei die vorausschauende Reibwertschätzung primär auf Basis des Kamerareibwerts Uk erfolgt, wobei der Radreibwert μ„ kontinuierlich zur Plausibilisierung des Kamerareibwerts berücksichtigt wird,
2. Verfahren nach Anspruch l, wobei eine Synchronität des Kamerareibwerts μ-κ und Radreibwerts μ« unter Berücksichtigung der Fahrgeschwindigkeit des Fahrzeugs sichergestellt wird.
3. Verfahren nach Anspruch 1 oder 2 , wobei dem Kamera- reibwert und Radreibwert μ-Α. jeweils eine dazugehörige Zuverlässigkeitsinformation zugeordnet wird.
Verfahren nach einem der vorhergehenden Ansprüche, wobei als vorausschauender Reibwert ein Kamerareibwert κ mit einer hohen Zuverlässigkeitsinformation sofort freigegeben wird, bei einer niedrigen Zuverlässigkeitsinformation des Kamerareibwerts μ-k wird zunächst eine Bestätigung über den Radreibwert μ„, abgewartet und bei einem Ausfall des Kamerareibwerts wird ausschließlich auf den Radreibwert μ„ zurückgegrif en.
Verfahren nach einem der vorhergehenden Ansprüche, welches durch Lernen, insbesondere von typischen Störungen im Kamerabild, die anhand der Plausibilisierun des Kamerareibwert uk mittels des Radreibwerts μ„- identifiziert werden können, an charakteristische Ein satzbedingungen des Fahrzeugs und/oder des Fahrers an gepasst wird.
Verfahren nach einem der vorhergehenden Ansprüche, wo bei als Kamera eine Monokamera verwendet wird.
7. Verfahren nach einem der vorhergehenden Ansprüche, wobei als Kamera eine Stereokamera verwendet wird.
8. Verfahren nach einem der vorhergehenden Ansprüche, wobei als Kamera eine Kamera eines Rundumsichtsystems verwendet wird.
Verfahren nach einem der vorhergehenden Ansprüche, wobei der vorausschauende Reibwert, der Kamerareibwert μ* und/oder der Radreibwert μ ,, an weitere Fahrerassis- tenzsysteme oder FahrdynamikregelSysteme ausgegeben wird .
10. Vorrichtung zur Schätzung eines Reibwerts in einem fahrenden Fahrzeug umfassend eine vorausschauende Kamera, mindestens einen Raddrehzahlsensor und Auswertungsmittel, wobei die Auswertungsmittel dazu ausgebildet sind, Bilddaten der Kamera dahingehend auswerten, dass auf die Fahrbahnoberfläche geschlossen werden kann und eine Reibwertklassifizierung vorzunehmen, die einen Kamerareibwert \xk liefert,
dadurch gekennzeichnet, dass
der Raddrehzahlsensor Raddrehzahlsignale an die Auswertungsmittel übermittelt und die Auswertungsmittel ferner dazu ausgebildet sind, auf Basis eines Raddrehzahlsignals einen Reifenschlupf und eine Reifenschwingung zu analysieren und daraus eine Klassifizierung des Reibwerts vorzunehmen, die einen Radreibwert μ» liefert, wobei die vorausschauende ReibwertSchätzung als eine Fusion von Kamera- und Radreibwert erfolgt, wobei die vorausschauende Reibwertschätzung primär auf Basis des Kamerareibwerts μ-κ_ erfolgt, wobei der Radreibwert μ„ kontinuierlich zur Plausibilisierung des Kamerareibwerts κ berücksichtigt wird.
PCT/DE2013/200340 2012-12-20 2013-12-09 Reibwertschätzung aus kamera- und raddrehzahldaten Ceased WO2014094767A1 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
DE112013006110.4T DE112013006110B4 (de) 2012-12-20 2013-12-09 Reibwertschätzung aus Kamera- und Raddrehzahldaten
US14/431,208 US9643617B2 (en) 2012-12-20 2013-12-09 Friction coefficient estimation from camera and wheel speed data

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102012112725.5A DE102012112725A1 (de) 2012-12-20 2012-12-20 Reibwertschätzung aus Kamera- und Raddrehzahldaten
DE102012112725.5 2012-12-20

Publications (1)

Publication Number Publication Date
WO2014094767A1 true WO2014094767A1 (de) 2014-06-26

Family

ID=50000733

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/DE2013/200340 Ceased WO2014094767A1 (de) 2012-12-20 2013-12-09 Reibwertschätzung aus kamera- und raddrehzahldaten

Country Status (3)

Country Link
US (1) US9643617B2 (de)
DE (2) DE102012112725A1 (de)
WO (1) WO2014094767A1 (de)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111201173A (zh) * 2017-08-11 2020-05-26 罗伯特·博世有限公司 用于确定车辆轮胎与车道之间的接触的摩擦值的方法以及用于控制车辆的车辆功能的方法
US11472413B2 (en) 2019-02-20 2022-10-18 Steering Solutions Ip Holding Corporation Mu confidence estimation and blending
CN116311125A (zh) * 2023-03-15 2023-06-23 同济大学 一种基于车路协同的路面附着系数多源融合估计方法
US12103539B2 (en) 2020-08-24 2024-10-01 Steering Solutions Ip Holding Corporation Surface detection via a directed autonomous vehicle

Families Citing this family (51)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012112724A1 (de) 2012-12-20 2014-06-26 Continental Teves Ag & Co. Ohg Verfahren zur Bestimmung eines Fahrbahnzustands aus Umfeldsensordaten
DE102013101639A1 (de) 2013-02-19 2014-09-04 Continental Teves Ag & Co. Ohg Verfahren und Vorrichtung zur Bestimmung eines Fahrbahnzustands
DE102013223367A1 (de) 2013-11-15 2015-05-21 Continental Teves Ag & Co. Ohg Verfahren und Vorrichtung zur Bestimmung eines Fahrbahnzustands mittels eines Fahrzeugkamerasystems
US9616773B2 (en) 2015-05-11 2017-04-11 Uber Technologies, Inc. Detecting objects within a vehicle in connection with a service
EP3156298B1 (de) * 2015-10-13 2022-08-10 Volvo Car Corporation Fahrunterstützungsanordnung, fahrzeug und verfahren zur steuerung einer längsgeschwindigkeit eines fahrzeugs
DE102015119415B4 (de) 2015-11-11 2022-12-15 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren zum Bereitstellen eines Reibwerts
US10712160B2 (en) 2015-12-10 2020-07-14 Uatc, Llc Vehicle traction map for autonomous vehicles
US20170168495A1 (en) * 2015-12-10 2017-06-15 Uber Technologies, Inc. Active light sensors for determining expected traction value of a road segment
US9841763B1 (en) 2015-12-16 2017-12-12 Uber Technologies, Inc. Predictive sensor array configuration system for an autonomous vehicle
US9840256B1 (en) 2015-12-16 2017-12-12 Uber Technologies, Inc. Predictive sensor array configuration system for an autonomous vehicle
US9990548B2 (en) 2016-03-09 2018-06-05 Uber Technologies, Inc. Traffic signal analysis system
US10459087B2 (en) 2016-04-26 2019-10-29 Uber Technologies, Inc. Road registration differential GPS
US9672446B1 (en) 2016-05-06 2017-06-06 Uber Technologies, Inc. Object detection for an autonomous vehicle
US10678262B2 (en) 2016-07-01 2020-06-09 Uatc, Llc Autonomous vehicle localization using image analysis and manipulation
US10082795B2 (en) * 2016-08-24 2018-09-25 GM Global Technology Operations LLC Vision-based on-board real-time estimation of water film thickness
US10275662B1 (en) * 2016-09-30 2019-04-30 Zoox, Inc. Estimating friction based on image data
DE102016221975A1 (de) * 2016-11-09 2018-05-09 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines Fahrerassistenzsystems, Fahrerassistenzsystem
DE102016221932A1 (de) * 2016-11-09 2018-05-09 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines Fahrerassistenzsystems, Fahrerassistenzsystem
DE102016225352B4 (de) * 2016-12-16 2018-10-04 Volkswagen Aktiengesellschaft Verfahren zum Schätzen eines Reibwerts einer Fahrbahn mittels eines Kraftfahrzeugs sowie Steuervorrichtung und Kraftfahrzeug
US10106168B2 (en) 2017-02-27 2018-10-23 GM Global Technology Operations LLC Methods and systems for proactively estimating road surface friction coefficient
JP6572264B2 (ja) * 2017-06-28 2019-09-04 株式会社Ｓｕｂａｒｕ 車両の路面摩擦係数推定装置及び車両の路面摩擦係数推定方法
JP6821267B2 (ja) * 2017-06-30 2021-01-27 ジヤトコ株式会社 車両制御装置および車両制御方法
DE102017214026A1 (de) * 2017-08-11 2019-02-14 Robert Bosch Gmbh Verfahren zum Bestimmen eines Reibwerts für einen Kontakt zwischen einem Reifen eines Fahrzeugs und einer Fahrbahn und Verfahren zum Steuern einer Fahrzeugfunktion eines Fahrzeugs
US10814846B2 (en) 2017-08-11 2020-10-27 Ford Global Technologies, Llc Traction control based on friction coefficient estimation
US10773725B1 (en) 2017-08-25 2020-09-15 Apple Inc. Tire-road friction estimation and mapping
EP3687869A1 (de) 2017-09-26 2020-08-05 Nira Dynamics AB Reibungsschätzung
EP3480075B1 (de) 2017-11-07 2020-07-29 Veoneer Sweden AB Sichtsystem und verfahren zum autonomen fahren und/oder zur fahrerassistenz in einem kraftfahrzeug
US10286923B1 (en) * 2017-11-15 2019-05-14 Ford Global Technologies, Llc Tire vibration and loose wheel detection
DE102017222568A1 (de) * 2017-12-13 2019-06-13 Robert Bosch Gmbh Verfahren zum Bestimmen eines Reibwerts für einen Kontakt zwischen einem Reifen eines Fahrzeugs und einer Fahrbahn und Verfahren zum Steuern einer Fahrzeugfunktion eines Fahrzeugs
DE102017222583A1 (de) * 2017-12-13 2019-06-13 Robert Bosch Gmbh Verfahren zur Schätzung eines maximalen Reibwerts, Einrichtung zur Durchführung des Verfahrens sowie Computerprogrammprodukt
DE102018201462A1 (de) * 2018-01-31 2019-08-01 Audi Ag Verfahren zum Betreiben eines Kraftfahrzeugs sowie entsprechendes Kraftfahrzeug
EP3546312B1 (de) * 2018-03-26 2025-01-15 Polestar Performance AB Verfahren und system zur handhabung der bedingungen einer strasse, auf der ein fahrzeug fährt
US11334753B2 (en) 2018-04-30 2022-05-17 Uatc, Llc Traffic signal state classification for autonomous vehicles
US11124193B2 (en) * 2018-05-03 2021-09-21 Volvo Car Corporation System and method for providing vehicle safety distance and speed alerts under slippery road conditions
DE102018218926B4 (de) 2018-11-06 2025-06-05 Zf Friedrichshafen Ag Fahrerassistenzsystem
GB2579194B (en) * 2018-11-22 2021-05-19 Jaguar Land Rover Ltd Torque modification request
US11794750B1 (en) * 2019-01-14 2023-10-24 Matthew Roy Snow friction determination by autonomous vehicle
DE102020113937A1 (de) * 2019-05-27 2020-12-03 Jtekt Corporation System zur Bestimmung eines Reifenzustands
US20210001861A1 (en) * 2019-07-05 2021-01-07 Byton North America Corporation Road type recognition
CN110550041B (zh) * 2019-07-19 2020-10-02 北京中科原动力科技有限公司 一种基于云端数据共享的路面附着系数估计方法
CN112537314A (zh) * 2019-09-20 2021-03-23 大陆汽车有限公司 用于确定湿路状况的系统和方法
EP3842307B1 (de) * 2019-12-27 2025-04-16 Volvo Car Corporation System und verfahren zur bereitstellung von fahrzeugsicherheitsabstands- und -geschwindigkeitswarnungen bei glatten strassenverhältnissen
US11472414B2 (en) * 2020-03-26 2022-10-18 Intel Corporation Safety system for a vehicle
KR20220027327A (ko) * 2020-08-26 2022-03-08 현대모비스 주식회사 딥러닝 기반 노면판단 모델을 이용한 터레인모드 제어 방법 및 장치
US11975612B2 (en) * 2020-09-25 2024-05-07 Ford Global Technologies, Llc Torque control for a hybrid or electric vehicle
JP7021798B1 (ja) 2020-12-04 2022-02-17 国立研究開発法人土木研究所 学習済みモデル生成方法、路面滑り摩擦係数推定装置、路面滑り摩擦係数推定プログラムおよび路面滑り摩擦係数推定方法
DE102021101788A1 (de) 2021-01-27 2022-07-28 Zf Cv Systems Global Gmbh Verfahren zum ortsaufgelösten Ermitteln einer Oberflächeneigenschaft eines Untergrundes, Verarbeitungseinheit und Fahrzeug
EP4638224A1 (de) * 2022-12-22 2025-10-29 Volvo Truck Corporation Radgeschwindigkeitsmessung
DE102024202202A1 (de) * 2024-03-08 2025-09-11 Zf Friedrichshafen Ag Verfahren zur Fahrbahnzustandserkennung
CN118928323A (zh) * 2024-08-05 2024-11-12 东风汽车集团股份有限公司 车辆制动时瞬态稳定性控制方法及系统
DE102024133094B3 (de) 2024-11-12 2026-04-02 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Computerimplementiertes Verfahren zum Trainieren eines künstlichen neuronalen Netzes und computerimplementiertes Verfahren zum Betreiben eines Kraftfahrzeugs mittels des trainierten künstlichen neuronalen Netzes

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0412791A2 (de) * 1989-08-10 1991-02-13 LUCAS INDUSTRIES public limited company Überwachung und Vorhersage von Fahrzeug/Strassen-Bedingungen
EP0792228B1 (de) 1994-11-25 2000-08-09 Continental Teves AG & Co. oHG System zur fahrstabilitätsregelung
EP1201521A1 (de) * 2000-10-26 2002-05-02 Fuji Jukogyo Kabushiki Kaisha Gerät zur Abschätzung von Strassenreibwerten für Fahrzeuge
DE10256726A1 (de) 2002-12-05 2004-06-24 Conti Temic Microelectronic Gmbh Verfahren zur fahrbahnabhängigen Signalgenerierung in einem Kraftfahrzeug
DE102004018088A1 (de) 2003-04-09 2005-02-10 Continental Teves, Inc., Auburn Hills Fahrbahnerkennungssystem
DE102004047914A1 (de) 2004-09-29 2006-03-30 A.D.C. Automotive Distance Control Systems Gmbh Methode zur Einschätzung des Fahrbahnzustands
DE102008047750A1 (de) 2007-09-18 2009-05-07 Continental Teves Ag & Co. Ohg Bestimmung eines Kraftschlusses mit wenigen Sensoren
WO2011007015A1 (de) 2009-07-17 2011-01-20 Continental Teves Ag & Co. Ohg Laserbasiertes verfahren zur reibwertklassifikation in kraftfahrzeugen
DE102009041566A1 (de) 2009-09-15 2011-03-24 Continental Teves Ag & Co. Ohg Verfahren zur Klassifizierung des Fahrbahnreibwerts
WO2012110030A2 (de) 2011-02-14 2012-08-23 Conti Temic Microelectronic Gmbh Reibwertschätzung mittels einer 3d-kamera

Family Cites Families (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH072448B2 (ja) * 1986-01-13 1995-01-18 アイシン・エィ・ダブリュ株式会社 ４輪駆動の制御装置
JP3393654B2 (ja) * 1991-12-25 2003-04-07 マツダ株式会社 車両のスリップ制御装置
JPH0735522A (ja) 1993-07-23 1995-02-07 Nippon Doro Kodan レーザーを利用した舗装路面横断プロフィル測定方法
US5774821A (en) 1994-11-25 1998-06-30 Itt Automotive Europe Gmbh System for driving stability control
JPH08263784A (ja) 1995-03-23 1996-10-11 Honda Motor Co Ltd 道路状況認識装置
JPH08258588A (ja) * 1995-03-27 1996-10-08 Mazda Motor Corp 車両における路面状態検出装置
DE69736764T2 (de) 1996-08-28 2007-01-25 Matsushita Electric Industrial Co., Ltd., Kadoma Lokales Positionierungsgerät und Verfahren dafür
DE19856510C2 (de) 1998-02-20 2002-10-24 Cegelec Anlagen Und Automatisi Verfahren und System zur Ermittlung von Unebenheiten und Schadstellen in der Oberfläche einer Verkehrsfläche
DE19854964A1 (de) 1998-11-29 2000-06-08 Martin Spies Sensor zur Fahrbahnbeurteilung
JP2001334921A (ja) 2000-05-30 2001-12-04 Fuji Heavy Ind Ltd 車両の路面摩擦係数推定装置
DE10060333A1 (de) 2000-12-04 2002-06-13 Daimler Chrysler Ag Vorrichtung zur Erkennung einer während des Fahrbetriebes eines Fahrzeuges auftretenden Aquaplaninggefahr
DE10155488A1 (de) 2001-11-13 2003-05-28 Wilhelm Caspary Verfahren zur Erfassung der Oberfläche einer Fahrbahn
US6636258B2 (en) * 2001-10-19 2003-10-21 Ford Global Technologies, Llc 360° vision system for a vehicle
CN1321838C (zh) 2001-12-21 2007-06-20 株式会社普利司通 路面状况及轮胎行驶状态的推断方法和装置及利用它们的防滑刹车系统和车辆控制
AU2003225228A1 (en) 2002-05-03 2003-11-17 Donnelly Corporation Object detection system for vehicle
JP4165380B2 (ja) * 2003-01-31 2008-10-15 株式会社豊田中央研究所 車両制御方法及び車両制御装置
JP2005028887A (ja) * 2003-07-07 2005-02-03 Fuji Heavy Ind Ltd 路面摩擦係数推定装置および路面摩擦係数推定方法
JP4453382B2 (ja) 2004-02-10 2010-04-21 トヨタ自動車株式会社 車両の走行制御装置
DE102004016288B3 (de) * 2004-04-02 2005-08-18 Daimlerchrysler Ag Verfahren zur Bestimmung eines Reibwerts
DE102004019337A1 (de) 2004-04-21 2005-11-17 Siemens Ag Assistenzsystem für Kraftfahrzeuge
DE102004055069B4 (de) 2004-07-15 2007-02-15 Daimlerchrysler Ag Mehrdimensionale Fahrbahnvermessung
DE102004048637A1 (de) 2004-10-04 2006-04-06 Daimlerchrysler Ag 3D-Fahrbahnmessung mit redundanten Messdaten
DE102006012289A1 (de) 2006-03-17 2007-09-20 Man Nutzfahrzeuge Ag Verfahren zur vorausschauenden Erkennung der Reibwertänderung eines Straßenbelags
US8306747B1 (en) 2007-01-19 2012-11-06 Starodub, Inc. Travel way measurement system
EP2048476B1 (de) 2007-10-08 2013-12-11 Delphi Technologies, Inc. Fahrerunterstützungsverfahren
FI124059B (fi) * 2008-09-19 2014-02-28 Aalto Korkeakoulusaeaetioe Parannus ajoneuvojen ajonhallintajärjestelmiin
DE102009033219A1 (de) 2009-01-23 2010-07-29 Daimler Ag Verfahren zur Ermittlung eines Fahrzeug vorausliegenden Straßenprofils einer Fahrspur
JP5172764B2 (ja) * 2009-03-30 2013-03-27 本田技研工業株式会社 路面摩擦係数推定装置
US8395529B2 (en) 2009-04-02 2013-03-12 GM Global Technology Operations LLC Traffic infrastructure indicator on head-up display
KR101089650B1 (ko) 2009-09-23 2011-12-06 삼성전기주식회사 차량 속도 제어 장치 및 방법
JP5325765B2 (ja) 2009-12-28 2013-10-23 日立オートモティブシステムズ株式会社 路肩検出装置及び路肩検出装置を用いた車両
DE102010011093A1 (de) 2010-03-11 2011-09-15 Daimler Ag Verfahren zur Bestimmung einer Fahrzeugaufbaubewegung
DE102010013339A1 (de) 2010-03-30 2011-01-05 Daimler Ag Vorrichtung und Verfahren zur Steuerung eines Motorlagers für ein Fahrzeug
DE102010045162A1 (de) 2010-09-11 2012-03-15 Volkswagen Ag Schlaglochassistent mit Umfeldwahrnehmung
JP2012066785A (ja) * 2010-09-27 2012-04-05 Fuji Heavy Ind Ltd 車両の統合制御装置
DE102010063017A1 (de) 2010-12-14 2012-06-14 Robert Bosch Gmbh Verfahren in einem Fahrerassistenzsystem zur Erkennung von Nässe auf einer Fahrbahn
DE102011011755A1 (de) 2011-02-18 2012-08-23 Conti Temic Microelectronic Gmbh Halbleiterschaltkreis und Verfahren in einem Sicherheitskonzept zum Einsatz in einem Kraftfahrzeug
DE102012203187A1 (de) * 2011-03-01 2012-09-06 Continental Teves Ag & Co. Ohg Verfahren und Vorrichtung zur Prädiktion und Adaption von Bewegungstrajektorien von Kraftfahrzeugen
DE102011100907A1 (de) 2011-05-09 2012-01-12 Daimler Ag Vorrichtung und Verfahren zur Ermittlung eines Fahrbahnzustands
US10081308B2 (en) 2011-07-08 2018-09-25 Bendix Commercial Vehicle Systems Llc Image-based vehicle detection and distance measuring method and apparatus
DE102011081362A1 (de) 2011-08-23 2013-02-28 Robert Bosch Gmbh Verfahren und Vorrichtung zur Ermittlung eines Oberflächenzustands einer von einem Fahrzeug befahrenen oder zu befahrenden Fahrbahn
DE102012101085A1 (de) 2012-02-10 2013-08-14 Conti Temic Microelectronic Gmbh Bestimmung einer Beschaffenheit einer Fahrbahnoberfläche mittels einer 3D-Kamera
DE102012024874B4 (de) * 2012-12-19 2014-07-10 Audi Ag Verfahren und Vorrichtung zum prädikativen Ermitteln eines Parameterwertes einer von einem Fahrzeug befahrbaren Oberfläche
DE102012112724A1 (de) * 2012-12-20 2014-06-26 Continental Teves Ag & Co. Ohg Verfahren zur Bestimmung eines Fahrbahnzustands aus Umfeldsensordaten
DE102013002333A1 (de) * 2013-02-12 2014-08-14 Continental Teves Ag & Co. Ohg Verfahren und Strahlensensormodul zur vorausschauenden Straßenzustandsbestimmung in einem Fahrzeug
DE102013101639A1 (de) 2013-02-19 2014-09-04 Continental Teves Ag & Co. Ohg Verfahren und Vorrichtung zur Bestimmung eines Fahrbahnzustands
US9187099B2 (en) * 2013-10-17 2015-11-17 Richard M. Powers Systems and methods for predicting weather performance for a vehicle
DE102013223367A1 (de) 2013-11-15 2015-05-21 Continental Teves Ag & Co. Ohg Verfahren und Vorrichtung zur Bestimmung eines Fahrbahnzustands mittels eines Fahrzeugkamerasystems
US9434388B2 (en) * 2014-10-31 2016-09-06 GM Global Technology Operations LLC Surface estimation for vehicles

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0412791A2 (de) * 1989-08-10 1991-02-13 LUCAS INDUSTRIES public limited company Überwachung und Vorhersage von Fahrzeug/Strassen-Bedingungen
EP0792228B1 (de) 1994-11-25 2000-08-09 Continental Teves AG & Co. oHG System zur fahrstabilitätsregelung
EP1201521A1 (de) * 2000-10-26 2002-05-02 Fuji Jukogyo Kabushiki Kaisha Gerät zur Abschätzung von Strassenreibwerten für Fahrzeuge
DE10256726A1 (de) 2002-12-05 2004-06-24 Conti Temic Microelectronic Gmbh Verfahren zur fahrbahnabhängigen Signalgenerierung in einem Kraftfahrzeug
DE102004018088A1 (de) 2003-04-09 2005-02-10 Continental Teves, Inc., Auburn Hills Fahrbahnerkennungssystem
DE102004047914A1 (de) 2004-09-29 2006-03-30 A.D.C. Automotive Distance Control Systems Gmbh Methode zur Einschätzung des Fahrbahnzustands
DE102008047750A1 (de) 2007-09-18 2009-05-07 Continental Teves Ag & Co. Ohg Bestimmung eines Kraftschlusses mit wenigen Sensoren
WO2011007015A1 (de) 2009-07-17 2011-01-20 Continental Teves Ag & Co. Ohg Laserbasiertes verfahren zur reibwertklassifikation in kraftfahrzeugen
DE102009041566A1 (de) 2009-09-15 2011-03-24 Continental Teves Ag & Co. Ohg Verfahren zur Klassifizierung des Fahrbahnreibwerts
WO2012110030A2 (de) 2011-02-14 2012-08-23 Conti Temic Microelectronic Gmbh Reibwertschätzung mittels einer 3d-kamera

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111201173A (zh) * 2017-08-11 2020-05-26 罗伯特·博世有限公司 用于确定车辆轮胎与车道之间的接触的摩擦值的方法以及用于控制车辆的车辆功能的方法
CN111201173B (zh) * 2017-08-11 2023-10-03 罗伯特·博世有限公司 用于确定车辆轮胎与车道之间的接触的摩擦值的方法以及用于控制车辆的车辆功能的方法
US11472413B2 (en) 2019-02-20 2022-10-18 Steering Solutions Ip Holding Corporation Mu confidence estimation and blending
US12103539B2 (en) 2020-08-24 2024-10-01 Steering Solutions Ip Holding Corporation Surface detection via a directed autonomous vehicle
CN116311125A (zh) * 2023-03-15 2023-06-23 同济大学 一种基于车路协同的路面附着系数多源融合估计方法

Also Published As

Publication number Publication date
DE102012112725A1 (de) 2014-06-26
US9643617B2 (en) 2017-05-09
DE112013006110B4 (de) 2025-12-18
US20150251659A1 (en) 2015-09-10
DE112013006110A5 (de) 2015-09-17

Similar Documents

Publication Publication Date Title
DE112013006110B4 (de) Reibwertschätzung aus Kamera- und Raddrehzahldaten
DE102009006335B4 (de) Verfahren zur Unterstützung des Fahrers eines Kraftfahrzeugs
US11273835B2 (en) System for a vehicle
EP2536606B1 (de) Verfahren zur automatischen prävention von aquaplaning
DE102009041566B4 (de) Verfahren zur Klassifizierung des Fahrbahnreibwerts
WO2019174682A1 (de) Verfahren und vorrichtung zur erkennung und bewertung von fahrbahnzuständen und witterungsbedingten umwelteinflüssen
WO2014094766A1 (de) Verfahren zur bestimmung eines fahrbahnzustands aus umfeldsensordaten
DE102013223367A1 (de) Verfahren und Vorrichtung zur Bestimmung eines Fahrbahnzustands mittels eines Fahrzeugkamerasystems
DE102014214090B4 (de) Verfahren zur Erkennung von Verkehrssituationen
DE10336638A1 (de) Vorrichtung zur Klassifizierung wengistens eines Objekts in einem Fahrzeugumfeld
DE102013101639A1 (de) Verfahren und Vorrichtung zur Bestimmung eines Fahrbahnzustands
WO2013083313A1 (de) Verfahren und vorrichtung zur erkennung einer bremssituation
DE102008020007A1 (de) Verfahren zum Unterstützen eines Fahrers beim Fahren mit einem Fahrzeug mit einer Fahrspurerkennung
DE102011105074A1 (de) Verfahren und Vorrichtung zur Bestimmung einer Sichtweite für ein Fahrzeug
DE102016003026A1 (de) Verfahren zur Betätigung eines adaptiven Kurvenassistenzsystems eines Fahrzeuges
DE102015015022A1 (de) Vorrichtung und Verfahren zur Ermittlung von Nässe auf einer Fahrbahn
DE102014202385A1 (de) Verfahren zur Erkennung eines Fahrerausweichwunsches in einem Fahrerassistenzsystem für Kraftfahrzeuge
DE102016007630A1 (de) Verfahren zum Ermitteln einer Notbremssituation eines Fahrzeuges sowie Vorrichtung zur Durchführung des Verfahrens
WO2007017476A1 (de) Verfahren zxjm stabilisieren eines kraftfahrzeugs aufgrund von bilddaten und fahrdynamikregelsystem
DE102018206741A1 (de) Ultraschallsystem eines Fahrzeugs
WO2007051835A1 (de) Verfahren zum unterstützen eines fahrers beim fahren mit einem fahrzeug
DE102014214507B4 (de) Verfahren zur Erstellung eines Umfeldmodells eines Fahrzeugs
DE102017223439A1 (de) Warnvorrichtung vor Gefahrensituationen für ein Kraftfahrzeug
DE102014214505B4 (de) Verfahren zur Erstellung eines Umfeldmodells eines Fahrzeugs
DE102020000799A1 (de) Verfahren und Vorrichtung zur Bestimmung einer Aquaplaning-Gefahr sowie Fahrzeug mit einer solchen Vorrichtung

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: 13824108

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 14431208

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 1120130061104

Country of ref document: DE

Ref document number: 112013006110

Country of ref document: DE

REG Reference to national code

Ref country code: DE

Ref legal event code: R225

Ref document number: 112013006110

Country of ref document: DE

WWP Wipo information: published in national office

Ref document number: 112013006110

Country of ref document: DE

122 Ep: pct application non-entry in european phase

Ref document number: 13824108

Country of ref document: EP

Kind code of ref document: A1

WWG Wipo information: grant in national office

Ref document number: 112013006110

Country of ref document: DE